原文地址
2024年9月
Abstract
培养学生成为AI时代负责任和创造力的公民
人工智能（AI）越来越多地融入我们的生活，需要积极主动的教育系统来培养学生成为负责任的用户和AI的共同创造者。将人工智能学习目标纳入正式的学校课程，对于全球学生安全、有意义地参与人工智能至关重要。
联合国教科文组织针对学生的人工智能能力框架旨在帮助教育工作者进行这种整合，概述了四个方面的12项能力：以人为本的思维方式，人工智能伦理，人工智能技术和应用以及人工智能系统设计。这些能力跨越三个发展级别：理解、应用和创造。该框架详细说明了课程目标和特定领域的教学方法。
该框架以学生作为人工智能共同创造者和负责任公民的愿景为基础，强调对人工智能解决方案的批判性判断，人工智能时代的公民责任意识，终身学习的基础人工智能知识，以及包容性，可持续的人工智能设计。
到2022年，只有15个国家将人工智能学习目标纳入国家课程。
这里写目录标题
- Abstract
- Foreword
- Chapter 1: Introduction
- Chapter 2: Key principles
- 2.1 培养对AI的批判性方法 (Fostering a critical approach to AI)
- 2.2 优先考虑以人为本的人工智能交互 (Prioritizing human-centred interaction with AI)
- 2.3 鼓励环境可持续的AI (Encouraging environmentally sustainable AI)
- 2.4 促进人工智能能力发展的包容性 (Promoting inclusivity in AI competency development)
- 2.5 构建终身学习的核心AI能力 (Building core AI competencies for lifelong learning)
- Chapter 3: 学生人工智能能力框架的结构 (Structure of the AI competency framework for students)
- Chapter 4: 学生的人工智能能力规范 (Specifications of AI competencies for students)
- Chapter 5: Applying the framework
- 5.1 将AI能力作为国家AI战略的基础 (Aligning AI competencies as the foundation for national AI strategies)
- 5.2 构建跨学科的核心和集群AI课程，以提高AI能力 (Building interdisciplinary core and cluster AI curricula for AI competency)
- 5.3 构建面向未来和本地可行的AI领域作为课程载体 (Framing future-proofing and locally feasible AI domains as carriers of the curriculum)
- 5.4 定制适合年龄的螺旋课程序列 (Tailoring age-appropriate spiral curricular sequences)
- 5.5 为人工智能课程构建有利的学习环境 (Building enabling learning environments for AI curricula)
- 5.6 促进人工智能教师的专业化并简化其支持 (Promoting the professionalization of AI teachers and streamlining their support)
- 5.7 指导教学活动的群体设计和组织 (Guiding the cohort-based design and organization of pedagogical activities)
- 5.8 构建基于关键AI方面进展的能力评估 (Constructing competencybased assessments on the progression of key AI aspects)
- Conclusion
Foreword
在过去的十年中，人工智能（AI）在人类发展的各个领域得到了广泛的应用，2022年11月公开发布的生成AI工具只会加速其在社会生活中的渗透。处于人类社会变革核心的教育部门也不例外。这一快速的技术变革过程为学生、教师和整个社会带来了多种机遇，但也带来了风险和挑战。在人工智能时代，学生需要做好准备，成为人工智能的积极共同创造者，以及未来的领导者，塑造技术的新颖迭代并定义其与社会的关系。
这正是联合国教科文组织学生人工智能能力框架的目标-这是有史以来第一个此类全球框架。它旨在支持学生发展核心能力，成为负责任和创造性的公民，在人工智能时代蓬勃发展。这将帮助学生获得必要的价值观，知识和技能，从整体角度批判性地审视和理解人工智能，包括其道德，社会和技术层面。新框架体现了教科文组织的使命，将其对人工智能和教育的愿景根植于人权、包容和公平的原则。这种方法旨在确保人工智能支持人类能力的发展，保护人类尊严和机构，并促进正义和可持续性。
该出版物建立在教科文组织以前在该领域的工作基础上，例如教师的ICT能力框架，人工智能和教育：政策制定者指南，以及最近的教育和研究中生成人工智能指南。它反映了广泛的利益攸关方的贡献，借鉴了教科文组织会员国对制定和实施人工智能学校课程的见解，国际工作组的专业知识，三次国际磋商会议和多轮在线磋商。学生的AI能力框架与教师的能力框架一起开发。我希望这两个框架将使学生和教师能够塑造我们想要的数字未来。在一个日益复杂和不确定的世界中，我们的集体责任是确保教育仍然是改变我们共同未来的核心空间。
Chapter 1: Introduction
1.1 Why an AI competency framework for students?
人工智能（AI）在生活的各个方面和各个部门的快速迭代和扩散正在对机器智能的性质、个人数据的收集和使用、人类和机器在决策中的作用以及AI对社会和环境可持续性的影响提出新的挑战。至关重要的是，教育系统不仅要让学生掌握使用人工智能的知识和技能，还要让他们了解技术对社会和环境的潜在影响。鉴于人工智能对人类社会的变革潜力，让学生掌握有效使用和积极共同创造人工智能所需的价值观、知识和技能至关重要。
教育作为公共部门，不能沦为被动采用人工智能的试验场。教育部门的作用不仅是让学生做好准备，以适应一个日益被人工智能技术改变的社会;它还可以发挥关键作用，通过重新平衡我们与他人的关系，以及与技术和环境的关系，使年轻人能够帮助共同创造可持续的未来。通过定义学生可能需要的核心能力，随着我们深入到人工智能时代，这个学生人工智能能力框架（AI CFS）的最终目标是帮助塑造负责任和创造性的公民，共同创造这些理想的未来。
各国政府早在2019年就认识到迫切需要发展人工智能素养和更先进的人工智能能力，当时他们通过了联合国教科文组织关于人工智能和教育的北京共识。事实上，《北京共识》强调了让社会各阶层的人都具备人工智能素养的必要性。然而，根据最近对190个国家进行的一项调查，只有大约15个国家在学校教育中开发或实施人工智能课程（联合国教科文组织，2022 b）。
调查还发现，各国在如何定义人工智能素养、技能和能力方面存在很大差异。因此，调查结果强调了制定统一方法将人工智能相关教学内容纳入学校课程的紧迫性。学生的人工智能能力定义往往受到私营公司设计和/或提供的培训的影响，这些公司往往专注于运营利润驱动的人工智能平台的技术技能。这种方法很少涉及更广泛的AI对学习和公民身份的影响等更广泛的关键问题。目前，在公众认可的框架中，有太多的教育系统在教育课程中引入人工智能相关内容和方法方面存在空白。公共教育系统在填补这一空白方面面临的挑战之一是缺乏关于学生人工智能能力的国际参考框架。这样的国际参考框架可以为学生设计国家/地方AI能力框架提供信息，这些框架可以促进对AI工具的批判性和道德性方法，并开发在教育中有效和有意义地使用AI工具所需的基础知识。这个AI CFS的目的是填补这一空白。
AI技术是一个快速移动的目标。因此，确保所有学生都拥有一套核心知识、技能和价值观，以便在目前与人工智能进行道德和有效的互动至关重要。这个基础可以使学生以适当和以人为本的方式利用人工智能技术的未来迭代。
AI CFS支持教育当局通过为学生定义一套核心能力来应对这些需求，这些能力分为四个方面：以人为本的心态; AI伦理; AI技术和应用;以及AI系统设计。这四个方面在三个发展或掌握水平（理解、应用和创造）上得到阐述，总共产生了十二个能力模块。对于每一个能力模块，AI CFS都提出了有关规划和提供AI相关课程内容的相关教学方法和策略的详细规范。
1.2 Purpose and target audience
AI CFS旨在为公共教育系统提供指导，以培养所有学生和公民有效实施国家AI战略所需的能力，并在这个新技术时代建立包容，公正和可持续的未来。
更具体地说，AI CFS：（1）为学生提供关于AI核心能力的全球参考框架，以指导国家或机构AI能力框架的设计;（2）指定与不同掌握水平的AI能力关键方面相关的典型态度和行为表现，以帮助为学生设计与AI相关的课程内容;以及（3）建议一个开放式的路线图，以帮助规划跨年级人工智能课程的学习顺序。
作为一个全球参考框架，AI CFS将根据当地教育系统在课程设置、人工智能教学的有利学习环境、教师准备以及特定学生群体的先前知识和能力方面的不同准备程度进行调整。AI CFS主要针对政策制定者，课程开发者，学生，学校领导，教师和教育专家的AI教育计划提供者。
Chapter 2: Key principles
2.1 培养对AI的批判性方法 (Fostering a critical approach to AI)
批判性思维是学生作为学习者、用户和创造者有意义地参与人工智能的基本技能。学生们也有责任确定应该开发什么类型的人工智能，以及如何利用它们来推动人类社会走向包容、环保、共享的未来。学校的学生需要得到支持，成为人工智能的积极共同创造者，以及潜在的领导者，他们将为今世后代定义人工智能的进一步迭代及其与人类社会的互动。为了支持这一愿景，AI CFS旨在通过让学生参与基本问题来培养对AI的批判性方法，例如：AI是否准备帮助解决人类面临的现实挑战，或者它是否对人类构成了无法克服的威胁？对培训和使用人工智能的气候的不利影响是否与其预期的好处不成比例？应该仔细审查人工智能的使用对社会、经济、政治和人口的哪些影响？
人工智能驱动的跨发展部门转型对人类机构、人类互动、社会公平、经济包容性和环境可持续性具有深远影响。因此，首先，学校的学生应该意识到并了解现有人工智能的优势和局限性。负责任使用的先决条件包括学生检测AI工具的可信度和比例的能力。AI CFS旨在为学生提供必要的价值观，知识和技能，以便从道德角度批判性地审视AI的比例。这包括审查和理解其对人类主体、社会包容和公平、机构和个人安全、文化和语言多样性、多元意见的构建和表达以及对环境和生态系统的影响。学生们应该超越AI是一切解决方案的误解。相反，他们将成为有意识的决策者，决定何时应该或不应该使用人工智能系统和应用程序;它们可以或不可以解决什么问题;以及何时以及如何设计和使用人工智能作为更广泛解决方案的一部分。AI CFS旨在培养学生应用和设计AI工具的愿望，以满足有意义的特定目的或应对现实世界的挑战并促进可持续发展。
社会正以不同的速度进入人工智能时代，但各地的学生都是或将是以人工智能广泛融合为特征的环境中的公民。他们不仅要遵守法律的规定和道德原则，而且作为公民，他们还必须为适应人工智能标准和法规做出贡献。因此，该框架强调了支持学生成为人工智能负责任和道德的用户以及贡献者的重要性。它让学生反思围绕人工智能的关键争议，内化道德原则，并熟悉相关法规。
AI CFS对日益受到AI影响的社会所需的公民身份类型提出了前瞻性愿景。它建议学生受到挑战，并能够有意义地利用人工智能实现自我实现;评估其社会，经济和环境影响;并在适合其年龄或年级的水平上为人工智能法规的制定做出贡献，帮助塑造我们与整个社会技术的关系。
2.2 优先考虑以人为本的人工智能交互 (Prioritizing human-centred interaction with AI)
在人工智能时代，人与人工智能系统和应用之间的交互将成为公共服务、生产和商业、社会实践、学习和日常生活的重要组成要素。建立理解并确保在这些领域与人工智能进行以人为本的互动所需的能力是AI CFS的优先事项。
联合国教科文组织以人为本的方法主张，人工智能的设计和使用应服务于人类能力的发展，保护人类尊严和代理权，并在整个人工智能生命周期和所有可能的人类-人工智能互动循环中促进正义和可持续性。这种方法必须以人权原则和尊重界定知识共享的语言和文化多样性为指导。以人为本的方法还要求以确保透明度和可解释性以及人为控制和问责制的方式使用人工智能。
随着人工智能变得越来越复杂和越来越广泛地使用，一个关键的危险是它有可能破坏人类的能动性，损害人类智力技能的发展。虽然人工智能可以用来挑战和扩展人类的思维，但它不应该被允许篡夺或取代批判性思维。因此，保护和增强人类主体应始终是人工智能课程和教育计划设计的核心原则。AI CFS旨在帮助学生了解AI可能从他们那里收集的数据类型，数据可用于训练AI模型的方法，以及数据周期可能对他们的隐私和更广泛的生活产生的影响。它旨在激发学生作为个体成长和学习的内在动力，并在复杂的人工智能系统越来越多地被整合的背景下加强他们的自主性。正如该框架所提出的，关键的人工智能能力也可以引导学生理解社会互动的独特价值，以及人类创造的创造性作品不应该被人工智能输出所取代的独特价值。通过培养以人为本的人工智能参与能力，该框架旨在防止学生沉迷于或依赖于人工智能，并培养维持人类对高风险决策负责的行为。
2.3 鼓励环境可持续的AI (Encouraging environmentally sustainable AI)
作为下一代人工智能技术的共同创造者和潜在领导者，学生需要对人工智能模型的设计、训练和部署的利润驱动方法对环境的不利影响有批判性的理解。教育系统有责任确保学生了解碳排放，分析气候变化的根本原因，并采取明智的行动保护气候和环境。
在生产越来越强大的人工智能模型的竞赛中，环境可持续性通常被认为是次要的。在某些情况下，人工智能甚至被故意掩盖，声称人工智能有望解决气候变化问题。随着全球领导人和政策制定者努力考虑围绕能源消耗和环境保护的法规，学生们必须了解人工智能模型的训练如何导致自然环境的破坏。了解人工智能应该使他们能够紧急探索更气候友好的方法来设计，训练和使用人工智能模型。AI CFS通过指导学生设计和实施基于项目的学习活动来关注AI使用和培训对环境的影响，促使学生研究减轻这些影响的潜在解决方案。
2.4 促进人工智能能力发展的包容性 (Promoting inclusivity in AI competency development)
获得人工智能和人工智能能力代表了当今世界公民基本权利的两个方面。所有学生都应该有包容性的机会进入学习基本人工智能所需的环境，他们应该得到支持，学习如何将包容性原则嵌入人工智能的设计中，并准备为包容性的人工智能社会做出贡献。
在定义人工智能能力时，应该为学生提供机会，让他们在整个人工智能生命周期中理解和应用包容性原则。这包括选择代表性数据，选择偏见算法和反歧视培训方法，设计可访问的功能，测试人工智能输出的包容性，以及评估人工智能对社会包容的影响。在人工智能系统设计方面，学生可以加深理解和应用技能，以评估具有不同能力以及来自不同语言和文化背景的用户的需求。
在选择模型和技术类别作为人工智能相关教学和学习的载体时，需要注意避免对某些人口统计数据的偏袒。在为教育目的推荐特定的人工智能工具时，必须应用严格的公共验证机制，以避免算法存在与性别、能力、社会经济地位、语言、种族和/或文化相关的偏见。应优先考虑旨在支持残疾人并促进语言和文化多样性的人工智能工具。如果没有这样的验证机制，则应避免推荐特定的人工智能工具用于大规模使用。
关于课程的提供，可以概述一些具体措施，为实施基于人工智能社区服务系统的课程提供基本的有利条件。虽然人工智能框架或教育计划的设计应适用于所有学生，包括那些生活在低科技环境中的学生，但在无法访问互联网和人工智能工具的情况下参与人工智能将限制人工智能能力的范围和掌握水平。各国政府应致力于在学术界或私营部门的适当支持下，促进包容性地获得基本的互联网连接、最新的数字设备、开源或负担得起的人工智能程序和软件以及基本的人工智能设备。同样，这些努力必须特别关注残疾学生和/或来自语言或文化少数群体的学生。
2.5 构建终身学习的核心AI能力 (Building core AI competencies for lifelong learning)
与人工智能相关的教学和学习应该有助于建立核心的人工智能能力，使学生能够适应新的知识，并适应在新的背景下用新的人工智能技术解决问题。首先，这些核心能力必须包括与道德和以人为本的心态相关的价值观。学生需要指导，以逐步加深他们对特定人权的理解-例如平等，不歧视，隐私和多元表达的权利-以及它们对不同形式的人类-人工智能互动的影响。这些能力还反映了理解围绕人工智能的争议和指导监管的关键道德原则的必要性，以及培养实用技能以消除偏见，保护隐私，促进透明度和问责制，并采用道德设计方法来共同创造人工智能。
核心竞争力与品牌和产品无关，确保学生能够适当地使用一系列工具，以及未来的人工智能技术迭代。它使他们能够对人工智能数据，算法，模型和系统设计形成适合年龄的并逐步深入的理解。必须支持学生通过将人工智能概念与现实世界的挑战联系起来来构建这种理解，以培养关键的解决问题的技能。应该进一步鼓励学生发挥他们的创造力，以优化现有的人工智能模型或共同创造更有意义的人工智能。这些核心能力构成了进一步学习以及在继续教育、工作和生活中更专业地使用人工智能的基础。
Chapter 3: 学生人工智能能力框架的结构 (Structure of the AI competency framework for students)
3.1 The framework
AI CFS基于两个维度的矩阵指定了12个能力块。第一个维度包括人工智能能力的四个相互关联的方面，而第二个维度包括三个层次的进步或掌握，学生需要迭代地参与。
虽然AI CFS将AI能力的定义锚定在三个支柱上，为学生构建更广泛的核心能力-即知识，技能和价值观-它还旨在鼓励对人工智能系统基础上的人类主导方法的道德理解。基于这一概念，该框架定义了学生人工智能能力的四个基本构成要素：以人为本的思维方式，人工智能的道德，人工智能技术和应用，以及人工智能系统设计。这些要素侧重于基本价值观、维护道德原则的社会责任、基本知识和技能以及系统设计的高阶思维技能。虽然可以通过特定领域的学习和教学方法来开发不同的元素，但人工智能能力最终是一组跨学科的一般能力和价值取向，这些能力和价值取向超出了特定的人工智能领域或工具。
第一个方面将学生的能力定位在以人为本的态度中，以应对人工智能的好处和风险。它还旨在促进对特定人工智能工具的比例1的批判性理解，以满足我们人类的需求以及环境和生态系统的可持续发展。
人工智能的道德，第二个方面，包括学生人工智能能力的社会和道德组成部分，包括导航，理解，实践和促进适应越来越多的原则的社会技能，这些原则在人工智能的整个生命周期中规范人类行为。
第三个方面，人工智能技术和应用，代表了使用选定的人工智能工具和真实任务，对人工智能和相关操作技能的内在联系的概念知识的综合看法。
最后一个方面是人工智能系统设计，它涵盖了确定问题范围，架构构建，培训，测试和优化人工智能系统的综合工程技能。这方面的目的是挑战和使学生能够更深入地了解人工智能系统，并为他们在人工智能领域的进一步研究提供探索性学习。
该框架的第二个维度概述了三个层次的进展：理解，应用和创造，旨在反映上述所有四个方面的掌握程度。它们可用于为人工智能课程或学习计划提供跨年级的螺旋式学习序列，以帮助学生逐步建立系统和可转移的能力模式。框架矩阵跨越了三个层次的进展或掌握的四个方面（见表1）。在这些层面和方面的交叉点是人工智能能力的12个组成部分，其特征支撑着人工智能的批判性思维，道德审查，实际使用和迭代共同创造。这些能力模块应被理解为构成关键组成部分的相互关联的单元。而不是将它们视为孤立学习的分散和不同的主题，它们可以连接并编织在一起，作为人工智能能力的操作机构。
该矩阵提供了在某一能力块内达到最低掌握水平的学习成果蓝图。更具体地说，该矩阵旨在指导：
- （1）主要人工智能相关重点领域的范围和预期的掌握水平，根据当地人工智能准备和可用的教学时间量身定制;
- （2）识别可以跨现有课程，学科领域和年级整合的人工智能相关学习内容;
- （3）界定学生的智能程度及制订评估准则，以评估学生的一般智能水平及进度;
- （4）设计和探索适合年龄和特定领域的敏捷教学和学习方法。
当一个国家、地区或学校将这一框架本地化时，其中许多因素都是至关重要的;例如，重点方面的选择和所需掌握水平的规范将取决于学生现有的人工智能能力、教师的培训和技能、学习时间的可用性以及当地的人工智能准备情况，包括可负担性和基础设施。
3.2 Progression levels
这三个层次反映了在使用和共同创造人工智能技术方面日益增长的复杂性，熟练程度和道德意识。学生们希望通过他们的进步。这些级别以及每个能力块的规范可以指导学生人工智能能力的形成性和总结性评估，并为情境相关和敏捷教学方法的设计提供信息。
Level 1: Understand
第一阶段是为所有学生设计的。所有人都在或将在其一生中与某种形式的人工智能互动。人工智能提供商一直在挖掘和操纵几乎所有互联网用户的数据。因此，所有学生都必须培养以人为本的价值观、知识和技能，以安全、知情和有意义的方式在生活的各个领域与人工智能进行日常互动。
在“理解”的水平，学生应促进对人工智能是什么的理解，并构建对人工智能工具及其用途的价值观，道德问题，概念，流程和技术方法的适合年龄的解释。他们应该能够通过与现实生活或社会实践的联系来解释或解释他们的知识，并通过将新知识融入自己的知识图式来吸收新知识。
这种掌握水平为进一步研究人工智能提供了必要的态度，认知和实践基础。它没有定义AI整体特定领域或领域的出口级能力。
Level 2: Apply
鉴于人工智能的使用已经渗透到所有部门以及生活的各个方面，包括教育和工作，在校学生应该做好准备，成为人工智能的负责任，积极和有效的用户，既为了他们自己的个人利益，也为了应对共同的可持续性挑战。因此，第二个层次“应用”的结果与所有学生都相关，可用于调整正式人工智能课程主题模块的范围、广度和难度。在这个级别学习要求学生对以人为本的方法和人工智能的基本道德原则以及基本的人工智能知识和应用技能有基本的了解。
在“应用”阶段，学生应增强、转移和调整他们所学的价值观、知识和技能，以适应新的学习过程。他们通过在更复杂的背景下解决理论问题和/或实际任务，以及批判性地研究人工智能工具背后的先进技术方法来实现这一目标。达到这个水平后，学生将构建概念知识和相关AI技能的良好和可转移的基础。他们还应该能够将以人为本的心态和道德视角应用于人工智能工具的评估，研究和实际使用。
这个级别的学生可以进入第三个更专业的级别，创造。然而，有些学生可能对人工智能没有浓厚的兴趣，或者缺乏足够的时间或机会在学校的正式学习环境中微调他们的人工智能能力。对许多人来说，在第二级“申请”将是他们与人工智能相关的能力发展的出口点，至少在学校是这样。
Level 3: Create
人工智能领域的创新速度呈指数级增长，这意味着技术提供商正在定义我们社会转型的条件。开发关键的人工智能能力对于确保人工智能的设计、部署和使用能够满足用户的需求并使公众受益至关重要。学生应该准备好创建可信赖的人工智能工具，并在下一代人工智能技术的定义和设计中发挥主导作用。在“创造”层面，学生有望成为认真的人工智能共同创造者，开发以人为本的解决方案，以积极影响人工智能的设计和使用。这一级别的研究需要综合应用所获得的价值观，知识和人工智能技能，以设计，实施和测试可以帮助解决现实世界挑战的人工智能解决方案。
学生将批判性地利用他们在数据，算法和道德设计方面的知识和技能;积极制作人工智能应用程序;并考虑人工智能法规的适应。
在“创建”级别，学生将加强他们对人工智能创新的兴趣，并基于开源和/或可定制的数据集，编程工具或人工智能模型开发新的人工智能工具。在整个定制和测试人工智能技术的迭代过程中，学生将加强作为人工智能共同创造者和更广泛社区中的归属感，帮助领导以人为本的设计和人工智能的使用。在这一级别，学生还有望提高批判性评估人工智能的社会影响的能力，并个性化在人工智能驱动的社会中作为公民的责任。
在“创造”层面的学习还旨在培养学生的创造性解决问题的能力和积极倡导道德人工智能实践的态度。满足这一水平的要求将需要在课程中分配足够的学习时间和空间（例如，整个学期或多个学期）。学习计划还必须提供必要的人工智能资源，并促进适合年龄的创新教学方法。对于没有强烈兴趣在该领域进行深入研究的学生，这一级别的学习成果，特别是在“人工智能系统设计”方面，应作为选修课程提供，而不是作为所有学生的必修课程。
3.3 Aspects
这四个方面具体说明了学生需要建立和不断更新的人工智能能力的基本构成要素，以便成为负责任的用户和人工智能的积极共同创造者，以及定义和开发下一代人工智能的潜在领导者。
Human-centred mindset
“以人为本的思维方式”方面侧重于学生的价值观、信仰和批判性思维能力，适用于检查人工智能是否适合目的、其使用是否合理、人类应如何与它互动，以及个人和机构应承担哪些责任，为建设安全、包容和公正的人工智能社会做出贡献。以人为本的心态为进一步参与人工智能的各个方面奠定了基础。这方面的充分表达还包括与人工智能有关的人类身份，承担社会和公民责任，以及在人工智能时代追求或深化个人利益。这方面旨在培养的价值观和技能可以通过以下三个能力模块来表征：
Human agency
人类代理：学生应该能够认识到人工智能是人性化的，人工智能创造者的决定会影响人工智能系统影响人权、人与人工智能互动以及他们自己的生活和社会的方式。他们被期望理解在人工智能的设计、提供和使用过程中保护人类能动性的含义。学生将了解人工智能由人类控制意味着什么，以及当情况并非如此时可能会产生什么后果。
Human accountability
人的责任：学生应该认识到人类责任是人工智能创造者和人工智能服务提供者的法律的义务，并了解他们在人工智能的设计和使用过程中应该承担什么样的人类责任。他们还应该意识到，在使用人工智能协助决策时，人类的责任是一种法律的和社会责任，在做出高风险决策时，人类的选择不应该交给人工智能。
Citizenship in the AI era
AI时代的公民身份：学生将批判性地理解人工智能对人类社会的影响，并促进负责任和包容性的设计和使用人工智能促进可持续发展。他们应该意识到自己在人工智能时代作为公民的公民和社会责任。学生们还希望在他们的一生中继续学习和使用人工智能来支持自我实现。
Ethics of AI
“人工智能伦理”方面代表了道德价值判断，体现的反思以及学生需要的社交和情感技能，以导航，理解，实践和促进适应越来越多的原则和监管规则，这些原则和规则与人工智能系统的整个生命周期有关。预计学生将理解和应用在全球影响和当地环境的交叉点上的道德治理知识。随着人工智能的快速迭代引发了更深刻的争议，人工智能的伦理范围正在扩大，新的法规，法律和规则正在被采用。这方面的三个能力模块概述了学生逐步内化道德原则以及习惯遵守AI法规的关键步骤。
Embodied ethics
伦理道德：预计学生将对围绕人工智能的关键伦理辩论的基本问题有基本的了解，包括人工智能对当地环境和个人生活中的人权，社会正义，包容，公平和气候变化的影响。他们将理解，内化，并在他们的反思实践中采用以下原则，并在他们的学习和超越中使用人工智能工具：
- Do no harm：学生们理解人工智能系统不应用于可能对人类有害的目的（例如用于监视或分配社会地位的面部识别，或用于评分考试的预测算法）。这包括评估某个人工智能解决方案是否侵犯了人类价值观和权利，特别是数据隐私，以及确定特定人工智能方法是否符合全球或当地法规。
- Proportionality 均衡性：学生培养能力-适合他们的年龄和能力水平-检查是否使用特定的AI系统有利于实现合理的目标，以及给定的AI方法是否适合上下文。
- Non-discrimination 非歧视：学生意识到并能够检测到AI工具或其输出中嵌入的性别，种族，文化和其他偏见。此外，学生们意识到国家内部和国家之间的人工智能鸿沟，并了解需要努力解决这些问题，并确保更大的可访问性和包容性。
- Sustainability 可持续性：学生能够解释和说明人工智能系统对环境可持续性的影响。
- Human determination in human–AI collaboration 人类与人工智能合作中的人类决心：学生能够证明为什么人类应该对人工智能的使用承担道德和法律的责任;他们能够说明人类如何在人工智能辅助决策循环中保持责任，而不是将决心让给机器。
- Transparency and explainability 透明度和可解释性：学生们意识到，用户有权要求设计师和供应商提供解释性信息，说明人工智能工具如何工作，如何根据算法和模型产生输出，以及某些人工智能工具的部署和应用适合特定年龄或能力水平的用户的程度。
- Safe and responsible use 安全可靠的用途：学生应该能够以负责任的方式使用AI，遵守道德原则和当地适用的法规。他们意识到披露数据隐私的风险，并采取措施确保只有在他们深思熟虑和知情同意的情况下才能收集，使用，共享，存档和删除他们的数据。他们还意识到某些人工智能系统的特定风险，并能够在使用人工智能时保护自己以及同行的安全。
- Ethics by design 设计伦理：预计学生将采用道德设计方法来设计，评估和使用人工智能工具，以及审查和适应人工智能法规。学生们意识到，评估人工智能设计背后的意图涉及检查人工智能生命周期的所有步骤，从概念化阶段开始。学生应该能够评估人工智能工具是否符合道德法规，并审查人工智能法规并为适应提供信息。
AI techniques and applications
“人工智能技术和应用”方面代表了与具体人工智能工具或真实任务相关的人工智能概念知识和相关操作技能的内在联系。这一方面是具体理解和应用以人为本的思维方式及其相关道德原则的最重要和可转移的技术基础。数据和人工智能编程的基本知识结构和实践技能是设计和构建人工智能系统能力的基础，特别是对于在该领域有浓厚兴趣和能力的学生。“人工智能技术和应用”方面意味着学生将研究范例人工智能工具，以了解人工智能是如何基于数据和算法开发的。学生将同步获得人工智能编程技能，并通过将其应用于人工智能工具的制作来加强其知识和技能的可转移性。在三个等级的课程中，学生还将整合伦理，文化和社会参数，并巩固科学，技术，工程，数学，艺术，语言和社会研究的跨学科基础知识和技能。
AI基础：希望学生能够建立人工智能的基本知识和技能，特别是在数据和算法方面，了解逐步加深对数据和算法的理解所需的跨学科基础知识的重要性。学生还应该能够将人工智能的概念知识与他们在社会和日常生活中的活动联系起来，通过了解人工智能如何工作以及人工智能如何与人类互动来具体化以人为本的思维方式和道德原则。
应用技巧：预计学生将能够构建数据，人工智能算法和编程的年龄相适应的理解，以及获得可转移的应用技能。学生将能够批判性地评估和利用免费和/或开源AI工具，编程库和数据集。
创建AI工具：希望学生能够深化和应用数据和算法的知识和技能，以定制现有的AI工具包，创建基于任务的AI工具。学生应将其以人为本的思维方式和道德考虑纳入现有人工智能资源的评估中。他们还需要培养参与人工智能创造所需的社交和情感技能，包括适应能力、复杂的沟通和团队合作技能。
AI system design
“人工智能系统设计”方面的重点是系统的设计思维和全面的工程技能所需的问题范围，设计，架构建设，培训，测试和优化人工智能系统。这方面的目的是挑战人工智能系统的可解释性，并为将在该领域进一步学习的学生提供探索性学习。学生还应深化和实践“设计伦理”。虽然系统的设计思维方法、相关的以人为本的价值观和道德原则，以及所需的人工智能知识和技能可能会嵌入学生人工智能能力的所有其他方面，但这方面主要针对那些对加深这一领域的知识和技能特别感兴趣并致力于此的学生。
Problem scoping: 希望学生能够理解“人工智能问题范围”作为人工智能创新起点的重要性。他们有望能够从法律的、伦理和逻辑的角度来审视人工智能是否应该在特定情况下使用;并在尝试训练人工智能模型解决问题之前定义问题的边界，目标和约束。学生还将获得概念化和构建人工智能系统所需的知识和项目规划技能，包括评估不同人工智能技术的适当性，定义数据需求以及设计测试和反馈指标的能力。
架构设计：预计学生将能够培养基本的方法论知识和技术技能，为AI系统配置可扩展，可维护和可重用的架构，涵盖数据，算法，模型和应用程序接口层。预计学生将开发利用数据集，编程工具和计算资源来构建原型AI系统所需的跨学科技能。这包括期望它们在其配置、建设和优化中应用深化的以人为本的价值观和道德原则。
迭代和反馈：预计学生将加强和应用他们的跨学科知识和实践方法，以评估人工智能模型的适当性和方法的稳健性及其对个人用户，社会和环境的影响。他们应该能够获得与年龄相适应的技术技能，以提高数据集的质量，重新配置算法，并根据测试结果和反馈加强架构。他们应该能够应用以人为本的思维方式和道德原则来模拟人工智能系统何时应该关闭以及如何减轻其负面影响的决策。他们还有望在更广泛的人工智能社区中培养自己作为共同创造者的身份。
Chapter 4: 学生的人工智能能力规范 (Specifications of AI competencies for students)
AI CFS的以下规格说明了每个能力块在课程目标，理想的教学方法和所需的学习环境方面所需的内容，并考虑到包容性以及AI准备程度的变化。
以下概述的规格是基于以下假设：学生的人工智能能力是国家人工智能课程综合干预的结果;课外计划;通过各种媒体（包括互联网）进行的非正式学习;以及与家庭和当地社区的互动。为了指导AI课程的开发，AI CFS指定了正式AI课程的预期学习和行为结果，同时考虑了非正式学习在社会环境中的影响。与人工智能相关的学习–作为一个具体的科目或作为相关学科的模块引入课程，如计算机科学或信息和通信技术（ICT）–应该在一个学期内分配足够的教学时间，或者最好是跨多个学期。
指定的课程目标概述了特定领域的价值观，知识和技能，可应用于各种年龄和能力水平的学生，这些学生是第一次接触人工智能相关的学习。国家或机构的课程机构可以根据他们的人工智能准备程度和教师的准备程度，可用的教学时间和当地的学习环境，为特定的学生群体定义具体的学习目标。这些规范包括根据课程目标配置这些环境的建议，包括包容性，开源选项的潜力以及与学术机构和私营部门共享人工智能资源。
最后，规范还提出了特定领域的AI在一定程度上的教学方法。这些可能会激励教师和学生探索与特定背景和需求相关的敏捷交付方法。
4.1 Level 1: Understand
该级别的总体目标是支持所有学生了解人工智能是什么，并对人工智能工具及其用途的价值观，道德问题，概念，流程和技术方法进行适合年龄的解释。还应该支持学生将他们的人工智能知识与现实生活经验联系起来，并将人工智能的特定领域知识与相关学习领域的知识联系起来。
表2中列出的课程目标有助于绘制一套基本价值观，道德原则，知识和理解，以确保学生正确有效地使用AI-这种能力有时被称为“AI素养”。建议的教学方法旨在促进适合年龄和领域的教学和学习实践，这些实践可能会激发学生的兴趣，并在具体工具、个人经验和现实世界使用场景的基础上支持他们的学习轨迹。规格还建议基本的学习设置，其中包括不插电和低技术选项练习。
表2 Competency blocks for level 1: Understand
| 学生能力 | 课程目标 | 建议的教学方法 | 学习环境 | |
|---|---|---|---|---|
| Humancentred mindset | 4.1.1 Human agency 学生应该能够认识到人工智能是人性化的，人工智能创造者的决定会影响人工智能系统如何影响人权，人类与人工智能的互动以及他们自己的生活和社会。他们应该理解在人工智能的设计、提供和使用过程中保护人类机构的意义。学生将了解人工智能由人控制意味着什么，以及当情况并非如此时可能会产生什么后果。 | CG4.1.1.1培养对人工智能是人类主导的理解：根据选定的人工智能工具，向学生解释人工智能是人类主导的;促进学生逐步和全面地理解人类主体，其中可能包括数据所有权和数据隐私的原则，收集和处理数据时的人权保护，人工智能方法的可解释性，部署中的人类控制，以及人类在使用人工智能进行决策时的决心。引导学生理解人工智能不能取代人类的思维或智力发展。 CG4.1.1.2促进对人工智能进行充分控制的必要性的理解：让学生接触真实世界的场景，并引导学生体验人类在控制AI时疏忽的后果（例如，薄弱的法规未能阻止有害人工智能工具的设计和生产，在做出高风险决策时，人工智能的机构使用取代人类，以及缺乏人工验证AI输出的准确性）。帮助学生了解在监管、机构和个人层面对人工智能系统实施人类控制的必要性，以保护人类安全、道德和尊严。 CG4.1.1.3培养对人类代理和机器代理之间动态关系的批判性思维：让学生接触人工智能可以支持人类代理和人类决策循环的真实案例，支持学生了解人类如何与人工智能进行适当互动以增强人类能力。引导学生就人类代理和人工智能代理之间的动态边界进行基于冲突的辩论，揭示可能需要一定程度的机器代理的情况（例如，检测人类医生在诊断罕见疾病时无法检测到的医学模式，当人类起草报告时自动拼写检查和自动校正，在课程材料的开发中自动字幕或自动视频制作，自动语言翻译等）。在监管、机构和个人层面培养批判性的观点，以保护人类安全、道德和尊严。 CG4.1.1.3培养对人类代理和机器代理之间动态关系的批判性思维：让学生接触人工智能可以支持人类代理和人类决策循环的真实案例，支持学生了解人类如何与人工智能进行适当互动以增强人类能力。引导学生就人类代理和人工智能代理之间的动态边界进行基于冲突的辩论，揭示可能需要一定程度的机器代理的情况（例如，检测人类医生在诊断罕见疾病时无法检测到的医学模式，当人类起草报告时自动拼写检查和自动校正，在课程材料的开发中自动字幕或自动视频制作，自动语言翻译等）。培养一种批判性的观点，即虽然在使用人工智能做出高风险决策时必须坚持人类代理，但应根据具体需求和所涉及的背景因素来审查现实世界中人类和机器代理之间的关系。 | 可视化整个人工智能生命周期中人类代理的抽象概念：要求学生在选定的人工智能工具的生命周期的关键步骤中绘制人类代理的概念图，包括数据所有权，在收集和处理数据时尊重数据隐私，人工智能算法和人工智能模型的可解释性，人工智能输出的人为控制评估，以及人工智能辅助决策中的人类决定。概念图还应反映出在每一步丧失人的能动性对个人和社会的潜在后果。 模拟AI法案法庭辩论，以评估被禁止的AI系统背后的创造者意图：基于对欧盟AI法案禁止的AI系统定义的年龄适当解释，组织学生担任陪审团成员，以评估AI法案禁止的AI系统的选定示例，审议其创造者的意图和动机可能是什么。帮助学生了解这些系统如何对人类造成伤害，特别是通过破坏人类代理：例如，人工智能系统可能会部署技术来削弱人的意识或故意削弱他们做出明智决定的能力。 基于场景的理解人工智能与人工智能的交互：选择人工智能工具在工作场所或日常生活中使用的示例或场景，表示它们及其人类用户对目标任务单元的贡献。鼓励学生认识到人工智能在人类能力和智力可能存在局限性的情况下可以做出的贡献，强调使用人工智能增强人类能力的重要性，同时确保人类控制。 辩论人类代理和机器代理之间的动态边界：基于人类依赖机器代理的现实案例，鼓励学生就人类和人工智能在人工智能支持的问题解决中可能扮演的不断变化的角色进行辩论。和决策过程。引导学生在各种情境下，将人类代理和机器代理之间的抽象边界形象化。 | 不插电的学习设置，如纸质文章，印刷阅读材料和电子邮件。 本地可用的AI工具，包括带有AI应用程序的移动的手机。 预先下载或录制的视频和其他与特定案例研究或呈现困境的场景相关的资源。 搜索引擎、在线视频和补充在线学习课程。 |
| Ethics of AI | 4.1.2 Embodied ethics 预计学生将能够对人工智能周围的伦理问题以及人工智能对当地环境和个人生活中的人权，社会正义，包容，公平和气候变化的潜在影响有基本的了解。他们将理解并内化以下关键道德原则，并将其转化为反思性实践以及在生活和学习中使用人工智能工具： 不伤害：评估人工智能的监管合规性和侵犯人权的可能性 比例性：评估人工智能的风险和成本效益;评估情境适当性 非歧视：检测偏见并促进包容性和可持续性（了解人工智能的环境和社会影响） 人类决定：强调人工智能使用中的人类代理和问责制·透明度：倡导用户了解人工智能操作和决策的权利 | CG4.1.2.1说明围绕人工智能的困境，并确定伦理冲突背后的主要原因：基于具体的人工智能工具，引导学生在人工智能的设计和开发中，个人或企业创造者需要做出的表面困境决策（例如，最大限度地扩大数据收集的规模与保护数据所有权，记录用户的私人数据用于人工智能模型的训练与保护他们的隐私，促进机器控制以产生利润，而不是保证人类代理的首要地位，优先考虑人工智能安全，而不是加速人工智能的迭代）。支持学生将这些困境的观点与围绕AI的伦理冲突背后的原因联系起来。 CG4.1.2.2促进对人工智能伦理原则及其个人影响的理解：为学生提供机会，围绕六个核心人工智能伦理原则讨论适合年龄的真实案例：（1）“不伤害”，（2）比例，（3）非歧视，（4）可持续性，（5）人类决定，以及（6）透明度和可解释性。引导学生建立关于人工智能伦理的知识框架，并在评估生活和学校中使用的人工智能工具时进行实践。 CG4.1.2.3引导AI伦理原则的具体反思和内化：引导学生理解AI伦理原则对人权，数据隐私，安全，人类代理以及公平，包容，社会正义和环境可持续性的影响。引导学生发展对道德原则的具体理解;并提供反思个人态度的机会，以帮助解决道德挑战（例如，倡导人工智能工具的包容性界面，促进人工智能的包容性，并报告人工智能工具中发现的歧视性偏见）。 | 案例研究包含围绕人工智能的争议的场景：呈现适合年龄的真实世界或模拟场景，并引导学生围绕人工智能工具及其使用的表面争议。讨论这些伦理冲突背后的主要原因，并帮助学生绘制信息图或概念图，说明核心AI伦理原则。 个人或团体对道德困境的个人影响的反思：让学生参与小组讨论和对日常生活中使用人工智能可能产生的道德困境的意见，并在当地环境中学习（例如，大型语言模型是否应该在训练中使用当地社区的数据;人工智能在多大程度上对环境产生负面影响或减缓气候变化;他们的隐私用户应该放弃多少来交换AI服务的好处）。引导学生通过适合年龄的格式，如论文，海报，图纸或故事板提出自己的意见。 寻找和验证“人工智能为公共利益服务”的例子：组织个人或团体对人工智能工具或方法的例子进行范围界定，以支持公共利益，包括促进残疾人的公平和包容，保护语言和文化多样性，以及增加社会正义和环境可持续性。引导学生收集证据，并讨论真正为公众利益服务的例子;验证和分类这些例子。 | 不插电学习设置和材料，包括印刷故事或案例研究，海报和海报。 本地可用的AI工具，包括通过移动的手机应用程序提供的工具。 预先下载或录制的视频和其他资源，与呈现困境的特定案例或场景相关。 搜索引擎、在线视频或与案例研究相关的资源。 |
| AI techniques and applications | 4.1.3 AI foundations 学生应发展人工智能的基本知识，理解和技能，特别是在数据和算法方面，并了解逐步加深对数据和算法的理解所需的跨学科基础知识的重要性。学生还应该能够将人工智能的概念知识与他们在社会和日常生活中的活动联系起来，通过理解人工智能如何工作以及人工智能如何与人类互动来具体化以人为本的思维方式和道德原则。 | CG4.1.3.1举例说明人工智能的定义和范围：基于人工智能工具的示例（例如，面部识别，社交媒体推荐，科学数据的模式分析，医疗诊断，自动驾驶汽车和预测贷款违约风险），帮助学生了解人工智能是什么，不是什么;引导学生在人工智能技术的主要类别下寻找和分享示例工具，并以适合年龄的方式解释其主要功能和技术。 CG4.1.3.2发展关于如何基于数据和算法训练人工智能的概念知识：培养学生对如何使用数据和算法训练机器学习模型的概念知识的基于示例的抽象;帮助学生发展对三种人工智能算法的年龄适当的理解，即监督学习，无监督学习和强化学习。这应该包括如何获取和标记三种人工智能算法背后的数据。驳斥人工智能将自动化算法编程，人类不需要学习算法的说法。 CG4.1.3.3培养对人工智能的开放思维和人工智能的跨学科基础：使学生能够获得人工智能方法和研究主题的适当知识，例如人工神经网络的使用以及强人工智能和弱人工智能之间的区别。为对人工智能有浓厚兴趣和能力的学生提供数据和算法的扩展学习机会。引导学生了解人工智能知识与STEM、语言和社会研究知识之间的相互作用，并邀请他们巩固相关的跨学科知识以及对人工智能对相关学科相互影响的思考。 CG4.1.3.4在人工智能的设计和使用中具体化以人为本的考虑：组织基于工具的人工智能反思，以使学生了解其对生活，工作和社会关系的影响。强调人类在人工智能生命周期的关键步骤中的作用（例如研究人员，架构工程师，数据工程师，数据工作者，beta测试人员，道德和安全监管机构，人工智能界面专家和系统合规性审计员）。引导学生深入了解与使用数据训练AI系统相关的主要伦理问题。 | 基于示例的人工智能定义和范围：调查和实验人工智能工具的示例（例如，在医疗领域使用监督学习和图像分类进行癌症诊断，或在商业环境中使用自然语言处理和生成人工智能进行自动记录和撰写文献综述）。根据选定的例子，帮助学生了解人工智能是什么和不是什么，以及在日常生活中采用的人工智能技术的主要类别，以及在经济和社会活动中。引导学生探索AI生命周期的关键步骤;在适当的情况下，绘制特定AI系统的周期图，并标记所使用的关键AI技术。 从示例到抽象概念，从概念到具体技术的螺旋式学习：使用选定的示例指导学生抽象机器学习模型是如何训练的，包括问题定义，数据收集，数据处理，训练，评估，部署和基于测试和反馈的迭代步骤。支持学生发展与年龄相适应的知识（以及在可能的情况下，基本的操作技能），使用涉及数据集，算法，AI架构，计算环境设置，功能和接口设计以及部署方案规划的AI技术。 AI创新工具和AI创新用途案例分析：组织学生寻找潜在的AI创新工具和/或AI创新用途;引导学生识别这些应用中使用的AI关键技术和主要类别。促进他们写一篇议论文或提供口头辩护，说明这些人工智能技术在多大程度上可以帮助人类在个人实践、经济或商业模式或社会服务中进行创新，和/或特定人工智能技术可能对道德原则和人类代理构成的风险。 巩固人工智能的多学科基础，特别关注数学：基于讲座和基于问题的探究，帮助学生掌握现代人工智能系统植根于数学，学习数据和算法需要强大的数学和多学科知识。培养学生的基本数学和跨学科技能的人工智能发展，包括代数，概率和统计，数据结构和算法，如K-最近邻，K-均值聚类，线性回归和CART/决策树的相关材料。培养学生对复杂数据表示和矩阵数学的线性代数，反向传播和梯度下降的微积分的更高层次的知识，以理解机器学习和神经网络。.支持学生巩固和扩展他们的其他多学科的基础知识，特别是在科学，技术和工程。 | 不插电的学习环境和资源，包括教科书、论文、电子书和印刷材料。 介绍人工智能创新或工具的在线或下载视频和其他媒体。 本地可用的AI工具，包括安装在智能手机上的基本AI辅助应用程序。 在线人工智能工具，例如图像和/或视频创建者，生成人工智能模型和社交媒体上的视频推荐。 |
| AI system design | 4.1.4 Problem scoping 希望学生能够理解“人工智能问题范围”作为人工智能创新起点的重要性。他们有望能够从法律的、道德和逻辑的角度来研究人工智能是否应该在某些情况下使用;学生能够在尝试训练人工智能模型来解决问题之前定义问题的边界、目标和约束;学生还应获得所需的知识和项目规划技能，以便概念化和构建人工智能系统，包括评估不同人工智能技术的适用性，定义数据需求，以及设计测试和反馈指标。 | CG4.1.4.1为不应使用AI的情况搭建批判性思维技能：从例子中吸取，引导学生发展批判性分析技能，以研究为什么AI应该或不应该用于解决某些现实世界的挑战的原因（例如，提高机构生产力，社区的可持续发展，或人类决策的精确性和效率），并考虑到对人类和环境的影响。明确何时以及在什么条件下，人工智能不能和/或不应该应用于问题（例如，非人工智能解决方案将提供相同的性能，同时降低道德风险和环境影响，或者使用人工智能会削弱人类意识或操纵人类行为）。 CG4.1.4.2支持获取和强化人工智能系统解决问题的技能：基于模拟项目，支持技能的学习和实践，以识别和确定应该并且可能通过构建新的AI模型来解决的问题（例如，在少数民族语言上训练人工智能模型，以更好地服务于其社区，或建立一个模型，用于自动跟踪目标地区的移民）。学生可以通过制定问题陈述来提高他们的分析能力，这有助于避免在定义不明确的问题上浪费时间和精力。 CG4.1.4.3培养评估人工智能系统对数据、算法和计算资源需求的技能：通过评估对数据、算法和编程语言、软件、计算能力和硬件的需求，为学生提供发展规划技能的机会;研究人工智能项目的可行性，考虑到监管和道德限制以及所需的总成本，数据处理和工程、计算能力和硬件。 | 模拟项目建议书的评审：组织学生模拟项目建议书的评审和论证过程。例如，这些建议可以是关于构建或选择人工智能系统。就是否应该在项目中使用人工智能来解决问题进行辩论，考虑诸如足够的培训数据的可用性，道德影响，环境影响以及非人工智能解决方案是否可以以更少的风险实现类似的结果等因素。引导学生勾勒出复习的复选框。 模拟新AI系统设计的问题范围和理由：帮助学生研究日常生活或社区中的问题（例如在学校或志愿者工作中），并确定可能由AI解决的问题（例如自动浇灌学校花园或帮助听力困难的祖父母检测警报）。通过预测包括AI算法和数据集在内的关键特征，支持学生确定问题的范围和定义问题，并生成相应的问题陈述。 数据预处理实验室：使用基本数据集和现有AI模型的架构，根据数据集的变化组织训练模型的实验（例如对神秘图像进行分类的挑战）。支持学生应用各种数据预处理技术，例如调整编码（例如数据增强，处理离群值和分析数据集偏斜/不平衡）。支持他们根据修改后的数据集训练模型，并观察数据预处理如何影响模型的性能。 | 不插电式学习设置，包括机器学习，基于纸张的案例研究，以及AI系统设计的原型或计划的打印。 具有互联网连接的数字设备。 选定的在线AI系统。 |
4.2 Level 2: Apply
“应用”水平的总体目标是让学生构建一个坚实的和可转移的概念知识结构和相关的人工智能技能，并习惯于以人为本的思维方式和道德原则的应用，以指导人工智能工具的评估，学习和实践。表3中的课程目标旨在指导绘制一套核心价值取向，实用道德原则和方法论知识，可用于定制课程模块并指定所有学生的退出能力。建议的教学方法旨在促进以问题为基础的概念知识的探究和以任务为基础的操作技能的欣赏，同时整合策略，以保持学生的好奇心，以进一步学习。在“应用”层面提供理想的学习环境涉及设置硬件，软件和应用程序，以支持人工智能操作和共同创造的实践，并考虑开源选项。
表3 Competency blocks for level 2: Apply
| 学生能力 | 课程目标 | 建议的教学方法 | 学习环境 | |
|---|---|---|---|---|
| Humancentred mindset | 4.2.1 Human accountability 希望学生能够认识到人类责任是人工智能创造者和人工智能服务提供者的法律的义务，并了解他们在人工智能的设计和使用过程中应该承担哪些人类责任。他们还应该培养这样的意识：在使用人工智能来协助影响人类的决策时，人类的责任是一种法律的和社会责任，并坚持人类在做出高风险决策时不应将决定权交给人工智能的原则。他们还有望提高对有关使用输出的虚假声明以及人工智能可以篡夺人类思维和决策的预测的判断力和态度弹性。 | CG 4.2.1.1形成人类问责是人工智能创造者和人工智能服务提供商的法律的义务的观点：利用有关人类主导的人工智能生命周期和现实世界诉讼的先验知识，引导学生了解人类人工智能创造者和服务提供商以及部署人工智能工具的机构，对人工智能系统或服务可能造成的法律的问题、违规行为和侵权行为负责。解释如何让人工智能创造者、提供者和机构用户承担安全事故的责任，设计和培训人工智能时的道德风险，以及滥用人工智能服务来控制用户。引导学生了解在学习如何创建人工智能工具或设计人工智能系统时，他们应该承担哪些人类责任。 CG4.2.1.2在使用人工智能做出有关人类的决策时，理解人类责任是一种法律的和社会责任：引导学生分析用于辅助决策的人工智能工具的能力。批判性地询问某些AI工具的真正能力，并揭穿围绕AI所谓的决策能力的炒作。帮助学生评估机构使用人工智能在复杂情况下对人类做出决策的后果，例如分析学生的能力，以获得进一步的学习机会或确定求职者的就业能力。领导讨论为什么使用人工智能的人类责任对于维护人权和人类尊严至关重要。帮助学生理解为什么在做出高风险决策时，我们不应该使用人工智能来取代人类，例如评估价值观，推断情绪或预测自然人的能力。人工智能算法不应用于分配学生的分数（如COVID-19期间发生的情况）或决定大学录取。 CG4.2.1.3培养个人态度，即人类责任需要个人能力来引导人工智能的有目的使用：引导学生询问文献综述，写作和艺术创作的自动化如何破坏人类的思维过程和智力发展。引导学生讨论他们可以采取的具体行动，以保护自己和同龄人免受人工智能输出或预测的使用，以篡夺人类的思想，智力实践和持续的能力增强。 | 为人工智能创建者和服务提供商编写关于人类责任的指导方针：帮助学生扮演人工智能创建者和数据所有者的角色，并讨论他们在维护人类对数据收集和处理的控制、训练人工智能模型、设计功能和界面、部署人工智能系统以及监控和反馈回路方面的关键法律的和道德责任。引导他们撰写关于人工智能系统设计、训练和迭代研究的自律指南，让人工智能创造者对保护数据所有者和人工智能用户的权利负责。 调查人工智能辅助决策对人类的影响以及人工智能法规中的补救途径：要求学生找到有关人类的决策由人工智能决定或受到人工智能很大影响的例子（例如，银行用于批准或拒绝学生贷款申请的AI辅助评估系统，或者酒店使用的分析系统，以基于他们的位置和他们在预订时使用的设备来预测一个人的社会经济背景）。帮助学生揭示人类和人工智能在决策循环的关键步骤中的作用，并检查人类对决策的责任是否符合当地适用或国际法规（例如欧盟人工智能法案）。 有目的地使用人工智能的基于场景的实践：让学生参与活动，他们使用人工智能工具有目的地练习他们的写作技能，并培养他们基于探究的学习，高阶思维和创造力。引导学生讨论在没有人类责任的情况下使用人工智能（例如提交人工智能撰写的论文）可能会降低人类的智力发展。提示他们概述具体行动，以保护自己和同龄人免受使用人工智能输出或预测来篡夺思维过程的影响，并让他们深入了解学生所需的能力，以引导人工智能的使用为人类能力发展服务。 | 不插电和/或离线学习设置和资源，包括基于打印的案例研究，角色扮演脚本，视频，幻灯片和挂图。 在线AI工具，例如学习管理系统、社交媒体平台和生成式AI平台。 |
| Ethics of AI | 4.2.2 Safe and responsible use 预计学生将能够按照道德原则和当地适用的法规进行负责任的人工智能实践。他们应意识到披露数据隐私的风险，并采取措施确保只有在他们故意和知情同意的情况下才能收集、使用、共享、存档和删除他们的数据。他们还应该意识到典型的AI事件和某些AI系统的特定风险，并能够在使用AI时保护自己和同行的安全。 | CG4.2.2.1培养自我意识和习惯遵守负责任使用人工智能的道德原则：利用具体的人工智能工具和现实世界的使用场景，说明有关负责任使用人工智能的道德原则或监管条款。支持学生迭代地构建和更新道德原则的复选框，以确保他们在使用人工智能系统时的合法和负责任的做法。引导学生实践并习惯于遵守这些原则，例如保护个人数据和隐私，尊重版权，明确标记AI生成的内容出现的位置，避免在AI系统中输入或交互涉及虚假信息，错误信息，仇恨言论或有关可识别个人的敏感细节。 CG4.2.2.2提供机会，以加强在负责任地使用人工智能方面的自律：为学生提供机会，以获得与其年龄相适应的对使用人工智能时的个人、法律的和道德责任的理解;强调违反法规的后果;建立和加强自律行为，特别是在敏感的个人数据、受版权保护的材料、描绘可识别人员的图像、人工智能生成或数字合成的内容，以及错误信息、虚假信息和仇恨言论的传播。 CG4.2.2.3深化安全使用AI的实践知识和当地适用法规的意识：帮助学生对AI的一般安全风险、特定AI工具的潜在安全风险和典型AI事件进行分类。引导学生加深对数据保护和隐私的人权以及人工智能创造者在同意的情况下收集数据的法律的责任的了解，并指导他们实践确保其个人数据仅在其知情同意的情况下收集，使用，共享，存档和删除的策略。让学生接触包含典型人工智能事件的模拟场景，以便他们能够实践安全使用人工智能的预防和互动策略，并熟悉可以保护其安全或减轻人工智能事件负面影响的法规。 | 为自律、负责任地使用人工智能设计一个“道德工具包”：设计包含潜在道德冲突的模拟场景（例如，在与人工智能系统聊天时共享私人数据或受保护的内容，将人工智能生成的内容放在学校作业中，使用其他人的图像创建视频，或分发错误信息、虚假信息或仇恨言论）。组织起草用户在使用人工智能时需要习惯性检查的“道德工具包”，包括摘自当地适用法规的条款以及在法律的和道德上正确使用人工智能工具的个人责任。引导学生在没有监督的情况下练习使用AI时遵守原则。 模拟典型的人工智能事件和风险管理：让学生接触直接伤害人类的模拟人工智能事件或威胁伤害的人工智能危险。让他们熟悉预防和互动策略，以确保他们的个人数据仅在他们知情同意的情况下收集，使用，共享，存档和删除。建议安全使用人工智能的提示，并提高对法规的认识，以保护他们的隐私和福祉和/或减轻人工智能事件的负面影响。 用户对AI创作者数据隐私政策的评论：鼓励学生搜索和下载AI创作者数据隐私政策的示例。引导他们利用对数据所有者权利和人工智能创建者法律的责任的了解，检查政策是否符合相关法规。当他们发现违规行为时，要求他们起草一份投诉给监管机构和/或建议AI创建者改善其政策和实践的合规性。 讨论人工智能生成的内容的所有权和人类与人工智能交互的输出：组织一场辩论，引发学生对使用人工智能创建的内容的所有权的思考。检查关于承认人工智能生成的内容和资源的版权的法规的可用性和适用性，以及相关法规如何承认集成了不同程度的人工智能生成内容的智力工作。 | 不插电的学习环境和资源，包括基于纸张的宣传册，海报和道德原则清单。 预先下载的隐私政策和人工智能法规，以及有关人工智能安全、数据隐私和同意形式的法律的或道德案例示例。 本地可用的AI工具，包括智能手机应用程序。 在线人工智能工具，特别是包含推荐算法和内容生成器的平台。 在线人工智能工具，特别是包含推荐算法和内容生成器的平台。 |
| AI techniques and applications | 4.2.3 Application skills 希望学生能够构建适合年龄的数据，人工智能算法和编程知识结构，并获得可转移的应用技能。学生将能够批判性地评估和利用免费和/或开源AI工具，编程库和数据集。 | CG4.2.3.1提供机会加强数据建模、工程和分析方面的知识和技能：为学生提供基于任务的学习机会，以获得与年龄相适应的数据集知识和技能，包括应用与年龄相适应的工具或编程语言来获取，清理数据并将其转换为合适的格式，以存储，处理和分析数据库（例如SQL、NoSQL、SparkSQL或Apache Flink）。 CG4.2.3.2提供机会，让学生获得与年龄相适应的人工智能编程技术技能：解释使用不同类别人工智能算法的人工智能系统的示例，以帮助学生对人工智能算法（包括监督学习，无监督学习和强化学习）的年龄相适应的理解。这应该包括他们如何收集和处理数据，如何训练，如何运作，以及这些类别背后的具体算法类型。在适当的情况下，为学生提供基于任务的学习机会，以培养选定人工智能算法的方法论知识。 CG4.2.3.3鼓励学生发展分析和综合技能，以利用开源数据集和人工智能工具：组织基于问题的学习，以促进学生获得批判性评估和利用开源AI数据集的技能（例如MNIST、2 CIFAR、3或ImageNet）4以及来自免费和/或开源AI算法库的工具（例如Teachable Machine，5 PyTorch，6或Keras）7以解决真实任务。利用问题的变化，引导学生练习，提高他们在数据和算法方面的知识和技能在复杂环境中的可移植性。 | 数据偏差实验室：为学生提供包含和不包含离群值的样本数据集，指导学生进行离群值如何影响模型的实践实验（例如回归或聚类示例）。对于图像分类，要求学生进行一项实验，研究班级不平衡（例如，一个班级中的数据明显多于另一个班级）如何影响每个班级的模型性能。引导学生学习数据工程中与年龄相适应的技能，以消除可识别的偏见并比较结果。 定制各种AI算法的可选模块化课程，以支持基于队列的学习：根据目标学生的年龄和先验知识定制免费和/或开源AI数据集和AI算法库。开发各种AI算法的可选模块化课程，并支持学生群体选择符合他们兴趣的课程，以获得应用AI算法的方法论知识和技能。 基于真实任务的AI黑客马拉松：安排大量的持续学习时间，以挑战感兴趣的学生进行基于任务的黑客马拉松。设计一系列具有变化的任务，使学生能够练习他们的可转移AI编程技能。 Debunking声称AI将自动化编码，人类学生不需要学习AI编程：促进学生研究AI系统创建和迭代所需的专业知识和技能，特别是探索更多以人为本和创新AI算法和方法所需的方法论知识基础。挑战学生思考如何使用人工智能来取代人类的编程技能将导致更少的人获得这些基本技能，并加剧那些拥有和没有人工智能相关知识的人之间的不平等。 | 有互联网连接的电脑。 基于计算机的数据集样本或本地可访问的公共数据集。 基于计算机的AI编程应用程序或本地可访问的在线开源AI编程库。 基于计算机或本地访问的在线AI工具。 |
| AI system design | 4.2.4 Architecture design 预计学生将能够培养基本的方法论知识和技术技能，为AI系统配置可扩展，可维护和可重用的架构，涵盖数据，算法，模型和应用程序接口层。预计学生将开发利用数据集，编程工具和计算资源来构建原型AI系统所需的跨学科技能。这包括期望它们在其配置、建设和优化中应用更深层次的以人为本的价值观和伦理原则。 | CG4.2.4.1帮助学生获得人工智能架构的方法论知识和技术技能：帮助学生获得和练习必要的工程思维和操作技能，以评估各种人工智能架构，旨在根据定义的问题选择适当的解决方案陈述，同时考虑开源选项。提供基于项目的学习机会，以支持他们获得关于原型AI架构配置的方法知识，包括反偏见数据结构，节能AI模型，以最大限度地减少对环境的负面影响，以人为本的性能和服务设计，以及测试和改进配置成熟度的指标。 CG4.2.4.2支持人工智能系统构建所需的高级技术技能和项目管理能力的准备：提供基于项目的学习机会，以帮助学生获得和应用为简单特定任务设计的原型人工智能系统所需的跨学科技术技能（例如模仿经验丰富的教师的反应的聊天机器人）。探索数据集的利用和规范化，虚拟计算资源的组装，以及人工智能模型的选择和增强（例如超参数优化）。引导学生模拟机器学习模型的训练，包括实际使用计算资源和调用数据，以根据选定和预处理的数据集训练模型。设计和安排学生获得项目管理技能的机会，包括平衡人工智能系统的范围与可用资源、协调责任的划分和共享，以及批判性地评估和利用人工智能资源。 | 模拟AI架构配置框架和组件的评估：基于问题陈述和可行性研究，帮助学生评估各种AI架构框架（例如TensorFlow，PyTorch或Scikit-learn）。基于选定的框架，模拟对架构组件（如数据层、算法层、AI模型层和接口层）的解决方案的评估和选择。配置原型架构，包括所需的数据集，算法工具，AI模型和所需的计算资源，主要功能和接口的设计以及部署计划。引导学生通过抽象如流程图、图表或伪代码来传达配置。 模拟利用资源构建人工智能系统：帮助学生基于本地托管的计算设备或本地可访问的云计算平台（例如Hadoop或Spark）以及训练机器学习模型所需的操作系统（例如GNU）和软件构建模拟人工智能系统。引导学生在成本和计算能力需求之间，以及人工智能模型的鲁棒性和对环境的影响之间进行权衡，以优化效率并最大限度地减少计算资源的浪费。模拟架构的增强，包括超参数的优化和/或现有AI模型的微调，以解决简单的问题（例如，在预先存在的模型上进行迁移学习，或将新的神经网络或非平凡的修改应用于基础模型）。练习使用计算资源和调用数据来训练基于选定和预处理数据集的机器学习模型。 | 视频和指标展示如何对AI模型进行道德和技术评估。 基于计算机或本地可访问的人工智能系统的在线示例。 基于计算机的数据集样本或本地可访问的公共数据集。 基于计算机的AI编程应用程序或本地可访问的在线开源AI编程库。 本地托管或开源的云计算以及机构通过云平台共享的其他资源。 |
4.3 Level 3: Create
“创建”级别的总体目标是挑战并使学生能够开发高级能力，以配置AI解决方案或基于可定制的数据集，编程工具或AI模型制作新的AI工具，并考虑开源选项。学生还将得到支持，以加强对更广泛的人工智能共同创造者社区的归属感，并加强他们对成为人工智能社会公民所需的社会责任的智力参与。表4所示的课程目标旨在激发一系列高级能力的概述，包括人工智能的高级方法知识，人工智能系统设计的工程技能，以及在创建和测试人工智能系统时遵守个人和企业社会责任的适应性。建议的教学方法和途径旨在帮助解决结构不良的问题，培养更高层次的思维，包括通过基于项目的学习，基于问题的方法知识的探索，以及多方面的道德评估。建议的学习环境提出了关于数据集、人工智能编程工具和必要计算设备配置的建议，以支持复杂的学习，同时考虑到共享人工智能资源和严格利用开源选项。
表4 Competency blocks for level 3: Create
| 学生能力 | 课程目标 | 建议的教学方法 | 学习环境 | |
|---|---|---|---|---|
| Humancentred mindset | 4.3.1 AI society citizenship 学生将能够对人工智能对人类社会的影响建立批判性的观点，并扩大他们以人为本的价值观，以促进人工智能的设计和使用，促进包容性和可持续发展。他们应该能够巩固他们的公民价值观和作为人工智能社会公民的社会责任感。学生们还有望能够加强他们对学习和使用AI的开放态度和终身好奇心，以支持AI时代的自我实现。 | CG4.3.1.1培养成为关键AI公民的意识：使学生能够获得基于证据的见解，了解AI作为人类社会社会活动的支持基础设施的普遍采用。培养他们对人类社会面临的挑战的认识和批判性观点，例如优先考虑加速人工智能创新，同时牺牲安全性和包容性，或优先考虑安全第一，或包容性访问。培养学生批判人工智能对女性、边缘化族裔群体和社会经济弱势群体的偏见以及人工智能对社会关系、规范和结构的影响的技能。帮助揭示人工智能对社会产生深远影响的原因，并评估应如何调整法律的、道德和社会规则以应对挑战。 CG4.3.1.2培养人工智能社会中的个人和社会责任：鼓励学生分享他们对理想的人工智能社会的看法，并从人工智能的用户和设计者的角度出发，描述公民需要承担的主要责任和义务，以建立一个包容，可持续和公正的人工智能社会。支持学生不断完善他们作为AI社会公民的个人责任。挑战学生在复杂的真实情况下坚持设计和使用人工智能的道德原则，以加强他们以人为本的思维方式的适应力。 CG4.3.1.3培养作为人工智能公民的自我实现意识和对人工智能的终身学习态度：引导学生动态审查跨部门采用人工智能的影响以及在人工智能社会中生活和工作可能需要的能力集。在人工智能无处不在的社会中反思个人目标，并评估人工智能在自我实现方面的作用。支持学生建立适应性和持久的态度，终身学习人工智能，以支持他们的自我实现和个人贡献社会的可持续发展。 | 关于包容和公正的人工智能社会之间的冲突以及人工智能对包容、正义和可持续性构成的威胁的案例研究：组织关于包容和公正的人工智能社会之间的典型冲突以及人工智能对以人为本的价值观构成的风险的案例研究或基于项目的学习。组织讨论可持续、包容和公正社会的含义。要求学生分析人工智能已普遍嵌入社会基础设施的案例，并询问人工智能如何放大偏见，扩大经济和社会不平等，破坏人类代理和恶化气候变化。挑战学生采取并捍卫现有人工智能技术如何监管的立场，以及如何引导下一代人工智能的设计为建设包容和公正的社会做出积极贡献。 关于作为AI社会公民的个人社会责任的探讨：安排学生就人工智能社会中公民的权利进行小组讨论，并共同概述公民应承担的主要义务和责任，同时考虑到全球和地方背景，以及包容，公平，社会正义，以人为本的目的以及对环境和生态系统的影响。这包括确保人类对人工智能生命周期的所有关键步骤进行控制和问责。让学生进行并分享他们对人工智能社会中个人社会责任的自我反思。 关于人工智能社会中自我实现及其对终身学习的影响的案例研究：为学生组织关于在工作，生活和社会实践中采用人工智能的案例研究，并挑战他们审查采用人工智能对其个人目标，职业发展和自我实现的影响。引导学生建立适应性和好奇的态度，终身学习和使用人工智能，以支持他们的自我实现和个人对社会可持续发展的贡献。 | 不插电的学习环境和资源，包括关于人工智能社会中的工作和职业发展的图表、挂图、报告或视频，以及关于人工智能的社会影响和环境影响的印刷分析案例研究。 在线AI系统或本地可用的AI工具，用于体验和分析测试，包括智能手机上的应用程序，提供个人助理，聊天机器人和智能辅导系统。 |
| Ethics of AI | 4.3.2 Ethics by design 预计学生将能够采用道德设计方法来设计，评估和使用AI工具，以及审查和适应AI法规。学生应该意识到，对AI设计意图的评估和批准应该从概念化阶段开始，并涵盖AI生命周期的所有步骤。学生应该能够应用参数来评估AI工具是否符合道德法规，并使用多利益相关者的道德矩阵来审查AI法规并告知适应情况。 | CG4.3.2.1建立对“设计伦理”的认识和理解：提供基于冲突的学习机会，使学生能够在人工智能的设计和创造的整个生命周期中应用一套完整的伦理原则。引导学生评估人工智能工具在概念化、数据收集和工程中的反偏见措施、训练机器学习的无歧视方法、生成人工智能输出的以人为本的“护栏”以及人工智能工具的包容性测试和审计时的道德适当性。 CG4.3.2.2培养对现有AI系统和算法背后的设计伦理原则的批判态度：为学生提供机会，采取整体方法，将原则和法规应用于评估特定AI系统或工具的“设计伦理”。培养他们的批判性思维能力，要求他们向人工智能系统的创建者提出建议，以纠正任何已发现的违反道德原则或法规的行为，并减轻人工智能工具造成的任何伤害。 CG4.3.2.3培养社会责任，以维护人工智能法规中的“设计伦理”：借鉴选定的人工智能法规，引导学生评估它们如何与设计伦理方法保持一致，以及相应措施足以监控和监管嵌入算法和人工智能系统中的典型伦理风险的程度。提高学生的社会责任意识和履行社会责任的技能，指导他们建议修改现有的地方法规或起草关于制定法规的建议，以管理社区的道德设计。 | 模拟人工智能开发团队中“首席道德官”的尽职调查：设计基于项目的学习实践，要求学生模拟AI公司首席道德官的角色，包括起草审核AI系统设计关键步骤的道德标准清单，并定义在监督团队或公司设计的人工智能系统的安全和道德时要遵循的关键尽职调查程序。 模拟使用“道德标签”来审计选定的人工智能工具或算法：组织学生对选定的人工智能工具或系统进行“设计道德”的模拟审计。提供有关这方面的讲座，并支持学生研究AI系统的道德标签（AI系统的道德标签类似于食品的营养标签）。引导学生构建或调整道德标签，以审核选定人工智能系统和服务的设计者的意图，包括收集其发布声明之外的信息（例如，购物推荐平台的创建者声明其意图是帮助客户找到最合适的产品，而隐藏的目的可能是使用户依赖或沉迷于使用平台）。就审计结果撰写报告。 模拟使用道德矩阵来审查人工智能法规并提出调整建议：邀请学生研究道德矩阵，以便让相关利益相关者参与人工智能法规。支持他们构建一个适应性道德矩阵，核心道德原则形成其列，相关利益相关者形成行（例如人工智能创造者，监管机构，机构部署者和个人用户）。学生可以应用他们的矩阵来分析所选法规的相关条款，并起草报告或评论，包括进一步调整或迭代法规的建议。如果当地法规不可用，请编写一份关于创建新AI法规的提案，并为相关利益相关者提供条款大纲。 | 不插电的学习环境和资源，包括尽职调查检查和报告，道德标签和矩阵，AI创建者的隐私政策和AI法规的图表，挂图和打印示例。 本地可用的AI工具，包括智能手机应用程序。 用于道德分析的在线AI系统。 分享人工智能法规和诉讼或法庭案件的网站。 |
| AI techniques and applications | 4.3.3 Creating AI tools 希望学生能够深化和应用数据和算法的知识和技能，以定制现有的AI工具包，创建基于任务的AI工具。学生们应该将他们以人为本的心态和道德考虑融入到现有人工智能资源的评估和自主开发的人工智能工具的测试中。他们还将培养参与人工智能创造所需的社交和情感技能，包括适应能力，复杂的沟通和团队合作技能。 | CG4.3.3.1挑战并启用高级技能来开发基于任务的AI工具：提供基于任务的学习机会，以便学生可以将他们的价值观，知识和技能转移到基于现有AI模型或工具包制作AI工具。支持他们掌握先进的技能，批判性地分析现有人工智能工具与特定任务的相关性，评估其数据收集和处理需求，决定是否采用低代码方法或需要人工智能算法和编程语言，并进行操作定制和/或编程。 CG4.3.3.2提升学生应用AI知识和技能定制AI工具包和编码的创造力：围绕定制AI工具设计任务，解决真实任务。引导学生获得利用AI开发平台或工具包，增强数据集和修改编程代码（包括基于开源选项的代码）的技能;挑战和支持学生探索和测试AI工具设计的创意，以解决各种问题。 CG4.3.3.3使学生具备测试和优化自制人工智能工具的技能：支持学生自定义评估方法和工具，以测试自制人工智能工具的健壮性和易用性，学习如何组织同行评估和分享反馈，并作为共同创造者建立协作技能。 | 基于任务的数据集和编程代码的增强，用于制作人工智能工具：组织学生修改数据集或创建一个新的数据集，通过利用真实的任务，如监测当地学校或家庭的能源消耗，预测特定位置或路线的天气，或跟踪流行病。教导和帮助学生利用自动数据收集工具（例如BeautifulSoup 8用于从网页中抓取信息）;应用AI编程技能来清理，编码和预处理数据;并使用数据来定制AI模型或制作AI工具。 AI应用性能测试实验室：引导学生搜索和调整用于测试AI应用的免费和/或开源性能矩阵（例如准确度，精度，F-1评分，混淆矩阵和ROC曲线）。让学生体验使用适配工具来测试精心制作的AI应用程序的性能和技术稳健性，并模拟用户对道德合规性的反馈。使用自动化工具生成可视化报告，并总结有关AI应用优化的建议。 通过定制数据集和编程代码创建人工智能工具与基于低代码开发平台构建人工智能应用的比较：组织学生搜索通过定制人工智能工具包的开源数据集和编程代码创建人工智能工具所需的步骤和技能。引导他们学习基于低代码开发平台构建AI应用的技能。组织讨论这两种方法在人的能动性和人的决定、纳入当地社区的数据和反映当地文化多样性以及由此产生的工具的可扩展性和可重复使用性方面的差异。讨论如何根据具体需要和情况在两种方法之间做出选择。 | 本地可访问的免费和/或开源在线数据集，人工智能工具和编程库。 本地可访问的免费和/或开源数据分析工具。 本地可访问的基于云的计算资源、本地托管的计算资源（例如学校服务器）或由可信赖的机构或行业机构共享的计算资源。 |
| AI system design | 4.3.4 Iteration and feedback 预计学生将加强和应用他们的跨学科知识和实践方法，以评估人工智能模型的人文适当性和方法的稳健性及其对个人用户，社会和环境的影响。他们应该能够获得与年龄相适应的技术技能，以提高数据集的质量，重新配置算法，并根据测试结果和反馈加强架构。他们应该能够应用以人为本的思维方式和道德原则来模拟人工智能系统何时应该关闭以及如何减轻其负面影响的决策。他们还有望在更大的人工智能社区中培养自己作为共同创造者的身份。 | CG4.3.4.1培养批判人工智能系统的技能：为学生提供基于项目的学习机会，通过审核模型是否增强或削弱人的能力，代理和意识，来实践批判性测试技术稳健性和批判人工智能系统道德适当性的技能;检查其可解释性和数据隐私保护的程度;衡量人工智能系统的性能;研究用户的反馈，以评估其更广泛的社会和环境影响。 CG4.3.4.2支持在优化、重新配置或关闭人工智能系统时建立技术技能和社会责任：为学生提供模拟活动，以了解企业社会责任，并获得跨学科技能，根据测试结果和用户反馈对人工智能系统的迭代做出决策。这些活动应该涉及学生在三种可能情况下的技术技能发展：（1）优化：优化数据集，算法，模型，设计功能和/或界面;（2）重新配置：重新审视问题范围并重新配置AI系统;以及（3）关闭：如果证明人工智能系统侵犯人权或伤害弱势群体，学生应该学会做出关闭人工智能模型的决定，并迅速制定补救策略。 CG4.3.4.3培养学生作为人工智能时代共同创造者的自我认同：引导学生培养作为人工智能工具共同创造者和下一代人工智能技术设计“驱动者”的责任。培养他们对更大的人工智能社区的归属感，并鼓励他们通过借鉴设计和构建人工智能系统的真实的经验，批判性地分析人工智能系统对社会关系和个人行为的长期影响。讨论如何调整或创建法规或政策以加强人工智能的治理。 | 模拟人工智能系统的性能测试：组织学生使用适应性指标来衡量人工智能模型是否增强或削弱人类的能力，代理和意识，并评估其方法的可解释性程度。调整机器学习和相关可视化工具的性能指标，包括开源选项（例如机器学习中的F1分数，混淆矩阵和ROC曲线），以衡量AI系统的性能。设计和应用研究方法（例如收集适合年龄的定性和定量市场数据），包括来自（模拟）最终用户的反馈，以研究采用人工智能模型的社会影响和环境影响。综合结果并以可视化格式报告。 模拟人工智能工程师在人工智能模型迭代上的企业决策：组织学生扮演人工智能工程师的角色，整合和解释反馈结果，同时考虑人工智能系统设计和企业社会责任。从人工智能模型迭代的多个选择中做出适当的决策：（1）优化，其中问题范围得到验证，数据集，算法，人工智能模型或接口可能需要优化;（2）重新配置，其中通过测试和/或用户反馈发现问题范围和/或架构配置中的根本缺陷;或者（3）关闭，如果证明AI模型侵犯人权或伤害弱势群体。支持学生获得优化和重新配置的技术技能，并学习谈判和做出关闭AI模型的决定以及可能的补救策略。 与人工智能创作者社区的互动：促进感兴趣的学生加入人工智能共同创作者的本地或在线社区。鼓励他们参与人工智能工具的在线讨论或协作开发，并分享开源数据集和算法或人工智能工具包的示例。 | 本地可访问的在线免费和/或开源AI工具，包括数据分析工具和编程库。 本地托管或本地可访问的云计算资源。 下载和调整工具，用于AI模型的道德审计和性能测试。 获取有关人工智能或治理框架的适用法规。 本地可访问的在线协作平台，以支持资源共享，同行学习以及人工智能工具的协作设计和创建（例如GitHub，arXiV或论坛组）。 |
Chapter 5: Applying the framework
本章提供了一些进一步的指导意见，说明成功开发和部署课程应考虑哪些因素。
5.1 将AI能力作为国家AI战略的基础 (Aligning AI competencies as the foundation for national AI strategies)
国家人工智能战略的制定和实施因国家而异。大约有70个国家发布了关于人工智能的战略文件，这些文件通常将教育定位为培养人工智能本地人力资源和人才的部门。在国家战略根深蒂固的国家，AI CFS可以与现有的政策框架保持一致，作为培养以人为本的思维方式和价值观的基础，以实施AI伦理法规，使人们成为负责任的AI用户和公民，并大规模发展AI共同创造者的当地社区。
Box 1: Recommendation on the Ethics of Artificial Intelligence
关于人工智能伦理的建议
会员国应促进获得人工智能教育的“先决技能”，如基本识字、算术、编码和数字技能、媒体和信息素养，以及批判性和创造性思维、团队合作、沟通、社会情感和人工智能伦理技能，特别是在这些技能的教育存在明显差距的国家和地区。
会员国应促进关于人工智能发展的普遍认识方案，包括人工智能技术带来的数据和机遇与挑战，人工智能系统对人权的影响及其影响，包括儿童权利。这些方案应向非技术和技术团体开放。
如果发布并妥善实施了国家人工智能战略，则应在人工智能战略的广泛框架内规划和支持为学生实施人工智能爱幼学校和人工智能课程。这些国家战略通常是由对人工智能对工作的广泛和破坏性影响的政策反应引发的，包括人工智能驱动的就业转移和人工智能支持的就业创造，以及采用人工智能可能需要的新就业技能的前景。对这种破坏的最重要的政策反应是人工智能能力发展的全系统战略，包括资金和激励机制以及人工智能的具体课程，这些课程可以根据每个部门的情况简化不同的轨迹，包括学校教育，技术和职业教育与培训（TVET），高等教育，员工的技能提升和再培训，以及公民的终身学习计划。对于没有采用战略的国家，AI CFS可以作为一个触发器，以提高人们对AI国家政策的重要性的认识，特别是对AI能力的发展。
预计这些战略和政策的执行将从评估准备情况和方案差距开始。实施的过程和结果通常会受到监测和评估，政策制定者在建立跟踪实施情况的总体机制和方法时，应尽早建立对人工智能能力发展计划的定期监测。为了评估人工智能课程或敏捷教育计划，制定包括以下内容的标准尤为重要：学生和教师的准备程度;培训和支持教师专业发展的不足;课程目标和内容中需要解决的差距，以支持国家人工智能愿景;课程内容需要增加以满足市场的即时和近期需求;这些因素包括：动员和确认部门间支持的机制;课程整合的程度;学习环境的准备程度;以及课程实施的质量。
Box 2: Supporting human resource development: The Republic of Korea’s National Strategy for Artificial Intelligence
支持人力资源开发：大韩民国的人工智能国家战略大韩民国的人工智能国家战略有三个主要重点领域：（1）建立可靠的人工智能基础设施，包括支持人才和改进技术;（2）在整个工业和社会部门扩大人工智能的利用;（3）积极应对社会变化，包括劳动力市场需求。该战略旨在开发一个人工智能生态系统，从而全面利用人工智能，并使大韩民国成为以人为本的人工智能的全球领导者。
为了支持这一目标的实现，韩国一直致力于修订法规，以创造一个更有利于行业的环境，并促进数据和人工智能创新的生产性利用，利用人工智能简化治理，建立人工智能伦理法规，并从小学开始建立人工智能人力资本。该战略提出了一个跨学科的人工智能课程，并根据四类人群的需求定义了人工智能能力：（1）普通公众，他们需要能够使用人工智能，并获得基本的人工智能和数据素养，包括人工智能伦理知识;（2）人工智能从业者，他们在劳动力市场的“人工智能+ X”环境中应用人工智能和软件工具;（3）人工智能从业者，他们需要使用人工智能和软件工具。（3）人工智能专业人员，开发人工智能平台和系统;（4）人工智能人才，解决人工智能问题，开发新的人工智能模型和算法。
为了与这四个类别的能力发展保持一致，该战略建议制定法规，将行业专业人员的技能提升和升级到人工智能教授的水平，支持现有人工智能部门的扩张，并动员更多部门提供与人工智能相关的课程，包括通过扩大硕士和博士阶段人工智能教育和研究计划的规模和多样性，以及通过创建跨学科的AI专业。至于学校层面，该战略旨在扩大人工智能的学习机会，重点是计算思维。在小学低年级，我们为学生提供人工智能体验，以培养他们的兴趣和好奇心;在小学高年级，我们支持学生通过应用人工智能学习核心科目来扩展他们的知识和技能。中学生有机会参加以人工智能为中心的学校，以完成更高级的人工智能课程。我们亦支持教师透过将人工智能融入其初步培训课程，以及提供有关人工智能教学法融入的新学位，以提升他们在人工智能方面的知识和技能。
5.2 构建跨学科的核心和集群AI课程，以提高AI能力 (Building interdisciplinary core and cluster AI curricula for AI competency)
学生人工智能能力的发展需要整合各种学习和实践渠道，包括国家课程框架内的正式课程、课外课程以及通过与家庭和当地社区接触进行的非正式学习。在推动发展和推行国家人工智能课程，作为推行人工智能爱幼中心的主要渠道的同时，亦须考虑由私营机构或非政府渠道提供的学习课程是否符合以人为本的理念和道德原则。审查和指导包括数字平台在内的非正式学习渠道的影响也至关重要，如果其课程针对学生，特别是儿童，则可以通过强制规定提供者对安全和道德负责来实施。
人工智能具有跨学科的性质，与数学，科学，工程，语言，社会研究，艺术，公民和公民教育，历史以及这些学科的各种组合有着复杂的内在概念和实践联系。人工智能也代表了数字技术连续体中的迭代步骤和技术飞跃。在这种情况下，AI CFS建立在数据，编程，计算结构和互联网的多学科知识和技能以及基于计算和工程思维以及科学推理的综合概念知识和技能的基础上。与此同时，培养以人为本的思维方式和人工智能的道德规范也植根于学生广泛的社交和情感技能。
因此，有必要使AI CFS与各国学生的一般能力框架保持一致，并研究后者是否需要调整或改革，以应对AI时代的新要求。在已经采用和实施国家数字或ICT能力框架的国家，可以考虑采用适应性方法将AI方面融入其中。这需要重新定义数字能力，以涵盖人工智能新迭代或新领域所需的未知价值观、知识和技能，以及它们与前几代数字技术的联系。
正规教育方案中的一套核心人工智能课程通常被认为是为所有学生提供包容性机会的主要渠道，特别是那些可能无法在学校以外获得人工智能的学生。这将需要重新配置国家课程，以适应人工智能课程的时间。与人工智能相关的集群课程应进行调整或改革，以加强与人工智能能力的联系，同时不失去对学生其他核心能力的关注。这些跨学科的核心和集群人工智能课程可以整合到适合国家或地方教育背景的敏捷结构中。
联合国教科文组织的报告K-12 AI课程：政府认可的AI课程的映射（2022 b）确定了将AI课程整合到K-12教育系统中的四个主要战略。这些措施包括将人工智能作为一个独立的主题实施;将人工智能整合到其他现有的主题中（通常是信息和通信技术）;将人工智能成果整合到多个集群主题中的跨课程方法;以及将人工智能作为可选的课外或课外活动（例如课外俱乐部）。人工智能作为一个独立的主题可以强制要求所有学生，并可以通过一系列科学，技术，数学，工程和设计的补充课程来支持，以满足学生的不同能力，背景和学习需求。在这些方法的任何一种或组合下，跨学科性具有双重含义：核心人工智能课程应该调动学生在相关学科，特别是科学、技术、工程、艺术和数学（STEAM）方面的多学科价值观、知识和技能，作为人工智能课程的基础，阿拉伯联合酋长国的计算、创意设计和创新课程就是一个例子（联合国教科文组织，2024年）;集群人工智能课程应促进人工智能能力的关键方面与学习成果的内在整合，并在相应的进展水平上进行导航。
Box 3: The United Arab Emirates’ interdisciplinary approach to K-12 AI curricula
阿拉伯联合酋长国对K-12人工智能课程的跨学科方法
通过涵盖计算机科学，工程，设计，可持续性和视觉传达，教育部的计算，创意设计和创新课程提供了一个全面而简洁的教育框架。它通过培养批判性思维，解决问题的能力和创新能力，为学生在充满活力和相互联系的世界中茁壮成长做好准备。
阿拉伯联合酋长国对K-12学校的人工智能课程采取了跨学科的方法，将其整合到名为计算，创意设计和创新（CCDI）的课程中。通过关注人工智能，CCDI课程鼓励学生发展他们的创造力和解决问题的能力;建立道德和道德影响的意识;学习和排练基本的人工智能原则和概念;并跨领域交叉培养他们的知识。该课程于2016年首次设立，作为一个以技术为重点的学科领域，超过了现有的计算机科学课程。
从那时起，随着人工智能领域的最新发展，CCDI逐步整合了机器人，编程，3D建模和电子学。在2020年，课程修订为涵盖五个领域：（1）计算机科学，重点是计算机系统，网络和互联网，数据和分析，算法和编程，以及计算的影响;（2）工程原理和系统，重点是电力和电子，机器人和系统，以及嵌入式系统;（3）计算机科学，重点是计算机系统，网络和互联网，数据和分析，算法和编程，以及计算的影响。（3）设计和创新，包括企业家精神和工程设计过程;（4）可持续性，重点是可持续社会;（5）视觉传达，专注于设计图形，计算机辅助设计和设计实现。
5.3 构建面向未来和本地可行的AI领域作为课程载体 (Framing future-proofing and locally feasible AI domains as carriers of the curriculum)
在确定核心和集群AI课程的跨学科对齐结构后，课程开发人员需要将AI CFS整合到国家或机构的核心AI课程中。核心人工智能课程的框架建立在人工智能能力的相互关联的关键方面，每个方面下的人工智能子领域，以及作为课程载体的特定人工智能系统。关于将课程定为必修或选修的决定至少由三个因素构成：不同方面的基础价值，人工智能知识和技能的未来潜力，以及在当地学校实施的可行性。人工智能领域和系统的可行性取决于教师和学生的人工智能准备情况，以及大多数学校通用人工智能系统和特定硬件、软件、编程语言和基本应用程序的本地可用性和可负担性。
正如第四章所解释的，以人为本的心态、人工智能伦理、人工智能技术和应用对所有学生在人工智能时代的生活和工作至关重要，因此应该纳入所有人工智能课程。有些领域，如人工智能系统设计，可能更适合对人工智能有浓厚兴趣和能力的学生。评估本地AI准备程度可以为AI系统设计是否应该被定义为一组可以合并到其他方面的思维技能，或者如果必要的数据库，计算资源和AI模型可用，则应该作为一个独立的领域进行教学提供决策。
在人工智能的选定方面或领域的框架内，下一步是确定所涵盖的人工智能技术和技术的子域范围，以及推荐作为课程或学习实践载体的特定人工智能系统。这在人工智能技术和应用方面更为明显。技术的范围很广，包括从一般演绎原理中精心制作的逻辑系统或算法，以解决特定问题（例如人类编码的决策树，alpha-beta修剪和minimax），以及在大量数据上训练的模型（例如深度学习和生成AI）。课程开发人员需要从大量的范例AI技术中选择子域，并指定它们之间的关系，例如经典AI或“基于规则的AI”、机器学习、深度学习和生成式AI模型。人工智能技术和面向人类的产品和服务的范围正在迅速扩大，从跨部门开发的人工智能技术中进行选择更具挑战性，包括计算机视觉，自然语言处理，自动语音识别以及自动规划和调度（AI规划）。在选择和界定人工智能技术和技术的子域之后，应考虑人工智能系统和工具的示例，以便尽可能对商业品牌或产品保持不可知性。正如第2章原则5所述，应采用严格的公共验证机制，以防止使用歧视边缘化群体或产生与性别、能力、社会经济地位、语言和/或文化有关的偏见的人工智能系统。在选择人工智能工具时应坚持包容性原则。
此外，哪些人工智能领域应该被定义为强制性的，哪些可以是选修性的，这将取决于国家的具体情况，包括上述相关政策的目标和雄心以及准备情况。特定领域人工智能知识和技能的深度和广度应该根据目标学生群体的典型准备和能力来定义。所有学生都必须达到以人为本的思维方式的前两个层次，人工智能的伦理学，人工智能技术和应用，但他们不太需要达到第三个层次，特别是人工智能系统设计。因此，考虑敏捷或情境化的实施策略可能是有用的，在这种策略中，将为不同的人工智能技术和人工智能知识的关键领域设计必修和选修科目或课程。
通过将人工智能能力锚定在以人为本的思维方式和道德的具体化和社会知识和技能中，AI CFS旨在帮助学生在一系列背景下与面向未来的人工智能合作。系统的人工智能设计思维，知识和技能旨在培养一种开放的知识模式，可以支持学生理解，使用和创建未来几代人工智能系统。AI CFS强调人工智能技术和应用方面可转移知识和技能的重要性，可以帮助大多数学生为人工智能工具的进一步迭代做好准备。虽然已作出努力，以确保这一课程框架响应新兴技术，新的工具和创新将出现后，它被公布，和示例工具和活动可能会过时或过时。课程本身将需要包括可以调整的内容，以保持相关性和“面向未来”。建议采用模块化课程设计，可以开发基于AI领域或不同AI系统或工具的多个模块，并推荐给当地教育机构。模块化结构允许更动态地审查和更新课程，因为没有必要改变整个课程来添加或删除特定工具，领域概念或其他内容。另一方面，面向未来可以涉及学校和学生共同设计人工智能课程。这意味着鼓励起草以学校为基础的人工智能课程，以及教师对特定领域或工具的适应性调整，这些领域或工具是为一般能力发展而选择的。为了制定这个框架，课程开发人员应该考虑人工智能课程的动态性，并努力使学习过程面向未来。
5.4 定制适合年龄的螺旋课程序列 (Tailoring age-appropriate spiral curricular sequences)
人工智能爱幼学校自然需要向基于能力的教育转变。基于能力的教育旨在从固定时间和灵活学习的模式（意味着在固定的课程表内完成教学，而不管是否所有学生都达到了预期的掌握水平）过渡到更灵活的时间和固定学习的模式（意味着允许灵活的学习时间表，以便各种能力的学生都能达到预期的掌握水平）。在基于能力的教育中，学生应展示构成能力的基于绩效的知识、技能和价值观，不符合这些最低标准的学生将获得额外的支持，直到他们达到标准（帕特里克和斯特吉斯，2017年）。
该框架并没有按年级划分学习或活动的进展，而是侧重于系统应寻求为所有学生实现的出口水平成果。因此，课程开发人员需要利用框架及其组件在所有四个方面开发一个脚手架螺旋学习模式，允许学生开始学习AI，其领域和难度与他们的能力和学校的准备程度相匹配。螺旋课程模式应该提供一套基础人工智能知识的间隔和迭代参与，这将鼓励记忆检索和周期性升级的实践，以加深他们的理解和与解决问题的背景的联系。这种设计有助于确保信息从工作记忆转移到长期记忆，以支持持续的学习收益，并使学生能够利用现有的模式来学习新的人工智能知识，或调整应用技能以解决各种背景下的问题。相反，在短时间内一次性开发和交付的课程（例如黑客马拉松或训练营）可能会引发兴趣，但不太可能导致持续的人工智能能力。课
程开发人员的工作将是概述人工智能道德，基础知识和技能以及系统设计思维的主要要素，然后为不同年级确定这些要素的难度，广度和深度。这将使他们能够创建螺旋迭代的课程和基于项目的任务，帮助学生逐步推进和扩大他们的学习和实践。
Box 4: The spiral curricular sequence of ‘Day of AI’ courses
“人工智能之日”课程的螺旋课程序列
由麻省理工学院的RAISE 9倡议开发的AI课程，AI日，采用螺旋设计方法，围绕关键主题聚集课程内容，如“AI是什么，AI做得好，AI做得不好”，“AI如何工作”，“机器如何学习”和“机器如何学习”。不同年龄段的学生有机会不断参与“什么是人工智能？”同时逐渐接触到新的或升级的知识和技能，如算法和人工智能编程，可教机器和生成人工智能。围绕道德的跨领域主题，包括人工智能偏见，人权，人类-人工智能互动和人工智能的社会影响，都是针对不同年龄段的学生量身定制的。欲了解更多信息：https://dayofai.org
5.5 为人工智能课程构建有利的学习环境 (Building enabling learning environments for AI curricula)
虽然实施人工智能课程所需的资源可能会因预期课程目标的广度和深度以及当地学校的整体数字准备程度而异，但需要一个基本的学习环境来满足有效学习人工智能基本方面和领域的最低标准。根据联合国教科文组织的报告K-12 AI课程：政府认可的AI课程的映射（2022 b），学校学生的实施需要以下基本条件，按重要性排序：教师培训和支持，人工智能教学资源，需求分析和校本研究，更新学校的数字基础设施，以及提供人工智能资源，包括通过采购硬件和软件，以及与私营或第三部门合作共享人工智能设备和系统。如果不具备这些条件，课程就不可能按预期实施，也不可能实现预期的学习和能力目标。该报告强调了截至2022年正在实施自己的政府K-12 AI课程的11个国家所建立的典型学习环境，详见下文。
Box 5: Typical enabling learning environment set up by governments’ AI curricula
政府人工智能课程设置的典型有利学习环境
- 硬件和机器人：人工智能课程所需的硬件可能包括计算机、平板电脑、笔记本电脑和互联网接入。并不是所有的人工智能课程都包括机器人或机器人技术的内容。当需要学习机器人时，课程可以利用免费的在线虚拟应用程序或当地负担得起的工具包。像Raspberry Pi这样的设备被一些课程使用，这些课程要求学生创建程序并使用低成本设备进行测试。
- 软件：Ubuntu 10开源操作系统被一些课程用作其他操作系统的廉价替代品。
- 编程语言：国家AI课程经常利用免费编程语言，如HTML，JavaScript，Python，Micropython，NumPy，R和Scratch。
- 学习人工智能技术的工具：已经开发了一些工具或免费提供，以促进理解并允许探索复杂的概念和人工智能技术，以下是11个政府人工智能课程中提到的：MachineLearningForKids (an educational tool for teaching kids about machine learning by letting them train a computer to recognize text, pictures, numbers, sounds or other inputs), Teachable Machine (a platform developed by Google to train a computer to recognize the user’s own images, sounds and poses), TensorFlow (an end-to-end platform for machine learning), and Keras (deep learning for humans).
为了为人工智能能力发展提供有利的学习环境，特别是人工智能课程的实施，政府应致力于为所有学校和学生普及互联网连接，包括通过敏捷的“在线+离线”解决方案，参与在线或移动的人工智能系统，可定制的应用程序，基本和可扩展的学习资源，以及同行学习者或共同创造者。必要的数字基础设施还包括少量功能良好的数字设备，具有基本的连接性，以及最低数量的软件或应用程序，供学生学习操作技能，练习编程和训练虚拟机或人工智能模型。
如果这些基本条件尚未实现，但政府决心在尽可能早的阶段启动人工智能课程，则应在提供有利的学习环境时考虑其他选择。关于人工智能粮安委，前两个方面的大多数目标，即以人为本的思维方式和人工智能伦理，可以通过在线和离线解决方案（也被定义为不插电解决方案）至少部分实现。在人工智能技术和应用方面，学术和非营利组织提供了一些精心设计的不插电活动，以展示人工智能工具的概念知识和对人工智能技术的理解（例如，Everyday AI、15 AI Unplugged、16和国际教育技术协会设计的不插电AI活动）。不插电解决方案的价值在于为学生提供了从算法控制的信息茧中撤退的机会，以及与数字平台的互动，以实践独立，自主的沉思，这对于人工智能概念知识的逐步构建和深化至关重要。
5.6 促进人工智能教师的专业化并简化其支持 (Promoting the professionalization of AI teachers and streamlining their support)
如上文所述，为学生提供人工智能课程的最重要先决条件是教师培训和支持，以及提供人工智能教学资源。要实现人工智能爱幼学校的目标，教师，特别是从事信息和通信技术或人工智能的教师，必须不断发展和更新他们的学科知识和教学能力，以设计和促进适合年龄的人工智能学习活动。国家和机构战略家需要规划和实施一种综合方法来进行职前课程的改革，以培养合格的人工智能教师，为在职ICT或人工智能教师设计和提供基于能力的培训和长期支持，并加强其他核心科目教师的技能提升，以培养跨学科的人工智能能力。所有这些培训和支持计划都旨在加强负责教授人工智能或实施国家人工智能课程的教师的能力，这意味着人工智能教师的专业化趋势。这种专业化包括专门为人工智能教师建立框架，或替代和更灵活的机制，定义和开发一套专业能力，以充分实现学生的人工智能课程目标。由于信息和通信技术和人工智能往往被归类为学校课程的边缘科目，信息和通信技术和人工智能教师的专业地位尚未得到充分承认。人工智能教师的专业化也意味着人工智能应被列为核心学科之一，人工智能教师应享有与其他核心学科教师相同的专业地位，其教学时间和绩效在人事管理系统中得到同等认可。
Box 6: An AI competency framework for AI subject teachers in China
中国人工智能学科教师的人工智能能力框架
在中国，国家教育研究院、华东师范大学和腾讯开发了人工智能学科教师的人工智能能力框架。尽管这不是一个由政府驱动的国家人工智能能力框架，但它清楚地表明了人工智能教师的专业化。它为人工智能教师定义了一套全面的能力，包括六个维度：理解和意识，基础知识，基本技能，解决问题的能力，教学实践以及道德和安全。因此，教师必须掌握人工智能的基本概念逻辑和社会影响，理解人类和机器智能之间的区别，以及人机协作的重要性，以发挥人工智能的教育作用。与联合国教科文组织的人工智能教师能力框架不同，该框架针对的是人工智能教师;没有涵盖以人为本的思维方式和专业发展方面，也没有提供进展水平。
For more information: http://www.jyb.cn/rmtzcg/xwy/wzxw/202203/t20220325_686401.html
在公立教师教育机构没有足够能力提高教师技能以跟上人工智能技术快速变化的国家，通常动员公私合作开发和提供人工智能课程，以利用私营人工智能行业或非政府组织的人力和物力资源，部分或全部取代公共人工智能课程和ICT或人工智能教师。由于这些资源丰富的人工智能公司和非政府组织对加强其在基于自己品牌的人工智能教学中的存在和主导地位有浓厚的兴趣，这种方法有可能使公共人工智能教师去专业化。建议动员公私伙伴关系，明确目的是为提高公共人工智能教师的技能做好准备，并支持他们的持续专业发展。此外，人工智能教师的综合能力框架，以满足实施AI CFS和国家AI课程的需求，应用于定义一套严格的标准，以验证人工智能行业开发的人工智能课程和培训师是否值得信赖，反偏见，与人工智能能力发展相关，并充分品牌无关。这些框架还应有助于验证人工智能课程如何适当地融入学校课程体系，以补充而不是取代公共课程。公立学校在不断提高教师实施人工智能课程的能力方面的责任应该优先考虑，而不是被削弱。
为促进公立认可教育教师的专业化，我们亦须以推行认可教育中心资助计划的规定为基准，精简职前及在职培训，以及持续支援教师专业发展的工作，以确保这些培训与一套清晰界定的能力相符，并能辅助教师在整个职业生涯中不断进步。应特别注意教师继续教育举措的参与、审查和调整，并根据教授国家人工智能课程所需的价值取向、知识和实践技能，为教师的专业发展提供校本支持。
5.7 指导教学活动的群体设计和组织 (Guiding the cohort-based design and organization of pedagogical activities)
人工智能能力发展是一个三螺旋捆绑包，涵盖价值观和道德原则的社会和情感学习，人工智能概念知识的自我指导和协作构建，以及应用和共同创建人工智能工具的实用技能。需要结合创新的教学方法，以帮助学生通过能力的三个螺旋共同进步，在他们所知道的和他们能做的之间架起桥梁，并将他们以前的知识和技能转移到新的概念和新的问题解决环境中在未来人工智能丰富的工作场所和社会空间。
根据AI领域的特殊性和学生的不同能力量身定制的教学创新可以通过设计和组织活动来解锁，这些活动基于一群参加某个AI课程或对同一AI领域感兴趣的学生。在这种基于队列的学习场景或项目的设计和组织方法中，可以将来自不同班级和年级的特定学生群体分组在一起。这种方法并不代表任何特定的学习理论，通常涉及广泛的教学方法和以实践为导向的学习场景，包括互动活动，合作项目和同伴支持。学生们建立了一个实践社区，他们的学习通常遵循课程安排，在那里他们分享责任，相互激励和指导，并与老师合作以获得反馈。通过这种方式，他们加深了对人工智能的理解，并共同解决具有挑战性的问题;在实践项目中合作，以实际方式应用知识和技能;并就人工智能的社会影响和伦理问题交换意见并进行辩论，以加强社会建设。
在选择或设计教学方法以理解、应用和创建AI CFS的不同方面时，考虑特定领域的教学实践需求也很重要：
- 培养以人为本的价值观和心态，从本质上讲，是建立在社会和情感学习过程的基础上的，需要基于冲突的意见采纳、社会建设和社会互动。
- 道德学习是一个通过实际案例研究、基于场景的批判性评估、情境应用和协作规则制定来理解抽象原则和监管规则的过程。
- 人工智能技术与应用是一个将人工智能概念知识的实践导向构建与真实的任务型应用无缝融合的领域，需要真实的人工智能工具作为构建人工智能技术与技术知识图式的基础，基于问题的学习和可转移应用与基于问题的探究的实践，以及对人工智能工具及其使用背后的价值观和伦理的深入理解。
- 人工智能系统设计模拟现实世界的工程项目，涉及创建，实现和迭代人工智能系统的生命周期，以实践工程思维过程并培养综合解决问题的能力。它要求教师设计和组织基于项目的学习，让学生识别和描述可以并且应该由人工智能解决的问题;评估数据需求并计划数据收集方法;配置人工智能模型的架构;训练人工智能模型或创建原型，测试和迭代。
由于人工智能能力是一个三螺旋捆绑，具体的教学实践可能会在一个课程或单元中涵盖人工智能能力的多个方面。这需要教学规划者或教师注入和导航各种教学方法，以便学生能够参与人工智能学习和实践的多个方面。人工智能技术和应用的现实研究和开发通常利用人工智能方法的密集和持续的概念化以及迭代编程、配置和优化。开发实用人工智能能力的这一先决条件已通过使用人工智能应用程序在黑客马拉松和训练营中实践的教学方法的有效性得到验证。为了提高学校教学法的效率，应该为学生安排机会，让他们参加与正式人工智能课程相一致的更密集的课程或活动。
国家或机构的人工智能课程应围绕目标学生群体的共同责任和同伴学习以及人工智能领域的特殊性和预期学习成果的原则，制定教学方法的建议或指导。当在人工智能课程中引入更新或新颖的教学方法时，应向教师提供足够的培训，实用指导和即时响应服务（例如在线聊天机器人）。应规划和实施与当地有关的激励机制，以审查、验证和确认试点测试和推广教学创新的做法。
Box 7: Pedagogical methodologies in the MIT curriculum on the ethics of AI for middle school students
麻省理工学院中学生人工智能伦理课程的教学方法
Blakeley H. H.佩恩在麻省理工学院媒体实验室个人机器人组的支持下，由辛西娅·布雷齐尔执导（佩恩，2019）。该课程旨在为12至14岁的学生在线和/或离线实施，这些学生处于AI学习之旅的早期。该课程的重点是提高学生对人工智能以及人类、技术和社会之间关系的理解。该课程的一部分也被整合到了麻省理工学院的日常课程18和如何训练你的机器人：一个中学人工智能和伦理课程中。对后者的研究表明，即使是计算机科学背景有限的教师也有可能讲授这种课程（威廉姆斯等人，2021年）的报告。
该课程采用以学生为中心和以探究为基础的方法，学习成果与以下循环相一致：初始方向或信息收集，支持学生在新主题上建立知识图式;概念化，学生开始围绕AI的目的形成假设;调查，学生深入研究人工智能对不同人群的不同观点，好处，价值和风险，并为出现的问题设计潜在的解决方案;最后，使用基于项目的方法开发潜在的解决方案原型。在整个过程中，讨论和反思被用来加深对问题的理解和思考。
该课程包括六个核心目标，根据具体情况通过不同的在线或离线活动来实现。下面的图表概述了目标以及教师或其他促进者可以帮助实现这些目标的示例活动
Learning outcomes Example activities and pedagogical advantages 了解人工智能系统的基本机制。这种学习成果包括子成果，如识别AI在日常生活中的用途;将算法理解为输入、输入和输出变化的过程;以及将AI理解为具有数据集、学习和预测的特定类型的算法。 用AI系统玩“AI宾果”。使用工作表，每个学生试图找到另一个使用或体验过各种人工智能应用程序的同学（例如，建议使用表情符号来替换单词的工具或将路线映射到目的地的应用程序）。两人必须一起确定每种不同类型的AI系统所使用的数据集和预测，直到一名学生连续完成五个。这代表了游戏化的一个例子，它可以提高学生的兴趣和动机，并旨在支持回忆，以便开始围绕核心AI概念构建知识模式。
编写一个算法，制作“最好的”花生酱和果冻三明治（或面条，米饭或玉米粉蒸肉，或孩子们熟悉的其他当地相关食物）。这可以单独进行，也可以作为一个群体进行。活动的核心要求学生通过访问关于算法是什么以及它是如何结构的知识来练习回忆，并将其应用于熟悉背景下的特定强制性问题。
将YouTube平台上的AI系统作为一个组进行识别。在这种回忆与识别活动中，学生参与回忆、反思和建立知识图式。在本课程中，这项活动形成了基础图式，用于在课程的后期阶段进行更高级的反思和创造性的协作解决问题。
在Google的Teachable Machine中构建分类器。在这个活动中，学生被要求在Teachable Machine中构建一个AI，它将对猫和狗的图片进行排序，但给出的数据集有偏差，无法产生一致的结果。这是一个促进体验式学习的例子，学生利用人工智能的知识基础，通过动手，指导探索来发展实践技能。他们需要反思他们的工作成果，并确定不一致的原因（偏见）。可以使用确认设计，即为学生提供一个问题和方法来确认已知的结果。在更高级的水平，学生可以生成他们的结果的解释。理解所有技术系统都是社会技术系统，社会技术系统服务于政治议程，而不是中立的信息来源。学生参与的概念，如算法，算法偏见和人类代理的声明和隐藏的目标。 创建一个利益相关者的道德矩阵和他们的价值观投资于学生的花生酱和果冻三明治（或其他食品）。作为一个小组或个人活动进行，这是建立在早期的回忆/识别任务，要求学生进行反思和早期的批判性分析，因为他们确定不同的利益相关者和他们的潜在冲突的利益和价值观。这使学生能够开发程序知识，然后可以应用于更复杂的挑战，甚至定义不清的问题。
以YouTube为例，学生围绕YouTube推荐算法构建道德矩阵。这项活动体现了以学生为中心的批判性思维练习，推动学生将课堂学习（程序和内容）与他们的生活现实联系起来。认识到在一个特定的社会技术系统中有许多利益相关者，该系统可以对这些利益相关者产生不同的影响。学生确定AI利益相关者及其价值观，以及系统应该满足这些利益相关者需求的目标。 学生们反思了一系列技术的利益相关者，如生成对抗网络（GAN），情感识别和语音转文本软件。在这个练习中，学生展示了将从食品项目和YouTube的道德利益相关者矩阵示例中获得的程序知识转移到其他技术的能力，这是发展翻译技能的重要一步。 应用对人工智能的技术理解和利益相关者的知识，以确定社会技术系统的公正目标。 学生们集思广益，重新设计YouTube算法，以支持新的目标。他们确定数据集和设计功能，以反映他们设定的新目标。这种基于项目的小组学习方法利用了建构主义原则以及迄今为止从课程中获得的技术知识，以便完成设计思维过程的早期阶段（直到原型阶段），并共同创建解决方案，在这种情况下，为YouTube创建不同的道德利益相关者配置文件的给定问题。共享设计促进了跨组的共同学习和反思，第二个迭代周期可以用来为学生提供机会，利用从同伴那里获得的反馈或知识。 考虑技术对世界的影响。 学生与不同的技术进行互动，并对创意写作和/或讨论提示作出回应，反映其直接和广泛的影响。除了遵循探究方法并利用基于项目的学习设计思维外，该课程还旨在让学习者体验一系列人工智能技术，并促进对技术，使用它的人，更广泛的社会和环境之间的互动进行辩论，讨论和反思。 Source: Adapted from Payne, B. H. 2019.
5.8 构建基于关键AI方面进展的能力评估 (Constructing competencybased assessments on the progression of key AI aspects)
对学生AI能力的评估自然需要使用基于能力的评估，这些评估需要适应AI多个方面的特殊性和整合。为这类评估而设计的方法和工具，对衡量学生的起点、衡量他们对人工智能主要方面的掌握程度，以及评估教学实践和人工智能课程整体实施的有效性提供参考至关重要。然而，很少有人尝试开发这类工具来评估跨多个进展水平的综合AI能力。因此，AI CFS或本地AI课程的实施需要包括构建一个基于能力的评估系统，包括目的和目标，真实的任务和方法，基准标准或指标，以及与相应分级量表相关的领域适当标准。
框架标准参考评估，以衡量人工智能能力的掌握程度
Frame criterion-referenced assessments to measure the mastery of AI competencies
基于能力的评估的主要目的是根据预先确定的标准或基准框架衡量学生的掌握水平，这意味着使用标准参照评估。如上所述，基于能力的教育旨在支持所有学生达到最低能力掌握水平，这意味着固定的学习成果和更灵活的时间安排。根据这些模式，在一定时间内没有达到最低标准的学生应得到额外的支持，直到他们达到这些标准。为了支持这一目标，应制定一套参考标准，以诊断学生的掌握水平与预定标准相比，并建议进一步的学习经验。在以群体为基础设计和组织教学活动的背景下，应对单个学生或目标群体学生进行标准参照自评，以诊断他们的掌握水平与最低标准之间的差距，以及他们随着时间的推移的进步表现。虽然对学习的自我评估可能有助于定制学生的个性化体验，但强调标准参考可以防止失去人工智能能力的目标成就。这可以扩展到学生的自我评估和个人课程目标的设定。
AI CFS将AI能力解释为可衡量的学习成果，并概述每个能力块的预期退出级别行为表现。这些可以作为制定预定基准标准的基础，据此可以创建一个标准参考评估项目库，以衡量学生群体的掌握水平，更具体地说，包括他们掌握的方面、领域或具体主题以及任何需要改进的领域。
规范参考评估，将单个学生与同一课程的其他学生进行比较，并不是人工智能课程中基于能力的评估的主要重点。然而，负责人工智能课程的国家或机构机构可以考虑通过长期跟踪学生的表现，在人工智能的关键方面或领域建立一套动态调整的学生能力发展规范。参照标准的评估还可以全面了解学生与同龄人相比的能力，并将当地学生的能力与其他国家同龄学生进行比较。标准的平均值应根据人工智能能力的预定标准进行衡量，以监测大多数学生的学习成果是否超过，达到或低于最低标准。最后，不同学生群体与标准相比的表现应按年龄、性别或人口背景进行分类和分析，以帮助为政策或战略提供证据，为在学习人工智能方面处于不利地位的学生提供补救或补充支持。
调整绩效情景以评估显性绩效和潜在能力
Adapt performance scenarios to assess overt performance and latent competencies
人工智能技术旨在解决现实世界的问题，其以实践为导向的性质要求使用真实世界的场景和真实的任务来衡量学生在应用他们的心态，道德原则，技能和知识方面的表现，并从心理测量学上验证学生在人工智能多个方面的发展。基于能力的评估应充分利用显示学生可衡量或明显的行为表现（他们能做什么）的任务，这通常被称为“基于表现的评估”。然而，为了充分满足评估可观察性的需求，包括思维和道德的人类中心性，概念知识的可转移性，实践技能的适应性以及人工智能系统设计的创造性，评估性能的目标和方法应适应如下：
- 评估可观察到的表现和潜在能力：从纯粹评估可观察到的行为（学生已经做了什么）转向心理测量测试或验证学生对人工智能技术和应用能力的潜在知识模式（他们可能做什么），以人为本的批判性思维和道德评估以及选择人工智能工具以服务于特定目的（他们如何将道德应用于他们使用人工智能）。
- 从评估死记硬背转向测试可转移性、适应性和创造性：评估方法应从测量固定的、重复的操作转向设计和使用各种任务，以评估学生如何跨情境转移知识和技能（学生如何转移知识和技能）并适应新的情况。方法也应该改变（学生如何适应）;从有限地关注操作现有人工智能工具的流畅性，转向学生如何批判性地评估现有工具，并合作制作或共同创建新的人工智能工具（学生可以共同创建）。
- 平衡特定领域和综合人工智能能力评估：基于特定领域的思维方式评估，对道德，知识和技能的理解和实践，设计和使用真实的基于项目的测试来评估学生的综合能力，以融合和整合道德原则，人工智能知识和技能，以及计算和工程思维，以批判性地评估人工智能工具，重新设计算法或共同创建人工智能系统。这些基于项目的评估学生如何整合人工智能能力来解决问题，需要课程开发人员或教师设计开放和真实的任务;所需能力的广度应适应不同的进展水平，并需要设计适当的评分量表来反映开放和多层次能力的测量。
- 为人工智能能力配置真实的评估任务和评分标准：评估项目的设计可以根据第4章中提供的每个能力块的详细规范来制定。评估任务的配置、管理评估的方法和回答的格式应与每个领域的要求（心态、道德、人工智能概念知识、人工智能操作技能和全面的人工智能系统设计）保持一致。这意味着具体的评估任务应该根据认知和行为表现来定制，这些表现可以从心理测量学上验证“理解”，“应用”和“理解”的掌握程度。在“理解”层面，任务可能更侧重于对绩效背后的概念和道德原则的理解，而不太注重具体的实践技能，而在“应用”层面，任务可以集中在以问题为基础的实践技能和应对任务变化的适应能力。对于“人工智能”，衡量任务可能更多地涉及新想法概念化的综合和算法编程，新人工智能工具或系统的虚拟或物理原型的设计，测试和优化人工智能模型的知识和技能，人工智能共同创造中展示的综合计算技能和工程，以及以人为本的思维方式和设计和测试背后的道德原则。
我们建议按三个进度级别划分的个别领域评估重点如下，以供进一步研究。表5列出了评估项目的部分例子，以启发我们设计涵盖本地课程所有主题和进度级别的评估工具。
- Human-centred mindset:
1.1 Conflict-based opinion taking
1.2 Conflict-based critical evaluation
1.3 Conflict-based social actions - Ethics of AI:
2.1 Scenario-based ethical value orientation
2.2 Scenario-based ethical behaviour
2.3 Scenario-based rule-making - AI techniques and applications:
3.1 Problem-based AI knowledge and understanding
3.2 Tool-based conceptual insights and transferable operation
3.3 Task-based tool crafting - AI system design:
4.1 Project-based design thinking
4.2 Project-based system configuration
4.3 Project-based iteration
人工智能系统设计的三种评估形式是基于可教机器的虚拟环境和人工智能系统设计、训练、测试和优化的模拟项目。该项目应围绕与促进社会包容的现实需求相关的主题进行定义，并在训练人工智能模型时使用当地语言或文化特征的数据。综合人工智能能力的一个关键方面是基于反馈来验证人工智能系统的综合能力，因此应该扩展传统方法（如基于纸张的测试），以包括捕获学生进行技术概念化的能力的指标，并创建原型和改进流程，以及他们在项目中展示的技术专业知识。
Table 5. Examples of assessment tasks
| Understand | Apply | Create | |
|---|---|---|---|
| Human-centred mindset | 1.1基于数据的意见采纳 1.1.0关于“人的能动性”要点的综合纸卷和/或计算机测试。 1.1.1人工智能能否用于支持人类在价值观和社会问题上的决策？说出当前人工智能技术在支持与价值观、社会问题和个人情绪反应有关的决策方面的一个弱点。 1.1.2如果人类在人工智能系统的概念化和设计中不承担责任，会发生什么？ 1.1.3机器代理会变得比人类代理更强大，并接管越来越多的人类代理吗？解释你的观点。 | 1.2基于知识的批判性评价 1.2.0关于“人的责任”要点的综合试卷和/或计算机测试。 1.2.1媒体报道称，通用人工智能将于2030年到来，并将在几乎所有领域超越人类，而一些人工智能专家则表示AGI可能永远不会出现。谁是正确的？评估一些选定的人工智能媒体报道是否超出了人工智能技术的真正能力。 1.2.2 日后，所有日常会议纪录及行政报告会否由认可机构草拟？下一代学生是否还需要学习如何综合材料和起草报告？评估生活或学科学习中的特定问题是否可以和/或应该用人工智能方法解决。 | 1.3基于网络的社交互动 1.3.0关于“社会责任”要点的综合试卷和/或计算机测试。 1.3.1人工智能最终会帮助人类消除气候变化的驱动因素并保护地球的福祉吗？人类社会是否应该调动一切资源，无限制地训练人工智能模型？人工智能模型的训练是否对气候变化产生了不可逆转的影响？分析一些人工智能系统如何影响环境和气候变化，以及如何优化它们的方法。 1.3.2人工智能是否会成为人类不可或缺和值得信赖的合作伙伴，或者人工智能是否会威胁人类社会的安全、包容、公平、正义和其他社会规范？批判性地反思人工智能对人类社会的潜在影响。 1.3.3人工智能是否会平等地为所有人群创造就业机会，或者人工智能的部署是否会在全球市场和当地环境的联系中导致经济发展的不平等？批判性地评估为什么人工智能变得越来越重要，以及它如何影响当地经济和就业市场。 1.3.4 AI公司声称他们正在为所有人开发AI工具。AI会增强还是威胁包容性和公平性？批判性地评估广泛采用人工智能对当地环境中的包容性和公平性的影响。 |
| Ethics of AI | 2.1基于场景的道德价值取向 2.1.0关于“道德原则”要点的综合试卷和/或计算机测试。 2.1.1您从未表示同意使用您的个人数据来训练AI模型，那么您的个人数据是否受到保护和安全？描述个人在线数据如何在未经同意的情况下被收集和使用。 2.1.2您仅在提示中输入了您的个人数据，以请求“值得信赖的”生成AI系统帮助您起草推荐信。你能确定你的私人数据不会被泄露吗？描述如何通过提示或与AI系统的交互收集敏感的个人数据。 2.1.3 YouTube和TikTok等视频分享平台似乎能够理解用户可能喜欢什么类型的视频，并知道如何推荐用户感兴趣的视频。请指出视频平台使用的视频推荐算法的伦理问题。 | 2.2基于情景的道德行为 2.2.0关于“安全和负责任使用”要点的综合纸质和/或计算机测试。 2.2.1解释为什么在开发和使用AI应用程序时必须考虑数据安全性。 2.2.2如果我们想从人工智能系统提供的有用服务中受益，是否有必要放弃我们的一些个人隐私来享受这些好处？解释为什么在开发和使用AI应用程序时必须考虑数据隐私。 2.2.3“我尝试过许多人工智能平台，它们提供的服务总是超出我的预期，所以我不需要解释这些人工智能模型是如何工作的？”评估这一陈述并描述可解释AI的概念。 2.2.4“我使用生成式人工智能工具使用我一个朋友的照片生成了一个视频，看起来非常真实的，我把它发布到网上是为了好玩;我使用生成式人工智能系统根据我的“创意”提示撰写论文，并以我的名义发表。”评估这些声明中的一个或两个，并描述在使用人工智能生成的内容或声称其为“您的”作品时可能出现的潜在法律的问题。 | 2.3基于场景的规则制定 2.3.0关于“共同创造道德规则”要点的综合试卷和/或计算机测试。 2.3.1贵国或学校（区）是否制定了关于使用AI（或生成AI）的规定？如果回答是“是”，请对照教科文组织《关于人工智能伦理的建议书》的核心原则和/或欧盟《人工智能法》，对这些规定进行批判性评估。如果答案为否，则提出一项建议，说明监管的必要性，并概述监管应涵盖的要点。 2.3.2在使用视频推荐平台或生成式人工智能系统方面，为自己和同行共同制定道德指南。 2.3.3共同制定一套道德规则，以便在学校和家中安全和负责任地使用人工智能。 2.3.4共同制定脑机接口（BCI）技术的监管规则 |
| AI techniques and applications | 3.1基于问题的AI知识和理解 3.1.0基于能力或标准参考的人工智能关键概念知识考试。 3.1.1描述或解释（使用工具）人工智能是什么和不是什么;或解释人工智能支持的个人，学校或公共工具。 3.1.2解释强AI和弱AI的区别。 3.1.3描述大数据的基本概念;给出几个误用大数据的例子。 3.1.4解释如何训练、测试和优化机器学习模型;解释为什么数据在人工智能模型的训练、开发和进一步迭代中发挥重要作用。 3.1.5解释深度学习与机器学习的关系。 3.1.6定义术语“人工神经网络”（或适用于“理解”级别的其他关键概念）。 | 3.2基于工具的概念洞察和可转移操作 3.2.0以计算机为基础的标准参照考试，考查数据、算法和编程方面的操作技能的流畅性、可转移性和适应性。 3.2.1举例说明使用以下任何一项的应用程序：自然语言处理，计算机视觉，语音识别，图像识别，自主代理系统，情感检测，基于数据的预测或生成AI。 3.2.2解释监督学习、无监督学习和强化学习如何在基本层面上工作。 3.2.3举例说明监督学习、无监督学习和强化学习类别下的典型人工智能算法;介绍使用其中一些典型算法的工具。 3.2.4解释给定的生成式AI系统使用和集成了哪些AI算法。 3.2.5举例两到三个开源数据集和人工智能算法库;解释开源数据集和算法的优点和局限性 | 3.3基于任务的工具制作 3.3.0基于计算机的个人或小组工作，以定制现有的AI工具包，以创建基于任务的AI工具。 3.3.1解释AI研究人员和设计人员如何使用传感器、爬行软件和其他工具来收集可用于训练AI模型的数据。 3.3.2通过操作说明和/或演示如何查找和重用开源数据集和人工智能算法库;评估与专有企业的人工智能选项相比的收益和风险。 3.3.3起草基于任务的人工智能工具的设计和开发计划，以满足当地和当地以外的实际需求。该计划应涵盖与年龄相适应的以下标准：对现有人工智能工具的批判性分析，对数据需求的评估，收集和处理数据的方法，适当的人工智能算法和编程语言，可以定制或微调的开源人工智能工具或系统，以及测试人工智能工具的参数。 |
| AI system design | 4.1基于项目的设计思维 4.1.0人工智能系统设计问题范围的模拟测试。要求学生就问题范围或项目提案提交报告和/或口头答辩。该报告可以根据以下标准进行评估：为什么应该基于清单将AI用于问题;以及问题陈述，包括AI系统的关键要求或功能，如算法，数据集和功能。 4.1.1解释为什么一个特定的现实世界的挑战（由教师给出）不应该由人工智能工具来解决。 4.1.2基于计算机的数据预处理技术测试，利用开源数据集，包括调整数据增强，处理离群值，分析数据集倾斜或不平衡，基于修改后的数据集训练模型，并观察数据预处理如何影响与给定数据集相比的模型性能。 | 4.2基于项目的系统配置 4.2.0基于计算机的人工智能架构配置测试。模拟操作可以使用以下标准进行评估：评估和选择AI架构的框架;评估和选择AI架构的层和组件的解决方案;原型架构的配置;以及配置的呈现。 4.2.1解释如何利用开源数据集和人工智能编程库来构建人工智能系统，包括本地可访问的云计算平台或操作系统，以及训练机器学习模型所需的软件。 4.2.2解释在配置AI架构时，应该考虑哪些标准来优化效率并最大限度地减少计算资源浪费。 4.2.3计算所选AI模型的计算资源消耗，并设计提高AI方法效率的策略，以减少其对环境的影响。 | 4.3基于项目的迭代 4.3.0简单人工智能模型的基于计算机的模拟优化，包括数据集的操作优化、算法和参数调整，以及功能和接口的设计;和/或架构的重新配置，包括修改问题范围。 4.3.1设计一组用于测试范例AI系统性能的指标。解释可以设计或调整哪些指标来支持系统性能的测量，并收集最终用户对社会影响和环境影响的反馈。举例说明可以进行和报告AI系统性能测试的开源工具。 4.3.2根据模拟性能测试的结果和用户反馈，起草一份报告，解释应该对人工智能系统做出什么决定以及为什么。包括对优化、重新配置和关闭系统的决策的解释;如果人工智能系统有可能造成伤害，则提供优化或重新配置的计划或缓解策略。 4.3.3举例说明本地可访问的人工智能共同创造者在线社区;解释学生可以在这些社区中做什么。 |
应设计、测试和优化具体评估的灵活格式和相应的评分尺度，使其能够灵活地适应不同的评估项目和目标。这些可能包括以反思性论文、口头陈述或用户对人工智能工具的测试报告的形式进行的形成性和同行评估;和总结性考试在纸上和/或通过基于计算机或不插电的设计，包括人工智能工具的原型或算法的绘图，关于人工智能伦理问题的案例研究的论文，关于人工智能工具或系统的设计和开发的技术报告，人工智能模型的微调或模拟训练，以及硬件的组装或创建。
应根据各方面的具体需要，以细致入微的方式审查这一系列具体方法，并灵活地融入AI CFS的实施中。使用人工智能工具进行评估也是一种新的辅助评估方法，例如直接从学生或学习管理系统自动收集有关学习过程和形成掌握的数据，根据学生的能力或语言和文化背景对学生进行个性化评估，或促进教师对教学策略的决策。虽然应该动态审查和适当利用人工智能增强评估的机会，但审查和规范有关收集和使用学生数据的道德问题至关重要;在评估中使用人工智能建议和预测的风险，特别是那些高风险的风险;以及教师在评估中的能动性降低，特别是教师从分析学习过程中获得见解的机会减少。
Conclusion
学生的人工智能能力框架基于三个基本假设制定了一个以行动为导向的计划，这些假设是关于教育在应对当今世界人工智能普及方面的作用。首先，教育部门不仅要适应人工智能系统和工具，还必须积极主动地发展塑造道德和环境友好型人工智能所需的能力。第二，学生应该具备能力，既能作为关键和负责任的用户，又能作为人工智能的共同创造者，同时也能成为定义和设计下一代人工智能技术的领导者。第三个假设是，学生的人工智能能力将围绕以人为本的思维方式和态度，人工智能的内在道德，可转移的人工智能概念知识和技能，以及与人工智能系统设计相关的面向未来的思维的融合来构建。由于人工智能能力的发展远远超出了与学习编码或操作人工智能工具相关的技术技能，人工智能相关学习的整合需要跨学科的方法来整合课程，涵盖与科学，技术，工程，艺术和数学相关的科目，社会研究和公民教育。
这个面向学生的AI能力框架是第一次尝试提供一个全球蓝图，以引导以人为本的AI相关学习在课程中的整合。该框架借鉴了国际一级的专门知识和磋商，是一个全球性的参考，可在不同的地方教育背景下加以调整。只有通过在不同环境中的教师和师范教育工作者中调整和测试框架，并从他们的背景实践中提出见解，才能进一步完善全球框架。因此，该框架是一份活的文件，需要在分析各种背景下的实践的基础上不断进行审查，并应对即将出现的人工智能技术的新迭代。
标签：competency,中文翻译,framework,人工智能,学生,学习,AI,课程,技能 From： https://blog.csdn.net/qq_29868553/article/details/144191051以上内容全部使用机器翻译，如果存在错误，请在评论区留言。欢迎一起学习交流！
如有侵权，请联系我删除。xingyezn@163.com