如何上好AI通识课、如何评价学生的 AI 素养?美国教育考试服务中心研究报告分享

一些老师已经开始在AI通识课中，让学生生成图片、查找资料、完成项目。但学生交出一件作品以后，老师常常还得面对一个问题：学生有没有真的学会？学生会提问、会生成，并不足以说明他会判断、会核验、会负责任地使用AI。

现在国家在推动各地学校落地人工智能通识课，但实际上很多老师自己也都在摸索如何使用 AI，更别说教会学生如何使用 AI，如果缺少具体的观察与评价依据，就容易把学生借助 AI 生成了一个合格的作品就当成学生的能力得到了发展。

2025年，美国教育考试服务中心（Educational Testing Service，以下简称ETS）发布了一份中小学生AI素养研究报告，提出了评价学生 AI 能力的框架、进阶表现，并配套了一个课堂案例，我觉得对目前正在教 AI 通识课的老师们可能有参考价值。

今天我们就从这份报告里的一个真实学习案例出发，再结合不同的 AI 通识课堂的实践，我们来看看：AI通识课怎样设计任务、怎么评价学生表现，并继续培养学生的AI素养，希望这篇文章对你有启发。

备课时，老师通常会考虑目标、活动和评价。放到AI通识课中，同样需要先明确：学生完成这项任务以后，应当学会什么，老师又通过哪些表现来判断？

ETS提出了四类能力，可以帮助老师梳理AI通识课的培养目标。以 AI 生图活动为例，这些能力可以落实到下面的表现中。

1. 第一类：使用AI获取、管理和评价信息。学生需要选择合适的工具、收集和组织资料，并检查AI输出是否准确、可信。例如，AI生成的科学家实验场景中，如果器材连接看起来不合理，学生能否对照可靠资料核验，而不是因为图片逼真就直接采用？

2. 第二类：使用AI沟通、协作并承担责任。学生需要说清需求，根据回应继续调整提问，并说明AI和小组成员各自的贡献。例如，学生要求生成“观察植物的科学家”，如果AI画成了浇花，他能否补充人物动作和实验情境，让下一次生成更符合要求？

3. 第三类：使用AI创造、个性化和调整内容。学生需要根据对象、目的和情境修改生成内容，并解释取舍。例如，面向低年级学生的科普图被AI画得过于复杂，学生能否调整提示词、比较新旧结果，说明为什么新版更容易理解？

4. 第四类：理解AI的伦理影响并负责任地决策。学生需要识别偏见、隐私和透明度等问题，并提出应对办法。例如，如果多次生成的科学家图片都只出现男性，学生能否注意到这种单一呈现，尝试调整要求，并讨论一次修改是否足以消除偏见？

一堂课可以涉及多类能力，但不必同时评价所有方面。老师可以结合课程内容明确本节的重点，再确定要观察哪些表现；完整的12项指标和进阶表现放在文末附录。

ETS报告中的科学家生图任务，就具体展示了怎样把能力目标放进课堂。这个任务面向高中阶段，重点关注 识别AI使用中的伦理问题及社会影响。它是报告提供的任务设计示例，报告没有给出实际实施后的课堂效果数据。

教师可以提供提示词，让学生使用AI生图工具生成一组科学家图片，观察反复出现的人物、服装和场景，再讨论哪些群体经常出现、哪些群体很少出现，以及这些结果可能使人形成怎样的科学家印象。

在这份报告中提到的这个AI 生图的学习任务中，评价重点落在学生怎样比较结果、发现问题，并说明判断依据。

• 学生指出几张图片中的人物形象相似，说明他注意到了重复特征；

• 进一步解释哪些群体缺少呈现、这种呈现可能带来什么影响，才开始涉及代表性与公平问题。

• 学生随后可以调整提示词，比较结果有没有变化，再讨论修改的限度：一次输出变得更多样，是否就说明AI工具不存在偏见？如果训练数据中某些群体长期缺少代表，仅靠使用者修改提示词，能解决到什么程度？

• 教师收集的材料也需要对应这些表现，除了最终图片，还包括观察标注、生成截图、书面反思和讨论记录。学生要说明自己发现了什么、为什么这样解释、尝试怎样改善，以及还有哪些问题没有解决。

把这个案例带进自己的课堂时，老师可以请小组保留同一提示词的多次结果，再只调整一个条件作比较，避免学生凭一张图片就下结论。

这个案例同时也展示出AI课堂为教师提供的三个优势：可以反复比较的材料、需要学生处理的技术与伦理问题，以及能够回看的人机互动记录。传统课堂也能支持比较、试错和过程观察，但AI改变的是材料生成、互动反馈和过程记录的方式。

1. 提供可以反复比较、调整和检验的材料

生图任务中，同一主题可以多次生成，调整提示词以后又会出现新结果，学生可以比较自己的要求怎样影响输出。教师需要事先确定观察对象和比较条件，否则学生容易只关注图片是否好看。

这一思路也可以用于资料分析或文本创作任务。学生可以比较不同回答的依据与遗漏，或者比较同一内容面向不同对象时有哪些变化，再回到可靠材料和任务要求检验。每次调整都应当回应一个明确问题，不能只凭结果更长、更流畅就判断它更好。

我在成都七中的AI智能体设计课中，也让学生保留第一版提示词，对照智能体的实际回答发现遗漏，再修改要求并重新测试。这个任务让学生观察自己的设计怎样影响AI行为，课程安排可见：国家级示范高中试水AI智能体设计课：9课时完整方案设计+前3课总结。

无论采用哪一种任务，教师都需要让学生说明：自己调整了什么，结果有什么变化，依据什么判断修改是否有用。这样，反复操作才可能成为有目的的比较和检验。

2. 把AI的问题转化为学生需要处理的学习对象

在ETS的示例中，学生需要检查图片中的代表性与刻板印象。公平和偏见有了具体对象，学生要在实际输出中识别问题、尝试改善，并解释改法的局限。

在其他AI通识任务中，学习对象也可以是事实错误、无法核验的引用、个人信息泄露风险，或者不适合使用AI的决策情境。教师可以让学生判断哪里值得怀疑、要用什么材料核验、问题可能影响谁，以及什么时候需要暂停使用或请人复核。

智能体设计是其中一种任务。在我们的课程设计中，学生需要考虑使用者要求忽略原有指令、泄露提示词或假冒管理员时，看看自己的智能体会怎样回应，再修改提示词并测试，学生们非常兴奋，频繁尝试“攻击”自己的智能体和同学们的智能体，看看是否能否被攻破。相关实践可见：成都七中AI校本课程｜AI智能体设计：从创意到实践。

回到AI素养，评价要看学生能否识别问题、说明影响并检验应对办法，只复述几条使用规范，还不足以说明他会在具体情境中作出决定。

3. 留下学生怎样判断和修正的过程

同一份完成度很高的作业，可能来自直接复制，也可能来自多轮比较、核验和修改。ETS建议收集书面反思、截图和讨论记录，帮助教师理解学生的思考，并据此提供反馈、调整教学。

清华附中国际部的AI通识课堂有一个值得参考的安排：学生先写下自己对某个主题的已有认识，再阅读文字或观看视频，逐项对照哪些认识得到支持、哪些需要修正、哪些问题仍没有答案。随后，学生带着自己提出的问题与AI对话，聊天记录必须提交，教师关注学生怎样互动，有没有直接接受AI的回答。

对话结束后，学生还要用自己的话复述所学，标出新学到的词，再进行讨论、自评和教师面谈。这些记录使教师有条件把最初的认识、与AI的互动和最后的解释放在一起看：问题有没有变得具体，改变看法时有没有依据，AI回答中的内容能否由学生自己解释清楚。

我们的课程也保留了学生与AI的对话和作品迭代记录，并让AI助教对照教师预设的指标整理信息，供教师结合原始作品和巡场观察作判断。关于追问、反馈和过程记录的具体做法，感兴趣的老师可以戳：开源11000+字的AI学伴智能体提示词：国家示范性高中AI通识课实录。

放到不同AI通识任务中，教师都可以围绕本节目标，选择少量关键记录：学生最初的判断、一次重要互动、接受或拒绝AI建议的理由，以及调整后的解释。自动评分和对话数量只能提供部分信息，学生是否理解仍需回到这些材料检查。

过程记录的价值，在于帮助老师分清下一步该补知识、给提示，还是让学生独立再试一次。资料查证、生图分析、内容创作或项目设计可以采用不同记录方式，评价始终要回到具体能力及其表现。

发现学生没有识别图片的问题，或者没有核验AI给出的事实，只是找到了教学的起点。ETS提出的学习进阶，把具体指标上的表现区分为初步、发展、熟练和高阶四级，帮助教师考虑学生目前能做到什么、下一步需要什么支持。

在AI生图任务里：

• 初步水平 的学生能发现一两个重复对象或风格，教师可以提供视觉提示和观察问题，帮助他先看清结果；

• 到了 发展水平，学生开始识别代表性不足或刻板描绘，并提出基本改法，教师可以用分析表和追问，推动他说明问题的影响。

• 达到 熟练水平，学生能够分析提示词怎样影响结果，并提出减少偏见的办法，教师可以减少直接指导，让他查阅资料、与同伴讨论和检验方案；

• 对于 高阶水平，任务可以扩展到改进训练数据、增加透明度等更系统的建议，并鼓励学生组织同伴讨论。

这四级是报告提出的假设性进阶，尚不能当作经过实证验证的标准化量表。同一名学生可能善于调整内容，却不擅长核验事实，判断需要对应具体指标、任务及当时获得的支持，不能据一次表现给他一个固定的整体等级。

培养的关键，是根据学生当前表现调整支持，并逐步让他承担更多独立判断。在资料查证任务中，初学者可以先使用教师提供的核验问题和可靠来源；有一定基础后，再自己选择来源、比较证据，并解释不确定之处。这是把报告的分层支持思路用于另一类课堂任务的尝试。

教师尤其需要区分：学生在提示下做到了，还是撤掉提示后仍能做到。

可以换一组材料、一个新的主题或使用情境，请学生先判断、再核验、最后解释，观察他是否能继续使用方法；即使在新任务中完成了，也仍需结合多次表现判断能力是否稳定。

报告的框架面向中小学生，但具体示例主要针对高中阶段。小学、初中使用时，需要调整材料难度、任务范围、工具权限和伦理问题的复杂程度，保留适合该学段的观察、判断与解释活动。

老师不必把ETS 提出的12项指标同时装进一堂课，可以先从现有教学内容中选出某些具体能力，再确定学生必须亲自完成什么判断，以及留下什么记录。例如，可以这样安排：

这几项安排是结合ETS框架整理的课堂建议，供老师们按课程内容选择。任务可以不同，但需要让学生亲自承担比较、核验、选择或修正，避免AI完成了最重要的思考，学生只负责提交结果。

我建议在任务单里留下五处简短记录：

最初怎样判断、AI提供了什么、依据什么接受或拒绝、怎样核验或修改、现在能独立解释什么。它们可以填在一张学习单中，也可以通过截图标注、口头说明或小组记录呈现，如果能通过后台分析 AI 对话过程的话，那将更加方便。

看这些材料时，教师可以先定位学生卡在哪一步。

1. 若学生只说答案看起来可信，就指导他寻找核验依据；

2. 若他能发现问题却不知道怎样改，就提供方法示例；

3. 若他已经能说明依据和调整，就减少提示，增加新材料或新情境。

任务要求里也要明确 AI 使用伦理：

• 小组交付成果时，说明AI参与了哪些部分、成员承担了哪些判断；

• 处理个人相关信息时，先检查是否有安全风险，是否可以输入到 AI 工具里；

• 讨论 AI 输出结果时，考虑偏见、代表性和可能受到影响的人。

• 教师自己使用AI制作材料时，也可以示范怎样说明AI的贡献和自己的核验过程。

任务设计完成后，再用ETS的三项原则检查：

• 与学生相关，任务有没有真实的使用对象和问题；

• 降低资源门槛，工具权限、费用和设备是否让学生都能参与核心思考；

• 提供进阶机会，初学者有什么支持，能力提高后又增加什么挑战。

这是设计原则，并非必须依次执行的备课步骤。

没有条件让全班分别操作工具时，可以由教师提供预先测试的输出、小组共用设备或通过投屏比较结果，但这些替代方式主要支持分析与讨论，不能据此确定学生已具备独立操作能力。

上好AI通识课，需要把学生的判断安排进任务，把判断依据留下来，再用这些依据决定下一步怎么教。下一次备课，可以先选一项能力、一项能够暴露问题的任务，以及几份足以支持反馈的证据，让学生经历一次发现、修正和检验的过程。

以下依据报告内容进行的中文翻译，这个框架仅供实践参考，并不是可直接汇总成学生整体表现等级的标准化测评量表。

A. 使用AI获取、管理和评价信息

AI.1.1 认识不同类型的AI及工具

AI.1.2 为具体任务选择和使用AI工具

AI.1.3 获取和组织信息

AI.1.4 评价AI生成的信息

B. 使用AI沟通、协作并承担责任

AI.2.1 与AI系统对话

AI.2.2 使用AI支持协作

AI.2.3 负责任地使用AI协作

C. 使用AI创造、个性化和调整内容

AI.3.1 用AI创造和个性化内容

AI.3.2 调整已有内容

D. 理解AI的伦理影响并负责任地决策

AI.4.1 识别伦理问题和社会影响

AI.4.2 理解AI透明度

AI.4.3 基于风险评估作出决策

Chakraburty, S., Ober, T. M., & Liu, L.（2025）. Preparing K–12 Students With AI Literacy: Proposed Framework, Progression, and Task Design Principles. ETS Research Report No. RR-25-14.