夜雨聆风
【摘 要】从信息素养到数字素养与技能，中小学信息科技课程为科技育人带来了新的机遇与挑战。作为六条逻辑主线之一的“算法”，也从技术向思维与素养转型，倡导接触少量或无代码编程的理论学习，此举虽能降低操作要求但也已带来认知瓶颈，在AI协同编程下如何教学，教师倍感迷茫。为此，本文从一线教学观察角度，尝试剖析信息科技课程受到的“浅层算法验证”影响，探索更加务实的“认知、实验、实践、创新”分层进阶路径，全面思考当前AI协同编程与算法在教学中的问题与对策。
【关键词】AI协同；编程；信息科技课程
【中图分类号】G434 【文献标志码】A
【论文编号】1671-7384（2026）02-005-04
【发表】《中小学信息技术教育》2026.02
随着《普通高中信息科技课程标准 日常修订版（2017年版2025年修订）》的出台，中小学“信息技术”全面转型“信息科技”，以更加系统化的课程将公民“信息素养”教育向公民“数字素养与技能”教育目标更新，全程以“数据、算法、网络、信息处理、信息安全、人工智能”的六条逻辑主线贯通中小学信息科技课程教学，不断提升学生的“信息意识、计算思维、数字化学习与创新、信息社会责任”（注意高中有：学科）核心素养，实践以“立德树人”为根本任务的新时代公民教育与创新人才培养的近期和远景双重目标。在高中信息科技课程标准中，已纳入人工智能教育课程内容，并提出应用生成式人工智能进行学习的相关要求，这对课程保持时代性具有重大意义。
新课程背景下，“编程教育”名词正逐步淡化，代之以“问题解决”为起点的AI协同“分析、验证、反思、优化”算法，以新的方式提升学生的计算思维。同时，对传统算法与程序的编写操作要求降低，对程序智能生成促进，这将是新一轮算法教学的鲜明特点。无论是算法还是人工智能通识，甚至过程与控制、物联网、互联网等课程内容与程序代码仍然关系密切。并且，AI协同编程也不局限于Python代码功能程序，也包括HTML、JS代码的网页平台等。但是，当人们尚未完全用自然语言就能进行软件设计的现阶段，不论采取何种程序代码实现算法，对算法与功能之间的程序代码认知仍会有不同程度的需求。不论是根据知识完全自我编写，还是与AI协同编程，作为信息科技教育的重要内容尚需从不同宽度与深度去校准AI协同、算法与代码的关系，才能从国家全局发展观出发，在信息科技一线课堂得以落实。
由“知识教学”向实验教学转型产生的编程认知瓶颈
随着人工智能的迅速发展，科技人才结构正在改变，多种数据显示基础编码人才向兼具“AI+编程+垂直领域知识”的复合型人才转型是必然趋势。由此反映到信息科技课程，一方面原来相对静态化和领域化、模块化的“大概念”知识教学在《义务教育信息科技课程标准（2022年版）》和《普通高中信息科技课程标准日常修订版（2017年版2025年修订）》被“六条逻辑主线”代替。
重要的“算法”与“人工智能”主线力图在中小学信息科技课程全程贯穿，削弱程序基础知识的模块化教学，强化算法思维的过程性发展。以往基于算法设计程序的知识学习，正向程序验证算法的实验教学改变，程序设计实践教学被弱化。特别是，因算法在小学五年级开始学习，受小学生知识、能力与思维水平的局限，算法学习产生认知瓶颈不可避免。并不再重视计算机语言学习，过度依赖自然语言学习算法，这与匹配计算机工作原理的算法存在极大认知差异，所以单纯程序验证算法造成了算法认知变为表层的肤浅与底层的虚无。
例如，有的教师用AI来生成网页教授算法，以“无代码”“不插电”的过程观察算法现象，以及基于平台模拟算法过程、训练数据模型等都易产生更强的“黑盒认知”，算法虚无、代码隐形、功能黑盒驱动着更多的人放弃对代码、技术、功能的深度认知，技术实验局限于现象分析会严重脱离算法应用实践，信息科技课程极易落入纸上谈兵的窠臼。
随着Gen AI的普及，借助其能迅速生成程序的特点，能够解决“编程”操作效率低下的问题。但是因环境、设备及思维方式的滞后，一线教学的AI协同策略与实践还很不足，短期存在不少悖反。
例如，通过学生课堂用AI生成代码探究数学函数图形绘制等实验观察，发现更多的学生关注点是功能实现，对一点不满意之处即想通过AI修改，甚至放弃修改，热衷不断生成，忽视了对函数的参数功能与实验结果的关系分析。上课后改为由教师与学生共同生成、分享，相互修改代码完成螺旋线角度、半径的个性化变化实验，学生上手实践探究效果大有改观。
又如，在相同班级中针对学生的自主学习过程进行观察，其他学科学习优异的学生即使自主学习能力强，同样也少有学生愿意去质疑生成的代码功能背后的技术，只有少数学生提出“RGB颜色为何不再用0-255的数组合，而且是用0~1的小数组合”的代码问题。教师进一步引导学生采用AI来生成多种程序方案，通过函数规范、参数作用等研究代码重要技术点，情况有较好改善。
由此，我们对比观察发现技术黑箱化的原因，正是受AI工具降低编程门槛让原理认知囿于肤浅表层，让本应提高核心技能的课堂学习更集中于少数愿意思考、探索程序内部算法秘密的学生个体，多数被迅速形成的技术依赖产生认知钝化，形成元认知和技术深度认知的技能与思维瓶颈。
从“语法教学”向“AI协同”转型的思维重塑
对“编程教育”的质疑，主要来源于“培养什么样人”的不同视角。多数人认同中小学信息科技课程不是培养“码农”“未来程序员”的观点。考证这种观点也存在一定的偏差，主要依据是并未发现中小学计算机、信息技术与信息科技课程的历史上存在明确的培养程序员的目标、案例及教材。考察此观点主要来源于对以往知识体系中语法教学的否定，对当前素养体系下的计算思维教育的差异放大。其实，编程教育的本质并非单纯传授编码技能，而是通过计算机语言知识与程序设计来培养学生的逻辑思维、问题解决能力和抽象建模能力等算法思想与计算思维。
虽然新的AI协同观念为单纯算法思维学习脱离知识体系带来了更多可能，但引入AI辅助教学替代学生对计算过程的理解存在技能培养的弱点，在人机协同中强化算法思考与调试优化的体验，需要结合具体问题的解决实践，方可让AI成为促进思维深化的工具，有利于实现从计算语言的语法记忆到算法思维建构的嬗变。即便有培养码农的目标，更可能是职业教育或者大学教育的“计算机专业”教育需求，从来不是中小学普及教育阶段的课程任务。这与中小学学语文不是为了培养作家或秘书，学数学不是为了培养数学家或会计是类似的。
在中小学信息科技课程中以“算法”逻辑主线贯穿，在用自然语言描述算法之后，将代码功能定位在算法验证实验，侧重程序运行的体验或试验，不追求细化的实验过程与分析，与语法教学关联不大，这是一种直接面向问题情景的计算思维与算法的形式逻辑学习。实际课堂观察发现，学生对代码的畏惧正是来源于对语法的不了解，造成“雾里看花”的困扰。比如，学生用AI生成的程序对其中自定义函数类似def data_sort(x,y,z）格式的功能模块化，及参数传递中全程变量与局部变量的关系不了解，易造成对区别于生活中的算法认知障碍，可见基本知识对认知具有不可或缺的作用。又如，用AI生成代码绘制多样化图形或水平稍高的AI模型训练代码，往往用类（CLASS）来封装属性、方法，使用时将类生成实例进行应用，多数师生对类望而生畏也是基本知识缺乏所致。脱离代码学习的计算思维虚拟化正在动摇算法认知根基，让学习者在AI协同时难以达成较好的数字素养，就像以前信息技术课上学习文字处理技术应用一样弱化数字素养与技能。随着AI技术个性化、通用性的提高，即使不学信息科技课程的其他学科教师或学生，也能轻易用语文能够学会的描述方式构造提示词以生成需要的图文声像和网页等。所以，信息科技课程保留其独特价值很重要。以生成网页为例，学生是否了解其内部结构，是否能评估会不会嵌入了风险代码？标题文字、背景颜色或者相关链接地址的细节修改，为何每次都要全部使用AI修订，不仅工作低效，与课标倡导的“自主可控”的总体国家安全观也是相悖的。
为此，我们需要平衡“语法学习”与“AI协同”的关系，注重转型思维重塑嬗变。中小学生在信息科技课上对代码的认识就像婴儿认字识句一样必要，用AI来生成算法学生毕竟不能理解，因为这是与计算机特点相结合的算法 ，它与生活算法的差异会加剧学生对代码内容与逻辑的困惑。试想，我们现在是非法语地区的儿童，不仅不认识任何汉语、英语，也还不认识任何法语。我们怎样看懂并信赖AI用法语表达的方法呢？人类用语言交流需要对语言本身有一定的认知，不可能完全靠翻译软件实现深度的理解，翻译软件的作用本质也是建立在人大致懂一门语言的基础上的“人机协同”。
AI协同学习算法如果像用翻译机器一样，只能大致了解AI给出的算法产生的并不一定合理的现象，学生至少要简单认识它才能评估生成代码可能的错误，继而向AI提出再优化的需求。至于创新，那更需要知道算法描述的程序代码的基本规范、规则和术语，才能与AI产生协同创新。完全依赖AI的技术黑盒，会因盲信AI协同产生思维钝化。所以，基于AI进行算法学习转型，从“语法教学”转向“计算思维+AI协同”培养，这种在一定程度上的跨学科能力既包括主题知识，也包括编程知识。
对创新人才培养而言，AI协同编程能力需要与提示词构造、系统思维与伦理素养的深度融合，该范式是需要通过加强思维迭代和技能拓展来利用多种多样的算法的，其认知思维需要不断嬗变，防止教条地将AI协同变成是在单纯用无源之水浇灌算法的无根之木。
“由简入繁”构建知识认知、技术理解、应用实践与功能创新的进阶策略
信息科技课程淡化知识体系，本意是为摆脱信息科技知识更新快的局限，适应不断变革的新技术，以寻找更稳定的育人目标培养学生的数字素养与技能。但也易脱离现实产生理想化的倾向，从而形成新的认知风险，同时，因知识薄弱带来课堂学习进程的不断反复，从而产生广度与深度层面的双重认知盲区。在AI协同下的所谓“氛围编程”，是以工程设计为目的工作范式，盲目应用会对认知产生更严重的黑盒效应，制约算法与代码的关联认知。何况“氛围编程”本身存在缺乏顶层设计与算法规划问题，初学者只有在基本代码认知基础之上，将AI生成代码实验算法与生成代码实践解决问题相结合，让生成代码达成功能创新的进阶迭代，才能更宏观地以适当的课时或必要学科融合来不断分层进阶，实现扎实稳定的课程教育价值。
为此，我们总结知识认知、技术理解、应用实践与功能创新等层次的AI协同创新学习，来弥补算法与代码产生的认知裂痕。
1.知识认知层
通过认识计算机语言常识，打好算法与代码关联的认知基础。以常识的标准，对基本的计算机语言进行启蒙教育，夯实认知算法的知识底层基础。可以不再从繁琐的计算机语言代码及语法入门，适度从人与计算机交互的计算语言需求着眼，明确认知算法的底层支撑，“算法描述”是需要计算机语言作为媒介的。人与人交流需要有相互认同的语言，人与计算机交流也需要有一定标准的符号与规则，即Python或JavaScript等计算机语言的基本要素像人类语言一样具有数量、运算与算式、判断与逻辑、重复与复用、目标与事件……计算机语言是描述数量（如字符串、整数，变量、常量）、运算符（+ - * / and or not）与表达式、分支（if/else等）与循环（for、while）、函数（标准函数与自定义函数）与类（属性与方法）、控件与事件（对象鼠标操作等）等构成的基础技术。课堂教学是发展的，要对旧知识扬弃的是传统记忆学习方式，并非必要的知识本身。对“入门”“必备”基本知识快速极简地认知，通过对简明案例的模仿应用、修改实验，或借助AI智能体驱动学习进程，在初步建立起最基础的计算机语言基本认知之后，算法与代码的关联认知将自然发生。
2.技术理解层
应用重点技术实验，理解算法的编程实现的基本方法与技术。以清晰的重点技术实验，观察、理解算法代码的基本结构与功能，揭示常见算法的基本逻辑内涵。码农不是中小学应培养的目标，培养素养也不可能是空中楼阁，胸无点“码”不是信息科技课程的本色。只懂算法不知代码，仅是基于表层的“知其然”；理解算法不会用算法，这又是基于中层的“知其所以然”。作为科技课程，还需有必要的技术达成“使其然”，要从以验证实验洞察重点算法的原理出发，进阶到用探究实验明晰技术应用效果。AI时代的算法学习，可以不必一行行编写程序，可用AI生成程序也需要考虑数据输入、输出的外部接口，思考采用随机函数等让数据抽样分布更合理，或对比用不同排序算法的效率与适应场景。所以，将AI生成程序后，要摆脱只看实验结果的黑盒操作，进阶到结合局部代码深刻理解算法的技术实现方法，将一定功能对应具体代码调整结构或参数，如循环初值、终值与步长的控制与函数参数传递及恰当调用，甚至是类的属性规范数据与方法的封装功能等。从算法向代码的技术进阶，为的是逐步深入理解算法的本质后返回到应用的目标，如递推中的计算迭代可以实现微观推理，递归中的函数迭代能够宏观设计，类中的实例迭代技术又能有利于工程思维的面向对象设计或计算思维的泛化理解。
3.应用实践层
基于问题解决来实践算法，实现技术应用。利用生成式人工智能生成程序来解决问题是一种实践学习策略，这是在技术理解之后的高阶递进。如生成网页HTML代码或Python代码以模拟“智能厨房”的食物识别与推荐，可以通过生成计算机视觉程序用神经网络框架进行检测、学习、分类、预测等完成。针对生活、学习中的具体问题解决，进行AI生成设计算法、生成代码实现算法，即用大语言模型设计AI应用，这是采用人工智能深度学习范式解决问题的实践。实践过程中，因AI受概率原理等影响生成代码具有很强的不确定性，不断调试及迭代升级变得更常见，人对程序的把控能力变得更重要。这就需要在算法的宏观视野下兼具微观代码的可控能力，如程序是否连接网络及上传数据、是否要采集数据与存储数据以及程序是否能够适应多种环境进行安全高效运行等。由此，基于算法与代码实践应用，必将不断实践分解、建模、算法与迭代的计算思维，更会进阶到需求分析、功能设计等工程思维，在AI协同中更明确、更高效地实现代码生成、运行调试、性能评估的数字化素养与技能，这也是一个长期发展的路径。
4.功能创新层
借助AI协同的优势，以功能创新提高算法与编程的创造价值。作为信息科技的前沿技术，AI本是一种模拟、拓展人类智能的思维、行为的新工具。尤其是生成式人工智能，它离不开数据、算法与算力三要素。若基于AI三要素进行技术创新，目前在中小学多数是基于平台等进行数据的模型训练与应用，这在短期内作为普及教育是可行的。随着AI教育的推进，自然也需要在AI协同中创新更多实用型的模型训练与功能应用。由此，将从多数信息科技教学基于“用AI”“知AI”阶段向“创AI”的阶段进阶，尝试创新AI功能。这就需要AI协同生成相关的算法及代码来实现功能创新，如通过对自然语言处理、图文声像等数据深度学习，不论是前期的提取事物特征数据和训练模型，还是模型的应用，如对动、植物分类识别或对天气、车流等现象的动态预测等，单纯依赖平台必须千人一面地学习操作流程，只有进阶到创新生成具有一定创意的AI工具来解决个性化问题，才能摆脱单纯技术应用。由此，融合算法、代码进行AI协同创新，借助AI代码生成实现创新平权，个人生成有趣的AI功能创新项目变得更容易，但要做到更好的功能优化，就要在创意之上再进阶代码评估、修改等技术操作能力，以提高自主可控的创新深度与广度。
结 语
综上所述，在信息科技课程教学中，我们需要正视编程技术并非完全消失，只是需要变身为新的认知形式，以“AI+编程”“AI+设计”“AI+学习”等多样化的策略融合算法与代码才能达成更有层次的计算思维培养；以适当的AI编程学习平台、开源课程等渠道去夯实基本的计算机语言基础知识的认知，采用灵活的技术实验探究算法原理与技术特点，聚焦设计思维与工程思维下问题解决的算法应用实践，才能逐步通向AI协同的应用功能创新，实现科技教育追求的公民素养与创新人才启蒙的双重目标。
在AI协同下，算法与代码关联的编程教育分层进阶课程设计，实质上要构建基于“AI协同发展的教育范式”，由知识、技能、思维及伦理共同架构课程体系，在人机协同中将提示工程、代码校验、系统设计不断演进成可持续学习与自适应创新的数字素养与技能培养新机制，这是信息科技教育未来可持续发展的新方向，也是突破肤浅的技术应用学习，实现“知识认知-实验理解-应用实践-功能创新”螺旋式上升的重要路径，更是培养学生可持续发展且理解并践行人类智慧与机器智能协同的认知能力、实践能力与创新能力，使其成为适应未来智慧社会的公民和国家核心技术战略人才的新愿景。
作者：王爱胜 董雪
单位：山东省青州第一中学
编 辑：王晓波
更多文章请关注杂志官方公众号
