人工智能+教育 | 用3AT教学框架重构算法课堂教学

教育部等五部门印发， 明确提出推动人工智能人才培养与素养提升、促进人工智能与教育深度广泛融合、建强“人工智能+教育”基础环境、优化“人工智能+教育”发展生态等四大重点任务。

基于此，《中国信息技术教育 》 杂志推出“人工智能+教育”专题系列，旨在系统追踪政策落地动态，深度呈现一线创新实践，凝练可复制、可推广的经验范式。

人工智能背景下，用3AT教学框架重构算法课堂教学

——以评价转向后的《数组综合应用》一课为例

胡金锦 浙江省绍兴市柯桥区教师发展中心

随着Open Claw、Trae等智能工具深度介入代码生成与优化，传统的以“程序实现”为核心的算法教学正面临智能时代新的价值审视。近年来算法评价已由“代码实现”转向“算法思维”，本文由此提出“3AT”教学框架，强调回归算法本体（Algorithm），发挥人工智能对算法教学的赋能作用（AI-enhanced），促进学生算法思维（Algorithmic Thinking）的形成与发展，进而提升其从算法视角思考（Thinking）和解决问题的能力。

随着Open Claw、Trae等智能工具深度介入编程领域，代码生成日益便捷，传统的以“程序实现”为中心的算法教学正在遭遇新的价值审视。算法学习评价的重心正由“能否实现代码”转向“是否具备算法理解、思维迁移与重构的能力”，教学实施加快了由“教代码”向“育思维”的转型。

生成式人工智能背景下的算法评价转向

近年来，以浙江选考为代表的算法评价正借助条件轻变、隐性表达与链式设问等方式，不断重塑算法评价方式，重心由“会不会写”转向关注学生基于问题的算法选择、调适与重构的能力。

1.轻变式考查算法的“成立条件与适用前提”趋势

以2025年6月选考第12题为例，试题将二分查找中原本的中值判断条件“if data[m]==K”修改为边界与数值同时比较。这一变式设计使对分查找在中值附近存在局部无序的情况下仍具有一定的有效性。试题重点考查学生能否依据程序运行机制，准确判断数据是否满足“局部扰动未超出算法容忍范围”这一成立条件。

2.通过表象陌生化设计，引导识别算法原型

以2024年1月选考第11题为例，试题引入随机变量，若学生仅停留在逐行模拟层面，需要枚举多种情况非常费时，而若能够把握程序“从两端取字母”的核心运行逻辑，便能更高效地判断结果字符串的可能情况。

3.通过问题链设计，考查算法迭代能力

以2025年6月选考第15题第（2）小题为例，第一问聚焦“如何实现进出记录的正确配对”，引导学生通过排序的方式保证同一人员进出数据相邻；第二问在原有框架上引入“离开后8分钟内返回”的新情境，匹配逻辑由“进—出”转为“出—进”，相应地，判断条件与计算规则也随之调整。

另外，命题通过隐性复杂度与真实情境嵌入等方式，强化优化意识与迁移能力。例如，2025年6月选考第11题通过结果复用避免重复遍历，考查复杂度意识；第15题第（3）小题在数组中连续插入P1、P2的顺序问题，揭示数组元素相对移动带来的位置偏移风险。这类“细微却关键”的问题，正是算法合理性与调适能力的体现，也是AI自动生成代码易忽视的薄弱环节。

评价转向对当前课堂教学的促进与约束

评价方式的持续调整，必然会传导到课堂教学层面，推动教学目标、内容组织与实施方式的变化。

1.“弱代码”趋势动摇程序编写在课堂的中心地位

随着生成式人工智能能够高效生成程序，单纯依赖语法讲解、格式规范和代码操练的教学价值正在逐步减弱。程序书写虽然仍是算法学习的基础，但不能替代学生在问题分解、算法选择与结构调适等方面能力的发展。

2.“能实现但不理解”的问题日益凸显

基于AI的“氛围编程”虽能实现程序功能，却无法解释“为何这样设计”或“在条件改变时为何失效”等问题。这种“结果可得、理解缺位”的学习状态，使学生在面对真实问题时暴露出短板，而这恰恰是当前算法评价的着力区分点。

3.“能做”与“会用”的评价边界被重新定义

面对人工智能对算法教学的冲击，相信类似浙江选考转向真实情境嵌入、试题结构轻变和设问方式调整的做法将在全国各地更多 地发生，这是将考查重心进一步前移到情境理解、问题分解以及算法选择与调适能力上。因为，当关键得分点不再集中于代码本身时，算法教学也必将回归本源。

构建“理解取向”的3AT算法教学

基于算法教学现状，本文提出“3AT（AI-enhanced Algorithmic Thinking）”教学框架，该框架是以“算法理解优先”的教学立场，吸收建构主义、认知负荷理论与“最近发展区”等相关研究进行的探索。

1.A1（Algorithm）：回归算法本体

聚焦学生对算法原型的识别能力、对成立前提的判断能力以及对关键步骤的解释能力，推动算法学习由“记住写法”转向“理解逻辑”，由“照着实现”转向“合理迁移”。以插入排序为例，教学的关键在于理解其通过迭代不断缩小无序区间，最终实现全局有序的过程。学生若能关注“区间”的演化机制，学习重心则由语句执行层面上移至算法思想层面，从而把握基本排序算法的共通逻辑。

2.A2（AI-enhanced）：AI赋能算法教学

聚焦AI生成测试数据、补充代码注释、可视化执行过程以及提供多元算法路径等功能，引导学生深入理解算法。例如，递归算法，教师可借助AI生成演示工具，动态展开递归调用过程，并同步生成等价的循环代码进行对照演示，引导学生理解递归的运行机制。

3.A3（Algorithmic Thinking）：形成算法思维

聚焦学生在情境中能主动进行问题分解、关键变量抽象、数据结构设计，并对算法进行合理的选择与调适。以二进制转换为例，课堂上教师呈现二进制编码在权限状态表示、黑白图像压缩和“七选三”选课组合编码等不同情境中的应用，引导学生理解二进制编码的实际价值与迁移意义。由此，算法学习的目标就由“会写一个程序”提升为“会解决一类问题”。

课堂实践

《数组综合应用》一课是以“多项式相加”为核心情境，引导学生经历“问题抽象、算法选择、效率权衡、重构优化”的逻辑链条。这是3AT框架在教学中的一次实践探索，重在借助AI促进算法理解、方案比较与迁移重构。

1.从现象抽象到问题核心,回到算法本体

本课教学以游戏《黑神话·悟空》中震撼的火焰粒子特效作为情境锚点，先引导学生观察粒子随时间变化的轨迹特征，并追问：这些动态变化的粒子轨迹在程序中如何被“计算”出来？在此基础上，启发学生思考：如何表达与存储数学函数？如何利用数组存储多项式的系数与指数？如何设计运算算法实现同类项合并流程？通过真实情境的引导，让算法学习从“如何写代码”转向“如何用数据结构建立模型并解决实际问题”，实现对算法本体的回归。

2.用AI赋能算法教学而非替代判断

在学生形成初步算法思路后，引入AI生成的简易火焰粒子模拟程序，让学生直观感受“多项式如何驱动炫酷火焰效果”。

在算法设计与实现阶段，AI作为智能学伴介入代码实现过程，在“指数大小比较”“指数相等时系数合并”“销项”等关键决策点给予提示，同时提供在线评测，辅助检验程序的健全性。教师通过在线“课堂驾驶舱”看板，巡查学生的学习状况。

3.以条件变化，引发算法迁移与重构

第一，挑战升级。当多项式指数由有序转为无序时，学生常受已有经验影响，习惯沿用原二维数据结构，先借助预排序将指数重新转化为有序状态，再套用原有算法处理，其效率为O(n²)或O(nlogn)。

第二，规模引爆。教师抛出极端情境：“若火焰粒子增加到10万个，会怎么样？”通过粒子动画模拟，大屏幕上出现了卡顿现象。这种性能“撞墙”的真实感，迫使学生继续探求算法性能优化。

第三，范式转换。在与DeepSeek的互动中，学生形成了基于一维数组的向量化优化方案，其借助“桶”的思想实现指数项的快速配对，将指数匹配效率提升至O(n)。在与大模型的持续对话中，学生进一步认识到：当数据高度稀疏时，如机械故障、自然灾害等低频偶发数据，向量化方案虽具时间优势，但可能带来额外的空间开销。学生由此逐渐理解算法选择并无绝对优劣，关键在于能否依据数据特征与具体情境作出合理匹配。

4.过程性成效与反思

在3AT框架支持下，学生的算法调适与重构能力得到进一步发展。课堂数据显示，超过85%的学生能够借助AI辅助完成由O(n2)到O(n)的方案优化，并能够较为清晰地说明“空间换时间”的基本逻辑。同时，部分学生已能结合具体数据特征，对不同方案进行比较、取舍与调整，初步形成面向真实问题的算法重构意识。

总之，未来的算法课堂，不应止步于“写出程序”，而应走向“思维培育”。同时，也需正视AI使用边界，警惕学生形成“复制—粘贴—提交”的路径依赖，防范AI输出中的事实性错误和“看似高级却偏离课标”的方案。只有将AI纳入可控的教学过程，才能持续发展学生可迁移、可生长的算法思维。

本文作者：

胡金锦

浙江省绍兴市柯桥区教师发展中心

文章刊登于《中国信息技术教育》

2026年第09期

引用请注明参考文献：

胡金锦.人工智能背景下，用3AT教学框架重构算法课堂教学——以评价转向后的《数组综合应用》一课为例[J].中国信息技术教育,2026(09):24-26.

欢迎订阅

识别上方二维码订阅纸质版或电子版杂志