人工智能+教育 | 人工智能视阈下培养计算思维的“算法代码协同”策略探索

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。

人工智能视阈下培养计算思维的 “算法代码协同”策略探索

——结合“3AT框架”深度观察算法教学变革

孙波 山东省教育科学研究院

王爱胜 山东省青州第一中学

本文基于对一文的深入探讨，进一步分析了“识别算法原型”“算法迭代能力”以及“强化优化意识与迁移能力”等维度评价的意义，思辨由“3AT”教学框架来实现回归算法本体、人工智能赋能算法教学和形成算法思维所带来的以计算思维为学科核心素养的高中信息科技的变革，尤其是基于《普通高中信息科技课程标准日常修订版（2017年版2025年修订）》给一线教学带来的机遇与问题进行深入探讨，并提出要打破模块化内容，形成“逻辑主线”学习所需要的“算法代码协同”策略。

《普通高中信息科技课程标准日常修订版（2017年版2025年修订）》（以下简称“新课标”）将课程名称由“信息技术”变为“信息科技”，针对此变革，笔者以研讨胡金锦老师的文章《人工智能背景下，用3AT教学框架重构算法课堂教学》为契机，结合文中对浙江高考中算法评价内容、方式的思考，及对3AT课堂教学模式转型的深入研究，归纳了“算法代码协同”策略，对算法的认知、验证、设计与代码的体验、应用与创意做深入探索与价值思辨，力求在人工智能（AI）视阈下更好地培养学生的计算思维。

高中信息科技课程教学面临的新突破与新问题

新课标的变革，主要集中在以下方面：在课程目标上，由信息素养向“数字素养与技能”转型；在课程内容上，由大概念向“逻辑主线”进阶；在学业质量水平上，由四级水平向三级水平聚焦。其中，基于数据、算法、算力的人工智能逻辑主线与各模块、各年级深度融合。必修1“数据与计算”，以三条主线详细概述应用生成式人工智能验证算法，应用生成式人工智能学习与协同创新，通过剖析人工智能典型案例理解数据、算法、算力的作用等。在必修2“信息系统与社会”中，“信息系统要素”“智能信息系统”“信息安全与信息社会责任”三大内容，都涉及人工智能对人机交互带来的影响、生成式人工智能为信息系统带来的创新应用等。在选择性必修与选修中，模块4“人工智能初步”单独设置人工智能内容，其他模块也多处指出需要应用人工智能学习与协同创新，提倡学生要善于合理地运用人工智能学习与创新。当前，由于受人工智能高速发展与社会舆论影响，不少一线教师对算法学习中的代码产生困惑，对逻辑主线“算法”与“人工智能”在课程知识体系构建、应用操作实践与学业质量评价等方面存在实践层面的策略需求。

“程序实现”转向“算法思维”带来的思维变革

首先，笔者认同胡金锦老师文中提到的在生成式人工智能工具深度介入编程领域后，传统的“程序实现”教学内容、方法和评价正在发展变化。浙江高考的算法试题难度大，其评价重心正大幅度地转向“算法思维”，以促进学生算法理解与思维发展。这在其他省份的学业水平考试中也正在发生，如试题的情境设计更具真实感，在回答试题过程中更注重问题解决的思维过程，在试题的考点上也更侧重计算思维中的“建模”“算法”“迭代”等思维考查锚点，以开放性、多样化为特征的重思维过程、轻知识背诵的评价方式正在形成。

诚如胡老师提到的生成式人工智能背景下的算法评价有转向轻变式考查算法的趋势，需要通过问题链设计，促进“算法迭代能力”培养。不论是学算法，还是用AI生成代码验证算法，单纯的讲解与尝试往往不太可能让学生深入理解，实践更难一蹴而就，这其实就是迭代的本质。用AI生成的内容无法被学习者快速掌握、理解或应用，何况这些内容会受训练大语言模型的“语料”影响，新旧、正误、边界等干扰因素造成的幻觉还需要评估与甄别。因此，为强化算法的优化意识与迁移能力，教师需要对隐性复杂度与真实情境嵌入等方式设计教学或评价问题，同时，对生成代码要预估缺陷，并要求大模型同时检查或回避错误，以让“算法验证”与“代码生成”得到不同场景的协同。

在智能时代，就如“识字”是文化认知、“用字”是表达能力一样，“识码”是算法认知，“用码”可AI协同表达，“算法代码协同”更有利于计算思维培养。例如，用AI可高效生成一个“五子棋”的游戏代码并做成软件，甚至对于画面、动态、音效等功能，利用AI也极易实现。可是，在课程学习中，学生只是在软件上下棋不知其所以然可行吗？作为一门学科，要让学生知道棋盘、棋的图形绘制方法，认识到通过更换棋盘尺寸、棋子颜色等参数可以提高设计审美，可用AI继续优化，让参数开放可调，进而形成不同的运行模式等。另外，要有深入的认知，如计算机如何判断当前情况来落子、坐标矩阵数据结构和循环遍历的数据搜索及各方向的落子计算等。不一窥代码，就不理解具体算法对数据的存储、计算、输出等的过程与作用，更不理解游戏底层的博弈算法真面目，因此，数据、算法只局限在游戏中，与在地上、纸上画棋盘，用石子下棋并无不同。所以，要关注随着能用技术实现但不理解原理的问题的日益凸显，能“用AI”做事与“会用AI”解决问题的评价边界正在被重新定义。

构建“理解取向”的算法与代码协同策略的学习范式

胡金锦老师提出3AT教学框架并以《数组综合应用》一课为例进行分析。其中，以游戏《黑神话·悟空》中的火焰粒子特效为情境锚点，引导学生观察粒子轨迹特征并思考其程序计算方式，启发学生利用数组存储多项式系数与指数，设计运算算法实现同类项合并流程，使算法学习从“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”。在此过程中不断用AI赋能算法教学，而非替代判断，并以条件变化引发算法迁移与重构，进行过程性成效评估与反思，同时认识基于AI的算法教学的边界、风险等。理解是高阶思维层级的学习目标要求，实现理解的过程正是计算思维从低阶认知起始不断提高的过程，从本质上讲这正是在AI视阈下的计算思维培养。所以，有必要探索如何充分发挥生成式人工智能的作用，让学生的算法认知、验证、设计与代码体验、应用、创意协同的策略。

1.认知层级的算法与代码体验协同

在基础算法学习中，需要认识不同算法的结构功能、技术特点。一是通过AI生成可视化Python代码或网页的代码体验，二是AI生成绘画、游戏的程序功能体验，都适用于学生验证算法。例如，在学习递归算法时，用AI生成Python代码实现动画演示递归树，通过观察递归树从干到枝、叶，再递归到更多的枝与叶，得出算法规律。可对照程序中的递归函数认知算法本质：用参数迭代的自调用模式。为继续深入认知算法的特征，适当修改递归代码中的参数以深度体验代码的功能，实现不同大小的树冠绘制。由此，推广到科赫雪花等美丽的分形图，拓宽递归算法认知视野。

2.验证层级的算法与代码应用协同

必须让算法实现功能、形成应用，其验证才更有真实感与说服力。例如，卷积计算是卷积神经网络的特征提取算法。若只通过数学计算或动画观察卷积核矩阵K如何像“滑块”一样在图像像素矩阵M上滑动，逐一对应相乘、求和，这只是认知，并不能理解算法的真正功能。体验卷积核的应用效果对算法真实验证很重要，如边缘提取、浮雕效果等卷积核，算法验证与代码应用协同使得算法让人可见、可信（如图1）。

图1 算法验证与代码应用协同，用AI生成卷积核处理图像应用

3.设计层的算法与代码创意协同

要用AI生成代码达到新课标中的协同创新，如AI生成智能信息系统，可基于神经网络深度学习大数据训练模型实现智能分类与预测。笔者用AI设计算法，生成了基于MobileNet轻量化神经网络架构的局域网用户通用模型训练的智能信息系统，打造出深度学习实验室。该系统功能包括网络爬取图片构建数据集、用卷积算法提取图片特征、用特征数据训练模型、对实物图片进行分类识别以及对特征数据、模型数据的下载与保存等（如图2）。AI将算法设计与代码生成协同起来，形成了算法、代码、人工智能密切融合的学习策略，结合不同智能识别与预测需求实现了跨学科的项目创新。

图2 算法设计与代码创新协同，用AI生成智能信息系统

总之，借助AI生成代码能让学习过程与创意生成变得更易实现，但这并不代表不需要学习代码、不必要了解编程。海量资源如何为我所用，如何实现个性化的独特创意，对算法的认知、验证与设计都离不开代码体验、应用与创意的协同策略，更离不开根据Html、Python语言用AI生成程序所需要的问题分解、抽象建模、代码生成调试、迭代优化及模型功能泛化等可用、可见、可信的计算思维培养。

本文作者：

孙波 山东省教育科学研究院

王爱胜 山东省青州第一中学

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：

孙波，王爱胜.人工智能视阈下培养计算思维的 “算法代码协同”策略探索——结合“3AT框架”深度观察算法教学变革[J].中国信息技术教育,2026(09):27-29.

欢迎订阅

识别上方二维码订阅纸质版或电子版杂志