“人工智能+教育”佛山探索 | 小学人工智能通识教育六维机理探究模型的构建与实践

人工智能赋能基础教育

高质量发展的佛山探索

面对人工智能技术在教育领域的不断深化，广东省佛山市以教育部等五部门印发的《“人工智能+教育”行动计划》为导向，以《佛山市人工智能赋能基础教育高质量发展行动方案（2025—2027年）》为抓手，积极探索区域层面系统推进人工智能教育的体制机制，全力推进“人工智能赋能教育、人工智能通识教育”双轮高速高质量发展。

在系统推进人工智能与教育教学深度融合的过程中，佛山坚持顶层设计与基层探索相结合、技术支撑与教学应用相协调、教师素养提升与课程体系构建并进，形成了“区域统筹、专家引领、学校实践、教研支撑”的协同育人格局。

滑动查看更多图片

“人工智能+教育”佛山探索

岑健林

01

何蕴毅

02

何敏峰 张英华

03

王涛 李伟斌

04

赖建强

小学人工智能通识教育六维机理探究模型的构建与实践

05

王慧芳

人工智能赋能学科教学的实践探究——以初中道德与法治学科教学为例

06

李瑞冰

生成式人工智能赋能小学英语跨学科主题学习的模型构建与实践

07

徐爱仪等

小学人工智能教育生态共创的三维实践

小学人工智能通识教育

六维机理探究模型的构建与实践

针对当前小学人工智能教学中“黑箱化调用”导致的技术去魅不彻底、重应用轻原理、重代码轻思维的现实痛点，本研究依托经典人工智能学术体系，构建了包含“知识表示、逻辑推理、策略搜索、算法设计、编码验证、应用迁移”的六维机理探究模型，并以《我的上学“最优解”》一课为例，探讨如何将复杂底层算法进行教学降维，以有效打破技术黑箱。

引言

2025年，教育部出台《中小学人工智能通识教育指南（2025年版）》，这标志着我国人工智能（AI）教育从“兴趣选修”迈入“通识普及”新阶段。同时，《广东省中小学学生人工智能素养框架（试行）》明确提出培育“人智观念、技术实现、智能思维、伦理责任”四项素养。政策导向表明，中小学人工智能通识教育的教学重心亟待从机械的软件操作训练，转向核心素养的深度培育。

但当前的小学人工智能课堂中仍存在“重应用体验、轻原理支撑”的失衡现象，具体表现为：①唯体验论引发认知浅层化。②唯代码论导致思维技工化。③唯器材论引发资源掣肘。

针对上述困境，笔者探索了一条低成本、普惠性的教学路径，通过引入不插电物理教具破解“高成本壁垒”，使高质量AI通识教育在区域内均衡普及成为可能。

六维机理探究模型的建构与架构翻转

破解上述困境的核心在于，引导学生透视智能系统的底层运作逻辑。本研究溯源相关经典理论，将深奥的算法机理进行教学降维，建构了“六维机理探究模型”。

1.六维机理探究模型的维度

人工智能的本质是对人类智能行为的模拟，其宏观上依赖知识表达、逻辑推理与策略搜索。据此，本模型将AI系统解构为六个递进维度：①知识表示，即隐性生活经验的显性化与格式化转译。②逻辑推理，即基于前置规则库的动态因果决策。③策略搜索，即复杂约束条件下的目标空间寻优。④算法设计，即抽象计算思维的具象化指令解构。⑤编码验证，即逻辑推演结果的数字化技术检验。⑥应用迁移，即真实社会情境下的技术重构与伦理审视。

2.建构“一体两翼”的正金字塔架构

岑健林提到，人工智能课程需要按照“知识、技术、应用”的推进路线一步步深入。面对过去“头重脚轻”的不健康课堂状态，本研究将教学结构进行倒置，确立以“六维探究”为核心的正金字塔模型（如下图）。在该模型中，左翼“理·技·用”凸显计算机科学的严谨性，右翼“知·行·创”契合皮亚杰认知发展规律。此外，为契合大模型“数据驱动与持续迭代”的本质，在顶层应用与底层知识间增设“双向迭代闭环”，即左侧通过“边缘案例反馈”驱动规则重构，右侧通过“伦理场景反馈”驱动数据迭代。

六维机理探究模型结构

人工智能通识教育创新路径实践

为验证六维模型实践效能，笔者所在课题组挑选了具有严密因果推演特征的图论寻优领域，开发了《我的上学“最优解”》课例，通过课例引导学生从零起点解构、重组，经历算法产生的全过程（如下表）。

《我的上学“最优解”》教学环节与设计映射

1.机理探究

上课伊始，笔者将学校周边的真实航拍图展示到屏幕上，并提问：“当下大雨时，学校后门那条路就会全是泥水没法走。但这时候如果打开导航，很可能还是会指引你走这条距离最短的泥路。大家想想，机器脑子里到底缺了什么？”这个问题非常贴近学生的上学日常，学生通过讨论得出：机器虽然算得快，但缺乏人类的生活常识，需要人们主动去“教”它。

（1）知识表示：借助“规则卡”教机器学常识

为了帮助学生建立认知基础，本节课设计了“AI路况规则提取卡”，要求学生将头脑中不太明确的日常经验，做一次强制的格式化转换。为了展现真实世界约束条件的复杂性，要求不同小组提取不同维度的规则。例如，A组负责气象与地质约束：“要是下大雨，后门土路积水肯定没法走。”将其转译为：IF [天气=暴雨] AND [路段类型=低洼土路] THEN [通行阻力=无穷大]。B组负责探讨人文关怀与特殊群体约束：“如果是坐轮椅出行，绝对不能走有台阶的路。”将其转译为：IF [用户特征=乘坐轮椅] AND [路段特征=存在台阶] THEN [通行阻力=无穷大]。

此环节借助卡片，让小学生亲历了将非结构化经验转变成“产生式规则”的过程，落实了“问题模型化”这一教学主线。

（2）逻辑推理：引入“盲盒”体验底层思考的魅力

在知识库（一堆卡片）建立完成后，机器要怎样去调用它们？本课设计了“我是推理引擎”具身互动游戏，将单一的天气盲盒升级为“多维态势盲盒”。请学生连续抽取并大声念出模拟传感器传回的突发事实，要求其他学生针对突发事实进行推理，最终得出结论。

这种角色互动让学生们明白：人工智能之所以看起来有智慧，是因为其背后的“知识库加推理引擎”在认真工作。

2.策略搜索

本课借鉴“不插电计算”理念，设计了带有网格和结点连线的实体桌面寻优活动。学生用彩色毛线在图钉之间缠绕出一条“时间+安全”综合最优路线。最初，大部分学生想挑物理连线最短的直线土路，但在毛线拉到一半时发现，该路段有台阶（轮椅无法通行），此时盲盒又追加了“突发39度极端高温”的微气候舒适度约束(优先推荐有树荫道路)。这样，就必须严格遵循规则进行“剪枝”——主动放弃眼前的近路，避开拥堵主干道和无遮挡的暴晒区域，寻找一条虽然稍远一点但有浓密林荫且无障碍的侧门支路。

此环节学生没有敲代码，却能够体会到在复杂约束条件下“启发式搜索”与“动态权重规避”两个核心机理。

3.技术实现

有了机理探究作为基础，学生已初步形成算法逻辑。此环节先让学生在纸上画出包含“获取事实—调用规则更新权重—执行路线搜索”的简易闭环流程，将计算思维具体化为工程蓝图。接着进行编码验证，编程在这里仅作为检验思维的工具，学生对教师提供的验证代码，进行补充、调整参数并验证。

4.认知跨越与应用迁移

在拓展环节，笔者抛出现实难题：“刚才只写了几张规则卡就已经手忙脚乱了。如果要把全国上千万条路况都告诉机器，靠人工一条条去写IF-THEN规则，写得完吗？”在学生明确不可能完成后，顺势解释“机器学习”的由来，使其理解人工智能从“人工定规则”到“靠数据驱动”的技术演进。

在课堂结束后，笔者设置了“伦理辩论角”，引导学生反思：若出行数据均采自健全人，模型是否会产生“算法歧视”？此环节有效落实了“人类在环（Human-in-the-loop）”的育人底线。课后布置的“基于校园监控的智能巡检路线设计”任务，构建了从技术解构到数字公民责任培养的远迁移闭环。

实践成效与多维数据分析

本研究抽取笔者所在学校的市区本部及帮扶学校共186名学生为样本，开展为期一年的重构实践。采用表现性评价量规，对机理把握、算法严谨度与伦理反思深度进行了成效分析：①智能思维的显著跃升。后测数据显示，实验班在“区分规则驱动与数据驱动边界”概念题目上的正确率提升至87.5%（对照班42.1%，P＜0.01）。在面对未知迁移任务时，超七成实验班小组能主动运用“六维模型”逆向拆解问题，证明该模型已内化为学生的认知图式。②学生看技术的眼光发生了改变，对技术的认知从盲目崇拜上升到学会警惕。

结语

未来的社会注定是人机共生的。学生只有看透了技术的底牌，才能坚守“人类在环”伦理底线，并将技术的发展方向牢牢握在自己手中。

本文作者：

赖建强

广东省佛山市顺德区龙江城区中心小学

文章刊登于《中国信息技术教育》

2026年第16期

引用请注明参考文献：

赖建强.小学人工智能通识教育六维机理探究模型的构建与实践[J].中国信息技术教育,2026(16):18-20

陆续推送 敬请期待 ...

欢迎订阅

识别上方二维码订阅纸质版或电子版杂志