小学和中学教育AI素养框架：4大维度，22种能力

　　多知7月1日消息，经合组织(OECD)和欧盟委员会(European Commission)联合研制的《赋能学习者迎接AI时代：小学和中学教育AI素养框架》(AILit Framework)》(Empowering learners for the age of AI: An AI literacy framework for primary and secondary education)草案在今年5月正式发布。该框架从与AI互动、用AI创作、驾驭AI和设计AI 四个维度，为中小学教育工作者提供了学习者AI素养框架。

　　四个维度包括：

       与AI互动，要求学习者不仅要理解AI的基本工作原理，还要学会批判性地思考AI所提供的信息，理解人与AI的共生关系。

　　用AI创作，是指学习者与AI合作进行创意表达或创造性问题解决。

　　驾驭AI，是指学习者有意识地选择如何让AI支持和增强人类工作。

　　设计AI，是指学习者通过实践探索AI系统的工作原理，并尝试设计简单的AI模型或解决方案。

　　该框架将上述四大领域具体化为具体的能力，共22种，每个能力代表一个学习期望，是知识、技能和态度的结合。

　　与AI互动需要七大能力：

　　一是能使用AI的不同场景;

　　学习者识别日常工具和系统中的AI，理解AI的内容推荐和自适应学习机制。

　　二是能批判性审视AI输出的结果;

　　学习者会批判性地评估AI生成内容的准确性和公正性，认识到AI可能会生成错误信息或有偏见的输出。

　　三是探讨预测性AI系统如何提供可以告知和限制视角的建议

　　学习者探讨AI如何使用数据模式提供建议(例如，观看、购买或阅读的内容)，并考虑这些建议如何支持学习或决策，以及如何强化狭隘观点或偏见。

　　四是能够阐明AI系统可能放大社会偏见的机制

　　学习者调查AI系统(如面部识别或招聘算法)如何反映人类决策和数据，并识别数据或设计中的偏见如何导致不同群体的不公平结果。

　　五是能理解AI系统对能源和自然资源的消耗

　　学习者探讨AI的环境影响，包括其能源和数据基础设施，并考虑负责任的设计和使用如何支持可持续性。

　　六是分析使用AI系统是否符合伦理原则和人类价值观

　　当AI被用于公共空间监控或内容创作时，隐私保护、知识产权等伦理问题凸显，学习者要能反思这种技术的使用是否恰当、有益或可能带来的危害。

　　七是要理解AI的技术能力和使用限度

　　学习者探讨AI的优缺点如何影响其在社会中的应用。

　　用AI创作需要的五大能力如下：

　　一是利用AI系统探索新的视角和方法，以扩展原始想法

　　学习者利用AI实验，以拓展思维，生成新想法或考虑不同的观点。他们对最终内容负责，同时让AI支持他们的创造过程。

　　二是跨模态可视化，让AI在协作中重构表达

　　学习者尝试不同格式(文本、图像、音乐等)下的AI工具，输出有意义的产品或解决方案。

　　三是与生成式AI协作，获取反馈、优化结果并反思思维过程

　　学习者通过优化提示词和改进人工智能输出结果，与人工智能进行迭代协作，并反思这种互动如何塑造了他们的思维和表达。

　　四是守护伦理边界，对AI生成内容的真实性和知识产权进行分析。

　　学习者探讨AI生成的内容如何借鉴或复制现有作品，并考虑这种使用是否公平、原创或需要归属。

　　五是用精确的语言描述AI的工作原理。

　　学习者用现实、准确的术语描述AI如何运作，避免使用暗示AI具有人类情感或理解的语言。

　　驾驭AI需要的五大能力包括：

　　第一，根据任务性质决定是否使用AI系统

　　学习者要根据任务性质决定是否使用AI，这需要综合考虑任务的复杂性、技术特性与人类不可替代能力以及可能带来的伦理影响。

　　第二，机协同，构建优势互补的协作链条

　　学习者将复杂任务分解，并决定哪些部分可以由AI处理，哪些部分需要人类参与。实现技术与人文的结合。

　　第三，精准引导，用清晰指令规范AI行为

　　学习者通过给出明确、结构化的输入来练习提示工程，以引导满足期望和目标的输出。

　　第四，将任务委托给AI系统，以适当地自动化或增强人类工作流程

　　学习者识别机会将重复或结构化任务交给AI，使人们专注于创造力、伦理或决策制定。

　　第五，是伦理规制，建立人机协作的价值准则。

　　学习者需要参考地方、国家相关要求，明确在学术或社会环境中使用AI的准则和规则。

　　设计AI需要五大能力：

　　一是让AI成为社会真实议题的方案共建者。

　　学习者应探索如何通过设计AI模型来解决社区问题和现实世界中的其他问题，并能够评估潜在的益处、风险和局限性。

　　二是比较基于人类创建的算法和基于数据进行预测的AI系统的能力与局限性。

　　学习者通过比较遵循固定规则(或人工编程逻辑)的系统与机器学习模型，来了解机器学习的价值，并确定每种方法在何时最有用或最合适。

　　三是收集和整理可用于训练AI模型的数据，考虑相关性、代表性及其潜在影响

　　学习者发现如何标记、选择和准备数据以训练AI模型。他们了解数据质量和代表性如何影响模型的性能及其对人的潜在影响。

　　四是使用定义的标准、预期结果和用户反馈评估AI系统

　　学习者设定成功AI系统的标准，通过各种输入测试它，并评估其性能以进行改进。他们使用一个由多样化用户的反馈塑造的迭代过程。

　　五是描述AI模型的目的、预期用户及其局限性

　　学习者描述AI模型的目的、用于训练的数据以及它擅长或不擅长做什么。他们帮助他人对模型的能力和局限性形成现实的认知。

　　该框架将为经合组织PISA 2029媒体与AI素养评估奠定基础，并支持欧盟促进高质量和包容性数字教育和技能的目标，正式框架计划在2026年发布。

　　（ 原文链接：https://ailiteracyframework.org/wp-content/uploads/2025/05/AILitFramework_ReviewDraft.pdf ）