国际专家共识：K-12教育AI素养应涵盖2方面

kingfirefly

2026年4月1日，瑞典林雪平大学（Linköping University）行为科学与学习系Jonas Hallström等人在国际顶刊Interactive Learning Environments (ILE)上发表《K–12教育中的AI素养：一项国际德尔菲研究》（AI literacy for K–12 education: an international Delphi study）论文。该论文针对当前K-12阶段AI素养没有统一定义且已有框架偏重技术且课堂适配性差等问题，使用德尔菲法，综合了来自不同领域、跨学科及国际专家的观点，确立了K-12教育阶段AI素养关键核心要素。该论文主要内容概述如下：
一、研究背景
该论文指出，AI目前正在重塑全球K-12教育。这种转变部分是由政府机构的政治因素驱动，部分是由教育科技公司的行业因素驱动。然而，在课堂上，这种转变往往以教师和学生之间松散的结构有时甚至是偶然的方式反映出来。
此外，在AI主导的世界中需要何种类型的知识，目前尚存不确定，这就产生了定义新型能力的需求，这与K-12教育特别相关。然而，此类能力（通常被称为AI素养）尚未得到明确定义或完全理解，而现有的AI素养框架往往缺乏理论化，主要关注技术技能。此外，鲜有AI素养框架足够具体以适用于真实的课堂教学环境。
AI素养应是指日常用户的技能，而不是AI专业人员的技能。这些用户通常没有经过正规的AI专业培训，他们与AI技术进行交互而非从事AI技术的开发与创造工作。尽管已有多个框架试图对AI素养进行进一步的定义或操作化，但要回答“非专业人士究竟需要了解AI的哪些方面”这一问题却十分复杂，因为其答案在很大程度上取决于具体的应用情境。
此外，AI领域的快速发展也提出了新的研究与教育改革议题，包括算法偏见与公平性、数据来源、所有权与权益相关挑战、网络安全问题、能源消耗，以及提升教育体系适配性的政策制定等。
因此，尽管学校AI素养的本质已有大量研究，仍然需要为K-12教育中AI素养的具体概念组成部分构建和定义共同基础，特别是使这些组成部分在课堂层面上易于管理。教育中的一种常见方法是询问专家的观点，以此就特别困难或不明确的话题达成共识。
因此，这项德尔菲研究的目的是通过综合不同、跨学科和国际专家利益相关者的观点，就K-12教育中AI素养的核心组成部分达成共识。通过在线调查，国际专家小组分享了他们对K-12教育中AI素养关键组成部分的看法，特别是在理解和批判性评估AI在日常生活中的作用、在日常生活中认识和使用AI以及描述和开发针对现实世界问题的AI解决方案方面。
通过采用德尔菲法，该研究旨在解决以下研究问题：
研究问题1：国际专家小组就如何构建K-12教育中的AI素养达成了怎样的共识？
研究问题2：专家小组认为哪些能力对K-12学生最为关键，这些能力应在哪些科目和哪个学段进行教学？
二、研究过程
该研究采用经典德尔菲法，通过三轮匿名的在线专家调研，科学界定K-12阶段AI素养的核心构成。研究团队组建了一个多元跨学科的国际专家小组，成员来自北欧、欧洲其他地区及世界其他区域，涵盖AI（教育）研究学者、教育专家（如K-12教师、课程开发人员和政策制定者）及教育科技行业代表。初始共邀请73人，最终40人接受邀请，三轮有效样本量分别为33人、27人和25人，专家背景、地域与性别分布均衡，保证了研究的代表性与可靠性。
第一轮调研以三道开放式问题收集专家观点，经归纳内容分析提炼出23个AI素养核心主题。第二轮将这些主题转化为李克特五点量表陈述，由专家评分；依据“60%及以上专家评分≥4（同意或非常同意）且标准差小于1.00”的标准，筛选出14项达成初步共识的陈述。第三轮对14项陈述再次评分，并增设“两轮间均值变动不超过±0.2”的稳定性要求，最终确定8项符合严格共识标准的核心内容。整个过程严格遵循德尔菲法的匿名性、多轮迭代与统计分析规范，并全程保障数据匿名与伦理合规。
三、研究发现
经过三轮德尔菲研究，专家小组最终就八项关于K-12教育中AI素养的陈述达成了共识，这些陈述可归纳为两大主题：基础性AI知识和批判性视角。
在基础性AI知识方面，专家一致认为：
1.学生需要掌握AI和数据的基础知识以理解AI在社会中的角色；
2.要负责任地使用AI，学生需要具备基础的AI知识；
3.基础AI知识可以从小（K-6年级）开始教授。
在批判性视角方面，专家达成共识的陈述包括：
4.学生需要从伦理和批判性视角来评估AI在日常生活中的作用；
5.要负责任地使用AI，学生需要学习批判性思维；
6.为了理解和批判性评估AI在日常生活中的作用，学生需要了解AI系统的局限性（例如由于偏见所致）；
7.学生需要认识到，对AI解决方案的批判性评估需要设计的可问责性；
8.批判性思维是学生检验偏见、扭曲的数据和深度伪造所需的最重要技能。
值得注意的是，伦理和社会性考量贯穿于两大主题之中，且专家认为技术性理解是学生对AI持批判性和伦理态度的先决条件。然而，专家小组未能就AI素养的学科归属和具体学段（除K-6可引入基础知识外）达成共识，这可能与专家中仅有约25%具有K-12教学经验有关。
该论文最后指出，基础性AI知识与批判性视角这两大主要类别，可被视为相辅相成的。长期以来，批判性思维一直被视为一项重要的能力；随着AI的飞速发展，其重要性如今愈发凸显。尽管人们对于培养批判性思维的必要性已达成共识，但关于如何以最佳方式进行学习与支持，目前尚缺乏明确的定论。
正如研究所指出的，批判性思维的养成离不开充足的学科内容知识；换言之，若对某事物一无所知，便难以对其进行富有实质意义的批判性审视。该论文所划分的这两大类别，恰恰体现了这种相互依存的关系：内容知识构成了必要的基础，而批判性视角正是在这一基础之上得以构建的。
然而，当前面临的一个挑战是：在许多国家，计算知识往往未受到应有的重视。例如，在北欧国家，计算并未作为一门独立的学科被纳入K–12教育课程体系之中；相反，与计算相关的知识要素往往被整合进其他学科（如技术课或数学课），或是融入跨学科的主题（如“数字能力”）之中。由于这些跨学科主题被视为所有教师的共同职责，其教学落实情况往往极易陷入“无人负责”的尴尬境地——这在很大程度上取决于教师个人的兴趣、学校的优先发展重点以及可支配的时间资源等因素。
这种职责分散的结构，极有可能导致学生在获取AI相关知识方面出现不平等的现象；进而，这也将削弱学生运用批判性视角审视AI的能力。这一现状引发了关于教育公平的重要关切，并凸显了制定明确的课程指导方针与构建完善的支持体系的迫切需求。此类指导方针与支持体系应当同时对学校课程规划及教师教育课程设计产生指引作用。例如，通过明确界定哪些属于“基础性AI知识”与“批判性视角”的核心要素，并确保无论课程如何进行学科划分与编排，这些核心要素都能得到切实有效的传授。




资料来源：
Hallström, J., Mannila, L., Nordlöf, C., Heintz, F., Sperling, K., & Stenliden, L. (2026). AI literacy for K–12 education: an international Delphi study. Interactive Learning Environments, 1–18. https://doi.org/10.1080/10494820.2026.2649553