2026年
“十五五”开局之年
在此起点，谋篇布局
开启中国式教育数字化的新征程
展望2026系列推送
2026年，AI融于信息科技课程之路径
李维明
四川省教育科学研究院
近两年，人们对关于AI课程与信息科技课程在中小学怎么开设的问题一直争论不休。而撇开那些争论从AI技术的三要素（数据、算法、算力）基础与信息科技课程的逻辑主线来看，以下几个关键词反映出的二者的追求却是一致的。
关键词1：数字素养提升。
AI的核心燃料是数据，信息科技课程需培养学生从数据采集（如传感器、网络爬取）、清洗（去重、纠错）到分析（统计、可视化）的全流程能力，同时渗透数据隐私（如用户信息保护）、真实性（如避免数据伪造）等伦理教育。学生需理解“数据质量决定AI效果”（如训练图像识别模型时，模糊或带偏见的数据会导致模型误判），这是AI教育的基础门槛，也是连接“信息处理”与“AI应用”的关键桥梁。
关键词2：计算思维进阶。
AI算法（如机器学习、深度学习）是模拟智能的“大脑”，其本质是更复杂的计算逻辑（如特征提取、模型训练、迭代优化）。信息科技原有的计算思维（问题分解、抽象、自动化）需升级为“面向AI的计算思维”，如通过决策树算法理解“AI如何从数据中学习规律”，通过神经网络模型理解“分层特征提取的逻辑”。学生需掌握“用算法将问题转化为AI可解决的形式”，这是AI教育的核心能力，也是从“基础编程”到“AI开发”的关键升级。
关键词3：算力意识增强。
AI的运行动力是算力，包括GPU（并行计算）、云计算（弹性资源）等。信息科技课程需让学生认识到“算力是AI的基础设施”，如训练一个大型语言模型（如GPT-3）需要数千块GPU同时工作，而普通CPU无法完成。学生需理解“算力资源的有限性”（如大型模型的高能耗），并学会“合理利用算力”（如用轻量级模型解决小问题），如思考“用本地电脑还是云计算平台运行AI模型”，这是AI教育的支撑认知，也是连接“硬件知识”与“AI应用”的关键环节。
关键词4：AI伦理导向。
AI的边界由伦理定义，数据采集的隐私问题（如人脸识别数据滥用）、算法的偏见问题（如招聘AI对女性的歧视）、算力的能耗问题（如大型模型的碳排放）都需纳入信息科技课程。学生需学会用伦理框架判断AI应用的合理性（如“用AI分析学生课堂行为是否侵犯隐私”“用AI筛选简历是否存在性别偏见”），理解“AI技术不是中立的，其应用需符合社会价值”。这是AI教育的价值导向，也是避免“技术滥用”的关键防线。
关键词5：场景化实践。
AI的价值在于应用，信息科技课程需将数据、算法、算力整合到具体场景中，形成“问题—数据—算法—算力—解决”的闭环。例如，在“校园垃圾分类”场景中，用传感器采集垃圾投放数据，用K-means算法聚类分析垃圾类型，用边缘计算设备（如树莓派）运行分类模型，最终实现智能分拣。通过场景实践，学生能直观理解“AI是数据、算法、算力协同的系统”，而非孤立的技术点。这是AI教育的落地路径，也是培养“用AI解决实际问题”能力的关键方法。
这5个关键词覆盖了AI的“基础（数据）—核心（算法）—支撑（算力）—边界（伦理）—价值（应用）”全链条，既符合信息科技课程“培养信息素养与计算思维”的目标，也回应了AI技术“协同性、应用性、伦理性”的特征，因此必然成为AI融入课程的核心方向。
本文作者：
李维明
四川省教育科学研究院
文章刊登于《中国信息技术教育》
2026年第01期
原文标题：2026年，AI融于信息科技课程之路径
引用请注明参考文献：
李维明.2026年，AI融于信息科技课程之路径[J].中国信息技术教育，2026（01）：9.
欢迎订阅
订阅纸质版或电子版杂志
热门跟贴