拔尖创新人才培养是长期且持续的系统工程，覆盖小学、初中、高中全学段。当前，国内外信息学教育与拔尖创新人才培育已形成多维度研究框架，但在实践中仍存在学段割裂、课程衔接不畅、苗子挖掘困难、评价体系单一、资源协同不足等突出问题。
面向教育强国建设新征程，广东省教育科研规划重大课题“小初高信息学拔尖创新人才一体化贯通培养体系研究”聚焦学段衔接、课程重构、资源协同、评价创新等核心任务，立足实践，攻坚克难，形成可复制、可推广的理论成果与实践范式。
本专题集中展示课题阶段性研究进展与中山市中山纪念中学的实践经验，聚焦一体化培养路径、智能技术应用、资源整合机制、评价体系创新等内容，为全国信息学拔尖创新人才培养贡献中山智慧、提供广东方案，助力我国在全球数字科技竞争中赢得主动、赢得优势、赢得未来。
滑动查看更多图片
信息学拔尖创新人才贯通培养
熊超
01
朱君辉
02
熊超
03
陈智敏
生成式人工智能在信息学竞赛场景中的应用分析
04
黄细光
“教-学-评”一体化导向下信息学竞赛培养资源的构建与实施
——以中山纪念中学为例
05
易锡添
小初高信息学拔尖创新人才贯通培养的评价模型：构成要素、核心框架与实践路径
生成式人工智能在信息学竞赛场景中的应用分析
DeepSeek等生成式人工智能工具以其强大的内容生成能力为开展编程教育教学提供了有力支持，对其合理有效地使用有助于促进学习者各种思维的发展及能力的提升。
本研究从学习者视角对生成式人工智能工具在信息学竞赛学习场景中的应用进行了具体分析，其主要作用包括能够诊断程序所存在的问题并实时反馈错误信息及改进建议、能够展现具体思维过程并提供基于多种算法的问题解决方案、能够根据学习需求推荐生成个性化的学习资源等。
随着技术的不断创新，其在编程教育中的应用将更加广泛深入，研究在最后也提出了利用生成式人工智能工具开展信息学竞赛学习所存在的问题并提出相应的使用建议，以期实现安全、理性且可持续的技术应用，同时也为相关教育者和研究者提供启示。
随着智能技术的不断进步，以ChatGPT、DeepSeek为代表的生成式人工智能（Generative Artificial Intelligence，简称GAI）工具正在深刻重塑教育生态，其能够通过“上下文”推理理解用户需求并智能生成多模态内容，同时提供个性化辅导、推荐，在处理复杂问题领域的能力已经实现质的飞跃，为开展编程教育教学，培养学习者的计算思维、逻辑思维等思维能力，提升算法设计及程序编写能力，强化问题解决能力等提供了有力的支持。本研究从学习者的角度，通过深入分析DeepSeek在信息学竞赛学习这一具体场景中的应用，梳理其作用与价值，探讨所存在的问题并提出相应的使用建议，以期为相关教育工作者利用GAI工具辅助开展编程教学提供启示。
GAI工具为编程教育教学的开展注入新活力
GAI与普通搜索引擎的区别在于其能够理解并有针对性地回答问题，生成的解决方案及其具体的内容具有一定质量，而不仅仅是根据关键词返回相关的网页链接。在编程教育教学中，GAI工具基于深度学习技术，能够学习并存储大量的编程和算法知识、数理知识等，提供程序的自动化评测、错误诊断、代码生成、修改优化、多维度代码解释以及对算法和数据结构等概念进行详细解释等功能。
当学习者遇到编程难题时，GAI工具可以及时响应提问，根据学习者所提供的问题描述或者程序片段等，智能地生成问题所涉及的知识解析、解决思路，以及基于多种不同算法、指定程序设计语言的程序方案及注释，有助于学习者理解解决问题所使用的算法的执行过程，在对不同的方案进行批判性分析、评价的过程中加深对问题的理解并解决问题，激发创造性思维，培养抽象思维能力和逻辑推理能力，并逐步构建起一种解决复杂问题的计算思维模式，这种思维模式还能延伸至日常学习、生活，帮助学习者高效地处理各类信息，提升分析问题与解决问题能力。
此外，GAI工具还能够基于学习者的学习需求和学习进度，智能推荐合适的学习规划和相应资源，包括个性化的编程练习题，并提供自动化测试与实时反馈，快速检测程序中的错误并进行优化，引导他们进一步探索和学习，拓宽知识视野，提升学习效率。
因此，近几年GAI工具在编程教育教学中的应用实践及相关的研究成果日益增多，这些研究从理论与实践两个层面深入剖析了GAI工具在编程教学中的应用机制，并在此基础上构建了相应的教学模式及策略体系，积极创新教学方式并开展效果分析，深入探讨了GAI工具对学习者思维和能力等的促进作用。
GAI工具在信息学竞赛学习场景中的应用分析
信息学竞赛的学习对学习者的认知能力有非常高的要求，基础学习阶段通过编程实践学习掌握程序设计语言及简单的算法知识，发展学习阶段需通晓竞赛所需的基础算法及数据结构并锻炼算法分析能力，研究阶段学习者需熟练运用数据结构与算法解决有挑战性的问题并自主学习更多更难的内容，涉及的知识难度非常大。GAI工具支持对话式、个性化、游戏化等多种学习方式，能够基于与学习者之间的交互及反馈，提供可追踪的个性化的思维反馈，有效辅助信息学竞赛学习，满足学习者个性化以及差异化的需求，特别是对于师资薄弱的学校。
从助力学习变革中学习者个性化学习的视角来看，DeepSeek等GAI工具通过交互式的学习支持，既能够及时指引基础学习阶段的学习者逐步掌握解决问题的方法，也能够启发更高层次的学习者从多个角度思考问题并开展优化，推动创新，满足了差异化的学习需求，在一定程度上能够提升学习者的自我效能感，其作用主要包括以下几个方面。
1.能够诊断程序存在的问题并实时反馈错误信息及改进建议
在基础学习阶段，初学者在学习程序设计语言后开展编程练习，编写的程序会经常出现编译或者运行的错误，而编译器在报错的时候提供的反馈信息只是对存在的错误进行简单识别和定位，不提供具体的解决方案。
另外，训练时使用的在线评测系统也只能提供对与错的反馈以及错误类型提示，这虽然能够在一定程度上帮助学习者理解错误的原因，但无法帮助学习者纠正错误，而对于初学者来说，及时且有指导性的反馈非常重要。
DeepSeek集成了支持多种编程语言的自动化评测功能，通过与学习者的实时交互，能够对提出的问题以及咨询的程序进行诊断并提供详细的反馈信息，包括错误点、错误原因、详细知识解析以及程序的时间复杂度和空间复杂度分析等，并提供优化思路，帮助学习者根据反馈逐步解决问题，在一定程度上能够提升学习者的自我效能感。
2.能够展示具体思维过程并提供基于多种算法的问题解决方案
在发展学习阶段以及研究学习阶段，常通过构建学习共同体来支撑差异化学习，包括开展专题分享、好题选讲、赛后评讲、学困交流等，而DeepSeek在满足学习者的个性化学习需求方面展现出了极高的适用性和强大的可操作性，让学习不再局限于“师生”及“生生”之间的互动。
首先，DeepSeek的深度思考功能将其如何分析问题、设计算法、编写程序、调试运行的具体思维过程显性化，方便学习者清晰地看到它如何解构问题，将总问题拆解为子任务，如何抽象建模，通过归纳规律进而表达成符号，如何设计算法并迁移应用，起到很强的启发和答疑作用。例如，一道涉及数学推导的题目，学习者利用二维前缀和算法设计并编写的程序，由于嵌套了四重循环导致只能在有限的时间内通过30%的数据点，通过在DeepSeek中输入提示语，希望能够用C++帮忙编写这道题目的参考程序，并提出“运行时间要求是1000ms”“T的取值范围是0到10的9次方”“字符串S的最长长度可能达到4000”等限制条件。DeepSeek先对题目进行了复述和剖析，然后尝试解构问题并将问题简化，同时梳理出了算法需要考虑的特殊情况等。
其次，DeepSeek能够有效帮助学习者从多个角度、不同方向分析问题并寻求不同的解决方案，必要时还会进行解释或补充，指出需要注意的关键点，促进系统化、结构化的思维的培养，提升学习者的创造性思维和问题解决能力。例如，一道涉及循环知识的简单题目，问题的大概意思为“一面光滑的墙壁高X尺，一只小虫从墙底部向上爬，每分钟爬Y尺。但每爬一分钟后都要休息一分钟，在休息期间又下滑一尺，需要编写一个程序，通过输入的X和Y计算该小虫最少几分钟可爬到顶端并输出这个答案”。DeepSeek通过分析理解问题，在确定问题的需求及已知条件后迅速找到了解决问题的关键点，即如果小虫子已经爬到了顶端或者超过了顶端，那么它就不需要再继续爬了，当然需要特别注意在Y值为0或者1的时候的情况。
此外，在解决一个复杂的组合优化问题时，DeepSeek不仅会思考常规的动态规划解法，通过对话引导学习者分析问题的状态、定义状态转移方程、规划好阶段、做好初始值的赋值等，帮助学习者理解算法的原理，还会思考贪心算法等其他可能的问题解决方案，有助于锻炼学习者算法分析的能力以及深入思考问题的能力。
3.能够根据学习需求推荐生成个性化的学习资源满足自适应训练
研究学习阶段要求学习者自主学习大量与算法密切相关的组合数学、图论等知识，涉及大量大学课程的内容。DeepSeek的个性化推荐功能能够基于学习者的个性化学习需求提供高效的学习和训练规划，包括推荐相关的知识链接、书目和在线课程等学习资源。例如，对于在图论问题中表现欠佳的学习者，DeepSeek可能会推荐相关书籍中的相关章节，以及类似的经典题目开展针对性练习，以进一步提升他们的能力；对于基础学习阶段的学习者，能够提供基于Python、C++等多种语言的教程和练习，从简单的程序设计语言学习到搜索、动态规划等复杂算法，帮助学习者逐步掌握语法、数据结构、算法等基础知识，循序渐进提升竞赛水平。这种个性化推荐不仅能够帮助学习者弥补知识短板，还能激发他们的学习兴趣，促进对新知识的探索。
值得一提的是，DeepSeek还可以根据学习者的具体需求生成解析相关内容的网页程序，如能够演示用数组模拟实现邻接表最终存储图结构的网页程序，根据输入数据逐步演示邻接表是如何建立起来的，并用表格显示每一条边的具体关联情况，帮助学习者直观理解每个顶点的相邻节点是如何记录的，以及为什么可以快速地访问顶点及其邻接点。
利用GAI工具开展信息学竞赛学习存在的问题及建议
随着技术的不断创新和发展，将有更多GAI工具为学习者提供更加个性化、智能化的帮助，并持续推动教育的创新和变革。然而科技是一把“双刃剑”，将GAI引入编程学习中，其目的并不在于解决问题本身，而在于在人机交互的过程中将其作为辅助工具，帮助分析问题并提供多角度的思路借鉴，减负提质。
在信息学竞赛中，学习者需要具备扎实的算法设计及程序编写基础，以及一定的自主学习和独立思考能力，以便在比赛中灵活应对各种问题和挑战，而过度依赖GAI工具会削弱学习者的这些能力，不利于各种思维及动手实践能力的提升。
另外，高效使用AI赋能学习需要学习者与GAI在持续对话中共同完成问题解决方案的生成、反馈、调整和迭代，如果学习者基础不够扎实，往往会导致GAI在高难度题目上出现推理链断裂等问题，因此如何高效提问并获取有针对性且有效的问题解决方案也值得商榷。
对学习者学习的引导以及对学习者价值观的培养等始终都离不开教师，因此，在利用GAI工具开展信息学竞赛学习时，教师需要结合自己的专业知识和教学经验，引导学习者在课外正确、理性且有效地使用人工智能。
首先，在确保学习者具有扎实的基础，有一定的算法能力能够独立完成程序的编写后，再让学习者使用GAI工具辅助解决问题。在提问时，引导学习者明确提问关键词，规范使用提示语以高效获取解决方案，包括具体的问题、输入输出格，式并尽可能提供测试数据，以及时间复杂度、空间复杂度要求，GAI工具给出的方案的准确性很大程度上取决于输入需求的详尽性。同时，要以“求真”的态度使用GAI工具，坚守伦理道德底线，避免为追求成绩而借助工具作弊。
其次，在与DeepSeek等GAI工具交互得到解决方案后，需要对生成的程序进行编译调试并利用在线评测系统进行评估，检查是否符合需求，是否存在逻辑问题以及错误，充分发挥人的智慧，以科学严谨的态度辨析GAI给出的答案。教师还可以引导学习者尝试分析比较与其他人生成的程序的异同之处，而不是简单采取“拿来主义”。
最后，根据评估的结果以及需求输入新的指令，不断追问，深入交流，以期迭代优化程序。好的答案不是一步形成的，特别是在应对复杂任务时，深入的对话和逐步详细的引导是获得最优问题解决方案、培养高阶思维的关键。
信息学竞赛教育、GAI科技、拔尖创新人才培养三者内在贯通、相互支撑，但GAI的应用场景以及潜在的风险可能会随着技术的发展而产生变化。因此，未来的信息学竞赛教育应该培养什么样的人以及如何培养人，应该坚持什么，应该调整什么，同时，在深入理解人工智能解题能力的基础上，如何构建人机协同的新型教育范式，这些都是一线信息科技教师需要进一步思考的时代命题。
本文作者：
陈智敏 广东省中山市中山纪念中学
文章刊登于《中国信息技术教育》
2026年第14期
引用请注明参考文献：
陈智敏.生成式人工智能在信息学竞赛场景中的应用分析[J].中国信息技术教育,2026(14):13-16.
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
热门跟贴