普通高中信息科技课程标准修订解读

01 课程为什么变化

导读

熊璋教授《普通高中信息科技课程标准修订解读》（2025修订版）专题讲座内容整理

熊璋教授讲座内容包括两类信息：

• 对《普通高中信息科技课程标准（2025修订版）》修订内容的解读；
• 熊璋教授基于新课标提出的课程升级、教学创新和评价改革主张。

一、讲座的总纲：信息科技课程的根本任务是育人

讲座开篇引用《论语》中的教育思想，强调教育工作不能仅仅停留在“上一堂课、完成一个任务、做一个实验、编一本教材”的层面，而应当追问：

• 教育的“道”是什么；
• 教育者应当具有什么样的“德”；
• 面向的“人”是什么样的人；
• 教育行为的价值和意义是什么。

讲座最后将信息科技课程的价值概括为：

由此形成三个递进层次：

• 最高境界：立德树人，培养完整的人；
• 中间层次：求真端行，培养学生的品格修养；
• 基础支撑：强能致远，培养学生解决问题和持续发展的能力。

因此，对新课标的理解不能只停留在“课名变了、内容增加了、模块调整了”，更重要的是看到：

信息科技课程正在经历一场育人方式、学习方式、评价方式、教学场景和教材形态的系统性变革。

二、为什么要修订普通高中信息科技课程标准

熊璋教授将修订原因概括为三个方面。

• 落实国家教育发展新要求

修订首先是为了贯彻党中央关于教育强国、数字中国、网络强国和人才培养的新要求。

讲座中提到的政策背景主要包括：

• 党的二十大精神；
• 二十届历次中央全会关于教育发展的新要求；
• 全国教育大会精神；
• 教育强国建设规划纲要；
• 建设学习型社会、学习型大国的国家战略；
• 国家教育数字化战略；
• 人工智能赋能教育、推动教育变革的要求；
• 教育部部署深入推进“人工智能+教育”。

由此，信息科技课程不再只是教授计算机操作或一般技术应用的课程，而是承担着更加重要的国家战略任务：

• 培养网络强国建设者；
• 培养数字中国建设者；
• 培养具备数字素养与技能的现代公民；
• 培养能够适应人工智能社会、参与人工智能社会建设的人才；
• 服务科教兴国、人才强国和创新驱动发展战略。
• 回应智能时代对人才培养的新需求

人工智能特别是生成式人工智能发展迅速，技术迭代周期不断缩短，给教育提出了新的问题：

• 未来社会需要什么样的人才；
• 人与人工智能之间是什么关系；
• 学生还需要学习哪些知识和技能；
• 学校教育如何避免被技术发展甩在后面；
• 学生如何形成数字化学习与创新能力；
• 学生如何辨别人工智能的能力边界和风险；
• 学生如何在人工智能环境中保持人的主体性、创造性和责任感。

讲座强调，人工智能对教育的影响不是简单的工具替代，而是会对以下方面产生系统性影响：

• 教育目标；
• 学习内容；
• 学习方式；
• 教学组织；
• 教师角色；
• 评价方式；
• 教材形态；
• 教育生态。

因此，信息科技课程要从“教技术”进一步转向：

提升学生的素质、素养与技能，培养学生在智能时代学习、创新、协作、判断和负责任行动的能力。

• 推动课程标准本身与时俱进

上一轮高中信息技术课程标准实施以来，获得了较高社会评价，但仍存在进一步优化的空间：

• 课程育人功能需要进一步强化；
• 课程内容需要回应人工智能等新技术发展；
• 课程标准的科学性需要提升；
• 课程标准与义务教育信息科技课程标准的衔接需要加强；
• 课程标准对教材编写和一线教学的指导性需要增强；
• 学业质量与考试评价需要更加符合核心素养导向。

讲座强调：

课程标准不是一成不变的文本，而是一个不断迭代、不断发展、不断优化和不断提高的系统。

02 新课标四个变化

三、本次修订的总体目标

本次修订可以概括为一个“闭环”：

• 坚持立德树人的价值导向；
• 衔接义务教育阶段信息科技课程；
• 保证课程的基础性、实践性和发展性；
• 将信息科技课程纳入科学教育体系；
• 响应数字中国、网络强国建设需求；
• 贯彻人工智能全学段教育要求；
• 培养适应智能时代的数字素养与技能；
• 提升学生的科学精神、创新精神和社会责任感。

其中有三个基础性定位需要特别把握。

• 信息科技课程具有科学教育属性

讲座明确指出：

信息科技课程属于科学课程体系，是科学教育的重要组成部分。

这意味着高中信息科技课程不能仅仅被理解为：

• 计算机操作课；
• 软件使用课；
• 编程训练课；
• 信息处理工具课；
• 为考试服务的辅助课程。

它应当承担科学教育的任务：

• 培养科学兴趣；
• 培养科学精神；
• 培养科学方法；
• 培养科学思维；
• 培养探究实践能力；
• 培养创新意识；
• 培养面对未知问题进行试错和求真的能力。
• 信息科技课程具有战略支撑属性

信息科技已经成为：

• 我国经济发展的重要支柱；
• 建设网络强国的重要基础；
• 建设数字中国的战略支撑；
• 推进和拓展中国式现代化的重要力量。

因此，信息科技课程的学科地位应当从“边缘、辅助、非考试学科”转变为：

支撑数字时代国家发展、社会运行和人才成长的重要基础课程。

• 信息科技课程具有全学段贯通属性

过去高中课标编制时，义务教育阶段还没有独立的信息科技课程标准，因而存在学生是否“零基础”的问题。

现在义务教育阶段已经形成了信息科技课程标准，高中课程标准需要与义教课标衔接，形成从小学一年级到高中三年级的整体课程体系。

四、本次修订的四个重大变化

讲座将本次修订概括为四个“大变化”。

变化一：课程名称由“信息技术”调整为“信息科技”

1. 名称变化

原课程名称：信息技术

调整后：信息科技

这是本次修订最显著、最具标志性的变化。

2. 为什么由“信息技术”改为“信息科技”

这一调整体现了课程性质的变化：

“信息科技”这一名称更能够体现：

• 信息科学的知识体系；
• 信息技术背后的科学原理；
• 数据、算法、算力、网络和人工智能的发展；
• 信息科技课程的科学教育属性；
• 信息科技对数字中国和网络强国建设的战略意义。

3. 对教学的直接影响

教师不能只是把原来“信息技术”四个字替换为“信息科技”，而应当同步改变教学内容和教学方式：

• 从“会不会操作”转向“理解什么原理、解决什么问题”；
• 从“学习某个软件”转向“选择和组合合适的技术工具”；
• 从“掌握固定流程”转向“理解动态发展的学科逻辑”；
• 从“复现教师演示”转向“自主探究、实践创新”；
• 从“单一工具技能”转向“综合数字素养与技能”。

变化二：核心素养表述由“信息素养”调整为“数字素养与技能”

1. 四个维度基本保持不变

原来信息技术课程的核心素养包括四个维度：

• 信息意识；
• 计算思维；
• 数字化学习与创新；
• 信息社会责任。

本次修订的核心变化主要是总体名称调整为：

数字素养与技能

四个具体维度仍然延续：

• 信息意识；
• 计算思维；
• 数字化学习与创新；
• 信息社会责任。

2. 为什么使用“数字素养与技能”

讲座指出，“数字素养与技能”这一表述与国家有关数字经济、数字社会、数字公民建设的政策要求相衔接，也与义务教育信息科技课程标准相一致。

这一表述具有更强的时代适应性：

• “信息”强调信息获取、处理和利用；
• “数字”覆盖数据、平台、系统、算法、智能技术等更广泛领域；
• “素养”强调意识、思维、能力、责任和价值观；
• “技能”强调能够在真实情境中使用数字技术解决问题。

因此，它不是简单地扩大词语范围，而是强调：

学生不仅要知道数字技术是什么，还要能够正确、安全、有效、创新地使用数字技术，并承担相应责任。

变化三：由“四个学科大概念”调整为“六条学科逻辑主线”

1. 原来的四个学科大概念

上一轮高中信息技术课程标准中的四个学科大概念是：

• 数据；
• 算法；
• 信息系统；
• 信息社会。

2. 调整后的六条学科逻辑主线

本次修订强调与义务教育课程标准衔接，形成六条学科逻辑主线：

• 数据；
• 算法；
• 网络；
• 信息处理；
• 信息安全；
• 人工智能。

3. 从“大概念”到“逻辑主线”的深层含义

讲座对两者进行了区分。

学科大概念的特点

• 相对静态；
• 强调核心知识的概括；
• 容易被理解为若干相互独立的知识点；
• 在不同学段中可能出现割裂或重复。

学科逻辑主线的特点

• 具有动态性；
• 具有发展性；
• 具有层次性；
• 具有学段递进性；
• 能够贯通小学、初中和高中；
• 能够体现由表及里、由浅入深、由简到繁的螺旋上升。

讲座所说的“逻辑”，主要是指：

• 由表及里；
• 由浅入深；
• 由简到繁；
• 从体验走向理解；
• 从理解走向应用；
• 从应用走向创新；
• 在不同学段形成不同深度和复杂程度的学习内容。

4. 以“数据”主线为例

“数据”在不同年级的学习重点应该不同，可以形成这样的螺旋递进：

• 低年级：感知数据来源；
• 初步阶段：认识数据及其表达；
• 中学阶段：学习数据编码、组织和处理；
• 高中阶段：理解数据安全、数据分析、数据挖掘和数据价值；
• 更高阶段：理解数据、算法和算力对人工智能发展的作用。

讲座列举的数据主线内容包括：

• 数据的来源；
• 数据的编码；
• 数据的组织；
• 数据的安全；
• 数据的呈现；
• 数据的价值。

这些内容不是在每个学段机械重复，而是应当按照学生认知发展水平不断深化。

5. 以“人工智能”主线为例

讲座提出，人工智能教育可以形成如下发展逻辑：

• 从体验人工智能开始；
• 逐步形成对人工智能的感悟；
• 认识人工智能对社会的改变；
• 接受人工智能进入社会生活；
• 适应人工智能对学习和生活的影响；
• 融入人工智能发展的社会洪流；
• 坚持人工智能向善、科技向善。

这一逻辑强调的不是一开始就讲复杂的人工智能算法，而是让学生逐步经历：

体验—理解—适应—协同—责任—创新。

变化四：必修内容强化人工智能、数据、算法和算力，弱化单一编程语言要求

1. 课程结构总体没有发生根本变化

讲座指出，课程体系总体保持稳定。

必修课程

• 数据与计算
• 信息系统与社会

选择性必修课程

• 数据与数据结构；
• 网络基础；
• 数据管理与分析；
• 人工智能初步；
• 三维设计与创意；
• 开源硬件项目设计。

选修课程

• 算法初步；
• 移动应用设计。

2. 现实问题：选择性必修和选修课程开设不足

熊璋教授介绍，全国绝大多数省市和学校主要开设：

• 必修一《数据与计算》；
• 必修二《信息系统与社会》。

选择性必修和选修课程开设相对较少。

因此，讲座提出一个非常现实的建议：

当前应优先把两门必修课程真正做好，而不是只关注少数选修模块。

这意味着：

• 必修课程要体现学科核心内容；
• 必修课程要承担人工智能启蒙和数字素养培养任务；
• 必修课程要成为学生后续选择性必修和选修学习的基础；
• 必修课程要避免知识堆砌和形式化项目。

五、课程性质、课程理念和核心素养的具体调整

• 课程性质的调整

课程性质部分增加了对信息科技战略作用的强调。

核心表述可以概括为：

信息科技已经成为我国经济发展的重要支柱，是建设网络强国和数字中国的战略支撑，对推进和拓展中国式现代化发挥越来越重要的作用。

同时，课程进一步明确要引导学生：

• 掌握信息科技基础知识与技能；
• 具备应用信息科技解决问题的能力；
• 树立科学精神；
• 树立创新精神；
• 形成社会主义核心价值观；
• 全面提升数字素养与技能。

这说明课程目标已经从单纯的“技术掌握”拓展为：

知识、技能、能力、思维、精神、价值观和社会责任的综合发展。

• 课程理念的调整

课程理念增加了信息科技课程在以下方面的作用：

• 推进教育数字化；
• 建设全民终身学习的学习型社会；
• 建设学习型大国；
• 提升全体学生的数字素养与技能；
• 帮助学生做好应对人工智能挑战的准备；
• 培养面向数字社会和智慧社会的现代公民。

信息科技课程不应仅仅服务于一门课的教学，而应服务于：

• 学生未来学习；
• 学生未来工作；
• 学生未来生活；
• 学生终身发展；
• 国家数字化发展；
• 社会智能化转型。
• 学科核心素养内涵的调整

本次修订进一步对接：

• 科教兴国战略；
• 人才强国战略；
• 创新驱动发展战略；
• 网络强国战略；
• 数字中国建设；
• 人工智能发展需求。

强调学生应当：

• 树立科学精神；
• 树立创新精神；
• 主动将新技术、新方法融入日常学习和生活；
• 理解原始创新对国家可持续发展的重要性；
• 理解自主可控技术对国家安全和发展的重要作用；
• 自觉维护国家信息安全；
• 认识“没有网络安全就没有国家安全”的重要意义。
• 四个核心素养维度的具体强化方向

4.1 信息意识

新增或强化的重点：

• 提高数据安全意识；
• 对数据生成技术保持敏感；
• 对人工智能生成内容进行判断；
• 关注数据的真实性、可靠性、价值和使用边界；
• 理解数据不仅是信息载体，也是重要的基础资源。

信息意识的范围正在从“判断一条信息”逐渐扩展到：

判断一类数据、一种数据生成技术以及人工智能生成内容的可信度、价值和风险。

4.2 计算思维

原有计算思维强调：

• 将大问题分解为小问题；
• 对问题解决方案进行抽象化、形式化、模型化和程序化；
• 将方案交给计算机执行；
• 在解决问题后实现举一反三。

人工智能时代，讲座提出要发展为：协同计算思维。

其基本含义是：

• 人和人工智能共同进行问题分解；
• 人和人工智能共同完成抽象、形式化和建模；
• 人利用人工智能生成程序或解决方案；
• 人负责把握问题方向；
• 人负责验证人工智能方案的正确性和适用性；
• 人负责在不同情境中进行判断、选择和决策；
• 人要具备验证性思维和工程性思维。

可以用一句话概括：

过去是“人设计，机器执行”；现在逐步转向“人导向，机器赋能”。

但这并不意味着人可以放弃思考。恰恰相反，人的任务从“手工编写全部程序”转向：

• 提出有价值的问题；
• 选择正确的方向；
• 评价方案质量；
• 验证结果可靠性；
• 判断技术适用边界；
• 处理复杂情境；
• 承担最终责任。

4.3 数字化学习与创新

原来重点是：

• 使用数字化工具；
• 使用数字化资源；
• 使用数字化平台；
• 进行数字化学习；
• 利用数字技术解决问题。

人工智能时代需要进一步加入“智能”因素：

• 使用智能平台；
• 使用智能资源；
• 使用智能工具；
• 借助人工智能进行学习；
• 进行人机协同创作；
• 开展跨学科、跨领域创新；
• 利用人工智能提高探究和创新能力。

讲座特别强调了几个变化：

4.4 信息社会责任

讲座指出，传统信息社会责任主要建立在：

• 信息法律；
• 信息伦理；
• 信息道德；
• 网络行为规范。

但人工智能法律、伦理和道德体系仍在建设中，因此学生需要进一步形成：

• 科技向善意识；
• 人工智能向善意识；
• 扬善除恶意识；
• 趋利避害意识；
• 主动参与智慧社会伦理规范建设的意识。

需要重点防范：

• 数据偏见；
• 机器幻觉；
• 算法歧视；
• 生成内容失真；
• 隐私泄露；
• 网络空间失序；
• 人工智能滥用；
• 生成式内容的版权归属争议。

六、对《数据与计算》必修模块的重点调整

• 增加数据挖掘与知识发现的关系

新内容要求学生：

• 理解数据挖掘与知识发现之间的关系；
• 认识大数据是一种重要的基础资源；
• 了解大数据对社会发展的作用。

教学中要避免把“数据挖掘”和“知识发现”简单等同。

可以引导学生理解：

• 数据挖掘更强调从大量数据中发现规律、模式和关系；
• 知识发现是从数据准备、数据处理、数据挖掘到结果解释和知识形成的较完整过程；
• 数据挖掘可以被看作知识发现过程中的重要环节。

同时，应当引导学生认识：

大数据不仅是大量数据的简单集合，也是支撑社会治理、科学研究、产业发展和人工智能训练的重要基础资源。

• 删除“掌握一种程序设计语言”的明确要求

原课标中有一段内容，大意是：

• 掌握一种程序设计语言的基本知识；
• 体验程序设计的基本流程；
• 掌握程序调试与运行的方法。

本次修订删除了这段明确要求。

删除的原因

• 生成式人工智能发展迅速；
• 大模型已经能够完成编程任务；
• 人工智能能够生成程序；
• 人工智能能够参与大规模软件工程；
• 单独要求所有学生掌握一种程序设计语言，显得相对滞后；
• 学生的学习精力应更多转向数据、算法、算力和人工智能。

删除“掌握一种程序设计语言”的明确要求，并不等于：

• 编程完全不重要；
• 高中信息科技不再涉及程序设计；
• 学生不需要理解算法；
• 学校不能开展编程实践；
• 所有程序设计活动都应取消。

更准确的理解是：

程序设计不再作为所有学生必须达到的单一技能目标，而应更多作为理解算法、处理数据、开展项目实践和使用人工智能解决问题的工具。

教学重点应从“背语法、写固定程序”转向：

• 理解算法思想；
• 分析问题结构；
• 使用程序或人工智能表达解决方案；
• 调试和验证结果；
• 比较不同方案；
• 认识程序、数据和模型之间的关系；
• 形成协同计算思维。
• 增加数据、算法、算力与人工智能发展内容

新增内容要求学生：

• 理解数据对人工智能发展的重要作用；
• 理解算法对人工智能发展的重要作用；
• 理解算力对人工智能发展的重要作用；
• 知道超级计算机带来的技术变革；
• 知道云计算带来的技术变革；
• 认识自主可控人工智能技术对数字中国建设的重要意义；
• 认识自主可控人工智能技术对数字中国发展的推动作用。

这体现了人工智能学习的“三要素”：

人工智能发展≈数据+算法+算力

当然，从严格技术角度看，人工智能的发展还离不开：

• 模型；
• 工程平台；
• 网络基础设施；
• 应用场景；
• 人才；
• 数据治理；
• 伦理与制度。

但讲座突出“数据、算法、算力”，是为了帮助高中生建立对人工智能技术基础的整体认识。

03 核心素养与人工智能

七、对《信息系统与社会》必修模块的重点调整

• 增加人工智能对人机交互的影响

课程增加：

• 体验人工智能对人机交互带来的影响；
• 了解人工智能为信息系统带来的创新作用；
• 关注生成式人工智能、人机交互等前沿技术。

传统教学往往重点分析：

• 计算机的组成；
• 移动终端的组成；
• 计算机的基本工作原理；
• 移动终端的基本工作原理；
• 信息系统的组成和功能。

本次调整更加关注：

• 人与机器如何交互；
• 人工智能如何改变交互方式；
• 自然语言交互；
• 多模态交互；
• 智能推荐；
• 智能问答；
• 生成式人工智能；
• 人工智能对传统信息系统的重构。
• 增加小型信息系统综合活动

课程提出：

通过搭建小型信息系统的综合活动，体验信息系统的工作过程，认识信息系统在社会应用中的优势和局限性。

这说明信息系统教学要从“分析现成系统”发展为：

• 设计一个小型系统；
• 建立数据输入、处理、输出流程；
• 体验系统运行；
• 发现系统优势；
• 分析系统局限；
• 讨论系统安全和伦理问题；
• 评价系统的社会影响。

小型信息系统项目可以包含：

• 需求分析；
• 数据采集；
• 数据组织；
• 功能设计；
• 系统搭建；
• 测试运行；
• 问题修正；
• 成果展示；
• 社会影响评价。
• 增加人工智能能力边界的认识

课程增加：

• 通过实例比较人工智能擅长解决的问题；
• 比较人工智能不擅长解决的问题；
• 了解大模型应用中数据训练的意义；
• 了解模型训练的意义；
• 了解参数调整的意义。

其核心目的是让学生客观认识人工智能：

人工智能可能擅长的方面

• 大规模数据处理；
• 模式识别；
• 信息检索和归纳；
• 语言生成；
• 图像生成和识别；
• 重复性任务；
• 复杂计算；
• 多方案快速生成。

人工智能可能不擅长或需要人参与的方面

• 价值判断；
• 复杂伦理决策；
• 对真实世界的全面理解；
• 对特殊情境的准确把握；
• 对生成内容的事实核验；
• 对社会后果的责任承担；
• 对创新方向的最终选择；
• 对问题意义的判断。

因此，人工智能教学不能只教学生“怎么用”，还要教学生：

什么时候适合用、为什么要用、如何验证、哪些地方不能完全依赖。

八、课程学分与课程实施现实

讲座提到，过去信息技术和通用技术在学分安排上存在一定矛盾：

• 信息技术原有安排为4学分；
• 通用技术原有安排为4学分；
• 理论上合计应为8学分；
• 实际课程标准安排曾体现为4+4却等于6的情况。

修订诉求是：

希望信息科技能够获得独立、完整的4学分。

但最终安排为：

• 信息科技必修保证3学分，每学分18课时；
• 研究性学习中可使用1—2学分；
• 最后概括为“3+1学分”。

九、学业质量与学业水平考试的修订方向

• 学业质量划分为三级

修订后的学业质量水平分为三级，体现学生发展由低到高、由简单到复杂、由基础到综合的递进过程。

讲座明确介绍了水平一级的基本表现：

学生能够整合信息科技学科核心素养的不同要素，在不同复杂程度的情境中，运用信息科技学科概念、思维和方法解决问题，并表现出相应的情感、态度与价值观发展。

这一定义包含几个关键点：

• 不是单独考查某一个知识点；
• 要整合多个核心素养要素；
• 要面对不同复杂程度的情境；
• 要运用学科概念；
• 要运用学科思维；
• 要运用学科方法；
• 要解决实际问题；
• 要体现情感、态度和价值观发展。
• 学业水平考试命题的基本原则

修订后的命题建议强调：

• 坚持素养立意；
• 注重教学、学习、评价的一致性；
• 以四个核心素养的综合表现为出发点和落脚点；
• 着眼于核心素养内部的联系；
• 整体考查学生核心素养发展水平；
• 注重学科概念和原理的理解与应用；
• 重视真实情境中的问题解决能力。
• “教学评一致性”是关键要求

讲座重点批评了部分地区仍然沿用旧的考试方式，例如：

• 考查打字速度；
• 考查机械输入水平；
• 使用十年前的题库；
• 过度考查软件操作；
• 把技术性、机械性操作当作课程质量的主要指标。

新课标要求实现：

教学目标⟷ 学习活动⟷ 评价任务

如果教学中培养的是：

• 数据意识；
• 计算思维；
• 数字化学习与创新；
• 信息社会责任；
• 真实问题解决能力；

那么评价也应当对应考查这些能力，而不能继续考查与教学目标不一致的旧内容。

• 素养综合表现重于孤立知识点

考试不能只问：

• 某个术语是什么意思；
• 某个按钮在哪里；
• 某个操作步骤是什么；
• 某段程序的语法是什么。

更应当考查学生能否：

• 理解概念和原理；
• 在真实情境中选择方法；
• 分析数据；
• 判断方案；
• 使用工具；
• 解释结果；
• 发现问题；
• 改进方案；
• 对技术的社会影响进行评价。

十、教师培训和教学资源建设

讲座认为，课程标准能否有效落地，关键取决于两项基础条件。

• 教师培训

教师自身的：

• 教学技能；
• 信息科技素养；
• 数字素养与技能；
• 人工智能素养；
• 项目设计能力；
• 跨学科协作能力；
• 评价设计能力；

是课程标准实施的基础。

教师培训不能只停留在：

• 学会某个软件；
• 学会某个操作；
• 了解几个新名词；
• 观看几场讲座。

更应当关注：

• 如何设计真实项目；
• 如何将人工智能融入学习过程；
• 如何组织探究实践；
• 如何评价学生过程；
• 如何处理人工智能生成内容；
• 如何开展跨学科教研；
• 如何保护数据安全和学生隐私。
• 教学资源建设

教学资源应具有：

• 普惠性；
• 可及性；
• 便捷性；
• 本地适用性；
• 持续更新性；
• 多样化；
• 实践支持性。

资源建设要帮助不同地区、不同学校真正开得出、用得上、落得实信息科技课程，不能只服务于条件优越的学校。

04 必修课程怎么教

十一、课程升级的五个重点方向

讲座将信息科技课程未来升级概括为五个方面：

• 建设小初高一体化课程体系；
• 实现信息科技与人工智能的有效衔接；
• 落实“做中学、用中学、创中学”；
• 确立信息科技在跨学科教学中的中枢地位；
• 引领学生评价方式创新。

下面分别展开。

十二、小学、初中、高中一体化课程体系

• 打通课程目标

从小学一年级到高中三年级，应当形成一个完整的课程体系。

需要统一和贯通：

• 总体育人目标；
• 学科核心素养目标；
• 六条学科逻辑主线；
• 学段目标；
• 年级目标；
• 学业质量要求；
• 评价标准。

课程不能再出现：

• 小学、初中、高中各自为政；
• 初中讲过的内容高中重复讲；
• 初中没有打基础，高中直接跳跃；
• 同一个概念在不同教材中含义不一致；
• 高中能力要求反而低于初中；
• 不同学段的术语表述互相矛盾。
• 一体化课程体系的四个特征

纵向贯通

小学、初中、高中之间要平滑过渡：

• 小学学习为初中奠定基础；
• 初中学习为高中做好衔接；
• 高中学习在已有基础上进行综合、拓展和创新。

螺旋递进

同一个概念在不同学段应当不断深化，而不是原样重复。

评价贯通

学生的能力和素养发展要能够连续观察，不能每到一个学段就完全换一套标准。

内容一致

同一个学科概念必须保证基本内涵和核心表述的一致性，同时允许根据学生年龄和认知水平进行不同深度的表达。

• 学段功能定位

讲座给出的基本定位是：

小学阶段

重点包括：

• 信息科技启蒙；
• 培养良好使用习惯；
• 建立基础认知；
• 形成基本的信息意识；
• 通过游戏化、情境化、体验式学习激发兴趣。

初中阶段

重点包括：

• 培养逻辑思维；
• 培养问题分析能力；
• 培养自主学习能力；
• 培养探究意识；
• 通过项目式、探究式、合作式学习发展能力。

高中阶段

重点包括：

• 培养高阶思维；
• 培养创新实践能力；
• 融合真实生活；
• 加强与其他学科的交互；
• 解决开放性、复杂性和真实性问题；
• 通过研究式、思辨式和跨学科学习提升综合素养。
• 建设梯度时要防止三类问题

重复

初中已经系统学习过的内容，高中不能机械重复。

跳跃

初中没有铺垫，高中突然进入复杂内容，学生无法理解。

回折

内容难度和能力要求忽高忽低，不能体现螺旋上升。

最终要实现：

不重复、不跳跃、不回折，保持完整、连续和一致。

十三、信息科技与人工智能的衔接

• 信息科技是人工智能的基础

从学科关系看：

• 信息科技或计算机科学是基础；
• 人工智能是信息科技的重要分支和应用方向；
• 人工智能的发展依赖数据、算法、算力、网络和信息系统；
• 人工智能发展迅速，但不能脱离信息科技基础单独存在。

讲座反对把信息科技和人工智能简单处理为两个完全并列、彼此独立的课程。

更准确的关系是：

信息科技基础→人工智能应用与拓展

人工智能是信息科技发展出来的一个重要方向，而不是与信息科技完全割裂的另一套体系。

• 信息科技素养向人工智能素养发展

讲座提出了一个发展链条：

信息素养→数字素养与技能→人工智能素养

这反映出社会技术发展带来的素养升级。

• 人工智能素养的四个发展方向

讲座提出，未来人工智能素养可以对应以下四个方面。

方向一：信息意识转向数据意识或数字意识

原因在于：

• 传统信息环境下，人们主要判断一条信息的真假和价值；
• 生成式人工智能环境下，数据数量极大增加；
• 人们需要判断一类数据的生成方式、可信度和价值；
• 需要识别人工智能生成内容的来源、偏差和风险。

因此，数据意识需要关注：

• 数据从哪里来；
• 数据如何生成；
• 数据是否可靠；
• 数据有什么价值；
• 数据能否被使用；
• 数据使用是否安全；
• 数据是否存在偏见。

方向二：计算思维转向协同计算思维

传统模式：

人分析问题→人设计算法→人编写程序→计算机执行

人工智能时代逐步转向：

人提出任务⟷ 人工智能生成方案⟷ 人进行验证、判断和迭代

协同计算思维要求学生：

• 会分解问题；
• 会与人工智能对话；
• 会提出清晰任务；
• 会评估人工智能生成方案；
• 会进行事实核验；
• 会判断方案是否适合当前情境；
• 会进行工程化优化；
• 会承担最终责任。

方向三：数字化学习与创新转向智能化学习与创新

重点由“使用数字工具”拓展为：

• 使用智能工具；
• 使用人工智能资源；
• 进行人机协同学习；
• 进行人机协同创作；
• 推动跨学科和跨领域创新；
• 培养探究和创新潜质。

方向四：信息社会责任转向智慧社会责任

传统责任重点是“遵守已有规则”。

智能时代则还要参与：

• 人工智能伦理建构；
• 智慧社会规则建设；
• 数据治理；
• 算法公平讨论；
• 人工智能风险防范；
• 生成式人工智能内容规范。
• 信息科技课程向人工智能课程的延展

讲座给出了若干课程延展设想。

这里体现的是一种“基础—延展—跨学科”的关系：

• 信息科技课程负责奠基；
• 人工智能课程负责延展；
• 人工智能进一步进入各学科和真实社会场景；
• 最终服务于学生综合能力发展。
• 人工智能课程的四个主题方向

讲座提到义务教育人工智能主题中的四个方向：

• 认识人工智能；
• 智能传播；
• 智能识别；
• 智能规划。

讲座认为，目前这些内容主要在小学和初中阶段体现，高中信息科技课程应继续思考如何将：

• 做中学；
• 用中学；
• 创中学；

融入高中人工智能学习。

十四、落实“做中学、用中学、创中学”

• “做中学、用中学、创中学”的基本理念

讲座将信息科技课程定位为科学教育的重要实践场域。

其核心不是让学生反复刷题，而是：

• 在实践中获得知识；
• 在使用中理解技术；
• 在创作中形成能力；
• 在试错中发展科学精神；
• 在解决真实问题中提升素养。

讲座引用“不会下水就学不会游泳”的比喻，说明科学学习不能只停留在纸面知识上。

尤其是人工智能领域具有以下特点：

• 发展前沿；
• 知识更新快；
• 许多问题没有成熟答案；
• 需要不断实验；
• 需要不断试错；
• 需要在实践中形成新方法。

因此，学生必须经历真实的实践过程。

• 科学教育的基本要求

讲座依据相关科技教育文件，提出科学教育应当：

• 以学生为学习主体；
• 以学生兴趣发展为导向；
• 以实践动手为路径；
• 加强科学探究实践；
• 变革科学教育育人方式；
• 激发好奇心；
• 激发想象力；
• 激发探求欲；
• 聚焦真实问题；
• 关注生产生活实际；
• 了解科技发展变化；
• 开展跨学科探究实践；
• 掌握科学方法；
• 发展科学思维；
• 提升科学素养。
• 对高中信息科技的启示

虽然义务教育阶段的“做中学”领航行动主要面向小学和初中，但对高中同样有启示：

• 高中不能只做纸笔练习；
• 高中不能只讲抽象概念；
• 高中不能只训练考试题型；
• 高中应开展长周期研究性项目；
• 高中应提供真实问题和开放环境；
• 高中应允许学生失败、修改和重来；
• 高中应重视科学探究和成果表达。
• 任务和项目的实施要求

讲座提到义务教育阶段的相关要求：

• 每学期不少于一个任务；
• 每个任务不少于四课时；
• 强调学生主体地位；
• 鼓励大胆尝试；
• 包容失败；
• 创设开放多元的学习环境；
• 支持深度思考和动手实践；
• 建设长期、持续的科学探究活动；
• 强化社会协同；
• 使资源供给与学校需求相匹配。

对高中而言，可以将其转化为：

• 每学期至少组织一个有完整过程的综合项目；
• 项目不应只在一节课内完成；
• 项目应有数据、作品、报告或系统等真实产出；
• 项目应包含多次迭代；
• 项目应保留过程性证据；
• 项目应允许不同学生形成不同成果。

05 做中学与跨学科

十五、信息科技在跨学科教学中的“中枢地位”

• 为什么信息科技可以成为跨学科中枢

现实问题通常不是单一学科能够独立解决的。

例如：

• 生态环境问题需要生物、地理、化学和信息科技；
• 城市交通问题需要数学、物理、地理和信息科技；
• 历史文化传播需要语文、历史、美术和信息科技；
• 健康管理需要生物、体育、心理和信息科技；
• 智能系统设计需要数学、物理、工程和信息科技。

信息科技能够提供：

• 数据平台；
• 数字工具；
• 信息资源；
• 模型工具；
• 可视化工具；
• 人工智能工具；
• 协作环境；
• 过程数据；
• 评价支持。

因此，信息科技不仅是“参与跨学科”，还可以成为跨学科教学的基础平台。

• 跨学科教研的基本方式

讲座建议信息科技教师主动与其他学科教师开展合作：

• 共同寻找真实问题；
• 共同确定融合目标；
• 共同设计学习任务；
• 共同开发项目方案；
• 共同实施学习活动；
• 共同评价学生成果。

例如：

• 信息科技教师负责数据、工具、平台和人工智能；
• 生物教师负责生命科学知识；
• 地理教师负责空间和环境分析；
• 数学教师负责统计、建模和数据解释；
• 语文教师负责表达、论证和成果传播。

人工智能还可以辅助教师：

• 创设跨学科场景；
• 设计跨学科任务；
• 生成项目方案；
• 提供资源线索；
• 比较不同学科视角；
• 辅助构建评价量规。

但人工智能只能作为协同工具，不能替代教师的专业判断。

• 信息科技在跨学科中的四类核心作用

作用一：提供平台和媒介

信息科技为其他学科提供：

• 跨学科协作平台；
• 数据平台；
• 资源平台；
• 数字化学习环境；
• 人工智能交互工具；
• 多学科知识融合空间。

例如：

• 语文与历史的跨学科学习可以在信息科技平台上实现资源整合；
• 物理与化学的跨学科学习可以利用数据处理和可视化工具；
• 数学学习可以借助人工智能实现更直观的模型呈现和图形渲染。

作用二：创设场景、任务和项目

信息科技特别是人工智能能够创设：

• 虚拟场景；
• 仿真环境；
• 历史情境；
• 未来社会情境；
• 复杂问题情境；
• 跨学科任务；
• 综合实践项目。

作用三：收集、处理和呈现数据

信息科技可以帮助各学科：

• 收集数据；
• 清洗数据；
• 组织数据；
• 分析数据；
• 可视化呈现数据；
• 建立模型；
• 解释结果。

作用四：支持过程性评价和成长分析

如果系统记录了：

• 学生学习过程数据；
• 学生问题解决数据；
• 学生作品迭代数据；
• 小组协作数据；
• 教师教学数据；

就可以进一步分析：

• 学生的进步；
• 学生的优势；
• 学生的创新点；
• 学生的薄弱环节；
• 团队协作变化；
• 班级整体发展；
• 作品质量变化。

人工智能还可以：

• 发现学生作品中的亮点；
• 发现学生解决问题时的创新点；
• 比较学生今天和昨天的表现；
• 比较团队本周和上周的表现；
• 推荐优秀方案和典型作品；
• 生成过程性学习报告。
• 信息科技与人工智能的“树”式结构

讲座用“一棵树”形象说明信息科技、人工智能、其他学科和学生成长之间的关系：

• 树根：信息科技

扎在数据、算法、网络、信息处理、信息安全等基础上。

• 树干：人工智能

是信息科技发展出的重要方向和强大支撑。

• 树枝：各个学科

包括语文、数学、物理、化学、历史、地理等。

• 果实：学生综合能力和全面成长

即学生的知识融合能力、问题解决能力、创新能力、责任意识和综合素养。

这一结构说明：

信息科技不是其他学科的附属工具，而是可以通过人工智能和数字平台，把不同学科联系起来的重要枢纽。

十六、信息科技与德智体美劳“五育”融合

讲座提出，信息科技和人工智能应当服务于五育融合。

• 智育

不应主要帮助学生提高机械解题速度，因为：

• 学生做一张卷子需要80分钟还是90分钟，意义有限；
• 人工智能可能一秒钟完成大量计算和解题。

信息科技和人工智能在智育中的重点应当是：

• 高阶思维；
• 创造性解决问题；
• 问题建模；
• 科学探究；
• 创新能力；
• 科学家精神。
• 德育

信息科技和人工智能可以帮助：

• 建设网络安全意识；
• 培养数据责任；
• 培养人工智能伦理；
• 建立正确价值观；
• 维护网络空间秩序；
• 理解科技向善；
• 防止算法歧视和数据偏见；
• 推动思政课程情境化、智能化和趣味化。
• 体育

可以利用信息科技和人工智能：

• 记录运动数据；
• 分析运动表现；
• 监测健康状态；
• 提供个性化训练建议；
• 强化健康第一理念；
• 培养坚强意志；
• 促进心理健康。
• 美育

可以利用人工智能和数字技术：

• 展示传统文化；
• 促进传统文化理解；
• 进行数字艺术创作；
• 进行虚拟展览；
• 实现跨媒介表达；
• 培养学生对中华优秀传统文化的尊重和认同。
• 劳育

未来劳动形态可能发生变化：

• 体力劳动仍然重要；
• 但数字化劳动会增加；
• 协同型劳动会增加；
• 创造性劳动会增加；
• 人机协同劳动会成为重要形态。

因此，信息科技和人工智能可以帮助学生理解未来劳动、参与数字劳动和形成创造性劳动能力。

十七、六种未来学习方式

讲座提出六种未来学习方式：

• 自主式学习；
• 项目式学习；
• 沉浸式学习；
• 探究式学习；
• 关联式学习；
• 合作式学习。

这六种学习方式并不是彼此孤立的，而是相互耦合、相互支撑的。

• 自主式学习

1.1 基本理念

教育应当从：

• 以课标为中心；
• 以教师为中心；
• 以教材为中心；
• 以教案为中心；

转向：

以学习者为中心。

人工智能可以根据学生不同的：

• 学习动机；
• 学习方式；
• 学习基础；
• 学习节奏；
• 学习兴趣；
• 学习目标；

为学生提供个性化学习方案。

未来不应继续采用：

• 全班同一进度；
• 教师从头讲到尾；
• 所有人做同样作业；
• 所有人使用同一标准答案；
• 所有人按照同一标准评分。

而应推进：

• 个性化教育；
• 自适应学习；
• 个性化节奏；
• 个性化任务；
• 个性化资源；
• 个性化评价。

1.2 自主式学习的四个核心特征

独立性

学生能够：

• 摆脱被动灌输；
• 独立思考；
• 独立探究；
• 独立获取和分析信息；
• 独立解决一部分问题。

能动性

学生的学习由内在兴趣驱动：

• 主动提出问题；
• 主动获取知识；
• 主动尝试方法；
• 主动寻求帮助；
• 主动反思学习过程。

自律性

学生能够：

• 自主安排进度；
• 自主选择学习内容；
• 自主规划学习任务；
• 自主规范学习行为；
• 自我监控学习效果。

创造性

学生能够：

• 个性化理解知识；
• 个性化应用方法；
• 形成不同的解决路径；
• 产生不同的表达方式；
• 发挥个人特长；
• 进行创新设计。

1.3 教师在自主学习中的角色

教师不再主要负责“一致性灌输”，而要重点教会学生：

• 如何进行自我规划；
• 如何制定学习目标；
• 如何建立学习习惯；
• 如何使用学习助理；
• 如何辨别人工智能建议；
• 如何管理自己的学习进程；
• 如何进行自我评价和反思。
• 项目式学习

2.1 项目不能只是“知识点改名”

讲座明确批评了把“认识二进制”称作项目的做法。

“认识二进制”本质上是一个知识点或学习内容，不是完整的项目。

真正的项目应当具备：

• 真实问题；
• 明确目标；
• 实际任务；
• 操作过程；
• 团队协作；
• 阶段成果；
• 最终作品；
• 评价和反思。

2.2 项目的来源要真实

教师不能全国都使用十几个、二十个通用项目，也不能相互照搬。

讲座主张：

• 每位教师都应形成自己的特色项目；
• 项目应结合当地实际；
• 项目应结合学校条件；
• 项目应结合学生生活；
• 项目可以用教师自己的名字命名；
• 项目应体现教师个人专业特长。

这是教师形成教学特色、提升不可替代性的重要方式。

2.3 项目的难度要适中

项目不能：

• 过于简单，让学生不费力就完成；
• 过于困难，让学生始终无法完成。

最佳难度应略高于学生当前水平：

项目难度≈学生现有水平+适度挑战

也就是学生需要：

• 稍微努力；
• 尝试新方法；
• 借助同伴和人工智能；
• 经过多轮修改；
• 最终能够完成。

2.4 项目要有阶段性成就感

一个项目可以拆分为5—8个节点或里程碑。

每个节点都可以：

• 形成阶段成果；
• 进行阶段展示；
• 发现学生亮点；
• 给予表扬或奖励；
• 增强学生荣誉感；
• 激发后续学习动力。

这种设计能够避免学生只有在项目最终完成时才获得反馈。

2.5 项目式学习的五个主要特征

实践性

必须依托实际操作完成项目，不能只在黑板上画项目流程。

综合性

项目应当融合多学科知识和多种能力，体现信息科技的中枢作用。

协作性

项目最好由多人完成，培养：

• 小组分工；
• 人与人协作；
• 人与人工智能协作；
• 任务协调；
• 共同决策。

探究性

项目应围绕问题逐层分析：

• 发现问题；
• 分解问题；
• 收集信息；
• 提出方案；
• 试验验证；
• 修改完善；
• 得出结论。

成果性

项目应当有可观察、可展示、可评价的成果，如：

• 程序；
• 系统；
• 模型；
• 数据报告；
• 可视化作品；
• 研究报告；
• 演讲展示；
• 产品原型。
• 沉浸式学习

3.1 基本特点

信息科技非常适合开展沉浸式学习，因为可以借助：

• 虚拟现实；
• 增强现实；
• 人工智能；
• 数字仿真；
• 多媒体；
• 游戏化场景；
• 互动系统。

让学生突破：

• 时间限制；
• 空间限制；
• 现实条件限制。

例如，可以将学生带入：

• 三国历史场景；
• 都江堰工程场景；
• 革命历史情境；
• 虚拟实验环境；
• 未来城市；
• 智慧交通系统。

3.2 沉浸式学习的重要设计原则：人在环内

学习者不应只是场景外的旁观者，而应当在场景中承担角色、完成任务、作出决策。

例如，在革命历史主题项目中：

• 学生分别承担侦察、通信、后勤、宣传等角色；
• 学生共同还原革命斗争场景；
• 学生在任务中理解历史；
• 学生在协作中体验战斗精神；
• 学生在角色行动中形成价值认同。

这比教师在黑板上讲、学生在座位上听更容易形成真实体验。

3.3 沉浸式学习的主要特征

代入性

学生进入场景，对学习内容形成共情和感知。

专注性

学生集中精力解决问题，减少被动学习中的分心。

体验性

学生通过实际操作、互动和任务获取知识与经验。

融合性

实现：

• 虚实结合；
• 多媒体联动；
• 多学科融合；
• 人机互动；
• 情境与知识联动。
• 探究式学习

4.1 不能给学生铺好唯一道路

传统课堂往往：

• 教师把问题讲得非常清楚；
• 教师给出标准解决路径；
• 学生模仿教师；
• 教师改变参数；
• 学生重复操作。

这种方式效率可能较高，但探究性和创新性不足。

探究式学习应当：

• 给学生目标；
• 不直接给出答案；
• 不规定唯一通路；
• 允许学生尝试；
• 允许学生试错；
• 允许学生形成不同方案；
• 让学生根据证据进行判断。

4.2 探索与创新的区别

讲座对“探索”和“创新”进行了区分。

探索

用不同方法解决同一个问题，并比较不同方法的优劣。

例如：

• 用两种算法完成同一任务；
• 用不同数据处理方法分析同一问题；
• 比较不同模型和方案的效果。

创新

提出过去没有出现过、与他人不同的新方法来解决问题。

创新不只是换一个表面形式，而是：

• 形成新思路；
• 提出新方案；
• 发现新关系；
• 形成新产品；
• 产生新的解释或应用。

4.3 探究式学习的基本闭环

完整的探究过程应包括：

信息收集→提出方案→方案辩论→方案验证→评价与反思

教师的主要职责是：

• 观察学生；
• 关注学生的思考过程；
• 提供必要支持；
• 不替代学生探究；
• 在问题解决后帮助学生复盘。

4.4 探究式学习的五个主要特征

质疑性

学生敢于：

• 发问；
• 挑战；
• 提出疑点；
• 表达不同观点；
• 对权威答案进行审视。

逻辑性

学生能够：

• 循序渐进地分析；
• 由表及里；
• 抽丝剥茧；
• 提出假设；
• 进行推导；
• 设计验证方案；
• 根据证据形成结论。

开放性

应允许：

• 多种路径；
• 多种方案；
• 多种解释；
• 多种成果形式；
• 多种评价维度。

不能把唯一答案、唯一方法作为唯一标准。

实证性

结论必须依靠：

• 数据；
• 实验；
• 观察；
• 结果；
• 证据；

来验证，而不是只凭直觉和猜想。

表达性

学生要能够：

• 展示探究过程；
• 说明思考路径；
• 解释数据证据；
• 陈述创新成果；
• 回应质疑；
• 进行答辩和交流。
• 关联式学习

5.1 反对知识碎片化

现代科学知识本身是一个相互联系的网络，但学校教育往往把知识分割为：

• 语文；
• 数学；
• 物理；
• 化学；
• 生物；
• 历史；
• 地理；
• 信息科技。

这种分科结构有其必要性，但如果过度分割，就会导致：

• 知识碎片化；
• 学科之间缺少连接；
• 学生难以把知识应用于真实问题；
• 学生难以理解知识的整体结构。

5.2 关联式学习的主要方向

前引后联

学习当前知识时，能够联系前面和后面的内容。

左拓右展

将某一概念、方法和其他学科联系起来。

例如：

• 信息科技中的数据分析如何服务数学；
• 算法思想如何服务物理建模；
• 数据可视化如何服务历史研究；
• 人工智能如何服务语文表达；
• 网络安全如何联系思政和法治教育。

新旧联系

信息科技更新速度快，学生要能够：

• 比较新旧技术；
• 联系前后知识；
• 解释技术变化；
• 理解发展原因；
• 防止把旧方法当成永恒不变的知识。

跨界联动

把信息科技知识和其他学科知识结合起来，形成综合问题解决能力。

现实应用

把所学知识用于：

• 生活问题；
• 学习问题；
• 社会问题；
• 生产问题；
• 真实场景中的决策和实践。

5.3 关联式学习的核心价值

关联式学习追求：

• 学习的整体性；
• 知识的结构化；
• 学科之间的互通性；
• 新旧知识的连续性；
• 知识与实践的统一；
• 多维度、立体化认知。
• 合作式学习

6.1 合作关系发生变化

传统小组学习可能是：

• 一个教师；
• 若干学生；
• 学生之间分工合作。

未来则可能是：

• 一个教师；
• 多名学生；
• 若干人工智能助手或智能体；
• 共同完成任务。

因此，需要关注三类关系：

• 人与人；
• 人与人工智能；
• 人工智能与人工智能。

但无论人工智能参与程度多高，学生都必须是问题解决的主体。

6.2 防止“人工智能对人工智能教学”

讲座举了一个反面案例：

• 语文教师布置作文；
• 学生直接把题目交给人工智能生成文章；
• 教师再把文章交给另一个人工智能评分；
• 学生和教师都没有真正思考；
• 最终变成“人工智能写作，人工智能评价”。

这种方式会导致：

• 学生思考被削弱；
• 教师判断被削弱；
• 学习过程被压缩；
• 评价失去真实性；
• 学习主体被技术替代。

6.3 任务设计的基本要求

教师布置的任务必须包含：

• 中间过程；
• 思考过程；
• 方案比较；
• 人机协同；
• 人工智能结果验证；
• 学生修改和反思；
• 学生最终表达。

不能只布置人工智能“一次性就能完成”的简单任务。

6.4 合作式学习的主要特征

互助性

• 教师帮助学生；
• 学生帮助学生；
• 学生与人工智能互相补充；
• 用协作弥补个体短板。

交互性

合作成员要：

• 平等沟通；
• 平等讨论；
• 交换观点；
• 比较方案；
• 进行辩论；
• 形成共识。

分工性

根据特长分工：

• 学生负责问题分析；
• 学生负责制定方案；
• 人工智能负责信息搜集；
• 人工智能辅助数据分析；
• 学生负责真实性验证；
• 学生负责价值判断；
• 学生负责最终表达和决策。

迭代性

合作不是一次完成，而是：

提出任务→完成任务→发现新问题→提出新任务→再次完成

共赢性

最终目标是凝聚多方力量，共同达成学习目标。

十八、四类评价模式创新

讲座对评价改革提出了四种重要转变。

• 从终结性评价转向过程性评价

终结性评价

主要表现为：

• 期中考试；
• 期末考试；
• 学段考试；
• 一次性测验；
• 以最终分数判定学习结果。

过程性评价

应覆盖：

• 课前；
• 课中；
• 课后；
• 项目启动；
• 方案设计；
• 实践操作；
• 过程修改；
• 成果展示；
• 总结反思。

过程性评价的四个特征

全程性

覆盖完整学习过程。

动态性

实时记录学生状态变化和能力变化。

多元性

从多维度进行观察，而非只看分数。

激励性

以评价促进学习，通过正向反馈引导成长。

核心变化是：

从“考一张期末卷子”转向“观察和记录学生一学期的发展过程”。

• 从单一性评价转向多元性评价

评价主体多元

可以包括：

• 学生自评；
• 学生互评；
• 教师评价；
• 家长参与评价；
• 小组评价；
• 人工智能辅助分析；
• 校外专家或合作单位评价。

评价内容多元

除知识外，还应评价：

• 技能；
• 作品；
• 能力；
• 行为；
• 态度；
• 品格；
• 素养；
• 合作表现；
• 创新表现；
• 过程质量。

评价方式多元

除了纸笔考试，还可以采用：

• 实际操作；
• 项目成果；
• 作品展示；
• 演讲；
• 答辩；
• 质疑；
• 批判；
• 挑战；
• 观察记录；
• 学习档案袋；
• 研究报告；
• 过程日志。

评价标准多元

不能只用“60分及格、60分以下不及格”的单一标准。

评价要关注个体差异：

• 有的学生长期稳定在高水平；
• 有的学生基础较弱但进步明显；
• 有的学生知识掌握一般但创新能力突出；
• 有的学生作品不成熟但探究过程很有价值。

因此，评价既要看结果，也要看：

• 起点；
• 增长；
• 过程；
• 特长；
• 潜能；
• 发展方向。
• 从离散性评价转向综合性评价

离散性评价

即分科评价：

• 语文单独评价；
• 数学单独评价；
• 物理单独评价；
• 信息科技单独评价。

综合性评价的主要特征

全面性

综合考查：

• 知识；
• 技能；
• 思维；
• 行为；
• 思想；
• 品格；
• 素养。

整合性

通过过程数据和多种评价材料，汇聚不同方面的信息，分析学生的：

• 综合素养；
• 综合能力；
• 综合知识水平；
• 跨学科问题解决能力。

整体性

立足学生整体发展，不能根据：

• 一次失败；
• 一个错误；
• 一次考试；
• 一个知识点；

给学生下结论。

适配性

不同学科、不同任务、不同学生，应当匹配不同的评价方式和评价方向。

• 从停滞性评价转向长期性评价

停滞性评价

主要评价学生的过去：

• 过去一个学期的成绩；
• 过去一个阶段的考试；
• 过去某一次表现；
• 过去某一学段的结果。

长期性评价的主要特征

跨度性

评价应跨越：

• 单次学习；
• 一个学期；
• 一个学年；
• 多个学段；
• 学习生涯中的连续发展。

成长性

重点关注：

• 学生的进步幅度；
• 能力提升；
• 素养变化；
• 学习习惯发展；
• 创新能力成长。

稳定性

观察学生的常态表现，避免以一次偶然结果决定学生水平。

讲座以学生立定跳远为例说明：

• 某次成绩不好，可能是偶然状态；
• 如果学生平时成绩稳定且长期表现优秀，不能因为一次失误否定其能力；
• 评价要关注长期稳定水平。

预见性

评价不仅要说明学生过去怎么样，还要帮助判断：

• 学生未来可能的发展方向；
• 学生当前的薄弱环节；
• 学生需要怎样干预；
• 学生应当如何改进；
• 学生如何获得进一步发展。
• “点—线—面—体”的评价结构

讲座用“点线面体”描述评价范围的扩大。

评价改革的目标，是从孤立的“点”走向完整的“体”。

• 评价改革的总体价值取向

讲座提出，未来评价应当：

• 重成长；
• 重成就；
• 弱化分数；
• 弱化文凭；
• 关注真实表现；
• 关注作品和成果；
• 关注态度和行为；
• 关注过程；
• 关注素养；
• 关注综合发展；
• 关注未来发展。

信息科技课程可以成为评价改革的“试验田”，因为它具有：

• 数据记录能力；
• 数字平台支撑能力；
• 人工智能分析能力；
• 过程追踪能力；
• 多元成果呈现能力。

十九、教学场景创新

• 从教室走向真实生活

传统教学场景主要局限于：

• 教室；
• 黑板；
• 课本；
• 纸笔；
• 教师讲授。

未来信息科技教学应更多进入：

• 学生身边的生活场景；
• 社区；
• 企业；
• 科技馆；
• 实验室；
• 生产现场；
• 社会调查；
• 田野调查；
• 真实企业环境。

教师可以组织学生：

• 开展社会调查；
• 走进企业；
• 体验先进技术；
• 观察数字化生产；
• 了解人工智能应用；
• 研究当地实际问题；
• 形成调研报告或数字作品。
• 需要避免的三个误区

误区一：历史概念的机械轰炸

不要过度纠结：

• 很久以前谁提出过什么观点；
• 很久以前开过什么会议；
• 与当前学习目标无关的历史材料。

历史知识并非没有价值，但不能脱离学生真实问题和当代技术发展进行概念堆积。

误区二：概念轰炸

不能一上来就让学生背：

• 十个概念；
• 二十个概念；
• 大量术语；
• 大量定义。

概念应当在问题、任务和实践中生成。

误区三：抽象空洞

不能一开始就讲大量学生摸不着头脑的抽象内容，而应当：

体验→观察→问题→概念→原理→应用

• 新教学场景的四个突出特点
• 从体验走向认知；
• 突出跨学科；
• 突出人工智能协同；
• 突出探索与创新。

06 面向未来的课程升级

二十、数字教材创新

• 数字教材不是纸质教材的扫描版

讲座明确指出，以下做法不是真正的数字教材创新：

• 将纸质教材扫描到屏幕上；
• 把文字教材简单搬到网页上；
• 把静态电子文本当成数字教材；
• 只是增加几个视频链接；
• 只是把PDF换成在线阅读。

真正的数字教材应当改变教材的功能和形态。

• 数字教材应具备的基本属性

思想性和政治正确

教材要坚持正确的育人方向，体现：

• 立德树人；
• 科技向善；
• 网络安全；
• 国家发展；
• 社会责任；
• 正确价值观。

科学性

教材中的：

• 科学概念；
• 技术原理；
• 数据；
• 事实；
• 模型；
• 算法解释；

都必须准确，不能出现科学性错误。

动态性

信息科技和人工智能发展迅速，教材不能几年不变。

数字教材应能够：

• 实时更新；
• 动态修订；
• 及时加入新技术；
• 及时纠正过时内容；
• 跟踪数据和社会变化；
• 保持课程内容的时代性。

多模态

数字教材不应只有文字，还应包含：

• 文字；
• 图片；
• 视频；
• 动画；
• 音频；
• 仿真；
• 交互操作；
• 数据可视化；
• 人工智能对话。

未来教室中的：

• 摄像头；
• 音箱；
• 交互屏；
• 传感器；
• 虚拟现实设备；

都可能成为数字教材的呈现或交互设备。

针对性

数字教材应当进入学生真实生活场景，做到：

• 因地制宜；
• 因校制宜；
• 因生制宜；
• 因学习任务制宜；
• 因地方产业和文化制宜。

交互性

数字教材应支持：

• 教师与学生交互；
• 学生与教师交互；
• 学生与学生交互；
• 学生与资源交互；
• 学生与人工智能交互；
• 教师与教师协同备课。

教材由此不再只是“内容载体”，而会逐渐变成“学习平台”。

创新性

数字教材应当在：

• 内容组织；
• 学习路径；
• 场景设计；
• 资源形态；
• 人机交互；
• 评价功能；

方面区别于传统教材。

发展性

数字教材应持续：

• 迭代；
• 优化；
• 更新；
• 扩展；
• 纠错；
• 适应技术发展。
• 未来数字教材的功能定位

讲座将数字教材描述为：

• 学习社区；
• 知识承载区；
• 场景集聚区；
• 个性化学习支持平台；
• 跨学科学习平台；
• 合作式学习平台；
• 知识加工平台；
• 知识沉淀平台；
• 知识分发平台；
• 超越时空的案例平台；
• 评价平台；
• 可不断迭代的教育基础设施。

未来数字教材应当支持：

• 个性化学习；
• 跨学科学习；
• 合作式学习；
• 项目式学习；
• 探究式学习；
• 学习成果积累；
• 学习过程记录；
• 学习证据分析；
• 学习评价与反馈。

其最终形态不是一个“电子课本”，而是：

支撑教学、学习、评价和资源协同的教育基础设施。

• 数字教材建设的三种态度

讲座最后提出数字教材建设需要：

准确识变

准确看见数字教材究竟发生了什么变化，不能把电子化误认为数字化。

科学应变

根据人工智能、数字技术和教育发展规律，科学调整：

• 教育目标；
• 教材结构；
• 学习方式；
• 教学样态；
• 评价机制。

主动求变

教师、教材编写者和学校都应当主动参与：

• 教学改革；
• 学习改革；
• 评价改革；
• 教材改革；
• 数字教育生态建设。

二十一、教师角色的根本转变

新课标和智能时代要求教师发生多方面变化。

• 从知识传授者转向学习设计者

教师不只是讲授知识，还要：

• 设计真实问题；
• 创设学习情境；
• 设计项目；
• 组织探究；
• 设计人机协同任务；
• 促进学生反思；
• 组织成果展示。
• 从统一进度管理者转向个性化学习指导者

教师要帮助不同学生：

• 制定不同目标；
• 选择不同资源；
• 采用不同节奏；
• 形成不同成果；
• 建立自己的学习方式。
• 从结果评判者转向过程观察者

教师要观察：

• 学生如何发现问题；
• 如何分解问题；
• 如何寻找资料；
• 如何使用人工智能；
• 如何验证结果；
• 如何修正方案；
• 如何与同伴合作；
• 如何表达和反思。
• 从单学科教师转向跨学科协作者

信息科技教师应主动与其他学科教师合作，承担：

• 数据支持；
• 技术支持；
• 平台支持；
• 人工智能应用支持；
• 跨学科项目设计支持；
• 过程评价支持。
• 从被动辅助者转向主动引领者

讲座特别强调，信息科技教师不能因为信息科技不参加传统升学考试，就认为自己处于从属地位。

信息科技教师应当：

• 主动出击；
• 主动服务真实问题；
• 主动进入跨学科教学；
• 主动建设人工智能应用场景；
• 主动参与全校数字化改革；
• 主动引领学习和评价方式创新。

二十二、信息科技课程的实施策略

以下策略是在讲座内容基础上的系统化落地建议。

策略一：建立“六条逻辑主线”课程地图

学校和教师应围绕以下六条主线建立课程地图：

• 数据；
• 算法；
• 网络；
• 信息处理；
• 信息安全；
• 人工智能。

课程地图至少应包含：

设计时要重点检查：

• 是否重复；
• 是否跳跃；
• 是否概念表述一致；
• 是否体现螺旋上升；
• 是否符合学生认知水平。

策略二：重新设计必修一和必修二

《数据与计算》应重点关注

• 数据来源；
• 数据编码；
• 数据组织；
• 数据安全；
• 数据呈现；
• 数据价值；
• 数据挖掘；
• 知识发现；
• 大数据；
• 算法；
• 算力；
• 超级计算；
• 云计算；
• 人工智能；
• 自主可控技术。

《信息系统与社会》应重点关注

• 信息系统组成；
• 信息系统运行过程；
• 小型信息系统搭建；
• 数据输入、处理与输出；
• 信息系统的社会应用；
• 信息系统优势与局限；
• 人机交互；
• 生成式人工智能；
• 深度学习或智能技术；
• 信息系统创新；
• 系统安全；
• 网络空间责任；
• 人工智能伦理。

策略三：以真实项目代替知识点包装

项目设计可使用以下结构：

• 真实背景；
• 核心问题；
• 项目目标；
• 所需知识；
• 小组分工；
• 人工智能使用规则；
• 数据采集方案；
• 解决方案设计；
• 实践和测试；
• 过程修改；
• 成果展示；
• 评价与反思。

项目应当满足：

• 真实；
• 有价值；
• 有难度；
• 可完成；
• 可协作；
• 可探究；
• 可展示；
• 可评价；
• 可迭代。

策略四：设计“人机协同”而不是“机器代做”

人工智能在课堂中的使用要遵循以下原则：

学生必须是主体

学生负责：

• 理解任务；
• 提出问题；
• 判断方向；
• 选择方案；
• 验证结果；
• 作出决策；
• 承担责任。

人工智能可以承担辅助任务

人工智能可以用于：

• 搜集资料；
• 整理信息；
• 生成多个方案；
• 辅助数据分析；
• 提供代码草稿；
• 辅助可视化；
• 模拟不同情境；
• 提供反馈建议。

必须保留思考痕迹

要求学生提交：

• 问题分析；
• 提示词或任务描述；
• 人工智能输出；
• 学生核验记录；
• 修改过程；
• 方案比较；
• 最终决策依据；
• 反思报告。

可以形成如下证据链：

学生问题

→人工智能辅助

→学生验证

→学生修改

→学生成果

→学生反思

策略五：构建多元评价量规

一个信息科技项目的评价可以包括：

评价不应只给一个总分，还可以形成：

• 过程性记录；
• 阶段性反馈；
• 成果性评价；
• 自评和互评；
• 教师评价；
• 发展性建议。

二十三、对高中信息科技教师的具体要求

教师应当逐步形成以下能力结构。

• 学科基础能力

掌握：

• 数据；
• 算法；
• 网络；
• 信息处理；
• 信息安全；
• 人工智能；
• 信息系统；
• 数字社会等核心内容。
• 人工智能应用能力

能够：

• 选择合适的人工智能工具；
• 设计有效提示和任务；
• 判断人工智能输出质量；
• 识别机器幻觉；
• 识别算法偏见；
• 关注版权和隐私；
• 设计人机协同学习活动。
• 项目设计能力

能够设计：

• 有地方特色的项目；
• 与生活相关的项目；
• 具有一定挑战的项目；
• 可以分阶段完成的项目；
• 能够跨学科的项目；
• 可形成真实成果的项目。
• 跨学科协作能力

能够与：

• 语文；
• 数学；
• 物理；
• 化学；
• 生物；
• 历史；
• 地理；
• 思政；
• 体育；
• 美术；

等学科教师共同设计课程和项目。

• 数据化评价能力

能够收集和分析：

• 学生学习过程；
• 学生作品；
• 学生互动；
• 学生合作；
• 学生修改；
• 学生创新；
• 学生阶段性进步。
• 反思和创新能力

教师应不断：

• 更新知识；
• 更新教学内容；
• 更新教学方法；
• 更新项目资源；
• 更新评价方式；
• 形成个人教学风格。

二十四、整场讲座的核心逻辑链

将讲座全部内容压缩，可以形成如下逻辑：

国家战略需求→智能时代挑战→课程名称和结构调整→核心素养升级→人工智能融入→做中学、用中学、创中学→跨学科中枢→学习方式创新→评价方式创新→教学场景创新→数字教材创新→学生全面成长

也可以进一步概括为：

课程目标由技术掌握转向数字素养与技能；课程内容由知识点集合转向逻辑主线；教学方式由教师讲授转向学生实践；人工智能由学习对象转向协同伙伴；评价方式由结果判断转向长期发展；教师角色由知识传递者转向学习设计者和教育创新者。

二十五、讲座中的关键判断汇总

• 信息科技课程名称由“信息技术”调整为“信息科技”。
• “信息素养”调整为“数字素养与技能”。
• 四个学科大概念调整为六条学科逻辑主线。
• 六条主线是数据、算法、网络、信息处理、信息安全和人工智能。
• 课程体系总体保持稳定。
• 必修课仍然是《数据与计算》和《信息系统与社会》。
• 当前学校应优先把两门必修课做好。
• 《数据与计算》增加大数据、数据挖掘、知识发现、数据算法算力和自主可控人工智能内容。
• 删除“掌握一种程序设计语言”的明确要求。
• 删除不等于编程消失，而是弱化单一语言掌握的统一要求。
• 《信息系统与社会》增加小型信息系统搭建活动。
• 增加人工智能对人机交互和信息系统创新的影响。
• 增加人工智能能力边界、模型训练和参数调整内容。
• 学业质量划分为三级。
• 考试评价要坚持素养立意。
• 必须实现教学、学习、评价一致。
• 要注重真实情境中的问题解决。
• 教师培训是课标实施基础。
• 教学资源的普惠性、可及性和便捷性是课程落地支撑。
• 要建设小初高一体化课程体系。
• 小学重启蒙，初中重衔接，高中重综合、拓展和创新。
• 要防止课程重复、跳跃和回折。
• 信息科技是人工智能的基础。
• 人工智能是信息科技的重要发展方向和应用场景。
• 未来可进一步发展人工智能素养。
• 信息意识可发展为数据意识。
• 计算思维可发展为协同计算思维。
• 数字化学习与创新要融入智能工具和人机协同。
• 信息社会责任要发展为智慧社会责任。
• 要防范数据偏见、机器幻觉、算法歧视和版权风险。
• 要落实做中学、用中学、创中学。
• 要聚焦真实问题和生产生活实际。
• 信息科技应在跨学科教学中发挥中枢作用。
• 信息科技可以提供平台、场景、数据和评价支持。
• 信息科技教师应主动改变被动地位。
• 信息科技和人工智能可以服务德智体美劳五育融合。
• 未来学习方式包括自主式、项目式、沉浸式、探究式、关联式和合作式学习。
• 未来评价要从终结性走向过程性。
• 从单一性走向多元性。
• 从离散性走向综合性。
• 从停滞性走向长期性。
• 评价要重成长、重成就，弱化对分数和文凭的过度依赖。
• 教学场景要从教室走向真实生活、社会和企业。
• 要减少概念轰炸和抽象空洞。
• 数字教材不能只是纸质教材的扫描版。
• 数字教材应具有动态性、多模态、交互性、针对性和发展性。
• 数字教材未来应成为学习社区、知识平台、场景平台和评价基础设施。
• 教师要准确识变、科学应变、主动求变。
• 信息科技课程的最终目标是立德树人。
• 信息科技课程应为国家发展、教育改革和学生成长贡献创新力量。

二十六、最终结论

《普通高中信息科技课程标准（2025修订版）》的核心变化，不是简单地增加几个人工智能知识点，也不是把“信息技术”改成“信息科技”这么简单，而是课程价值和育人方式的整体升级。

其深层转向可以归纳为：

信息技术→信息科技

信息素养→数字素养与技能

四个学科大概念→六条逻辑主线

单一编程技能→数据、算法、算力与人工智能理解

教师讲授→学生实践

知识记忆→真实问题解决

单学科教学→跨学科融合

工具使用→人机协同

结果评价→过程、综合和长期评价

静态教材→动态数字教育基础设施

最值得高中信息科技教师把握的，是以下五句话：

• 信息科技不是简单的工具课，而是科学教育的重要组成部分。
• 人工智能不是信息科技的替代者，而是信息科技发展的重要延展。
• 学生不能成为人工智能的被动使用者，而应成为人机协同中的问题解决主体。
• 信息科技教师不能满足于辅助其他学科，而应主动成为跨学科教学的数字平台、技术媒介和创新中枢。
• 信息科技课程的最高目标不是让学生更快地完成试卷，而是培养能够理解技术、善用技术、驾驭技术并对技术负责的人。