摘要：當前，中小學編程教育仍存在編程學習淺表化、大語言模型問答經(jīng)驗缺乏、學習過程黑箱三種使用問題。因此，作者提出，在使用生成式人工智能輔助編程教學時，可以采用元認知策略、提示認知策略以及思路外顯策略，幫助學生深度融合計算思維解決實際問題。

關鍵詞：生成式人工智能；中小學編程教育；教育策略

中圖分類號：G434 文獻標識碼：A 論文編號：1674-2117（2024）19-0096-03

隨著生成式人工智能技術的不斷更新迭代，以ChatGPT為代表的智能工具正在逐漸介入教育教學，成為推動教育智能化變革的新舉措。生成式人工智能對編程教育的輔助，能改變以學生編寫代碼為主的傳統(tǒng)教育目標，弱化理解代碼含義的能力要求，注重加強學生閱讀理解代碼以及清楚代碼完善要求說明的能力。

生成式人工智能支持下的編程教育存在的問題

1.主體易位：編程學習淺表化，生成式人工智能代替深入思考

生成式人工智能背靠強大的數(shù)據(jù)庫，能夠回答學生的各類編程問題，但尚不成熟的中小學生受惰性支配容易直接套用生成式人工智能生成的代碼、解釋，最終提交的作品對學生的代碼創(chuàng)新設計能力、編程知識理解的呈現(xiàn)微末。在日常教師布置的課程練習和期末測評中，學生會借助大模型完成，以至出現(xiàn)編程基礎薄弱、代碼編寫能力較差的學生也順利完成測驗，甚至取得高分的現(xiàn)象。

2.應用不足：問答經(jīng)驗缺乏，高效獲得答案方式存疑

學校引入生成式人工智能參與教學的時間仍較短暫，學生缺少與生成式人工智能交流提問的經(jīng)驗，在學習過程中遇到問題難以準確高效地提問。同時，由于編程語言的特殊性，編程任務指令需要更加清晰具體的問題描述，其中包括代碼運行顯示的錯誤原因、學生原先的預想效果、提供錯誤部分的上下相關的代碼以及學生已經(jīng)嘗試過的解決方法，從而獲得更具針對性的解決方案。

3.信任缺失：學習過程黑箱，學生學習情況成謎，易涉嫌抄襲侵權

學生黑箱式的任務完成過程，其自主學習、知識探究理解的真實性存疑，難以評判學生的實際學習情況。同時，由于缺乏創(chuàng)造性，生成式人工智能回復的答案往往源自現(xiàn)有數(shù)據(jù)庫，學生直接奉行“拿來主義”，可能會涉嫌侵權。

中小學應用生成式人工智能促進編程學習策略

1.元認知策略：深度融合計算思維，實現(xiàn)解決問題的思維遷移

元認知策略是指對知識以及自我認知的認識理解，學生需要監(jiān)控自身對編程知識的理解程度，借助生成式人工智能答疑解惑，以調節(jié)各級各類編程知識的理解與脈絡構建，螺旋提升學生深度融入計算思維下的編程知識的元認知。在編程教學時，教師可以使用元認知策略，從問題與問題鏈的角度培養(yǎng)學生問題解決的能力。學生在問題解決過程中提升元認知技能，明白算法問題的本質、代碼模塊使用的原則，最終實現(xiàn)知識思維遷移。

教師在使用生成式人工智能輔助課堂教學時，可以在確保學生能夠獨立完成簡單的程序編寫后，讓學生使用智能工具輔助完成問題任務。此時，學生會將生成式人工智能作為“智能學Ntbz8y/pjIQbtQh39BrETw==伴”，將關注重點聚焦于問題解構、函數(shù)模塊的挑選使用、提出命令讓生成式人工智能生成符合要求的代碼，更強調編程知識運用的元認知知識的培養(yǎng)。此外，在學生能夠運用算法編程知識解決問題后，教師可以提升任務維度，讓學生根據(jù)代碼編程提出相應情境的應用問題或異構原先的問題，從編程知識的應用者進階為問題的生成者和評價者，有效解決學生編程學習淺表化問題。

2.提示認知策略：善用提示詞開啟新型交互模式，提升溝通解決效率

提示認知策略是學生通過類比已有的提示樣例，總結出程序性的提示規(guī)則，根據(jù)任務要求選擇合適的提示方式高效獲得解答，減輕學生與生成式人工智能的交流磨合負荷。學生學習編程不僅需要具備良好的計算思維和智能思維，還需要培養(yǎng)提示認知思維，使用恰當?shù)奶崾驹~來編寫有效的提示技能，彌補生成式人工智能在推理能力上的不足。具有類人屬性的生成式人工智能具備很強的類比推理和編程能力，巨大的數(shù)據(jù)庫使其更像一個“程序員團隊”的集合體，在提問要求中夾雜示例說明，能夠獲得更具創(chuàng)造力和符合學生想法的代碼效果。[1]因此，學生在和生成式人工智能交互的過程中，可以選用零樣本提示、少樣本提示與思維鏈提示的交互方式，以提升交互效率與回答正確性。

編程問題需要較高的邏輯推理能力與知識基礎，針對復雜編程問題更適合將思維鏈提示與零樣本提示、少樣本提示相結合，以提高大語言模型的理解推理能力。通過分解問題并進行分步推理來引導生成式人工智能做出正確回應，有效減少生成式人工智能的錯誤反應，以及某段對話引起的先入為主的錯誤理解，可以更輕松準確地得到問題答案。[2]

3.思路外顯策略：展現(xiàn)對話過程，詳解答案形成，實現(xiàn)計算思維和智能思維可視化

思路外顯策略是指學生在解決問題時，將解決過程中的流程、思路變換歷程以及與生成式人工智能的合作內(nèi)容盡數(shù)展露出來，說明思路變換和選用每段代碼方案的原因，幫助教師清晰了解學生的知識掌握情況。與此同時，思路外顯策略可以培養(yǎng)學生的批判創(chuàng)新思維，如可以分辨生成式人工智能提供的答案正誤、可用與否，打破智能工具包圍的避風港，揭開作業(yè)黑箱幕布等。

教師在編程教學中，不再采用的單一的“刺激—反應”的機械式行為主義策略布置任務[3]，也不盲目抵制學生使用生成式人工智能輔助完成家庭作業(yè)，而是在允許學生借助人工智能工具完成作業(yè)任務的基礎上，布置開放性任務，讓學生提出具有創(chuàng)造性的想法并設計實現(xiàn)具體的作品。另外，教師也可以讓學生在提交作業(yè)時一并提交與生成式人工智能對話聊天的過程以及自己對其生成答案的改進流程，解釋代碼含義并說明最終選擇提交該代碼編程的理由，實現(xiàn)學生計算思維與智能思維可視化。

中小學應用生成式人工智能促進編程學習案例借鑒設計

下面，筆者選取浙教版初中信息技術九年級教材中的第一單元第四節(jié)內(nèi)容“數(shù)據(jù)分析與數(shù)據(jù)可視化”進行課例設計。

1.教學目標及生成式人工智能應用分析

根據(jù)教學內(nèi)容以及學生學情，生成式人工智能在本節(jié)課例中充當“智能學伴”，與學生共同合作完成學習任務，以達成教學目標要求。課例共設有四條教學目標，并確定生成式人工智能的參與程度，分別是：①清楚數(shù)據(jù)分析與數(shù)據(jù)可視化的基本流程（生成式人工智能作為筆記復述工具，協(xié)助歸納流程及注意事項）；②使用Python語言編程，初步完成數(shù)據(jù)分析處理（生成式人工智能作為編程輔助工具，提供可用函數(shù)模塊建議）；③正確理解數(shù)據(jù)可視化的Python代碼句子含義（生成式人工智能作為代碼輔助解讀工具，點撥函數(shù)模塊作用）；④使用Python編程可視化數(shù)據(jù)，感悟信息技術的魅力（生成式人工智能作為“智能學伴”，降低編程難度，展現(xiàn)信息技術魅力）。

2.教學任務說明

①任務一：借助“智譜清言”智能工具收集上海2023年一整年每月的最高氣溫、最低氣溫以及平均降水量，并進行可視化分析處理。在任務完成后，一同提交任務分配設置、與“智譜清言”的對話過程、問題解決方案詳細說明，同時分享此次與生成式人工智能協(xié)作過程中遇到的問題及發(fā)揮的作用。

設計意圖：這一環(huán)節(jié)任務幫助學生進行簡單的數(shù)據(jù)分析，接觸數(shù)據(jù)可視化處理流程，感受數(shù)據(jù)可視化效果。同時使用思路外顯策略了解學生的編程知識元認知和生成式人工智能工具的使用情況。在完成該任務過程中，學生能夠初步清楚生成式人工智能在數(shù)據(jù)分析處理上能夠提供的幫助，提升與生成式人工智能協(xié)同解決問題的默契度。

生成式人工智能參與程度：生成式人工智能作為任務的合作者，承擔操作步驟提醒說明與Python編碼提示輔助數(shù)據(jù)可視化處理的工作。

②任務二：借助“智譜清言”分析處理并可視化電腦桌面的“AQIdata.xlsx”全國部分城市的空氣質量指數(shù)數(shù)據(jù)表，一并提交數(shù)據(jù)分析報告、問題解決方案說明、與“智譜清言”的對話過程，總結自身與“智譜清言”的工作奉獻度，對“智譜清言”回答的采納與創(chuàng)WTBvcH4i/kLdNUnisaoLkIEfwjo+ABznNy5MxRtYMH0=新修正的部分說明，Python程序函數(shù)、變量、庫的使用，同時附上代碼說明。

設計意圖：這一環(huán)節(jié)提升學生使用Python編碼分析處理數(shù)據(jù)的能力，幫助學生正確理解Python函數(shù)模塊作用語境。在任務一的基礎上，結合元認知策略和提示技能策略，幫助學生更快速合理地利用生成式人工智能解決問題，通過思路外顯策略提醒學生合理正確地使用智能工具。

生成式人工智能參與程度：生成式人工智能作為任務的點撥推進者，對學生Python編碼提供函數(shù)模塊的建議，并解釋說明一些復雜模塊的作用，在幫助學生快速完成任務的同時更順利地理解代碼，學會合理使用生成式人工智能。

當前，教育智能化發(fā)展方興未艾，生成式人工智能不斷更新迭代，加速推動教育變革。編程教育也應當將生成式人工智能融入到教育教學中，幫助教師改變單純講解編程知識的現(xiàn)狀，增加學生綜合運用編程知識編寫代碼解決問題的實際體驗，轉變以往的“編程難”的刻板印象，提高編程的可學性與易學性。

參考文獻：

[1]Reynolds， L.， & McDonell， K. （2021， May）. Prompt programming for large language models： Beyond the few-shot paradigm[C].In Extended Abstracts of the 2021 CHI Conference on Human Factors in Computing Systems. New York： ACM， 2021：1-7.

[2]Cheng， X.， Li， J.， Zhao， W. X.et al.[J].Chainlm： Empowering large language models with improved chain-of-thought prompting. arXiv preprint arXiv：2403.14312，2024.

[3]劉輝，申國昌.中小學作業(yè)數(shù)字化轉型：價值、困境及破解路徑[J].課程·教材·教法，2024（02）：91-98.

本文系人民教育出版社“十四五”規(guī)劃2023年度重點課題“素養(yǎng)導向的信息科技生成式學習手冊研制及創(chuàng)新應用”（課題編號：2023GHB02）研究成果。