简介联合国教科文组织发布的《学生人工智能能力框架》是一份面向全球教育工作者的官方指南旨在将人工智能学习目标系统融入学校课程培养学生成为负责任的AI使用者与共创者。内容围绕以人为本的思维方式、AI伦理、AI技术与应用、AI系统设计四个领域展开并在理解、应用、创造三个发展级别上描述课程目标和教学方法适合基础教育、职业教育和教师培训等场景参考。压缩包为1个PDF文件大小745KB原版英文清晰便于教育研究者、课程设计者和一线教师直接查阅或二次整理。目前已有459人学习下载。通过这份框架读者可以快速掌握AI素养培养的核心维度与实施路径为校本课程规划、教学评价和跨学科项目设计提供可落地的依据。1. 学生AI能力框架拆解四维度十二项能力教育工作者的第一份蓝本2022年的统计数字值得每位AI教育从业者记牢全球只有15个国家把AI学习目标写进了国家课程。联合国教科文组织2024年发布的这份《学生AI能力框架》ISBN 978-92-3-100709-5DOI 10.54675/JKJB9835正是冲着这个断层来的也是全球第一份专门面向学生群体的AI能力框架。它用4个维度、12项能力、3个“理解-应用-创造”递进层级把“学生应该具备怎样的AI素养”讲得清清楚楚每个层级还配套了课程目标和教学方法。这份文件最适合三类人做课程设计的教研员和一线老师、负责教师培训的师训负责人以及教育科技公司里做课程产品的PM——拿它当基准线校对自家内容比照着自己经验拍脑袋设计课程靠谱得多。2. 框架结构四个维度与三个层级组成的12项能力矩阵2.1 四个维度的划分逻辑从价值观到造物能力框架把学生AI能力切成四个维度这个切分顺序本身就是课程设计的方法论。前两个维度属于价值层——“以人为本的思维方式”解决的是立场问题人始终是主体AI始终是工具“AI伦理”解决的是判断问题面对隐私、偏见、滥用、责任归属学生能不能做出负责任的判断。后两个维度属于技术层——“AI技术与应用”要求掌握AI工具的原理与实操“AI系统设计”则要求看懂一个AI系统从数据、模型到部署的完整链路。先立价值再学技术先会判断再谈动手这个排列顺序直接构成课程编排的底层逻辑。我给教育公司做过不少AI课程见过最大通病是一上来就讲AI大模型的原理把学生当算法工程师来教。结果学生学会几个概念却说不清自己该不该用AI、什么时候不该用。按这个框架调整后我把“以人为本”和“伦理”两个维度前置成课程入口用案例讨论建立判断力再进技术和设计课堂落地效果明显改善。前两维定义“为什么用”后两维定义“怎么造”——两条基线交叉出的教学空间才是完整的AI素养地图。2.2 三个递进层级理解、应用、创造的阶梯含义三个层级不是简单按年级切分而是按认知深度定义的熟练度阶梯。Level 1 理解要求学生能解释、能比较、能分析比如能说清AI系统的数据来源可能带有偏见能区分生成式AI和判别式AI的核心差异Level 2 应用要求把知识放进真实任务比如为一个具体问题选择合适的AI工具并完成交付Level 3 创造则要求定义问题、设计方案、构建并评估AI系统达到“能创造一个别人没做过的东西”的深度。每个层级都要有对应的“能力证据”这一点我反复强调理解层级的证据是解释和比较应用层级的证据是在半结构化任务中的选择与执行创造层级的证据是在开放问题里自主定义和交付方案。设计课程时我习惯先为每一格能力写三句“学生能做到……”的行为描述再反向推导教学活动而不是先想活动再硬凑目标。顺序反了课堂就成了拼盘。有个容易被忽略的点层级不等于年龄。同一个初中生可能在“AI伦理”维度只到理解层在“AI工具应用”上已经能独立完成AI应用开发级的作品。框架的矩阵结构允许你在不同维度上允许不同进度这就给分层教学留了空间而不是把全班学生按同一套单元章节齐步推进。2.3 12项能力矩阵一张表看懂全部交叉点四个维度与三个层级相乘得到12格能力矩阵。框架文件里对每一格都有细化的课程目标和描述我整理了一张速查表可以直接用作课程目标草稿维度Level 1 理解Level 2 应用Level 3 创造以人为本的思维方式认识AI对社会的益处与风险理解人的主体地位和能动性使用AI工具时保持自主判断识别不应交给AI的场景在方案设计中坚持以人为中心兼顾多元群体与无障碍需求AI伦理识别隐私、偏见、滥用、责任归属等常见伦理问题应用伦理准则评估AI应用规范自身使用与协作行为在设计中嵌入伦理与责任机制主动评估社会影响AI技术与应用理解AI核心概念、技术过程与典型应用场景选择合适的AI工具和模型完成任务理解能力边界综合运用多种AI技术构建解决真实问题的系统方案AI系统设计认识AI系统的组成、数据流与运行链路及其局限借助AI工具参与简单系统原型设计与迭代独立或协作完成需求定义、设计、实现、测试与优化提示这张速查表是辅助理解用的整理正式做课程设计时要回到文件原版的逐条目描述去核对避免转述带来的细节偏差。拿到这张表我建议课程组复制一份做三件事一是把每格展开成23条可观测的学习目标二是为每个目标找对应的评价证据——作品、测试、操作记录、口头答辩都算三是按学段把这些目标分配到单元课时。12格正好能撑起一年以上的螺旋式课程骨架。2.4 为什么用“能力矩阵”而不是“知识点清单”传统课程常用知识点清单组织内容但这个框架故意用能力矩阵区别很大。知识点清单描述的是“学生知道什么”能力矩阵描述的是“学生能做什么”后者天然包含情境、行为与标准。比如“理解AI伦理问题”是一条能力而“说出三种AI伦理问题”只是它的一个知识点样例。用能力组织课程评估方式也会跟着变你会去观察学生在真实任务中的表现而不是只做选择题测验。这也是框架在第五章强调“基于能力进展的评估”的原因。理解了这一层后面读懂这份文件就不会偏差太远。3. 层级落地理解、应用、创造每一级怎么教怎么评3.1 Level 1 理解用体验式素材建立批判性认识理解层级的目标是让学生“会解释、能比较、看得出问题”而不是“记住定义”。框架在Level 1的四个维度全部落在认知层面认识到人在AI使用中的主体地位能识别伦理问题能理解AI核心概念能认识AI系统组成与局限。但怎么让理解不变成背诵我推荐“体验-反思-表达”三步法先让学生真实接触AI工具比如对话式AI、图像生成或语音识别记录使用中的意外情况——AI识别把人物性别弄错、AI用一本正经的语气编造不存在的文献也就是业内常说的AI幻觉再带学生把这些意外归因到数据偏差、算法局限、训练目标设计上最后要求学生用“好处、风险、我的立场”三段式写出判断。这一步最核心的产出不是结论的深刻程度而是让学生亲眼看到AI的能力边界。很多老师在这一层急着把框架内容转成考点反而丢了“体验”这步。没有体验的伦理讨论是空转学生背得出偏见的概念遇到真实场景依然不会判断。我建议理解层级的每一节课至少留出三分之一时间用于真实工具的接触与记录工具不一定要多高级免费可用的对话式AI、图片识别服务就行。3.2 Level 2 应用在真实任务中训练伦理判断与工具选型应用层级要把学生从观众席拉进操作间。这一层的能力证据是面对具体任务时学生能选择合适的AI工具能判断使用边界能规范自己的使用行为也能用伦理准则去评估眼前的AI应用。我的实操模板是“任务-工具-复盘”三步给定一个有明确交付物的任务例如用AI大模型生成一份社区环保倡议书、用AI绘图工具做一张科普海报让学生自己选工具、定提示词、做人工校正完成后进入复盘重点不在于作品多漂亮而在于三个问题的回答这个工具在哪些环节帮了你、哪些环节它做错了、你做了什么来纠正。评估上应用层级一定要引入过程证据。我习惯让学生填一张简单的使用记录表用了什么工具、遇到什么错误、怎么判断对错、修改了哪里。这张表比最终作品更能反映真实能力因为它暴露的是判断过程而判断力正是伦理维度最核心的可观测行为。这一层也是AI编程入门的合适位置——借用AI编程提示词辅助写小段代码学生在调试中直观感受模型能力的边界而不是把生成式AI当成无所不能的黑匣子。3.3 Level 3 创造用项目式学习承载系统设计创造层级是整个框架挑战最大的部分要求从定义问题开始完整走一遍AI解决方案的设计链路需求定义、数据采集与清洗、模型选择与微调、系统搭建、测试与迭代同时还要兼顾伦理影响与人本价值。纯粹的工具操作课到这一层已经完全不够用。我推荐以项目式学习组织尽量跨学科比如“用图像识别做校园绿化盲区检测”“设计一个提醒同学防AI滥用的助手”一个项目610周至少要包含一次真实用户反馈。创造层级有个组织技巧主动设计“失败”节点。比如给学生一份明显有偏的数据集去训练分类器让结果出错再引导他们定位数据问题。这种在AI测试环节里故意制造失败的训练方式比一路顺畅做出的demo更能锻炼系统设计思维。学生需要学会看系统性问题而不是只盯着单个准确率指标。框架在Level 3强调“设计、实现、测试、迭代”四个动作可我见了太多项目把“测试”和“迭代”压缩成“演示”——作品演示完就结束没有一次真正的复盘和返工这一层的能力发展其实是断的。3.4 跨层级方法论情境化、螺旋上升与本地化三个层级不必按学期切死。框架本身允许学生在不同维度上有不同进度我自己的做法是按主题做螺旋式单元同一个主题比如“AI与公平”七年级做体验反思理解八年级做案例评估应用九年级做方案设计创造。每年触碰同类问题认知深度逐年抬升这比每年换新主题更符合能力成长规律也更容易把项目积累下来。另一个容易被忽略的原则是情境本地化。框架在第五章专门讲了“本地可行”与“面向未来”的平衡学校网络不稳、算力有限就别设计依赖在线大模型的课时学校没有编程基础创造层级可以先从纸面原型和流程图入手用角色扮演模拟AI系统的数据流和决策过程再逐步引入真实工具。课程是长在具体环境里的照搬一套别人的成功课表大概率水土不服。4. 从框架到课程接进课表的五个关键动作4.1 对齐用能力矩阵做课程目标基线第一步是把现有课程与能力矩阵做映射。把信息科技课、综合实践课、数学课、科学课的已有学习目标逐一对照12格能力矩阵标出“已有承载/部分覆盖/完全空白”。这个对齐工作最好以工作坊形式进行让教研组长、学科教师和课程负责人各拿一张矩阵表独立标注再合起来对比。绝大多数学校做完这步都会发现AI伦理内容散落在品德与社会、信息科技里但“AI系统设计”这个维度几乎空白。空白处就是新课和跨学科项目的切入点也是课程特色最容易建立的位置。4.2 编排按学段搭建立体化课程序列按学段编排课程时三个层级与学段之间有推荐对应但不是硬绑定。我的推荐映射方式是小学高年级到初中低年级以理解层为主用体验和案例建立基本认识初中高年级进入应用层在真实任务中练工具选择与伦理判断高中阶段才进入创造层用完整项目承载系统设计同时保留伦理维度的持续深化。这样的好处是每个学段都有明确的能力出口毕业时学生带着“能解释、会用、能设计”三层证据走而不是背了一堆概念。螺旋式课程还要特别注意维度间的同步关系。比如“AI技术与应用”维度在初中就能大量动手但“AI系统设计”维度要等数据意识和工程思维成熟一点再上强度。如果无视这个前提让学生在七年级就去训练模型大概率变成照着教程敲代码能力没有真正发生。编排时要在矩阵表上把每个学段的深度标注出来形成一校一案的课程地图。这也是框架第五章“年龄适配”和“螺旋式序列”所要求的。4.3 选址独立设课还是跨学科集群框架第五章强调AI课程既要有独立的核心课时也需要一个跨学科的集群来承载复杂任务。给课程选址时我建议先问三个问题这个学校有没有固定课时可用有没有一个学科愿意当牵头学科有没有外部资源能做项目支撑如果三个答案都是否那老老实实做微型课程或社团模块如果都具备就规划独立的核心AI课程加跨学科项目集群。选址的决定直接影响教师配置和教学管理越早定越好。4.4 支撑学习环境与AI工具选型学习环境不必一步到位。最低配置是一间能联网的机房或平板教室一个教师演示账号加上学生可用的免费工具。如果预算有限优先保障网络带宽和教师账号学生可以用课堂统一账号操作。工具选型上常见做法是三类并行通用对话式AI用于写作与思考类任务图像语音生成类工具用于创作类任务可视化编程平台如积木式编程工具用于系统设计入门。纯在线工具走不通的地方本地部署一个轻量模型也可以做演示。选型原则是“够用、可管理、可评估”不要追新。4.5 赋能教师专业发展与协作教研机制框架落地的瓶颈往往不是课程本身而是教师。AI课程教师的素养要求横跨技术、伦理和教学设计极少有人能全部覆盖。可行的做法是搭“主备协作”的教研机制由一位技术较强的教师担任主讲学科教师负责情境与项目设计伦理教师参与案例打磨。学校要给教师留出真实的备课时间而不是把新课程当成行政任务压到一个人头上。教师培训也别只学工具操作要围绕框架的12格能力逐格做教学设计演练——老师能教出什么层级的学生取决于自己被训练到什么层级。5. 避坑手册AI课程落地的5个典型翻车现场5.1 把AI伦理上成说教课学生只会背不会判断现象课堂气氛热烈老师放映大量AI风险案例视频学生记住“AI有偏见、会泄露隐私”但一到真实场景——比如自己要不要用AI写作业、该不该把同学照片放进图像生成器就完全没有判断依据。原因伦理能力被当成了知识传递缺少“体验-反思-表达”的闭环学生没有亲历过道德冲突自然没有可调用的判断经验。解决把伦理问题装进真实任务。我惯用的切入是在应用层级的项目中故意设计一个两难环节比如“用AI生成的成果申请活动经费该不该标注AI参与”让学生在小组争论后形成判断再对比框架里的伦理准则。能力是在冲突中练出来的不是在宣讲里听来的。5.2 工具导向教学把能力框架讲成软件说明书现象课程表上写着“AI应用”实际内容是大模型提示词技巧、AI绘画工具操作、AI视频工具入门课时过半学生连“什么是模型”都说不上来。原因教学设计被工具供应商牵着走忽略了框架中价值维度与技术原理的平衡把“AI技术与应用”维度窄化成“工具操作”。解决用能力矩阵做课程红线。每次插入一个新工具先问它主要支撑哪几格能力、对应的学习目标是什么、学生要产出的能力证据是什么。凡是回答不上这三问的工具操作内容砍掉或降级为课后兴趣模块。5.3 评估停留在知识记忆测不出层级差别现象期末测验全是选择题和名词解释学生能选出“偏见属于AI伦理问题”却无法在开放任务中展示任何设计能力创造层级的项目课学生交一个AI生成的PPT就当作品。原因评估方式没有跟着目标换。能力矩阵要求看行为证据而选择题只能测知识记忆两套体系错位。解决按层级设置评估组合。理解层用解释题和小论文应用层用操作任务加使用记录表创造层用项目答辩、系统原型加迭代记录。评分标准要写清每个层级的行为证据不要用一张卷子通用到底。5.4 课程设计脱离本地条件照搬别人课表现象学校网络条件有限却按网上热门教程设计在线大模型课程每节课光登录就花掉10分钟学生没有编程基础创造层级却直接进入模型微调全班只有几个人跟得上。原因忽略了框架一再强调的“本地可行”。课程设计者看到的是资源丰沛的示范校案例没做本地条件适配。解决做一版“最小可行课程”根据网络带宽、终端数量、教师能力三个变量裁剪任务条件不足时先上理解层和应用层的轻量版把创造层的复杂项目拆成纸面设计与模拟演练等条件成熟再逐步加真实工具。宁可小步走通不要一步翻车。5.5 忽视环境可持续性维度课程里少了这一个视角现象学生讨论AI时只会说“效率高、能力强”几乎没人提到训练大模型的能耗、废弃算力设备处置、以及AI应用带来的资源消耗问题。原因框架在第二章明确把“环境可持续的AI”列为核心原则但多数课程设计时只盯着伦理和技术维度忽略了可持续性这一条。解决在三个层级的课程里都埋入这个视角。理解层可以让学生比较不同AI服务的资源消耗报告应用层在选择工具时加入“能耗”标尺创造层要求项目方案里提交一段环境影响说明。这个维度其实很容易做出差异性和现实感学生关心气候问题天然有讨论动力。6. 进阶用法能力本位评估设计与可复用课堂模板6.1 看行为证据不只看分数框架第五章专门讲了“基于能力进展的评估”核心原则是看学生在真实任务中的行为证据而不是一次考试的分数。我落地时用“证据三件套”过程记录操作日志或反思表、作品系统原型或方案文档、口头答辩学生说明设计决策与权衡。每个证据都对应到矩阵里的某一格能力比如“他能指出数据偏差并修正数据集”就是一个很好的创造层级证据。评估频率上每个单元一次小证据、每个学期一次大项目答辩就够了不需要为每节课打分。6.2 一个可复用的AI课堂活动模板下面这个模板是我做课程设计时的通用骨架适用于应用层和创造层的多数课时参数按需调整环节时间教师动作学生产出对应能力维度情境导入5分钟给一个真实问题场景不直接给答案一句话说明问题挑战以人为本/伦理工具体验15分钟提供23个可选AI工具完成任务初稿并记录过程技术与应用判断复盘10分钟抛出两个两难问题口头或书面判断理由伦理/人本迭代修正15分钟提示数据或提示词优化方向修正后的作品系统设计/应用互评答辩10分钟组织小组互评引导提问互评表和一句话改进建议系统设计/人本课后证据课后布置证据任务反思表加作品链接全部维度这个模板每格能力都有产出落点上完课你能立刻判断学生这格能力到了哪个层级。我自己的习惯是把模板做成电子表格每节课勾选哪几格能力被覆盖一个学期下来能力覆盖热力图一目了然——课程表里如果有能力长期空白就是下一轮教研要补的洞。6.3 评估结果要能指导下一步教学做了能力本位评估之后最重要的一步是把结果用回到课程迭代上。每个项目结束后我会带着教研组把证据按12格能力归堆看看哪些格子证据充分、哪些格子证据稀薄。证据稀薄通常意味着两种可能教学没设计到或评估没测出来。区分这两种情况就能确定下一轮改课的方向是改活动还是改评估。这套“评估-归堆-改课”循环比任何单次考核都更能驱动课程质量。做课程这几年我踩过不少坑最深的教训就是评估设计永远要在课程设计的同时进行而不是上完课才补。从那以后我每次设计AI课程都强制先写完“能力证据与评分标准”那一页再开始设计课堂活动——逻辑通了课堂自然顺了。这份框架文件值得每个做AI教育的人通读一遍再动手希望帮到你。本文还有配套的精品资源点击获取