国际教育观察·人工智能专题

【编者按】

人工智能正在成为推动全球教育变革的重要驱动力，各国纷纷将人工智能纳入教育发展战略，探索智能时代教育体系转型的新路径。从国际实践看，人工智能教育的发展主要呈现三个趋势：一是强化战略引领，推动人工智能与教育教学深度融合。二是重视人才培养模式重构，推动跨学科、复合型人才培养。三是加强伦理治理，构建人工智能教育应用规范。国际经验表明，人工智能教育已由技术应用阶段迈向教育系统整体变革阶段。

人工智能加速进入教育领域，既带来了教学创新和教育发展的新可能，也提出了如何使技术真正服务于人的成长和教育长远发展的重大课题。为此，本公众号策划推出“人工智能驱动教育变革”专题，陆续介绍不同国家和地区的政策举措与实践探索，以期从国际比较中把握趋势、辨析问题，为我国人工智能教育的战略设计、教学改革、人才培养和伦理治理提供参考。今后，我们还将持续关注人工智能与教育发展的相关议题，推出系列文章，敬请关注。

（黄宇）

PISA 2029将评价AI素养

康云菲 

一、从“会不会使用”转向“能否理解、判断和塑造”

生成式人工智能进入学校后，最初的政策争论多集中于禁用还是开放、作业能否使用、如何防止作弊。欧洲近期出现的变化是，政策问题开始前移：在学生接触具体工具之前，学校究竟应当培养哪些稳定、可迁移的能力？这些能力如何进入课程、教师实践和评价？

2026年6月，欧盟委员会与经济合作与发展组织（OECD）正式发布《面向人工智能时代赋能学习者：中小学人工智能素养框架》（Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education，以下简称“AILit框架”）。文件提出19项能力，并为每项能力配置基础、中级和高级学习表现以及课堂情境。[1]与此同时，OECD正在研制PISA 2029“媒体与人工智能素养”（Media and Artificial Intelligence Literacy，MAIL）创新领域评价框架，初步版本于2026年1月公布，尚须经过试测、实地测试和修订。[2]这两份文件一份回答“中小学生应当学什么”，另一份回答“这些学习结果如何在真实数字环境中被观察”。

如果把视野扩展到欧洲近年的其他文件，这一变化并非孤立事件。欧盟《人工智能法》第4条已把人工智能素养规定为AI系统提供者和部署者的组织责任；2025年发布的欧洲数字能力框架DigComp 3.0则把AI相关知识、技能和态度贯穿全部21项数字能力，而不是另设一个孤立模块；欧盟委员会2026年更新面向教师的《教学与学习中人工智能和数据的伦理使用指南》，把法律、伦理和课堂情境结合起来；欧洲委员会教育指导委员会同年通过人工智能素养建议草案，强调人权、民主、法治以及弱势群体保护。[3][4][5][6]由此形成的不是一份“工具说明书”，而是一条从权利与责任、全民数字能力到中小学课程和国际评价的政策链。

这条政策链还有一个重要的全球参照。联合国教科文组织2024年发布《学生人工智能能力框架》（AI Competency Framework for Students），以“以人为本的思维方式、AI伦理、AI技术与应用、AI系统设计”四个维度，分别对应理解、应用、创造三个进阶层次，形成12个能力模块。[9]其中，“理解”并不只是记忆概念，而是认识人的主体地位，把伦理原则落实到具体行动，并掌握AI基础和问题界定方法；“应用”强调人的责任、安全且负责任地使用、应用技能和系统架构设计；“创造”进一步指向AI时代公民责任、把伦理要求纳入设计、创造工具与迭代改进。与此相比，AILit框架把类似理念拆解为19项更细的学习表现，PISA框架再把相关能力组织成可在模拟数字环境中观察的任务。三份文件分别提供价值与课程蓝图、学习结果清单和国际评价方案，不能相互替代。

二、19项能力究竟包括什么？

AILit框架最值得关注的，不是简单增加“会提问、会生成”的操作要求，而是用四组动词重新划分人与人工智能的关系：与AI互动、用AI创造、管理AI和塑造AI。四个领域共有19项能力，呈现“7—4—4—4”的结构。其底层还包括四类知识——AI的性质、AI所反映的人类选择与立场、AI的能力与局限、AI在社会中的作用；七类通用技能——批判性思维、协作、创造力、问题解决、计算思维、沟通、自我与社会意识；以及反思、负责、好奇、创新、适应和同理六种态度。[1]因此，19项能力不是孤立技能点，而是知识、技能和态度在真实任务中的组合。

（一）“与AI互动”（Engage with AI）

这一领域包含七项能力：识别AI在不同情境中的作用与影响；准确说明AI如何完成任务并澄清常见误解；判断AI输出应当被接受、修改还是拒绝；审视预测性AI的推荐如何提供信息又可能限制视野；比较AI系统消耗的能源和自然资源；说明AI如何放大社会偏见；依据伦理原则和人的价值评价AI使用。

七项能力的排列很有深意。学生不仅要知道某个应用“用了AI”，还要理解机器学习依靠数据和概率产生输出，生成式AI并不具有人的理解和意图；不仅要发现答案错误，还要作出接受、修改或拒绝的判断；不仅要关注个人隐私，也要看到推荐系统、偏见和资源消耗造成的社会影响。框架给出的课堂情境包括辨认日常生活中的AI、核验AI给出的数学解题过程、分析基于浏览记录投放广告的利弊，以及比较AI气候预测的效用与不透明性。能力由此从“识别技术”逐步走向“权衡公共后果”。

（二）“用AI创造”（Create with AI）

这一领域包含四项能力：利用AI探索建立在原创想法之上的新视角和新路径；使用不同类型的AI实现想法的可视化、原型设计与组合；引导生成式AI提供反馈、完善成果并支持反思；分析AI如何维护或损害内容真实性与知识产权。

这里的“创造”不是看谁生成得更快，而是观察学生是否保有创作意图和修改权。框架建议让学生比较不同提示产生的反馈、说明自己的想法如何因AI而变化，并讨论署名、原创性、版权和合成内容标识。最终作品固然重要，但提出什么问题、选择哪些素材、拒绝哪些输出以及如何说明人机分工，同样是学习结果。

（三）“管理AI”（Manage AI）

这一领域包含四项能力：根据任务性质决定是否使用AI；比较不同系统的运行方式和适用范围，选择合适方法；分解问题，决定哪些步骤由AI自动完成或辅助完成；在问题解决过程中持续监测、评价并调整AI使用。

“管理”把学生置于决策者位置。框架以研究项目为例：学生先把任务拆分为查找资料、概括来源、核验事实和形成论证等环节，再决定AI可以参与哪一步，哪些步骤必须由人完成。高级学习任务还要求学生分别制作“有AI”和“无AI”的两个版本，比较质量、可信度和用途，并据此重新分配人机角色。由此可见，AI素养也包括判断“不需要AI”以及在工具偏离目标时停止使用。

（四）“塑造AI”（Shape AI）

这一领域包含四项能力：调查一个AI系统预期如何运行、为谁设计以及存在哪些局限；依据明确标准、预期结果、测试案例和用户反馈评价系统；在设计AI系统时分析数据来源、数据选择和信息流如何影响行为与输出；改进AI系统，使其促进人的福祉和社会利益。

这是框架中最具前瞻性、也最容易被忽略的部分。学生不必成为AI工程师，但可以提出测试案例、比较系统对不同用户是否公平、分析训练数据遗漏了谁，并提出改进方案。课堂可模拟学校制定生成式AI使用规范，也可让学生围绕校园无障碍、社区信息服务等问题评价或改进简单系统。技术理解在这里与设计思维、公共参与和社会责任相连。

图1　欧盟委员会—OECD中小学AI素养框架的四个领域与19项能力

来源：根据OECD、欧盟委员会《赋能人工智能时代的学习者》（2026）第27、33、37、41页整理绘制。

三、从能力清单到课堂：框架怎样解决“可教”的问题？

19项能力只有转化为学习表现，才可能进入课程。AILit框架为每项能力设置基础、中级和高级三个层次，但特意说明这些层次不与固定年龄或年级机械对应。教师可以依据学科、学生发展水平、当地法律和技术条件调整任务。这样的设计既提供共同语言，又避免把快速变化的AI工具编成一套僵硬课程。

（一）进阶的不是软件难度，而是判断的复杂程度

以“判断AI输出应当接受、修改还是拒绝”为例，基础阶段可以核查一道数学题的答案和步骤；中级阶段需要比较多个来源，发现输出中的遗漏、偏差或不一致；高级阶段则要结合任务目的、证据质量和潜在受影响者作出决策。进阶的关键不在于换用更复杂的模型，而在于学生能否从发现明显错误，发展到解释不确定性、比较利益冲突并承担最终判断责任。

（二）用学科知识检验AI，而不是交给一门课

AI输出是否可靠，离不开学科知识。语文和外语课程可以比较人工写作与生成文本的论证、语体和信息来源；科学课程可以核查模型对实验数据的解释；历史课程可以辨认生成材料中的时代错置和叙事立场；艺术课程可以讨论风格模仿、原创性和署名；信息科技课程则负责数据、算法和系统原理。框架的价值正在于为跨学科课程提供共同学习结果，而不是要求所有学校增设同名课程。

（三）教师需要的是任务、作品和判断依据

欧盟委员会2026年6月更新的教师伦理指南把抽象原则转化为引导问题和学校情境，并解释《人工智能法》、通用数据保护条例（GDPR）及负责任AI原则。[5]这说明教师培训不能停留在功能演示。学校更需要经过试教的任务样例、不同水平的学生作品、评价规则，以及关于数据、版权、披露和申诉的操作规范。教师专业判断不是技术部署之后的补充，而是决定AI能否形成学习价值的前提。

四、即将实施的PISA 2029准备怎样评价？

AILit框架聚焦人工智能本身，PISA 2029初步框架则把AI置于更广阔的媒体环境中。它将媒体与人工智能素养界定为：有效、合乎伦理且负责任地参与数字内容、媒体平台和AI系统所需的一组能力。[2]其能力模型包括“获取与使用”“分析与评价”“参与及协作”“创造”四项具体活动，“反思并采取合乎伦理、负责任的行动”贯穿全部活动；同时要求学生理解作者与受众、信息与意义、表征与现实三组关系。这里评价的并非19项能力逐项对应的掌握程度，而是学生在复杂媒体情境中综合运用相关能力的表现。

图2　PISA 2029媒体与人工智能素养能力模型

（中英文对照）

来源：根据OECD《PISA 2029媒体与人工智能素养评价框架（第一稿）》（2026）第25页整理绘制。

（一）在模拟数字环境中完成真实任务

PISA拟将传统试题与模拟互联网、社交媒体和AI工具结合。初步框架展示了一个“新闻编辑部”任务：学生扮演记者，收到一条热门消息后，先分析原文，再进行横向阅读，打开多个网页核实作者、来源、时效和证据，最后向编辑判断消息准确、部分准确还是不准确，并提交支持判断的来源。学生使用的不是开放互联网，而是可控制、可比较的模拟环境。[2]

这一设计观察的不只是答案。搜索词、打开了哪些页面、是否交叉核验、如何修改判断以及最终引用什么证据，都可能成为过程信息。初步框架建议把一半评价时间分配给“分析与评价”和“创造”，两者各约25%，其余时间用于获取与使用、参与及协作、伦理反思与负责行动。[2]这反映出评价重心已从设备操作转向可信度判断、内容生产和责任承担。

（二）评价学生表现，也调查学习机会

PISA还计划通过问卷了解学生是否获得媒体教育和AI教育机会、采用何种隐私保护策略、是否容易受到虚假或操纵性信息影响，以及其数字参与、风险经历和媒体使用习惯。[2]这一区分十分重要：如果不同学生获得的设备、语言资源、教师指导和课程机会差异很大，测评结果就不能简单解释为个人能力高低。把学习机会与表现放在一起，才能判断差距究竟来自学生、学校还是数字环境。

（三）方案仍待验证

截至本文写作时，MAIL评价框架仍为第一稿。能力表述、任务比例和技术设计都可能在试测与实地测试后调整，PISA 2029评价结果预计于2031年12月发布。[2]因此，更准确的说法是“PISA 2029拟将媒体与人工智能素养作为创新评价领域”，而不是这一标准已经实施或各国已经取得结果。

五、欧洲政策正在形成怎样的治理逻辑？

若只阅读AILit框架，很容易把它理解为一份课程清单；放回欧洲政策体系，则可以看到三层相互衔接又不能混同的制度安排。

（一）法律划定责任底线，能力框架描述学习目标

欧盟《人工智能法》第4条要求AI系统提供者和部署者根据人员的技术知识、经验、教育培训和使用情境采取AI素养措施。该义务主要针对组织及其工作人员，并不直接规定每名中小学生必须达到某个统一等级。[3]AILit框架则把宏观责任转化为学生可发展的学习结果。二者的关系不是“法律规定19项学生能力”，而是法律形成组织责任，教育框架为课程与教学提供参照。

（二）AI既是专门素养，也是数字能力的横向组成

DigComp 3.0保持五大领域、21项数字能力的总体结构，却把AI知识、技能和态度横向融入全部能力，并强调技术中立和终身学习。[4]AILit框架则专门面向中小学，把AI机制、使用、判断和设计展开为19项能力。这种“双轨结构”避免了两个极端：一是把AI降为一般数字工具，看不见概率输出、训练数据和人机代理等新问题；二是另起炉灶，造成AI课程与既有信息、媒体和数字公民教育重复。

（三）欧洲的重点正在从“准入”延伸到“形成行动能力”

欧洲委员会教育指导委员会2026年3月通过的人工智能素养建议草案提出人的、技术的和实践的三维模型，并把人的维度置于首位，强调基本权利、民主参与、文化与环境影响。[6]欧盟教师伦理指南则要求把这些原则带回具体课堂。[5]这与AILit框架的“塑造AI”相呼应：学生不仅是需要保护的未成年人，也是能够测试系统、表达意见、参与规则制定的社会行动者。欧洲政策由风险防范走向能力建设，其核心并非鼓励更多使用，而是让使用者拥有理解、拒绝、质疑和改进技术的能力。

六、仍待回答的问题

第一，共同框架能否真正减轻而不是增加课程负担。19项能力涉及计算机科学、媒体素养、伦理、公民教育和环境教育，如果缺少课程映射，很容易形成概念叠加。各教育系统需要先识别现有课程已经承担的内容，再决定补充什么、由哪些学科共同负责。

第二，快速变化的技术能否被稳定评价。同一提示在不同模型、语言和时间可能产生不同结果。PISA采用模拟环境有利于控制条件，却也可能与学生日常使用的开放工具存在距离。未来需要持续检验任务是否真正测到可迁移判断，而不是界面熟悉度、英语资源优势或某一代模型的使用经验。

第三，谁为AI素养提供公平的学习机会。DigComp 3.0明确指出，达到基本数字能力之前，还需要基本读写能力、稳定网络、适当设备以及技术支持。[4]AI素养同样不能脱离这些条件。若学校只公布能力要求，却不提供安全工具、教师支持、多语言内容和无障碍设计，新的素养标准可能把既有数字鸿沟转化为新的评价差距。

 

综合来看，对我国而言，当前更需要做的不是照搬19项能力或提前训练PISA题型，而是开展三项基础研究：一是把国内现有信息科技、科学、语文、综合实践和数字公民教育要求与国际框架逐项对照，形成符合本土课程传统的AI素养定义；二是围绕不同学段开发并试教任务样例，通过学生作品和过程记录验证能力是否可观察、可评价；三是同步研究地区、语言、设备和家庭背景对表现的影响，使评价结果能够解释学习机会差异。

AI素养成为基础教育议题，并不意味着每名学生都要成为程序员。它意味着，当算法越来越多地参与信息筛选、知识生产和公共决策时，学校要帮助学生理解系统如何工作，判断何时使用或拒绝使用，核验输出并承担责任，也能够对技术规则和系统设计提出意见。19项能力真正要保存的，正是人在智能环境中的判断力和行动权。

主要参考文献与政策资料

1. OECD/European Commission. Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education[R]. Paris: OECD Publishing, 2026. https://doi.org/10.1787/65cd27d4-en.

2. OECD. Navigating an Evolving World: PISA 2029 Media and Artificial Intelligence Literacy Assessment Framework—First Draft[R]. Paris: OECD, 2026. https://www.oecd.org/en/about/projects/pisa-2029-media-and-artificial-intelligence-literacy.html.

3. European Commission. AI Talent, Skills and Literacy: AI Literacy in the AI Act[EB/OL]. 2026. https://digital-strategy.ec.europa.eu/en/policies/ai-talent-skills-and-literacy.

4. European Commission, Joint Research Centre. DigComp 3.0: European Digital Competence Framework—Fifth Edition[R/OL]. 2025. https://joint-research-centre.ec.europa.eu/scientific-activities/key-competences-lifelong-learning/digital-competence-framework-digcomp/digcomp-30_en.

5. European Commission. Guidelines on the Ethical Use of Artificial Intelligence and Data in Teaching and Learning for Educators[EB/OL]. Updated 2026-06-09. https://education.ec.europa.eu/focus-topics/digital-education/actions/plan/ethical-guidelines-for-educators-on-using-artificial-intelligence.

6. Council of Europe. The Steering Committee for Education Approves a Landmark Framework on AI Literacy[EB/OL]. 2026-03-27. https://www.coe.int/en/web/education/-/the-steering-committee-for-education-cdedu-approves-a-landmark-framework-on-ai-literacy.

7. Council of the European Union. Council Recommendation of 23 November 2023 on the Key Enabling Factors for Successful Digital Education and Training (C/2024/1115)[Z/OL]. https://eur-lex.europa.eu/eli/C/2024/1115/oj/eng.

8. European Commission. Making Informed Choices on Digital Education Content: EU Guidelines for Teachers and Educators[EB/OL]. 2026. https://education.ec.europa.eu/focus-topics/digital-education/actions/plan/digital-education-content-guidelines-and-framework.

9. UNESCO. AI Competency Framework for Students[R]. Paris: UNESCO, 2024. https://unesdoc.unesco.org/ark:/48223/pf0000391105.

10. OECD. AI Adoption in the Education System[R]. Paris: OECD Publishing, 2025. https://www.oecd.org/content/dam/oecd/en/publications/reports/2025/12/ai-adoption-in-the-education-system_43251cf0/69bd0a4a-en.pdf.