原站网页截图，页面可能随时间更新。
- 分类：在线课程
- 名称：Generative Artificial Intelligence in K–12 Education Electrical Engineering and Computer Science MIT OpenCourseWare
- 来源：ocw.mit.edu
生成式人工智能能够根据自然语言提示生成文章、故事、图像、音乐、视频和程序，正在改变人们对学习与教学工具的理解。本课程将技术基础、教育应用和批判性分析结合起来，帮助学习者从生成结果与课堂实践两方面认识这类系统。
从生成式人工智能的基础开始
课程首先介绍生成式人工智能的技术基础，并将其置于机器学习发展背景中理解。学习者会接触生成式系统如何通过自然语言提示产生不同类型内容这一核心现象，从而建立讨论教育应用所需的基本概念。
学习准备阶段可先熟悉人工智能、机器学习和计算机科学中的基础术语；如果对生成式系统已有使用经验，也可以进一步关注提示、输出和系统能力之间的关系。
理解它对K–12教育的影响
课程聚焦生成式人工智能在K–12教育中的机会，讨论它可能如何影响不同学科的课程设计与教学方法。重点不只是使用工具生成内容，还包括思考这些系统如何进入真实的学习活动，以及教师和学生在其中承担的角色。
学习者可结合自己熟悉的课堂或学科场景，思考哪些教学任务适合借助生成式系统完成，哪些任务仍需要教师引导、学生判断和面对面的学习互动。
用分析性思维辨别能力与局限
生成式人工智能引发了许多讨论，也伴随着对其能力的夸大判断。课程因此强调分析性思维，帮助学习者识别系统成功和失败背后的核心问题，并更谨慎地理解生成结果及其教育意义。
准备学习时，可对系统输出保持检验意识：除了关注内容是否流畅，还应考虑它是否适合具体学习目标、是否能支持有效教学，以及输出中的问题会怎样影响学习者。
通过项目探索教学工具
课程的大部分学习活动采用项目形式，围绕创新教学与学习工具展开。参与者将尝试实施相关工具，并与K–12学生和教师进行测试，把技术概念置于实际教育情境中考察。
如果具备项目实践条件，建议从明确的学习目标和使用场景出发，再设计工具或活动，并根据学生与教师的反馈分析其效果。这样的路径能够把技术理解、教学设计和实际测试连接起来。
适合的学习路径与资源
课程涉及人工智能、机器学习、教育技术、课程与教学等主题，学习资源包括讲义、课堂笔记、多种作业和播客。学习者可以先阅读基础内容，再结合作业梳理技术概念与教育问题，最后通过项目实践检验自己的判断。
课程面向本科层次学习者。若具备计算机科学、人工智能或教育教学方面的基础，通常更容易把握课程中的技术讨论与课堂应用；若某一方向经验较少，则可先补充对应的基础概念，再进入项目任务。