AIEd 知识库AIEd KB
本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

概念

公民与政治教育

创建 2026-11-04 · 更新 2026-11-04

本页是英文页面的机器翻译，尚未经母语者审校。

公民与政治教育 —— 学校教育中培养人们理解制度、就公共问题展开推理，并作为公民而非私人个体行动的那一部分。Trust 等人（2025）把它视为一个具有独特目标的领域：对权力的批判性参与、多元文化视角，以及对社会议题的行动。知识库命名了这一主题，但关于它的证据很少。

值得思考的问题

  • 当一名学生问聊天机器人某项政策是否合宪时，他们需要知道什么才能判断这个回答？
  • 流畅、看起来有出处的文字，是让公共推理变得更难，还是只是变得更快？
  • 如果一名学习者用 AI 为地方听证会起草证词，作者身份该归学术诚信，还是归公民教育？
  • 媒介素养教学生分析信息。在它足以支撑公民身份之前，还必须补上什么？

引言

公民与政治教育涵盖学校如何为公共生活培养人：政府结构、公民的权利与义务、就有争议的问题展开公共推理、参与集体决策，以及公共论证所需要的信息技能。Santos-Albardía 等人（2025）把目标描述为参与式与批判性的公民身份，而非工具熟练度。Nkalanga（2026）把它定位在社会科学、地理与生活导向课程中 —— 这些科目本来就在教授公民身份与人权。本页界定这一领域，并记录知识库所持有的内容：相邻的研究工作，而不是一套公民教育文献。

公民教育涵盖什么

这一领域比一门公民课更宽。它包括制度知识、公共推理、参与的意愿，以及对论证中所用信息的判断力。Zhai 等人（2026）从另一门学科展示了这种广度。他们的愿景 II 涵盖日常与公民生活中的科学；愿景 III 涵盖社区与社会层面的行动，与民主以及疫苗接种、气候等议题相系。他们指出，愿景 III 是标准与评估服务得最少的一层。

这里规模最大的公民专题研究是一项内容分析，而不是学习研究。Trust 等人分析了 310 份 AI 生成的教案，其中包含 2,230 项活动，覆盖马萨诸塞州全部 53 项八年级公民课程标准。三个聊天机器人各自收到一个基础提示与一个“高度互动”的变体。90% 的活动停留在记忆、理解或应用层级；分析为 4%，评价为 2%，创造为 4%。

文化层面的结果更为刺眼。用 Banks 的多元文化整合层级来衡量，94% 的活动不含任何可辨识的多元文化内容。在其余活动里，137 项为附加式，四项为贡献式，一项为转化式，社会行动式为零。无论标准涵盖什么，每个聊天机器人都返回相同的结构。

公民教育不是记忆科目。一份要求学生列出《权利法案》三项事实的教案，教的是公民身份的词汇，同时移除了它的实践。

为什么生成式 AI 是公民问题，而不只是诚信问题

学术诚信问的是提交的作品是否为学生本人所作。公民教育问的是一项公共主张是否真实、可归因，并且可以被质疑。生成式 AI 给第二个问题施加压力，而第一个问题捕捉不到这种压力。

有三种机制反复出现。第一，伪造证据：模型可以生成看似合理的引文、统计数字或法律引用，而学生无法独立核查。第二，生成式政治说服。Rudolph 等人（2025）把深度伪造、定向宣传与自动化虚假信息点名为对民主的威胁。Santos-Albardía 等人报告了专家共识：AI 与深度伪造使现实更难与错误信息区分开来。第三，来源核验。无法把一项主张追溯到某个机构或具名作者的学习者，只能依赖生产该主张的那个系统。

学习者同时也是生产者，他们给官员写信、传播证据。公民层面的问题不是 AI 是否协助了文本，而是学生能否为自己的主张负责，并回应反对意见。

Muñiz 与 Castro Samayoa（2026）用政治理论而非实证检验的语言陈述了这一公民论点。他们的论点是：教育对民主的贡献在于批判性评价的实践，而生成式 AI 移除的是这项实践，不是内容。把探究、分析、评价与综合外包给模型，会缩短在 K–12 与高等教育中建构这些能力的练习。他们点出三种机制：生产性摩擦的消失、自动化偏见，以及一种把功课要点视为完成任务效率的框架。他们为此附加的利害是知识库中最大的，也是证据最少的：他们写道，威权政府会在公民无法评价真伪主张时兴盛，而一些政权正是为此压制识字。他们的补救是一对素养与一项设计承诺 —— 批判性 AI 与媒介素养，以及过程重于产品。这篇文章提供了本页在其他地方零散拼装的理据，而它自身没有提供任何数据。

Nkalanga（2026）补充了一种被诚信框架遗漏的机制。该文从南非由 AI 中介的边境治理体制中推导出五项公民数字素养要求：算法透明、数据权利、偏见识别、权利争议，以及参与式治理。一个无法辨认某项决定是算法作出的、或找不到申诉途径的人，失去的是一种公民能力，而不是一项技术技能。

媒介素养在哪里结束，公民教育在哪里开始

两者的重叠相当大，而文献并未划定边界。媒介素养按惯例指获取、分析、评价与创造信息的能力。Santos-Albardía 等人（2025）把它扩展到教育公民批判性地使用信息，而他们的专家把批判性教育传播描述为一种有政治根基、能强化民主的实践。

公民教育所增加的并不是又一项评价技能。它是从判断一则信息，转向对制度采取行动。媒介素养可以告诉学生某个疯传的主张缺乏依据。公民教育则追问：哪个机构拥有权限、适用什么获取权利、一项决定如何被质疑，以及什么样的参与会带来改变。Nkalanga 的五项要求最清楚地界定了后半部分。

各类框架对前半部分覆盖得更好。Nkalanga 发现 DigComp 2.1 包含数据素养与数字安全，却把算法问责留在其能力领域之外。南非的信息技术与社会科学标准几乎没有数字素养内容，地理教学大纲则完全不含算法系统的内容。结果是：熟练的工具使用者，却无法质询一项针对他们作出的决定。

知识库持有什么，以及缺乏什么

九项相关来源彼此异质。Trust 等人提供了唯一一项大规模的公民内容分析。Nkalanga 综合了 53 份文件，没有原始数据。Santos-Albardía 等人访谈了七位专家，并在一所大学调查了 141 名学生。一项芬兰访谈研究访谈了 13 位教师，发现资格化主导了对AI 教育的叙述，而主体化缺乏具体策略。Zhai 等人提供一个框架，Rudolph 等人提供一篇评论；Muñiz 与 Castro Samayoa 从政治理论论证民主理由。Theodora 与 Tselios（2026）追问成人学习服务的是经济需求还是公民参与。Elmahjub 等人（2026）发现民主与法治在 160 份治理文件中的 92 份里被提及，但只有四份具有法律效力。

知识库持有九项触及公民与政治教育的来源，其中没有一项测量公民学习。对利害最完整的陈述是一篇文章而非一项研究，本知识库中也没有任何研究检验：接受 AI 中介的公民教学的学生，是否变得更有见识、更愿意参与，或更能抵抗操纵。

这一缺口是具体的。没有任何研究测量学生能否对照一手来源核验生成的主张、能否识别一项算法决定并找到申诉途径，或能否产出经得起审视的公共写作。媒介素养调查中的准备度数字是自评的，因此它们描述的是信心而非能力。

一个研究纲领需要公民知识、公共推理与来源核验的基线与后测，并使用植入伪造内容的任务。它需要参与的行为测量、按主张准确性与归因评分的产出任务，以及检验学习者能否质疑一项决定而非仅仅描述它的测试。它需要课堂条件、教师培养与公平数据，尤其是在南非 —— Nkalanga 报告那里约有 16,000 所学校没有计算机实验室，并把这一缺口界定为全球南方的公平问题。在那之前，本页只是一张关于缺口的图。

常见误解

“AI 素养已经涵盖公民身份。” 功能性AI 素养教人使用工具。算法问责追问的是：谁在决定、依据什么，以及那项决定如何被挑战。Nkalanga 表明主流能力框架遗漏了这一层。

“问题在于学生作弊。” 诚信框架问的是谁写了文本。公民框架问的是主张是否真实，以及学生能否为它辩护。Trust 等人表明供给侧先失效：在任何学生使用之前，AI 生成的公民课就已经是低阶且单一文化的。

“更好的提示会带来更好的公民课。” 互动变体的差别极小，而三个聊天机器人在 53 项标准上产出了相同的结构。提示质量并未恢复学科质地。

“已有足够证据指导实践。” 只够支持谨慎。一项内容分析、一项文献综合、一项小型混合方法研究，以及若干概念或政策文章，并不能确立什么有效。

关联概念

关联文章

元数据

学科Humanities Education
层次K 12, Higher Ed, Teacher Education
目标读者Instructors, Curriculum Designers, Policymakers
学习与教学批判教育学, 终身学习
技术与方法生成式人工智能, 大语言模型（LLM）
机构与政策AI 治理, 教育中的人工智能监管
公平、伦理与负责任使用伦理, AI 误用与学习损害, 全球南方
教育中的人工智能基础AI 素养, 批判性思维, 教学
来源历史编辑对话

嵌入此页

复制下面的代码，将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。