信息技术教育

本页是英文页面的机器翻译，尚未经母语者审校。

信息技术教育——计算教育中培养从业者去选择、部署、保障、管理和治理组织实际运行的社会技术系统的分支，而不是把计算当作一门独立学科来研究。它最近的邻居、也是多数边界混淆的来源，是计算机科学教育：计算机科学教育以算法、编程和形式化基础为中心，而信息技术教育以应用性配置、网络安全、数据与信息管理、以及这些系统的组织AI 治理为中心。生成式 AI从两个方向进入这个领域——既是学生必须学会评估、保障和规制的对象，也是辅导他们、对他们的提问分类、并悄悄改写他们被准备进入的专业路径的工具。

值得思考的问题

如果 AI 压缩了历史上造就 IT 专长的"构建—失败—调试"循环，那么课程应当刻意保护哪些基础能力，哪些可以委托给工具？
学生知道自己机构的规则，却仍说不出自己的使用是否合规。这是沟通失败，还是一套基于规则的工具，对于一种在个人账户上私密进行的实践而言本身就是错的杠杆？
信息技术教育夹在计算机科学、商科和职业教育之间。谁应当拥有 AI 治理能力——一门课、一条课程线索，还是一个项目级的学习成果？
如果一个 transformer 分类器能以约 79% 的精确率区分高阶学习者提问，IT 项目还应当自动化提问方面的形成性反馈吗？
多数学生对生成式 AI 的心智模型是陈述性的且浅薄。这能预测误用吗，还是只能预测他们无法解释自己其实做对了的决定？

引言

信息技术教育是计算的应用侧。它培养人们在组织内部让系统运转起来——网络、数据库、安全运营、健康信息管理、电子政务服务——其毕业生通常由专业机构和雇主来评估，而非仅由学术界。相对于计算机科学教育的独特性在于分析单元。计算机科学教育把程序和算法当作对象；信息技术教育把已部署的系统以及从业者对其的判断当作对象。计算机科学界争论 AI 代码生成是否侵蚀编程技能，信息技术界则争论 AI 排障是否侵蚀诊断技能、AI 起草的政策文件对谁有约束力，以及毕业生能否治理他们管理的数据系统。

相邻学科以不同方式重叠。STEM 教育是母类别并共享其工具，但信息技术教育更常是一个专业硕士或应用型本科学位，其毕业生进入受监管的工作场所。商科教育通过信息系统和电子政务项目与之相邻，这些项目常与 IT 课程共享课程和学生。职业教育与培训是另一个职业性邻居：两个领域都为实践而培训，但职业项目针对的是界定明确的行业中的技术员级能力，而信息技术教育假定抽象系统推理，培养出既写治理文件又执行它们的人。高等教育命名的是层级而非领域，而这个领域带有认证与合规的表面——健康信息学认证、学生所处理数据的 HIPAA 与 FERPA 义务——这塑造了什么算作正当课程。

这个领域中 AI 的独特之处在于：同一项技术既是课程内容也是教学法。捆绑起来的证据收敛于一个令人不安的主题：信息技术教育当前的 AI 议程被诚信和工具采纳主导，而该领域自身工作场所所要求的治理、安全和数据伦理能力，大多出现在学生实际收到的文件之外。

AI 如何出现在信息技术教育中

**游戏化的网络安全培训。**Li 及其同事构建了若干短小、适合移动端的游戏，覆盖从密码安全到短信和电话诈骗识别，把基于测验、基于叙事和模拟基于模拟的设计与 TikTok 小游戏等交互形式结合起来，动因是传统视频培训参与度低、效果有限（Security Education in Higher Education through AI-Powered Gamification）。他们对 59 名大学生（9 名技术专家、50 名普通用户）做的两层评估，报告的是改善网络安全参与度和注意力的潜力，而非已证明的学习增益。
**自我调节学习中生成式 AI 作为支架或捷径。**一项对澳大利亚 267 名研究生阶段 IT 学生的混合方法研究，区分了被支架化的认知外包（学习者澄清目标、生成想法、获得自己随后批判和改编的反馈，于是学习者自主性留在他们手中）与替代性的卸责（产出以极少验证被接受，控制转移到工具）（Scaffold or Shortcut? Postgraduate IT Students' Use of Generative AI and Self-Regulated Learning）。信心塑造取向：自信的学生在目标设定和监控上行使自主，而信心较弱的同伴把生成式 AI 读成捷径或不端行为。这一群体是有差异的，而非同质地面 AI 素养化；作者建议要求学生为 AI 产出做辩护或改编，作为一个明确的学习设计动作。
**专业实践中被压缩的专长路径。**对 IT 从业者的 14 次半结构化访谈发现，生成式 AI 在排障、写脚本和系统验证中既充当类似导师的辅导员，又充当缩短阶梯的工具（Unanticipated Effects of Generative AI on Expertise Pathways and Performance Perception in System Administration）。在不熟悉领域被加速的表现，减少了接触历史上塑造专长的"构建—失败—调试"循环的机会；AI 辅助的速度还重置了团队和自我期望，产生一种双速文化和生产力愧疚。该研究把课堂对元认知代价和技能衰退的关切带入职场学习和职场学习。

评估与 IT 中 AI 使用的学习者侧

**把学习者提问当作诊断信号。**Lee、Atif 与 Kang 把来自 12 门 IT 课程的真实学生提问分类为三种建构主义教学角色——知识传递者、促进者和共同学习者——在人在回路的复核下达成一致标注（Fleiss' kappa 从 0.60 升到 0.83），并把语料扩充到 582 个均衡的提问（Analysing AI utilisation in education through learner question types: A constructivist approach）。DeBERTa 在事实性提问上以 86.36% 的准确率和 96.67% 的精确率领先，但促进者的精确率跌到 78.79%，而微调后的 BERT 在共同学习者条目上达到 92.00% 的召回率，精确率只有 74.19%。错误来自角色间的概念相似、学习者意图的歧义，以及领域措辞被误读为认知深度；作者警告扩充可能引入了词汇捷径，且 11 名学生、仅限 IT 的语料还不能推广到其他领域。
**广而浅的心智模型。**从 86 名本科生在一门必修技术伦理课上绘制的 64 张可用概念图中，浮现出五类心智模型：基于技术过程、基于教育工具、过渡型、后果觉察型和整合型（Uncovering Students' Mental Models of Generative Artificial Intelligence）。每张图都显示陈述性知识，25 张显示程序性知识，17 张显示条件性知识，只有 9 张把三者整合起来。技术簇与社会监管簇相距很远，作者将其解读为AI 素养和伦理觉察在各自独立发展；他们论证，以诚信为中心的指南只触及学生如何概念化这个工具的一个维度。
**规则已知，合规未定。**一项对 151 名商业信息系统和电子政务项目本科生的调查发现，多数学生在积极使用生成式 AI，但超过半数不确定自己的使用是否符合机构规定，监管觉察与实际行为之间只有弱到中等的关联，且依赖大多在私密访问的工具而非机构提供的工具上（Knowing the Rules Is Not Enough: Student Regulatory Awareness and Use of GenAI in Higher Education）。知道规则并不能强烈预测学生做什么。

制度政策与治理缺口

**是指导，不是政策。**对全部 48 个经认证的健康信息学与健康信息管理硕士项目的环境扫描发现，40 个（83%）至少有一份公开可得的 AI 文件，但最主要的形态是咨询性指导（21 个，53%）而非正式政策（7 个，18%）（Institutional approaches to artificial intelligence policy and guidance in health informatics and information management education: emerging trends and inconsistencies）。学术诚信主导了词汇（n = 139），排在引用（n = 59）和评估（n = 50）之前，而 HIPAA（n = 5）、FERPA（n = 11）、公平可及（n = 2）和披露要求（n = 1）几乎缺席，电子健康档案则完全未被提及。潜在狄利克雷分配产出四个主题：诚信、学生使用生成式 AI、大学研究工具和 ChatGPT 接触。由于只分析了公开文件，作者把隐私和公平语言的缺席当作关于已发布指导的发现，而非关于机构实践的。
**公平盲点。**包容（n = 9）、无障碍（n = 9）、便利安排（n = 4）和公平可及（n = 2）出现的比率，不足以支持任何"公平性已被处理"的主张，尽管若干项目要求在课程作业中使用 AI。这与专业AI 治理能力受到的稀薄处理一起，构成了这批证据留下的最清晰的设计任务：把诚信规则连接到那些毕业生将要负责执行的可及、隐私和数据治理条款。

关联概念

关联文章

元数据

学科	Information Technology, Cs Education
层次	Higher Ed, Adult Learning
目标读者	Administrators, Curriculum Designers, Instructional Designers, Instructors, Learners, Policymakers
学习与教学	职场学习
机构与政策	AI 治理
公平、伦理与负责任使用	公平性
教育中的人工智能基础	学术诚信, AI 素养, 认知外包

Source History Edit Chat