本期特稿｜张进宝等 从“离身”到“具身”：中小学人工智能教育范式的探究性重构

　　随着生成式人工智能（Generative Artificial Intelligence, GenAI）以惊人的速度重塑知识生产边界，围绕中小学人工智能通识课程的设计与实施路径展开讨论^[1]，变得尤为紧迫。一方面，生成式人工智能以极高的效率和质量生成代码、文本、音频与视频，极大地延展了人类的认知能力；另一方面，生成式人工智能基于概率统计的底层逻辑，使其常伴随着不可预测的“事实幻觉”、算法偏见与隐私侵蚀风险^[2]。更值得关注的是，技术的进化呈现非线性特征，未来可能出现具备更强自主性与欺骗性的智能系统，进一步加剧人机关系的复杂性^[3]。因此，人工智能通识课被认为是未来公民在算法丛林中生存的“认知防线”与“主体性宣言”^[4][5]，教育者不能无视这种技术属性的复杂性。若构建的课程体系无视上述问题，实则是在缺乏防御机制的情况下将学生置于算法的裹挟之中。由此引发的后果是显而易见的：学生非但未能真正获得技术红利，反而因缺乏对“算法风险”的批判性认知而陷入“技术异化”——这种因无法适应人机博弈而产生的“适应性焦虑”，正成为教育实践的隐忧^[6]。　　2025年，教育部基础教育教学指导委员会发布的《中小学人工智能通识教育指南（2025 年版）》^[7]（以下简称《指南》）虽然勾勒了宏伟蓝图，但若在执行层面缺乏对生成式人工智能技术异化与不确定性的深刻洞察，极易偏离“安全可控”的原则^[8]。例如，《指南》在小学阶段强调“通过交互体验建立认知”，在中学阶段要求“掌握指令设计”。如果教育者缺乏深刻的认知觉察，极易将这些要求误读为传统的“技能训练”，即认为只要让学生在屏幕上操作了人工智能工具、写出了代码，就完成了素养培养。这种表层执行掩盖了深层的危机：在“驾驭”层面，单纯依据《指南》进行“可视化编程”并不可取，理应打破“黑箱”，让学生理解概率生成的底层原理，才能祛除对技术的迷信；在“管控”层面，《指南》要求的“数据安全管理”制度不过是外部约束，只有在真实的交互博弈中让学生切身感知伦理边界，才能建立内在防线；在“创新”层面，需要避免《指南》中的“创新应用”沦为生成大量冗余信息的借口，必须确立“人为主体”的价值锚点。　　现实中，中小学教育生态对技术风险的自觉意识，尚未有效转化为课程设计的核心逻辑^[9]。由此产生的政策误读与技术风险相互叠加，导致课程设计陷入认知与身体经验割裂的“离身”（Disembodiment，即认知过程脱离了身体的物理感知与环境互动）误区。一方面表现为对“高端技术的崇拜”，盲目引入高等教育阶段的复杂算法，导致“算法霸权”对学生认知负荷的挤压，使得“驾驭”沦为机械记忆；另一方面则表现为对“低端操作的依赖”，这恰恰是对《指南》中“体验”要求的庸俗化理解。大量课程退守为商业化教具的简单拼搭，学生仅仅是在执行“点击—生成”的机械循环，陷入“认知工具化”泥淖。这些看似多元的探索，实则正在导致知识的“意义空心化”——学生虽然达成了《指南》中“完成指令设计”的字面要求，却切断了符号与真实世界的联系。　　面对这一困局，本文主张进行一场本体论层面的范式重构，引入“具身探究”（Embodied Inquiry）视角。为何选择具身探究而非传统的探究式学习或建构主义？原因在于，生成式人工智能的“幻觉”与“偏见”，本质上是“无身体感知的纯符号运算”的产物。具身认知理论主张，人类的认知并非大脑中孤立的符号处理，而是身体、环境与大脑三者实时交互的结果。在高度抽象的算法时代，传统的探究式学习往往仍停留在认知层面的问题解决阶段，而具身探究则强调将“身体感知”作为意义建构的起点。唯有通过高强度的身体参与（如物理教具交互、真实情境中的试错博弈），学生才能建立起对人工智能底层逻辑的“物理直觉”，从而有效抵御纯符号运算带来的“技术异化”。基于此，本文试图通过构建“黑箱—玻璃箱—灰箱”的认知进阶模型，确立一种“防御性”与“建设性”并存的具身探究范式，旨在培养清醒的“智能主体”——他们既能利用人工智能的算力红利，又时刻警惕其内生风险，并始终将价值判断的权利紧握在自己手中。

　　（一）现实诊断：政策落地中的“离身”阻滞与执行偏差　　当前中小学人工智能教育现场面临“离身认知困境”。特殊性在于：其往往披着落实《指南》的外衣，却在执行层面走向《指南》精神的反面。这种“政策文本”与“教学现场”的结构性断裂，在教学目标、内容呈现与评价体系三个关键维度上，塑造了“离身化”的教育现实。　　1.目标的窄化：对“技能维度”的还原论误读　　教育目标是课程设计的灵魂。《指南》在培养目标中明确提出了“四位一体”的素养结构，并在各学段设定了具体的技能要求，如小学阶段的“掌握简单工具操作”、初中阶段的“完成指令设计”。然而，受限于“唯工具论”的思想惯性，一线教学极易将这些综合素养目标还原为单一的“技术训练”。多项国际综述表明，人工智能课程常被知识表示、机器学习算法、Python 语法等“硬核”技术填满，却严重忽视了学生在人机交互中的情感体验与伦理思考^[10][11]。这种对《指南》技能指标的片面追求，导致了严重的“育人目标窄化”：学生学会了调用应用程序编程接口（Application Programming Interface, API），却缺失了身体参与的技能导向。在生成式人工智能介入后，这种缺失引发了深层的心理危机，成为学生的“真实性焦虑”^[12]。这是一种“由于缺乏耕耘而产生的自我怀疑”：当学生习惯了用人工智能一键生成结果以满足《指南》中的“作品产出”要求时，因失去了亲力亲为的“脑力劳作感”，他们开始难以确证自我的主体价值。此外，随着情感人工智能技术的引入，若缺乏基于真实情境的引导，学生还面临着隐私泄露与被算法进行情感操控的新型风险^[13]。　　2.内容的断层：从“伪情境”到“意义缺失”　　理想的人工智能课程应建立在真实世界的复杂性之上。《指南》在“保障体系”中强调要“均衡配置中小学人工智能实验室资源”并“优化数字化教学环境”。然而，在实际落地中，这种“环境优化”往往异化为一种“经过无菌处理的伪情境”^[14]。审视当下的资源建设，大量课程依附于高度封装的商业化软硬件平台。这些平台为了降低教学难度，往往提供预先清洗的数据和恒定的环境参数。这导致学生虽然坐在《指南》要求的“现代化实验室”里，面对的却是被剥离了现实摩擦力的“玩具问题”。图泽克（Tuczek）等将这种现象诊断为“知识相似性转换障碍”——缺乏真实物理世界中感官运动经验的形式规则，无法感知这些代码在真实社会中运行时的复杂后果与实际意义^[15]。这种“真空实验室”切断了代码与真实世界的联系，学生因缺乏对现实不确定性（如传感器噪声、环境干扰）的深切感受，难以建立真正的工程直觉。这使得《指南》所倡导的“解决实际问题”能力培养，最终沦为虚拟沙箱中的符号游戏。　　3.评价的异化：只看“结果数据”的考核陷阱　　在评价体系层面，《指南》提出要“依托数字技术记录学习过程数据”以完善评价机制。这一初衷虽好，但在技术执行层面却面临着“唯数据论”的异化风险。当前的中小学人工智能课程评价存在严重的“重代码、轻体验”误区^[16]。许多基于平台的自动评价系统，将《指南》要求的“过程数据”等同于冷冰冰的“离身指标”——代码报错率、模型准确度、应答速度等。这种评价逻辑系统性地过滤了学生在探究过程中不可量化的“具身表现”，如小组协作时的激烈争论、面对失败的情绪调节，以及调试参数时的反复尝试。这种评价方式不仅未能落实《指南》关于“多元评价”的要求，反而迫使学生为了迎合系统的算法指标，将充满创造性的探究异化为有技巧的应对。最终，这种评价方式催生出一种“没有身体参与的学习”，使学生在追求高分的过程中，虽能体会到短暂的“成功喜悦”，但却逐渐丧失了探索技术复杂性的耐心与能力。　　（二）历史谱系：从“具身经验”到“计算延伸”的认知范式演变　　透视上述的“离身”困境，不能仅将其视为教学技术的单一偏差，更应将其置于人类教育认知范式演进的长时段历史中加以考察。以此视角审视《指南》时，必须警惕历史惯性可能导致的认识论误区：从前技术时代的“具身智慧”，到工业化时期的“符号抽象”，再到当下算法时代的“计算延伸”，身体在认知过程中的合法性地位正面临逐步被“隐匿”的风险。　　1.前技术时代：作为认知原点的“具身智慧”　　在现代学校制度建立之前，无论是东方的书院传统还是西方的工匠学徒制，教育都呈现出一种鲜明的“身心不离”的原始特征^[17]。在这一阶段，认知与身体行动融为一体，教与学不仅仅是思维的传递，更是在具体场景中“手把手”的经验传承。中国传统哲学中的“知行合一”深刻揭示了这种模式。王阳明所言“知是行之始，行是知之成”，并非仅仅是道德口号，还指出了认知的生理基础：知识不是存储在大脑里静止的概念，而是通过身体的“亲身实践”，在与环境的互动中“做”出来的^[18]。同理，在西方的工匠传统中，迈克尔·波兰尼（Michael Polanyi）提出的“默会知识”（即只可意会不可言传的知识），主要依赖身体的感官与动作进行传递^[19]。由于缺乏高效的符号中介工具，身体成为人与世界建立关联的唯一桥梁，这种“在场”的教育保证了知识与生活世界的完整统一。　　2.工业时代：符号表征的效率与“语义流失”　　随着工业革命的到来，为了适应大规模标准化知识生产的需求，教育经历了一场深刻的“符号化转向”^[20]。知识从生动的生产实践中被剥离出来，变成书本上标准化的逻辑命题与数学公式。这一转变极大地提升了传递效率——学生无需亲手推拉重物，只需通过“F=ma”公式即可理解力的相互作用。这种通过符号工具来减轻大脑负担的“认知卸载”，无疑是文明的巨大进步。这一历史转向在当下的政策语境中仍具有深远的惯性影响。《指南》在“指导思想”中明确提出构建“系统化的课程”体系，并在培养目标中强调“逻辑思维”的启蒙。然而，若缺乏具身认知理论的纠偏，这一诉求极易滑落至工业时代的“符号表征”误区：即将“系统化”等同于抽象定义的堆砌，将“逻辑思维”窄化为脱离情境的符号运算。这种通过符号工具实现的“认知卸载”虽提升了知识传递效率，却导致工具理性的过度张扬，容易催生出一种“单向度的认知者”：他们熟练掌握了符号运算的句法规则，却日益丧失感知符号背后真实世界意义的能力^[15]。　　3.算法时代：计算延伸中的“具身缺失”风险　　随着工业化进程向数智化纵深发展，教育的认知范式面临从“符号表征”向“计算延伸”的跃迁。在强计算主义的隐喻下，人脑常被类比为信息处理器，而人工智能工具则被视为人类认知的外部延伸^[21]。当学生习惯于通过生成式人工智能直接获取答案时，他们不仅略过了符号运算的过程，更跳过了利用身体感知构建心理模型的关键环节。这不仅仅是认知负荷层面的问题，更是教育本体论层面的挑战。教育与人工智能本应是“双向定义”的关系，若教育无法为技术“赋魂”，技术便会反向吞噬教育的本质^[22]。　　这一阶段的深层危机，在落实《指南》关于“技能”维度的要求时表现得尤为隐蔽。《指南》要求中小学生“掌握简单人工智能工具的基础操作”及“通过可视化编程工具完成指令设计”。在生成式人工智能时代，若教育者止步于《指南》文本层面的“技能应用”，极易导致认知的“空心化”。若缺乏“道技相济”的具身体验，智能技术将沦为“无心”的工具，进而导致主体性的悬置^[23]。这种风险与《指南》旨在培养“科技创新思维”与“批判性思维”的目标存在内在张力。在奥托（Otto）等所描述的“混合智能”生态中^[24]，若过度关注机器算力的“延伸”，而忽视作为人类智慧底色的“具身”能力，终将导致学生在人机协同中沦为被算法逻辑支配的“客体”。　　综上所述，立足于当代教育现场，必须审慎地认识到：《指南》的落地不应是工业时代“符号灌输”的延续，亦不能陷入算法时代“思维外包”的陷阱。唯有进行一场向“具身智慧”回归的范式重构——从“离身运算”转向“具身探究”，方能真正回应智能时代对人的主体性发展的本质诉求。

　　规避人工智能教育中的“离身”断层，必须超越单纯的技术工具论。通过整合社会文化视域与具身认知规律，基于“具身探究”范式，为中小学人工智能通识教育“赋魂”，构建一个身脑协同、文化适配的育人新生态。文化语义适配解决了“用什么工具探究”的价值观问题，而范式转向则解决了“如何探究”的认识论问题，两者共同构成具身探究范式的核心支柱。　　（一）文化语义适配：具身范式下的价值重构　　人工智能教育不仅是技术的传授，更是深层的文化传递。鉴于《指南》明确将“价值观”列为核心素养维度，并要求学生“形成适应人工智能技术发展的正确价值观”，必须审视人工智能工具背后隐藏的文化逻辑。如果在落实《指南》时，仅仅关注“防沉迷”或“内容过滤”等防御性指标，而忽视了算法模型与学习者文化背景之间的“语义适配性”，教育将陷入一种隐蔽的“文化离身”困境。　　1.算法的“水土不服”：对“文化创作”目标的潜在消解　　《指南》在小学阶段明确要求学生“体验人工智能文化创作活动”。然而，在当前的教学实践中，若过度依赖基于英语语料训练的国外通用大模型，这一目标极易落空。虽然算法的代码是通用的，但训练数据却有着鲜明的国别属性。当中国学生使用西方模型生成“春节”或“龙”的图像时，往往会得到符合西方刻板印象的“文化幻觉”。这种“技术与文化的错位”，构成了深层的“价值观离身”风险：学生的身心虽然处于中国文化的土壤中（具身），但他们交互的智能体却遵循着另一套异质的文化逻辑（离身）。有研究指出，这种技术与文化的错位会导致学生产生“认知违和感”，甚至造成文化主体性的迷失^[25]。长此以往，学生虽然完成了《指南》要求的“创作任务”，却在深层价值观上与本土文化根脉发生断裂。　　2.本土人工智能的教育价值：从“替代”到“文化支架”　　在此背景下，引入国产全栈自主可控大模型，其意义超越了单纯的软件国产化替代，而在于为《指南》的价值观教育提供更优的“文化语义适配性”。本土工具在中文语境理解、东方哲学隐喻处理及复杂文化意象的生成上，具备天然的“文化亲缘性”^[26]。这种亲缘性使本土人工智能平台能够成为更有效的“认知支架”。对比西方通用大模型与本土人工智能在处理特定意象时的差异（见表1），可以清晰地发现：只有适配的工具，才能让《指南》中的“文化感知”目标真正落地。表1 西方通用大模型与本土人工智能的文化语义适配性对比

　　教学应用建议：教师应利用这种差异资源，组织“双模型对比”教学。教师在教学中引导学生思考：“为什么同一个词，两个人工智能平台生成的图片完全不同？” 这种反思性实践，正是落实《指南》关于“对比人工智能与人类行为差异”要求的最佳切入点。　　3.价值落脚点：落实“技术主权”的高阶要求　　引入本土人工智能平台，最终是为了回应《指南》在高中阶段提出的高阶目标——“立足国家科技战略视角审视人工智能技术主权”。“技术主权”不应仅被理解为硬件或算力的自主，更应包含“意义生成的自主”。如果学生习惯了用西方的逻辑来解释中国的概念，那么在认知层面就已经丧失了主权。因此，构建基于本土人工智能的“具身探究”环境，本质上是为学生构建一个能够与自身文化经验发生深层共鸣的“数字在场”空间。在这种空间中，技术不再是强行植入的外来异物，而是能够理解并延展本土文化逻辑的具身伙伴。这有助于将《指南》中抽象的“立德树人”要求，转化为可感可知的教学实践。　　（二）范式转向：从“离身运算”到“身脑协同”　　要彻底规避“离身化”认知断层，必须在认识论层面完成从“离身运算”到“身脑协同”的范式转向。这正是具身探究范式在教学机理上的具体体现。《指南》虽然确立了“知识、技能、思维、价值观”四位一体的素养目标，但若缺乏恰当的认识论指导，这些目标极易在落地时退化为僵化的知识点记忆与机械的技能训练。未来的教育应指向奥托等描绘的“混合智能”图景^[24]。基于此，本文主张用“具身探究”范式为《指南》“赋魂”，并构建一个螺旋上升的“黑箱—玻璃箱—灰箱”认知进阶模型，作为落实《指南》分层目标的深度实践路径。　　1.价值重塑：从“会写代码”到“懂得赋予意义”　　首要的是，教育目标必须完成从培养掌握代码的“技术工匠”，向培育适应人机协同的“具身主体”转型。在生成式人工智能能够自动生成高质量代码的背景下，人类智能的核心竞争力不再是执行规则明确的计算任务，而是处理模糊性信息、判断是非对错与建立现实联系的能力^[27]。《指南》强调要培养学生的“科技创新思维”与“社会责任意识”，但在生成式人工智能自动生成代码的背景下，学生如果仅仅掌握形式化的操作技能，将无法承载这些高阶目标。　　实证研究证实，高阶的人工智能素养是由以人为本的思维方式、伦理判断与系统设计共同构成的复合构念，而非单一的技术操作能力^[28]。在此，我们需要引入认知心理学的深层视角来审视《指南》落地的潜在风险：具身认知理论指出，语义知识本质上是与感觉运动体验纠缠在一起的^[29][30]。传统的“离身教学”切断了这一联系，导致学生虽然能背诵《指南》中关于“机器学习”的定义，却发生了“语义丢失”（Semantic Loss），使得学生头脑中的知识表征变得不完整，甚至产生误解^[31]。因此，落实《指南》的根本途径在于“符号落地”。元分析表明，整合了身体互动的学习环境能显著促进深度理解^[32]。学生不仅应学会调用人工智能工具，更需通过身体与环境的互动（如实物造物、人际协作），为屏幕上抽象的算法赋予源自真实世界的意义。　　2.机理重构：“黑箱—玻璃箱—灰箱”的进阶路径　　为了将《指南》中关于小学、初中、高中三个学段的宏观目标转化为可操作的教学逻辑，本文基于具身认知规律，重构了从感性直觉到理性解构，再到系统工程的进阶通道。这一模型旨在纠正当前教学中将“体验”浅表化、将“原理”抽象化、将“应用”无菌化的倾向（见图1）。

图 1 基于“黑箱—玻璃箱—灰箱”的中小学人工智能认知进阶模型　　（1）黑箱体验：从“简单交互”到“直觉建立”　　《指南》对小学阶段的培养目标描述是“认知方面侧重体验与兴趣培养。感知技术价值……通过与智能设备交互体验建立技术认知雏形”，并要求“体验人工智能文化创作活动感知技术双面性，建立隐私保护与数字身份的基本认知”。在此重构逻辑下，“体验”不应仅限于点击屏幕或机械对话，否则容易使学生陷入盲目的“技术崇拜”；相反，“黑箱体验”主张让学生在“不知其所以然”的状态下，通过高强度的身体参与（如与机器人共舞、用肢体模拟数据流），建立起对“智能及其边界”的身体直觉（Physical Intuition），这种基于身体的默会知识既是后续理解枯燥逻辑的情感基础，也是防止学生在低龄阶段产生“技术万能”幻觉的第一道防线。　　（2）玻璃箱解构：打开盖子，看懂逻辑　　《指南》对初中阶段的培养目标描述是“认知方面侧重理解技术逻辑。掌握机器学习基本流程与监督学习概念”，并要求“技能方面强调实际问题解决……通过智能体搭建开发完成场景化应用实践”。在此重构逻辑下，必须警惕教学止步于枯燥的概念背诵或机械的代码复制；相反，“玻璃箱解构”主张适时打开技术的“盖子”，引导学生将前一阶段积累的感性经验转化为理性的逻辑支架（例如，学生理解机器人之所以能“听懂”话，是因为背后的概率计算而非拥有真实意识），这种“祛魅”过程能够让学生透过抽象的符号表征看清算法的形式规则，从而真正实现从盲目崇拜到理性驾驭的认知跃迁。　　（3）灰箱工程：回归现实，解决麻烦　　《指南》对高中阶段的培养目标描述是“思维方面强化系统思维。建立‘技术原理—系统架构—社会影响’的立体思维模型”，并要求“价值观方面强调践行社会责任……在复杂伦理情境中平衡技术创新与社会风险”。在此重构逻辑下，不能让学生仅仅停留在参数恒定的“无菌实验室”里跑模型，因为真实世界既不是非黑即白的教科书，也不是完全未知的黑箱，而是充满了噪声与伦理博弈的“灰箱”；因此，“灰箱工程”主张让学生回归充满不确定性的真实场景（如解决自动驾驶在恶劣天气下的失效问题），在“已知原理”与“环境干扰”的博弈中寻找最优解，这正是人类智慧区别于标准化算法的独特领地——在计算无法覆盖的模糊地带作出关乎社会责任的价值选择。　　3.生态位确立：人与人工智能各司其职　　上述“黑箱—玻璃箱—灰箱”模型，最终指向的是《指南》中“人机协作能力”目标的本体论落地。在该图景中，人工智能作为“外包工”，负责处理大规模、标准化的繁琐计算；而人类作为“意义定义者”，负责处理那些没有标准答案的、涉及情感与伦理的复杂问题。这一范式重构明确了《指南》落地的底线：教育的任务不是培养与机器比拼算力的“碳基处理器”，而是培养学生在“黑箱”中保持好奇，在“玻璃箱”中保持清醒，在“灰箱”中保持智慧，从而在算法洪流中确立不可替代的“在场”价值。

　　理论重构最终要落实到课堂变革。《指南》在“指导思想”中明确提出要“构建中小学人工智能教育新生态”，并在“主要任务”中要求“探索创新教学方法”。然而，如果缺乏具身视角的介入，这种“新生态”极易退化为“一人一机”的封闭式机房教学。为了避免《指南》落入“离身操作”的窠臼，必须确立一种“身脑协同”的实践进路：这里的“在场”，不仅指学生物理上坐在教室里，更指他们的身体动作、社会互动与思维过程全面参与算法学习过程。结合国际前沿的人工智能意识（AIware）能力模型^[33]关于“意识（Awareness）—应用（Application）—反思（Reflection）”的层级架构与一线教学实证经验，从微观场景、课程图谱、评价变革与生态重塑四个维度，提出落实《指南》的具体纠偏路径。　　（一）场景重构：超越“互动优化”　　《指南》要求“适当利用人工智能技术优化课堂互动”。在执行层面，必须警惕将“互动”窄化为屏幕上的“人机对话”。真正的互动不应只发生在虚拟空间，而应基于“分布式认知”理论，重构人与人、人与环境的物理连接。以《人工智能眼中的月亮》一课为例，教师引入大语言模型作为协作伙伴，但并未让学生陷入“孤岛式”编程。相反，学生围坐在圆桌旁，进行“具身化的角色扮演”：一组学生用肢体模拟神经网络的“层级过滤”，另一组学生通过口头辩论打磨提示词。在这种场景下，智慧不再只存在于单个大脑里，而是流动在学生的肢体动作、同伴的争论与人工智能的反馈之间。这种“动起来”的探究，有效避免了《指南》中的知识点变得抽象难懂，实现了人工智能意识模型中“应用”维度的具身落地。　　（二）课程图谱：将“分层内容”具象化　　《指南》明确要求“设计分层教学内容”：小学侧重体验，初中强化原理，高中注重系统。仅靠简单的操作体验难以实现深刻理解，必须采用“理解为先”（Understanding by Design, UbD）的教学理念^[34]。据此，为了防止这些目标在落地时被异化为“看热闹”“背概念”和“做伪工程”，植入“理解为先”的教学理念，采用“黑箱—玻璃箱—灰箱”模型作为落实《指南》分层目标的具体执行标准（见表2）。表2 基于“黑箱—玻璃箱—灰箱”的《指南》分层落地框架

　　（三）评价改革：以“人机贡献度”破解评价难题　　《指南》在“教学评价”部分提出要“依托数字技术记录学习过程数据”，并“注重过程性评价”。然而，如果缺乏对主体性的甄别，这些“过程数据”很可能只是记录了人工智能的生成过程，而非学生的思考过程。为了真正落实《指南》关于“人工智能素养”的考核，本文引入既有研究提出的理念^[12]，建立“人机贡献度清单”制度。学生在提交作品时，不能只提交一个最终文件，必须附带一份“反思清单”，明确界定：①工具区（人工智能做了什么）：哪些代码、图像或文本由人工智能生成（考查《指南》要求的“工具操作”）；②主体区（我做了什么）：哪些创意方向、逻辑修正或价值判断由学生提出（考查《指南》要求的“创新思维”）；③磨合区（哪里有矛盾）：在与人工智能交互中遇到了哪些错误？如何通过调整指令解决（考查《指南》要求的“问题解决能力”）。这种评价将指挥棒从“考核结果”转向“考核人机协作的质量”，确保学生在享受技术便利的同时，始终保持人工智能意识模型中强调的“反思”意识。　　（四）生态重塑：落实保障体系　　最后，要实现从“离身”向“具身”的转型，必须建立一套包含师资培训、资源建设在内的全方位支持体系^[35]，落实《指南》中关于“保障体系”的要求。①师资队伍的具身化转型。《指南》提出“将人工智能教学能力纳入教师培训体系”。对此，培训重点不应仅停留在Python语法或大模型操作层面，而应转向“具身教学设计能力”的培养。教师需要学会如何将抽象算法转化为可被身体感知的物理活动，以及如何在人机协作的复杂现场进行即兴引导。②基础设施的物理化配置。依据《指南》关于“均衡配置中小学人工智能实验室资源”的要求，学校在建设实验室时，不应只堆砌昂贵的服务器与显示屏，而应注重“物理教具”的配置。例如，学校可引入透明计算套件、实体化算法模型教具等，为“黑箱—玻璃箱”的教学提供物质支撑，从而构建一个支持“做中学”与“创中学”的良性教育生态。

　　人工智能以史无前例的速度融入教育各个环节，变革并非仅仅是技术层面的工具升级，而是一场涉及认知方式的深度重构。《指南》的发布标志着我国中小学人工智能教育进入了制度化建设的新阶段，但如何确保这一制度不沦为机械的技能训练，取决于采取何种认知范式。本文起始于对“离身认知”困境的剖析，终结于对《指南》落实路径的理论应答。　　（一）范式确证：“具身探究”是人工智能教育的认识论基石　　本文倡导的从“离身运算”向“具身探究”的回归，并非对技术盲目排斥的倒退，而是为了在更高维度的技术环境中重新建构人的主体性。通过构建“黑箱体验（建立直觉）—玻璃箱解构（祛除迷信）—灰箱工程（解决复杂）”的进阶路径，以“四位一体”素养目标作为《指南》的着陆点。在这一全新范式下，技术不再是剥离身体体验的异己性力量，而是成为延展认知触角、重塑文化感知的有效中介^[36]。这正是实现《指南》中“构建中小学人工智能教育新生态”愿景的必由之路。　　（二）愿景展望：从“存活”迈向“存在”的教育强国逻辑　　展望未来，人类正步入“混合智能”新时代。在此时代背景下，人工智能主要承担海量的符号运算与概率预估任务，而人类则在情感感知、复杂问题应对与伦理评判等关键领域发挥核心作用。因此，中小学人工智能教育的根本目标，绝非培养与机器在计算能力上内卷的“机械操作者”，而是塑造能够掌控算法、洞悉复杂情境并拥有高度文化自觉的“独立思考者”。这不仅是对“人类将被机器取代”这一消极论断的有力反驳，更是对《指南》关于“服务支撑新质生产力”战略要求的深层响应。只有当学生能够在本土文化土壤中，通过具身的实践去定义技术、驾驭技术而非被技术定义的时刻，教育才真正实现了从在算法浪潮中单纯“存活”（Survival）向有价值“存在”（Existence）的跨越，从而为建设教育强国和科技强国筑牢最坚实的人才底座。