📢 转载信息
原文链接：https://www.wired.com/story/stem-high-school-students-artficial-intelligence/
原文作者：Sofia Barnett
在2010年代初，几乎每个懂STEM（科学、技术、工程和数学）的准备上大学的孩子都听过同样的建议：学习编程。Python 成了新的拉丁语。计算机科学是通往稳定、高薪、面向未来的生活的门票。
但在2025年，这种光环已经褪色。“学习编程”听起来有点像“学习速记”。青少年仍然希望在科技行业工作，但他们不再认为只有一条道路可以到达那里。人工智能似乎随时准备抢走编码工作，而且目前还没有大量的“氛围编码”（vibe coding）AP课程。他们的老师们正忙着跟上时代的步伐。
纽约曼哈顿村学院（Manhattan Village Academy）的副校长本杰明·鲁本斯坦（Benjamin Rubenstein）说：“现在的趋势是从尽可能多地学习计算机科学，转变为尽可能多地学习统计学课程。”鲁本斯坦在纽约市的课堂上已经工作了20年，时间足够长，足以见证“STEM管道”从一条直线演变成一个分支网络。对于他的学生来说，学习统计学感觉更实用。
四十年前，受NASA鼓舞的学生梦想成为物理学家或工程师。二十年后，谷歌或其他科技巨头的吸引力驱使他们进入计算机科学领域。现在，他们的抱负受到了人工智能的塑造，使他们远离了AI能做的事情（编码），转而关注AI仍然难以应对的领域。随着寻求计算机科学学位的学生人数下降，有STEM倾向的高中生开始关注那些将计算与分析、解释和数据相结合的学科。
鲁本斯坦仍然要求每位学生在毕业前都必须学习计算机科学课程，“以便他们了解幕后发生的事情。”但他学校的数学系现在将数据素养与目的结合起来：一个应用数学课程，学生分析纽约警察局的数据以提出政策变更；还有一个民族数学（Ethnomathematics）课程，将数学与文化和身份联系起来。“我们不希望数学感觉与现实生活脱节，”他说。
这是一个微小但有说服力的转变——鲁本斯坦表示，这种转变并非孤立发生的。在经历了长期的繁荣之后，大学也看到了计算机科学热潮的降温。根据非营利组织计算研究协会（Computing Research Association）的一项调查，2023-2024学年在美加地区授予的计算机科学、计算机工程和信息学位总数比前一年下降了约5.5%。
在高中层面，对数据的渴望显而易见。根据《教育周刊》（Education Week）的数据，2024年AP统计学考试的注册人数达到了264,262人，使其成为最受欢迎的AP考试之一。AP计算机科学考试仍然吸引了大量学生——2024年有175,261名学生参加了AP计算机科学原理考试，另有98,136名学生参加了AP计算机科学A考试——但信号很明确：数据素养现在与编码并驾齐驱，而不是位于其之下。
鲁本斯坦说：“那些将自己视为STEM人才的学生会追求任何他们认为能在职场中获得价值的东西。如果职场想改变教育，它可以通过说‘我们需要学生具备这些能力’来实现。K-12（中小学）教育也会随之跟进。”
在这一切之中，AI的崛起使教师处于两难境地。他们试图让学生为由机器学习定义的未来做好准备，同时还要应对这些工具能轻易破坏学习过程的现实。
然而，鲁本斯坦相信AI可以成为STEM教育工作者的真正盟友，而不是替代品。他设想的课堂是：算法可以帮助教师识别哪些学生掌握了某个概念，哪些学生需要更多时间；或者根据学生的兴趣推荐数据项目——以更个性化和应用化的方式进行学习。
这与他从学生身上看到的转变是同一转变的一部分：从学习如何构建技术转向学习如何解释和使用技术。其他教育工作者也开始朝着相似的方向思考，探索AI工具如何加强数据素养或扩大个性化STEM教学的可及性。
在佐治亚大学，科学教育研究员翟小明（Xiaoming Zhai）已经在测试那会是什么样子。他的团队构建了他所谓的“多智能体课堂系统”（multi-agent classroom systems），这些AI助手与教师和学生互动，模拟科学探究的过程。
翟小明的项目测试了一种新型的素养：不仅是如何使用AI，还有如何用它来思考。他讲述了一位访问学者，这位学者从未写过一行代码，却利用生成式AI构建了一个可运行的科学模拟。
“编码的门槛已经降低了，”他说。“真正的技能现在是将AI与你自己的学科相结合。”
翟小明认为，AI不应被视为STEM学科的集合体，而应成为其核心的一部分。他说，下一代科学家将像他们前辈使用显微镜一样使用算法——用来发现模式、检验想法，并推动知识的边界。编码不再是前沿阵地；真正的技能是学习如何解释和协作于机器智能。作为国家人工智能在科学教育委员会的主席，翟小明正推动使这种转变明确化，敦促学校教导学生如何利用AI的精确性，同时警惕其盲点。
“AI可以做人类做不到的一些工作，”他说，“但它在训练数据之外也会惨遭失败。我们不希望学生认为AI可以做任何事，或者完全害怕它。我们希望他们负责任地使用它。”
这种在熟练掌握与怀疑精神、抱负与身份之间的平衡，正在悄然改写像鲁本斯坦学校中STEM的含义。计算机科学课程不会消失，但它们正在与法医学选修课、科幻实验室和数据伦理辩论分享舞台。
鲁本斯坦说：“学生们不能再将事物视为孤立的模块了。你需要跨学科的知识才能做出好的决策。”
AI不是即将来临——它已经在这里了。当今的STEM学生不是在与之抗争；他们正在学习如何阅读它、质疑它并使用它。新的技能不再是为机器编写代码，而是要足够了解其逻辑，以便能够引导它。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区