从理解到创造：无先决条件的人工智能素养课程及其跨专业的技术深度

大多数针对非技术本科生的人工智能素养课程强调概念广度而非技术深度。本文描述了 George Mason University 上的一门无先决条件课程 UNIV 182，这门课程让本科生跨专业地学习理解、使用、评估和构建人工智能系统。该课程围绕五个机制设计：(1) 以统一的概念管道（问题定义、数据、模型选择、评估、反思）反复遍历，逐步提升其严谨性；(2) 将伦理推理与技术进程并行融合；(3) AI Studios，结构化的课堂工作小组，包含文档规范和实时批评；(4) 累积性评估组合，每个作业都构建下一步所需的能力，最终以共同撰写聊天机器人推理实验结果和团队构建人工智能赋能作品并向外部评估者陈述为高潮；(5) 提供结构化强化的定制 AI 代理，供课外使用。本文将该设计置于跨专业人工智能素养课程的比较分类法和教学传统中。基于教师编码的学生作品分析（分为四个评估阶段），记录了从描述性、直觉式推理向技术性、带整合安全措施的设计的过渡，达到布伦纳修订分类法的创造层次。为支持推广，本文指出哪些机制是可分离的、哪些需要制度基础设施，以及该设计如何适应从通用人工智能素养到学科嵌入式方案的各种场景。该课程作为已 Documenting 的资源提供，展示了在支架支持下，技术深度与广泛可及性可以共存。