人工智能时代需要哪些核心能力:教育与研究领域的共识梳理

「21 世纪技能」是讨论这一问题时最常见的框架。该术语并非单一机构提出,而是 2000 年前后由美国多个教育与研究组织逐步整合形成的体系,其代表组织 Partnership for 21st Century Learning(P21,成立于 2002 年)将其概括为学习与创新技能、信息/媒体/技术技能、生活与职业技能三大类。经济合作与发展组织(OECD)在 2019 年发布的「学习罗盘 2030」(Learning Compass 2030)中,则把学生所需能力概括为知识、技能、态度与价值观的整合,并以「变革素养」(transformative competencies)作为顶层目标。

第二类常被引用的框架是世界经济论坛的技能报告。该论坛自 2016 年起定期发布《未来就业报告》(Future of Jobs Report),列出未来数年需求增长最快与衰退最快的技能类别。2020 年版报告中,分析思维与创新能力、主动学习、复杂问题解决、批判性思维、创造力、领导力与社会影响力等排在需求增长序列的前列。这类报告的口径是企业雇主调查,反映的是劳动力市场预期,而非心理学意义上的能力测验结果。

认知层面:批判性思维与复杂问题解决

批判性思维在测评领域有较成熟的工具。加利福尼亚批判性思维技能测验(CCTST)由 Peter Facione 及其团队于 1990 年前后编制,测量分析、评估、推论、解释与自我调节等维度;同一时期开发的加利福尼亚批判性思维倾向问卷(CCTDI)测量求真、开放心态等倾向维度。复杂问题解决的测量以 2012 年 PISA 首次引入的交互式问题解决测验为代表,该测验要求被试在计算机模拟环境中探索不熟悉的系统,其成绩与纯知识性测验成绩相关但不等同,说明这类能力不能完全由传统学科测试覆盖。

技术层面:数据素养与计算思维

计算思维的概念通常追溯到 2006 年周以真(Jeannette M. Wing)在《Communications of the ACM》上发表的文章,她将其描述为运用计算机科学的基本概念进行问题求解的思维方式,包括抽象、分解、模式识别与算法设计等要素。2016 年,美国计算机科学教师协会(CSTA)与国际教育技术协会(ISTE)联合发布了计算思维操作性定义。数据素养方面,2015 年由 Tuttle 等人在《Global Data and Information Literacy》中提出的数据素养概念框架,被多国信息素养标准引用,其核心是对数据的获取、评估、管理与伦理使用的综合能力。

社会情感层面:协作与适应性的测量工具

OECD 于 2015 年启动「社会情感技能研究」(Study on Social and Emotional Skills),以「大五」人格模型为框架,测量任务表现、情绪调节、协作、开放性思维、与自我交往相关的五类技能,首轮数据于 2019 年公布。团队协作能力在 PISA 2015 中作为独立测评领域首次纳入,2017 年公布了协作问题解决的结果报告。这些跨国测评的存在,说明协作与适应性已被视为与认知能力并列的培养目标。

对「哪些能力重要」这一说法的边界

各类清单的异同需要放在其用途背景下理解。P21 面向课程设计,世界经济论坛面向雇主预测,OECD 面向政策监测,三者的分类粒度和证据基础各不相同,因此不能直接相互换算或排序。同时,其中多数能力概念(如创造力、批判性思维)在心理测量学上缺乏统一公认的通用测验,跨研究比较时需注意所用工具的差异。对于个人而言,较稳妥的做法是依据自己所在领域的任务特征,参照上述框架选择对应维度,再借助有公开信效度资料的成熟工具评估,而非依据流行文章中的自我对照清单作判断。

舒伯工作价值观量表三个维度的构成与含义
« 上一篇 2026-11-19 上午8:00
「你是哪种工位搭子」类测试的性质与常见题型解析
下一篇 » 2026-11-19 上午8:00