人工智能、机器学习、神经网络、区块链、ChatGPT……这些工具和技术有什么共同之处？关注教育的美国“赫辛格报告”网站给出的答案是，它们使用同样的“燃料”，也就是数据，而且是海量数据。

举例来说，流媒体播放平台Netflix的设备可以通过学习算法，利用丰富的用户数据为用户推荐电影，并根据用户口味决定制作哪些新电影；面部识别软件可以利用神经网络，从数百万张图像中获取像素数据；区块链本质上是一个分散在众多用户中的大型数据库；生成式人工智能算法，比如用于创建ChatGPT的算法，可以在大型语言数据集上进行训练。

(资料图片仅供参考)

让数据为这些技术提供动力，可能带来有关偏见、准确性、隐私和知识产权方面的挑战，但这股发展势头无法阻挡。早在2006年，技术领袖和数学家就宣称数据是“新石油”。数据在我们的数字生活中是重要资源，在我们的“屏幕外生活”中的占比越来越高。

在学校里，学生们面临着新兴技术的冲击。目前，许多学校的核心课程尚不涉及相关内容，但我们的日常生活正在被数字工具改变。

过去10年中，美国学生的数据素养有所下降。比较美国国家教育进展评估（NAEP）的历年全美数学考试成绩就会发现，自2011年以来，美国八年级学生的分数下降了17分，四年级学生在数据分析、统计和概率方面下降了10分。学生们在这一领域分数下降的速度大大超过了其他领域。黑人学生在数据分析基础知识方面比白人学生低30分以上。此前一些研究认为，相差10分，相当于拉开了一学年的差距。

造成学生成绩与现代技术背道而驰的原因有很多，比如过时的标准和机制。美国教育系统已经认识到这一趋势需要迅速扭转。如今，许多州的政府和学校正在探索如何为K-12（基础教育）学生创建、整合数据科学课程。俄亥俄州、弗吉尼亚州和犹他州正在试行以数据科学为核心的数学课程；阿肯色州和内布拉斯加州增加了数据科学的职业和技术教育；跨学科、跨年级的数据嵌入式课程计划出现在美国多地的教室里。

美国试图将数据分析和计算技术纳入学校的核心科目，为K-12课程的计算机科学领域提供补充。

这么做的目标并不是要培养一支高中毕业后就能成为数据科学家的队伍，而是为学生提供必要的数据基础知识，激励他们在这些领域继续研究。

这些课程应该既有挑战性又容易上手，也就是人们所说的“低地板，高天花板”。在美国，51%的学生不会进入大学，但他们仍然应该学习基础知识，获得低成本的培训机会、学习技术技能，进而得到有回报的工作。

一些调查显示，学生们很喜欢数据科学课程。最近，美国国家科学院的一场峰会对该领域日益多样化的课程进行分类，发现学生们对此类课程的参与度高得吓人。

一名数学老师表示，在她20多年的教学生涯中，从来没有学生想参加与她的课程相关的实习，直到她开始教授数据科学。“学生不再问‘我为什么要学这个’，而是问‘下一步是什么’。”一些老师发现，学生参与数据课程时阅读材料的速度比预期的快。

通过这些努力，希望帮助学生为未来做好准备。