摘要 近年来,面向全民的计算机科学教育已成为研究人员和从业人员关注的重要领域。与此同时,由于人工智能技术在人类日常生活中的日益普及,K-12 的人工智能 (AI) 教育越来越受到计算机科学教育者的关注。与一般的计算机科学能力相比,人工智能素养更需要基于证据的研究才能有效地融入我们的学校。用于计算机科学教育的常见学习环境使我们能够超越传统的教育研究方法,提供一个平台,可以从学生与计算机科学教育相关活动的互动中收集详细数据。因此,传统的教育研究方法加上从模式识别和学生建模方法中获得的见解,使我们能够有效地改进教学并为学生提供自适应支架。在这项工作中,我们提出了我们的第一个 AI 课程模块,旨在通过一系列逐步搭建的活动来教授基本的 AI 搜索算法——广度优先搜索 (BFS)。数据是从一名高中生对这项活动的初步试点中收集的,形式包括出声思考协议、屏幕截图、提交的基于块的编程工件和面试问题。我们的结果表明,我们的活动成功地提高了学生对 BFS 算法的了解,更重要的是,提高了学生如何利用这种特定的 AI 算法来解决现实世界的问题。根据这项试点研究的结果,我们建议在学习环境中设计一个综合的 AI 课程,该课程收集学生进度的详细数据,以指导教学设计并为学生提供自适应支架。