问题——当“被系统否决”成为日常，学生如何维护知情权与公平期待？ 随着数字化筛选、智能评估等工具进入校园与社会生活，越来越多的决定以“系统判定”的形式出现：申请是否通过、评价高低、机会能否获得；对青少年而言，最直接的困惑往往是“我明明做得很好，为什么被拒绝”。如果决策依据无法被说明——个人既难以复盘改进——也难以判断过程是否公正，知情权与救济权便可能停留口号层面。 原因——算法并非天然中立，“黑箱”与偏见往往来自数据与指标替代 此次上线的高中学段第三课以生活化案例切入：一名学生竞赛经历丰富、数学成绩突出，却因材料提交时间处于凌晨而被系统扣分，进而被淘汰。课程指出，这类结果不一定源于“恶意”，却可能源于模型对现实的简化：系统把“提交时间”当作“自我管理能力”的替代指标，形成所谓“代理变量”。在数据建模中，代理变量常用于弥补难以直接测量的能力与特质，但一旦代理变量与真实能力之间存在偏差，就可能将勤奋、突发情况等复杂因素一并抹平，造成“看似合理、实则偏差”的结果。同时，部分算法模型复杂度高、路径难追溯，使得外部使用者难以理解其决策逻辑，继续放大了不透明带来的误解与不信任。 影响——不透明的评分会放大焦虑，也可能误导行为与价值取向 课程强调，当筛选机制无法解释，影响不仅是个体层面的“被拒”，更可能带来三上后果：其一，学生难以区分“能力不足”与“指标偏差”，挫败感与无力感增加；其二，可能诱导“迎合指标”的短期行为，例如为了避免不利评分而牺牲创造性与探索性，甚至形成对形式化标准的过度依赖；其三，一旦算法教育评价、选拔环节被广泛使用，偏差会以规模化方式扩散，影响机会公平与教育生态。对正在形成价值观的青少年来说，理解规则、质疑偏差、坚持理性证据尤为重要。 对策——用可解释性方法“把理由说清楚”，以实验思维识别偏差并提出改进 围绕“可解释性”此关键概念，课程通过归因分析方法展示模型如何给出结果，并以形象化的对比图示说明各因素对评分的贡献程度，使学生看到“到底是谁在拉高或拉低分数”。同时，课程设计了变量控制实验：在其他条件不变情况下，仅修改提交时间，系统评分便出现显著变化。通过这一对照，学生得以直观看到“数据可能制造假象”，并进一步理解规范的数据分析路径——提出假设、控制变量、检验结果、追问因果，而非被单一结论牵引情绪与判断。 在治理与应用层面，课程传递出更明确的公共议题：当算法参与重要决策，应当提高透明度与可问责性。一上，系统设计者应规则允许范围内提供可理解的说明，明确哪些因素被纳入、权重如何体现、是否存在纠偏机制；另一上，使用单位需建立申诉与复核渠道，避免“算法即最终裁决”；同时，在教育场景中应加强对数据采集、特征选择与模型验证的规范管理，减少用“易采集指标”替代“真实能力”的冲动，把技术工具限定在服务育人的边界之内。 前景——通识教育先行，为青少年建立“懂技术、守权利”的基本素养 据介绍，为响应加快普及全学段通识教育的涉及的部署，东莞市教育部门推出“智慧冬令营”系列公益课程，按小学、初中、高中分层设置，内容覆盖数据思维、科学验证、算法逻辑与技术伦理，并由高校专家与中小学信息技术骨干教师团队共同打磨。以本次高中课程为例，其价值不仅在于传授术语与方法，更在于把“看得懂、问得出、查得到”作为核心能力培养方向：既让学生理解技术如何工作，也让学生知道在面对不透明决策时应如何基于证据提出质疑、寻求解释与维护权益。
当算法日益融入社会决策，掌握解读与监督算法的能力已成为现代公民的必备素质；东莞的这堂课用一个简洁却发人深省的案例提醒每位学生：在数据驱动的时代——知情权不是奢侈品——而是基本权利。培养学生对不透明模型的警惕、对数据背后逻辑的追问、对自身权益的维护意识，正是AI时代教育工作者的责任。唯有如此，才能确保技术进步与人文关怀齐头并进，让每个个体在算法时代仍保有被公正对待、被充分理解的尊严。