人工智能教学项目设计策略研究

摘"要：当前，由于面向新课标的人工智能教学案例较少，一线教师缺乏相关的理论指导和人工智能教学项目设计经验，在教学设计与实施中存在一些困惑。从情境设置、目标引导、任务安排、评价设计四个方面，提出人工智能教学项目的设计策略。同时，以“基于机器学习的口罩佩戴智能检测”为例开展相关实践，以期为一线教师提供参考，并丰富相关教学研究。关键词：中学信息科技；人工智能；教学项目；项目式学习；机器学习0"引言近年来，从国家政策到课程标准，我国大力倡导并支持中小学人工智能教育。2024年，教育部办公厅发布《关于加强中小学人工智能教育的通知》，明确探索中小学人工智能教育实施路径的要求[1]；《普通高中信息技术课程标准（2017）年版》将人工智能作为高中学生选择性必修的学习内容[2]；《义务教育信息科技课程标准（2022年版）》将人工智能作为初中学生的学习内容[3]。在此背景下，中小学人工智能教学研究有了新的时代意义。不同学段的人工智能在教学内容、难度、深度等方面都有不同的侧重：小学阶段的教学重点是感悟人工智能，以培养兴趣为主；初中阶段的人工智能学习不仅仅停留在感悟与体验人工智能的程度，而是让初中生尝试完成简单的人工智能作品；高中阶段强调人工智能基本理念与原理的传递，并让学生设计出相对复杂的人工智能作品[4-5]。然而，当前我国的中小学人工智能教育刚刚起步，专业教师较少，相关的理论研究与实践经验也不够丰富[6-7]。因此，本文尝试提出人工智能教学项目的设计策略与可行建议，以供同行交流借鉴。1"人工智能的主要特征1.1"智能模拟人工智能由人类设计，为人类服务；能感知环境，能产生反应；可以为人类提供延伸人类能力的服务，实现对人类期望的一些智能行为的模拟。近年来，智能化技术逐渐替代了传统方法，在社会的各个领域产生广泛的应用。1.2"繁复交叉人工智能是计算机科学、数学、逻辑学、语言学、心理学、认知科学等诸多学科的交叉融合，是一门面向复杂问题解决的综合应用型学科。人工智能涵盖文本、语音、视觉、触觉等基本交互方式，可以通过搜索、推理、预测、机器学习等多种形式实现。1.3"数据驱动在当前的发展阶段，人工智能的决策来自从数据中学到的模型，而非事先预设的程序。智能化应用也是通过对数据进行采集、加工、处理、分析和挖掘，从而形成有价值的信息流和知识模型。1.4"自动适应人工智能具备适应特性与学习能力，可以从复杂的数据中获取有价值的信息，从而应对不断变化的现实环境并迭代优化。深度学习可以根据输入的数据和外部环境的变化，自动调整参数；强化学习可以通过不断试错来学习，并通过奖励和惩罚来自动调整自己的行为。通过自动适应，人工智能可以自主地学习、优化、适应和推理，从而提高智能化应用的效果和精度，更好地应对现实生活中的各种问题。2"人工智能教学项目设计策略基于对人工智能特征的剖析与对课程标准的研究，结合中学信息科技课程的人工智能教学经验，本文针对项目式学习的四个重要要素（情境设置、目标引导、任务安排、评价设计）提出设计策略，如图1所示。2.1"情境设置在项目情境设置方面，要以贴近学生生活的真实情境作为指引展开项目。真实情境的事物是可以不断优化的，这与人工智能迭代的特征相契合。在项目情境中，教师展示一些用传统技术难以解决的、机械重复的场景，可以引导学生联系人工智能技术，思考如何用智能替代机械重复的人力劳动。2.2"目标引导人工智能对人类智能的模拟，不仅创造了巨大的价值，也带来伦理与安全挑战。目标引导应重视技术伦理，让技术服务于社会进步、造福人类，保持科技向善发展。同时，要注意让人类和机器在工作中紧密合作，充分发挥各自的优势，实现高效的工作成果，实现人机协同。2.3"任务安排人工智能具有繁复交叉的特征，涉及多学科内容，对相关知识和技能的要求较高。但若拘泥于个别难点，学生会陷入技术的漩涡。因此，教师需要降低技术难度，着重任务设置，让学生认识人工智能与传统技术的不同之处，感受数据、算法、算力三大要素对人工智能项目的影响，即要“关注三个要素”。2.4"评价设计在项目评价设计方面，不仅要采用多元、综合、多样的方式进行较为全面的评价设计，还要联系数据驱动、自动适应的特征，让学生能够根据人工智能项目模型表现，通过改善训练数据、调整参数等方式进行模型优化，引导学生产生不断迭代优化的意识。3"人工智能教学项目设计实施要点与案例分析以“基于机器学习的口罩佩戴智能检测”为例，进行人工智能教学项目设计的实施要点阐述与案例分析。3.1"情境设置：立足真实情境，关注机械重复的人力劳动3.1.1"实施要点在项目中创设真实情境，课堂上呈现的场景要贴近学生生活，以引导学生发现问题，并利用人工智能技术解决问题。同时，在情境中还要着重展现涉及机械重复的人力劳动场景，启发学生思考、分析“可以借助人工智能技术对传统工作流程中的哪些环节进行改进”，进而引导学生畅想用人工智能等技术改善后的形式、做法，形成作品方案的初步构思。3.1.2"案例分析在本案例中，教师需要展示情境：随着某病毒不断地演化，传染力上升到较高的程度。在某学校门口，值班教师正在逐一检查学生的口罩佩戴情况，如未佩戴口罩或者口罩未掩住口鼻，会进行语言提醒，待学生正确佩戴口罩后方可进入。通过展示真实情境引导学生发现，检查佩戴口罩的工作是机械重复且耗时耗力的，从而引出主题项目，即智能检测口罩佩戴情况。对口罩佩戴检测问题进行仔细剖析，有利于后续项目目标的制定与项目任务的完成。口罩佩戴智能检测问题分析如表1所示。在实际教学中，教师可以呈现实际生活中的相关影像，帮助学生对该问题进行思考并分享；还可以采用模拟情境方法，以接近现实的工作内容和范围为场景，让学生亲身体验口罩佩戴检测工作角色来展开教学。3.2"目标引导：重视技术伦理，构建和谐共生的人机关系3.2.1"实施要点《义务教育信息科技课程标准（2022年版）》中强调人工智能伦理、安全与发展。教师要让学生了解人工智能带来的伦理与安全挑战，增强自我判断意识和责任感，做到与人工智能良好共处。在进行项目目标引导时，要重视技术伦理教育，避免人工智能技术的滥用和对个人隐私的侵犯，引导学生关注“人”的主体性。同时，目标引导还要结合人类拥有的情感、思维和创造力与机器的高效计算、自动化和精确性，以创造出具有和谐人机关系的智能系统。3.2.2"案例分析在本案例中，目标设定为：自动对摄像头捕捉的视频图像信息进行分析识别，无须人工干预地进行口罩佩戴检测。对校门口的师生入校实时检测时，当检测到师生未佩戴口罩或未规范佩戴口罩会立即触发提示，并最大限度地降低误报和漏报现象。本案例的第一个子目标是：从摄像头获取的画面中检测出人脸。第二个子目标是：判断人脸是否佩戴且正确佩戴了口罩。第三个子目标设立为开放性目标，由学生小组自行确定对未正确佩戴口罩人员的处理方式，引导学生要注意在有效与合理有度之间取得平衡，即关注技术伦理与人机关系。如在传染病肆虐的时期，对在公共场合不佩戴口罩或未规范佩戴口罩的人进行礼貌劝导，但不可做过激的制止举动，更不可侵犯个人隐私。在实践中，针对案例中的开放性目标，有的小组采用通过扬声器播报“请佩戴好口罩再进入”的方式；有的小组采用通过大屏幕放大人脸的方式进行提醒；也有的小组结合学校的学生项目和证件照信息，识别未正确佩戴口罩学生的具体身份后点名提醒。3.3"任务安排：降低技术难度，聚焦人工智能的三个要素3.3.1"实施要点在安排项目任务时需要注意降低技术难度。若项目中涉及的技术过于深奥，学生易面临概念难理解、算法太复杂、编程不熟练等困难，不利于对人工智能原理的体会和对人工智能项目的推进。教师可以通过提供主要程序，让学生完成部分程序的方式，帮助学生解决编程基础不佳的问题；还可以选择功能特点相符、难度适宜的开源人工智能平台展开教学。同时，教师可以结合人工智能的三要素进行任务安排，有针对性地设计学习支架，降低技术难度。人工智能的三要素是数据、算力、算法，但并非要学生学会底层的数据模型与算法，而是让学生知道数据有好坏、算法有优劣、算力有强弱，感受三要素的相互关系与对人工智能模型的影响。3.3.2"案例分析在本案例中，可以利用机器学习技术的图像识别，搭建能够智能检测口罩佩戴情况的系统。机器学习是学生作品制作的重中之重，在利用机器学习进行图像识别处理部分，本案例提供了项目书。为了帮助学生克服知识技能困难，项目书通过问题的形式，引导学生完成各个任务，并思考三要素对人工智能模型的影响。项目书中的机器学习步骤如表2所示。在数据收集环节，教师为学生提供了基础的训练集，学生只需要针对模型表现不佳的情况补充数据。教师也可以提供“爬虫”（Python）程序和操作视频帮助学生批量下载数据，减轻人工下载的负担。在选择算法时，教师提供多种算法，让学生通过多次测试选择最适合的算法训练模型，避免学生陷入复杂的算法和编程困难。3.4"评价设计：强调全面评价，注重精益求精的迭代优化3.4.1"实施要点在评价方面注重评价主体多元、评价内容综合、评价方法多样。1）评价主体多元：师生互评、生生互评，不仅可以让学生获得教师和同学的建议，也能帮助教师了解学生的感受。2）评价内容综合：对教学过程中的表现、学习成果作品、学习反思文本等进行评价，有利于综合了解学生在学习过程与结果中的表现。3）评价方法多样：可以采用访谈、测试等传统方法，也可以采用课堂教学行为量化分析、人工智能师生情绪识别等新型方法。人工智能具有迭代优化的特征，利用训练集训练模型之后，可以使用测试集测试模型在新数据上的表现。学生针对测试效果，通过优化训练集、调整超参数，让模型处于更好的状态。教师可以参考学生项目书中记录的调整过程进行评价。人工智能项目会形成一定的作品，教师在进行学生作品评价时可以使用量表的方法进行评价。量表要结合提出的项目目标进行设计，不仅要关注项目目标的完成情况，也要注重观察学生对项目的优化过程与未来展望。3.4.2"案例分析本案例在评价环节设计了攻防游戏，小组间互为攻守：一方负责攻击对方模型，找寻漏洞；另一方负责守卫模型，不断优化数据集，选择更合适的算法。针对人工智能项目，设计学生作品评价量规，如表3所示。该学生作品评价量规不仅关注学生对人工智能伦理的认识（技术伦理）和学习的过程与结果（机器学习模型），还关注其对生活的思考（应用性）与创新能力（创新性）。在评价内容方面，不仅评价学生小组的作品功能和效果，还要评价项目书上的学习过程。教师着重关注学生能否反思数据和模型测试结果的关系，在课后可以通过问卷了解学生对于课堂的感受与建议，还可以对表现不同层次的学生进行访谈，了解不同层次学生对于课堂的感受的差别，对教学设计进行优化。多种评价方法相互佐证，教师可以全面地了解教学情况，完善教学设计。4"结束语本文针对项目式学习的要素，总结中学信息科技课程人工智能教学项目的设计策略，结合教学案例