指向計算思維培養(yǎng)的人工智能教學(xué)設(shè)計與實踐

【摘要】在《義務(wù)教育信息科技課程標(biāo)準(zhǔn)（2022年版）》中，計算思維被列為學(xué)科核心素養(yǎng)之一，人工智能則是信息科技課程六大邏輯主線之一。本文以“人工智能初探”一課為例，通過課前調(diào)查了解學(xué)生對人工智能的認(rèn)知水平，基于學(xué)生認(rèn)知在引入、體驗、實踐等教學(xué)環(huán)節(jié)進(jìn)行設(shè)計，旨在實現(xiàn)指向計算思維培養(yǎng)的終極目標(biāo)?！娟P(guān)鍵詞】人工智能；圖形化編程；教學(xué)設(shè)計；計算思維人工智能在21世紀(jì)進(jìn)入發(fā)展的快車道，深刻地影響了我們的生產(chǎn)、生活和學(xué)習(xí)方式[1]。如何將計算思維的培養(yǎng)融入人工智能教學(xué)的各個環(huán)節(jié)中，根據(jù)學(xué)生的認(rèn)知水平合理地設(shè)計教學(xué)內(nèi)容和活動，引導(dǎo)學(xué)生通過計算思維和信息科技手段解決生產(chǎn)、生活、科技等問題，正是本文實踐探索的內(nèi)容。課前問卷，了解學(xué)生的人工智能認(rèn)知現(xiàn)狀本課授課對象為六年級的學(xué)生，在前期的學(xué)習(xí)中，他們已經(jīng)學(xué)過基礎(chǔ)的編程知識，會使用圖形化編程軟件制作小程序，掌握一定的編程方法。筆者在課前，針對六年級全體學(xué)生下發(fā)并回收了300份問卷。對于“問題1：你知道什么是人工智能嗎？”有82%的學(xué)生選擇“知道”，5%的學(xué)生選擇“不知道”，13%的學(xué)生選擇說“不清楚”；“問題2：你知道人工智能的工作流程嗎？”3%的學(xué)生選擇了“知道”，絕大部分學(xué)生選擇了“知道一點”或“不知道”；“問題3：請?zhí)顚懩阌∠笞钌畹娜斯ぶ悄軕?yīng)用場景”，答案大部分聚焦在“智能空調(diào)”“智能掃地機器人”“無人駕駛車”等非常直觀且學(xué)生生活能接觸到的場景或物體，而“圖像/人臉識別”“機器學(xué)習(xí)”等比較深層的應(yīng)用鮮有提及?？梢姡蟛糠謱W(xué)生經(jīng)常接觸到人工智能的應(yīng)用環(huán)境，自認(rèn)為知道什么是人工智能，但對人工智能的定義和工作流程尚不清楚，對人工智能的認(rèn)知還停留在表面現(xiàn)象。人工智能教學(xué)設(shè)計實踐探索學(xué)生的學(xué)習(xí)和對客觀世界的認(rèn)知具有循序發(fā)展規(guī)律。在學(xué)生的認(rèn)知發(fā)展過程中，他們的認(rèn)知心理隨著有效智力勞動的增加而得到循序發(fā)展和提高，遵循著“感知—理解—識理”的認(rèn)知過程。在教學(xué)設(shè)計上，教師要有意識地引導(dǎo)學(xué)生運用計算機科學(xué)的思想方法，在解決真實問題的過程中開展分解、建模、算法設(shè)計等思維活動[2]。在符合學(xué)生認(rèn)知規(guī)律前提下，教師通過對真實問題的探究和解決，以主題式、體驗性的形式開展人工智能教學(xué)。筆者以“情境創(chuàng)設(shè)—過程體驗—類比分析—實踐應(yīng)用—思考遷移”作為人工智能教學(xué)的流程，以問題鏈、任務(wù)鏈貫穿課堂始終，設(shè)計了“人工智能初探——AI初體驗”一課。作為人工智能探究的第一課時，教師創(chuàng)設(shè)海洋智能機器人“小智”這一角色，提出“修復(fù)工程師”考核的任務(wù)，以核心任務(wù)為目標(biāo)，化身“智能修復(fù)工程師”，帶領(lǐng)學(xué)生進(jìn)入主題式場景，以計算思維的方式[3]，將大任務(wù)拆分成感受、體驗、分析、實踐和思考這五個循序漸進(jìn)的小任務(wù)，使學(xué)生體驗用計算思維分解任務(wù)或問題的過程，切實感受人工智能的工作方式，進(jìn)一步完善學(xué)生對人工智能的認(rèn)知，為后續(xù)課程的學(xué)習(xí)做好鋪墊。（1）引入環(huán)節(jié)。引入環(huán)節(jié)往往是提出本節(jié)課核心問題或核心任務(wù)的環(huán)節(jié)。對于一個大問題/大任務(wù)，解決問題或完成任務(wù)的方案往往不可能直接拿出，教師要引導(dǎo)學(xué)生思考，大問題是否可以拆分成小問題，大任務(wù)是否可以拆分成小任務(wù)。此時此刻，教師扮演了“引導(dǎo)者”這一角色，在接到機器人小智給出的考核任務(wù)后，帶領(lǐng)學(xué)生思考如何分解考核任務(wù)，進(jìn)而一步一步從體驗這個簡單的任務(wù)開始，逐步完成大任務(wù)，使學(xué)生體驗任務(wù)分解并完成任務(wù)的過程。（2）過程體驗環(huán)節(jié)。在本環(huán)節(jié)中，教師設(shè)計了“找一找”與“辨一辨”兩個活動，向?qū)W生提供了三種魚類圖片，先引導(dǎo)學(xué)生使用百度識圖功能，查找三張圖片中魚的名稱。通過“找一找”活動的實施，學(xué)生明確了三種魚的名稱，通過圖片識別學(xué)生完成了對三種魚類的認(rèn)知。接著開展“辨一辨”活動。教師依次展示三種魚類的其他角度照片，讓學(xué)生識別名稱并說出原因。這三幅圖片的挑選是基于三種魚類的特征相似程度，本環(huán)節(jié)的設(shè)計旨在引導(dǎo)學(xué)生體驗人類對物體進(jìn)行識別的基本方法，通過記憶物體的某些具體特征，并根據(jù)特征相似度判斷是否屬于同一種類的物體。對于第一和第二幅圖片，學(xué)生能夠從魚的外形、鱗片、嘴唇等特征的相似程度識別和判斷魚的種類，并因顏色等特征的不同給出不同的相似度，大多數(shù)學(xué)生給出的相似度在70%～90%的范圍。但對于最后一張圖片，學(xué)生直言無法判斷其品種，只能揣測它可能屬于某一類魚，并提出相似度只有10%～20%。（3）類比分析環(huán)節(jié)。這一環(huán)節(jié)對學(xué)生計算思維培養(yǎng)尤其重要。教師引導(dǎo)學(xué)生思考為什么第三張圖片大家只能給到10%～20%的相似度，這個相似度是怎么來的？借著這個問題的推動，讓學(xué)生梳理并總結(jié)分析出人類學(xué)習(xí)識別的一般過程（分類、觀察特征點，將特征點與名稱對應(yīng)，通過特征點的相似度判斷物體分類），這是對人類學(xué)習(xí)過程的抽象思考，并以此類比機器學(xué)習(xí)。學(xué)生在思考分析的思維活動中，通過教師一步一步的引導(dǎo)，在自身的認(rèn)知基礎(chǔ)上，通過總結(jié)，提煉得出機器學(xué)習(xí)的基本工作流程，即分類、采集、學(xué)習(xí)、識別，并能夠體驗圖片識別功能的使用方式與效果，感受人工智能所帶來的優(yōu)勢。（4）實踐驗證環(huán)節(jié)。在本環(huán)節(jié)里，教師提供了海洋動物的模型，學(xué)生根據(jù)學(xué)習(xí)任務(wù)單的要求，按照自己的想法對海洋生物模型進(jìn)行分類后，完善KNN算法的相關(guān)程序，利用攝像頭采集背景、物體照片，最終通過Mind+軟件的KNN訓(xùn)練器完成機器學(xué)習(xí)并識別物體內(nèi)容。在本環(huán)節(jié)中簡化了算法的要求，學(xué)生只需能夠用自然語言描述問題解決的算法，能夠讀懂相關(guān)代碼并完善其中空缺的部分即可。教師為每位學(xué)生提供的海洋生物模型外形大小、顏色不一，當(dāng)學(xué)生根據(jù)自己手上的材料訓(xùn)練完人工智能并識別成功后，就繼續(xù)嘗試?yán)米约旱娜斯ぶ悄茏R別其他人的模型。在實踐活動的最后，學(xué)生總結(jié)出這樣三點內(nèi)容：采集的照片越多，識別越準(zhǔn)確；采集照片的角度越多，識別越準(zhǔn)確；人工智能并不是以單一的顏色或大小來識別物體的。經(jīng)過這樣的訓(xùn)練及識別，加深了學(xué)生對人工智能中的圖片識別理解。這也給學(xué)生留下了課后思考：KNN算法的實現(xiàn)原理是什么？還有沒有其他人工智能算法？人工智能到底以哪些特征來識別物體的？這些問題激發(fā)學(xué)生學(xué)習(xí)興趣的同時，也為后面的課時做了鋪墊。教學(xué)設(shè)計過程的回顧與思考一是重視學(xué)生認(rèn)知基礎(chǔ)。對于學(xué)生來說，人工智能并非一個完全陌生的領(lǐng)域，但人工智能在各類場景中的表現(xiàn)方式并不一樣，學(xué)生對人工智能的了解處在既熟悉又陌生的階段，甚至?xí)性S多錯誤的理解。不同家庭環(huán)境的學(xué)生對人工智能的理解能力、學(xué)習(xí)能力也有差異，教師在進(jìn)行教學(xué)設(shè)計時需要充分了解學(xué)生的認(rèn)知水平和認(rèn)知基礎(chǔ)。二是活動設(shè)計要注重引導(dǎo)學(xué)生思維方式的變化。計算思維作為一種抽象的思維方式，教師要在活動設(shè)計中通過任務(wù)鏈、問題鏈的形式，在真實問題解決中，有意識地引導(dǎo)學(xué)生形成分解問題、建立抽象模型的思維