中小学人工智能教学平台研究与设计

马静 刘江岳 刘奕林

摘   要：为了顺应国家发展、时代发展，积极开展中小学人工智能教育具有十分重要的意义。[1]中国人工智能教育的研究与开展尚处于起步阶段，目前面临着教学内容紊乱、缺少统一课程标准、缺乏实践手段、师资短缺等问题。文章采用了人工智能领域的多项关键技术，以建构主义理论与启发式教学法为理论基础，历时近一年时间，设计并开发完成了面向中学生的“智慧狗”人工智能教学辅助系统。文章首先基于中学生的认知水平能力开发了人工智能基本原理的入门微课，基于机器学习与深度学习技术构建了卷积神经网络模型的训练系统，基于计算机视觉构建了卷积神经网络模型的实测系统。在此基础上，针对零基础初学者与已入门学习者人工智能知识水平的不同，文章设计了两种学习模式及数十种训练方式，以帮助不同能力水平的学习者完成不同阶段的学习目标。

关键词：人工智能;卷积神经网络;机器学习;人工智能教育;信息技术

中图分类号：G434;TP18 文献标志码：A 文章编号：1673-8454（2021）01-0001-10

一、研究背景与研究意义

1.研究背景

现代人工智能的发展始于上世纪50年代英国数学家艾伦·图灵发表的论文《计算机器与智能》（Computing Machinery and Intelligence），[2]文中提出了能够作为智能机标准的图灵准则 ，[3]自此学术界开始探讨开发人工智能框架的方法。1956年美国达特茅斯学院开展了人工智能研究会议，正式提出了“人工智能”这一概念，[4]之后人工智能技术经过漫长而坎坷的发展，其相关理论和技术日渐成熟。

随着互联网、大数据、云计算等技术的迅速发展，现今人工智能已渗透到社会的各个方面，对教育、医疗、工业、农业、国防等众多领域都起到很大的推动作用。人们用人工的方法在机器上实现的智能就是人工智能，机器模拟的人类和其它生物的自然智能具体包括感知能力、记忆和思维能力、行为能力、语言能力等。[5]人工智能能够使智能机器实现会听（如语言识别、机器翻译等）、会说（如语音合成、人机对话等）、会看（如文字识别、图像识别等）、会行动（如机器人、自动驾驶等）、会思考（如人機对弈、定理证明等），甚至会学习（如知识表示、机器学习等）。

2017年国务院颁布《新一代人工智能发展规划》提出在中小学阶段设置人工智能相关课程，推广编程教育，并鼓励科研机构进行科普活动，[6]“人工智能+教育”开始成为教育工作者的研究重点。为满足信息化社会对人才的需求，人工智能与教育的结合不仅体现在人工智能为教育事业提供技术支持，人工智能还需要被纳入教育内容中。人工智能不仅需要被推广到高等教育教学中，更要普及到中小学教育的教学内容中。随后教育部颁布《普通高中信息技术课程标准（2017年版）》，提出不仅要在选择性必修模块内设置人工智能相关的内容，在必修模块中也应有所涉及。[1]教育部在2018年又颁布了《高等学校人工智能创新行动计划》，明确提出要在中小学阶段加入人工智能普及教育，构建人工智能多层次教育体系。[7]一系列政策的出台体现了国家对人工智能的重视，体现了国家政策与时代要求的接轨。

2.研究意义

人工智能技术的迅猛发展，将极大地改变社会对人才的需求，创新型人才将会成为人才市场中的核心。教育需要与时俱进，及时变革，积极培养未来社会所需的人才，以应对人工智能时代的挑战。[8]人工智能是连接未来的教育，在青少年中开展人工智能教育活动，将在很大程度上增强青少年的逻辑思维能力，转变思维方式，提升青少年对人工智能这一划时代前沿技术的认知水平，为青少年的全面成长、更好地适应将来的社会打下牢固的基础。[9]将人工智能纳入中小学课程体系，对提升学生信息素养、普及全民智能教育、培养人工智能人才具有重要意义。[10]人工智能不仅影响着每一位青少年个体的生存与发展，更是引领世界未来、改变全球格局的战略技术，人工智能教育水平的高低关系到国家未来能否在科技竞争中获得优势，决定了一个国家在世界新一轮科技革命中所处的地位。[11]

二、国内外研究与实施现状

1.研究现状

通过CNKI检索近年来以“人工智能”与“教育”为关键词的文章，分析归纳得出关于人工智能教育的四类研究：一是侧重于教育理论研究，如对智慧教育、教育信息化、未来教育的研究;二是侧重于具体教学模式研究，属于实践范畴，涉及人工智能以何种形式有效落地，如对机器人教育、创客教育的研究;三是侧重于智能教育技术研究，如对大数据、学习分析、机器学习、VR/AR等方面的研究;四是侧重于智能教育应用研究，主要集中在对人工智能赋能教育方式、评价、决策等方面，涉及个性化学习、在线学习、智能教学系统等。[12]总体来说，国内人工智能教育的研究尚处于起步阶段，对基础教育阶段人工智能课程建设的研究正逐渐重视起来。[13]

2.实施现状

（1）国外人工智能教育实施现状

美国政府在2015年推出了“每个学生都成功法案”（Every Student Succeeds Act），推进K-12阶段的计算机科学教育，其中人工智能是计算机科学课程的重要组成部分。[10]美国在2016年10月发布了《为人工智能的未来做准备》（Preparing for the Future of Artificial Intelligence）和《国家人工智能研究和发展战略计划》（The National Artificial Intelligence Research and Development Strategic Plan）两份报告，[14]在2016年12月后发布了《人工智能、自动化与经济》（Artificial Intelligence、Automation and the Economy），标志着美国国家人工智能战略正式开始，[2][15]有许多中小学重视人工智能与STEM课程，开设了综合性的跨学科STEM课程，纳入了机器人学、Scratch、Python等编程课程。[10]

在2017年10月，英国政府出台了《在英国发展人工智能产业》（Growing the Artificial Intelligence Industry in the UK），[15]规划制定初等学校改革政策，中小学与高校合作展开人工智能教育，并将人工智能教育与STEM课程相结合。[16]

日本政府在2016年发布《日本振兴战略2016——面向第4次产业革命》，明确提出青年一代需适应以人工智能为代表的第四次产业革命，在中小学必修范围内纳入编程教育、科普教育等与人工智能相关的基础课程，并要求每个学生养成理解、运用信息技术和数据的习惯。[2]

新加坡政府在2018年发布“人工智能新加坡”项目（AI Singapore），开启了新加坡政府的国家人工智能战略。[17]新加坡将少儿编程教育推广至全国范围，并将编程纳入中小学考试科目，还推出了“AI for Kids”、“AI for Students”等计划，培养学生对人工智能和机器学习的兴趣并增进理解。新加坡强调学校机构与人工智能创业公司的合作，请有专业素养的人工智能工程师设计实践课程，指导学生利用Scratch、Microsoft Cognitive Services等工具开发AI方案以解决日常生活中的相关问题。[10]

（2）国内人工智能教育实施现状

在义务教育阶段的初中课程中，没有明确的人工智能学科课程，全国各地大部分均以“试点”的形式推动人工智能教育的普及，[18]一些地区和学校是以地方课程、校本课程的形式推出人工智能课程。[19]

在高中阶段，2003年4月国内颁布的《普通高中技术课程标准（实验）》就首次将“人工智能初步”模块纳入高中信息技术学科选修模块中，标志着人工智能在中学的正式起步。但是当时的高中信息技术人工智能选修模块受到技术发展水平低、普及程度低、师资条件严重欠缺、课程内容设置不合理等多种因素的影响，在全国范围内都鲜有开设。[1]

目前，国内中学人工智能课程的开展现状具体如下：①人工智能在中学阶段主要以选修模块和章节嵌入的形式开展教学;②学生选修的模块主要集中在多媒体技术应用与网络技术应用模块，人工智能课程由于开发难度大、硬件设备不足等原因而形同虚设;③即便开设了人工智能课程，也仅是停留在對人工智能的表层理论介绍，而未深入到对人工智能背后原理的讲解，更不用说让学生亲自体验。

（3）国内人工智能教育实施中遇到的问题

国内人工智能教育的开展存在以下问题。

①概念混淆：人工智能学科包含内容广泛，涉及计算机科学、信息科学、心理学、哲学、生理学等众多领域，[20]目前国内人工智能课程的内容框架、知识体系尚未建立，处于发展初期。[1]部分研究学者、教育专家对人工智能概念认识不清，将人工智能技术与自动化、传感器、程序设计、机器人混为一谈。[1]

②过度包装：国内的互联网企业将人工智能封装成接口，不让用户知道其中的原理，将人工智能推上神坛，塑造出神秘感与距离感，使一些中小学人工智能教育活动止步于教会学生调用接口、使用工具。部分人工智能技术提供商在用户使用协议中潜伏窥窃用户隐私的条款，侵犯用户的权益。

③教学内容不明确：人工智能教材内容紊乱，部分学校将人工智能等同于乐高、机器人、智能小车等，并且教材内容较为简单，全国通用人教版教材中关于人工智能的内容仅是对AlphaGo介绍的新闻报道。

④师资力量参差不齐：开设有人工智能教育相关专业的本科院校较少，因此中学教师对人工智能领域不了解，[10]即使有感兴趣的教师，也不知道学习什么内容以及如何进行人工智能学习。

⑤课程标准方面的问题：由于人工智能属于前沿新技术，目前尚无统一的课程组织与系统设计。[10]

⑥实践方面的问题：缺乏实践手段，人工智能教育流于形式，目前较为普遍的讲授方式是教师利用PPT或者视频进行简单讲授，而学生只能通过自我感知理解人工智能的内涵。

针对人工智能教育发展中存在的问题，需要提供相应的解决方案。①针对概念混淆的问题，规范人工智能的概念与范围，与自动化、程序设计、机器人等划清界线;②针对过度包装的问题，实现人工智能技术的同时将技术原理完整地向大众呈现，不侵犯用户隐私权;③针对教学不明确的问题，选用深度学习作为教学内容以实现计算机视觉，原因是图像识别是人工智能最有代表性的应用，中小学生可以通过学习图像识别的相关原理入门人工智能;④针对师资力量参差不齐的问题，提供完整的教学资源培训包可供教师自主学习与参照使用;⑤针对缺少统一的组织与系统设计这一问题，采用机器学习方式，这是因为深度学习是目前人工智能最好的一种实现方法，而机器视觉是深度学习最好的实践范例;⑥针对人工智能教育缺少实践手段的问题，提供具体的实践方法。

三、系统设计原理

搭建中小学人工智能教学平台是一个将前沿技术的理论与实践普及到基础教育阶段的行动，其中“智慧狗”作为子项目是面向中学生的人工智能教学辅助系统。本项目是国内第一个提出在中小学使用机器学习实现人工智能教学的项目，是K-12阶段人工智能教育的一大变革。BAT（互联网三大巨头：百度、阿里巴巴与腾讯）只提供人工智能接口而不告知其中原理，这样虽然能够简化复杂的人工智能实现流程，降低教学活动实现成本，但是并不能教会学生人工智能的内在原理，学生只能学会如何使用现有的工具，不利于培养学生的研究精神，与教育目标相悖。本研究认为，只有掌握深度学习才能真正了解人工智能。“智慧狗”中学人工智能教学辅助系统让学生零距离接触机器学习的核心原理，让师生亲自动手实现人工智能，并且注重培养学生的探究精神、创新精神，在新课标的基础上对实施中学人工智能教育做了一次有益的尝试。

如图1所示，“智慧狗”中学人工智能教学辅助系统项目采用闭环设计，首先发现目前中学人工智能教育研究与开展中出现的问题，进而提出相对应的合理解决方案，确定国内中学人工智能教育的需求，根据需求进行系统设计与系统开发。开发完成的人工智能教学辅助系统将投入试验，在中学开展人工智能试验课程，并通过问卷调查获得反馈。根据获得的负反馈进行负反馈处理，重新发现问题，提出方案，改进系统，解决问题;根据获得的正反馈则输入系统中进一步强化，不断推演出系统的2.0、 3.0等版本。

1.关键技术

（1）基于機器学习与深度学习技术构建卷积神经网络模型及其训练系统

机器学习即机器从数据中自我学习，是人工智能领域内最著名的算法，能够让计算机从大量历史数据中学习内在规律，自主发现模式并用于预测，机器处理的数据越多，预测越精准。[21]深度学习通过构建机器学习模型，从大量输入数据中提取越来越抽象的、具有良好泛化能力的特征表示，克服了过去人工智能中被认为难以解决的一些问题。[22]基于动物视觉皮层组织的启发，深层神经网络是目前深度学习的主要形式，深层神经网络中最著名的、最为广泛应用的经典结构便是卷积神经网络（Convolutional Neural Network）。[22]目前卷积神经网络已取得许多令人瞩目的研究成果，在2012年，Krizhevsky等提出的卷积神经网络模型Alex Net在大型图像数据库Image Net的图像分类竞赛中遥遥领先第二名获得冠军，随后不断有新的卷积神经网络模型被提出，如牛津大学的VGG（Visual Geometry Group）、Google的Goog Le Net、微软的Res Net等不断刷新Alex Net在Image Net上创造的记录，使卷积神经网络成为了学术界的研究焦点，并且发展出了更多的应用扩展。[23]如图2所示，输入层、卷积层（convolutional layer）、池化层（pooling layer，即下采样层）、全连接层和输出层组成了卷积神经网络的基本结构。[22][23]

为了供学习者作为参考学习卷积神经网络的结构，“智慧狗”人工智能教学辅助系统不仅构建了一个经典的卷积神经网络模型作为范例，还开发了自主设计功能支持学习者根据所学知识与创意构建新的卷积神经网络。“智慧狗”提供了内含480张图片的训练素材库，学习者可以利用该训练素材库将自己修改的范例卷积神经网络或创造的全新卷积神经网络进行有监督学习，并直观地得到学习结果，即该神经网络预测准确率。“智慧狗”通过“改进范例卷积神经网络模型参数/自主搭建卷积神经网络模型——基于卷积神经网络模型进行有监督学习”的步骤，带领学习者亲身体会机器学习的过程，帮助学生深刻了解卷积神经网络的原理与结构。

（2）基于计算机视觉技术构建卷积神经网络模型的实测系统

计算机视觉领域的一个重要研究方向是图像识别。图像识别技术能够利用计算机对图像进行处理、分析和理解，最终达到识别各种不同模式目标和对象的效果，使用图像识别技术能够有效地处理特定物体的检测和识别（如人脸或手写字符）、图像的分类标注以及主观图像质量评估等问题。[24]深度卷积神经网络通过复杂的网络结构、大规模的训练数据集、改进的训练学习算法来模拟人脑复杂的层次化认知规律，在图像分类、目标检测、图像识别等多个计算机视觉任务中取得巨大成功。[25]

但卷积神经网络经过一定数据集训练后得到的预测准确率数值并不能真正反映其在解决实际问题中的能力。当卷积神经网络达到越深的程度、具有越多的特征面，该神经网络能够表示的特征空间就越大，其学习能力也越强，但神经网络的计算也会更加复杂，更容易出现过拟合的现象。[22]因此卷积神经网络需要配合实际情况中的测试结果不断改进。

“智慧狗”人工智能教学辅助系统提供了针对完成学习的卷积神经网络的实测功能，为学习者进一步优化设计卷积神经网络提供支持。通过实测功能，学习者可以了解到搭建的卷积神经网络经过训练得到的预测准确率是否真实可靠，该神经网络是否出现了过拟合现象。因此神经网络实测系统不仅仅能够让学习者体验计算机视觉、体验图像识别，更是学习者发现过拟合、不断改进神经网络的重要工具。

2.理论基础

“智慧狗”中小学人工智能教学辅助系统采用建构主义学习理论与启发式教学法作为设计的理论基础与基本原则。在20世纪60年代，瑞士著名心理学家皮亚杰提出了著名的建构主义学习理论，它是认知主义学习理论的一个重要分支，之后由维果茨基、奥苏贝尔、布鲁纳等众多心理学家和教育学家不断丰富、完善。[26][27]在建构主义学习理论的观点中，人的认知发展是认知结构不断重新构建的过程，而非单纯的数量上的积累过程，个体的认知结构通过同化和顺化而不断发展。[27]建构主义学习理论认为，学习环境有四大要素，分别是“情境”、“协作”、“会话”和“意义构建”，学习是一种认知结构构建的过程，是一种协商活动的过程，是一种真实环境的体验，强调学习过程中学习者的主观能动性。[27]启发式教学法强调学习并不是对新知识机械式的接受，学生在学习过程中发挥其主体性，强调新旧知识的内在关联性，强调“情境”对新知识学习的重要性。[27]

“智慧狗”人工智能教学辅助系统以建构主义为理论基础，融合启发式教学法并确定了设计原则：

（1）调动学习者主观能动性

学习不应该是学生对新知识的机械式的接受，而是对新知识的主动构建。[27]“智慧狗”人工智能教学辅助系统启发学习者自主探究卷积神经网络的结构特性，学习者能够根据页面上各个关键参数的小提示自主调整神经网络的结构与参数，完成后对神经网络进行有监督学习的训练。根据训练结果的反馈，学习者可以直观地得知本次修改的参数对卷积神经网络的预测准确率具有正面还是负面影响。学习者通过这样反复的实验，最终能够加深对卷积神经网络结构参数的理解，主动地总结出卷积神经网络的结构特点与各关键参数的意义，达到对人工智能知识主动构建的效果。

（2）强调学习者的主体性

“智慧狗”人工智能教学辅助系统强调学习者自主进行人工智能实验，在学习过程中学习者占主体地位，教师仅在学生实验的过程中通过适当的帮助、引导，辅助学生完成人工智能实验，重要的是学生通过自己的思考和与其他学习者交流讨论的经验，自主搭建、训练、测试、修改卷积神经网络，完成实验。[27]

（3）注重新旧知识的关联性

在初中阶段，虽然学生思维的抽象逻辑性占主要优势，但其逻辑思维还是属于经验型，在一定程度上还需要感性经验的直接支持，而到了高中阶段，学生的认知结构不断完善，抽象逻辑思维趋于成熟，辩证逻辑思维和创造性思维得到了大幅度的发展，能够以理论为指导来分析综合各种事实材料，不断扩大自我知识领域。[28]学习过程实质上是大脑对新知识的信息加工过程，而新知识的信息加工依赖于大脑中原有知识的转化与重建。[27]根据中学生的认知发展水平及其数学知识水平，“智慧狗”人工智能教学辅助系统提供了卷积神经网络原理入门微课，避免了大量高等数学与线性代数的公式，用基础的数学知识讲授卷积神经网络的工作原理，确保初中生能够吸收理解。

（4）情境性

为了能够更为有效地学习，学习活动需要发生在真实的情境中，有助于学习者运用自身的知识结构解决实际问题。[27]“智慧狗”人工智能教学辅助系统能够调用计算机摄像头实现对真实场景的图像识别功能，具有一定趣味性，在课堂上能够引发学生的好奇心，有利于教師创设情境，通过提问、引导帮助学生思考，开展翻转课堂或项目式教学。

四、系统架构与实现

基于建构主义学习理论与人工智能关键支撑技术，笔者对“智慧狗”人工智能教学辅助系统进行了系统架构设计与实现，如图3所示。“智慧狗”人工智能教学辅助系统分为两大基础模块：基于PyQt开发的卷积神经网络学习与实验可视化模块，基于Tensorflow开发的卷积神经网络训练与测试内核模块。用户通过图形界面接口搭建卷积神经网络并调试其结构参数，数据传输至后台通过Tensorflow进行有监督学习，生成的卷积神经网络模型又为前端的图像识别实测功能所用。

1.卷积神经网络学习与实验可视化模块

“智慧狗”人工智能教学辅助系统的前端界面是基于PyQt开发的。PyQt将python编程语言与Ot库成功融合，是目前python可视化界面开发的主流工具之一。在用户界面下，包含范例卷积神经网络学习模块和自主搭建卷积神经网络模块这两大功能模块。

范例卷积神经网络学习模块提供一个已经设计好的卷积神经网络模型作为学习者学习卷积神经网络的参考案例，允许用户调整该神经网络的部分参数，从而加深对卷积神经网络结构参数的理解。在自主搭建卷积神经网络模块中，用户可以不受约束地完全自主设计神经网络，且自主搭建的每一步都可以灵活地撤销、修改，用户还可以导入外部的卷积神经网络，并自由修改导入的神经网络。

搭建好的卷积神经网络可以进入下一步的训练调试页面，用户可以自定义训练次数、训练学习率等细节参数。卷积神经网络完成有监督学习的训练后将显示该神经网络模型当前的预测准确率，若用户对训练结果不满意，可以灵活地返回上一步继续修改神经网络的参数;若对训练结果满意，用户可以在训练调试页面保存已训练完的神经网络模型为本地文件，分享给其他学习者一同交流学习。完成训练的卷积神经网络模型可以进入实战测试环节：系统能够调用计算机的摄像头，现拍照片进行图像识别，让用户能够亲身体验自己搭建的人工智能模型的图像识别效果。

2.卷积神经网络训练与测试内核模块

“智慧狗”人工智能教学辅助系统的卷积神经网络及其训练、图像识别模块是基于Tensorflow开发的。Tensorflow是谷歌人工智能团队开发与维护的神经网络算法库，被广泛应用于各类机器学习算法的编程实现。

如图4所示，范例模型模块中，作为学习案例的卷积神经网络模型源码为：

如图5所示，卷积神经网络训练模块中，训练步骤的关键源码为：

如图6所示，卷积神经网络的图像识别实测模块中，神经网络预测的关键源码为：

综上所述，基于卷积神经网络学习与实验可视化模块、卷积神经网络训练与测试内核模块两大基本模块的整体系统构架，同时依托上百张图片组成的卷积神经网络训练数据集，“智慧狗”人工智能教学辅助系统能够实现人工智能基础知识入门学习与卷积神经网络可视化搭建、训练、测试实验等功能。

五、系统的功能设计

在实现前述系统架构的基础上，“智慧狗”中学人工智能教学辅助系统不仅能够作为教师开展人工智能教学的教辅工具，还能够作为学习者自学人工智能的启蒙师与指导者。“智慧狗”中学人工智能教学辅助系统利用自身的视频微课、范例卷积神经网络学习功能、自主设计卷积神经网络功能能够满足教师不同阶段的教学目标，也能够满足不同能力水平的学习者的学习需求。如图7所示，“智慧狗”中学人工智能教学辅助系统初始页面下包括新手教程、范例模型、自主设计三大主功能，在各主功能下包含各自的子功能。

1.新手教程功能

由于卷积神经网络的知识较为繁多、复杂，学习者可能会难以掌握甚至遗忘。因此，“智慧狗”人工智能教学辅助系统针对性地在初中生的知识结构和认知水平的基础上，开发了一款针对中学生的人工智能模型搭建入门新手微课，如图8所示。该视频微课不包含任何高等数学、线性代数知识，仅用基础的数学知识与简单易懂的语言和动画就阐明了卷积神经网络结构及其基本原理，使没有基础知识的学习者能够轻松入门，对卷积神经网络已有一定了解的学习者能够巩固加强。

2.范例模型功能

范例模型功能旨在通过现有的范例卷积神经网络巩固学习者对卷积神经网络结构的理解，并且学生通过思考不断修改神经网络参数而一步步提高神经网络的识别率，有利于培养探究精神。

（1）学习范例卷积神经网络

如图9所示，范例卷积神经网络包含全部的卷积神经网络组成部件，并且每一层的参数都可以修改，修改参数将会直接影响卷积神经网络的复杂度，间接影响网络的识别率。学习者每一次改动参数，右侧栏会实时更新当前网络的具体信息，系统也会重新计算当前网络的复杂度，并通过小狗的图像反映在界面上。卷积神经网络的复杂度越低，网络的学习能力就越弱，小狗图像就越卡通化甚至像素化;卷积神经网络的复杂度越高，其学习能力就越强，小狗图像就越接近真实。

（2）训练范例卷积神经网络

范例模型功能下的训练页面如图10所示。修改完成的范例卷积神经网络可以进行训练。学习者可以调整训练的次数与学习速率，训练次数越多系统所花费的时间也越久，但训练次数不够可能会导致网络欠学习，学习速率过高可能导致在全局最优解附近震荡，学习速率过低可能导致训练止步于局部最优解而找不到全局最优解。训练卷积神经网络所用到的数据集为480个外部图片文件组成的训练集，该训练集可按照一定格式手动扩充。当卷积神经网络训练完成后，页面将会显示神经网络模型的预测准确率，学习者可以决定是进入下一步神经网络实测页面还是修改训练参数重新训练，甚至是返回上一步修改卷积神经网络后再来训练。

在范例卷积神经网络训练页面，用户也可以跳过训练直接测试范例卷积神经网络的预测准确率，教师可以利用此功能快速进入实测系统向学生展示图像识别的效果，学生也可以通过此快捷通道便捷地体验图像识别。此功能有利于教师在人工智能课堂中创设情境，有利于学生快速尝鲜人工智能。

（3）实测范例卷积神经网络

范例模型功能下的实测页面如图11所示。在实测功能下，学习者可以选择计算机本地存储的图片进行神经网络的实测，也能通过连接计算机的摄像头拍照获取身边常用物品图片或人脸图片进行神经网络的实测。卷积神经网络实测系统不仅是学习者体验人工智能的重要窗口，更是检验该卷积神经网络模型是否过拟合或欠拟合的重要工具。

3.自主设计功能

自主设计功能旨在让学习者在理解了卷积神经网络原理后运用所学知识从零开始搭建一个新的卷积神经网络，培养学生的创新精神。

（1）自主设计卷积神经网络

如图12所示，自主设计功能左侧标签页包含了卷积神经网络的所有组成部件，学习者从设置激活函数开始一步步设计自己的神经网络。卷积层是卷积神经网络必不可少的组成部分，在未设置卷积层的情况下学习者无法添加其它层。当设置了全连接层之后，卷积神经网络的结构便趋于完整，能够进入下一页的训练页面。在搭建神经网络环节中，学习者随时可以撤销上一步，因此可以放心地发挥自己的创意。除了设计自己的神经网络，学习者还可以从外部导入神经网络进行学习、修改。

（2）训练卷积神经网络

如图13所示，自主设计功能下的训练页面跟范例模型下的训练页面基本相似，唯一不同之处是在自主设计模式下，学习者在完成一次卷积神经网络的训练后可以选择保存该卷积神经网络为本地文件，保存的神经网络可以在自主设计页面中导入，有利于学习者之间分享交流学习经验。

（3）实测卷积神经网络

自主设计功能下的神经网络实测页面与范例模型功能下的神经网络实测页面完全相同，此处不再赘述。

六、系统成效分析及未来展望

1.成效分析

（1）取得的成效

在“互联网+”的时代背景下，为了解决国内中学人工智能教育研究与实施中出现的问题，笔者提出了对应的解决方案并确定了需求，设计并开发了“智慧狗”中学人工智能教学辅助系统。

对于国内人工智能教育开展过程中人工智能概念混淆的问题，“智慧狗”系统从理论和实践两方面规范了人工智能的概念：通过微课视频明确了人工智能的概念，介绍了人工智能的经典算法卷积神经网络，强调了其背后的数学原理;通过卷积神经网络的搭建、训练、实测相关功能，展示了人工智能应用领域中的图像识别技术。

对于国内人工智能教育开展过程中人工智能技术过度包装的问题，“智慧狗”系统拨开了人工智能的神秘面纱，不仅教给学习者人工智能的实现原理，还给学习者提供了完整体验机器学习实现过程的实践机会。“智慧狗”系统通过摄像头获取的学习者人脸图片数据仅保存在本地计算机中，不上传至服务器，保证了用户的隐私与肖像权不受侵犯。

对于国内人工智能教育开展过程中人工智能教学内容紊乱的问题，“智慧狗”系统安排了卷积神经网络作为学习内容。人工智能的核心是机器学习，深度学习是机器学习领域中效果最好的一系列算法，卷积神经网络是深度学习中最著名、应用范围最广的一种算法，学生理解了卷积神经网络的基本结构，便能够独立地实现简单的人工智能应用。

对于国内人工智能教育开展过程中人工智能教育活动缺少实践手段的问题，“智慧狗”系统提供了具体而完整的通过机器学习实现人工智能的实践手段，学习者能够以搭建卷积神经网络为起点，从零开始创造自己的人工智能。

（2）教学试验的开展

为了更深入地了解该系统在中学实际教学中的应用效果，笔者于2019年9月至11月在苏州市第一中学校对2个班级开展了人工智能试验课程，课程中使用了初版“智慧狗”系统辅助教学，并在课后开展了人工智能课程的教学评价问卷调查获取反饋。调查问卷选取教学内容评价、教辅工具评价、学生未来学习方向三个维度。发放问卷80份，回收73份，回收有效率91.25%。

采用克隆巴赫α系数（Cronbach's Alpha）对人工智能试验课程教学评价量表的4个维度进行可靠性分析，结果如表1所示。

数据显示，三个维度的克隆巴赫α系数分别为0.706、0.642、0.655，均大于0.60，说明该调查问卷的信度较好。

采用探索性因子分析检验问卷的结构效度，经检验教学评价量表的取样适当性量数KMO值为0.845，Bartletts球形检验的显著性值为0.000，说明该问卷因子分析有效。采用主成分分析法提取共同因素，提取载荷平方和累积为62.285%，旋转成分矩阵共提取出3个因素，分别对应教学内容评价、教辅工具评价、学生未来学习方向三个维度，说明该调查问卷具有良好的结构效度。

（3）不足之处与改进

通过教学试验与调查问卷的反馈，笔者不仅收获了学生和教师的大量正反馈信息，还得到了一些负反馈信息。

经过对反馈信息的整理与分析，笔者总结出了初版“智慧狗”中学人工智能教学辅助系统的以下3点不足之处：

①范例模型功能和自主设计功能缺少重要知识点的提示信息。由于卷积神经网络内容难度较高，参数繁多，学生通过课前微课视频的学习和课堂中教师的原理讲授，也较难在短时间内消化大量人工智能知识，在范例模型功能页面和自主设计功能页面上为每一个卷积神经网络参数加上标签提示信息，帮助学习者巩固知识是十分必要的。在当前版本的“智慧狗”系统中，该项不足已得到改正，范例模型页面也自主设计了页面中的卷积神经网络关键参数，均有悬浮标签提示相关知识点。

②卷积神经网络训练数据集较小，使学习者设计的卷积神经网络得不到充分、有效的训练，往往处于欠拟合状态。学习者运用所学知识经过思考搭建了一个结构合理、具有较高预测准确率上限的卷积神经网络，却由于训练数据集的缺陷造成该神经网络模型训练效果与实测效果不佳，不仅会误导学习者，还会挫败学习者的积极性，因此扩大训练数据集、优化训练集质量是十分必要的。在当前版本的“智慧狗”系统中，该项不足已得到改正，训练集图片已达到480张，并支持按照格式自定义扩充训练集。

③自主设计功能不够灵活，学习者每次为卷积神经网络添加一层隐含层都不能重新修改，若要改动搭建的卷积神经网络中的一个参数，只能退出重进自主设计页面，从头开始重新搭建。在当前版本的“智慧狗”系统中，该项不足已得到改正，自主设计功能支持用户随时撤销操作重新设置，并且还添加了卷积神经网络的保存与导入功能，学习者可以保存自己的学习成果并进行分享交流。

2.未来展望

对于国内人工智能教育开展过程中师资力量参差不齐的问题，“智慧狗”项目将开发两套分别适用于教师教与学生学的完整教学资源包。如图14所示，教学资源包包括教师与学生通用纸质章节教材，供课堂教学使用，呈现人工智能相关图片、概念、原理以及名词解释等内容，内容方面将根据不同学段学生的认知发展与能力水平选择位于学生最近发展区内的知识内容。“学生资源包”包括软件、软件说明书、课前使用的视频微课与学生自主学习手册、课堂中使用的章节教材、习题与自测（含答案）、知识拓展等内容，通过将部分内容交由学生课前进行自主学习，实现翻转课堂的教学效果。“教师资源包”包括教案、教材、教学大纲、翻转课堂示例、教辅资料以及教学PPT等，供教师提前了解与掌握人工智能相关知识，并使教师能够根据提供的教学范例进行模仿甚至创新教学。

参考文献：

[1]王振强.中小学人工智能教育现状问题与思考[J].中国现代教育装备，2019（22）：1-5.

[2]段世飞，龚国钦.国际比较视野下的人工智能教育应用政策[J].现代教育技术，2019（3）：11-17.

[3]邹蕾，张先锋.人工智能及其发展应用[J].信息网络安全，2012（2）：11-13.

[4]许亚锋，高红英.面向人工智能时代的学习空间变革研究[J].远程教育杂志，2018（1）：48-60.

[5]贾积有.人工智能赋能教育与学习[J].远程教育杂志，2018（1）：39-47.

[6]国发[2017]35号.国务院关于印发新一代人工智能发展规划的通知[Z].

[7]教技[2018]3号.教育部关于印发《高等学校人工智能创新行动计划》的通知[Z].

[8]谢昱，陈映晓.我国中学人工智能教育状况的调查研究[J].未来与发展，2019，43（12）.

[9]王顺晔，王宁，刘大勇，冯越.中小学人工智能教育现状调查及对策研究[J].电脑知识与技术，2019（33）：129-131.

[10]张丹，崔光佐.中小学阶段的人工智能教育研究[J].现代教育技术，2020（1）：39-44.

[11]刘永，胡钦晓.论人工智能教育的未来发展：基于学科建设的视角[J].中国电化教育，2020（2）：37-42.

[12]郑娅峰，傅骞，赵亚宁.我国人工智能教育研究现状及主题结构分析[J].数字教育，2020（1）：21-26.

[13]吕婷婷，石志国，冀燕丽.国内人工智能教学研究热点及趋势分析[J].高等理科教育，2019（6）：98-107.

[14]闫志明，唐夏夏，秦旋，张飞，段元美.教育人工智能（EAI）的内涵、关键技术与应用趋势——美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析[J].远程教育杂志，2017（1）：26-35.

[15]胡伟.人工智能时代教师的角色困境及行动策略[J].现代大学教育，2019（5）：79-84.

[16]Department for Digital，Culture，Media & Sport，Department for Business， Energy & Industrial Strategy.Growing the artificial intelligence industry in the UK[DB/OL].https：//www.gov.uk/government/publications/growing-the-artificial-intelligence-industry-in-the-uk.

[17]National Research Foundation.AI Singapore[DB/OL].https：//www.nrf.gov.sg/programmes/artificial-intelligence-r-d-programme.

[18]林昉.义务教育阶段开展人工智能教育的现状分析与思考[J].中小学电教，2019（12）：3-6.

[19]刘翀.思维素养视角下的中小学人工智能教育[A].广西写作学会教学研究专业委员会.2019年教学研究与教学写作创新论坛成果集汇编（二）[C].广西写作学会教学研究专业委员会，2019：599-601.

[20]徐鵬，王以宁.国内人工智能教育应用研究现状与反思[J].现代远距离教育，2009（5）：3-5.

[21]余明华，冯翔，祝智庭.人工智能视域下机器学习的教育应用与创新探索[J].远程教育杂志，2017（3）：11-21.

[22]周飞燕，金林鹏，董军.卷积神经网络研究综述[J].计算机学报，2017（6）：1229-1251.

[23]李彦冬，郝宗波，雷航.卷积神经网络研究综述[J].计算机应用，2016（9）：2508-2515，2565.

[24]卢宏涛，张秦川.深度卷积神经网络在计算机视觉中的应用研究综述[J].数据采集与处理，2016（1）：1-17.

[25]张顺，龚怡宏，王进军.深度卷积神经网络的发展及其在计算机视觉领域的应用[J].计算机学报，2019（3）：453-482.

[26]杨琳琳，孟高旺.以生为本，构建建构主义大学英语口语教学新模式[J].宿州学院学报，2008（3）：146-148.

[27]赵乐华，任毅.启发式教学方法与建构主义学习理论[J].中国地质教育，2009，18（1）：140-142.

[28]王丹璇.海南省高中地理研学旅行资源开发利用的研究[D].南昌：江西师范大学，2019.

（编辑：王天鹏）