基于项目学习的STEM和人工智能教育研究

任红娟 郝鹏飞

(锡林郭勒职业学院，内蒙古 锡林浩特 026000)

一、 STEM和人工智能教育溯源

STEM是科学(Science)、技术(Technology)、工程(Engineering)、数学(Mathematics)四门学科英文首字母的缩写，其中，科学在于认识世界、解释自然界的客观规律；技术和工程则是在尊重自然规律的基础上改造世界、实现与自然界的和谐共处、解决社会发展过程中遇到的难题；数学则是技术与工程学科的基础工具。

2017 年，国务院政府工作报告中首次写入人工智能，人工智能上升为国家战略。同年 10 月，十九大报告进一步提出“加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合”。在国家层面的大力倡导下，全社会掀起了人工智能技术创新的热潮。对于我国大部分职业教育工作者来说，人工智能是一个具有挑战性的新命题。

在本质上，无论是STEM教育或者人工智能教育，都属于多门学科的融合学科，其本质目的都是让学生通过对基础学科的学习，逐步地通过多学科知识的融合去解决当下实际问题，促进学生打破学科壁垒。在我国，除了学校、机构、非营利性组织等，高科技企业也正利用自身对于科学技术的理解和掌控，通过一系列活动，帮助我国青少年完成从机器人技术基础、程序设计到人工智能和机器人控制原理的知识进阶，并通过竞赛的形式，考查学生的临场反应能力、发现问题和解决问题的能力。在促进机器人技术发展的同时，也将一流科学家、工程师对科技行业的兴趣和热爱传播至青少年一代。

二、STEM和人工智能教育存在的问题

只有在了解STEM和人工智能教育核心价值的基础上，我们才能着手去解决教育过程中的问题。鉴于它们都是科学、技术、工程、数学和艺术学科的融合，因此学校及各方机构要通过多方面的教学手段，使学生获得跨学科的基础知识，从而利用知识基础获得自主探究解决方案的能力。对于高阶的学生，更是要培养他们计算机思维以及设计思维这种高阶的思维能力。现阶段我国STEM及人工智能教育仍存在诸多问题，主要表现在以下几个方面。

(一)教育误区

很多学校和机构对于STEM和人工智能教育的理解仍存在偏差，一是认为只要融入了实践动手环节就是STEM教育，主要锻炼学生的动手能力；二是认为编程能力即为STEM和人工智能教育的能力，主要培养学生的编程能力；三是认为STEM和人工智能教育是引导学生进行自主学习和探索问题解决方法的教育。以上三种问题忽视了学生对于合作能力、问题解决能力、创新能力、探索能力等综合能力的培养。

(二)学科融合的误区

目前，我国的教育课程体系是建立在严格的学科分类的基础上，虽然能有效地进行学科知识学习，但往往脱离实际，缺乏实践及应用性的教育。而STEM和人工智能教育是在丰富的教学情景和挑战中促进学科知识的融合。STEM和人工智能教育并非新学科，脱离了基础知识体系的STEM和人工智能教育只是无本之木，是伪学科，因此，应当将STEM和人工智能教育融入学科知识的体系当中，开发项目化的优质跨学科教学，才能促进STEM和人工智能教育的良性发展。

(三)商业误区

STEM和人工智能教育教学的开展，需要借助校内及校外的一些特殊教具，因此，很多教育科技公司推出大批系列教具打包销售给学校，有些学校投入大量资金建设STEM实验室或创客教室，但并没有取得理想的效果，主要原因在于很多教育科技公司把众多精力都放在教具的销售上，并未挖掘其中的相关课程、教学方法以及教学输出上，这在一定程度上脱离了STEM和人工智能教育的本质。[1]

三、STEM及人工智能教育的教学反思

(一)转变培养思路

一方面，人工智能已成为国际竞争的焦点， 世界各国都在抓紧谋划和布局，力求掌握国际竞争的主导权，我国也理应积极投入，抢占先机。另一方面，人工智能带来的技术进步，为社会经济发展注入强劲动力，成为经济发展的新引擎，必将引发经济结构的重构与变革，对人类社会产生深刻影响。作为当今的职业教育从业者，我们需要建立以下两点理念：一是建立不断学习的理念。当今时代，科学技术日新月异，昨天的技术突破就有可能成为今天普遍的技术应用，昨天的技术壁垒就有可能在明天得以突破，迅速应用于各行各业，所以，要想跟住时代的变革，把握当下科学技术的最新发展动态，就需要当今的技术教育从业者不断与当今承担技术贡献的企业多交流、多学习，避免闭门造车。二是提高学习的广度和深度。如今的技术革命已不仅仅是单个学科的突破，而是多学科的融合。例如5G技术革命，5G作为一项通信标准，并不属于某个国家，它由多个公司同时进行研发。众所周知，华为在5G技术研发领域投入了大量的人力和财力，截至2018年12月28日，中国信息通信研究院知识产权中心统计出5G网络的专利数量，华为以1970件专利排在其他通讯公司前列，专利数量占5G网络总专利数的21%，它的背后是集合了通信技术、软件技术、硬件开发与应用等多学科的融合。所以教育从业者在深化自身学科的同时，也要多去研究学科之间的融合，才能在实践中指导学生通过学科之间的协同解决实际问题，将以往的单一性人才逐步培养为复合型人才。

(二)调整培养模式

一是研究科学领域，设置新专业。人工智能时代，新旧动能转换加快，产业发展速度加快，职业院校要充分对接区域经济发展与产业升级的需要，提前谋划专业布局，研究基础课程分布，增设新兴专业。二是适应人工智能，改造原有专业。人工智能、信息技术、无人控制技术、虚拟现实等领域相关的专业应在职业院校专业体系布局中占据重要席位。三是在学校内部建设人工智能样板实验室，保障学校开设人工智能课程的环境条件，通过校企合作，研发适合学生的相关教学教材，在开展人工智能教学的同时，增加师资培训力度，搭设区域间人工智能教学成果交流平台。

(三)项目化教学探索

为了提高人工智能教学的质量，在学校内部增设人工智能专业，调整教学模式。让企业的教育产品流入到学校内部，通过校内外教师和研发工程师共同打造符合当下人工智能领域的核心技术，推出适合各年龄段学生学习的人工智能课程。通过学习校内优质的人工智能课程，让学生在人工智能竞赛中得以实践和应用，不断总结和完善学习成果，在不断地学习和实践中培养青少年的科学思维和创新能力，帮助他们在科技竞技中获得快乐和成就感，充满信心地面对未来，朝着改变世界的方向前进。[2]

四、项目式教学探索

下面以目前国内认可度相对较高的深圳大疆创新科技有限公司研发的教育机器人中的视觉识别技术为主线，探讨STEM和人工智领域中的视觉识别技术点应用。

(一)项目名称

人脸识别与云台跟随。

(二)项目背景

计算机视觉是用摄像机和电脑及其他相关设备，对生物视觉的一种模拟。它的主要任务是通过对采集的图片或视频进行处理以获得相应场景的三维信息。在机器人智能化的道路上，人工智能、自动化、机器人学等领域是高度重合和交叉的，多学科共同促进了机器人在感知智能、认知智能等方面的长足进步。我们知道，计算机视觉技术是人工智能的重要核心技术之一，可应用到安防、金融、硬件、营销、驾驶、医疗等领域。目前我国计算机视觉技术水平已达到全球领先水平，广泛的商业化渠道和技术基础是其成为最热门领域的主要原因。

从2016年至今，在大疆针对大学生的RoboMaster对抗赛中开始引入了能量机关的概念，引导学生将目标检测与视觉伺服控制应用于比赛中，从2018年至今，大疆科技在学术会议ICRA上开设了全自动对抗的人工智能挑战赛，引导参赛者从定位感知、决策到运动规划上实现全面自动化。作为教育工作者，我们应思考如何将越来越成熟的机器人学和人工智能技术教给学生，让学生更好地掌握移动机器人的知识。

(三)项目目标

通过此类人工智能应用领域的项目化教学，可以培养学生：

1.发现问题、分析问题的能力。即根据问题情景给出自己的见解，分析问题并进行拆解。

2.解决问题的能力。即找到解决问题的关键路径，判断各模拟问题的优先级。

3.责任心与团队协作能力。即有承担并做好各项任务的决心，有高度的合作精神。

4.批判性思维。即对事物有着更加客观地分析和评估，不盲从不偏见。

5.简洁有效的表达能力。即在团队讨论中能够高度概括，有清晰的逻辑思路。

(四)开展项目的软件、硬件

1.软件：明文协议SDK(Python) 。

2.硬件： 机器人载体：大疆S1 EP。

传感器：摄像头。

执行器：LED、云台。

(五)项目流程，问题引导

1.连接机器人EP SDK，试一试云台如何控制、LED如何控制、摄像头的视频流图片怎么获取？ 通过硬件机器人已经设定好的程序，感受机器人是如何通过传感器和程序去控制云台和LED灯，在此过程中，让学生建立起硬件之间的直观感受，设想其中的原理，为下一步做准备。

2.人脸检测系统的输入和输出是什么？ 要进行人脸检测，对于机器人检测系统来说，想要控制云台的转动，输入信号为什么？输出信号为什么？如何通过输出信号的变化控制云台的变化，其中存在什么样的逻辑关系，用什么样的语言去实现过程，在教师教学的过程中，要不断引导学生利用学习过的物理数学知识进行逻辑推理。

3.知道人脸的位置后怎么控制云台进行跟随？ 控制云台跟随需要借助编程语言去设定相关程序，在编辑程序的过程中，通过举例及演示灯方式，让学生了解编程的底层逻辑。

4.发现问题：多个人怎么办？ 当变量增加时，我们该如何筛选其中的有利信息进行跟随？在完成上一步的编程后，要拓展问题的丰富性，引入不同干扰因素，考察学生解决问题的能力。

5.用识别去解决问题。学习完基本的知识之后，下一步如何利用现有的软硬件设备，去解决生活中可能出现的问题，要学生带入生活场景，解决实际问题，解决可能存在的各种干扰因素。

(六)课程设计

1.将学生暂时理解不了的技术打包交给学生使用，从而降低学生进入学习领域的难度，增强学习兴趣和自信心。

2.发挥机器人的优势，充分利用传感器、计算设备、控制器，让感知通过逻辑与机器相连。

3.在课程上，给定项目情境引入，结合数理基础，学习实现流程，动手实践一个简单的例子，举一反三，最终启发思考。那么教师该如何选择实践案例呢？我们选择简单的案例进行教学，比如分出图像中的苹果、香蕉和葡萄，带他们走过整个流程，达到能够识别的效果。

解决完人脸检测问题之后，如何举一反三？我们的模块可以支持其他东西分类吗？ 比如手势1、手势2 、手势3，在这里是否有提高辨识度的空间？比如不同的人脸，是效果一般还是完全没法用？为什么不同的背景总是影响我的分类效果？将知识带入到不同的场景当中，寻求不同的解决方案。

通过实践的启发探索，我们可以将技术发展的路线清晰地呈现给学生，让学生亲身感受当代科学家在突破技术壁垒时的所思所想，引导学生在遇到问题时寻找解决问题的模型。

(七)项目考核

期末我们需要给学生一个简易化的开放性比赛项目，让他们根据学习到的不同知识和工具，来完成任务，进而考核学习成果。

五、前景展望

本研究为STEM和人工智能课程关于视觉识别及跟随项目化教学的探索，人工智能作为一门前沿技术，对软硬件设备的要求都相当高，此外，有关STEM和人工智能课程的教学方法探究比较少，笔者只是通过项目化的方式进行了教学探索，在教学过程中也发现了很多存在的问题，但是通过这样的教学方法和手段，能有效地激发学生利用课程所涉及的物理数学知识及软硬件解决实际生产生活中所遇到的问题，实现了多学科融合解决实际问题的初衷，反过来激励学生更好地完成基础学科的知识积累。

对于在课堂上有学习兴趣和特长的同学，要多用自底向上(即由简到难，由单一任务到多维度复杂任务的方式)项目引导他们学习技术，让他们了解跨学科知识和系统知识，通过完成这样的项目式应用，学生可以更加深入和完整地拆解理论知识，提高实践能力，发掘技术应用的核心难点，最后，通过国内外对于机器人、人工智能等方向的实践型竞赛，将所学、所想、所能应用到实践当中，激发竞争意识，激励学生在人工智能领域长足发展下去，为地区和国家输送实践性人才。

对于教育工作者而言，要告诉学生泛学，学会去哪儿、怎样搜索知识，学会给问题建立模型并获取自己想要的知识，要通过实践去理解理论的意义。这才是当下人工智能教育中，我们所能教给学生最宝贵的解决问题的方法。