AI教学点燃学生创造热情——以学生课后AI科创活动为例

李启晨 上海市西南位育中学

学生学习AI的目的是什么？学习AI对学生有什么实际影响？学习AI之后可以解决生活中的什么问题？自2018年学校开设AI特色课程以来，这些问题一直困扰着笔者。同时，面对AI这门新的课程，如何针对学生学情进行教学？应该寻找哪一个切入点最适合？作为学校的科技总指导，该如何将这门前沿学科知识融入现有的学生课程和生活中？带着这些疑问和对新技术探索的渴望，笔者所在教研组教师经过对课程的打磨，终于寻找到一条适合学生学情的AI教学之路。

● 以学生为中心推进学校AI课程建设

怀特海在《教育的目的》一书中曾提到，“教育需要解决的问题就是使学生通过树木看见森林”。所以，在课程初创时，教研组便明确了本课程的主要目标是培养学生运用已经掌握的AI技术，探索解决生活中的小问题。设立目标只是第一步，学生运用和掌握相关的AI技术，还需要将教师领进门。为此，教研组设计了符合所在学校初中和高中学段认知层次的相关课程（如下页图1）。针对初中学段的课程教学，主要通过动手实践的课程，让学生体验AI智能硬件给生活带来的便利。针对高中学段的课程教学，更注重AI核心知识的培养，通过讲授相关原理、算法知识点等，并以AI智能车作为载体实现相关技术，让学生在理论和实践上都有所收获。

图1

设立这些课程内容的目的在于拓宽学生视野，让学生对“AI是什么”有初步的了解，在此基础之上，再寻找自己喜欢的兴趣点加以延伸。同时，结合学校“我要做研究”的素质课程板块，鼓励学生寻找和发现生活中的问题，并结合自己的奇思妙想提出问题和假设，适当运用AI技术来解决遇到的问题。通过几年的跟踪研究教学我们发现，课程设置的内容符合学生的需求，教学也达到了预期的效果。

● 以项目化教学为手段激发学生内驱力

1.初中阶段

初中生的创造和灵感往往来源于自己在生活中发现的问题，很多优秀的项目也让笔者深受启发，原来在课堂讲授的内容可以用这样的方式运用到生活中。下面介绍两个实例。

例1：利用AI迁移学习MobilNetV2实现佩戴安全头盔的自动检测。

该项目设计的初衷是基于公安部交通管理局所要求的各地稳妥推进“一盔一带”安全守护行动。学生受到“人脸识别开锁”这节课所学知识的启发，想运用教师在课堂中提供的素材对人脸进行识别，自动检测骑车人是否佩戴头盔，但他们发现课堂中的人脸识别场景比较单一，而现实生活中的人脸识别场景较为复杂。经过查找资料，学生发现“ResNet+SSD”的模型契合项目中人脸识别的要求。在人脸识别成功之后，如何判断佩戴头盔又是一个技术难题，这是课堂中没有提及过的。为此，学生在查询相关资料的同时，还借助科创赛事的技术平台，通过迁移学习MobileNetv2网络模型，构建并训练最终用于判断的分类检测模型，从而达到了对头盔的识别要求。

例2：一种医用防护眼镜的智能清洗消毒装置。

学生最初设计该项目是因为自己戴眼镜，为了方便眼镜清洗烘干，组装了一个智能眼镜清洗系统。在新冠疫情暴发后，学生想到将现有设备进行改装，达到清洗医用防护眼镜的目的，同时考虑到病毒交叉感染的问题，增加了紫外线辐照系统。该装置全程均由系统通过视觉传感器控制执行，达到了自动消杀、重复利用医疗资源的目的，同时也能适配不同型号的医用眼镜（如图2）。

图2

项目在设计之初并没有用到AI技术，学生发现机械手往往会有定位偏差的问题。例如，“取物区”的眼镜位置摆放不正确，就会导致夹取物品失败；在清洗过程中，机械手会出现摆放不准确的情况。因此，指导教师提出运用图像识别的技术对机械手进行定位。在设计后期，学生提出可以在每一个区域都设置一个对应的二维码，运用摄像头识别二维码校准机械臂，达到提高机械手摆放准确度的效果，同时也可以知晓清洗流程进度。

从上述两个案例来看，学生的课题项目都是自己在生活中遇到的问题。为了解决这些问题，学生运用课堂所学知识，结合查询资料等方式找到相关技术解决难点。同时，学生也将课堂中讲述的传感器检测、图像识别、标签识别、机械臂等知识都运用到项目中。这也证明了通过动手实践的项目，可以大大提高学生对AI技术学习的热情，加深对科技改变生活的认知。

2.高中阶段

在高中阶段，学生项目选题的内容虽然还是来源于生活，但是更多的关注点是在自身兴趣爱好发展上。学生通过运用AI技术解决自己所感兴趣的领域的实际问题，让笔者记忆犹新的是以下两个项目。

例1：基于图像识别技术识别简单乐谱并演奏。

笔者一直鼓励学生将AI技术运用到自己喜欢的事物上去，本项目就是由三位对音乐感兴趣的学生完成的。学生发现，通过计算机演奏需要完整音频MIDI文件，或需要输入简谱等相关转换工作才能进行，但这些步骤大部分需要人工手动完成，因此，设想是否能通过图像识别工具，对已有的五线谱进行检测校对，将相关的五线谱转化成计算机能识别的音频文件。之后，学生结合教师讲授的图像处理、边缘检测等知识点，再通过实际调试中发现的问题，增加了一系列自己设定的算法（如下页图3），最终计算机可以成功地识别五线谱，同时完整地演奏一首歌曲。虽然，这只是一个小小的项目成功，但是学生学习AI的热情被激发了。

图3

例2：基于TextCNN和Active Learning的攻击性言论识别。

这个项目的由来是学生平时在社交媒体冲浪时，发现网络评论区中有很多言语针锋相对，甚至人身攻击的语言也时有出现，但因为语言的多样性，屏蔽关键词算法很难达到理想的效果，由此想到运用AI技术来解决这个问题，进行净化网络空间的尝试。学生利用自然语言处理中的神经网络TextCNN（用于文本分类的神经网络）和Active Learning（主动学习）相关技术进行研究。项目设计思路是：先寻找合适的数据集，将经过筛选和标注后的数据集作为训练样本；然后通过Keras库建立TextCNN神经网络，调整相关参数后进行迭代；之后再使用主动学习算法（Active Learning）对系统决策进行优化；最后对代码进行迭代和测试，利用一段测试单句的代码，可以直观地测试模型是否有效。测试结果正确率在88%左右，良好且稳定。这个项目前期是以课堂所学的知识为主，后期因为内容加深，学生又添加了很多自学得到的知识，通过前后多次验证达到了预期效果。

从这两个项目中不难发现，学生并不满足于基本的技术运用，会举一反三，将课程中学习到的基础知识进行转化。第一个项目，是在人工智能课程的起步阶段，无论是一开始对乐谱的霍夫直线检测，还是后期的运用腐蚀膨胀斑点识别技术，都是笔者与学生一起探索得来的。通过项目，师生都得到了成长。在第二个项目进行过程中，学生发现没有现成的训练样本，就通过课程讲述过的标注筛选方法，建立了一套符合该系统的训练集。这不仅解决了AI可以做什么的问题，更培养了学生自我学习和创新的能力。

● 结语

学生所完成的项目，如果仅停留在校内阶段还远远不够，笔者希望学生的作品可以被更多的人看到，得到更多的肯定。因此，笔者常推荐学生的作品参加各类比赛，也取得了不错的成绩。赛事获奖不是终点，而是一个新的起点，是对过去付出努力的肯定，也是对未来创新的期待。教师不仅要传授学生相关的学科知识，更要点燃学生对创作的热情，特别是在授课时要潜移默化地将课内知识与现实生活相结合，让学生觉得课堂的知识来源于生活，从课堂中习得的知识又可以运用到生活中去。