PBL在人工智能课程教学中的探究运用——以“探秘机器学习：人体姿态识别”为例

李欢 广东省深圳市宝安中学（集团）初中部

PBL是一种使用问题作为学生展开学习活动的起点与刺激来建立和教授课程，以学生为中心，基于真实问题解决的情境化教学方法。它以问题来设计、架构和引领教学，强调真实情境，基于项目、问题解决、高阶思维的学习。而人工智能课程在初中阶段的定位，是通过剖析具体案例，了解人工智能的核心（数据、算法、算力），编创简易的人工智能作品，辩证认识人工智能对人类社会未来发展的巨大价值和潜在威胁。本案例是人体姿态识别项目的第2节课，本项目学习总共有5个课时，第1节课是机器学习的入门课，剩下的3节课为学生用人体姿态识别知识进行创意设计。本项目要求学生既要理解和掌握人体姿态识别的过程方法，又要能够综合应用人体姿态识别技术进行创意作品的设计与制作。但在教学实践中存在着一些问题，如学生运用人体姿态识别技术解决实际问题的能力较差、创新能力有待提高、缺乏自主学习能力和合作能力等。基于问题的学习有助于促进学生夯实知识基础，发展解决实际问题、批判性思维和创造性思维能力，发展自主学习能力与合作能力。

● 项目概述

人体姿态估计（Pose Estimation）是计算机视觉中一个比较基础的问题，它对不同姿态进行估计，从而实现对不同动作的检测识别。本案例的重点内容是通过人体姿态识别中的模型训练，深入认识机器学习的三个过程：采集数据、训练模型、模型测试。笔者基于pose GUI工具，通过“姿态识别体验馆”“姿态识别数据采集馆”“姿态识别数据训练与测试馆”三个分步式的情境任务驱动，组织本节教学活动。

本案例的创新之处如下：①技术创新。本案例利用人体姿态识别工具，将机器学习的三个关键步骤有机整合起来。学生通过小组训练的两个新的姿态模型，能快速地让机器学习到新的姿态，对机器学习有更加直观具体的概念。②内容创新。人体姿态估计是计算机视觉中一个很基础的问题。从名字的角度来看，可以将其理解为是对“人体”的姿态（关键点，如头、左手、右脚等）的位置估计。它能够根据不同姿态进行估计，从而实现对不同动作的检测识别。和以往人工智能教学实践常选取的热门题材，如人脸识别、语音识别、文字识别等相比，本案例做了新的探索尝试。③方法创新。本案例是对以问题为导向的深度学习进行教学探究，整个案例都是围绕问题进行的，问题既是起点也是终点。问题是贯穿整个科学探究的核心要素，进而推动深度学习的教学进程发展。其主要特点是深度学习是指向学生的学习，让学习真实发生，同时也指向教师的教学，让教学更有深度。

● 确定教学目标

本案例的教学目标分为知识、能力和情感三大类。

知识目标：①基于机器学习工具（pose GUI工具），了解姿态识别模型的训练过程与方法；②通过创建新的模型，熟悉机器学习平台的使用方法，理解监督学习的含义；③通过训练机器实现姿态识别，并建立姿态识别模型，深入体验姿态识别的原理。

能力目标：①熟练运用人体姿态识别工具；②用姿态识别知识，发明创造出新项目，解决生活中的实际问题。

情感目标：①培养想象力与创造能力；②在活动过程中发现自身优势，并能发挥出来；③培养沟通表达和团队合作能力。

● 教学实施

在导入环节的视频中，机器能模仿人类的动作，同时，也能准确地知道人类做的运动名称。学生对此充满了好奇，利用学生此刻生成的好奇心，教师抛出关键问题：机器是如何学会识别动作的？为了降低操作姿态分类工具的难度，笔者把任务分解为三个馆，由浅入深，环环相扣，小组通过微课指南和研究报告能清楚地知道每个馆设计的目的。在模型测验大PK中，小组之间互相挑战，同时也带动思考影响分类模型准确率的因素。在课程的最后，再次抛出课堂引入时提出的问题，学生能归纳出人类思考与机器学习的共同点，完成教学目标。技术服务生活，智造馆设计的目的是提升学生自我效能感，同时启发学生思考更多智能科创项目实现方法，产生学习期待，课堂的最后提出的这个问题，是留给学生课后去发现生活并思考运用的。在这节课中，学生已能比较快地说出自己的想法，如用于安保领域、手势远程操作智能产品等。课后通过对每小组的代表进行访谈，学生都能清晰地认识到机器学习的过程，课程整体完成了设计的教学目标。

在本案例中，教学活动分为“课程导入”“体验馆”“数据采集馆”“数据训练与测试馆”“智造馆”“归纳总结”六个部分，具体教学设计与实施如图1所示。

图1 教学设计与实施

1.问题发展阶段

PBL是一种基于问题的学习方式，问题是PBL的核心。教师围绕“体验馆”“数据采集馆”“数据训练与测试馆”设计问题。本案例的核心问题是“机器是如何识别出人的动作？（机器是如何学习的）”，围绕这个问题，学生大胆猜想机器学习的方式，通过进馆进行探究、验证答案的猜想，展开深度学习。教师设计了如下页图2所示的基于问题的学习结果导向的问题链。

图2 问题链设计思路

2.问题探究阶段

在体验馆中，学生进行可视化操作，创设从直观形象到抽象建模的理解路径。教师引导学生对体验馆中的自己进行观察，直观看到了人体的14个关键点，观察到关键点位置会随着不同姿态下人体的移动而移动，从而知道人体姿态识别，可以理解为对人体14个关键点的位置估计，能够根据不同姿态进行估计，从而实现对不同动作的检测识别。在数据采集馆，学生根据微课的指引，在提供的任务单上开展小组协作活动，理解用工具采掘数据。数据是机器学习的燃料。数据的采集为下一步的数据训练提供了充足的“养料”。通过发放动作卡片，简化学生想动作的过程。

3.问题验证阶段

在数据训练与测试馆中，引导学生使用采集的数据训练新的分类模型。机器能否识别出小组训练的三个动作？准确率如何？在模型测验大PK中，小组将训练好的模型进行公开测试，找10位同学来尝试挑战不同的姿态，看看模型识别的准确率如何，并将每次测试得到的结果记录在表格中。在PK中带动思考影响分类模型准确率的因素，引导小组归纳影响准确率的因素——混入其他姿态数据、背景杂乱、数据单一、两个姿态数据集相近，删除干扰数据，加入新的数据。

4.迁移反思，发散思维

迁移运用过程分两个阶段。第一个阶段让学生自我回顾问题解决过程。以“机器如何识别出人的动作？”这一核心问题引导学生归纳总结，学生基于核心问题进行反思，聚集问题解决的目标、过程与结果，在教师的引导下尝试说出机器学习的过程（采集数据——训练模型——模型测试），掌握对问题进行分解与抽象的能力。第二阶段为迁移问题解决方案，尝试用技术解决生活问题。教师通过PPT展示问题“人体姿态识别在生活中有哪些运用？”“它能为我们做什么？”“利用人体姿态识别技术做出哪些科创作品？”。通过说出人体姿态识别在生活中的运用启发学生思考，引导学生把人体姿态识别技术运用到实际生活中，真正做到联系实际生活，认识人工智能技术对生活的影响，提升自我效能感。同时，启发学生思考更多智能科创项目实现方法，产生学习期待。

● 教师授课引导

在课堂引入阶段，教师通过人类思考的方式类比机器学习的方式，引导学生大胆猜想机器学习的过程。接着，为了验证学生的猜想正确与否，引导学生走进三个馆进行探究。为避免小组在馆内盲目探究，进馆之前设计了关键性问题指引，三个馆的关键性问题依次是：体验馆内的人体有什么不同（引出人体关键点检测）？机器能做什么（能识别特定的动作，其他动作不能识别）？机器如何能识别新的动作？机器能识别小组训练的两个动作吗？准确率高吗？是什么原因导致的？三个馆的设计是这节课的明线，而关键问题的设计则为这节课的暗线，串起机器学习的整个过程。有一个小组在体验馆初次探究时，发现提供的四个动作机器并不能完全识别，教师发现人体有几个关键点没有出现在屏幕中，如摄像头中只出现了上半身，而不是全身。在数据采集馆中，在小组领取到需训练的动作卡片时，学生会以为把同一个姿态的照片采集50张以上即可，而忽视低质量的数据（数据单一、混入了其他姿态数据）会降低分类模型识别的准确率。教师故意让学生试错，并将有些小组采集的低质量数据与其他小组采集的高质量数据做对比，引导学生说出影响准确率的因素是哪些，这样会让学生记得更加深刻。

● 学生学习活动

学生对人体姿态识别工具充满了好奇，在前面两个班的试课中，笔者发现在采集数据时，学生会因为想比划什么动作而耽误时间。这节课根据这个问题进行了优化，小组都领取到了专属的动作卡片，学生能很快地进行数据的采集，避免时间的浪费。22名学生，2人一个小组，分工明确，人人都能清楚地知道自己在做什么。学生遇到问题会主动提问，乐于向教师请教和交流。在模型测验大PK中，小组之间互相测试，互相找到数据的问题所在，同时也会主动邀请教师对本组模型进行测试。组内和组间同样联系在了一起，体现了探究式教学的探究性和主动性。任务的驱动紧凑，11个小组中，没有出现注意力不集中，或者个别小组进度快而松懈放松的情况。

● 教学效果分析

常见的问题导向学习的评价可以分为两类：一是过程导向评价模式，目的是评价学习者的学习活动。在本案例中小组课堂表现的评价就属于这一种，小组课堂表现的评价指标如上表所示，重在评估学生对问题的理解深度以及知识建构过程。二是结果导向的评价方法，注重学习的结果。课后学生完成的《课堂学习效果问卷》就属于这一种，问卷从加入、专注、参与、反馈、自我评估五个维度进行调查。问卷结果显示，93%的学生能够专注于课堂学习，在课堂上能够集中注意力，学生可以判断自己是否在课堂上紧跟教学材料，自我评价对课程材料的理解情况。值得注意的是，有21%的学生认为自己在课堂上并没有积极参与课堂讨论，未积极回答教师的提问，有19%的学生认为自己在课堂上得到关于课程知识理解情况的反馈有所缺失。

小组课堂表现评价维度和指标

● 结束语

本案例采用基于问题的深度学习策略，它是强调真实情境，基于项目、问题解决、高阶思维的学习。笔者在设计问题时，特别关注划分内容与问题的先后顺序，以便使学生专注于关键问题，并能顺利过渡问题。从这一节课的效果来看，学生能在关键问题的指引下，层层递进展开探究。但由于时间有限，仍存在不可避免的两个问题：一是提出基本问题后，未分配足够多的时间给学生深度思考，让学生对内容真正地进行深刻质疑。二是在归纳总结阶段，本可以用思维导图表示每个问题之间的关联性，帮助学生对所学知识达到更系统更深入的理解，可是由于时间关系省略掉了。在以后的课堂中，笔者会制造更多留白的空间，让更多的深度学习在教学中发生。