数字化学习平台如何赋能高中人工智能教学

随着人工智能等新技术的发展以及教育数字化转型进程的加快，技术不再停留在以教学媒体的形式赋能教育，而是强调结合技术发展更新教育观念，重组课堂教学结构，再造教学流程来优化教与学整个过程^[1]。党的二十大首次将“推进教育数字化”写入报告。2024年全国教育工作会议提出要不断开辟教育数字化新赛道，引领教育变革创新^[2]。《普通高中信息技术课程标准（2017年版2020年修订）》对人工智能方面的内容提出了具体要求，但在实践中这部分内容面临着教学内容碎片化、教学方法薄弱、支撑环境不足等问题。以人工智能为主导的技术既是高中人工智能教学重要的内容与目标，也是培养学生核心素养、达成课程目标的手段。如何基于恰当的数字化平台开展符合学生特点、满足学生需求、促进学生发展的一体化学习活动，让数字化技术与平台为课堂教学赋能，成为高中人工智能教学的关键问题。

一、当前高中人工智能教学的问题和思考

研究者指出，因教师教学经验不足、教育理论研究不充分，中小学人工智能教育实践中呈现出目标简化、内容简单、方法单一等诸多问题^[3]。作为一线的教育工作者和实践者，笔者亲身体会到在内在知识储备和外在环境因素的制约下，高中阶段的人工智能教学存在以下问题。

一是重技能轻素养。由于课时限制，教师不得不将授课重点放在编程语言学习上，教学设计局限在具体技能的掌握，而非整体素养和能力的提升。教学容易走进人工智能等同于编程的误区。

二是重体验輕探究。教师热衷于让学生直接体验当下技术发展的最新成果，而缺乏对其原理、过程和方法的探究，无法激发学生的深度思考，导致学生习惯性地浅层学习，创新精神和实践能力严重弱化。

技术是教学系统的组成要素之一，体现在资源、环境和工具等方面，以人工智能、大数据为代表的信息技术对教育的赋能正全方位地改变着教育形态^[4]。为了方便集成、更新和管理相应的资源，有效支撑人工智能教学的开展，近年来不同国家和政府都致力于建设数字化学习平台和资源。美国K-12人工智能教育行动（AI4K12）开发了包括演示软件（又分为黑盒演示软件和玻璃盒演示软件）、硬件、编程框架、视频、课程等多种类型的教学资源，并形成了K-12人工智能教学指南^[5]。我国中央电化教育馆主办、搭建了中小学人工智能教育服务平台，主要提供课程的教学设计、课件、学习单等相关教学资源。上海、广东等省市各自开发了人工智能学习平台。鉴于人工智能是一门多学科交叉的领域，涉及的技术广泛且不断发展，许多技术尚未达到稳定和标准化阶段。因此，找到一个能够全面满足人工智能系统性学习需求的集成平台颇具挑战。教师必须根据课程目标，精心挑选合适的平台和资源，并据此精心设计教学活动。

二、素养导向的高中人工智能教学设计理念模型

基于以上思考，恰当的数字化教学平台是开展高中人工智能教学的有效支架和物质保障。除此之外，更重要的是基于平台开展适合学生学情和认知特点的学习设计，让学生在真实情境的深度探究中达到课标要求的核心素养。这需要整合课程的目标、内容、活动和评价等要素，围绕目标导向、平台选择、情境创设、项目设计和问题构建等多个方面展开。本文提出了素养导向的高中人工智能学习设计理念模型（如图1），以表征高中人工智能学习设计的要素和各要素之间的关系。

（一）素养导向：注重独立思考、问题解决、实践能力和创新创造能力的培养

核心素养指的是学生应具备的，能适应终身发展和社会发展需要必备的品格和关键能力^[6]。人工智能时代，高中生应该掌握的核心素养是独立思考、问题解决、实践能力和创新创造能力^[7]。落实到人工智能教学上，这些能力体现在人工智能意识、思维、创新、责任等多个方面^[8]，其核心应是理解人工智能、利用人工智能分析问题、解决问题和迁移到其他领域同类问题的高阶思维和能力。

（二）平台选择：注重过程及方法的可视化，提供形象思维和深度理解支持

高中阶段的人工智能内容涉及算法、机器学习、神经网络等概念，具有较高的抽象性和挑战性，因此在教学中特别需要形象思维的支持来帮助学生建构起对概念的准确理解。数字化平台是开展人工智能教学的重要支架。在平台选择方面应该尽量选择能够可视化相关方法和过程的平台与工具，以问题解决为主，帮助学生了解背后的原理与方法，而非停留在体验层面。

（三）情境创设：串联知识主线，以多样化交互激发学生探究、协作和循证的行动意识

核心素养的落实需要改变脱离学习情境、碎片化、流于形式的知识技能点的学习方式^[9]。教师需要从贴近学生真实学习和生活的问题情境出发，以真实情境下的多样化交互激发学生探究、协作和循证的行动意识，真正实现以学生为中心的课堂。情境创设往往是一个难点，需要把握真实性、复杂性、整合性、开放性四条关键原则^[10]。

（四）项目设计：作为活动开展的载体，促进持续探究，表达想法和做出选择

项目是活动开展的载体，连接知识、生活与真实社会，让学生自始至终投入其中，由浅入深地开展相应活动，不断探究、验证、表达自身想法，在项目推进的过程中逐步达成学习目标。项目化学习强调真实情境、复杂问题、超越学科、专业设计、合作完成、成果导向和评价跟进^[11]。在人工智能教学中，项目化学习最大的优势是围绕情境和问题主线，提供给学生贯穿性的体验和思考，让学生以真实情境为起点，以进阶性地解决问题为核心，经历解决复杂问题的完整过程，促进其持续探究和深度表达。

（五）问题构建：基于知识主线和项目进程嵌入问题链激发探究精神和深度理解

将培养问题解决能力作为落实核心素养的切入点，应是当前教研、教改的重点和关键^[12]。在项目引导、情境支持下，教师需要从人工智能的核心内容出发，构建与项目进程中各个活动和知识主线匹配的问题链，利用环环相扣的递进式问题链让学生在主动探究中完成知识学习，在问题解决过程中达到深度理解。一堂课中的高质量问题链应该包括明确的核心问题、精心设计的导入问题、由核心问题衍生的串联问题和课堂生成的随机问题，并要特别注重问题的逻辑性、整体性、开放性和交互性^[13]。

（六）评价激励：发挥评价的激励作用，鼓励积极地学习参与和思考，提供及时反馈和指导

评价是开展人工智能教学活动的关键环节。教师需坚持评价内容丰富化、评价方式多样化、评价主体多元化和评价工具科学化等原则，既要通过观察、访谈、描述、记录等方法对学习过程开展分析，以提供适时的支持性反馈和个性化指导，也要对学习成果（包括学习作品、问题解决能力、创新能力、协作学习能力等）开展综合性的评价。

三、基于TensorFlow Playground平台的高中人工智能教学案例

（一）目标定位与平台选择

“人工神经网络”是教科版《普通高中教科书 信息技术 必修1 数据与计算》第5单元“数据分析与人工智能”中第2节“探秘人工智能”的内容，具有较强的抽象性和挑战性。高一、高二学生已具备较好的学习基础，但在学习该内容的过程中，仍然特别需要形象思维的支持。TensorFlow Playground平台（如图2）可化抽象为具体，揭示人工神经网络算法原理的同时允许用户调整参数、自主搭建网络以观察效果，可帮助学生感受神经网络的训练和工作过程并观察到模型训练的结果。

人工神经网络模块第一节课的定位是要求学生掌握人工神经网络的核心思想（包括本质、构成、工作原理和优势等），为之后理解各类神经网络的原理与应用打好基础。因此本节课主要有以下学习目标。

（1）能够类比人类图像识别的过程，理解机器认知的过程以及人工神经网络在机器认知和识别中的作用。

（2）能够掌握人工神经网络的基本结构，准确说出其基本构成要素。

（3）能够在TensorFlow Playground平台上构建和训练解决二分类问题的人工神经网络。

（4）能够详细阐述人工神经网络的学习过程和工作原理，理解其本质思想。

（二）情境创设

本节课以“学校人脸识别系统”为主题，创设了具体的情境：校园安全的重要性不容忽视，随着学校教职工和学生数量的增加，校园门口安保工作的任务量加大，为此，学校准备引入门禁系统。通过什么方法可以有效区分校内和校外人员呢？

该情境与学生的生活实际相结合，使学习内容更具有现实意义和应用价值，从而激发学生的学习兴趣。另外，学生在该情境中可以感受和体验图像识别、机器认知等相关知识，有助于加深对这些内容的理解，自然过渡到自主设计机器认知、搭建人工神经网络模型的过程。伴随着使用TensorFlow Playground平台进行模型的搭建、训练和测试，学生真正打开了人工神经网络技术的黑箱。通过在此基础上深度体验由PyCharm环境和Python语言开发的“人脸识别”系统，学生在具体情境中将理论知识转化为实际操作能力，提高了解决问题的能力。

（三）项目设计

学习活动是项目最终的落脚点，也是推动课程变革与教学创新的核心^[14]。本项目分为“初探”和“进阶”两个核心活动。“初探”活动用于搭建单层神经网络模型解决简单的二分类问题，“进阶”活动用于搭建深度神经网络模型，解决复杂二分类问题。项目依托平台开展，笔者对依据项目节奏设计的两个核心活动进行了进一步分解与细化，形成了如图3和图4所示的活动链。教师在教学过程中会提供详细的导学单作为学习支架，保证学生按照进度进行探究的同时，有自主选择和探索的空间。

（四）问题构建

如图5所示，本节课从“如何有效区分校内和校外人员”这一事关校园安全的现实性问题出发，教师在引导学生深入分析机器认知过程后，将该现实问题转化为“如何有效区分平面上兩个不同的数据集”，并将其作为课程的导入问题。之后教师围绕该问题精心设计了2个面向学生的核心问题，并利用TensorFlow Playground平台将该问题形象化表示。最后教师依据核心问题和知识主线，进一步衍生出了6个串联问题，帮助学生在探究活动中完成知识学习。

（五）教学实施

基于以上设计，本节课形成了素养导向下“情境—项目—问题”的一体化设计（如图6），有效串联了情境、项目、问题和知识四条主线。在教师的引导下，学生以问题解决为主线开展持续性探究，完成问题解决的同时自然而然地体会到人工智能的强大与奥秘，并深刻领会人工神经网络背后的原理，做到了知其然更知其所以然。课堂教学可分为以下四个环节。

1.入项：情境创设，引出问题情境

本环节意在由真实生活情境出发，引出本节课的主题情境。教师结合图片和案例展示引出校园人脸识别系统相关问题，并抛出核心问题“如何有效区分校内和校外人员”供学生初步思考和讨论。随后，教师使用流程图展示人类的认知过程，引导学生类比思考机器认知的原理并设计机器认知的过程。在学生对机器认知有了整体认识的基础之上，基于对机器认知和图像识别过程的分析，教师点出人工神经网络在机器认知过程中的关键作用，自然过渡到本节课学习的知识主题——人工神经网络。

2.初探：解决简单二分类问题

本环节需要将现实问题抽象建模成数学问题，这既是机器认知的过程，也是人工神经网络工作的过程。在师生共同分析了图像识别与机器认知过程后，学生已经清楚人脸识别的前置步骤是将人脸数据进行特征提取，从而表征成计算机可识别的数据集。因此，校内、校外人士的人脸识别问题可通过相同步骤转化为平面上两个数据集的分类问题，这也是人脸识别技术的本质。教师在分析完上述问题后，直接向学生呈现平台上的数据集（如图7），逐步引导学生开展对该数据集进行分类的系列探索。本部分学生将经历“自主划分—反思—训练—人机比拼—再反思”的系列过程，重点围绕两个活动展开。

（1）学生手工自主解决二分类问题。活动相应问题是：如何用一条直线将该平面一分为二，快速区分开平面上两个数据集？该活动目的在于帮助学生通过数形结合的方式，绘制分类线，写出分类线方程（本质为建立数学模型），并理解方程中的相关系数对分类结果的影响，为之后相关概念（权重、残差）迁移到计算机解决奠定基础。

（2）学生基于TensorFlow Playground平台搭建单层人工神经网络模型，对比前后分类结果。子问题是：能否调整特征值的权重，尝试画出一条不偏不倚的分类线？学生将自主尝试成果和成熟人工神经网络模型绘制结果进行对比（比较绘制次数和最终分类结果），自然体会到人工神经网络在解决该分类问题上的优势。这一过程引出了单层神经网络的相关知识内容（本质、构成、工作原理）。

在该活动中，学生由最初在纸质导学单上用直尺划分（形象思维），到写出直线方程，建立函数（抽象思维），再到在平台上搭建、训练和测试人工神经网络模型，开展人机比拼，画出不偏不倚的直线（形象思维），最终对比人工神经网络和手工绘制分类线的结果，思考人工神经网络强大之处（抽象思维）。学生基于虚拟实验法，经历了形象思维和抽象思维的不断转变，在不断探究和反思中搭建出人工神经网络的具象模型，理解其本质、构成和基本原理。

3.进阶：解决复杂二分类问题

本阶段是初探环节的进一步延伸，因此上下情境的衔接与过渡非常关键。教师首先需要引导学生对初探环节进行总结与反思：该环节中呈现的是两个在水平和垂直方向上毫无交叉的数据集，代表着两张完全没有相似度的人脸，而在现实生活中，人脸相似是很常见的现象。两张有着一定相似度的人脸，在经过特征提取之后其数据集在水平和垂直方向会有一定的交叉。基于以上总结，教师顺势呈现新的数据集（如图8），从而引导学生思考上一个活动建立的人工神经网络模型在解决相对复杂分类问题上的局限性，进一步分析明确解决该问题的方式应该是增加模型的复杂度。在该环节，学生继续经历“探索尝试—问题解决—实践反思”过程，在多样化模型建构的基础上掌握深度神经网络的相关知识内容。该环节包括以下重点活动。

（1）自主尝试增加模型复杂度。学生通过平台上参数调整增加隐藏层和神经元个数，尝试增加模型复杂度，并在搭建过程中重点思考本环节的3个子问题（如图6）。不同学生搭建的模型有所不同，此部分为开放性的任务。

（2）观察问题解决结果。通过观察平台右侧模型Loss曲线是否平稳、Loss值是否趋近于0，学生验证自主搭建的模型是否成功。

（3）讨论与实践。结合平台上各个神经元的可视化表征结果、模型搭建的过程和结果，小组讨论尝试回答本环节的3个子问题。师生共同总结该环节涉及的深度神经网络模型的相关知识内容（包括概念、构成和隐藏层的作用）。

4.出项：问题解决，实践体验

这是具体的工程实现环节。在学生弄清楚了人工神经网络背后的原理之后，教师邀请学生小组合作，按照机器认知过程（输入图像、提取特征数据→训练数据、生成分类模型→测试模型，输出识别结果）体验模块化的人脸识别系统，加深对原理的认识。

（六）成效评价

一节课的容量较小，难以看出学生的能力成长，简单的前测后测并不适用于本次教学评价。因此本次教学采用的是基于过程和结果的综合性评价，以拓展性任务的完成情况作为评价的重要组成部分，同时在课后开展访谈。

从教学环节的展开过程中可以看出，学生能够在问题的引导下主动思考、自主搭建与训练模型，整体的课堂氛围和课堂展示的结果较好。

从访谈的结果来看，大部分学生认为这节课内容丰富、深入浅出、轻松活泼又节奏紧凑，更有学生表露“代入感极强，激起我们对信息技术的喜爱之情和对人工智能的无限憧憬”。

对于对此部分内容特别感兴趣的学生，教师设计了一个开放型任务——结合给定拓展资料，绘制人工神经网络概念图。从任务完成情况来看，学生的作品（如图9、图10）反映出他们对相关原理和概念的有了深度理解。

四、总结与反思

高中阶段的人工智能教学强调深化原理认识，聚焦核心概念和算法的理解，探索利用人工智能解决问题的过程和方法，这对教师和学生都是极大的挑战。“工欲善其事，必先利其器”， 好的数字化平台既能成就学生也能解放教师。对学生而言，数字化平台的“好”体现在支持开放和深入的学习过程，更体现在能够给予他们探索的空间。对教师而言，不仅需要及时转变教学理念，广泛关注各类新技术和新平台，还要善于在数字化平台与情境和知识之间架起桥梁，结合平台开展融合情境、项目、问题的整合性学习设计，以问题情境为起点，以问题解决为路径，以项目设计为载体，用深入浅出的方式，吸引学生走入情境，在真实问题解决中完成对抽象、复杂知识的深度理解，发展其独立思考、问题解决、实践能力和创新创造能力等核心素养。本研究只是高中人工智能教学的一次阶段性尝试，在不断探索中，笔者发现其背后的很多思路可以为高中人工智能教学提供参考，相信未来会有更加丰富多样和有深度的实践案例涌现。

注：本文系2021年度江苏省教育科学规划课题“指向‘敦品文化的學校课程德育的实践研究”（课题立项号：D/2021/02/663）的阶段性研究成果、南通市教育科学规划课题“深度融合理念下高中信息技术学科核心素养培养路径研究”（课题立项号：JS2021015）的阶段性研究成果。

参考文献

[1] 王杰文.信息技术赋能教育的三个层次：基于中小学教师信息技术应用能力提升的视角[J].中国教育学刊，2022（6）：1-6.

[2] 中华人民共和国教育部.2024年全国教育工作会议召开[EB/OL].（2024-01-11）[2024-03-12]. http：//www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/moe_1485/202401/t20240111_1099814.html.

[3][8][9] 李锋.素养导向的中小学人工智能教育：化知识为素养[J].基础教育课程，2023（21）：4-11.

[4] 张秀梅，赵明仁，陆春萍.技术赋能的中小学教学模式创生路径研究：政策、理论、成果、特点与趋势[J].中国电化教育，2023（8）：32-40.

[5] 方圆媛，黄旭光.中小学人工智能教育：学什么，怎么教——来自“美国K-12人工智能教育行动”的启示[J].中国电化教育，2020（10）：32-39.

[6] 林崇德.构建中国化的学生发展核心素养[J].北京师范大学学报（社会科学版），2017（1）：66-73.

[7] 谢忠新，曹杨璐，李盈.中小学人工智能课程内容设计探究[J].中国电化教育，2019（4）：17-22.

[10]刘继忠，陈翠.真实情境促进深度学习的价值、原则与策略[J].中小学管理，2023（10）：51-54.

[11]崔允漷.学习素养通过项目化学习培养[J].上海教育，2018（34）：18.

[12]邢淑朋.指向核心素养的学生“问题解决”能力培养[J].中国教育学刊，2023（10）：106.

[13]俞超.高质量问题链与高效语文课：“对话主义”课堂构建初探[J].语文建设，2018（14）： 20-22.

[14]王志军，严亚玲.设计思维如何指导教学创新？——项目化学习设计的视角[J].开放教育研究，2023，29（1）：26-36.

（作者系江苏省海门中学教师）

责任编辑：李媛