人工智能与非物质文化融合

教学内容

本课教学内容为华东师范大学出版社《人工智能启蒙》第2 单元第4 课“智能的探秘——算法”。在第1 单元中学生了解了人工智能的基础知识，走近人工智能。第2 单元探究人工智能的核心原理，从而走进人工智能。本课以探究KNN 分类算法为例，完整呈现了用算法解决问题的基本过程，同时也为第3 单元“智能的设计”的学习奠定了基础，具有承上启下的作用。

学情分析

本课程面向小学6 年级学生，该阶段学生的思维活动还需要通过一种感性、直接的经验支持。课前用问卷星调查发现，学生对人工智能的认知还停留在表面，对算法在人工智能中的作用不清楚，但学习兴趣浓厚、学习动力足。此外，学生有一定的编程基础和逻辑思维能力，也有对算法进行验证的经历，但对聚焦算法的程序实现，理解算法与程序之间的关系，还很欠缺。

教学目标及重难点

通过观看微视频、阅读资料，知道KNN 分类算法的基本概念、原理；通过探究活动了解K 的取值范围，掌握实现KNN 算法方法的步骤；通过搭建KNN 分类算法模型，实现五禽戏动作识别效果，理解算法执行全过程。其中，掌握KNN 分类算法的基本概念、原理及实现方法的步骤为本节课教学重点；通过抽象与建模，理解算法执行全过程为本节课的教学难点。

教学策略

以探秘五禽戏分类为情境线，以体验KNN 分类算法、解决实际问题、经历思维全过程为素养线；提供微视频、导学单、流程图等多种学习支架，帮助学生开展探究性学习；学生通过自主学习、合作探究等方式，开展以真实问题为情境，以主题任务为载体，以学科实践探究为主线的学科探究实践活动。

为了更好地达成学习目标，设计了5 个环节构成学习主线。整条学习主线，注重学生的学习体验，注重培养学生用计算机解决问题的能力，从而将计算思维培养落到实处。

教学环节

环节 1. 营造轻松氛围，激发学习兴趣

在导入环节，教师播放一段五禽戏视频，学生观看后可了解五禽戏强身健体的功效，由此激发学生模仿练习的热情，不仅强健了体魄，更在潜移默化中激发了学生计算yW0qGGBY/yvzgRzEO39PbRLkZ5YQhr0t+VFPMVbp12w=思维的萌芽。

环节 2. 类比学习方法，明确学习步骤

教师演示一个未知动作，引导学生积极辨别是五禽（猿、熊、虎、鹿、鹤）中的哪种？再以“机器如何分辨五禽戏中的动作？”为核心驱动问题，激发学生探索机器学习的欲望，产生用算法解决问题的动机。通过人的学习类比机器学习的方法步骤，了解机器学习过程为：采集数据，训练构建模型，输入新的数据时就会作出预测。在构建预测系统时，算法的运用能显著提高机器预测的精确性。这一环节旨在帮助学生深入理解算法的实质，提升他们对算法实现的认识和兴趣。

环节 3. 合作探究K 值，感知算法原理

学生通过观看讲解KNN 算法视频及自主阅读导学案资料，知道K 最邻近算法的核心思想，即“近朱者赤，近墨者黑”，以及实现KNN 算法的步骤。在KNN 算法中，K 的取值范围至关重要。但计算距离公式对于小学生来说较为复杂，教师根据五禽戏每个动作手的高度和脚的高度的综合比，确定了动作在坐标轴中的位置，让学生通过圈画范围，初步感知KNN 算法的原理。同时，要求学生记录圈内不同类型样本的数据，并进行分析，得出结论。K 的结果受“邻居”影响，哪一类型的“邻居”数量多，K 就属于哪种类型。

在随后的交流讨论中，学生学会了利用数据支撑自己的观点。学生圈画出不同范围后，根据KNN 算法的核心思想，得出当圈出K=3 时，虎动作数量为2，鹤动作数量为1，虎动作数量多于鹤，未知动作类别为虎。当圈出K=5 时，虎动作数量为2，鹤动作数量为3，鹤动作数量多于虎，未知动作类别为鹤。当圈出K=4 时，虎和鹤动作数量同样多，无法准确判断出未知动作的类别。当K 取值为6 或8 时，虎和鹤动作数量也同样多，仍然无法准确判断出未知动作类别。

这一过程不仅锻炼了学生的逻辑思维能力，还提升了他们的数据意识。值得一提的是，学生还发现当K 值为奇数时，能迅速确定结果；当K 值为偶数时，可能会出现数量相同的情况，机器就无法准确判断出结果。这一发现让他们深刻认识到，在KNN 算法中，K 取值为奇数更合适。

环节 4. 采集五禽数据，训练机器学习

本环节为本节课的重点内容。学生在Mind+ 中，通过扩展添加机器学习模块，编写预测系统的程序。第1 种是通过实时数据采集，直接调用机器学习模块中的KNN 算法，采集数据进行模型训练后，即可对未知动作进行预测。第2 种则是使用数据集，先进行模型训练，再对未知动作进行预测。编写2 种动物的预测程序对学生来说是个不小的挑战，教师鼓励学生借助流程图梳理编程思路，开展合作学习。在合作过程中，一名同学负责阐述思路，一名同学负责实践并验证，还有一名同学负责记录数据，3 人协作，确保任务顺利完成。这一过程不仅加深了学生对算法执行步骤的理解，还培养了他们的团队合作意识。

通过测试数据结果，学生发现机器在大多数情况下能正确识别动作类别，偶尔也会出现识别错误的情况，他们普遍认为出现错误与样本数量有关。于是，教师引导学生增加样本数量，并继续进行测试。在增加样本后，学生发现测试结果准确性确实有所提高，但仍会出现识别错误的情况。

这时，再引导学生回顾KNN 算法的核心思想——近朱者赤，近墨者黑。引导学生意识到，识别结果与K 的邻居有关，形成了本节课的知识点闭环，难点也随之被突破。

环节 5.拓宽学习思路，提升算法思维

本环节中，学生将调用已采集好的数据进行训练，通过KNN 算法预测模仿五禽戏未知的动作类别，再对程序进行优化，这不仅是对学生编程能力的考验，更是对其算法理解和应用能力的挑战。对于学有余力的学生，鼓励他们运用KNN 算法，编写预测学习用品的程序，拓宽KNN算法的应用范围。

教学效果

利用问卷星调查学生自评、互评结果，发现大多数学生对KNN 算法的基本概念、核心思想及实现步骤有了较为深入的理解；知道了人工智能系统的运行依赖于算法，算法让计算机能模拟人类的思维和行为，实现智能化处理；激发了学生对算法学习的热情，有助于他们在未来的人工智能领域中取得更好的成就。

（本案例获第七届中小学人工智能教育展示活动教师基本功展示特等奖）