人工智能课程内容新、贴近学生生活，能够很好地激发学生学习兴趣，为计算思维培养提供生动案例。以计算思维的培养为目标进行人工智能课程的设计与教学，不仅能有效促进人工智能教学实践，还有利于学生计算思维能力的培养。目前，对人工智能课程如何在初中开设还处于探究阶段，在初中开设人工智能校本课程主要应解决教什么和怎么教的问题。
学校初中部信息技术组在北京市信息技术学科特级教师张军老师、区教研员林志奕老师的引领和指导下在初一年级连续进行了三轮人工智能校本课程的教学实践。本文旨在阐述学校进行的基于计算思维的人工智能校本课程的设计和实施的方法，为初中阶段人工智能课程的开设提供一些参考。学校人工智能校本课程中用到的平台，都是信息技术组教师根据课程需要，提出需求，由第三方在学校的信息技术平台上添加相应的可操作性模块。
在初中开设人工智能校本课程，首先要设置课程目标，有了课程目标，课程内容的选择、教学模式的选取、课堂实施的策略等，才有了方向。经过查阅相关资料、听专家讲座、专家指导、第三方公司的培训、对学生的问卷调查、访谈外校信息技术教师、全组教师讨论，我们制定了本校初中开设人工智能课程的目标：初步体验和了解人工智能技术；了解人工智能的基本概念和原理；了解人工智能在学习、生活等方面的应用；激发学习人工智能的兴趣，激发今后从事人工智能研究工作的动机；培养计算思维能力。
按照上述课程目标，我们制定了课程框架（表1）。如基础篇主要包含初识人工智能和Python语言基础两部分内容，目的是感受人工智能，激发学习人工智能的兴趣，为实战篇的学习打下基础。其中，通过Turtle绘图模块了解程序设计三大结构。为什么选择通过Turtle模块了解三大结构呢？主要考虑到教学对象是初一学生（12~13岁），形象思维较强，选择通过Turtle绘图了解这部分内容，对理解程序设计的三大结构较容易，从课上学生的反映和课后的反馈可以看出，这种方式是行之有效的。实战篇中既有机器学习、深度学习等应用广泛的人工智能技术，也有网络爬虫技术、大数据等人工智能最重要的根基内容，数据的获取、分析和应用非常重要。
表1 人工智能课程框架
有了课程的总体框架，那么具体到课堂教学中如何开展和落实呢？如何在课堂教学中渗透计算思维、培养计算思维能力呢？下面以实战篇中的“简单机器学习——线性回归”这一项目的三节系列课程为例进行介绍。
这三节系列课分别为简单机器学习——线性回归初体验、简单机器学习——让预测更准确和简单机器学习——我与线性回归。第一节体验（是什么）、第二节原理探秘（为什么）、第三节应用（对我们有什么用），这三节课的关系对应了计算思维的提出问题、启发推理构建模型、迁移应用的思维过程。
设计思想：在问题解决中学习，通过提出问题引导学生实践探究解决问题，启发推理获得新知。如初体验这节课是通过教师抛出问题，引发学生实践探究；让预测更准确这节课是通过设计系列问题，让学生解决问题来强化教学重点；我与线性回归这节课是通过体脂问题的探究，学生掌握解决实际问题的基本流程并能应用到同类问题的解决之中。
不仅简单机器学习这个项目是这种设计思路，实战篇的其他项目也是如此。
在人工智能课程中，是如何培养学生计算思维能力的呢？
（1）“简单机器学习——线性回归初体验”一课的教学环节如图1，首先通过问题“你想知道你成人后的身高吗”导入课程。
图1 “简单机器学习——线性回归初体验”教学环节
环节一：预测体验，归纳步骤。带着问题体验预测过程：根据父母身高预测自己成人后的身高；归纳预测步骤：导入样本数据—绘制散点图—生成线性方程和拟合线等数学模型—根据数学模型预测成人后的身高。本环节的教学目的是感性感知线性回归预测方法及过程。
环节二：预测过程解析。通过问题引导和教师讲评，让学生理解方程、拟合线等数学模型的构建过程；了解预测结果是怎么来的；通过设计问题支架，引导学生抽象出预测过程背后的一般原理和规律。
环节三：感知机器学习过程。教师提出问题 “整个预测过程分为哪两部分”，学生根据体验活动和问题的引领，逐渐领会：预测身高步骤中的1-3步：构建数学模型；第4步：利用模型预测结果；进而推理出简单机器学习的过程是：先根据样本数据通过算法构建数学模型，后应用模型预测结果。本环节的教学目的是根据预测步骤推理出简单机器学习过程。
最后一个环节作业是本节课的结尾，也是下节课的起点。从整堂课设计的教学环节可以看出，每个教学环节都是通过设计问题支架，引导学生推理获得新知。整堂课都是在问题解决中进行学习的，并在提出问题、分析问题、解决问题的过程中渗透计算思维学科核心素养。
预测准确度是预测技术追求的重要指标，因此我们设计了第二节课。
（2）“简单机器学习—— 让预测更准确” 一课通过复习上节课的作业，预测钻石价格导入新课。
环节一：探究异常值对预测准确度的影响。提出问题：你能预测1克拉钻石价格吗？学生实践探究预测，并发现无法预测。教师启发学生找出原因，将异常值删除后，预测出了钻石的价格，从而得出结论：异常值对预测准确度有影响。
环节二：探究R方和是否线性的关系。教师提出第二个问题：没有异常值就一定能预测吗？学生实践探究进行预测，得出结论：R方值越大，预测准确度越高，反之则越低，太小就无法预测，即预测准确度受R方的影响。
环节三：探究数据量对预测准确度的影响。提出问题：R方值足够大，预测准确度就一定高吗？学生实践探究预测，得出结论：“不，受数据量影响”。
环节四：探究数据范围对预测准确度的影响。提出问题：数据量足够大，就一定能预测吗？学生实践探究预测140克拉钻石的价格，预测结果不合理，得出结论：“不，受数据范围的影响”。
最后，课堂总结、扩展提升。整堂课把影响预测准确度因素的这个大问题分解成4个小问题，逐个解决、清晰明确，学生通过对每一个小问题的解决形成对“如何让预测更准确”的全面认识。
从每个环节问题的设置可以看出：上一个问题的答案是下一个问题的引入，环环相扣，学生每次都胸有成竹地去做探究预测任务，结果却总是掉到教师提前设置的坑里，从第一个坑里爬起来，掉到第二个更深的坑里，最终到达终点，对如何提高预测准确度有了一个系统的认识。整堂课学生在问题解决的过程中，初步形成了问题解决的策略，实现了计算思维的最终目标。那么如何把问题解决的策略应用到解决学生在生活、学习中关心的问题中呢？我们设计了“我与线性回归”这节课。
（3）“简单机器学习——我与线性回归”一课通过体脂高的肥胖型猪八戒的卡通图片，引出体脂高给人们带来的高血压、糖尿病、胰腺炎等健康危害，导入本节课内容：应用前面所讲的预测技术探究体脂问题。通过测体脂、找差距、想办法等教学环节，归纳、总结出了应用简单机器学习预测技术解决体脂问题的步骤，最终达到利用解决体脂问题的思路来解决生活中的其他类似问题的目的。
（1）在问题探究中，提升计算思维能力
如“线性回归初体验”这节课，学生体验了用样本数据通过算法推出模型，用模型根据自己父母的身高预测自己成人后的身高这一过程后，教师针对“如何根据散点图判断X、Y轴所选择的数据是否具有线性关系”这一问题，学生通过 “特征空间”平台，在教师设计问题的引导下，通过自己实践探究任务，预测结果却是无法预测，学生们感觉很奇怪，于是教师给学生展示两张散点图。
第一张散点图是根据气温预测风速且没有预测结果的散点图，第二张散点图是根据父母平均身高预测自己成人后的身高有预测结果的散点图，通过两张图的对比、分析，最后得出结论：散点图中数据点分散地分布在一条直线附近表明X、Y轴所选择的数据具有非线性关系，因此预测结果是无法预测；散点图中数据点集中地分布在一条直线附近表明X、Y轴所选择的数据具有线性关系，所以能预测出结果。
（2）在任务单的完成中，提升计算思维能力
如在讲网络爬虫项目时，学生爬取豆瓣网数据后，在任务单子任务的引领下，通过对爬取数据进行分析，写出了选取一本好书决策报告。学生在任务单中每个子任务的完成中，决策报告的编写中，感受爬取数据的作用，提升了计算思维能力。
教学的目的不仅是教授知识，更是以知识为载体，培养学生的能力，提升学生计算思维、逻辑思维等思维水平。随着科技的发展，人工智能应用在生活的方方面面。了解人工智能相关知识不仅是教学上的要求，也是作为公民必须具备的基本常识。在中小学阶段开展人工智能课程到底教什么？如何选择深浅程度合适又贴近学生生活实际的内容呢？在中小学阶段开展人工智能课程到底怎么教？如何选择合适的教学策略？本文做了一些尝试，但还有不足之处需要继续探讨。
作者单位：北京市第八中学
内容来源：中小学信息技术教育
联系客服
