0 引 言
当今，人工智能技术正在改变人们的工作与生活方式，不断推动科技进步与产业革命，重塑教育的新形态[1]，也对人才培养提出了更高的要求。计算思维、编程能力和对智能化社会的深度认知是国家人才战略需求的重要素质[2]，计算思维作为一种注重解决问题、设计系统、知识迁移的科学思维方式，被视为人工智能时代的必备素质[3-4]。
计算思维的本质是抽象与自动化，要求将问题抽象后得到的方案自动化实现[5]。人工智能教育能够从3个方面为K-12阶段计算思维培养提供新的视角：①培养目标方面，人工智能作为跨领域的综合性知识内容，其人工智能教育指向了培养学生综合运用多种知识技能并使用计算机自动化解决问题，计算思维这一核心素养以抽象和自动化为本质，注重问题解决，二者在培养目标方面十分契合；②培养过程方面，高中人工智能课程的开展涉及编程教学和项目学习等内容，要求学生使用计算机和人工智能技术解决问题、完成作品；根据国内外学者在K-12阶段开展的各项研究，计算思维的培养主要有编程教学[6-7]、将计算思维嵌入各种跨学科课堂项目与活动[8]、专门设立计算思维学科[9-10]这3种教学手段。由此可见，人工智能课程能够为计算思维培养提供教学开展的内容与方法；③评价要素方面，人工智能课程与计算思维培养都以学习者为中心，注重个人能力的培养，并且都关注项目学习中的形成性评价[11]。因此，人工智能教育与计算思维培养能够有机结合，相辅相成。
1 计算思维求解问题的路径
2017年版普通高中信息技术课程标准对计算思维做出界定：计算思维是以计算机领域的学科方法界定问题、抽象特征、建立结构模型、合理组织数据，通过判断、分析与综合各种信息资源，运用合理的算法形成解决问题的方案，总结利用计算机解决问题的过程与方法，并可迁移到与之相关的其他问题解决中的一种学科思维[12]。
关于如何在K-12阶段的信息技术课程中培养学生的计算思维，国内外都进行了多维度的探索。文献[13]在2014年面向芬兰、意大利、立陶宛、荷兰、瑞士、美国等多个国家，对K-9阶段的计算思维教育基本情况进行了跨国政策分析和教师实践研究，发现大部分教师在课堂中主要通过编程工具和软件融入计算思维教育，但是对结果的关注大于过程。文献[14]采用了Cynthia Selby和John Woollard提出的计算思维五要素理论，分别基于算法思维、分解思维、抽象思维、概括思维和评估思维设计了若干个课堂活动。文献[15]综合分析了计算思维内涵和当前高中信息技术课程教学目标，构建了立体、网状的三层计算思维逻辑框架，包含学科概念层、计算思维层和创新应用层，进而设计了培养计算思维的高中信息技术校本课程。
计算思维求解问题的路径分为4个环节，具体见表1，同时围绕这4个环节设计高中人工智能课程的项目活动。
2 学习环境平台设计
人工智能课程的项目式学习活动依托人工智能教学平台开展。机器学习项目实践模块是基于IBM Watson开发的网页版，学生能够在线上完成机器学习的数据上传、模型训练与测试，导出App Inventor和Python接口等功能；同时，面向教师提供教学管理功能，包括设置IBM Watson API Keys、管理学生账号与班级分组、监督学生机器学习项目等。教师对学生账号有创建、删除、重置密码、转移班级的权限，教师对学生机器学习项目有查看、删除、评价的权限。
3 高中人工智能课程项目式学习活动设计
3.1 内容要求与目标定位
随着人工智能技术推动社会向智能化社会转型，人工智能教育在高中课程体系中的定位需要进一步凸显与提升[16]。新一轮课程改革为高中信息技术的必修模块更新了人工智能内容，并且在选择性必修模块增添了人工智能初步。《普通高中信息技术课程标准》（2017年版 2020年修订）[17]强调了项目化学习的重要性，并且在选择性必修的人工智能课程模块的教学内容中提出了以下要求：①学习人工智能的概念、理论、应用等相关知识；②学习人工智能的基本过程、实现原理与核心算法；③学习人工智能应用的开发，并迁移至实际生活的其他情境中解决问题；④了解智能化社会的伦理与挑战，增强信息安全意识与责任感，辩证看待人工智能。
依托2017年版普通高中信息技术课程标准提出的人工智能课程内容要求，对人工智能教学提出了以下3点目标定位：①在钻研人工智能、搭建智能系统的过程中培养编程技能和计算思维；②将人工智能相关知识与技能迁移至学习与生活的其他情境中解决新问题；③通过学习人工智能增强信息意识与信息社会责任。另一方面，在人工智能课程的学习方式采用项目式学习的方式，重视学生问题解决能力和计算思维的养成。
3.2 项目活动设计具体内容
基于人工智能教学内容难度分布和学生在人工智能与编程方面的知识水平，设计4个项目，通过可视化编程和Python编程两种方式，循序渐进地带领学生运用计算思维开发人工智能应用，在学习人工智能的同时锻炼编程能力和问题解决能力。项目的具体内容见表2。
3.3 项目活动实施
2021年9—11月于苏州市D中学向高一年级A班的37位学生开展了基于项目式学习的高中人工智能课程教学实践，并使用项目成果评价表对学生进行形成性评价，评价维度包括学生的问题解决方案设计、程序开发能力、问题解决过程和作品最终效果、小组协作状况。
根据卢卡斯教育研究所提出的项目式学习严谨标准，项目应该是真实、有意义的，项目学习应该与多学科融合，项目活动应该支持多主体互动，项目学习中要运用过程性评价改进教学[18]。以项目式学习严谨标准为理论基础开展教学实践，学生通过项目实践，学习运用计算思维的方法开发人工智能应用解决实际问题，在项目过程中抽象问题特征，建立神经网络模型，组织训练集数据，设计系统性的问题解决方案，利用计算机检验程序与模型，展示作品并评价作品，最后总结解决问题的过程与方法，并迁移到相关的其他问题中。
以项目“人工智能如何分析网络平台的舆论话题”为例，项目式教学主要包括5个环节，由于该项目任务较多、难度偏大，因此分两个课时进行，前3个环节于第一课时完成，后2个环节于第二课时完成。
1）入项：独立思考，分析问题。
教师展示当下的微博热搜，让学生将热搜中的条目归纳为若干个话题，然后引导学生思考：人类是如何识别并归纳话题的。学生经过独立思考后得出人类识别舆论话题的方法，接着教师引导学生提出问题：计算机如何识别舆论话题，并明确问题解决的关键，提出问题解决的方案，将现实问题抽象为计算机能处理的算法流程。
2）构建知识与能力。
教师帮助学生提取已有的关于数据收集与数据处理的知识，并建立起与中文文本分类数据集这一新知识的关联。学生根据先前总结归纳的社交平台常见舆论话题，搜集相关文本数据，并将数据合理地组织为文本分类数据集的格式。接着，教师带领学生回顾先前学习的识别
的卷积神经网络（Convolutional Neural Network, CNN），引出新知识：识别文本的卷积神经网络TextCNN。
3）组成小组，项目探索。
教师组织学生组成小组，整合全班学生的数据集共享使用。依照项目任务单文档的指引，学生根据先前所学的卷积神经网络相关知识，完善模型参数配置文件model_config.py，并在文件中留下参数变更的注释，以记录更改理由和更改历史，便于后续程序开发任务的顺利进行。完成模型参数配置和训练参数配置后，学生继续完善数据预处理文件preprocess.py、卷积神经网络模型主体文件model.py和主函数运行文件main.py。在这一过程中，学生需理解卷积神经网络的构建、训练、保存、调用过程，以及了解数据预处理环节中文本的读取、分词、分类和分词索引如何实现。
当所有程序文件都修改完毕后，学生尝试使用先前构建的数据集进行模型训练。学生在运行程序的过程中，难免会遇到棘手的问题，可以通过小组成员互帮互助或者利用教学平台中丰富的学习资源（如学习任务单、拓展阅读材料等）的方式自主排查问题、寻找答案。如果还是难以解决问题还可以举手向教师求助。在发现程序错误和解决程序错误的过程中，学生领会各个函数之间是何种调用关系，其参数如何传递。最终学生能够顺利运行程序，进行模型训练与测试，小组成员互相交流模型训练和测试的准确率，选出实际测试效果最好的模型。
4）完成与优化项目成果。
在学生都完成模型的训练与测试并且各小组选出效果最好的文本分类模型后，教师给学生发送更丰富全面的、专业的自然语言处理数据集，指引学生修改程序，将其迁移至新的自然语言处理数据集，并使用新数据集训练模型、测试功能。学生通过小组合作集思广益，思考程序基于新的数据集还能开发出哪些新的功能，有能力的小组可以尝试实现新功能。
5）展示项目成果。
在这一环节中，每个小组派出一名代表展示自己小组完成的舆论话题分析程序，学生在展示效果的同时讲解代码的实现方式，项目过程中出现的问题和问题的解决方案，小组成员反思并总结本次项目的收获，其他学生进行项目成果评价，教师也要给予客观的点评。通过项目成果展示，学生互相学习、认真评价、深刻反思，巩固对人工智能知识技能的理解，促进演化与迁移能力的培养。
4 高中人工智能课程项目活动的评价结果分析
项目成果评价表分为5个评价维度：学生的问题解决方案设计、程序开发能力、问题解决过程、作品最终效果和小组协作状况。通过对学生多个项目成果总体横向分析和按照项目成果各个维度纵向分析，观察学生对计算思维的运用是否逐步熟练、内化于心。在人工智能课程的每次项目实践结束后，各小组及教师需要使用项目成果评价表对学生的学习成果进行评价，而后计算评价结果的平均分作为学生的项目学习成果最终得分。学生在人工智能课程各个项目的得分统计见表3。
分析项目成果评分统计表中学生在4次项目里的总体表现，可以看出学生在第一次项目“剪刀石头布”中表现一般，而随着项目学习的推进，尽管项目的难度逐步递增，但学生的项目成果评分总体呈上升趋势。这主要是因为学生在第一次接触需要运用计算思维分析问题、解决问题的项目时并不熟悉，但随着后续项目的开展，学生逐渐适应了利用计算思维完成项目，总体表现越来越好。
学生在抽象问题、分析问题时，有时难以把握问题的关键，而分析数据类型、搜集数据和组织数据的环节有助于加深学生对问题的理解，从数据的角度直击问题解决的突破点。学生在编程环节难免会发生语法错误、调用失误等现象，而完整的项目学习能够训练学生的编程技能，在发现程序错误与修复程序错误的过程中促进工程思维的培养。随着计算思维的逐渐养成，学生在反思评价环节能够深刻、具体、系统地回顾整个项目学习过程，总结每一环节的经验，将知识内化、迁移。
在最后两次项目学习中，班级里大部分学生都能达到上述的学习效果。学生能够首先将问题抽象为计算机处理机制，将现实问题转变为计算机模型；然后分析数据类型，以小组为单位构建数据集；接着构建人工智能模型并使用数据集训练模型，基于模型开发人工智能应用；最后分享展示，评价、反思与总结，促进知识的演化与迁移。综上，高中人工智能课程通过实施项目式学习活动，较好地训练了学生使用计算思维分析问题、解决问题、总结反思的能力与习惯，有助于学生计算思维能力的发展。
5 结 语
通过对学生的项目成果评价分析，可以得知学生经过人工智能课程的项目学习后能够抽象问题特征，合理收集与组织数据，建立人工智能模型，综合各种资源运用算法制定解决问题的方案，利用计算机编程解决问题，并总结反思促进知识的内化与迁移。这说明项目式学习活动较好地训练了学生使用计算思维分析问题、解决问题、总结反思的能力，有助于学生计算思维能力的发展。
参考文献：
[1] 梁迎丽, 刘陈. 人工智能教育应用的现状分析、典型特征与发展趋势[J]. 中国电化教育, 2018(3): 24-30.
[2] 陈凯泉, 何瑶, 仲国强. 人工智能视域下的信息素养内涵转型及AI教育目标定位: 兼论基础教育阶段AI课程与教学实施路径[J]. 远程教育杂志, 2018, 36(1): 61-71.
[3] 罗海风, 刘坚, 罗杨. 人工智能时代的必备心智素养:计算思维[J]. 现代教育技术, 2019, 29(6): 26-33.
[4] 郁晓华, 王美玲. 计算思维培养之路还有多远: 基于计算思维测评视角[J]. 开放教育研究, 2020, 26(1): 60-71.
[5] Wing M.Computational thinking and thinking about computing[J].Philosophical Transections of the Royal Society A: Mathematical, Physical and Engineering Sciences, 2008, 366(1881): 3717-3725.
[6] Code. Org. Hour of Code[EB/OL]. [2023-04-20]. https://hourofcode.com/cn/zh/learn.
[7] 修志宇. 面向高中生计算思维能力培养的Python课程设计[D]. 锦州: 渤海大学, 2020.
[8] Brown N C, Sentance S,Crick T, et al.Restart:The resurgence of computer science in UK schools[J]. ACM Transactions on Computing Education(TOCE), 2014, 14(2): 1-22.
[9] CoolThink@JC(2016). Our approach[EB/OL]. [2023-04-20]. https://www.coolthink.hk/en/ct/.
[10] Falkner K, Vivian R, Falkner N. The australian digital technologies curriculum:Challenge and opportunity[C]//Proceedings of the Sixteenth Australasian Computing Education Conference.Darlinghurst, NSW, Australia: Australian Computer Society, 2014: 3-12.
[11] 段波. 面向计算思维发展的中学人工智能课程活动设计[J]. 天津师范大学学报(基础教育版), 2022, 23(1): 53-58.
[12] 李锋, 赵健. 高中信息技术课程标准修订:理念与内容[J]. 中国电化教育, 2016(12): 4-9.
[13] Mannila L, Dagiene V, Demo B. Computational thinking in K-9 education[C]//Proceedings of the Working Group Reports of the 2014 on Innovation & Technology in Computer Science Education Conference.New York, NY, USA: Association for Computing Machinery, 2014: 1-29.
[14] Selby C, Woollard J. Computational thinking: The developing definition[EB/OL]. [2023-03-20]. http://eprints.soton.ac.uk/356481.
[15] 曹晓明, 安娜. 培养计算思维的高中信息技术校本课程研究[J]. 现代教育技术, 2018, 28(7): 106-112.
[16] 陈凯泉, 何瑶, 仲国强. 人工智能视域下的信息素养内涵转型及AI教育目标定位: 兼论基础教育阶段AI课程与教学实施路径[J]. 远程教育杂志, 2018, 36(1): 61-71.
[17] 教育部. 教育部关于印发普通高中课程方案和语文等学科课程标准(2017年版2020年修订)的通知[EB/OL]. (2020-05-11)[2023-04-20]. http://www.moe.gov.cn/srcsite/A26/s8001/202006/t20200603_462199.html.
[18] 王淑娟. 美国中小学项目式学习: 问题、改进与借鉴[J].基础教育课程, 2019(11): 70-78.
基金项目：江苏省教育厅人文社会科学研究基金项目“人工智能辅助的中学AI教育系统的设计与开发研究”（2021SJA1351）。
作者简介：刘江岳，男，苏州大学副教授，研究方向为人工智能教育、计算机网络安全，ljy@suda.edu.cn；马静（通信作者），女，苏州大学硕士研究生在读，研究方向为人工智能教育，20204218002@stu.suda.edu.cn。
引文格式：刘江岳,马静.培养计算思维的高中人工智能课程项目式学习活动设计[J].计算机教育,2023(12):361-366.
转自：“计算机教育”微信公众号
如有侵权，请联系本站删除！
