《普通高中信息技术课程标准（2017年版2020年修订）》（以下简称“课标”）中将“人工智能初步”列入选择性必修模块。这说明我国对人工智能教育的重视程度在不断提升。为加快推进人工智能与教育深度融合，激发学生学习探索人工智能技术的兴趣，培养学生科学素养、创新思维和实践能力，厦门市2020年开展了“人工智能进百校”教育试点工作。作为该项目的试点校，笔者所在学校将人工智能课程与已有的课程、活动深度融合，开展了三年的教学实践研究。在项目取得进展的同时，我校在教学实践中也遇到了诸多问题。本研究从问题出发，以课标为指引，以智慧教学平台为抓手，探寻出一套信息技术支持下的高中人工智能课程教学实践模式。
一、高中人工智能课程实施中出现的问题
（一）课程与教学知识体系分散
在人工智能课程实践的前期，由于可供参考的案例不多，课程内容往往局限于拼凑式的知识点。一方面，鉴于有限的课时，多数学校实际上难以独立开设全面系统的人工智能课程；另一方面，教师凭经验设计课程内容和教学，使得培育全面发展的人与训练解题技能的矛盾凸显。以割裂的知识培育全面发展的人，无异于缘木求鱼。
（二）数字资源建设与生成滞后
高效、深入地开展人工智能教学，需要各种数字化资源的全面支持。然而，从目前的实际情况来看，课堂教学存在着学习资源零散化、与现有课程脱节、缺乏功能完备的平台支持教学流程顺利进行等问题。
（三）缺乏评价层面的引导，限制课程实践深化
教学评价对课堂教学的方向具有决定性影响。评价标准就像指挥棒，指引着后续教学实践的发展。一个完善的教学评价体系，不仅是人工智能课程顺利进行的指南，也为教师和学生提供了明确的价值规范。然而，在当前的人工智能教学中，普遍缺少系统化的评价机制，这导致教师在课堂调整和课后反思时缺乏有效的依据，难以对课堂情况和阶段性成果进行客观评估。这种状况使得教师的教学实践效果受限，同时也阻碍了教学质量评价的展开。
（四）学校单方面育人，难以形成育人合力
人工智能课程的有效实施，需要社会资源的积极参与和支持。仅仅依靠教师或学校难以将知识技能完全融入学生的日常学习和生活。因此，探索如何从单一的学校教育模式转变为社会协同育人的新机制，不仅是一个教育结构的重组过程，也是一线教师在教学中必须考虑的问题。
二、智能教学平台在人工智能教学中的优势
针对人工智能课程前期实践中的问题，笔者依托智慧教学平台，结合试点校项目及教学实际，综合选择了人工智能教学所需要的各项功能模块以辅助教学，如授课记录、学情中心、AI实训中心等（如图1）。
图1 智慧教学平台主要模块示例
此外，该平台能够通过大数据的采集与分析，为学校、教师和学生提供教学成果和质量评估的可视化图表报告（如图2），从而增强教学反馈的直观性和有效性。
图2 智慧教学平台生成的可视化图表报告
（一）打破学科知识壁垒，混融资源素材
《教育信息化2.0行动计划》明确提出要通过建成和完善数字资源公共服务体系、优化“平台+教育”服务模式与能力、实施教育大资源共享计划来实现数字资源服务的普及。该智慧教学平台的亮点之一在于建设的数字资源不仅包含资源本身，还涉及资源在教学中的应用以及在指定范围的分享。
由于高中人工智能课程内容涉及面广，需要跨学科的知识融合来打破学科界限。平台提供了混合性课程素材供教师灵活使用。这有助于教师在备课时跨越学科知识的界限，探寻单元主题内的知识逻辑和教学实施路线，展现知识的完整面貌，从而促进学生的全面发展，并解决人工智能学科在内容传授方面面临的挑战。
（二）创新互动体验功能，助力合作探究
课堂的实践环节是培育学生核心素养的重要抓手，师生的互动感与体验感直接关系到课堂教学能否顺利进行。相较于传统教学，智慧教学平台支持下的课堂更加注重学生各个层面素养的提升，尤其关注学生在理论与实践、协作与交流中能否更加直观地有所收获（如图3）。
图3 传统课堂与智慧教学平台支持下的课堂互动方式对比
（三）构筑家校社桥梁，实现协同育人
家庭、学校、社会三者作为各自独立的“组织”，因其各自功能属性的差异而存在边界，使得三者之间的联系存在一定的隔阂。智慧教学平台为三者提供了信息交互与流通的桥梁（如图4），通过建立资源数据库和实现资源的开放共享，形成了家庭、学校和社会之间的良性互动循环，从而推动了无边界教育的实现。
图4 智慧教学平台支持下的家—校—社协同育人关系
三、基于智慧教学平台的人工智能教学模式
综合问题梳理和分析，笔者构建了基于智慧教学平台的课堂教学模式（如图5）。在开展人工智能课程教学时，教师需在课前深入研究教学内容，对照学情和课程标准，形成教学设计的初步思路；着重从单元整体教学和培养学生学科核心素养的角度出发，挑选典型案例，以帮助学生不仅在知识技能上有所收获，应用能力也有所提升；根据课堂教学各环节的需求，选择智慧教学平台中合适的功能模块，并将相关资源整合到这些模块中；最后，通过多元化的评价方法，促进师生双方的自我反思和能力提升。这种新型教学模式的探索，有助于教师在课堂实施中构建智能化环境，提升自身的信息化领导力，以及学生的数字素养。
图5 基于智慧教学平台的课堂教学模式
四、基于智慧教学平台的课堂教学实践及成效分析
案例“AI选址：聚类算法的应用”来源于校本选修材料“AI探索与实践”中的最后一部分内容。学生在学习这一主题前，已经掌握了使用uPython环境进行编程的知识，并了解了人脸识别、语音识别等技术。在这一主题中，学生需要深入探究人工智能中的经典算法——聚类算法，通过学习聚类的原理、流程、函数调用方法等内容，培养运用聚类算法解决实际问题的能力。
（一）单元整体设计
为了更有效地教学，笔者在原教学内容中融入了单元主题元素“我为城市规划出谋划策”，并将单一课时扩展为综合性大单元。本单元依托智慧教学平台，以让学生掌握聚类算法、综合运用算法为核心目标，以城市规划系统设计中的选址问题为主要落脚点，以程序文件和文字报告为主要作品形式。学生通过小组合作探究方式，2人一组共同完成一份涵盖“设想—规划—落地—分析”全过程的、具有科学依据的分析报告。
整个单元共4个课时，分为4个阶段，具体设计如表1所示。第一阶段为主题引入环节，教师结合现实生活情境进行介绍，引导学生明确学习目标，为城市规划系统的设计打下基础。第二阶段为任务破冰环节，学生自主探究，学习关键的Kmeans算法，并完成社区篮球场中心位置选址的小任务。第三阶段为主题活动环节，学生合作探究，深入挖掘代码，共同完成公益文化体育场选址的任务。第四阶段为单元总结环节，学生利用智慧教学平台展示成果，教师则利用平台的测评功能与学生共同进行多元化评价，营造一个有始有终、以学生为本的课堂环境。
表1 单元整体设计案例：我为城市规划出谋划策
（二）课堂实践提升
经过上述分析和规划，笔者尝试结合智慧教学平台开展教学模式实践研究。下面以第2课时为例，详细阐述如何在智慧教学平台的支持下实施“社区篮球场中心位置选址”的教学。
1.前测——把握学情
利用智慧教学平台的自定义练习模块，教师发布与本节课知识内容关联的前测练习题。学生利用课前5分钟时间完成前测，教师可通过后台数据反馈，实时了解不同班级学情，以便接下来有针对性地对课堂教学细节进行微调。
2.新知——掌握重点
（1）情境引入
教师利用智慧教学平台展示学生在上节课中所完成的城市规划设计初稿，从民生与公益文化角度出发，带领学生再次感受城市规划系统的重要性。通过播放城市规划系统中选址过程的视频，教师让学生直观感受人工与AI算法工作的效率，并将本节重点——Kmeans算法引入课堂中。
（2）探索新知
这一环节是本单元的重难点。学生需要在该环节明白什么是Kmeans算法，聚类与分类有何不同，掌握如何通过代码实现聚类并呈现具体效果。
针对在以往的机器学习算法教学中教师难以通过讲解还原动态过程、学生难以在有限时间内理解等问题，教师可借助智慧教学平台中的动画及流程演示，用直观的视频形式展现聚类的概念、聚类与分类的区别、聚类的目的和基本流程，以辅助教学。涉及Kmeans算法聚类动态过程，教师可借助动画步骤演示（如图6），带领学生梳理Kmeans算法的实现原理，历经“初始化质心—分配样本点—更新质心—循环迭代—输出结果”这一流程，帮助学生更好地领会算法的奥妙，为接下来代码的编写打下基础。
图6 聚类算法的动态流程演示
3.实践——项目实现
在掌握算法原理后，学生如何通过代码实现聚类过程，让Kmeans算法助力选址是这一环节的重点。这一阶段围绕以下三个活动展开。
（1）聚焦关键代码
教师介绍机器学习中经典的Sklearn库及Kmeans API，让学生知晓如何导入相关模块。接着，教师引导学生认识Kmeans中的常用参数、方法，通过案例剖析帮助学生掌握Kmeans算法的代码实现方法。
（2）亲历聚类过程
学生通过upython工具，逐步实现从读取数据集到Kmeans聚类的过程，重点通过代码实现导入聚类模块、确定聚类个数k、调用fit_predict方法进行模型训练，进而预测选址的坐标点数据结果。
（3）数据可视化呈现
教师抛出问题“如何使上一步的数据点结果以更为直观的形式呈现”，引导学生认识到从数据点到
需要进一步借助机器学习中的数据可视化功能来实现。接着，教师带领学生借助智慧教学平台的创作工具和AI实训等功能认识matplotlib绘图包，借助plt.scatter进行散点图的绘制，并设置常用参数，将聚类初步得到的数字形式选址结果以散点图的形式呈现最终的聚类效果图（如图7）。
图7 学生作品：uPython 代码界面截选及聚类效果
4.拓展——总结延伸
亲历上述任务后，学生已掌握如何使用Kmeans算法实现聚类解决基础的选址问题。作为课时任务的收尾部分，本环节教师需引导学生思考“聚类算法还有何应用”。通过查阅智慧教学平台中的资源与网上素材，学生开展自主探究，并根据任务表的指引尝试剖析其他聚类算法案例。
5.后测——课后测评
教师在智慧教学平台发布课程后测练习，学生在完成本节程序任务后完成该测评。该环节的设计意图是让学生梳理本节内容，同时教师可快速了解学生学习成效。
6.反馈——成效分析
为评估智慧教学平台支持下的课堂实施效果，落实对教学全程的诊断与反思，笔者将授课班级分为对照组和实验组。其中A组为对照组，采用传统方式授课；B组为实验组，采用智慧教学平台环境授课。经过课堂比对以及学生访谈反馈，笔者发现B组2个班级在学习积极性、课堂参与度、任务完成度等维度均有明显提高。
（1）学习积极性维度
B组学生的学习积极性并未因为新增的平台操作步骤而降低，反而随着平台的指引层层推进逐步提高。平台的支持给了学生充足的时间思考、掌握和实践。学生在课堂参与的过程中真切感受到了知识的魅力，以及技能的获得感。而在采用传统授课的班级中，由于时间、软件、资源等条件限制，在45分钟课堂活动里，只有1/3的学生能够跟上进度，真正投入活动探索中，大部分学生很难感受到聚类算法的高效应用。
（2）课堂参与度维度
笔者及所在团队在对A组学生进行课堂观察时发现，即便教师在课堂上设置了多个活动，引导学生参与其中，但由于环节间的衔接与切换不够流畅，学生思维难以及时跟上，会出现学生参与度不够高的情况。在B组班级中，由于有了不同形式的资源支持，课堂环节衔接更加流畅。教师通过课堂观察发现约4/5的学生能够保持较高的课堂参与度。良好的课堂氛围有助于优化人工智能教学的实施过程。
（3）任务完成度维度
通过前测后测以及过程性评价的对比，笔者发现，在A组班级中，任务完成度随着课堂教学推进呈下降趋势，只有1/4的学生能够完成最后一个任务。通过课后访谈，笔者发现，即便真正完成了所有任务，有部分学生仍对知识点一知半解，只是照着案例依葫芦画瓢，并未在理解的基础上加入自己的思考和创新，操作不够熟练的学生很难在一节课内完成任务，这对学生的自信心是一个不小的打击。而在B组班级中，虽然各任务的呈现形式不同，但教师将所有任务集成于更加完备、操作更加便捷的平台中，提升了课堂效率，学生在完成度上有了较为明显的提升。
五、结语
大数据时代的到来，给知识生产带来了革命性变革，也给组织通过大数据赋能知识治理、提升组织知识生产能力带来了可能。智慧教学平台支持下的人工智能课堂，充分发挥了理念与技术融合的特点和优势，加以单元教学的积淀，使得师生在课堂内外更加关注社会、关注生活，也促使教师更好地从“单课时主义”转向“单元教学”。教学资源的“零散化”也借着智慧教学平台之力实现“规整化”。这些转变也令高中人工智能课堂朝着“课程育人”方向进一步靠拢。
在学校层面，智慧教学平台有助于缓解现阶段高中人工智能课程模式单一、部分教学内容难以开展的困境，降低课程实施的难度，为高中人工智能课程教学提供了新思路和新范式，从而推动人工智能教育在高中阶段的普及。
由于可调用智慧教学平台中的多模块，部署机器学习的开发环境和所需要的主流算法、设计完备流畅的教学活动等工作对教师来说更易于落实。教师亦可在不断改进和完善教学资源的过程中，积累项目式学习的课堂教学经验。
对学生来说，在课堂上亲历可互动的AI工具，是获得即时真实反馈和体验的最好途径。这有助于提高学生的兴趣及学习积极性。学生可快速便捷地进入人工智能课堂的学习氛围中，用人工智能主题内容强化自己对关键算法的理解。
在家庭及社会层面，借助智慧教学平台反馈的信息，家长可随时知晓孩子阶段性的成果。
于教师而言，借助智慧教学平台开展人工智能教学的过程是一次历练，更是一场可持续的探索与创新。人工智能进入高中课堂的时间尚短，对于理念的研究、对于教学模式的更新，还需要持续探索。教师需利用好智慧教学平台中知识调度灵活的优势，适切选择和组织知识，挖掘其内涵，整体规划合理编排。同时，教师需借平台之力，助力学生形成完整的学习闭环，从而促进人工智能课堂的高质量生成。
转自中小学数字化教学微信公众号，仅作学习交流，如有侵权，请联系本站删除！
