李歡 廣東省深圳市寶安中學(集團)初中部
PBL是一種使用問題作為學生展開學習活動的起點與刺激來建立和教授課程,以學生為中心,基于真實問題解決的情境化教學方法。它以問題來設計、架構和引領教學,強調真實情境,基于項目、問題解決、高階思維的學習。而人工智能課程在初中階段的定位,是通過剖析具體案例,了解人工智能的核心(數據、算法、算力),編創簡易的人工智能作品,辯證認識人工智能對人類社會未來發展的巨大價值和潛在威脅。本案例是人體姿態識別項目的第2節課,本項目學習總共有5個課時,第1節課是機器學習的入門課,剩下的3節課為學生用人體姿態識別知識進行創意設計。本項目要求學生既要理解和掌握人體姿態識別的過程方法,又要能夠綜合應用人體姿態識別技術進行創意作品的設計與制作。但在教學實踐中存在著一些問題,如學生運用人體姿態識別技術解決實際問題的能力較差、創新能力有待提高、缺乏自主學習能力和合作能力等?;趩栴}的學習有助于促進學生夯實知識基礎,發展解決實際問題、批判性思維和創造性思維能力,發展自主學習能力與合作能力。
人體姿態估計(Pose Estimation)是計算機視覺中一個比較基礎的問題,它對不同姿態進行估計,從而實現對不同動作的檢測識別。本案例的重點內容是通過人體姿態識別中的模型訓練,深入認識機器學習的三個過程:采集數據、訓練模型、模型測試。筆者基于pose GUI工具,通過“姿態識別體驗館”“姿態識別數據采集館”“姿態識別數據訓練與測試館”三個分步式的情境任務驅動,組織本節教學活動。
本案例的創新之處如下:①技術創新。本案例利用人體姿態識別工具,將機器學習的三個關鍵步驟有機整合起來。學生通過小組訓練的兩個新的姿態模型,能快速地讓機器學習到新的姿態,對機器學習有更加直觀具體的概念。②內容創新。人體姿態估計是計算機視覺中一個很基礎的問題。從名字的角度來看,可以將其理解為是對“人體”的姿態(關鍵點,如頭、左手、右腳等)的位置估計。它能夠根據不同姿態進行估計,從而實現對不同動作的檢測識別。和以往人工智能教學實踐常選取的熱門題材,如人臉識別、語音識別、文字識別等相比,本案例做了新的探索嘗試。③方法創新。本案例是對以問題為導向的深度學習進行教學探究,整個案例都是圍繞問題進行的,問題既是起點也是終點。問題是貫穿整個科學探究的核心要素,進而推動深度學習的教學進程發展。其主要特點是深度學習是指向學生的學習,讓學習真實發生,同時也指向教師的教學,讓教學更有深度。
本案例的教學目標分為知識、能力和情感三大類。
知識目標:①基于機器學習工具(pose GUI工具),了解姿態識別模型的訓練過程與方法;②通過創建新的模型,熟悉機器學習平臺的使用方法,理解監督學習的含義;③通過訓練機器實現姿態識別,并建立姿態識別模型,深入體驗姿態識別的原理。
能力目標:①熟練運用人體姿態識別工具;②用姿態識別知識,發明創造出新項目,解決生活中的實際問題。
情感目標:①培養想象力與創造能力;②在活動過程中發現自身優勢,并能發揮出來;③培養溝通表達和團隊合作能力。
在導入環節的視頻中,機器能模仿人類的動作,同時,也能準確地知道人類做的運動名稱。學生對此充滿了好奇,利用學生此刻生成的好奇心,教師拋出關鍵問題:機器是如何學會識別動作的?為了降低操作姿態分類工具的難度,筆者把任務分解為三個館,由淺入深,環環相扣,小組通過微課指南和研究報告能清楚地知道每個館設計的目的。在模型測驗大PK中,小組之間互相挑戰,同時也帶動思考影響分類模型準確率的因素。在課程的最后,再次拋出課堂引入時提出的問題,學生能歸納出人類思考與機器學習的共同點,完成教學目標。技術服務生活,智造館設計的目的是提升學生自我效能感,同時啟發學生思考更多智能科創項目實現方法,產生學習期待,課堂的最后提出的這個問題,是留給學生課后去發現生活并思考運用的。在這節課中,學生已能比較快地說出自己的想法,如用于安保領域、手勢遠程操作智能產品等。課后通過對每小組的代表進行訪談,學生都能清晰地認識到機器學習的過程,課程整體完成了設計的教學目標。
在本案例中,教學活動分為“課程導入”“體驗館”“數據采集館”“數據訓練與測試館”“智造館”“歸納總結”六個部分,具體教學設計與實施如圖1所示。

圖1 教學設計與實施
PBL是一種基于問題的學習方式,問題是PBL的核心。教師圍繞“體驗館”“數據采集館”“數據訓練與測試館”設計問題。本案例的核心問題是“機器是如何識別出人的動作?(機器是如何學習的)”,圍繞這個問題,學生大膽猜想機器學習的方式,通過進館進行探究、驗證答案的猜想,展開深度學習。教師設計了如下頁圖2所示的基于問題的學習結果導向的問題鏈。

圖2 問題鏈設計思路
在體驗館中,學生進行可視化操作,創設從直觀形象到抽象建模的理解路徑。教師引導學生對體驗館中的自己進行觀察,直觀看到了人體的14個關鍵點,觀察到關鍵點位置會隨著不同姿態下人體的移動而移動,從而知道人體姿態識別,可以理解為對人體14個關鍵點的位置估計,能夠根據不同姿態進行估計,從而實現對不同動作的檢測識別。在數據采集館,學生根據微課的指引,在提供的任務單上開展小組協作活動,理解用工具采掘數據。數據是機器學習的燃料。數據的采集為下一步的數據訓練提供了充足的“養料”。通過發放動作卡片,簡化學生想動作的過程。
在數據訓練與測試館中,引導學生使用采集的數據訓練新的分類模型。機器能否識別出小組訓練的三個動作?準確率如何?在模型測驗大PK中,小組將訓練好的模型進行公開測試,找10位同學來嘗試挑戰不同的姿態,看看模型識別的準確率如何,并將每次測試得到的結果記錄在表格中。在PK中帶動思考影響分類模型準確率的因素,引導小組歸納影響準確率的因素——混入其他姿態數據、背景雜亂、數據單一、兩個姿態數據集相近,刪除干擾數據,加入新的數據。
遷移運用過程分兩個階段。第一個階段讓學生自我回顧問題解決過程。以“機器如何識別出人的動作?”這一核心問題引導學生歸納總結,學生基于核心問題進行反思,聚集問題解決的目標、過程與結果,在教師的引導下嘗試說出機器學習的過程(采集數據——訓練模型——模型測試),掌握對問題進行分解與抽象的能力。第二階段為遷移問題解決方案,嘗試用技術解決生活問題。教師通過PPT展示問題“人體姿態識別在生活中有哪些運用?”“它能為我們做什么?”“利用人體姿態識別技術做出哪些科創作品?”。通過說出人體姿態識別在生活中的運用啟發學生思考,引導學生把人體姿態識別技術運用到實際生活中,真正做到聯系實際生活,認識人工智能技術對生活的影響,提升自我效能感。同時,啟發學生思考更多智能科創項目實現方法,產生學習期待。
在課堂引入階段,教師通過人類思考的方式類比機器學習的方式,引導學生大膽猜想機器學習的過程。接著,為了驗證學生的猜想正確與否,引導學生走進三個館進行探究。為避免小組在館內盲目探究,進館之前設計了關鍵性問題指引,三個館的關鍵性問題依次是:體驗館內的人體有什么不同(引出人體關鍵點檢測)?機器能做什么(能識別特定的動作,其他動作不能識別)?機器如何能識別新的動作?機器能識別小組訓練的兩個動作嗎?準確率高嗎?是什么原因導致的?三個館的設計是這節課的明線,而關鍵問題的設計則為這節課的暗線,串起機器學習的整個過程。有一個小組在體驗館初次探究時,發現提供的四個動作機器并不能完全識別,教師發現人體有幾個關鍵點沒有出現在屏幕中,如攝像頭中只出現了上半身,而不是全身。在數據采集館中,在小組領取到需訓練的動作卡片時,學生會以為把同一個姿態的照片采集50張以上即可,而忽視低質量的數據(數據單一、混入了其他姿態數據)會降低分類模型識別的準確率。教師故意讓學生試錯,并將有些小組采集的低質量數據與其他小組采集的高質量數據做對比,引導學生說出影響準確率的因素是哪些,這樣會讓學生記得更加深刻。
學生對人體姿態識別工具充滿了好奇,在前面兩個班的試課中,筆者發現在采集數據時,學生會因為想比劃什么動作而耽誤時間。這節課根據這個問題進行了優化,小組都領取到了專屬的動作卡片,學生能很快地進行數據的采集,避免時間的浪費。22名學生,2人一個小組,分工明確,人人都能清楚地知道自己在做什么。學生遇到問題會主動提問,樂于向教師請教和交流。在模型測驗大PK中,小組之間互相測試,互相找到數據的問題所在,同時也會主動邀請教師對本組模型進行測試。組內和組間同樣聯系在了一起,體現了探究式教學的探究性和主動性。任務的驅動緊湊,11個小組中,沒有出現注意力不集中,或者個別小組進度快而松懈放松的情況。
常見的問題導向學習的評價可以分為兩類:一是過程導向評價模式,目的是評價學習者的學習活動。在本案例中小組課堂表現的評價就屬于這一種,小組課堂表現的評價指標如上表所示,重在評估學生對問題的理解深度以及知識建構過程。二是結果導向的評價方法,注重學習的結果。課后學生完成的《課堂學習效果問卷》就屬于這一種,問卷從加入、專注、參與、反饋、自我評估五個維度進行調查。問卷結果顯示,93%的學生能夠專注于課堂學習,在課堂上能夠集中注意力,學生可以判斷自己是否在課堂上緊跟教學材料,自我評價對課程材料的理解情況。值得注意的是,有21%的學生認為自己在課堂上并沒有積極參與課堂討論,未積極回答教師的提問,有19%的學生認為自己在課堂上得到關于課程知識理解情況的反饋有所缺失。

小組課堂表現評價維度和指標
本案例采用基于問題的深度學習策略,它是強調真實情境,基于項目、問題解決、高階思維的學習。筆者在設計問題時,特別關注劃分內容與問題的先后順序,以便使學生專注于關鍵問題,并能順利過渡問題。從這一節課的效果來看,學生能在關鍵問題的指引下,層層遞進展開探究。但由于時間有限,仍存在不可避免的兩個問題:一是提出基本問題后,未分配足夠多的時間給學生深度思考,讓學生對內容真正地進行深刻質疑。二是在歸納總結階段,本可以用思維導圖表示每個問題之間的關聯性,幫助學生對所學知識達到更系統更深入的理解,可是由于時間關系省略掉了。在以后的課堂中,筆者會制造更多留白的空間,讓更多的深度學習在教學中發生。