以圖像二分類項目探究機器學習
——高中“新一代人工智能”校本課程設計與反思

畢琳琳 山東省實驗中學

周燕 山東省濟南市教育教學研究院

● “新一代人工智能”課程概述

1.課程目標

①通過體驗圖像二分類項目的整個流程，了解機器學習的一般過程。

②通過體驗多種優秀的機器學習算法，了解機器獲得智能的原因。

③通過小組合作探究項目，提高自主學習能力、思維能力、表達能力、合作能力以及解決問題的創新意識等綜合素養。

2.學情分析

高中生思維活躍、敏感，身處知識爆炸式增長的信息社會，對人工智能相關的技術有認知基礎和學習驅動。學生信息素養存在梯度性的差異，多數學生對Python程序設計有基本的認識，但在計算思維與實踐能力方面差距明顯。

3.教學策略

①項目式學習。圖像二分類是貫穿“新一代人工智能”校本課程的學習項目，這種建構主義的學習方式有利于學生在一段時間內對一組主題相關的驅動性問題進行深入持續的探索，主動調動所有知識、能力、品質等創造性地解決問題，形成對核心知識和學習歷程的深刻理解并進行遷移。

②探究式學習。為學生提供PPT、視頻、操作演示、網站資源等多種學習支撐，便于學生探究摸索。

③小組合作式學習。兩人一組，每組一臺計算機，四人一張圓桌。

● “新一代人工智能”課程設計

1.課程結構

課程結構主要分為“導入”“項目實施”“展評”三個部分。①導入：該部分課程資料以視頻為主，討論人工智能過去的發展、現在的應用和未來的展望。②項目實施：該部分是校本課程的核心，分為五個環節，即項目分析、準備數據、SVM支持向量機分類、NN神經網絡分類、CNN卷積神經網絡分類（如圖1）。③展評：包含兩個環節，即小組展示和互評自評。

圖1

2.課程實施

（1）導入

導入部分借助視頻資料開拓學生的眼界，激發學生的思考，吸引學生的注意力。該部分分為三個環節，即AI過去、AI現在和AI未來。過去環節：了解AI的發展史和基本概念，領悟大師探究的品格和執著的精神；現在環節：觀望人工智能在各個領域引發的變革，促使學生重新認識技術的跨學科性；未來環節：暢想人工智能的發展方向，直面隱私泄露、信息繭房、價值沖擊等倫理風險，明確人工智能安全的重要性，引導學生合理合法地使用技術，落實面向設計者和創造者的倫理教育。

（2）項目實施

①項目分析。宏觀介紹課程規劃，明確學習任務——圖像二分類；教師演示案例“荷花與玫瑰”，介紹分類任務；通過小組討論（異質分組，男女搭配）類比小時候學習說話的過程以及回顧考前“刷題”的過程，明確分類項目的基本流程——準備數據、數據預處理、訓練模型、預測評估，并明晰項目流程中的難點（如下頁圖2）。

圖2

本環節植入機器學習的基本概念，準備視頻資源如“線性回歸與邏輯回歸”“分類與聚類”等供學生自學，通過生動且形象的優質視頻幫助學生理解抽象的算法思想，探討機器學習與人類思維的異同，分析常用算法在生活場景中的應用（如表1）。

表1

②準備數據。該環節包含兩個步驟：收集數據（各組爬取所需的圖像數據）；預處理數據、篩選圖像、調整圖像大小。

③SVM支持向量機分類。認識SVM：SVM支持向量機是機器學習的經典算法，也被稱為傳統分類算法中的天花板。其中，理論介紹以視頻為主，從相對典型的線性分類講起（如下頁圖3）。機器識別圖像的原理借助網上交互學習平臺進行學習。用SVM算法訓練模型、測試模型：教師首先用案例“荷花與玫瑰”講解代碼，指導學生修改代碼、調整參數，并形成自己的SVM分類代碼，其次引導學生訓練模型、評估模型、進行預測，并填寫SVM分類情況統計表，完成小組階段性總結。SVM分類是該項目第一種分類算法，暴露出實踐操作中的各種問題，階段性總結探討各小組的準確率，探索影響準確率背后的各種因素。

圖3

④NN神經網絡分類。認識NN：神經網絡是指人工神經網絡，其結構如下頁圖4所示。用NN算法訓練模型與測試模型：學生修改代碼、調整參數，形成自己的NN分類代碼，接著訓練模型、評估模型，進行預測，并填寫NN分類情況統計表，完成小組階段性總結。NN分類是該項目第二種分類算法，學生的思路相對明朗。前兩種分類算法的核心思想雖然不同，但是操作過程卻有相似之處，操作迭代，有利于知識的構建。

圖4

⑤CNN卷積神經網絡分類。認識CNN：卷積神經網絡CNN是深度學習中的著名算法，它在普通神經網絡的基礎上加入了卷積層與池化層（理論知識的講解借助視頻資源，卷積和池化的數學計算借用小動畫）。模型訓練與模型評估：通過修改代碼、調整參數，學生形成自己的CNN分類代碼，通過訓練模型、評估模型，進行預測，并填寫CNN分類情況統計表，完成小組階段性總結。CNN分類是學生體驗的第三種分類方法，在前兩種分類的實踐基礎上，學生思路和操作再次迭代，從傳統機器學習到深度學習的知識構建逐步完善。

（3）展評

展評部分有兩個環節。其一，小組重新梳理整個項目，反思總結，匯報實踐操作的得失；其二，小組自評和組間互評。

3.實施總結與反思

（1）重視教師的專業發展

①提高專業起點，優化教學內容。教師只有提高了專業水平，才能夠更好地理解人工智能的原理和應用，從而更有效地組織教學活動。②更新專業知識，提高教學效率。教師只有緊跟時代，不斷更新自己的專業知識，才能優化教學設計。

（2）急需適合中小學生學習的人工智能交互平臺

人工智能難以理解，如果有交互性強的AI平臺，可以有效降低中小學生學習人工智能的門檻。目前，人工智能頭部企業的開放平臺有很多優勢：①實踐性強。平臺提供了大量的實踐項目和案例。②資源豐富。大量的數據集、算法庫和模型庫，方便教師進行課程設計。③更新及時。平臺不斷更新和優化教學資源。但開放平臺也存在問題，在登錄方式、賬號規模和算力支持上都存在限制，不適合班級授課模式常態化使用。所以，尋找一個適合學生長久使用的人工智能開放平臺，是人工智能教學順利開展的重要環節。

（3）建立人性化評價機制

校本課程適合建立人性化的評價機制，通過分類評價量表設定清晰的評價標準，通過階段性總結進行定期檢查和反饋，通過學生自評、學生互評、教師點評等方式開展多元化評價，通過詳細的項目日志落實學生自我評價……總之，加強學習的過程性評價，可以更好地監督學生的學習進度和學習質量。

● 結束語

綜上所述，高中“新一代人工智能”校本課程從社會的發展需求、人工智能學科的發展需求和學生心理的發展需求出發，幫助學生運用邏輯思維和計算思維去發現問題和解決問題，提升學生的科學素養。所以，教師在校本課上應重視學生思維層次的提升、行為習慣的養成和情感品性的陶冶，關注學生的道德完善和生命成長，讓教學回歸最本真的教育性價值，讓學生在問題的解決過程中建構自己的知識體系，并不斷成長，形成項目化思維。