基于核心素養的高中人工智能課堂教學實踐

摘要：近年來，人工智能技術不斷創新，大模型應用不斷刷新人們對人工智能技術的認識和理解。作為一線教師必然要不斷調整關于這部分的教學內容，探索用什么樣的案例、什么樣的活動能夠給學生帶來更大的提升，既讓學生對技術產生濃厚的興趣，又讓學生能夠盡量進行更深入的學習，并啟發學生進入高階的思考，讓學生能夠適應未來的需求與挑戰。因此，作者設計了基于核心素養培養的人工智能教學案例——機器的情緒識別。

關鍵詞：人工智能；情緒識別

中圖分類號：G434" 文獻標識碼：A" 論文編號：1674-2117（2025）03-0105-04

近年來隨著人工智能技術的快速發展，各行各業的智能應用都悄無聲息地融入到人們的生活之中。《義務教育信息科技課程標準（2022年版）》增加了“人工智能與智慧社會”教學模塊，通過這部分內容的學習力圖讓學生認識和感受到人工智能的魅力，知道人工智能發展必須遵循的倫理道德規范，也能認識到智慧型社會形態下的新機遇與新挑戰。《普通高中信息技術課程標準（2017年版）》也要求“通過人工智能典型案例的剖析，了解智能信息處理的巨大進步和應用潛力，認識人工智能在信息社會中的重要作用”。基于上述背景，筆者設計了《機器的情緒識別》一課的教學案例，以期能夠啟發學生進入高階的思考，有效提升學生的核心素養。

案例基本信息

本案例屬于高中信息技術必修一模塊，案例標題為“察言觀色——機器的情緒識別”，教學內容是介紹人工智能領域中的情緒識別問題，圍繞什么是機器的情緒識別-機器實現情緒識別的方法-情緒識別的應用這一主線完成教學活動。在教學中，通過小游戲讓學生從人的情緒識別遷移到機器的情緒識別，進而分析情緒識別的方法，通過“測心率辨緊張”“百度對話識別情緒”“程序實現通過表情識別情緒”等活動，讓學生體驗不同方法識別情緒的過程，進而理解機器識別情緒的工作原理。

教學對象為高一年級學生，他們對人工智能技術在生活中的應用有一定的了解并且興趣濃厚，具備一定的理性思維能力，有初步的編程基礎，能夠分析、理解機器的情緒識別的常用方法和簡要步驟，能夠使用簡單的編程工具完成情緒識別程序。

基于教學內容和學生情況，將本案例的教學目標設定為：①了解什么是機器的情緒識別；②初步掌握情緒識別的基本方法和工作過程；③能夠使用圖形化編程實現簡單的表情識別程序。教學重點是掌握情緒識別的基本方法和工作過程。教學難點是掌握情緒識別的工作過程以及程序實現表情識別。

案例實施過程

1.課堂導入

教師播放情緒識別應用視頻。該視頻是從央視節目《機智過人》中截取的一個片段，視頻中有一位人類心理醫師和一個智能機器人阿爾法鷹眼對經過專業訓練的蛟龍突擊隊隊員進行情緒識別，讓學生體會人類專家和機器人進行情緒識別的過程，對比識別效果。

2.什么是機器的情緒識別

在這個環節中，學生要理性分析對比人類情緒識別和機器情緒識別的過程，因此在這里筆者設計了一個活動，讓學生喝不同的飲品，其他學生通過表情判斷該學生喝的是什么，引導學生分析人類從哪些方面來判斷、識別情緒，再從人類遷移到機器，從而認識和理解機器的情緒識別。

①人類的情緒識別。

學生活動：表達情緒與識別情緒。

活動過程：備三杯飲料，分別是可樂、酸梅湯和醋；三名學生喝飲料；說一說他們喝的是什么飲料。

活動分析：

教師提問：如何判斷喝了哪種飲料？

學生回答：通過表情、語言、肢體動作……

②機器的情緒識別。人工智能中的情緒識別是研究機器通過獲取個體信號來判斷用戶情緒狀態的技術。

3.機器識別情緒的方法

由于人類的情緒可以通過多種方式表達，因此機器也可以通過多種方式識別人類的情緒，如通過文本、語音、動作、生理信號等方法進行識別。在此環節中，教師向學生介紹三種常用的機器識別情緒的方法，分別是通過生理信號識別情緒、通過文本內容識別情緒和通過面部表情識別情緒。

①通過生理信號識別情緒。

為了讓學生能更好地理解這種方法，在這里筆者設計了活動——學生互測心率，通過心率數值判斷情緒狀態。

教師總結：基于生理信號的情緒識別方法主要有兩類：第一類是基于自主神經系統的情緒識別，這種識別通過測量心率、呼吸等生理信號識別對應的情緒狀態；第二類是基于中樞神經系統的情緒識別，這種識別方法通過分析不同情緒狀態下大腦發出的不同信號來識別相應的情緒。

基于自主神經系統的生理信號雖然無法偽裝，但也能夠得到真實的數據，但是由于識別情緒的準確率低且缺乏合理的評價標準，因此在實際中應用較少。基于中樞神經系統的情緒識別同樣不易被偽裝，并且與其他生理信號識別方法相比識別率較高，因此越來越多地被應用于情緒識別的研究中。

②通過文本內容識別情緒。

此環節教師先向學生展示某高校數據科學研究團隊的研究案例，向學生展示城市心情，這些結果是對微博、社交軟件等獲取到的大數據進行語義分析，然后通過可視化圖形展示數據分析結果，向人們形象地表達了不同時間、地點的城市中人們的心情狀態。接下來，讓學生在百度智能系統中通過文本識別情緒的應用，體會其工作原理和實際應用。

教師提示：百度“對話情緒識別”系統能夠自動檢測用戶日常對話文本中蘊含的情緒特征。實際應用場景：a.客服質檢與監控，幫助企業更全面地把握產品體驗、監控客戶服務質量。例如，檢測出用戶負面不滿情緒，則觸發人工客服介入；在人工客服場景下，也可用于監控客服人員的服務態度。b.閑聊機器人，識別用戶在聊天中的情緒，幫助機器人產品選擇出更匹配用戶情緒的文本進行回復。c.任務型對話，識別用戶的情緒，根據不同的對話情緒，選擇不同的回答策略進行答復，如回復語速和文本簡潔程度差異等。

學生活動：在百度對話情緒中識別情緒。

教師總結：通過文本識別情緒是一種文本分類的應用，語言中有一些詞語可以表達情緒，如“開心”“愉悅”“幸福”“垂頭喪氣”“心灰意冷”“怒不可遏”等，通過文本識別情緒的方法有很多種，其中比較容易理解的方法是關鍵詞法，需要先對語句分詞，提取語句中的詞或短語，然后計算詞或短語出現的頻率，通過算法確定關鍵詞，再根據關鍵詞的意義識別情緒，最后輸出結果。

③通過面部表情識別情緒。

在本環節中，教師給學生介紹面部表情識別情緒的原理和關鍵步驟，然后在編程平臺中嘗試編寫程序，對攝像頭掃描到的面部照片進行分析，輸出識別結果。

學生活動：根據五官圖片，判斷表情。

教師請學生嘗試單純根據五官狀態，辨別圖1中一組人臉局部圖所代表的情緒，并填寫到下方的括號中。

教師總結：面部表情是表達情緒的主要通道，也是用于情緒識別的一種重要信號。機器通過面部表情識別情緒的過程至少要完成以下三個關鍵步驟：第一步，人臉檢測與預處理。在檢測到輸入的人臉后，要將不同照片中的人臉對齊，旋轉、縮放、降噪，同時將不同光照條件、不同姿勢的圖片統一化，以便于后續的處理。第二步，表情特征提取。面部表情是由面部肌肉的收縮產生的，從而導致人臉的某些部位如嘴角、眼瞼、眉毛、人臉表面的凸起或皺紋等變化，在表情識別時需要在大量的人臉信息中提取出能夠有助于迅速、準確辨別情緒的比較顯著有效的五官特征信息。第三步，表情分類識別。在分類識別過程中要根據特征提取所獲得的信息，使用相應算法的分類器將輸入的人臉圖像確定為某種基本表情，從而識別出對應的情緒。

學生活動：編寫程序（如圖2），通過攝像頭捕獲人臉數據分析情緒。

4.搭建和訓練情緒識別模型

通過前面的學習，學生已經對機器的情緒識別有了一些認識。在此環節，教師設計了在MIT APP INVENTOR學習平臺中搭建和訓練情緒識別模型，并使用該模型識別情緒的綜合實踐活動，讓學生體驗人工智能模型的創建、訓練、測試和使用的過程，具體步驟如下。

①進入MIT APP INVENTOR網絡學習平臺。

②在網頁瀏覽器中輸入https：//classifier.appinventor.mit.edu，進入個人圖像分類器地址打開攝像頭。

③使用“添加標簽”（“Add label”）為模型添加表情，如“微笑”“驚訝”“皺眉”……

④為表情標簽添加實例。單擊已添加的表情標簽“微笑”，在攝像頭前做好表情，單擊“添加實例”（“Add Example”），用同樣的方法為其他標簽添加實例，如果對添加的實例照片不滿意還可以刪除重新添加。

⑤單擊“下一步”（“Next”）進入選擇模型頁面設置模型的詳細信息，在這里也可以使用默認參數（如上頁圖3），然后單擊“訓練模型”（“Train model”）。

⑥為模型添加測試數據。選擇模型中已添加的標簽，如“微笑”，在攝像頭前做好測試表情，單擊“添加實例”（“Add Example”），一個表情標簽中可以添加多張測試照片（如圖4）。在所有標簽的測試數據都添加完畢以后單擊“預測”（“Predict”），模型對測試數據進行預測識別。

⑦單擊“下一步”（“Next”），查看模型測試數據的識別結果。單擊“標簽正確性”（“Label Correctness”）和“置信度圖”（“Confidence Grahp”）分別從標簽的“正確性”和“置信度”上查看測試結果。

⑧單擊“下載模型”（“Download Model”）下載并保存模型。

5.課后練習

略。

結語

本案例結合時代發展需要，緊跟科技前沿，按照新課標要求，根據學生實際情況展開設計，教學過程中設計了多個學習活動，力求讓學生能夠從自己的經驗遷移到對機器的認識，盡量給學生創造體驗、實踐的機會，讓學生先提起興趣，在興趣和好奇心的驅使下主動探索實踐完成學習。另外，筆者認為，人工智能知識雖然已進入課堂多年，但在教學內容、教學方法、學生實踐活動等方面還需要一線教師繼續探索，如何使用恰到好處的練習，讓學生能夠有更大的收獲應是教師不斷追求的目標。

本文系中國教育學會“十四五”規劃2022年度課題一般課題“新課標背景下核心素養導向的十二年一體化信息科技課程設計與教學實踐研究（立項編號：202211001102B）”、北京市教育學會“十四五”教育科研2023年度一般課題“新課程背景下十二年一體化信息科技學科核心素養培養的實踐研究（立項編號：DC2023-029）”成果。