人工智能教学中，对学生计算思维的培养

江苏省张家港市暨阳高级中学 丁 华

一、问题的提出

在中小学阶段开设人工智能课程，培养学生对人工智能有基本的概念认识和兴趣，这既是顺应时代发展的需求，也非常有利于学生核心素养的培养。但在实际教学中，人工智能的教学存在着很多问题：第一，重视人工智能实践活动的开展，忽视理论知识的沉淀，这就如同水上建楼阁，没有理论的基石，学生的思维得不到发展，逐渐地成为新技术的机械使用者。第二，教师过多讲解人工智能的理论，如智能语音和深度学习等，却不在实践中融合这些理论，让学生在实践解决问题的基础上锻炼思维，这就如同空中建楼阁，学生置身云雾之中，不得入门。

究其原因，主要是因为人工智能的教学缺乏一个支点。因为人工智能课程具有较强的逻辑性、思维性和抽象性，而这就需要学生具备相应的思维方法去学习课程。2017 版《高中信息技术新课标》中明确指出需要培养学生的计算思维来解决实际问题。在人工智能教学中把计算思维的培养作为一条主线，问题就会迎刃而解。

二、人工智能教学与计算思维的关系

（一）人工智能的教学蕴含着计算思维的思想

中小学人工智能课程的目标定位：让学生在体验人工智能技术的过程中，激发学生探索的兴趣，提升学生思维的能力；以人工智能技术为出发点，培养学生的计算思维并进行简单编程和对智能设备实现设计控制；提高运用人工智能相关技术分析和解决问题的能力、动手实践能力及创新创造能力。从目标看来，计算思维作为信息技术学科的基本思维之一，本身就是人工智能课程的一个重要组成部分，从内容来看，人工智能的教育内容与计算思维有融合贯通。以高中阶段人工智能课程为例：数据采集、特征提写，模型评估等内容点与计算思维的自动化、抽象、分析评估等有着交叉的部分。人工智能的知识点为计算思维提供了生动的案例，同时人工智能的很多成果也是运用计算思维后的结晶。

（二）计算思维的培养促进人工智能教育的开展

计算思维是运用计算机科学的基础概念去求解问题、设计系统和理解人类的行为，在形成问题解决方案的过程中产生的一系列思维活动。主要包含四个核心：问题分解、抽象思维、模式识别和算法。培养学生的计算思维，对人工智能的教学是必要的，具备了计算思维的学生能更好地理解人工智能的基本思想和理念。以人脸识别的智能签到为例，利用计算思维首先把智能签到的任务分解成若干子问题：如何建立图像库？如何进行人脸匹配和识别？如何判定结果？运用计算思维的方法分解后再寻求这些子问题的解决方案，最后在众多方案中选择最优的解决方法。在问题解决后，请学生把解决的过程绘成流程图。这样可以迁移到其他情境的问题解决过程中，例如：食堂的智能支付，图书馆的智能识别等。从这些案例中可以看到具备计算思维意识的学生，会主动采用计算思维方法，去解决实际问题，在这个过程中既提高了学生的计算思维能力又对学生进一步理解和掌握人工智能的知识起到了促进作用。

三、人工智能教学和计算思维培养的教学策略

（一）选择恰当的教学情境，激发计算思维的意识

人工智能的学习内容交叉性比较强，教师在创设教学情境的时候，除了要贴近学生的生活经验以外，还要了解学生其他学科的学习情况。在综合考虑后的情境设置才能做到让学生感兴趣的同时，又能有探究的欲望，进而促进学生计算思维的形成。当学生主动将学到的知识和方法用于提出问题与解决问题，使所学与实际生活联系起来，不仅形成本情境的解决方案，同时可以迁移到其他情境的问题解决中。例如：在进行“模型分类训练”时，如果直接从模型的概念讲起，学生容易出现厌烦情绪，但设置垃圾分类、情绪分类等情境后，当学生说出自己的垃圾或心情名称，系统会自动给出判断……这样，学生容易从现实中学会分解问题，抓住问题的核心，用算法甄别并描述出规律。

（二）选择合适的教学方法，提升计算思维的能力

计算思维的根本目的是问题求解能力。教师可以采用如逆向思维法，头脑风暴法，顺推法，思维导图，流程图等来引导学生对问题进行抽象、分解、约简、转化、建模，从而找到更高效的途径来解决问题。在做“智能判断心情”这个任务时，要求学生说出一句话，系统可以立刻判断他此时的心情，并给出相应的表情符号。我首先引导学生对问题进行分解和约简，找出本任务的核心。机器人其实主要是通过对关键字提取来获取心情信息，那么这个任务就可以转化成建立数据模型；再通过思维导图让学生思考这类模型如何利用数据结构完成储存的；最后，采用头脑风暴法，学生畅所欲言，自由发挥想象，集思广益，收集到了很有意思的文本选项，如在收集高兴的情绪关键词时除了传统的开心、喜悦、眉开眼笑等，还有“中奖了”“考得不错”等有创意的选项。

（三）选择多元化的评价方式，拓展计算思维的深度

中小学人工智能的课程更加注重孩子的思维培养、创造激发，在教学过程中，评价也是呈现多元化。一方面，过程性评价与总结性评价相结合，根据学生在学习过程中的表现以及利用计算思维设解问题的能力作为评价的依据。另一方面，通过学生互评、师生同评等方式评价作品的优缺点，学生根据评价的结果，再次修改设计或程序，不断地拓展计算思维的深度。例如：在做“人脸识别自动支付”这个项目时，一个小组很快完成自动支付，在评价过程中，有其他同学建议如果一次支付不成功，不需重新运行程序，可以加入循环语句来控制人脸识别，直到支付成功。这个说法得到了该学生的认可，于是学生对自己的程序进行再次加工。我在评价作品的时候又反问了，如果多次支付不成功，难道一直循环吗？我的评价再次引发了学生的思考，他们纷纷考虑应该要加入循环的次数来控制程序。学生在不断地评价—总结—修改过程中，寻求解决问题的最佳方案，考虑问题的深度越来越深，越来越精。

四、人工智能教学和计算思维培养的注意点

（一）摒弃“一刀切”，实行分层实验教学

实验教学是人工智能教学中至关重要的一个环节，场景感知、原理验证，创新性的思维训练都离不开实验。学生从实验中，找寻解决方案的思路，锻炼自己的计算思维。但如果在教学中，采用一刀切的方式开展实验教学，学生个体差异问题得不到有效改善，教学时效性大大减弱。对此，教师可以采用分层实验教学，制定统一的实验大纲，对每个实验任务都进行适当的层次设计，例如：在学习智能语音时，从了解到设计再到应用，我们对实验进行了分层：（1）自定义命令词，唤醒大比拼；（2）语音转写PK 大赛；（3）设计并完成语音合成配音表演；（4）设计中英文测评的游戏；（5）在理解人工智能对声音处理原理的基础上，设计综合应用的案例，如新建传递机器人，设计语音助理机器人等。以上五个层次中，前三项是必做，最后两项可以供有兴趣的同学在教师的指导下利用课余或社团实践开展研究。

（二）支持“试误”，即教学设计要有“错误设定”

计算思维的培养不可能一蹴而就，必须渗透在每节课的教学中，让学生在发现问题、分析问题、解决问题的过程中去感受和形成计算思维。这是一个反复螺旋的过程，学生需要经过不断的练习，才能在教师的引导下，形成计算思维。在教学设计中，教师追求实验结果的完美也存在一个误区，就是学生的“试误”本身就是一种学习，当实验结果与设想出现不一致时，积极引导学生去分析问题和解决问题。在人脸识别实验中，教师通过人脸识别后快速地进入景区，可是有的学生无法进入。这时引导学生分析为什么？不能进入景区是由于数据库里没有图像吗？为什么数据库里没有图像，就不能识别呢？

原来人脸识别的基础是数据，而且数据要进行计算匹配才能进入景区。经过对错误问题的积累，学生逐渐明白人脸识别的背后是由于有数据的支撑。学生在尝试—验证—修正解决问题过程中，逐渐发展了计算思维。计算思维一旦形成，下次再遇到类似的问题，自然而然地会利用这种能力去解决问题。

总之，在人工智能的课堂中，注重培养学生的计算思维，将计算思维融入到理论和实践教学的各个环节中，锻炼学生抽象，分解，转换以及仿真能力，进一步提升学生的创新能力和解决实际问题的能力，对学生的未来发展是大有裨益的。