谁是POSE达人

赵惠美

教学背景

近年来人工智能迅速发展，被广泛地应用在各个方面，如计算机视觉、拍照识图、文字提取、医学影像分析等。KNN分类算法作为机器学习的基础算法，可以作为学生感知人工智能的入门算法。教师参考Mind+编程课例及KNN分类算法相关知识，提炼出适合面向七年级学生开展教学的内容，让学生通过分析游戏逻辑、填写流程图、完善程序等环节逐步培养计算思维能力。

学情分析

教学对象为七年级学生，在小学阶段接触过Scratch编程，具有一定的编程基础。该阶段的学生好奇心强烈，渴望动手实践。因此，本节课主要以学生为主体，教师引导学生调动所学知识实现新旧知识的融会贯通，搭建完整的认知体系。

学科核心素养

计算思维 在分析游戏功能的过程中理解程序的逻辑性，理解变量概念及作用，学会使用程序语言描述各个环节。

数字化学习与创新 学会使用KNN分类算法工具采集数据，培养使用信息化工具创新作品的意识。

信息意识 初步感受大数据的力量，了解机器学习基于数据作出推断的工作模式。

信息社會责任 了解机器学习是实现人工智能的方式之一，辩证看待机器学习的优势和劣势。

教学重点与难点

教学重点 理解KNN分类算法的概念及原理；学会使用算法工具采集数据，实现特定功能。

教学难点 分析程序的逻辑体系，能根据所需功能选择对应的程序语句。

教学过程

一、情境导入，初识KNN分类

教师展示公园里拍照达人的照片，询问学生拍照时擅长的姿势，学生们进行互动分享，活跃课堂氛围。

师：同学们小时候是如何识别各类动物的呢？

学生思考后发现最开始可能是通过图片、视频或者是在动物园看到了各类动物，大脑首次认识了动物类别，之后每一次接触就会不断强化认知。那么类比人类的学习方式，教师请学生思考：机器是如何识别猫狗的异同并将其归为两类的呢？学生登录“百度AI开放平台”，体验平台的动物识别归类功能。

教师总结：就像小时候父母教我们区分“猫”和“狗”时，从来不会直接说科学定义，反倒让我们借助直观印象进行分类，直到我们逐渐掌握这两个概念。像人类一样，计算机也必须从实例训练中完成学习任务。KNN分类是Mind+软件中“机器学习（ML5）”模块里的一个功能。除此之外，“机器学习（ML5）”模块还包括人脸识别追踪、姿态识别、物体识别等功能。

二、收集数据，实现KNN分类

Mind+提供了两种采集数据的方法，一是通过电脑自带的摄像头，实时采集数据；二是本地导入文件夹完成分类训练。由于教学环境、上课时长、硬件设备等因素的限制，实时采集数据以学生体验为主，教师提供拍照姿势图集进行后面的学习。

1.体验摄像头实时收集

师：前段时间受新冠疫情的影响，我们拍照时经常会忘记摘掉口罩，请同学们实现让摄像头识别我们是否佩戴口罩。当我们按下“空格”键开始识别并训练，按下“A”键记录未佩戴口罩状态，按下“B”键记录已佩戴口罩状态。

教师要求学生编写程序，并循环执行十次，引导学生思考为何要循环识别多次。最后由教师给出结论：足够多的数据量可以提高识别的正确率。

2.导入姿势图片集并进行训练

师：我们在课堂上难以直接采集数据，想使用之前准备好的姿势图集直接测试，该怎么办呢？

教师通过问题引出本地上传图片数据的方式。教师将提前准备好的姿势图集放入文件夹中，每一个文件夹中可以放入同种姿势的多张图片，图片数量越多，识别结果越准确。学生根据KNN分类算法语句将图片归到不同的类型（如图1），每种姿势6张图片。

三、分析游戏，完善功能

学习算法后，教师要求学生设计一款游戏，引导学生分析游戏界面，描述游戏的功能，列举游戏运行时涉及的主要元素，并让学生小组讨论游戏核心功能可能会用的程序模块，并填写下表。

四、编写代码，实现游戏效果

游戏的核心功能集中在随机呈现KNN分类算法学习过的拍照姿势图，玩家在限定时间内模仿拍照姿势，电脑摄像头识别到的玩家姿势与电脑随机出现的姿势图对比是否一致是决定得分的关键。

1.理解运行逻辑，绘制流程图

师：我们本节课用到的所有拍照姿势图都是老师自己独立完成的，请同学们猜一猜老师是如何控制手机拍照的呢？

学生：可以通过手势、相机倒计时、声控等功能进行拍照……

师：类比手机拍照，当电脑摄像头需要识别玩家的全身姿势，我们却因距离过远无法直接控制电脑时，可以将“响度”作为判断条件，当响度大于50时可触发电脑摄像头拍照。同时用变量承载每轮游戏的分数（如图2），实现游戏得分动态改变。

学生根据教师提示，小组合作讨论游戏逻辑，完善程序流程图。

2.编写程序，展示分享

学生学会应用KNN分类算法编写程序识别不同的拍照姿势，同时实现游戏界面呈现拍照姿势的随机切换与逐渐放大的功能。学生自主完成程序编写，教师巡视指导。

从分析游戏功能模块到流程图绘制，学生进一步理解游戏的逻辑线和KNN分类算法，同时游戏界面的运行效果又赋予学生自主创新与拓展的空间，让学生不再局限在教师设定的功能里，而是打开思路，创新作品。

五、回顾总结，拓展提升

师：本节课我们一起学习了如何使用KNN分类算法实现机器学习，除了识别拍照姿势，同学们有什么奇思妙想呢？联系现实生活，小组讨论还可以用KNN分类算法实现什么创意呢？各小组分享讨论结果。

教师总结：科技的本质是为人类服务，同学们除了要不断学习专业知识，还要善于观察生活，将技术知识应用到生活中去，才能发现它的魅力。刚刚有个小组提到在公园里赏花时，樱花、桃花、紫叶李、梅花竞相绽放，他们经常分不清楚花的类别，那么你能设计一个程序实现拍照识花功能吗？

学生带着教师的问题进行课后拓展延伸和训练，从而更好地巩固所学知识。

教学反思

本节课体现了以学生为主体的教学思想，学生通过体验与实践来理解相关知识点。以拍照姿势为主题，贴近学生生活，融入KNN分类算法的学习，让学生在理解KNN分类算法与机器学习概念的基础上编写和运行KNN程序语句，同时学会采用实时照片收集与本地图片文件夹导入这两种方式录入数据。人工智能进课堂是信息科技课程发展的大趋势，但如何让学生在实践探索中感受、学习、内化晦涩难懂的原理性知识有待教师们继续挖掘。