面向素养培育的人工智能体验式学习活动设计与实践

褚金岭　谢忠新

人工智能作为新一轮科技革命和产业革命的驱动力量，正在深刻地改变着我们的生活和工作方式。目前，在中小学开展人工智能教育，培养适应未来社会的创新型人才已成为共识。人工智能作为一门新生学科，具有综合性、实践性强等特点，给学生的学习、教师的教学都带来巨大的挑战。体验式学习遵循学生的认知发展规律，先行后知、以知导行，能促进学生综合素养的全面发展。本文基于“体验学习圈”理论，设计了面向计算思维培养的人工智能体验式学习圈模型，基于教学流程设计学习活动，并以“人脸识别”为例开展教学实践，以期为面向素养培育的人工智能教学提供教学理论支撑和实践策略。

一、人工智能教育的现状与教学挑战

（一）人工智能教育与研究的现状

《普通高中信息技术课程标准（2017年版2020年修订）》将“人工智能初步”列为高中必修课程内容，并将《人工智能初步》作为选择性必修教材；《义务教育信息科技课程标准（2022年版）》在第四学段（七至九年级）纳入人工智能与智慧社会的内容。至此，人工智能教育实现了我国初高中学段的全覆盖。

在课标的指引下，全国各地掀起了人工智能教育的热潮。2018年以来，人工智能教材及十几套人工智能读本相继出版。2019年，教育部确定北京、广州、深圳、武汉和西安五个城市作为第一批人工智能教育试点城市，对三至八年级的学生开展全面试点；上海市浦东新区、成都市青羊区、杭州市余杭区、南京市等地也开展了区域层面的人工智能教育试点。与此同时，中小学人工智能教育的实践研究也十分火热，中国知网相关文献总量逐年上升。

（二）人工智能教学的问题挑战

中小学的人工智能教育已经从兴趣课程和社团等形式，逐步进入学校的学科教学之中，目前主要在信息技术课程中开展。信息技术教师通常具有师范类院校的计算机专业和教育技术专业的教育背景，很多教师也是第一次接触人工智能，专业知识匮乏，缺乏足够的人工智能素养，尤其是课标要求的计算思维核心素养，急需探索满足核心素养培养需要的教学模式方法。从学生学习角度，由于缺乏必要的技术环境和学习策略，学习活动难以组织，学生参与度低，深度体验不足，人工智能原理性知识难以理解。如何在人工智能课程中系统设计多元有效的体验式学习活动，从心理层面上满足学生的需求，从而促进他们对人工智能原理知识的理解，培育计算思维，成为当前信息技术教师面临的挑战。

二、基于体验式学习的人工智能教学认识与设想

（一）体验学习圈的内涵

在杜威、勒温、皮亚杰等学者研究的基础上，大卫·库伯创造性地提出四阶段的体验学习圈环形结构模型^[1]。在这个模型中，他把体验学习阐释为一个体验循环过程：具体体验—反思观察—抽象概括—行动检验，再到具体的体验，如此循环，让学生经历一个认知螺旋上升的学习过程^[2]。体验式学习作为一种在真实情境中基于直接经验感知、思考、领悟、行动的学习方式，被认为可以帮助学生通过自身经验来构建知识，提高学生解决问题的能力。

（二）体验式学习对人工智能素养培育的优势

传统的讲授式教学无法触及学生的亲身体验和深度理解，不适合培养学生人工智能的核心素养和实践能力。体验学习圈理论超越了一直以来经验与理性对立的二元论，实现了直接经验与间接经验的辩证统一^[3]。体验式学习包括感知、反思、抽象及实践的过程，并以学生自身体验为核心，能够调动学生已有的认知经验进行概念与原理的学习，特别适用于综合性、实践性较强的人工智能学习。它首先让学生投入一种新的体验，再停下来从对人类自身智能的观察中反思，领悟理解所体验的内容，然后到实践检验解决实际问题的阶段，再开始新的体验循环。学生通过体验与领悟，实现人工智能知识的吸收、能力的提升、思维的锻炼，在行动检验中实践也能提高学生解决问题的能力，这也符合计算思维核心素养培育的要求。

（三）面向计算思维素养培育的人工智能体验学习圈

人工智能是计算机通过数据处理来模拟人类智能的技术，计算思维是人类个体运用计算机科学领域的思想方法，在形成问题解决方案的过程中产生的一系列思维活动^[4]。因此，人工智能的教学内容天然具有培养计算思维的优势。基于体验学习圈理论，注重学生的具体体验、反思观察、抽象概括、行动检验的体验式学习循环模式，适用人工智能原理性内容和程序算法相关内容的教学，能让学生自主建构教学内容，亲历解决问题的全过程，理解算法设计，培养计算思维这一信息技术课程所要培养（如图1）。

三、面向素养培育的人工智能体验式学习活动设计

（一）人工智能体验式学习活动类型设计

学习活动是学习者以及与之相关的学习群体为了达到预定的目标而进行的所有操作的总和^[5]，學习活动设计包括学习目标、学习资源、学习任务、学习支持和学习评价等要素^[6]。学习活动类型的设计根据教学环境、教学内容、学习对象的不同而多种多样，一般有情境游戏、场景体验、头脑风暴、合作探究、自主反思、小组交流，等等。由于人工智能学科互动性、操作性强，因此人工智能体验式学习活动的设计需要一定的智能化设备和软件支撑，也可以利用人们生活中已经普及的人工智能产品。如计算机视觉中人脸识别照相机框出人脸的体验，人工智能语音处理中利用智能音箱的对话体验，机器学习中与ChatGPT的问答体验，都能够让学生依靠自己的感官取得直接的经验，激起对自身智能的经验认知，为之后的反思观察、抽象概括等奠定学习基础。

（二）面向素养培育的人工智能体验式学习流程及对应策略

体验学习圈的四个要素对应了人工智能教学连续的教与学活动流程，我们将其划分为五个环节。环节一：教师创设真实情境，学生具体体验感知，可以小组合作探究，教师设计体验活动记录单；环节二：教师引导探究，学生观察，反思探究原理，教师提供反思观察结果记录单；环节三：教师组织讨论，学生自主探究归纳概括，领悟知识原理，教师设计辅助的原理讲解微视频、结果记录单；环节四：教师明确实践任务，学生实践算法理解，开展编程实践，教师设计算法流程图、程序支架等；环节五：教师总结反馈，学生领悟内化，再为下个阶段的体验做准备。每个环节的学习活动内容都对应体验学习圈的某个阶段，进而完成整个体验学习过程（如图2）。

基于体验学习圈的学习活动环节，教师可帮助学生通过体验交互深度参与学习过程，主动建构知识，促进学生对人工智能原理的认知，培养计算思维核心素养。教师在各学习环节中，要注重设计学习记录单，提供开放性的学习资源，搭建学习支架，提升人工智能课程的教学效果。

四、“人脸识别”体验式教学实践

人脸识别是计算机视觉最热门的应用，在人工智能领域是比较经典的教学内容。现以某版高中信息技术教材必修模块一“数据与计算”第四章第一节“计算机视觉”初始课为例，具体呈现面向核心素养培养的体验学习圈学习流程。

（一）设计真实有效的人脸检测体验环节

本课以人脸识别为主要内容，让学生类比人类人脸识别过程，理解计算机人脸识别的过程。学生在线体验开放平台，理解调用SDK（Software Development Kit）的算法流程，调整程序部分参数，自主实现人脸检测程序功能。“具体体验”环节可以被看作“感知”的过程，在该环节中，学生分小组体验照相机人脸检测，根据教师设计的学习任务单探究计算机如何在图像中找到人脸。学生利用计算机自带的摄像头，体验照相机对人脸的检测，通过面部遮挡，探究计算机是通过检测面部的哪些特征判断是人脸的。教师为学生小组合作探究提供带有摄像头的计算机、实验记录任务单（如图3），并组织小组学生交流。

设计意图：学生通过对照相机的体验，理解面部特征对人脸识别的关键作用。学生依靠自身感官获取直接经验，计算机通过分析图像中是否存在眼睛、口、鼻等特征判断并标记人脸位置。该环节为之后人脸识别学习阶段提供感知认识，是整个学习过程的准备与基础。

（二）引导反思观察的人脸识别机制探究

该环节教师引导学生对体验内容进行深层次思考，强化体验效果。人工智能建立在人类智能的基础上，最有效的反思方法无疑是探究人类自身对于该项智能的反应机制。人脸识别是人类婴儿时期即有的本领，在具体学习过程中学生通过体验的结论，进一步观察并反思人类对人脸的识别过程是怎样的。人通常会用瓜子脸、柳叶眉、樱桃口等特征描绘一个人的长相。这个环节教师设计“我来画同学”学习活动，让学生通过观察同学面部，思考提取眼睛、口、鼻特征的作画过程，将人类瞬间完成的人脸识别分解为系列步骤，探究人类对人脸识别的过程，再将该过程反思迁移到计算机对人脸识别的过程（如图4）。

设计意图：教师搭建游戏支架，让学生体验人类人脸识别的过程，引导他们迁移计算机视觉识别过程，培养计算思维的抽象能力、分解能力、迁移能力。教师设计人脸识别过程的记录单，为学生搭建思考的步骤支架，灰色区域是留出空白需要学生来填写的。该反思观察环节教师设计“画同学”学习活动，调动学生的知识经验对人脸识别进行解构，实现体验内涵的“缩小”，为进一步领悟抽象的间接经验提供基础。

（三）关注抽象概括的人脸检测算法理解

算法的优劣决定程序的好坏，人脸识别也有不同的算法，最好的人脸识别算法能够在一秒钟内识别出一千万人而不会出错。这个环节，学生在前面对人脸检测的亲身体验、反思观察的基础上，进行归纳，运用计算思维将计算机在人脸上画框的检测过程，抽象分解为定位、画框的算法步骤，完成学习记录单（如图5）。人工智能开放平台为我们提供了人脸检测工具开发包SDK。学生可以调用平台提供的SDK，借助平台的算法能力来获得对人脸的定位信息，再根据定位信息绘制人脸检测框。

设计意图：教师提供国内人工智能开放平台的人脸检测功能以及开放的学习技术文档供学生自主探究，让学生触碰到人工智能算法原理，在开放平台上进行真实的实践，从而培养计算思维的抽象能力、算法能力。这个环节是教学的难点，以算法的设计理解培养学生计算思维能力。由于人脸检测算法复杂且具有综合性，对于高中生有一定的难度，教师设计了算法排序的支架，抓住重点步骤，并允许小组交流，让每位学生都能够完成抽象概括出人脸识别算法逻辑的心理过程，培养计算思维的算法能力。

（四）利用程序创编的实践实现行动检验

经历了以上三个环节，学生对人脸识别机制有了理解，对计算机进行人脸检测的算法有了一定领悟。考虑到学生的实际情况及教学目标要求，行动检验环节应弱化编程代码，注重程序设计的体验感与成就感。教师事先在小组计算机上安装好Python程序、 Pillow库、百度Python SDK等，创建人脸检测应用，并提供完整的人臉检测程序和任务单（如图6）。学生根据代码段的解释，对应算法的顺序阅读理解代码，明晰计算机执行人脸检测的过程与原理。学生在本地计算机运行程序，以实践行动检验人脸检测算法的实现。教师还提供了深度体验代码编写的拓展任务，学生可以调整参数，实现多人脸检测，自主选择体验环境拍摄的照片来查看识别结果。

设计意图：行动检验环节体验借助人工智能开放能力，让学生能够创编改造自己的程序，增强学习成就感，同时也让学生联系生活实际，了解法律法规，建立技术与实际生活的联系。

五、总结与启示

体验学习圈由具体到抽象，将直接经验与间接经验辩证统一，提供一个以体验为核心的互动学习模式，非常符合人工智能学科的学习特点。具体体验、反思观察、抽象概括和行动检验四个阶段的交互循环，有利于培养学生分析问题、分解、抽象、算法、评估能力，对学生计算思维的培养极富教学价值。由于不同于传统教学方式，建议教师在实施该模式时要注意以下几点。一是以学生为主体，基于学生的学习基础设计学习活动目标、提供学习资源；二是设计学案导学，为学生各个环节学习活动提供明确的任务导向；三是设计多元化学习支架，如游戏支架、问题支架、表格的步骤支架、排序支架等，与学生理解阶段相匹配；四是关注过程，多元评价学生活动，教师评价方式也要相应做出改变。

注：本文系上海市教育科研项目“区域中小学人工智能教育生态构建研究”（项目编号：C2021093）的研究成果。

参考文献

[1] 李文君.体验式学习理论研究综述[J].教育观察，2012（4）： 83-89.

[2] KOLB D A. Experiential learning： Experience as the s-

ource of learning and development[M].EnglewoodCliffs，NJ： Prentice-Hall，1984：34-60.

[3] 胡杨，王后雄.“体验学习圈”在化学核心概念教学中的应用——以“氧化还原反应”为例[J].化学教学，2019（10）：43-49.

[4] 谢忠新，曹杨璐.中小学信息技术学科学生计算思维培养的策略与方法[J].中国电化教育，2015（11）：116-120.

[5] 杨开城.以学习活动为中心的教学设计实训指南[M].北京：电子工业出版社，2016.

[6] 葛文双，傅钢善.基于活动理论的网络学习活动设计——“现代教育技术”网络公共课活动案例[J].电化教育研究， 2008（3）：50-54.

（作者褚金岭系上海市浦东教育发展研究院教师，上海市浦东新区信息科技学科骨干教师；谢忠新系上海市浦东教育发展研究院教育信息技术部主任，信息科技学科正高级教师、特级教师）

责任编辑：牟艳娜