指向深度学习的初中人工智能教学——以“马尔科夫vs 习惯思维”为例

◎ 朱皓斌

一、引言

人工智能普及教育正走进中小学课堂，当下初中信息科技的人工智能教学大多停留在应用领域，而帮助学生理解人工智能基础技术和原理将帮助学生更好地成为技术的主人。［1］在教学中，人工智能基础算法涉及的数学知识略微高于当下初中水平，对于初中生来说有些抽象和难以理解。以自然语言处理（Natural Language Processing， NLP）中的马尔可夫转移矩阵为例，如果仅仅讲解矩阵的计算方法，可能很难取得良好的效果。因此，本课将基于深度学习理论，设计线上线下的教学材料和卡牌式游戏任务，通过阶段任务的完成，让学生预测剪刀石头布游戏的出拳结果，从而理解马尔可夫转移矩阵的思想，并初步领会自然语言处理中序列预测的奥秘。

二、基于深度学习理念的初中信息科技教学准备

（一）深度学习的内涵阐释

深度学习从过程来看是一种以学生为中心、教师为主导的学习［2］，其本质是强调学生在高水平上对有一定挑战的知识进行认知加工，以实现学生既能批判性理解知识，也能将所学知识迁移到相关领域并解决问题的学习效果［3］。随着信息化教学给教育带来更多的方式，深度学习从一种被倡导的教学模式，渐渐转化为一种教学理念。［4］

初中阶段信息科技具有基础性、综合性和实践性，其中人工智能部分的内容具有较强的跨学科和综合应用性质［5］。在课堂中基于深度学习理念开展教学工作，将有助于学生提升自主可控意识，帮助学生理解人工智能基础知识本质，掌握人工智能技术在问题解决中的应用，以及提升数字素养与技能。

（二）开展深度学习的条件分析与准备

郭华提出深度学习的发生以教师指导为先决条件［6］，此外还包括四个学习条件，即精心设计的可学可操作的对象、有计划有序的思维阶梯、宽松平等的合作方式以及信息反馈和及时调整的策略。以人工智能中自然语言处理的马尔可夫转移矩阵一课为例，基于深度学习理念做了如下准备。

首先，在校园学习网站中搭建项目学习平台，课堂上可以同时在平台和线下发布任务和学习材料，形成可学可操作的对象。教师为本课设计一系列学习卡牌，每张卡牌展示任务和思考问题，并根据难易程度分为三条线索。学生可以根据小组的能力和兴趣选择合适的路线，在项目中将实际的卡牌学习活动结果输入平台，以获得反馈和下一项任务的指引。

其次，每条线索的卡牌组在时间进程上呈现有序的能力提升阶梯——卡牌分为知识卡牌和任务卡牌。知识卡牌提供一个知识，并在卡牌中提出一个问题，解决上一个问题才能开启下一个卡牌。任务卡牌则是结合学习进度布置任务，帮助学生循序渐进应用新知识解决从简单到复杂，再到迁移性的实际问题。在前半部分，知识卡牌充当了知识联系者的角色，帮助学生将已有经验与新知识联系起来解决问题。在后半部分，任务卡牌作为阶梯，每项任务是上一项任务的深化或批判问题，学生在此基础上进一步探究，并通过完成任务提升能力和改变对知识的理解方式。

第三，学生以小组的形式参与项目学习，能力水平相近且学习兴趣相似的同学组成小组，在自己选择的难度线索中学习。这样的方式可以帮助不同程度和特点的学生在各自水平上继续进步。例如，对于编程水平较低的小组，可以利用算法知识和图形化软件在简单线索中实现任务。对于热衷于电子信息实践且具有较高学习能力和编程能力的小组，则可以利用算法知识和智能硬件在困难线索中实现硬件部署的任务。无论哪个小组，都将根据各自的挑战水平完成学习路线。这样的设计旨在鼓舞学生的学习信心，激发他们继续探索的热情。

最后，在学习平台中，教师可以在后台观察到所有小组的卡牌学习进度和任务进程，如果发现有掉队或遇到问题的学生，可以及时给予帮助。同时，如果有学生选择了和本小组能力不匹配的线索，教师也可提供指导并帮助其转换到合适的线路中，实现了教师在过程中以学生为本的调控。在课堂的最后，教师根据学习记录和学习成果，同样也可以开放给各个小组相互欣赏与评价。最后，为完成卡牌的小组颁发奖励卡牌，奖励卡牌不仅限于完成困难线路的学习小组，也包括能够顺利完成简单或中等难度的学习小组，他们同样将获得卡牌奖励。

综上，基于深度学习理念开展初中信息科技的人工智能教学，将帮助学生提高对人工智能技术原理的认知水平，在变式、迁移和应用中提升信息科技核心素养，在小组合作与综合活动中培养协作能力和问题解决能力。以下将结合深度学习的主要特征阐述如何开展基于深度学习的初中信息科技教学。

三、深度学习理念下初中信息科技的人工智能教学实践

结合以上深度学习的任务目标、特征，利用依据深度学习的条件准备，以自然语言处理中马尔可夫转移矩阵的算法学习为例，本教学活动实施过程如下。

（一）联想与探索

1.游戏引入

学习小组体验与AI 对战活动。学生打开“石头剪刀布”网站，可以和AI 玩猜拳游戏。教师观战并提出问题：“在进行猜拳游戏时，你觉得人和人工智能之间的对战会有什么不同？”引导学生思考并分享自己赢或输给AI的经验，讨论人工智能在游戏中的优势和不足，并指导学生回顾自然语言处理中的相关知识，尝试在预测下一次出拳概率时进行迁移应用。

2.卡牌探索

学生在平台可以获取卡牌线索，教师可以通过教室内的智能机器人来分发线下真实知识卡牌，以调整课堂进度。学生以卡牌问题为导向，自主学习马尔科夫转移矩阵在游戏中的应用。每个小组的学生可以根据自己的学习难度（简单、中等和困难）选择第二张卡牌，每张卡牌上都会有一个知识点和一个相应的问题。问题会结合新知识和过去的知识，答题成功后，答案就是下一张卡牌的编号。流程主要界面如图1 所示。

图1 卡牌活动

通过游戏和卡牌的探索，能够迅速使学生进入学习状态，参与问题探究并主动进行自我思考，从而展开自主式学习，实现对信息的初步提取。教师在情境导入环节时已经考虑到学生已有的知识经验，并思考如何唤醒他们的原有经验，以便提取与新课相关的知识点。

3.讨论与思考

教师在课堂上分析讲解马尔科夫转移矩阵，并得出其两个主要特点。随后，教师提出问题：“如何使用马尔科夫转移矩阵预测下一次出拳的概率？”引导学生参与讨论，共同分析猜拳游戏背后的思路以及如何基于已有信息进行预测。学生可以提出自己的想法和解决方案，并将其与马尔科夫转移矩阵的概念联系起来。通过使用简单模型完成预测（非实时更新的一阶马尔科夫矩阵），学生可以体验使用模型进行决策的过程。

【设计意图】在教学中，让学生进入真实的问题情境中是很重要的，这样可以激发学生的前知识和学习动机。通过引导学生进入情境，不仅可以吸引他们的注意力，还可以帮助他们更好地理解和表达问题。因此，我们应该把学生置于问题情境中，让他们直接参与其中，并提供足够的时间给他们自己去发现、理解和分析问题。这样，他们就能够与新知识建立起联系了。

（二）活动与体验

1.活动一：基于图形化编程完成剪刀石头布出拳游戏

教师要求学生在图形化编程任务中，补充记录出拳次数的功能，并完成代码的填写，以便程序能够根据本次出拳记录次数，判断下次可能出拳的种类。通过直观且简单的任务，引导学生掌握大小比较的算法，初步实现程序化的剪刀石头布小游戏设计，为后续学习打下基础。

教师继续通过卡牌引导学生学习马尔可夫概率矩阵：请学生从机器人身上取下剩余的卡牌，完成第三张卡牌的入库操作。在入库的同时，根据马尔可夫转移矩阵的特征，填写卡牌中缺省处的数字。经过卡牌的探索后，我们总结出转移矩阵具有如下特点：从某一状态出发，到其他状态的概率之和为1，这是因为某一状态必须转移到三种状态中的一个。在进行运算时，下一个状态只与上一个状态有关。

2.活动二：基于概率矩阵完成出拳预测

在此任务中，学生需要完成两部分的操作。首先，在舞台中初始化转移矩阵的9 个概率值，这些概率值对应着卡牌上的数值，将这些数值所对应的状态作为下一次出手的预测。其次，点击按钮出拳后，需要判断当前状态转化概率的三个值中哪一个是最大的，并将其作为下一次出拳的预测。

【设计意图】紧密相关的两个任务引导学生将所学马尔可夫链思想应用于剪刀石头布游戏的出拳预测。通过基于图形化编程的基础技能进一步发展大小比较的方法，并结合具体的图形化编程和概率矩阵应用场景，学生扮演人机对战游戏开发者的角色，从主人公的视角思考序列预测问题。这样引导学生了解和掌握算法过程的原理，提升计算思维和问题解决能力。

（三）讨论与调整

1.思考与讨论

在完成活动二后，教师引导学生发现一个问题：“为什么固定的转移矩阵不能预测多变的思维方式？”即固定转移矩阵无法准确反映不断变化的思维方式，在实际应用中可能存在一些不足。通过这个问题，可以更深入地了解转移矩阵的局限性。接下来，教师可以介绍一些解决这个问题的方法，即通过实时数据来更新转移矩阵，以更好地反映当前的思维状态。例如，利用历史数据进行训练，或者使用机器学习算法进行优化。这些方法可以帮助学生更好地理解和应用转移矩阵。

2.活动三：实现转移矩阵的自动更新

通过活动二，学生已经了解了更新转移矩阵的重要性和方法。在这个活动中，学生将对上一个程序进行修改，以便使转移矩阵能够根据记录数据的更新而进行调整。通过这个活动，学生将学会利用实时数据来更新转移矩阵，从而能够更准确地进行预测。

【设计意图】此处为基于知识要点的问题链，帮助学生在理解分析的基础上重新实现知识的意义建构。在课中，引导学生认识到序列本身变化的本质和上一方案的矛盾，能够激发学生学习的主动性，活跃其思维，思考如何实现动态矩阵和序列预测。在新的变式中使学生能够更快速有效地掌握课程的核心知识。

（四）迁移与应用

在活动三完成后，教师可以演示卡牌任务中难度3 的内容，运用行空板实现相关程序。这个拓展部分让学生关注到更高级的转移矩阵更新方法，了解更复杂的技术应用。学生通过观摩教师的演示，尝试理解和模仿实现。最后是实践应用活动，基于本课所学马尔可夫转移矩阵思想，学生将在不同难度线索中利用不同技术实现能动态变化的剪刀石头布人机对战游戏。简单线路是通过点击屏幕对象出拳，中等线路是通过手势识别出拳并记录，困难线路是借助智能硬件实现移动终端的游戏完善。

教师应该为学生留出后续学习的空间，以鼓励他们继续深入学习和探索相关的人工智能技术和应用。通过课堂上的提问，学生将思考人工智能预测的准确性和局限性，从而培养学生的批判性思维。此外，教师还可以引导学生思考转移矩阵在更多场景中的应用，例如天气预测和语言预测等。学生可以根据自己的兴趣和能力进一步拓展研究，挑战更复杂的问题，并加深对自然语言处理的理解和应用。

【设计意图】通过教学实践，在知识点之间建立某种联系，通过发现问题更新程序活动，帮助学生及时巩固知识点，不断完善自我认知结构，实现知识内化。通过思考讨论，客观认识人工智能技术对社会的价值，形成正确的科学技术应用观。

（五）记录与评价

本节课中，当学生完成了所有三个环节的课堂活动后，教学网站也同步记录了每个小组同学的学习进度。于是教师给完成所有任务的小组发出了最后一张奖励卡牌，并提出了进阶问题：尽管我们在三个不同难度等级下复现了剪刀石头布的游戏，但在对战过程中，我们会发现胜率随着对局次数的增加而降低。在确认程序没有出错后，引导学生从算法和数据的角度思考这个问题。

深度学习的教学评价重心并不在于对学生知识掌握程度的评价，而更注重对学生认知思维过程的评价。例如，组长可以观察记录小组在问题抽象、算法设计、勘误修正、归纳迁移等环节中的表现，并为小组进行打分记录。通过整理各组的得分数据，可以了解各组的学习情况，详见表1。

表1 小组评价表

四、结语

本研究结合深度学习的主要特征和实现条件，结合初中信息科技中人工智能部分的内容特点，构建了一个学习和操作平台。该平台设计了帮助学生深度参与的材料和卡牌道具，并设置了难度区分和递进层次的任务链。经过教学实践，学生在具有挑战性且与自己经历密切相关的任务中，成功设计了基于序列预测的人机对战游戏。在后台统计结果中，所有学生都完成了知识卡牌问题，并完成了前两个挑战任务。其中63%的学生小组完成了所有挑战并获得了最终奖励。这意味着学生通过学习理解了马尔可夫转移矩阵的思想，并且大部分学生能够将所学知识迁移应用到其他领域。此外，在教师的引导下，学生能够将所学知识应用到自然语言处理、天气预测等序列预测的情景中，并构思可能的问题解决方案，实现了对知识的内化和拓展应用。

综上，本研究为人工智能教育以及跨学科深度学习教学实践提供参考。同时，未来的教育研究者也可以在以下几个方面进行进一步探究：首先，可以进一步完善课程内容和教学资源，以确保课程设计与人工智能领域的最新发展保持同步；其次，可以探索更多多元化的教学方法和工具，满足不同学生的学习需求和学习风格。个性化教学和技术支持可以进一步提升学生的学习动机和学习成果。此外，可以进行长期的效果评估研究，跟踪学生在核心素养培养方面的长期发展和应用能力。这样的研究将为进一步优化课程设计和教学方法提供有力的依据。最后，可以加强与实际应用领域的联系，引入实践案例和行业合作，使学生更好地理解人工智能的实际应用和发展趋势，培养他们在实践中应用人工智能技术解决问题的能力。