以图像二分类项目探究机器学习
——高中“新一代人工智能”校本课程设计与反思
2024-03-07毕琳琳山东省实验中学
毕琳琳 山东省实验中学
周燕 山东省济南市教育教学研究院
● “新一代人工智能”课程概述
1.课程目标
①通过体验图像二分类项目的整个流程,了解机器学习的一般过程。
②通过体验多种优秀的机器学习算法,了解机器获得智能的原因。
③通过小组合作探究项目,提高自主学习能力、思维能力、表达能力、合作能力以及解决问题的创新意识等综合素养。
2.学情分析
高中生思维活跃、敏感,身处知识爆炸式增长的信息社会,对人工智能相关的技术有认知基础和学习驱动。学生信息素养存在梯度性的差异,多数学生对Python程序设计有基本的认识,但在计算思维与实践能力方面差距明显。
3.教学策略
①项目式学习。图像二分类是贯穿“新一代人工智能”校本课程的学习项目,这种建构主义的学习方式有利于学生在一段时间内对一组主题相关的驱动性问题进行深入持续的探索,主动调动所有知识、能力、品质等创造性地解决问题,形成对核心知识和学习历程的深刻理解并进行迁移。
②探究式学习。为学生提供PPT、视频、操作演示、网站资源等多种学习支撑,便于学生探究摸索。
③小组合作式学习。两人一组,每组一台计算机,四人一张圆桌。
● “新一代人工智能”课程设计
1.课程结构
课程结构主要分为“导入”“项目实施”“展评”三个部分。①导入:该部分课程资料以视频为主,讨论人工智能过去的发展、现在的应用和未来的展望。②项目实施:该部分是校本课程的核心,分为五个环节,即项目分析、准备数据、SVM支持向量机分类、NN神经网络分类、CNN卷积神经网络分类(如图1)。③展评:包含两个环节,即小组展示和互评自评。
图1
2.课程实施
(1)导入
导入部分借助视频资料开拓学生的眼界,激发学生的思考,吸引学生的注意力。该部分分为三个环节,即AI过去、AI现在和AI未来。过去环节:了解AI的发展史和基本概念,领悟大师探究的品格和执着的精神;现在环节:观望人工智能在各个领域引发的变革,促使学生重新认识技术的跨学科性;未来环节:畅想人工智能的发展方向,直面隐私泄露、信息茧房、价值冲击等伦理风险,明确人工智能安全的重要性,引导学生合理合法地使用技术,落实面向设计者和创造者的伦理教育。
(2)项目实施
①项目分析。宏观介绍课程规划,明确学习任务——图像二分类;教师演示案例“荷花与玫瑰”,介绍分类任务;通过小组讨论(异质分组,男女搭配)类比小时候学习说话的过程以及回顾考前“刷题”的过程,明确分类项目的基本流程——准备数据、数据预处理、训练模型、预测评估,并明晰项目流程中的难点(如下页图2)。
图2
本环节植入机器学习的基本概念,准备视频资源如“线性回归与逻辑回归”“分类与聚类”等供学生自学,通过生动且形象的优质视频帮助学生理解抽象的算法思想,探讨机器学习与人类思维的异同,分析常用算法在生活场景中的应用(如表1)。
表1
②准备数据。该环节包含两个步骤:收集数据(各组爬取所需的图像数据);预处理数据、筛选图像、调整图像大小。
③SVM支持向量机分类。认识SVM:SVM支持向量机是机器学习的经典算法,也被称为传统分类算法中的天花板。其中,理论介绍以视频为主,从相对典型的线性分类讲起(如下页图3)。机器识别图像的原理借助网上交互学习平台进行学习。用SVM算法训练模型、测试模型:教师首先用案例“荷花与玫瑰”讲解代码,指导学生修改代码、调整参数,并形成自己的SVM分类代码,其次引导学生训练模型、评估模型、进行预测,并填写SVM分类情况统计表,完成小组阶段性总结。SVM分类是该项目第一种分类算法,暴露出实践操作中的各种问题,阶段性总结探讨各小组的准确率,探索影响准确率背后的各种因素。
图3
④NN神经网络分类。认识NN:神经网络是指人工神经网络,其结构如下页图4所示。用NN算法训练模型与测试模型:学生修改代码、调整参数,形成自己的NN分类代码,接着训练模型、评估模型,进行预测,并填写NN分类情况统计表,完成小组阶段性总结。NN分类是该项目第二种分类算法,学生的思路相对明朗。前两种分类算法的核心思想虽然不同,但是操作过程却有相似之处,操作迭代,有利于知识的构建。
图4
⑤CNN卷积神经网络分类。认识CNN:卷积神经网络CNN是深度学习中的著名算法,它在普通神经网络的基础上加入了卷积层与池化层(理论知识的讲解借助视频资源,卷积和池化的数学计算借用小动画)。模型训练与模型评估:通过修改代码、调整参数,学生形成自己的CNN分类代码,通过训练模型、评估模型,进行预测,并填写CNN分类情况统计表,完成小组阶段性总结。CNN分类是学生体验的第三种分类方法,在前两种分类的实践基础上,学生思路和操作再次迭代,从传统机器学习到深度学习的知识构建逐步完善。
(3)展评
展评部分有两个环节。其一,小组重新梳理整个项目,反思总结,汇报实践操作的得失;其二,小组自评和组间互评。
3.实施总结与反思
(1)重视教师的专业发展
①提高专业起点,优化教学内容。教师只有提高了专业水平,才能够更好地理解人工智能的原理和应用,从而更有效地组织教学活动。②更新专业知识,提高教学效率。教师只有紧跟时代,不断更新自己的专业知识,才能优化教学设计。
(2)急需适合中小学生学习的人工智能交互平台
人工智能难以理解,如果有交互性强的AI平台,可以有效降低中小学生学习人工智能的门槛。目前,人工智能头部企业的开放平台有很多优势:①实践性强。平台提供了大量的实践项目和案例。②资源丰富。大量的数据集、算法库和模型库,方便教师进行课程设计。③更新及时。平台不断更新和优化教学资源。但开放平台也存在问题,在登录方式、账号规模和算力支持上都存在限制,不适合班级授课模式常态化使用。所以,寻找一个适合学生长久使用的人工智能开放平台,是人工智能教学顺利开展的重要环节。
(3)建立人性化评价机制
校本课程适合建立人性化的评价机制,通过分类评价量表设定清晰的评价标准,通过阶段性总结进行定期检查和反馈,通过学生自评、学生互评、教师点评等方式开展多元化评价,通过详细的项目日志落实学生自我评价……总之,加强学习的过程性评价,可以更好地监督学生的学习进度和学习质量。
● 结束语
综上所述,高中“新一代人工智能”校本课程从社会的发展需求、人工智能学科的发展需求和学生心理的发展需求出发,帮助学生运用逻辑思维和计算思维去发现问题和解决问题,提升学生的科学素养。所以,教师在校本课上应重视学生思维层次的提升、行为习惯的养成和情感品性的陶冶,关注学生的道德完善和生命成长,让教学回归最本真的教育性价值,让学生在问题的解决过程中建构自己的知识体系,并不断成长,形成项目化思维。