基于新课标“人工智能与智慧社会”模块的教学实践

摘要：本文在“认识身边的人工智能”单元中通过创设生活中的人工智能场景——无人超市智能购物、挖掘购物数据中的秘密、智能垃圾分类，分析了典型的人工智能应用场景，帮助学生了解人工智能的基本特征及依赖的数据、算法技术；通过对比不同的人工智能应用场景，使学生初步了解了人工智能中的搜索、推理、预测和机器学习等不同实现方式。

关键词：信息科技；人工智能；教学实践

中图分类号：G434 文献标识码：A 论文编号：1674-2117（2024）15-0079-03

《义务教育信息科技课程标准（2022年版）》（以下简称“新课标”）在第四学段（7～9年级）的“人工智能的基本概念和常见应用”模块中提出“通过认识身边的人工智能应用，体会人工智能技术正在帮助人们以更快捷的方式投入学习、生活和感受人工智能技术的发展给人类社会带来的深刻影响”。笔者在“认识身边的人工智能”单元中创设了无人超市智能购物、挖掘购物数据中的秘密、智能垃圾分类三个场景，引导学生正确认识人工智能，在实际应用中体验人工智能带来的社会变化。

在生活中体验人工智能应用，认识人工智能

在任务一“智能结算助购物”中，笔者创设了任务情境：“无人超市”应用了很多人工智能技术，如智能购物车在物品放入购物车的过程中完成识别、结算。采用人工智能技术的购物车使用了“目标检测”的算法，创设此情境，旨在让学生通过编写程序在平台上完成商品检测及自动计价任务，从而体验人工智能技术在购物中的应用。

1.通过案例分析了解人工智能在生活中的应用

笔者将过去传统的自助结账方式和现在的智能购物方式进行对比。在节假日或者超市开展打折促销活动时，收银处会排起长队，采用传统的自助结账方式，顾客需要逐件扫描商品，并不能减少购物结算的时间。如果采用人工智能技术的购物车，装配了摄像头，可以在商品放入购物车的过程中实现商品信息的自动识别，真正实现快捷结算。教师提问：“商品信息的自动识别是采用什么技术原理实现的？”由此引出目标检测算法。

2.在任务驱动中体会人工智能模型训练的过程

教师布置任务：登录实验平台，编写程序，完成商品检测及自动计价任务。

在平台上，学生要先训练模型，给需要建模的物品拍照，从不同角度拍下不少于70张的样本图片（不同平台的要求不一样），训练不少于2个模型，以便于进行识别判断。接着编写程序：如果识别出商品为百事可乐，那么商品价格为5元；如果识别出商品为数据线，价格为15元（如图1）。在实际操作中，学生通过拍照训练模型体验人工智能通过模型训练进行深度学习的过程。

通过案例了解精准推荐的原理，正确面对人工智能技术带来的变革

在任务二“挖掘购物数据中的秘密”中，教师创设任务情境：在购物软件上，随着你购买物品的增多，购物软件开始推荐一些物品，神奇的是，这些物品常常是你需要的。大量的消费数据藏着你购物习惯的秘密，应用这些技术的商家，销量会直线上升。

1.通过游戏活动体验精准推荐的原理

教师创设“销冠争霸赛”游戏：游戏一共有20张商品卡片，4张角色卡片（医生、厨师、律师、画家），每张商品卡片有红、蓝、白、IZudkuTU4uombm9Trz1mGg==黄四种宝石价值，且卡片上宝石总价值为10。每张商品卡片上有针对各类宝石的得分权重。例如，学生A抽取的角色为“医生”，对应各类宝石的权重为4，0，0，1。当学生A购买苹果（4，1，3，2）后，得分为4×4+0×1+0×3+1×2=18。两人一组进行游戏，其中学生Ａ负责“售卖”20张“商品（卡片）”给学生Ｂ。

在游戏开始时，学生B抽取一张角色卡片，角色卡片给出其对各类宝石的得分权重。学生Ａ从20张商品卡片中挑选10张商品卡片向学生B展示。学生B根据抽取的角色卡片上对各类宝石的权重决定买或不买该卡片上的商品，学生Ｂ最多能从10张商品卡片中购买3张。最后，小组的总得分为学生B挑选三个商品的得分之和。

这个游戏对学生Ａ来说，需要寻找一些数据来判断学生Ｂ的特点。游戏中学生Ｂ可能存在四个特点（对应游戏中学生Ｂ可能会抽取到的四个角色），那么，如何确定学生Ｂ的特点呢？学生A可以在20张商品卡片中，选择最能反映四类用户特点的商品展示给学生Ｂ，观察学生Ｂ的选择。四类商品分别对应四类用户的特点（其中苦瓜对应医生，炸鸡对应厨师，薯片对应商人，甜点对应画家），如图2所示。假设学生Ｂ选择了“苦瓜”，此时学生Ａ就获得了一条数据，根据这条数据，可以判断出学生Ｂ的角色是“医生”。学生Ａ为了获得最大分数，后续开始针对学生Ｂ的“医生”特点，为其推荐商品。

游戏的具体策略就是根据数据进行信息挖掘，最终实现精准推荐，这就是推荐算法的原理。尽管学生Ｂ并没有表明自己是什么类型的用户（学生Ａ不知道学生Ｂ抽取的角色），也没有明确表明对每个商品的喜爱程度，但是通过总结学生Ｂ的“购买”行为，学生Ａ就能预测出学生Ｂ背后的属性，从而判断学生Ｂ对什么样的新商品更感兴趣。与游戏类似，生活中有许多应用场景都在不知不觉地产生数据，如浏览新闻、搜索题目、网上购物、线上学习、搜索信息、观看视频、互动聊天等，数据悄然在日常生活中积累起来。

数据挖掘有很多重要的应用，如推荐系统，“销冠争霸赛”的游戏就是基于数据挖掘的推荐，在游戏中通过对学生Ｂ的行为数据进行挖掘，能够得到学生Ｂ特征的关键信息，当知道学生Ｂ的特征之后学生Ａ就可以推荐学生Ｂ最“需要”的商品。简单来说，推荐系统可以理解为：爸爸去买洗车布，售卖员认为爸爸需要购买洗车用品，于是在卖出洗车布的同时向爸爸推荐了洗车水蜡。

2.通过具体任务让学生在操作中体验人工智能算法的应用

教师布置任务：登录平台编写程序完成任务—①查看学生对不同体育器械的感兴趣情况；②编写程序尝试进行数据挖掘，实现体育器械推荐系统；③编写程序对推荐系统进行测试，向新学生推荐。

3.通过案例应用推荐算法，探讨人工智能技术应用的伦理道德问题

教师展示案例：随着人工智能技术的不断发展，购物推荐体验也不断升级，个性化推荐技术对销售额的贡献也在不断上升。为了让推荐系统更精准更高效，需要对更多的有效用户数据进行数据挖掘。推荐系统在提供精准服务的同时也有泄露个人信息的风险。布置任务：请讨论人工智能技术应用中的信息安全和伦理道德问题。

师生共同探讨得出结论：工具已经变成了自己的延伸，工具自身的智能水平有限，并不拥有完全的自主性，所以无论机器人造成什么后果，责任主体依旧是制造和控制机器的人类。

通过应用实例，感受人工智能在生活中的应用

在任务三“智能垃圾分类”中，教师创设情境：小华是班级的“卫生委”，他最近为了垃圾分类的事情伤透了脑筋，在垃圾分类时，经常不知道收集的垃圾到底是什么类型的垃圾，小华想，要是有一个智能垃圾分类装置就好了。师生进行问题分析：①垃圾种类繁多，记忆难度大。②不同地区分类标准不同，需要建立一个自适应模型，实现不同类型的垃圾分类。

1.制订垃圾分类的标准

各个城市的垃圾分类在名称、标志和标准上有所不同，如上海将垃圾分为可回收物、有害垃圾、湿垃圾和干垃圾四类，而北京则分为厨余垃圾、可回收物、有害垃圾和其他垃圾四种。请根据所在城市的垃圾分类要求制订垃圾分类标准。

2.训练模型

教师引导学生通过图片采集与标注、模型训练、模型测试三个步骤得到新的垃圾分类模型。

数据采集：准备面包等湿垃圾样品和一次性水杯等干垃圾样品，通过摄像头采集方式或图片文件夹上传方式获取干垃圾图片数据集和湿垃圾图片数据集。

模型训练：基于上传的图片数据集，通过平台提供的模型训练函数，将干湿垃圾图片数据送进网络模型中即可完成训练得到自定义的垃圾分类模型。

模型测试：通过摄像头采集含有垃圾物品的图片或者手机拍照上传图片，基于训练好的模型调用垃圾种类预测函数就可以输出预测的垃圾种类。

教师布置任务：登录实验平台，平台中提供了已经训练好的图片分类模型，模型可以实现生活中常见物品的垃圾种类分类，当传入图片数据后，通过模型完成特征提取和分类，输出物品种类，请编写程序实现人工智能垃圾分类。

3.搭建垃圾分类装置

材料准备：拼插积木，摄像头，电机，主控，常见干垃圾、湿垃圾物品若干。

步骤流程：搭建模型→采集干湿垃圾图片→训练分类模型→测试分类模型→预测垃圾种类→垃圾桶智能开合。

结束语

人工智能时代带来了很多机遇，也充满了挑战，学生需要掌握人工智能时代的基本素养，如能够从庞大的数据流中提取有效信息，进行处理、分析，并将数据转化为用于决策和判断的依据；能够拥有较强的动手实践能力，并能在技术实践中自我反馈并加以修正；能够主动与他人或群体有效配合，合作完成任务。学生只有掌握了人工智能时代的基本素养，才能真正适应人工智能时代对人才的要求。

本文系南京市教育科学“十四五”规划2022年度专项课题“基于智慧教育评价的区域数据中台建设的实践研究”（课题编号：PJZX/2022/006）研究成果之一。