初中人工智能TPBL教学评一体化设计：现实困境与实践推进

【摘 要】本文通过剖析项目化学习（PBL）在初中人工智能教学中的教学目标定位不准、教学评不一致、教师数字素养不高三大困境及成因，提炼出TPBL（技术增强型项目化学习）教学评一体化设计模型，并展示利用TPBL模型设计的初中人工智能教学实例，为初中人工智能教学提供新的参考。

【关键词】人工智能；项目化学习；TPBL；教学评一体化

【中图分类号】G434 【文献标志码】A

【论文编号】1671-7384（2024）08-043-04

项目化学习在初中人工智能教学中扮演着至关重要的角色。它通过将学生置于真实的技术应用场景中，激发他们的探究兴趣和创新思维，培养解决实际问题的能力。这样的教学模式能更好地帮助学生对学科知识本质进行深度理解与持续建构，有效地促进学生学科核心素养的培养[1]。

当前PBL存在的困境及成因

《义务教育信息科技课程标准（2022年版）》倡导真实性学习，鼓励“做中学”“用中学”“创中学”，凸显学生的主体性[2]。PBL作为一种以学生为中心的教学模式，其在知识传授、素养导向上发挥了重要的价值。但PBL作为一项系统性的教学设计，受学生知识储备、课时安排、教师的学科专业素养等因素影响，在教学实施的过程中亦存在一些亟待解决的问题。

1.教学目标定位不准

教学目标是教学的核心，必须精确定位以确保PBL的有效实施。然而，当前存在一些问题：目标常与课程标准脱节，未重视学生高阶认知能力的培养，且未充分考虑学生实际情况。例如，在智能垃圾分类项目中，教师仅设定了学习使用图像识别软件和了解垃圾分类规则的目标，却忽略了探索图像识别技术、数据对算法性能的影响，以及不同AI技术的应用等更深层次的内容。同时，未根据学生知识储备进行分层教学，导致教学效果不佳，学生感受差异大。为提高教学质量，我们应重新审视并精确定位教学目标，确保其既符合课程标准，又关注学生高阶思维能力的培养，并充分考虑学生的个体差异和实际需求。

2.教学评三者指向不一致

在项目化学习中，教、学、评三者是相互影响、相互促进的。教师的指导和评价可以为学生提供学习的方向和反馈，学生的学习成果和过程又可以反馈给教师，帮助教师调整教学策略。整个过程中，教学目标是核心，所有的教学活动和评价都是围绕实现这些目标进行。在这一理论指导下，国内专家构建了课堂教学过程中教学评一致性三因素模型[3]（图1）为我们指明了方向。

然而，实际教学中常出现三者不一致的情况。学教不一致会导致学生的理解与教师目标不符，如YOLO目标分类教学中，目标过于抽象，未贴近学生实际，影响学习效果。教评不一致则表现为教学内容与评价体系不符，如目标虽为培养创新思维，但评价仍停留在知识记忆层面。学评不一致则是学习过程和评价体系不符，如评价标准侧重应试，而学习过程包含多种探究实践，导致评价无法真实反映学习情况。为提高教学质量，必须确保教学评三者的一致性，让评价真实反映教学过程和学习成果，从而更有效地促进学生的学习和发展。

3.缺少数字化技术支持

教育部于2022年颁布的《教师数字素养》给出了教师数字素养框架，规定了数字化意识、数字技术知识与技能、数字化应用、数字社会责任、专业发展五个维度的要求[4]，为教师在数字化时代的专业发展指明了方向。在PBL教学模式中，数字化技术的支持显得尤为重要。缺乏数字化技术，PBL的深度和广度会受到极大限制，教学资源和活动形式都会变得单调乏味。更重要的是，没有技术的辅助，教师难以准确掌握学生的学习情况，无法进行个性化的教学调整。学习评价也会因缺乏数据支持而变得不够客观。此外，数字化工具能帮助学生更好地进行知识构建和概念探索，从而培养其批判性思维和创新能力。在协同育人方面，数字化平台也能加强学校、家庭、社会之间的合作，共同促进学生的全面发展。因此，在PBL中充分利用数字化技术是提升教学质量的关键。

TPBL教学评一体化设计模型的提出

TPBL（Technology-Enhanced Project-Based Learning），即技术增强型PBL，是一种将先进的数字化技术与项目化学习理念相结合的教育模式，旨在通过技术的支持和项目化学习的实践，培养学生的高阶思维技能、创新能力和适应未来社会的能力。该模型（图2）力求将教学、学习、评价与技术工具紧密融合，以实现更有效的教育过程。该模型以明确的教学目标为起点，以生活中真实的项目促进学生的主动探究和技能掌握。它采用多元化评价方式，确保对学习成果的全面评估，并利用数字化技术全程参与教学设计、过程实践和教学评价，全面提高学习效率和参与度。同时，模型支持个性化学习，通过数字化平台，鼓励师生互动交流，整合丰富学习资源，分享学习成果，并创建开放和及时反馈的学习环境，能有效地推进教学的实施，促进核心素养的形成。

TPBL的主要理论基础

TPBL模型深受建构主义学习理论、认知心理学和多元智能理论的影响，形成了一种综合性的教育模式。建构主义学习理论认为，知识是通过学习者的主动建构而成的，TPBL据此强调学生在团队合作和项目实践中的主动性和创造性，通过与现实世界的互动来构建和内化知识。同时，认知心理学关注学习者信息处理的过程，TPBL结合这一理论设计科学有效的教学方案，促进学生在认知层面的全面发展，提高学习成就感，并培养关键认知技能。

多元智能理论进一步扩展了TPBL的视域，认识到每位学生独特的智能组合和潜力。TPBL通过多样化的问题和活动设计，激发学生的学习兴趣，并促进他们在多个智能领域的全面发展。这种模式不仅提升了学习的适应性和创新性，还帮助学生发现自己的优势，促进个性化发展。综合这些理论，TPBL模型为学生提供了一个互动性强、内容丰富、认知挑战和个性化学习并重的教育环境，旨在培养学生的批判性思维、解决问题的能力以及终身学习的基础，为快速变化的社会培养有能力的个体。

基于TPBL模型设计实例：以星火智慧种植园管理系统为例

1.应用数字化技术开展项目分析

在项目化学习前期，基于数字化技术的学习情况分析主要从知识掌握度、技能熟练度、学习动机、学习风格、合作能力、批判性思维、创新能力、技术适应性和情感态度等维度进行。这一分析的目的是确保项目的教学内容和方法能够满足学生的个性化需求，激发学习动机，优化团队协作，促进学生批判性思维和创新能力的发展，并帮助学生适应新技术。

本项目实施前，教师通过对问卷的分析，掌握了学生对图形化编程、开源硬件和物联网等关键技术的了解程度，学生对智慧种植管理系统主题的兴趣和参与项目的内在动机，学生偏好的学习方式，如视觉、听觉或动手操作等。这些信息帮助教师设计符合学生实际需求的教学计划，调整教学方法，优化学习体验，并促进学生在项目化学习中的有效学习。

2.确定核心知识，明确教学目标，制定评价标准

本项目的核心知识是通过类比人的视觉与机器视觉的差异，让学生经历数据样本采集、标注、训练模型、验证和部署模型的过程，让学生初步了解基于YOLO的目标分类算法，感受人工智能在生活中的应用魅力。根据此核心要点，我们可以确定本项目的教学目标和评价标准。

教学目标：（1）了解人类视觉与机器视觉系统在功能和工作原理上的基本差异；（2）能够独立进行数据样本的采集，并学会对数据进行准确标注，为机器学习模型的训练提供高质量的输入；（3）学生能够构建、训练并评估一个基本的机器学习模型；（4）学生能够通过项目实践，体验人工智能技术在现实世界中的应用，理解其对生活和社会的潜在影响；（5）学生能够认识到人工智能技术的伦理和社会问题，培养负责任地使用技术的意识。

教学目标的设计根据学生的年龄特点、认知水平作出调整，摒弃高深的、晦涩的机器学习算法原理等知识。在评价设计上，遵循教学评一致性原则，评价标准与教学目标紧密对应，具体且可量化。以下是针对教学目标的具体评价标准。

（1）学生通过类比人类的视觉系统，能使用自然语言说出机器视觉的判断过程；（2）学生能展示一个数据采集和标注的项目，包括数据采集的方法和标注的准确性；（3）学生需提交一个包含模型构建、训练和评估过程的项目报告或项目文档；（4）学生需完成一个项目，展示人工智能的目标分类技术在现实世界中的应用；（5）学生通过讨论，能说出人工智能技术的伦理和社会问题。

3.创设真实情境，引出驱动问题

设计一个合理的驱动性问题，需要确保它既贴近学生的真实生活情境，又能够激发他们的认知兴趣和探究欲望。本项目的驱动问题：如何利用人工智能技术创建一个智能管理系统，以优化校园植物的生长监测和维护？

校园植物种植是学生日常生活中可以直观体验到的场景，易于引起共鸣。设计一个智能管理系统需要综合运用多学科知识，对学生来说是一个具有挑战性的任务。学生需要理解人工智能的基本概念，包括机器学习、数据分析和智能系统设计。学生需要探索具体的技术实现步骤，如数据采集、模型训练、系统集成和自动化控制。学生需要对自己的学习过程进行反思，思考如何有效地应用AI技术解决实际问题，并评估解决方案的有效性。

4.设计学习进阶任务

在设计学习进阶任务时，我们需要确保任务不仅围绕教学目标，而且能够体现教学内容的深度和广度，同时激发学生的探究兴趣和学习动力。以下是针对目标（3）设计的学习任务。

任务一：模型训练与初步评估。

任务要求：完成数据集的准备，包括图像采集和目标标注；利用Mx-YOLO软件进行模型的训练；通过观察Loss图表和混淆矩阵来监控模型训练过程，并初步评估模型性能。

任务二：模型优化与实际部署。

任务要求：调整模型参数，进行模型优化，以提高识别准确率和降低错误分类率。将优化后的模型部署到K210开发板上，并展示模型在实际环境中的预测结果。

通过上述两个进阶任务，学生不仅能够实践模型训练和评估的过程，还能够学习如何优化模型并将其应用到实际硬件中，从而更全面地理解和掌握机器学习的核心知识。同时，这种进阶任务设计有助于学生逐步建立起从理论到实践的完整知识体系，为进一步的学习和研究打下坚实的基础。

5.成果展示

成果展示是项目学习中极具活力的环节，它不仅是学生智慧和创造力的集中展现，也是他们综合运用所学知识和技能的舞台。学生团队通过精心准备的演讲、演示文稿、视频或实物模型，向观众展示他们的研究成果，包括项目背景、目标、过程、发现、结论和创新点等。

这一环节为学生提供了宝贵的交流和反思机会。在与观众的互动中，他们接受反馈，学习从不同角度看待问题，这有助于他们全面理解项目并促进个人成长。成果展示还具有激励作用，它鼓励学生为自己的成就感到自豪，同时激发其他学生的学习热情。同时，成果展示的过程也是学生团队协作能力的体现。在准备和展示过程中，他们学习如何分工合作、沟通协调，这些技能对他们未来的学习和职业生涯都是宝贵的财富。

6.项目全面评价

项目全面评价是项目学习中的核心环节，它通过系统的方法对学生的学习全程进行深入剖析。为确保评价的全面性和准确性，教师精心设计了过程性评价与总结性评价相结合的机制，并借助数字化UMU平台，高效地收集并分析学生的学习数据，从而构建一个科学、完善的评价体系。

过程性评价主要着眼于学生学习的即时状态和持续性进步。这一评价不仅关注学生的参与度，还深入考察他们的知识掌握程度、技能运用水平、学习动机、团队协作能力等多个维度。例如，学生在项目中的提问和讨论情况、对关键知识点的理解、技能的实践应用，以及他们的学习态度和团队协作精神，都是过程性评价的重要内容。而总结性评价则更侧重于对学生最终学习成果的评估。它主要考量学生提交的项目报告、文档或演示的质量，以及他们在实践中的创新思维和技术应用能力。此外，学生的团队协作、个人成长、伦理道德观念以及他们如何对待和利用反馈进行自我提升，也是总结性评价关注的重点。

这一综合评价体系不仅为学生提供了一个全方位的反馈系统，帮助他们清晰地认识到自己在项目中的表现，并找到进一步提升的方向；同时，也为教师提供了宝贵的教学参考，使他们能够更有针对性地指导学生的学习和项目的推进。总的来说，这一评价体系在促进学生学习发展和提升教育质量方面发挥了不可或缺的作用。

人工智能教育已成为培养未来技能和素养的基石。通过精心设计的TPBL教学模式，我们不仅展示了教师在数字化浪潮中增强数字素养的迫切需求，也彰显了PBL在培育学生核心素养方面的核心地位。我们坚信，TPBL模式的深入实施将开启教育的新篇章，为孕育具有创新意识和实践才能的学生提供坚实的支撑。

注：本文系广东省教育科学规划领导小组2023年度中小学教师教育科研能力提升项目“基于学历案的初中人工智能教-学-评一体化实践研究 ”（课题编号：2023ZQJK114）和2024年广东省基础教育课程教学改革深化行动专题研究项目“基于项目式学习的初中信息科技教学实践研究”（粤教教研函[2024]1号）研究成果

参考文献

陈倩. 大概念统整的学科项目化学习设计研究[D]. 成都：四川师范大学，2020.

熊璋，赵健，陆海丰，等. 义务教育阶段信息科技课程的时代性与科学性：《义务教育信息科技课程标准（2022年版）》解读[J]. 教师教育学报，2022，9（4）： 63-69.

崔允漷，雷浩. 教-学-评一致性三因素理论模型的建构[J]. 华东师范大学学报（教育科学版），2015，33（4）： 15-22.

吴砥，陈敏. 教师数字素养：教育数字化转型背景下的教师发展重点[J]. 中国信息技术教育，2023（5）： 4-7.

编 辑：徐靖程