“人工智能预测出行时间”主题教学的设计与实践

摘要：本文对浙教版信息科技九年级“智能预测”学习模块进行单元整体设计，基于生活实际选择了“人工智能预测出行时间”主题，根据四维核心素养确定教学目标，层层递进建构“科”“技”并重的常态课堂，落实真实全面的多维评价，以期让学生在解决真实、复杂问题的过程中掌握必备知识、形成关键能力。

关键词：人工智能；预测；主题教学；素养导向；“科”“技”并重

中图分类号：G434 文献标识码：A 论文编号：1674-2117（2024）16-0000-03

《义务教育信息科技课程标准（2022年版）》（以下简称“新课标”）关注提升学生的“核心素养”，强调课程内容要体现“科”与“技”并重，提炼了数据、算法、网络、信息处理、信息安全、人工智能六大逻辑主线，其中人工智能主线内容深度融合了其他五大主线。人工智能是模拟、延伸和拓展人类智能的理论、方法、技术及应用的技术学科，在学生身边的应用广泛，可实践性强。因此，人工智能教学具有前瞻性、综合性、实践性。所以，在经过之前各学段循序渐进的学习和学生核心素养螺旋式的提高后，第四学段人工智能教学的开展具有重要的意义。

基于上述分析，笔者遵循“科学原理和实践应用并重”的课程理念，围绕“人工智能的三大技术基础是数据、算法、算力”等大概念，将浙教版九年级第三单元“智能预测”模块拆分重组，进行单元整体设计，并从学生实际经验出发，以“人工智能预测出行时间”为跨学科学习主题进行了设计与实践，以期让学生在解决真实、复杂问题的过程中掌握必备知识、形成关键能力、树立正确的价值观念。

项目驱动，确定素养导向的教学目标

新课标明确提出“以真实问题或项目驱动”“从信息科技实践应用出发”，帮助学生理解基本概念和基本原理，建构知识，提升问题解决能力；核心素养是课程育人价值的集中体现，是学生通过课程学习逐步形成的正确价值观、必备品格和关键能力。因此，如何选择适合的项目主题，设置逻辑关联的问题链，从而统领各分散课时的概念、渗透核心素养是关键。

1.选择基于生活的项目主题

在《智能预测》章节，笔者选择了“人工智能预测出行时间”这一单元主题，从学生已有生活体验的实际出发，界定和分析预测问题、收集和量化数据集、利用神经网络算法实现数据训练和预测，并在此过程中反思和优化，同时，将“体会人工智能技术正在帮助人们以更便捷的方式投入学习、生活和工作中”“感受人工智能技术的发展给人类社会带来的深刻影响”“了解人工智能的基本特征及所依赖的数据、算法、算力三大技术基础”大概念融于其中。

2.确定素养导向的单元目标

①利用智能导航软件预测出行、查询天气，判断导航有哪些预测功能，分析影响出行时间的因素；网络查询、学习预测算法。（信息意识）

②从人类“先学习，后预测”的实际经验迁移到人工智能预测的步骤；根据影响因素收集数据，反思、整理数据集；利用算法模型对数据进行处理，通过对比实验分析实验结论。（计算思维）

③利用智能导航软件规划出行、查询天气；利用在线协同软件收集数据；运用网络查询预测算法。（数字化学习与创新）

④利用在线协同共享收集的数据；利用网络查询学习预测算法时，了解不同算法的优劣及适用场景；认识人工智能技术对人类社会带来的深刻影响、算法对人工智能的巨大意义。（信息社会责任）

层层递进，建构“科”“技”并重的常态课堂

在“人工智能预测出行”主题教学中，笔者将人工智能预测的科学原理、人类与计算机的“思维方法”、神经网络算法的处理过程和工程实现融于三个课时的子活动中，旨在提升学生的知识迁移能力和学科思维水平，体现“科”与“技”并重。

1.第1课时：提出猜想，收集影响预测结果的数据

活动1：体验导航，探讨影响出行时间的因素。各小组利用导航软件规划行程，思考智能导航软件中有哪些预测功能，探讨影响出行时间的因素，并将探讨结果填写在《项目实验手册》上。学生从日常出行的生活实际出发，利用数字化工具进行路线及时间预测、天气查询，掌握预测的概念，并分析出影响出行时间预测的因素。

活动2：类比学习，掌握人工智能预测步骤。以“人类基于经验、阅历、学识、智慧等途径学习后预测出行时间”类比，人工智能则需要根据数据，学习数据之间的逻辑关系，才能做出预测。以人类“先学习，后预测”的实际经验做类比，引导学生掌握人工智能预测的步骤，降低学生对人工智能的认知负荷，同时体验数据对人工智能的重要意义。

活动3：在线协同，收集多维出行时间数据。结合路程、交通工具、星期、时间、天气状况等影响因素，学生通过网络查找、实地测试、导航历史数据查询等多种方式采集数据，并将数据填入小组在线协同表格。

2.第2课时：整理数据，建立神经网络预测的模型

活动1：反思改进，量化数据集。对比小组采集的数据，讨论得到格式规范统一、表述清晰准确的数据集更适合计算机处理，引导学生反思数据采集时应确定好数据格式、数据范围、采样频率等信息，并进一步将数据集量化，体会数字化表示信息的优势。

活动2：网络查询，了解预测算法。通过查找人工智能预测的算法，了解不同预测算法的优劣及适用场景，记录在《项目实验手册》上。通过自学和讨论，学生可以感受到在不同场景下，人工智能技术对人类社会带来的深刻影响，了解算法对人工智能的巨大意义。

活动3：构建模型，体验训练和预测。根据教师提供的神经网络预测模型，学生体验数据集导入、模型训练、根据新数据预测出行时间的过程，并观看神经网络算法视频。通过过程体验、视频学习、教师讲解，学生初步了解神经网络算法预测的原理。

3.第3课时：实验对比，体会人工智能的三大基础

活动1：数据质量对比，感受数据的“燃料”作用。学生分别用各小组数据集、教师提供数据集（含18万条数据记录），运行神经网络算法模型，将预测出行时间（Predict_time）、预测结果误差（accuracy）记录在《项目实验手册》上。在对预测结果的分析中，学生感受到数据的精确度、多样性、数量多少均会对人工智能模型的训练优化和预测结果产生巨大影响。

活动2：算法模型对比，感受算法的“灵魂”作用。在数据集相同的情况下，学生分别体验教师提供的决策树算法模型和神经网络算法模型的训练时间（Training_time）、迭代次数（Iteration）、损失值（loss），并记录在《项目实验手册》上。通过对比不同算法模型，感受算法作为人工智能的“灵魂”是如何指导计算机训练数据；根据实验结果得到优秀的算法可以使人工智能更加高效、准确、可靠的实验结论。

活动3：数据数量对比，感受算力的“引擎”作用。拆分教师提供的18万条数据集，分别运行神经网络模型，记录模型训练时间（Training_time），在数据对比中感受算力对人工智能模型训练的重要意义。

素养立意，落实真实全面的多维评价

新课标指出，“要树立正确的评价观念，坚持以评促教、以评促学，体现‘教-学-评’一致性。”根据前期制订的单元素养目标，真实、多元地制订评价量化表（如下表），才能使过程性评价真实落地，发展学生核心素养，提升师生关键能力。

1.立足素养，体现全面性

评价是学生学习过程的重要反馈，评价方案是学习目标达成度的有力回应。评价量化表围绕核心素养的四个维度，设置了不同达成情况的量化建议，全方位体现素养目标达成度。

2.关注过程，体现真实性

评价应贴近学生的学习和生活，应贯穿整个教学过程。评价量化表指向主题学习的每一个课程环节，让过程性评价真实落地。

3.丰富主体，体现多元化

评价要尊重学生的主体地位，要引导多方共同参与评价过程。评价量化表采用学生自评、组内互评、教师评价多种方式，评价主体更丰富，评价结果更客观。

信息科技学科主要研究以数字形式表达的信息及其应用中的科学原理、思维方式、处理过程和工程实现，具有“基础性、实践性、综合性”的特征。笔者以项目驱动真实情境，以素养引领课程目标构建的“科”“技”并重课堂践行了“科学原理和实践应用并重”的课程理念，突出了学生的主体地位、充分调动了学生的主动性与积极性，加强了学习内容与生活实际的联系，有助于整体把握学习模块的学科大概念，有效促进单元学习目标的达成。学生得以真正地“做中学”“用中学”“创中学”，并在解决真实、复杂问题的过程中掌握必备知识、形成关键能力。

参考文献：

[1]中华人民共和国教育部.义务教育信息科技课程标准（2022年版）[M].北京：北京师范大学出版社，2022.

[2]沈李琴，魏雄鹰.素养立意的小学信息科技分项评价实施策略[J].中国信息技术教育，2024（06）：19-22.

[3]孙俊梅，赵梅，董晋军.项目式学习理念下小学信息科技学科大单元设计——以“身边的算法”为例[J].中国信息技术教育，2023（08）：60-63.

[4]高俊俊.指向深度学习的信息技术大单元教学实践探究——以“走进人工智能”教学为例[J].中国信息技术教育，2023（01）：52-55.

[5]唐上观.项目式学习在初中信息科技编程教学的实践研究[J].中国信息技术教育，2022（23）：33-35.

[6]李爱云.基于新课标的初中信息科技大单元教学设计路径[J].中国信息技术教育，2024（05）：54-56.