指向计算思维的高中人工智能课程设计与实践研究

摘要：本研究探讨了计算思维在高中人工智能课程中的具象化设计与实践，并结合实例将计算思维的核心要素——问题界定、抽象特征、建立模型、组织数据、设计算法、制订方案等，有效地融入并体现在高中人工智能课程教学过程中，进而提升学生的计算思维能力和创新能力，为其未来的学习和工作打下坚实的基础。

关键词：计算思维；高中人工智能；设计与实践

中图分类号：G434 文献标识码：A 论文编号：1674-2117（2024）19-0000-03

近年来，随着人工智能技术的迅猛发展，高中人工智能课程已经成为培养学生科技素养和创新能力的重要途径。虽然计算思维是一种抽象的思维活动，但国际教育技术协会（ISTE）与计算机科学教师协会（CSTA）从操作的角度，将计算思维定义为问题解决过程，该过程包括问题阐释、数据分析、数据呈现、解决方案的制订、资源的最有效利用与整合、问题解决方案的迁移应用等。这一系列过程正是人工智能解决问题的关键步骤，也是人工智能技术不断突破的核心。因此，高中信息技术教育要将计算思维的核心要素有效地融入到高中人工智能的课程教学中。于是，笔者在充分考察高中基本学情的基础上设计了基于计算思维的高中人工智能课程教学活动，并以项目式、探究式的学习方式展开了人工智能专业知识的学习与探索，现将教学方法总结如下。

巧设情境，激发兴趣

随着人工智能技术的不断发展，很多人工智能应用对学生来说都已经司空见惯，如果在课堂上仅进行案例讲解，学生很难提起兴趣。因此，在人工智能课程中，情境的创设需要有一定的构思，要在学生已熟悉的场景中找问题，找到课程内容的突破口，设计启发性的问题与挑战性的任务，激发学生的兴趣，让学生在复杂问题的驱动下，运用所学的知识和技能进行创新性的思考和解决，培养学生的创新思维和批判性思维能力。

例如，在教学人脸识别的内容时，学生对人脸识别的应用已非常熟悉，甚至对人脸识别的过程已经有所了解，但对人脸识别算法原理的理解有一定困难。因此，对于这部分的内容，教师需要找到关键问题的突破点，如围绕人脸识别应用中的典型问题“机器是怎么判断这是一张真实的人脸还是人脸照片”创设情境——学校的考勤系统对人脸的照片是可以直接识别的，而手机用人脸的照片却解锁不了，真实人脸和照片识别的原理有什么不同？这样以真实的问题驱动学生探索人脸识别，能让学生亲历知识、思维、方法的建构过程，进一步掌握编制计算机程序解决问题的方法。

问题引导，抽象模型

对于真实情境下的问题，教师可以引导学生分析影响问题结果的要素有哪些，进而寻找问题的突破口。例如，在人脸识别内容的教学中，教师先引导学生头脑风暴，思考机器对真实人脸和照片是如何区别的，联想到人是如何区分照片和真实人脸的，再进一步思考怎么辨别脸部动作，即可以想到脸部动作包括眨眼、张嘴、点头、摇头等，不断剖析，进而引出新的问题：机器是怎么识别脸部的这些动作的？这些动作在计算机视觉中有什么样的变化规律？如何用数据进行验证？带着这些问题引导学生进行思考讨论，将脸部这些动作转换成一些数量关系，通过数据的变化来判断是否有动作。然后，利用图表或图形进行数据量化，显性呈现动作变化，在基于数据进行实验验证的过程中加强对基础数学模型的理解，抽象出脸部动作变化的数学模型。

任务驱动，设计算法

在分析问题的基础上明确目标和需求，基于猜想或假设，获取数据，进行验证，这一过程对学生而言稍显抽象。教师可以设计问题与任务帮助学生梳理过程，设计算法。例如，在人脸识别活体检测的内容教学中，教师可引导学生根据自己的假设，梳理实验验证的方法步骤，对于眨眼动作，可以验证上下眼皮的距离，如图1所示的基于dlib的68个人脸检测特征点，可以利用人脸关键点的眼部数据，通过点37和41、点38和40连成线段，得到眼部纵向的距离，利用距离的变化来判断眨眼，师生通过问题的不断聚焦，将眨眼的过程转换成距离变换的过程，形成计算机识别眨眼的思路，从而设计出判断眨眼的算法。然后，教师布置探究任务，让学生自行选择眨眼、张嘴、点头、摇头这四个脸部动作进行探究，针对不同脸部动作展开猜想，然后设计算法模型，通过实验记录实验数据来验证自己的模型是否准确。

接着，学生小组合作动手实践，首先根据小组选择的动作选择合适的关键点，然后将这些关键点连成线段或者图形，再通过摄像头检测获取特征点数据，通过实验测试观察数据变化的规律，从而得到动作变化的数据判断方法。如图1所示，针对摇头这个动作，不同小组分别设计了不同的算法模型。第一小组选取了4、48、54、12这四个点，连成线段a和b，通过a/b的数值变化来判断是否摇头。第二小组选取了33、5、11这三个点，连成线段x、y，通过x-y的数值变化来判断是否摇头。第三小组选取了28、0、16这三个点，连成线段a、b和c构成一个三角形，通过（a+b）/c的数值变化来判断是否点头。而第四小组针对张嘴的动作在进行算法设计时，选取上下嘴唇的点分别连成线段x、y和z，采用（x+y+z）/3的值来判断，发现嘴巴张开和闭合数据确实有变化，但是距离摄像头的远近也造成了数据的变化，而且数据变化还不小，由此想到距离会影响数据进而会影响张嘴动作的判断。

小组合作，实践分享

在课堂活动中，小组合作是一种非常有效的教学方法，它不仅能够促进学生之间的交流和合作，还能培养学生的团队精神和问题解决能力。在小组合作完成任务后，教师组织学生进行成果展示，对每个小组的合作过程和成果进行评估，并给出具体的反馈和建议。同时，让学生互相评价，以便他们更好地了解自己的优势和不足，这不仅能够促进成员之间的交流与学习，还能提升小组协作能力和创新精神。例如，在人脸识别活体检测内容的教学中，小组成员根据自己组选择的动作以及设计的算法进行探究实验，借助于硬件设备摄像头进行数据采集，补充完善Python程序进行数据计算，尝试找出动作数据变化规律。在这一实验探究实践的过程中，教师已经写好采集数据的基础代码，学生只需要选取合适的数据点，进一步实验验证自己设计的算法是否可行即可。经过探究实验，各小组成员进行探究成果的分享，如图1所示，两个小组的成员都针对摇头动作设计了自己的算法，但第二小组的算法一经提出，就有同学提出异议，镜头的远近会对实验数据造成影响，要想避免镜头远近造成的实验影响，可以增加一个数据z做比值处理，所以进一步将算法修改为（x-y）/z，提高摇头动作实验验证的准确性。如图2所示，两组同学都针对点头动作设计了自己的算法，其中第五小组通过三条线段（a+b）/c来进行数据判断，第六小组作了一条新的线段，即三角形的高（h），试图直接用h值的变化来判断，但基于自己的代码没有办法计算h，于是分享想法请求同学帮助，有小组学生立马想到了海伦公式，可以借助海伦公式来计算三角形的面积，再通过面积求高（h），这一想法帮助第六小组解决了问题，也给其他组学生带来了启发。

总结原理，迁移应用

在人工智能课程中，人工智能知识体系不是一两节课就能建立起来的，所以每一节课的总结环节非常重要。在总结环节，教师可以引导学生梳理当前主题下的人工智能应用的基本原理，帮助学生厘清当前主题的知识结构，逐步构建完善的知识体系，同时可以引导学生进行迁移应用，拓宽学生的视野，提升思维。例如，在计算机视觉内容的学习中，教师选取贴近学生生活的主题——人脸识别，以真实人脸与照片识别问题切入，使学生深入体会到面对一个复杂问题，如何化繁为简，拆解任务，利用所学知识，大胆猜想，实验探究，最终抽象出数学模型，进而理解活体检测的原理并迁移应用。

结语

人工智能涉及的领域知识广泛，与多个学科交叉，未来研究可以进一步探索人工智能与其他学科的融合应用，以及如何在不同学段和不同学校中推广指向计算思维的人工智能课程。同时，也需要关注计算思维与人工智能教育在人才培养和社会发展中的重要作用，在课程的设计过程中，要更加注重情境创设的兴趣性、问题设计的启发性以及任务的挑战性与可操作性。

参考文献：

ISTE&CSTA.Computational thinking teaching in K-12 Education： teacher resources， secondedition（2011）[DB/OL].http：//csta.acm.org/Curriculum/sub/CurrFiles/472.11CTTeacherResources_2ed-SP-vF.pdf，2013-05-12.

基金项目：厦门市高中“提质增效”专项专家型教师课题“基于计算思维培养的高中信息技术课堂教学评价研究”（项目编号：XMZJ2023024）。