數(shù)字化學(xué)習(xí)平臺如何賦能高中人工智能教學(xué)

隨著人工智能等新技術(shù)的發(fā)展以及教育數(shù)字化轉(zhuǎn)型進程的加快，技術(shù)不再停留在以教學(xué)媒體的形式賦能教育，而是強調(diào)結(jié)合技術(shù)發(fā)展更新教育觀念，重組課堂教學(xué)結(jié)構(gòu)，再造教學(xué)流程來優(yōu)化教與學(xué)整個過程^[1]。黨的二十大首次將“推進教育數(shù)字化”寫入報告。2024年全國教育工作會議提出要不斷開辟教育數(shù)字化新賽道，引領(lǐng)教育變革創(chuàng)新^[2]?！镀胀ǜ咧行畔⒓夹g(shù)課程標(biāo)準(zhǔn)（2017年版2020年修訂）》對人工智能方面的內(nèi)容提出了具體要求，但在實踐中這部分內(nèi)容面臨著教學(xué)內(nèi)容碎片化、教學(xué)方法薄弱、支撐環(huán)境不足等問題。以人工智能為主導(dǎo)的技術(shù)既是高中人工智能教學(xué)重要的內(nèi)容與目標(biāo)，也是培養(yǎng)學(xué)生核心素養(yǎng)、達(dá)成課程目標(biāo)的手段。如何基于恰當(dāng)?shù)臄?shù)字化平臺開展符合學(xué)生特點、滿足學(xué)生需求、促進學(xué)生發(fā)展的一體化學(xué)習(xí)活動，讓數(shù)字化技術(shù)與平臺為課堂教學(xué)賦能，成為高中人工智能教學(xué)的關(guān)鍵問題。

一、當(dāng)前高中人工智能教學(xué)的問題和思考

研究者指出，因教師教學(xué)經(jīng)驗不足、教育理論研究不充分，中小學(xué)人工智能教育實踐中呈現(xiàn)出目標(biāo)簡化、內(nèi)容簡單、方法單一等諸多問題^[3]。作為一線的教育工作者和實踐者，筆者親身體會到在內(nèi)在知識儲備和外在環(huán)境因素的制約下，高中階段的人工智能教學(xué)存在以下問題。

一是重技能輕素養(yǎng)。由于課時限制，教師不得不將授課重點放在編程語言學(xué)習(xí)上，教學(xué)設(shè)計局限在具體技能的掌握，而非整體素養(yǎng)和能力的提升。教學(xué)容易走進人工智能等同于編程的誤區(qū)。

二是重體驗輕探究。教師熱衷于讓學(xué)生直接體驗當(dāng)下技術(shù)發(fā)展的最新成果，而缺乏對其原理、過程和方法的探究，無法激發(fā)學(xué)生的深度思考，導(dǎo)致學(xué)生習(xí)慣性地淺層學(xué)習(xí)，創(chuàng)新精神和實踐能力嚴(yán)重弱化。

技術(shù)是教學(xué)系統(tǒng)的組成要素之一，體現(xiàn)在資源、環(huán)境和工具等方面，以人工智能、大數(shù)據(jù)為代表的信息技術(shù)對教育的賦能正全方位地改變著教育形態(tài)^[4]。為了方便集成、更新和管理相應(yīng)的資源，有效支撐人工智能教學(xué)的開展，近年來不同國家和政府都致力于建設(shè)數(shù)字化學(xué)習(xí)平臺和資源。美國K-12人工智能教育行動（AI4K12）開發(fā)了包括演示軟件（又分為黑盒演示軟件和玻璃盒演示軟件）、硬件、編程框架、視頻、課程等多種類型的教學(xué)資源，并形成了K-12人工智能教學(xué)指南^[5]。我國中央電化教育館主辦、搭建了中小學(xué)人工智能教育服務(wù)平臺，主要提供課程的教學(xué)設(shè)計、課件、學(xué)習(xí)單等相關(guān)教學(xué)資源。上海、廣東等省市各自開發(fā)了人工智能學(xué)習(xí)平臺。鑒于人工智能是一門多學(xué)科交叉的領(lǐng)域，涉及的技術(shù)廣泛且不斷發(fā)展，許多技術(shù)尚未達(dá)到穩(wěn)定和標(biāo)準(zhǔn)化階段。因此，找到一個能夠全面滿足人工智能系統(tǒng)性學(xué)習(xí)需求的集成平臺頗具挑戰(zhàn)。教師必須根據(jù)課程目標(biāo)，精心挑選合適的平臺和資源，并據(jù)此精心設(shè)計教學(xué)活動。

二、素養(yǎng)導(dǎo)向的高中人工智能教學(xué)設(shè)計理念模型

基于以上思考，恰當(dāng)?shù)臄?shù)字化教學(xué)平臺是開展高中人工智能教學(xué)的有效支架和物質(zhì)保障。除此之外，更重要的是基于平臺開展適合學(xué)生學(xué)情和認(rèn)知特點的學(xué)習(xí)設(shè)計，讓學(xué)生在真實情境的深度探究中達(dá)到課標(biāo)要求的核心素養(yǎng)。這需要整合課程的目標(biāo)、內(nèi)容、活動和評價等要素，圍繞目標(biāo)導(dǎo)向、平臺選擇、情境創(chuàng)設(shè)、項目設(shè)計和問題構(gòu)建等多個方面展開。本文提出了素養(yǎng)導(dǎo)向的高中人工智能學(xué)習(xí)設(shè)計理念模型（如圖1），以表征高中人工智能學(xué)習(xí)設(shè)計的要素和各要素之間的關(guān)系。

（一）素養(yǎng)導(dǎo)向：注重獨立思考、問題解決、實踐能力和創(chuàng)新創(chuàng)造能力的培養(yǎng)

核心素養(yǎng)指的是學(xué)生應(yīng)具備的，能適應(yīng)終身發(fā)展和社會發(fā)展需要必備的品格和關(guān)鍵能力^[6]。人工智能時代，高中生應(yīng)該掌握的核心素養(yǎng)是獨立思考、問題解決、實踐能力和創(chuàng)新創(chuàng)造能力^[7]。落實到人工智能教學(xué)上，這些能力體現(xiàn)在人工智能意識、思維、創(chuàng)新、責(zé)任等多個方面^[8]，其核心應(yīng)是理解人工智能、利用人工智能分析問題、解決問題和遷移到其他領(lǐng)域同類問題的高階思維和能力。

（二）平臺選擇：注重過程及方法的可視化，提供形象思維和深度理解支持

高中階段的人工智能內(nèi)容涉及算法、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等概念，具有較高的抽象性和挑戰(zhàn)性，因此在教學(xué)中特別需要形象思維的支持來幫助學(xué)生建構(gòu)起對概念的準(zhǔn)確理解。數(shù)字化平臺是開展人工智能教學(xué)的重要支架。在平臺選擇方面應(yīng)該盡量選擇能夠可視化相關(guān)方法和過程的平臺與工具，以問題解決為主，幫助學(xué)生了解背后的原理與方法，而非停留在體驗層面。

（三）情境創(chuàng)設(shè)：串聯(lián)知識主線，以多樣化交互激發(fā)學(xué)生探究、協(xié)作和循證的行動意識

核心素養(yǎng)的落實需要改變脫離學(xué)習(xí)情境、碎片化、流于形式的知識技能點的學(xué)習(xí)方式^[9]。教師需要從貼近學(xué)生真實學(xué)習(xí)和生活的問題情境出發(fā)，以真實情境下的多樣化交互激發(fā)學(xué)生探究、協(xié)作和循證的行動意識，真正實現(xiàn)以學(xué)生為中心的課堂。情境創(chuàng)設(shè)往往是一個難點，需要把握真實性、復(fù)雜性、整合性、開放性四條關(guān)鍵原則^[10]。

（四）項目設(shè)計：作為活動開展的載體，促進持續(xù)探究，表達(dá)想法和做出選擇

項目是活動開展的載體，連接知識、生活與真實社會，讓學(xué)生自始至終投入其中，由淺入深地開展相應(yīng)活動，不斷探究、驗證、表達(dá)自身想法，在項目推進的過程中逐步達(dá)成學(xué)習(xí)目標(biāo)。項目化學(xué)習(xí)強調(diào)真實情境、復(fù)雜問題、超越學(xué)科、專業(yè)設(shè)計、合作完成、成果導(dǎo)向和評價跟進^[11]。在人工智能教學(xué)中，項目化學(xué)習(xí)最大的優(yōu)勢是圍繞情境和問題主線，提供給學(xué)生貫穿性的體驗和思考，讓學(xué)生以真實情境為起點，以進階性地解決問題為核心，經(jīng)歷解決復(fù)雜問題的完整過程，促進其持續(xù)探究和深度表達(dá)。

（五）問題構(gòu)建：基于知識主線和項目進程嵌入問題鏈激發(fā)探究精神和深度理解

將培養(yǎng)問題解決能力作為落實核心素養(yǎng)的切入點，應(yīng)是當(dāng)前教研、教改的重點和關(guān)鍵^[12]。在項目引導(dǎo)、情境支持下，教師需要從人工智能的核心內(nèi)容出發(fā)，構(gòu)建與項目進程中各個活動和知識主線匹配的問題鏈，利用環(huán)環(huán)相扣的遞進式問題鏈讓學(xué)生在主動探究中完成知識學(xué)習(xí)，在問題解決過程中達(dá)到深度理解。一堂課中的高質(zhì)量問題鏈應(yīng)該包括明確的核心問題、精心設(shè)計的導(dǎo)入問題、由核心問題衍生的串聯(lián)問題和課堂生成的隨機問題，并要特別注重問題的邏輯性、整體性、開放性和交互性^[13]。

（六）評價激勵：發(fā)揮評價的激勵作用，鼓勵積極地學(xué)習(xí)參與和思考，提供及時反饋和指導(dǎo)

評價是開展人工智能教學(xué)活動的關(guān)鍵環(huán)節(jié)。教師需堅持評價內(nèi)容豐富化、評價方式多樣化、評價主體多元化和評價工具科學(xué)化等原則，既要通過觀察、訪談、描述、記錄等方法對學(xué)習(xí)過程開展分析，以提供適時的支持性反饋和個性化指導(dǎo)，也要對學(xué)習(xí)成果（包括學(xué)習(xí)作品、問題解決能力、創(chuàng)新能力、協(xié)作學(xué)習(xí)能力等）開展綜合性的評價。

三、基于TensorFlow Playground平臺的高中人工智能教學(xué)案例

（一）目標(biāo)定位與平臺選擇

“人工神經(jīng)網(wǎng)絡(luò)”是教科版《普通高中教科書 信息技術(shù) 必修1 數(shù)據(jù)與計算》第5單元“數(shù)據(jù)分析與人工智能”中第2節(jié)“探秘人工智能”的內(nèi)容，具有較強的抽象性和挑戰(zhàn)性。高一、高二學(xué)生已具備較好的學(xué)習(xí)基礎(chǔ)，但在學(xué)習(xí)該內(nèi)容的過程中，仍然特別需要形象思維的支持。TensorFlow Playground平臺（如圖2）可化抽象為具體，揭示人工神經(jīng)網(wǎng)絡(luò)算法原理的同時允許用戶調(diào)整參數(shù)、自主搭建網(wǎng)絡(luò)以觀察效果，可幫助學(xué)生感受神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和工作過程并觀察到模型訓(xùn)練的結(jié)果。

人工神經(jīng)網(wǎng)絡(luò)模塊第一節(jié)課的定位是要求學(xué)生掌握人工神經(jīng)網(wǎng)絡(luò)的核心思想（包括本質(zhì)、構(gòu)成、工作原理和優(yōu)勢等），為之后理解各類神經(jīng)網(wǎng)絡(luò)的原理與應(yīng)用打好基礎(chǔ)。因此本節(jié)課主要有以下學(xué)習(xí)目標(biāo)。

（1）能夠類比人類圖像識別的過程，理解機器認(rèn)知的過程以及人工神經(jīng)網(wǎng)絡(luò)在機器認(rèn)知和識別中的作用。

（2）能夠掌握人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)，準(zhǔn)確說出其基本構(gòu)成要素。

（3）能夠在TensorFlow Playground平臺上構(gòu)建和訓(xùn)練解決二分類問題的人工神經(jīng)網(wǎng)絡(luò)。

（4）能夠詳細(xì)闡述人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程和工作原理，理解其本質(zhì)思想。

（二）情境創(chuàng)設(shè)

本節(jié)課以“學(xué)校人臉識別系統(tǒng)”為主題，創(chuàng)設(shè)了具體的情境：校園安全的重要性不容忽視，隨著學(xué)校教職工和學(xué)生數(shù)量的增加，校園門口安保工作的任務(wù)量加大，為此，學(xué)校準(zhǔn)備引入門禁系統(tǒng)。通過什么方法可以有效區(qū)分校內(nèi)和校外人員呢？

該情境與學(xué)生的生活實際相結(jié)合，使學(xué)習(xí)內(nèi)容更具有現(xiàn)實意義和應(yīng)用價值，從而激發(fā)學(xué)生的學(xué)習(xí)興趣。另外，學(xué)生在該情境中可以感受和體驗圖像識別、機器認(rèn)知等相關(guān)知識，有助于加深對這些內(nèi)容的理解，自然過渡到自主設(shè)計機器認(rèn)知、搭建人工神經(jīng)網(wǎng)絡(luò)模型的過程。伴隨著使用TensorFlow Playground平臺進行模型的搭建、訓(xùn)練和測試，學(xué)生真正打開了人工神經(jīng)網(wǎng)絡(luò)技術(shù)的黑箱。通過在此基礎(chǔ)上深度體驗由PyCharm環(huán)境和Python語言開發(fā)的“人臉識別”系統(tǒng)，學(xué)生在具體情境中將理論知識轉(zhuǎn)化為實際操作能力，提高了解決問題的能力。

（三）項目設(shè)計

學(xué)習(xí)活動是項目最終的落腳點，也是推動課程變革與教學(xué)創(chuàng)新的核心^[14]。本項目分為“初探”和“進階”兩個核心活動。“初探”活動用于搭建單層神經(jīng)網(wǎng)絡(luò)模型解決簡單的二分類問題，“進階”活動用于搭建深度神經(jīng)網(wǎng)絡(luò)模型，解決復(fù)雜二分類問題。項目依托平臺開展，筆者對依據(jù)項目節(jié)奏設(shè)計的兩個核心活動進行了進一步分解與細(xì)化，形成了如圖3和圖4所示的活動鏈。教師在教學(xué)過程中會提供詳細(xì)的導(dǎo)學(xué)單作為學(xué)習(xí)支架，保證學(xué)生按照進度進行探究的同時，有自主選擇和探索的空間。

（四）問題構(gòu)建

如圖5所示，本節(jié)課從“如何有效區(qū)分校內(nèi)和校外人員”這一事關(guān)校園安全的現(xiàn)實性問題出發(fā)，教師在引導(dǎo)學(xué)生深入分析機器認(rèn)知過程后，將該現(xiàn)實問題轉(zhuǎn)化為“如何有效區(qū)分平面上兩個不同的數(shù)據(jù)集”，并將其作為課程的導(dǎo)入問題。之后教師圍繞該問題精心設(shè)計了2個面向?qū)W生的核心問題，并利用TensorFlow Playground平臺將該問題形象化表示。最后教師依據(jù)核心問題和知識主線，進一步衍生出了6個串聯(lián)問題，幫助學(xué)生在探究活動中完成知識學(xué)習(xí)。

（五）教學(xué)實施

基于以上設(shè)計，本節(jié)課形成了素養(yǎng)導(dǎo)向下“情境—項目—問題”的一體化設(shè)計（如圖6），有效串聯(lián)了情境、項目、問題和知識四條主線。在教師的引導(dǎo)下，學(xué)生以問題解決為主線開展持續(xù)性探究，完成問題解決的同時自然而然地體會到人工智能的強大與奧秘，并深刻領(lǐng)會人工神經(jīng)網(wǎng)絡(luò)背后的原理，做到了知其然更知其所以然。課堂教學(xué)可分為以下四個環(huán)節(jié)。

1.入項：情境創(chuàng)設(shè)，引出問題情境

本環(huán)節(jié)意在由真實生活情境出發(fā)，引出本節(jié)課的主題情境。教師結(jié)合圖片和案例展示引出校園人臉識別系統(tǒng)相關(guān)問題，并拋出核心問題“如何有效區(qū)分校內(nèi)和校外人員”供學(xué)生初步思考和討論。隨后，教師使用流程圖展示人類的認(rèn)知過程，引導(dǎo)學(xué)生類比思考機器認(rèn)知的原理并設(shè)計機器認(rèn)知的過程。在學(xué)生對機器認(rèn)知有了整體認(rèn)識的基礎(chǔ)之上，基于對機器認(rèn)知和圖像識別過程的分析，教師點出人工神經(jīng)網(wǎng)絡(luò)在機器認(rèn)知過程中的關(guān)鍵作用，自然過渡到本節(jié)課學(xué)習(xí)的知識主題——人工神經(jīng)網(wǎng)絡(luò)。

2.初探：解決簡單二分類問題

本環(huán)節(jié)需要將現(xiàn)實問題抽象建模成數(shù)學(xué)問題，這既是機器認(rèn)知的過程，也是人工神經(jīng)網(wǎng)絡(luò)工作的過程。在師生共同分析了圖像識別與機器認(rèn)知過程后，學(xué)生已經(jīng)清楚人臉識別的前置步驟是將人臉數(shù)據(jù)進行特征提取，從而表征成計算機可識別的數(shù)據(jù)集。因此，校內(nèi)、校外人士的人臉識別問題可通過相同步驟轉(zhuǎn)化為平面上兩個數(shù)據(jù)集的分類問題，這也是人臉識別技術(shù)的本質(zhì)。教師在分析完上述問題后，直接向?qū)W生呈現(xiàn)平臺上的數(shù)據(jù)集（如圖7），逐步引導(dǎo)學(xué)生開展對該數(shù)據(jù)集進行分類的系列探索。本部分學(xué)生將經(jīng)歷“自主劃分—反思—訓(xùn)練—人機比拼—再反思”的系列過程，重點圍繞兩個活動展開。

（1）學(xué)生手工自主解決二分類問題。活動相應(yīng)問題是：如何用一條直線將該平面一分為二，快速區(qū)分開平面上兩個數(shù)據(jù)集？該活動目的在于幫助學(xué)生通過數(shù)形結(jié)合的方式，繪制分類線，寫出分類線方程（本質(zhì)為建立數(shù)學(xué)模型），并理解方程中的相關(guān)系數(shù)對分類結(jié)果的影響，為之后相關(guān)概念（權(quán)重、殘差）遷移到計算機解決奠定基礎(chǔ)。

（2）學(xué)生基于TensorFlow Playground平臺搭建單層人工神經(jīng)網(wǎng)絡(luò)模型，對比前后分類結(jié)果。子問題是：能否調(diào)整特征值的權(quán)重，嘗試畫出一條不偏不倚的分類線？學(xué)生將自主嘗試成果和成熟人工神經(jīng)網(wǎng)絡(luò)模型繪制結(jié)果進行對比（比較繪制次數(shù)和最終分類結(jié)果），自然體會到人工神經(jīng)網(wǎng)絡(luò)在解決該分類問題上的優(yōu)勢。這一過程引出了單層神經(jīng)網(wǎng)絡(luò)的相關(guān)知識內(nèi)容（本質(zhì)、構(gòu)成、工作原理）。

在該活動中，學(xué)生由最初在紙質(zhì)導(dǎo)學(xué)單上用直尺劃分（形象思維），到寫出直線方程，建立函數(shù)（抽象思維），再到在平臺上搭建、訓(xùn)練和測試人工神經(jīng)網(wǎng)絡(luò)模型，開展人機比拼，畫出不偏不倚的直線（形象思維），最終對比人工神經(jīng)網(wǎng)絡(luò)和手工繪制分類線的結(jié)果，思考人工神經(jīng)網(wǎng)絡(luò)強大之處（抽象思維）。學(xué)生基于虛擬實驗法，經(jīng)歷了形象思維和抽象思維的不斷轉(zhuǎn)變，在不斷探究和反思中搭建出人工神經(jīng)網(wǎng)絡(luò)的具象模型，理解其本質(zhì)、構(gòu)成和基本原理。

3.進階：解決復(fù)雜二分類問題

本階段是初探環(huán)節(jié)的進一步延伸，因此上下情境的銜接與過渡非常關(guān)鍵。教師首先需要引導(dǎo)學(xué)生對初探環(huán)節(jié)進行總結(jié)與反思：該環(huán)節(jié)中呈現(xiàn)的是兩個在水平和垂直方向上毫無交叉的數(shù)據(jù)集，代表著兩張完全沒有相似度的人臉，而在現(xiàn)實生活中，人臉相似是很常見的現(xiàn)象。兩張有著一定相似度的人臉，在經(jīng)過特征提取之后其數(shù)據(jù)集在水平和垂直方向會有一定的交叉。基于以上總結(jié)，教師順勢呈現(xiàn)新的數(shù)據(jù)集（如圖8），從而引導(dǎo)學(xué)生思考上一個活動建立的人工神經(jīng)網(wǎng)絡(luò)模型在解決相對復(fù)雜分類問題上的局限性，進一步分析明確解決該問題的方式應(yīng)該是增加模型的復(fù)雜度。在該環(huán)節(jié)，學(xué)生繼續(xù)經(jīng)歷“探索嘗試—問題解決—實踐反思”過程，在多樣化模型建構(gòu)的基礎(chǔ)上掌握深度神經(jīng)網(wǎng)絡(luò)的相關(guān)知識內(nèi)容。該環(huán)節(jié)包括以下重點活動。

（1）自主嘗試增加模型復(fù)雜度。學(xué)生通過平臺上參數(shù)調(diào)整增加隱藏層和神經(jīng)元個數(shù)，嘗試增加模型復(fù)雜度，并在搭建過程中重點思考本環(huán)節(jié)的3個子問題（如圖6）。不同學(xué)生搭建的模型有所不同，此部分為開放性的任務(wù)。

（2）觀察問題解決結(jié)果。通過觀察平臺右側(cè)模型Loss曲線是否平穩(wěn)、Loss值是否趨近于0，學(xué)生驗證自主搭建的模型是否成功。

（3）討論與實踐。結(jié)合平臺上各個神經(jīng)元的可視化表征結(jié)果、模型搭建的過程和結(jié)果，小組討論嘗試回答本環(huán)節(jié)的3個子問題。師生共同總結(jié)該環(huán)節(jié)涉及的深度神經(jīng)網(wǎng)絡(luò)模型的相關(guān)知識內(nèi)容（包括概念、構(gòu)成和隱藏層的作用）。

4.出項：問題解決，實踐體驗

這是具體的工程實現(xiàn)環(huán)節(jié)。在學(xué)生弄清楚了人工神經(jīng)網(wǎng)絡(luò)背后的原理之后，教師邀請學(xué)生小組合作，按照機器認(rèn)知過程（輸入圖像、提取特征數(shù)據(jù)→訓(xùn)練數(shù)據(jù)、生成分類模型→測試模型，輸出識別結(jié)果）體驗?zāi)K化的人臉識別系統(tǒng)，加深對原理的認(rèn)識。

（六）成效評價

一節(jié)課的容量較小，難以看出學(xué)生的能力成長，簡單的前測后測并不適用于本次教學(xué)評價。因此本次教學(xué)采用的是基于過程和結(jié)果的綜合性評價，以拓展性任務(wù)的完成情況作為評價的重要組成部分，同時在課后開展訪談。

從教學(xué)環(huán)節(jié)的展開過程中可以看出，學(xué)生能夠在問題的引導(dǎo)下主動思考、自主搭建與訓(xùn)練模型，整體的課堂氛圍和課堂展示的結(jié)果較好。

從訪談的結(jié)果來看，大部分學(xué)生認(rèn)為這節(jié)課內(nèi)容豐富、深入淺出、輕松活潑又節(jié)奏緊湊，更有學(xué)生表露“代入感極強，激起我們對信息技術(shù)的喜愛之情和對人工智能的無限憧憬”。

對于對此部分內(nèi)容特別感興趣的學(xué)生，教師設(shè)計了一個開放型任務(wù)——結(jié)合給定拓展資料，繪制人工神經(jīng)網(wǎng)絡(luò)概念圖。從任務(wù)完成情況來看，學(xué)生的作品（如圖9、圖10）反映出他們對相關(guān)原理和概念的有了深度理解。

四、總結(jié)與反思

高中階段的人工智能教學(xué)強調(diào)深化原理認(rèn)識，聚焦核心概念和算法的理解，探索利用人工智能解決問題的過程和方法，這對教師和學(xué)生都是極大的挑戰(zhàn)。“工欲善其事，必先利其器”，?好的數(shù)字化平臺既能成就學(xué)生也能解放教師。對學(xué)生而言，數(shù)字化平臺的“好”體現(xiàn)在支持開放和深入的學(xué)習(xí)過程，更體現(xiàn)在能夠給予他們探索的空間。對教師而言，不僅需要及時轉(zhuǎn)變教學(xué)理念，廣泛關(guān)注各類新技術(shù)和新平臺，還要善于在數(shù)字化平臺與情境和知識之間架起橋梁，結(jié)合平臺開展融合情境、項目、問題的整合性學(xué)習(xí)設(shè)計，以問題情境為起點，以問題解決為路徑，以項目設(shè)計為載體，用深入淺出的方式，吸引學(xué)生走入情境，在真實問題解決中完成對抽象、復(fù)雜知識的深度理解，發(fā)展其獨立思考、問題解決、實踐能力和創(chuàng)新創(chuàng)造能力等核心素養(yǎng)。本研究只是高中人工智能教學(xué)的一次階段性嘗試，在不斷探索中，筆者發(fā)現(xiàn)其背后的很多思路可以為高中人工智能教學(xué)提供參考，相信未來會有更加豐富多樣和有深度的實踐案例涌現(xiàn)。

注：本文系2021年度江蘇省教育科學(xué)規(guī)劃課題“指向‘敦品文化的學(xué)校課程德育的實踐研究”（課題立項號：D/2021/02/663）的階段性研究成果、南通市教育科學(xué)規(guī)劃課題“深度融合理念下高中信息技術(shù)學(xué)科核心素養(yǎng)培養(yǎng)路徑研究”（課題立項號：JS2021015）的階段性研究成果。

參考文獻

[1] 王杰文.信息技術(shù)賦能教育的三個層次：基于中小學(xué)教師信息技術(shù)應(yīng)用能力提升的視角[J].中國教育學(xué)刊，2022（6）：1-6.

[2] 中華人民共和國教育部.2024年全國教育工作會議召開[EB/OL].（2024-01-11）[2024-03-12]. http：//www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/moe_1485/202401/t20240111_1099814.html.

[3][8][9] 李鋒.素養(yǎng)導(dǎo)向的中小學(xué)人工智能教育：化知識為素養(yǎng)[J].基礎(chǔ)教育課程，2023（21）：4-11.

[4] 張秀梅，趙明仁，陸春萍.技術(shù)賦能的中小學(xué)教學(xué)模式創(chuàng)生路徑研究：政策、理論、成果、特點與趨勢[J].中國電化教育，2023（8）：32-40.

[5] 方圓媛，黃旭光.中小學(xué)人工智能教育：學(xué)什么，怎么教——來自“美國K-12人工智能教育行動”的啟示[J].中國電化教育，2020（10）：32-39.

[6] 林崇德.構(gòu)建中國化的學(xué)生發(fā)展核心素養(yǎng)[J].北京師范大學(xué)學(xué)報（社會科學(xué)版），2017（1）：66-73.

[7] 謝忠新，曹楊璐，李盈.中小學(xué)人工智能課程內(nèi)容設(shè)計探究[J].中國電化教育，2019（4）：17-22.

[10]劉繼忠，陳翠.真實情境促進深度學(xué)習(xí)的價值、原則與策略[J].中小學(xué)管理，2023（10）：51-54.

[11]崔允漷.學(xué)習(xí)素養(yǎng)通過項目化學(xué)習(xí)培養(yǎng)[J].上海教育，2018（34）：18.

[12]邢淑朋.指向核心素養(yǎng)的學(xué)生“問題解決”能力培養(yǎng)[J].中國教育學(xué)刊，2023（10）：106.

[13]俞超.高質(zhì)量問題鏈與高效語文課：“對話主義”課堂構(gòu)建初探[J].語文建設(shè)，2018（14）： 20-22.

[14]王志軍，嚴(yán)亞玲.設(shè)計思維如何指導(dǎo)教學(xué)創(chuàng)新？——項目化學(xué)習(xí)設(shè)計的視角[J].開放教育研究，2023，29（1）：26-36.

（作者系江蘇省海門中學(xué)教師）

責(zé)任編輯：李媛