以數(shù)據(jù)、算法和算力為核心的高中人工智能實(shí)驗(yàn)教學(xué)

中圖分類號(hào)：G434文獻(xiàn)標(biāo)識(shí)碼：A論文編號(hào)：1674-2117（2025）09-0048-06

背景和現(xiàn)狀

“人工智能初步”作為高中信息技術(shù)課程的選擇性必修內(nèi)容，旨在讓學(xué)生學(xué)習(xí)描述典型人工智能算法的實(shí)現(xiàn)過程，并通過搭建簡單的人工智能應(yīng)用模塊，了解設(shè)計(jì)與實(shí)現(xiàn)簡單智能系統(tǒng)的基本過程與方法，從而增強(qiáng)學(xué)生利用智能技術(shù)為人類發(fā)展服務(wù)的責(zé)任感。但是，目前中小學(xué)人工智能教育還存在AI課程資源匱乏、教學(xué)設(shè)備及平臺(tái)陳舊、AI教學(xué)師資不足以及GPU算力資源不足等問題，導(dǎo)致一線教師在引導(dǎo)學(xué)生運(yùn)用數(shù)據(jù)、算法和算力解決實(shí)際問題的能力培養(yǎng)上，還面臨一些挑戰(zhàn)。

教育部教育技術(shù)與資源發(fā)展中心（中央電化教育館）發(fā)布的《中小學(xué)實(shí)驗(yàn)教學(xué)基本目錄（2023年版）》（以下簡稱《基本目錄》）不僅為《普通高中信息技術(shù)課程標(biāo)準(zhǔn)（2017年版2020年修訂）》在實(shí)踐教學(xué)中的實(shí)施提供了具體指導(dǎo)，而且鼓勵(lì)教師在實(shí)驗(yàn)技術(shù)和方法上進(jìn)行創(chuàng)新，旨在提升學(xué)生解決復(fù)雜問題的能力?！痘灸夸洝访鞔_了通過人工智能實(shí)驗(yàn)教學(xué)提升學(xué)生的實(shí)踐技能和創(chuàng)新思維的路徑。通過實(shí)驗(yàn)教學(xué)，重點(diǎn)培養(yǎng)學(xué)生在以數(shù)據(jù)、算法和算力為核心的項(xiàng)目創(chuàng)作中解決實(shí)際問題的能力。

概念與模型

在這樣的背景下，項(xiàng)目式學(xué)習(xí)在人工智能教育中就顯得尤為重要，它不僅能夠激發(fā)學(xué)生的學(xué)習(xí)興趣，還能夠提供一個(gè)實(shí)踐平臺(tái)，讓學(xué)生在解決實(shí)際問題的過程中，深入理解和掌握人工智能的核心概念。在人工智能項(xiàng)目式學(xué)習(xí)中，數(shù)據(jù)、算法和算力是實(shí)現(xiàn)項(xiàng)目成功的三個(gè)關(guān)鍵要素，它們在人工智能實(shí)驗(yàn)教學(xué)中扮演著至關(guān)重要的角色。因此，筆者提出了在人工智能項(xiàng)目式學(xué)習(xí)中構(gòu)建以數(shù)據(jù)、算法和算力為核心的實(shí)驗(yàn)教學(xué)模型（如下頁圖1），旨在通過實(shí)驗(yàn)深化學(xué)生對數(shù)據(jù)、算法和算力三要素的理解。

人工智能項(xiàng)目式學(xué)習(xí)涵蓋了從項(xiàng)目需求分析到項(xiàng)目方案設(shè)計(jì)，再到項(xiàng)目探究與實(shí)施，以及最終的項(xiàng)目展示與評價(jià)等關(guān)鍵環(huán)節(jié)。在項(xiàng)目探究與實(shí)施階段，采用以數(shù)據(jù)、算法和算力為核心的人工智能實(shí)驗(yàn)教學(xué)。該實(shí)驗(yàn)是學(xué)生掌握知識(shí)點(diǎn)和技能點(diǎn)、落實(shí)核心素養(yǎng)和達(dá)成學(xué)業(yè)要求的重要環(huán)節(jié)，可將其細(xì)分為以下幾個(gè)核心步驟。

1.數(shù)據(jù)采集

① 數(shù)據(jù)來源選擇：指導(dǎo)學(xué)生根據(jù)項(xiàng)目需求挑選合適的數(shù)據(jù)源。② 數(shù)據(jù)收集方法：講解網(wǎng)絡(luò)爬蟲、API、調(diào)查問卷、拍攝等數(shù)據(jù)獲取手段。

2.數(shù)據(jù)預(yù)處理

① 數(shù)據(jù)清洗：教授學(xué)生識(shí)別和處理缺失值、異常值和重復(fù)數(shù)據(jù)。② 特征提?。褐笇?dǎo)學(xué)生從原始數(shù)據(jù)中提取有助于模型學(xué)習(xí)的特征。

3.算法選擇與理解

① 算法介紹：闡述貝葉斯分類、線性回歸、決策樹、SVM、神經(jīng)網(wǎng)絡(luò)等。 ② 算法匹配：依據(jù)項(xiàng)目和數(shù)據(jù)特點(diǎn)，引導(dǎo)學(xué)生挑選適宜算法。

4.模型訓(xùn)練

① 選擇平臺(tái)和工具：選擇適合中小學(xué)AI教育的工具或?qū)W習(xí)平臺(tái)，構(gòu)建訓(xùn)練環(huán)境。 ② 算法實(shí)現(xiàn)：應(yīng)用選定算法，執(zhí)行模型訓(xùn)練任務(wù)。

5.模型測試與評估

① 性能評估：運(yùn)用準(zhǔn)確率、召回率、F1分?jǐn)?shù)評估模型。 ② 參數(shù)優(yōu)化：調(diào)整參數(shù)以提升模型效能。

6.算力資源應(yīng)用

① 算力硬件基礎(chǔ)：講解算力基 礎(chǔ)，對比CPU與GPU。 ② 云服務(wù)算

力：感受云服務(wù)對AI項(xiàng)目帶來的便利。 ③ 算力資源意識(shí)：教授優(yōu)化算力資源使用效率。

7.模型部署與應(yīng)用

① 模型部署：將訓(xùn)練好的模型部署到不同的平臺(tái)和環(huán)境中。② 模型應(yīng)用：將模型應(yīng)用到實(shí)際生活中解決實(shí)際問題，并監(jiān)測效果和優(yōu)化。

通過這種以真實(shí)情境為基礎(chǔ)的項(xiàng)目探究和實(shí)施，學(xué)生能夠深化對數(shù)據(jù)、算法和算力的理解和應(yīng)用，實(shí)現(xiàn)從理論到實(shí)踐的轉(zhuǎn)化。這種學(xué)習(xí)方式不僅有助于學(xué)生深入理解人工智能技術(shù)，而且能夠提升他們解決復(fù)雜問題的能力，培養(yǎng)人工智能素養(yǎng)。

應(yīng)用與實(shí)踐

下面，筆者以粵教版高中信息技術(shù)《選擇性必修4人工智能初步》第三章“3.2貝葉斯分類器”中的項(xiàng)目范例“剖析垃圾郵件智能分類系統(tǒng)”為例，闡述在項(xiàng)目式學(xué)習(xí)中如何開展以數(shù)據(jù)、算法和算力為核心的人工智能實(shí)驗(yàn)教學(xué)。

1.“垃圾郵件分類”項(xiàng)目實(shí)驗(yàn)中的數(shù)據(jù)、算法和算力

在“垃圾郵件分類”項(xiàng)目實(shí)驗(yàn)教學(xué)中，將數(shù)據(jù)、算法和算力三個(gè)核心要素與教學(xué)活動(dòng)緊密結(jié)合，以確保學(xué)生在項(xiàng)目實(shí)踐中能夠全面理解和掌握人工智能的核心概念和技術(shù)，具體如下頁表所示。

2.選擇實(shí)驗(yàn)平臺(tái)和工具

① 選擇浦育-OpenInnoLab平臺(tái)，借助平臺(tái)上的中小學(xué)AI學(xué)習(xí)工具XEdu，幫助學(xué)生體驗(yàn)文本數(shù)據(jù)處理，實(shí)現(xiàn)郵件文本向量化，體驗(yàn)使用貝葉斯算法進(jìn)行模型訓(xùn)練和推理的過程。

② 本地安裝中小學(xué)AI學(xué)習(xí)工具XEdu，在本地完成數(shù)據(jù)處理、模型訓(xùn)練和推理，幫助學(xué)生體驗(yàn)比較本地CPU算力和云服務(wù)CPU、GPU算力的不同。

3.實(shí)驗(yàn)步驟設(shè)計(jì)

（1）數(shù)據(jù)采集

① 數(shù)據(jù)來源選擇：引導(dǎo)學(xué)生識(shí)別和選擇與垃圾郵件分類相關(guān)的數(shù)據(jù)集，如公開的郵件數(shù)據(jù)集或通過模擬環(huán)境生成的數(shù)據(jù)。 ② 數(shù)據(jù)收集方法：學(xué)習(xí)如何通過網(wǎng)絡(luò)爬蟲收集電子郵件數(shù)據(jù)，或使用API從電子郵件服務(wù)提供商處獲取數(shù)據(jù)。

（2）數(shù)據(jù)預(yù)處理

在人工智能項(xiàng)目中，數(shù)據(jù)預(yù)處理是至關(guān)重要的一步，它直接影響到模型訓(xùn)練的效果和預(yù)測的準(zhǔn)確性。數(shù)據(jù)預(yù)處理具體包括數(shù)據(jù)清洗和特征提取。 ① 數(shù)據(jù)清洗：學(xué)習(xí)識(shí)別和處理垃圾郵件數(shù)據(jù)中的缺失值、異常值和重復(fù)郵件。 ② 特征提?。簩⑽谋緮?shù)據(jù)轉(zhuǎn)換為數(shù)值向量的過程，這對于計(jì)算機(jī)理解和處理文本內(nèi)容至關(guān)重要。

本項(xiàng)目引導(dǎo)學(xué)生深入學(xué)習(xí)和體驗(yàn)兩種主要的文本特征提取方法：TF-IDF算法和CLIP模型的文本嵌入。

方法一：運(yùn)用TF-IDF算法進(jìn)行文本特征提取。

理論學(xué)習(xí)：學(xué)習(xí)TF-IDF算法的原理，包括文本分詞、構(gòu)建詞典、計(jì)算詞頻、去除停用詞，以及計(jì)算TF-IDF值。

實(shí)踐操作：引導(dǎo)學(xué)生使用Python實(shí)現(xiàn)以TF-IDF算法進(jìn)行文本特征提取，通過如圖2所示的步驟完成文本向量化。

方法二：運(yùn)用CLIP模型進(jìn)行文本向量特征提取。

為了幫助計(jì)算機(jī)理解文本，一般是通過“特征提取”的方式將它們轉(zhuǎn)換為數(shù)字向量，這個(gè)過程可以叫做向量化。

理論學(xué)習(xí)：CLIP是一種基于深度學(xué)習(xí)的多模態(tài)預(yù)訓(xùn)練模型，它通過對比學(xué)習(xí)的方式在大量文本數(shù)據(jù)上進(jìn)行訓(xùn)練，從而能夠捕捉文本的豐富語義和上下文關(guān)系。本項(xiàng)目選用中小學(xué)AI學(xué)習(xí)工具XEdu集成的XEduHub，其內(nèi)置了CLIP模型，提供了embedding_text文本特征提取任務(wù)，實(shí)現(xiàn)文本向量化。

理論驗(yàn)證：為幫助學(xué)生理解詞向量能夠捕捉單詞的語義信息，使得相似意義的單詞在向量空間中位置接近，并且可以做簡單的計(jì)算。例如，“貓”和“狗”比較接近，而“貓”和“飛機(jī)”相對遠(yuǎn)一些。那么從意義上看，“國王”（King）和“女王”（queen）的最大區(qū)別是不是性別不同？設(shè)計(jì)驗(yàn)證實(shí)驗(yàn)，驗(yàn)證“國王”的詞向量減去“男”的詞向量，再加上“女”的詞向量，是否與“女王”的詞向量接近（如圖3），

驗(yàn)證實(shí)驗(yàn)結(jié)論：兩個(gè)向量相似度很高，達(dá)到了“0.9216038”。可見公式“v（\"國王\"）-v（\"男\(zhòng)"）+v（\"女\"）＼～v（\"女王\"）”的預(yù)測是成立的。從而證明了CLIP模型在處理中文文本特征提取時(shí)的有效性，以及詞向量能夠捕捉單詞的語義信息，使得相似意義的單詞在向量空間中位置接近。

實(shí)踐操作：使用XEduHub進(jìn)行詞向量獲取與文本特征計(jì)算，通過如圖4所示的步驟完成郵件文本向量化。

兩種方法的比較：TF-IDF算法在處理文本數(shù)據(jù)時(shí)，更注重詞語的統(tǒng)計(jì)信息，而CLIP模型則能夠捕捉更深層次的語義信息。相比之下，TF-IDF算法可能無法直接體現(xiàn)這種語義層面的接近性。

兩者各有優(yōu)勢，對于資源有限或數(shù)據(jù)集不是特別大的項(xiàng)目，TF一IDF可能是一個(gè)快速且有效的選擇。對于需要深層次語義理解的項(xiàng)目，CLIP模型能夠提供更豐富的語義特征，有助于提高分類器的性能。

（3）算法選擇與理解

算法介紹：介紹適合中文文本分類的算法，如樸素貝葉斯算法、支持向量機(jī)算法、神經(jīng)網(wǎng)絡(luò)等。

算法匹配：根據(jù)垃圾郵件分類的特點(diǎn)，本項(xiàng)目選擇樸素貝葉斯算法。

理論學(xué)習(xí)：學(xué)習(xí)樸素貝葉斯分

課程教學(xué)

類器進(jìn)行文本分類的原理。為了深入理解這一分類器，組織學(xué)生學(xué)習(xí)與其相關(guān)的數(shù)學(xué)原理。引導(dǎo)學(xué)生利用他們在數(shù)學(xué)課程中已經(jīng)掌握的概率論知識(shí)，學(xué)習(xí)貝葉斯公式，理解樸素貝葉斯分類器的“樸素”是基于特征條件獨(dú)立假設(shè)，并根據(jù)最大后驗(yàn)概率進(jìn)行分類。了解樸素貝葉斯分類器的類型，即高斯模型、多項(xiàng)式模型和伯努利模型。

理論驗(yàn)證：在浦育平臺(tái)或本地環(huán)境用Python編程實(shí)踐，用樸素貝葉斯公式進(jìn)行廣告郵件的分類（如上頁圖5）。學(xué)生從理論到實(shí)踐，學(xué)會(huì)如何用樸素貝葉斯算法進(jìn)行文本分類。

（4）模型訓(xùn)練

在浦育平臺(tái)或者本地環(huán)境，學(xué)習(xí)用XEdu的BaseML庫中的樸素貝葉斯算法，進(jìn)行垃圾郵件分類的模型訓(xùn)練，如圖6所示。

（5）模型測試與評估

① 性能評估：使用混淆矩陣來評估垃圾郵件分類模型的性能?；煜仃囂峁┝四Ｐ皖A(yù)測的詳細(xì)視圖，包括真正例（True Positives，TP）、假正例（False Positives，F(xiàn)P）、真反例（True Negatives，TN）和假反例（False Negatives，F(xiàn)N），從而可以計(jì)算出準(zhǔn)確率、召回率和F1分?jǐn)?shù)等指標(biāo)來評估垃圾郵件分類模型的性能（如圖7）。模型測試效果可視化圖如圖8所示。

② 參數(shù)優(yōu)化：根據(jù)混淆矩陣的結(jié)果，可以識(shí)別模型在哪些類別上存在誤差，并據(jù)此調(diào)整模型參數(shù)以提高對垃圾郵件的識(shí)別準(zhǔn)確率。

從結(jié)果可見，TP和TN的比例很大，說明效果不錯(cuò)，運(yùn)行結(jié)果準(zhǔn)確率為0.90，召回率為0.60，F(xiàn)1分?jǐn)?shù)為

作為本項(xiàng)目的拓展任務(wù)，鼓勵(lì)學(xué)生體驗(yàn)XEdu的BaseML庫中的SVM、KNN等算法，以及XEdu的BaseNN，均可快速便捷地完成郵件文本分類模型的訓(xùn)練、測試和評估。同時(shí)讓學(xué)生比較不同算法下，郵模型部署到云服務(wù)器、樹莓派或其他單板計(jì)算機(jī)上，以便實(shí)現(xiàn)垃圾郵件分類系統(tǒng)的遠(yuǎn)程訪問和操作。這樣的實(shí)踐不僅加深了學(xué)生對機(jī)器學(xué)習(xí)算法的理解，而且提升了他們應(yīng)用AI技術(shù)解決實(shí)際問題的能力。

4.實(shí)驗(yàn)報(bào)告撰寫

指導(dǎo)學(xué)生如何撰寫實(shí)驗(yàn)報(bào)告，記錄實(shí)驗(yàn)過程、結(jié)果和分析。引導(dǎo)學(xué)生深人思考項(xiàng)目在數(shù)據(jù)隱私保護(hù)、算法公平性、社會(huì)影響以及責(zé)任透明度方面的倫理考量，確保他們的工作不僅技術(shù)先進(jìn)，而且在道德和社會(huì)責(zé)任上也是負(fù)責(zé)任的。

引導(dǎo)學(xué)生借助AI大模型輔助開發(fā)垃圾郵件識(shí)別系統(tǒng)。學(xué)生運(yùn)用件分類效果的不同。

結(jié)論

（6）算力資源應(yīng)用

Python的Tkinter庫構(gòu)建圖形用戶界面，創(chuàng)建出能讓用戶輸入郵件文本的系統(tǒng)（如圖9）。該系統(tǒng)會(huì)應(yīng)用先前訓(xùn)練好的樸素貝葉斯分類模型進(jìn)行分類，直觀顯示郵件是垃圾郵件還是正常郵件。此外，鼓勵(lì)學(xué)生在AI大模型助力下，嘗試用Gradio等方式實(shí)現(xiàn)系統(tǒng)部署。

在文本數(shù)據(jù)處理任務(wù)中，CPU與GPU的性能差異不如在深度學(xué)習(xí)或大規(guī)模并行計(jì)算任務(wù)中那么顯著。通過在浦育平臺(tái)上完成實(shí)驗(yàn)，學(xué)生將直觀感受到云服務(wù)算力的便捷性；通過在本地環(huán)境完成實(shí)驗(yàn)，學(xué)生可比較本地CPU算力和云服務(wù)CPU、GPU算力的不同。

本研究通過在高中階段實(shí)施以數(shù)據(jù)、算法和算力為核心的人工智能實(shí)驗(yàn)教學(xué)模型，成功地引導(dǎo)學(xué)生進(jìn)行“垃圾郵件智能分類”項(xiàng)目的深人探究和實(shí)踐。通過學(xué)習(xí)，學(xué)生不僅掌握了文本數(shù)據(jù)的處理和分析方法，而且能夠應(yīng)用相關(guān)算法來解決實(shí)際的文本分類問題。實(shí)驗(yàn)成果顯示，學(xué)生在分類任務(wù)中達(dá)到了 9 0 % 的準(zhǔn)確率，這說明該實(shí)驗(yàn)不僅顯著提升了學(xué)生的實(shí)踐技能，而且促進(jìn)了其創(chuàng)新思維的發(fā)展。

（7）模型部署與應(yīng)用

通過整合DeepSeek、Kimi等人工智能生成內(nèi)容（AIGC）模型，學(xué)生將有機(jī)會(huì)深人研究并實(shí)踐如何將機(jī)器學(xué)習(xí)模型部署到服務(wù)器或硬件平臺(tái)上。這包括但不限于將

參考文獻(xiàn)：

教育部教育技術(shù)與資源發(fā)展中心.中小學(xué)實(shí)驗(yàn)教學(xué)基本目錄（2023年版）[EB/OL].htps：//www.ncet.edu.cn/u/cms/www/202311/241430136xjv.pdf.e

作者簡介：劉宜萍，中學(xué)高級(jí)職稱。

本文系安徽省教育信息技術(shù)研究課題“基于A全鏈路項(xiàng)目的高中生人工智能素養(yǎng)培養(yǎng)策略研究”（課題立項(xiàng)號(hào)：AH2023039）的研究成果。