中小學人工智能教學平臺研究與設計

馬靜 劉江岳 劉奕林

摘? ?要：為了順應國家發展、時代發展，積極開展中小學人工智能教育具有十分重要的意義。[1]中國人工智能教育的研究與開展尚處于起步階段，目前面臨著教學內容紊亂、缺少統一課程標準、缺乏實踐手段、師資短缺等問題。文章采用了人工智能領域的多項關鍵技術，以建構主義理論與啟發式教學法為理論基礎，歷時近一年時間，設計并開發完成了面向中學生的“智慧狗”人工智能教學輔助系統。文章首先基于中學生的認知水平能力開發了人工智能基本原理的入門微課，基于機器學習與深度學習技術構建了卷積神經網絡模型的訓練系統，基于計算機視覺構建了卷積神經網絡模型的實測系統。在此基礎上，針對零基礎初學者與已入門學習者人工智能知識水平的不同，文章設計了兩種學習模式及數十種訓練方式，以幫助不同能力水平的學習者完成不同階段的學習目標。

關鍵詞：人工智能;卷積神經網絡;機器學習;人工智能教育;信息技術

中圖分類號：G434;TP18 文獻標志碼：A 文章編號：1673-8454（2021）01-0001-10

一、研究背景與研究意義

1.研究背景

現代人工智能的發展始于上世紀50年代英國數學家艾倫·圖靈發表的論文《計算機器與智能》（Computing Machinery and Intelligence），[2]文中提出了能夠作為智能機標準的圖靈準則 ，[3]自此學術界開始探討開發人工智能框架的方法。1956年美國達特茅斯學院開展了人工智能研究會議，正式提出了“人工智能”這一概念，[4]之后人工智能技術經過漫長而坎坷的發展，其相關理論和技術日漸成熟。

隨著互聯網、大數據、云計算等技術的迅速發展，現今人工智能已滲透到社會的各個方面，對教育、醫療、工業、農業、國防等眾多領域都起到很大的推動作用。人們用人工的方法在機器上實現的智能就是人工智能，機器模擬的人類和其它生物的自然智能具體包括感知能力、記憶和思維能力、行為能力、語言能力等。[5]人工智能能夠使智能機器實現會聽（如語言識別、機器翻譯等）、會說（如語音合成、人機對話等）、會看（如文字識別、圖像識別等）、會行動（如機器人、自動駕駛等）、會思考（如人機對弈、定理證明等），甚至會學習（如知識表示、機器學習等）。

2017年國務院頒布《新一代人工智能發展規劃》提出在中小學階段設置人工智能相關課程，推廣編程教育，并鼓勵科研機構進行科普活動，[6]“人工智能+教育”開始成為教育工作者的研究重點。為滿足信息化社會對人才的需求，人工智能與教育的結合不僅體現在人工智能為教育事業提供技術支持，人工智能還需要被納入教育內容中。人工智能不僅需要被推廣到高等教育教學中，更要普及到中小學教育的教學內容中。隨后教育部頒布《普通高中信息技術課程標準（2017年版）》，提出不僅要在選擇性必修模塊內設置人工智能相關的內容，在必修模塊中也應有所涉及。[1]教育部在2018年又頒布了《高等學校人工智能創新行動計劃》，明確提出要在中小學階段加入人工智能普及教育，構建人工智能多層次教育體系。[7]一系列政策的出臺體現了國家對人工智能的重視，體現了國家政策與時代要求的接軌。

2.研究意義

人工智能技術的迅猛發展，將極大地改變社會對人才的需求，創新型人才將會成為人才市場中的核心。教育需要與時俱進，及時變革，積極培養未來社會所需的人才，以應對人工智能時代的挑戰。[8]人工智能是連接未來的教育，在青少年中開展人工智能教育活動，將在很大程度上增強青少年的邏輯思維能力，轉變思維方式，提升青少年對人工智能這一劃時代前沿技術的認知水平，為青少年的全面成長、更好地適應將來的社會打下牢固的基礎。[9]將人工智能納入中小學課程體系，對提升學生信息素養、普及全民智能教育、培養人工智能人才具有重要意義。[10]人工智能不僅影響著每一位青少年個體的生存與發展，更是引領世界未來、改變全球格局的戰略技術，人工智能教育水平的高低關系到國家未來能否在科技競爭中獲得優勢，決定了一個國家在世界新一輪科技革命中所處的地位。[11]

二、國內外研究與實施現狀

1.研究現狀

通過CNKI檢索近年來以“人工智能”與“教育”為關鍵詞的文章，分析歸納得出關于人工智能教育的四類研究：一是側重于教育理論研究，如對智慧教育、教育信息化、未來教育的研究;二是側重于具體教學模式研究，屬于實踐范疇，涉及人工智能以何種形式有效落地，如對機器人教育、創客教育的研究;三是側重于智能教育技術研究，如對大數據、學習分析、機器學習、VR/AR等方面的研究;四是側重于智能教育應用研究，主要集中在對人工智能賦能教育方式、評價、決策等方面，涉及個性化學習、在線學習、智能教學系統等。[12]總體來說，國內人工智能教育的研究尚處于起步階段，對基礎教育階段人工智能課程建設的研究正逐漸重視起來。[13]

2.實施現狀

（1）國外人工智能教育實施現狀

美國政府在2015年推出了“每個學生都成功法案”（Every Student Succeeds Act），推進K-12階段的計算機科學教育，其中人工智能是計算機科學課程的重要組成部分。[10]美國在2016年10月發布了《為人工智能的未來做準備》（Preparing for the Future of Artificial Intelligence）和《國家人工智能研究和發展戰略計劃》（The National Artificial Intelligence Research and Development Strategic Plan）兩份報告，[14]在2016年12月后發布了《人工智能、自動化與經濟》（Artificial Intelligence、Automation and the Economy），標志著美國國家人工智能戰略正式開始，[2][15]有許多中小學重視人工智能與STEM課程，開設了綜合性的跨學科STEM課程，納入了機器人學、Scratch、Python等編程課程。[10]

在2017年10月，英國政府出臺了《在英國發展人工智能產業》（Growing the Artificial Intelligence Industry in the UK），[15]規劃制定初等學校改革政策，中小學與高校合作展開人工智能教育，并將人工智能教育與STEM課程相結合。[16]

日本政府在2016年發布《日本振興戰略2016——面向第4次產業革命》，明確提出青年一代需適應以人工智能為代表的第四次產業革命，在中小學必修范圍內納入編程教育、科普教育等與人工智能相關的基礎課程，并要求每個學生養成理解、運用信息技術和數據的習慣。[2]

新加坡政府在2018年發布“人工智能新加坡”項目（AI Singapore），開啟了新加坡政府的國家人工智能戰略。[17]新加坡將少兒編程教育推廣至全國范圍，并將編程納入中小學考試科目，還推出了“AI for Kids”、“AI for Students”等計劃，培養學生對人工智能和機器學習的興趣并增進理解。新加坡強調學校機構與人工智能創業公司的合作，請有專業素養的人工智能工程師設計實踐課程，指導學生利用Scratch、Microsoft Cognitive Services等工具開發AI方案以解決日常生活中的相關問題。[10]

（2）國內人工智能教育實施現狀

在義務教育階段的初中課程中，沒有明確的人工智能學科課程，全國各地大部分均以“試點”的形式推動人工智能教育的普及，[18]一些地區和學校是以地方課程、校本課程的形式推出人工智能課程。[19]

在高中階段，2003年4月國內頒布的《普通高中技術課程標準（實驗）》就首次將“人工智能初步”模塊納入高中信息技術學科選修模塊中，標志著人工智能在中學的正式起步。但是當時的高中信息技術人工智能選修模塊受到技術發展水平低、普及程度低、師資條件嚴重欠缺、課程內容設置不合理等多種因素的影響，在全國范圍內都鮮有開設。[1]

目前，國內中學人工智能課程的開展現狀具體如下：①人工智能在中學階段主要以選修模塊和章節嵌入的形式開展教學;②學生選修的模塊主要集中在多媒體技術應用與網絡技術應用模塊，人工智能課程由于開發難度大、硬件設備不足等原因而形同虛設;③即便開設了人工智能課程，也僅是停留在對人工智能的表層理論介紹，而未深入到對人工智能背后原理的講解，更不用說讓學生親自體驗。

（3）國內人工智能教育實施中遇到的問題

國內人工智能教育的開展存在以下問題。

①概念混淆：人工智能學科包含內容廣泛，涉及計算機科學、信息科學、心理學、哲學、生理學等眾多領域，[20]目前國內人工智能課程的內容框架、知識體系尚未建立，處于發展初期。[1]部分研究學者、教育專家對人工智能概念認識不清，將人工智能技術與自動化、傳感器、程序設計、機器人混為一談。[1]

②過度包裝：國內的互聯網企業將人工智能封裝成接口，不讓用戶知道其中的原理，將人工智能推上神壇，塑造出神秘感與距離感，使一些中小學人工智能教育活動止步于教會學生調用接口、使用工具。部分人工智能技術提供商在用戶使用協議中潛伏窺竊用戶隱私的條款，侵犯用戶的權益。

③教學內容不明確：人工智能教材內容紊亂，部分學校將人工智能等同于樂高、機器人、智能小車等，并且教材內容較為簡單，全國通用人教版教材中關于人工智能的內容僅是對AlphaGo介紹的新聞報道。

④師資力量參差不齊：開設有人工智能教育相關專業的本科院校較少，因此中學教師對人工智能領域不了解，[10]即使有感興趣的教師，也不知道學習什么內容以及如何進行人工智能學習。

⑤課程標準方面的問題：由于人工智能屬于前沿新技術，目前尚無統一的課程組織與系統設計。[10]

⑥實踐方面的問題：缺乏實踐手段，人工智能教育流于形式，目前較為普遍的講授方式是教師利用PPT或者視頻進行簡單講授，而學生只能通過自我感知理解人工智能的內涵。

針對人工智能教育發展中存在的問題，需要提供相應的解決方案。①針對概念混淆的問題，規范人工智能的概念與范圍，與自動化、程序設計、機器人等劃清界線;②針對過度包裝的問題，實現人工智能技術的同時將技術原理完整地向大眾呈現，不侵犯用戶隱私權;③針對教學不明確的問題，選用深度學習作為教學內容以實現計算機視覺，原因是圖像識別是人工智能最有代表性的應用，中小學生可以通過學習圖像識別的相關原理入門人工智能;④針對師資力量參差不齊的問題，提供完整的教學資源培訓包可供教師自主學習與參照使用;⑤針對缺少統一的組織與系統設計這一問題，采用機器學習方式，這是因為深度學習是目前人工智能最好的一種實現方法，而機器視覺是深度學習最好的實踐范例;⑥針對人工智能教育缺少實踐手段的問題，提供具體的實踐方法。

三、系統設計原理

搭建中小學人工智能教學平臺是一個將前沿技術的理論與實踐普及到基礎教育階段的行動，其中“智慧狗”作為子項目是面向中學生的人工智能教學輔助系統。本項目是國內第一個提出在中小學使用機器學習實現人工智能教學的項目，是K-12階段人工智能教育的一大變革。BAT（互聯網三大巨頭：百度、阿里巴巴與騰訊）只提供人工智能接口而不告知其中原理，這樣雖然能夠簡化復雜的人工智能實現流程，降低教學活動實現成本，但是并不能教會學生人工智能的內在原理，學生只能學會如何使用現有的工具，不利于培養學生的研究精神，與教育目標相悖。本研究認為，只有掌握深度學習才能真正了解人工智能。“智慧狗”中學人工智能教學輔助系統讓學生零距離接觸機器學習的核心原理，讓師生親自動手實現人工智能，并且注重培養學生的探究精神、創新精神，在新課標的基礎上對實施中學人工智能教育做了一次有益的嘗試。

如圖1所示，“智慧狗”中學人工智能教學輔助系統項目采用閉環設計，首先發現目前中學人工智能教育研究與開展中出現的問題，進而提出相對應的合理解決方案，確定國內中學人工智能教育的需求，根據需求進行系統設計與系統開發。開發完成的人工智能教學輔助系統將投入試驗，在中學開展人工智能試驗課程，并通過問卷調查獲得反饋。根據獲得的負反饋進行負反饋處理，重新發現問題，提出方案，改進系統，解決問題;根據獲得的正反饋則輸入系統中進一步強化，不斷推演出系統的2.0、 3.0等版本。

1.關鍵技術

（1）基于機器學習與深度學習技術構建卷積神經網絡模型及其訓練系統

機器學習即機器從數據中自我學習，是人工智能領域內最著名的算法，能夠讓計算機從大量歷史數據中學習內在規律，自主發現模式并用于預測，機器處理的數據越多，預測越精準。[21]深度學習通過構建機器學習模型，從大量輸入數據中提取越來越抽象的、具有良好泛化能力的特征表示，克服了過去人工智能中被認為難以解決的一些問題。[22]基于動物視覺皮層組織的啟發，深層神經網絡是目前深度學習的主要形式，深層神經網絡中最著名的、最為廣泛應用的經典結構便是卷積神經網絡（Convolutional Neural Network）。[22]目前卷積神經網絡已取得許多令人矚目的研究成果，在2012年，Krizhevsky等提出的卷積神經網絡模型Alex Net在大型圖像數據庫Image Net的圖像分類競賽中遙遙領先第二名獲得冠軍，隨后不斷有新的卷積神經網絡模型被提出，如牛津大學的VGG（Visual Geometry Group）、Google的Goog Le Net、微軟的Res Net等不斷刷新Alex Net在Image Net上創造的記錄，使卷積神經網絡成為了學術界的研究焦點，并且發展出了更多的應用擴展。[23]如圖2所示，輸入層、卷積層（convolutional layer）、池化層（pooling layer，即下采樣層）、全連接層和輸出層組成了卷積神經網絡的基本結構。[22][23]

為了供學習者作為參考學習卷積神經網絡的結構，“智慧狗”人工智能教學輔助系統不僅構建了一個經典的卷積神經網絡模型作為范例，還開發了自主設計功能支持學習者根據所學知識與創意構建新的卷積神經網絡。“智慧狗”提供了內含480張圖片的訓練素材庫，學習者可以利用該訓練素材庫將自己修改的范例卷積神經網絡或創造的全新卷積神經網絡進行有監督學習，并直觀地得到學習結果，即該神經網絡預測準確率。“智慧狗”通過“改進范例卷積神經網絡模型參數/自主搭建卷積神經網絡模型——基于卷積神經網絡模型進行有監督學習”的步驟，帶領學習者親身體會機器學習的過程，幫助學生深刻了解卷積神經網絡的原理與結構。

（2）基于計算機視覺技術構建卷積神經網絡模型的實測系統

計算機視覺領域的一個重要研究方向是圖像識別。圖像識別技術能夠利用計算機對圖像進行處理、分析和理解，最終達到識別各種不同模式目標和對象的效果，使用圖像識別技術能夠有效地處理特定物體的檢測和識別（如人臉或手寫字符）、圖像的分類標注以及主觀圖像質量評估等問題。[24]深度卷積神經網絡通過復雜的網絡結構、大規模的訓練數據集、改進的訓練學習算法來模擬人腦復雜的層次化認知規律，在圖像分類、目標檢測、圖像識別等多個計算機視覺任務中取得巨大成功。[25]

但卷積神經網絡經過一定數據集訓練后得到的預測準確率數值并不能真正反映其在解決實際問題中的能力。當卷積神經網絡達到越深的程度、具有越多的特征面，該神經網絡能夠表示的特征空間就越大，其學習能力也越強，但神經網絡的計算也會更加復雜，更容易出現過擬合的現象。[22]因此卷積神經網絡需要配合實際情況中的測試結果不斷改進。

“智慧狗”人工智能教學輔助系統提供了針對完成學習的卷積神經網絡的實測功能，為學習者進一步優化設計卷積神經網絡提供支持。通過實測功能，學習者可以了解到搭建的卷積神經網絡經過訓練得到的預測準確率是否真實可靠，該神經網絡是否出現了過擬合現象。因此神經網絡實測系統不僅僅能夠讓學習者體驗計算機視覺、體驗圖像識別，更是學習者發現過擬合、不斷改進神經網絡的重要工具。

2.理論基礎

“智慧狗”中小學人工智能教學輔助系統采用建構主義學習理論與啟發式教學法作為設計的理論基礎與基本原則。在20世紀60年代，瑞士著名心理學家皮亞杰提出了著名的建構主義學習理論，它是認知主義學習理論的一個重要分支，之后由維果茨基、奧蘇貝爾、布魯納等眾多心理學家和教育學家不斷豐富、完善。[26][27]在建構主義學習理論的觀點中，人的認知發展是認知結構不斷重新構建的過程，而非單純的數量上的積累過程，個體的認知結構通過同化和順化而不斷發展。[27]建構主義學習理論認為，學習環境有四大要素，分別是“情境”、“協作”、“會話”和“意義構建”，學習是一種認知結構構建的過程，是一種協商活動的過程，是一種真實環境的體驗，強調學習過程中學習者的主觀能動性。[27]啟發式教學法強調學習并不是對新知識機械式的接受，學生在學習過程中發揮其主體性，強調新舊知識的內在關聯性，強調“情境”對新知識學習的重要性。[27]

“智慧狗”人工智能教學輔助系統以建構主義為理論基礎，融合啟發式教學法并確定了設計原則：

（1）調動學習者主觀能動性

學習不應該是學生對新知識的機械式的接受，而是對新知識的主動構建。[27]“智慧狗”人工智能教學輔助系統啟發學習者自主探究卷積神經網絡的結構特性，學習者能夠根據頁面上各個關鍵參數的小提示自主調整神經網絡的結構與參數，完成后對神經網絡進行有監督學習的訓練。根據訓練結果的反饋，學習者可以直觀地得知本次修改的參數對卷積神經網絡的預測準確率具有正面還是負面影響。學習者通過這樣反復的實驗，最終能夠加深對卷積神經網絡結構參數的理解，主動地總結出卷積神經網絡的結構特點與各關鍵參數的意義，達到對人工智能知識主動構建的效果。

（2）強調學習者的主體性

“智慧狗”人工智能教學輔助系統強調學習者自主進行人工智能實驗，在學習過程中學習者占主體地位，教師僅在學生實驗的過程中通過適當的幫助、引導，輔助學生完成人工智能實驗，重要的是學生通過自己的思考和與其他學習者交流討論的經驗，自主搭建、訓練、測試、修改卷積神經網絡，完成實驗。[27]

（3）注重新舊知識的關聯性

在初中階段，雖然學生思維的抽象邏輯性占主要優勢，但其邏輯思維還是屬于經驗型，在一定程度上還需要感性經驗的直接支持，而到了高中階段，學生的認知結構不斷完善，抽象邏輯思維趨于成熟，辯證邏輯思維和創造性思維得到了大幅度的發展，能夠以理論為指導來分析綜合各種事實材料，不斷擴大自我知識領域。[28]學習過程實質上是大腦對新知識的信息加工過程，而新知識的信息加工依賴于大腦中原有知識的轉化與重建。[27]根據中學生的認知發展水平及其數學知識水平，“智慧狗”人工智能教學輔助系統提供了卷積神經網絡原理入門微課，避免了大量高等數學與線性代數的公式，用基礎的數學知識講授卷積神經網絡的工作原理，確保初中生能夠吸收理解。

（4）情境性

為了能夠更為有效地學習，學習活動需要發生在真實的情境中，有助于學習者運用自身的知識結構解決實際問題。[27]“智慧狗”人工智能教學輔助系統能夠調用計算機攝像頭實現對真實場景的圖像識別功能，具有一定趣味性，在課堂上能夠引發學生的好奇心，有利于教師創設情境，通過提問、引導幫助學生思考，開展翻轉課堂或項目式教學。

四、系統架構與實現

基于建構主義學習理論與人工智能關鍵支撐技術，筆者對“智慧狗”人工智能教學輔助系統進行了系統架構設計與實現，如圖3所示。“智慧狗”人工智能教學輔助系統分為兩大基礎模塊：基于PyQt開發的卷積神經網絡學習與實驗可視化模塊，基于Tensorflow開發的卷積神經網絡訓練與測試內核模塊。用戶通過圖形界面接口搭建卷積神經網絡并調試其結構參數，數據傳輸至后臺通過Tensorflow進行有監督學習，生成的卷積神經網絡模型又為前端的圖像識別實測功能所用。

1.卷積神經網絡學習與實驗可視化模塊

“智慧狗”人工智能教學輔助系統的前端界面是基于PyQt開發的。PyQt將python編程語言與Ot庫成功融合，是目前python可視化界面開發的主流工具之一。在用戶界面下，包含范例卷積神經網絡學習模塊和自主搭建卷積神經網絡模塊這兩大功能模塊。

范例卷積神經網絡學習模塊提供一個已經設計好的卷積神經網絡模型作為學習者學習卷積神經網絡的參考案例，允許用戶調整該神經網絡的部分參數，從而加深對卷積神經網絡結構參數的理解。在自主搭建卷積神經網絡模塊中，用戶可以不受約束地完全自主設計神經網絡，且自主搭建的每一步都可以靈活地撤銷、修改，用戶還可以導入外部的卷積神經網絡，并自由修改導入的神經網絡。

搭建好的卷積神經網絡可以進入下一步的訓練調試頁面，用戶可以自定義訓練次數、訓練學習率等細節參數。卷積神經網絡完成有監督學習的訓練后將顯示該神經網絡模型當前的預測準確率，若用戶對訓練結果不滿意，可以靈活地返回上一步繼續修改神經網絡的參數;若對訓練結果滿意，用戶可以在訓練調試頁面保存已訓練完的神經網絡模型為本地文件，分享給其他學習者一同交流學習。完成訓練的卷積神經網絡模型可以進入實戰測試環節：系統能夠調用計算機的攝像頭，現拍照片進行圖像識別，讓用戶能夠親身體驗自己搭建的人工智能模型的圖像識別效果。

2.卷積神經網絡訓練與測試內核模塊

“智慧狗”人工智能教學輔助系統的卷積神經網絡及其訓練、圖像識別模塊是基于Tensorflow開發的。Tensorflow是谷歌人工智能團隊開發與維護的神經網絡算法庫，被廣泛應用于各類機器學習算法的編程實現。

如圖4所示，范例模型模塊中，作為學習案例的卷積神經網絡模型源碼為：

如圖5所示，卷積神經網絡訓練模塊中，訓練步驟的關鍵源碼為：

如圖6所示，卷積神經網絡的圖像識別實測模塊中，神經網絡預測的關鍵源碼為：

綜上所述，基于卷積神經網絡學習與實驗可視化模塊、卷積神經網絡訓練與測試內核模塊兩大基本模塊的整體系統構架，同時依托上百張圖片組成的卷積神經網絡訓練數據集，“智慧狗”人工智能教學輔助系統能夠實現人工智能基礎知識入門學習與卷積神經網絡可視化搭建、訓練、測試實驗等功能。

五、系統的功能設計

在實現前述系統架構的基礎上，“智慧狗”中學人工智能教學輔助系統不僅能夠作為教師開展人工智能教學的教輔工具，還能夠作為學習者自學人工智能的啟蒙師與指導者。“智慧狗”中學人工智能教學輔助系統利用自身的視頻微課、范例卷積神經網絡學習功能、自主設計卷積神經網絡功能能夠滿足教師不同階段的教學目標，也能夠滿足不同能力水平的學習者的學習需求。如圖7所示，“智慧狗”中學人工智能教學輔助系統初始頁面下包括新手教程、范例模型、自主設計三大主功能，在各主功能下包含各自的子功能。

1.新手教程功能

由于卷積神經網絡的知識較為繁多、復雜，學習者可能會難以掌握甚至遺忘。因此，“智慧狗”人工智能教學輔助系統針對性地在初中生的知識結構和認知水平的基礎上，開發了一款針對中學生的人工智能模型搭建入門新手微課，如圖8所示。該視頻微課不包含任何高等數學、線性代數知識，僅用基礎的數學知識與簡單易懂的語言和動畫就闡明了卷積神經網絡結構及其基本原理，使沒有基礎知識的學習者能夠輕松入門，對卷積神經網絡已有一定了解的學習者能夠鞏固加強。

2.范例模型功能

范例模型功能旨在通過現有的范例卷積神經網絡鞏固學習者對卷積神經網絡結構的理解，并且學生通過思考不斷修改神經網絡參數而一步步提高神經網絡的識別率，有利于培養探究精神。

（1）學習范例卷積神經網絡

如圖9所示，范例卷積神經網絡包含全部的卷積神經網絡組成部件，并且每一層的參數都可以修改，修改參數將會直接影響卷積神經網絡的復雜度，間接影響網絡的識別率。學習者每一次改動參數，右側欄會實時更新當前網絡的具體信息，系統也會重新計算當前網絡的復雜度，并通過小狗的圖像反映在界面上。卷積神經網絡的復雜度越低，網絡的學習能力就越弱，小狗圖像就越卡通化甚至像素化;卷積神經網絡的復雜度越高，其學習能力就越強，小狗圖像就越接近真實。

（2）訓練范例卷積神經網絡

范例模型功能下的訓練頁面如圖10所示。修改完成的范例卷積神經網絡可以進行訓練。學習者可以調整訓練的次數與學習速率，訓練次數越多系統所花費的時間也越久，但訓練次數不夠可能會導致網絡欠學習，學習速率過高可能導致在全局最優解附近震蕩，學習速率過低可能導致訓練止步于局部最優解而找不到全局最優解。訓練卷積神經網絡所用到的數據集為480個外部圖片文件組成的訓練集，該訓練集可按照一定格式手動擴充。當卷積神經網絡訓練完成后，頁面將會顯示神經網絡模型的預測準確率，學習者可以決定是進入下一步神經網絡實測頁面還是修改訓練參數重新訓練，甚至是返回上一步修改卷積神經網絡后再來訓練。

在范例卷積神經網絡訓練頁面，用戶也可以跳過訓練直接測試范例卷積神經網絡的預測準確率，教師可以利用此功能快速進入實測系統向學生展示圖像識別的效果，學生也可以通過此快捷通道便捷地體驗圖像識別。此功能有利于教師在人工智能課堂中創設情境，有利于學生快速嘗鮮人工智能。

（3）實測范例卷積神經網絡

范例模型功能下的實測頁面如圖11所示。在實測功能下，學習者可以選擇計算機本地存儲的圖片進行神經網絡的實測，也能通過連接計算機的攝像頭拍照獲取身邊常用物品圖片或人臉圖片進行神經網絡的實測。卷積神經網絡實測系統不僅是學習者體驗人工智能的重要窗口，更是檢驗該卷積神經網絡模型是否過擬合或欠擬合的重要工具。

3.自主設計功能

自主設計功能旨在讓學習者在理解了卷積神經網絡原理后運用所學知識從零開始搭建一個新的卷積神經網絡，培養學生的創新精神。

（1）自主設計卷積神經網絡

如圖12所示，自主設計功能左側標簽頁包含了卷積神經網絡的所有組成部件，學習者從設置激活函數開始一步步設計自己的神經網絡。卷積層是卷積神經網絡必不可少的組成部分，在未設置卷積層的情況下學習者無法添加其它層。當設置了全連接層之后，卷積神經網絡的結構便趨于完整，能夠進入下一頁的訓練頁面。在搭建神經網絡環節中，學習者隨時可以撤銷上一步，因此可以放心地發揮自己的創意。除了設計自己的神經網絡，學習者還可以從外部導入神經網絡進行學習、修改。

（2）訓練卷積神經網絡

如圖13所示，自主設計功能下的訓練頁面跟范例模型下的訓練頁面基本相似，唯一不同之處是在自主設計模式下，學習者在完成一次卷積神經網絡的訓練后可以選擇保存該卷積神經網絡為本地文件，保存的神經網絡可以在自主設計頁面中導入，有利于學習者之間分享交流學習經驗。

（3）實測卷積神經網絡

自主設計功能下的神經網絡實測頁面與范例模型功能下的神經網絡實測頁面完全相同，此處不再贅述。

六、系統成效分析及未來展望

1.成效分析

（1）取得的成效

在“互聯網+”的時代背景下，為了解決國內中學人工智能教育研究與實施中出現的問題，筆者提出了對應的解決方案并確定了需求，設計并開發了“智慧狗”中學人工智能教學輔助系統。

對于國內人工智能教育開展過程中人工智能概念混淆的問題，“智慧狗”系統從理論和實踐兩方面規范了人工智能的概念：通過微課視頻明確了人工智能的概念，介紹了人工智能的經典算法卷積神經網絡，強調了其背后的數學原理;通過卷積神經網絡的搭建、訓練、實測相關功能，展示了人工智能應用領域中的圖像識別技術。

對于國內人工智能教育開展過程中人工智能技術過度包裝的問題，“智慧狗”系統撥開了人工智能的神秘面紗，不僅教給學習者人工智能的實現原理，還給學習者提供了完整體驗機器學習實現過程的實踐機會。“智慧狗”系統通過攝像頭獲取的學習者人臉圖片數據僅保存在本地計算機中，不上傳至服務器，保證了用戶的隱私與肖像權不受侵犯。

對于國內人工智能教育開展過程中人工智能教學內容紊亂的問題，“智慧狗”系統安排了卷積神經網絡作為學習內容。人工智能的核心是機器學習，深度學習是機器學習領域中效果最好的一系列算法，卷積神經網絡是深度學習中最著名、應用范圍最廣的一種算法，學生理解了卷積神經網絡的基本結構，便能夠獨立地實現簡單的人工智能應用。

對于國內人工智能教育開展過程中人工智能教育活動缺少實踐手段的問題，“智慧狗”系統提供了具體而完整的通過機器學習實現人工智能的實踐手段，學習者能夠以搭建卷積神經網絡為起點，從零開始創造自己的人工智能。

（2）教學試驗的開展

為了更深入地了解該系統在中學實際教學中的應用效果，筆者于2019年9月至11月在蘇州市第一中學校對2個班級開展了人工智能試驗課程，課程中使用了初版“智慧狗”系統輔助教學，并在課后開展了人工智能課程的教學評價問卷調查獲取反饋。調查問卷選取教學內容評價、教輔工具評價、學生未來學習方向三個維度。發放問卷80份，回收73份，回收有效率91.25%。

采用克隆巴赫α系數（Cronbach's Alpha）對人工智能試驗課程教學評價量表的4個維度進行可靠性分析，結果如表1所示。

數據顯示，三個維度的克隆巴赫α系數分別為0.706、0.642、0.655，均大于0.60，說明該調查問卷的信度較好。

采用探索性因子分析檢驗問卷的結構效度，經檢驗教學評價量表的取樣適當性量數KMO值為0.845，Bartletts球形檢驗的顯著性值為0.000，說明該問卷因子分析有效。采用主成分分析法提取共同因素，提取載荷平方和累積為62.285%，旋轉成分矩陣共提取出3個因素，分別對應教學內容評價、教輔工具評價、學生未來學習方向三個維度，說明該調查問卷具有良好的結構效度。

（3）不足之處與改進

通過教學試驗與調查問卷的反饋，筆者不僅收獲了學生和教師的大量正反饋信息，還得到了一些負反饋信息。

經過對反饋信息的整理與分析，筆者總結出了初版“智慧狗”中學人工智能教學輔助系統的以下3點不足之處：

①范例模型功能和自主設計功能缺少重要知識點的提示信息。由于卷積神經網絡內容難度較高，參數繁多，學生通過課前微課視頻的學習和課堂中教師的原理講授，也較難在短時間內消化大量人工智能知識，在范例模型功能頁面和自主設計功能頁面上為每一個卷積神經網絡參數加上標簽提示信息，幫助學習者鞏固知識是十分必要的。在當前版本的“智慧狗”系統中，該項不足已得到改正，范例模型頁面也自主設計了頁面中的卷積神經網絡關鍵參數，均有懸浮標簽提示相關知識點。

②卷積神經網絡訓練數據集較小，使學習者設計的卷積神經網絡得不到充分、有效的訓練，往往處于欠擬合狀態。學習者運用所學知識經過思考搭建了一個結構合理、具有較高預測準確率上限的卷積神經網絡，卻由于訓練數據集的缺陷造成該神經網絡模型訓練效果與實測效果不佳，不僅會誤導學習者，還會挫敗學習者的積極性，因此擴大訓練數據集、優化訓練集質量是十分必要的。在當前版本的“智慧狗”系統中，該項不足已得到改正，訓練集圖片已達到480張，并支持按照格式自定義擴充訓練集。

③自主設計功能不夠靈活，學習者每次為卷積神經網絡添加一層隱含層都不能重新修改，若要改動搭建的卷積神經網絡中的一個參數，只能退出重進自主設計頁面，從頭開始重新搭建。在當前版本的“智慧狗”系統中，該項不足已得到改正，自主設計功能支持用戶隨時撤銷操作重新設置，并且還添加了卷積神經網絡的保存與導入功能，學習者可以保存自己的學習成果并進行分享交流。

2.未來展望

對于國內人工智能教育開展過程中師資力量參差不齊的問題，“智慧狗”項目將開發兩套分別適用于教師教與學生學的完整教學資源包。如圖14所示，教學資源包包括教師與學生通用紙質章節教材，供課堂教學使用，呈現人工智能相關圖片、概念、原理以及名詞解釋等內容，內容方面將根據不同學段學生的認知發展與能力水平選擇位于學生最近發展區內的知識內容。“學生資源包”包括軟件、軟件說明書、課前使用的視頻微課與學生自主學習手冊、課堂中使用的章節教材、習題與自測（含答案）、知識拓展等內容，通過將部分內容交由學生課前進行自主學習，實現翻轉課堂的教學效果。“教師資源包”包括教案、教材、教學大綱、翻轉課堂示例、教輔資料以及教學PPT等，供教師提前了解與掌握人工智能相關知識，并使教師能夠根據提供的教學范例進行模仿甚至創新教學。

參考文獻：

[1]王振強.中小學人工智能教育現狀問題與思考[J].中國現代教育裝備，2019（22）：1-5.

[2]段世飛，龔國欽.國際比較視野下的人工智能教育應用政策[J].現代教育技術，2019（3）：11-17.

[3]鄒蕾，張先鋒.人工智能及其發展應用[J].信息網絡安全，2012（2）：11-13.

[4]許亞鋒，高紅英.面向人工智能時代的學習空間變革研究[J].遠程教育雜志，2018（1）：48-60.

[5]賈積有.人工智能賦能教育與學習[J].遠程教育雜志，2018（1）：39-47.

[6]國發[2017]35號.國務院關于印發新一代人工智能發展規劃的通知[Z].

[7]教技[2018]3號.教育部關于印發《高等學校人工智能創新行動計劃》的通知[Z].

[8]謝昱，陳映曉.我國中學人工智能教育狀況的調查研究[J].未來與發展，2019，43（12）.

[9]王順曄，王寧，劉大勇，馮越.中小學人工智能教育現狀調查及對策研究[J].電腦知識與技術，2019（33）：129-131.

[10]張丹，崔光佐.中小學階段的人工智能教育研究[J].現代教育技術，2020（1）：39-44.

[11]劉永，胡欽曉.論人工智能教育的未來發展：基于學科建設的視角[J].中國電化教育，2020（2）：37-42.

[12]鄭婭峰，傅騫，趙亞寧.我國人工智能教育研究現狀及主題結構分析[J].數字教育，2020（1）：21-26.

[13]呂婷婷，石志國，冀燕麗.國內人工智能教學研究熱點及趨勢分析[J].高等理科教育，2019（6）：98-107.

[14]閆志明，唐夏夏，秦旋，張飛，段元美.教育人工智能（EAI）的內涵、關鍵技術與應用趨勢——美國《為人工智能的未來做好準備》和《國家人工智能研發戰略規劃》報告解析[J].遠程教育雜志，2017（1）：26-35.

[15]胡偉.人工智能時代教師的角色困境及行動策略[J].現代大學教育，2019（5）：79-84.

[16]Department for Digital，Culture，Media & Sport，Department for Business， Energy & Industrial Strategy.Growing the artificial intelligence industry in the UK[DB/OL].https：//www.gov.uk/government/publications/growing-the-artificial-intelligence-industry-in-the-uk.

[17]National Research Foundation.AI Singapore[DB/OL].https：//www.nrf.gov.sg/programmes/artificial-intelligence-r-d-programme.

[18]林昉.義務教育階段開展人工智能教育的現狀分析與思考[J].中小學電教，2019（12）：3-6.

[19]劉翀.思維素養視角下的中小學人工智能教育[A].廣西寫作學會教學研究專業委員會.2019年教學研究與教學寫作創新論壇成果集匯編（二）[C].廣西寫作學會教學研究專業委員會，2019：599-601.

[20]徐鵬，王以寧.國內人工智能教育應用研究現狀與反思[J].現代遠距離教育，2009（5）：3-5.

[21]余明華，馮翔，祝智庭.人工智能視域下機器學習的教育應用與創新探索[J].遠程教育雜志，2017（3）：11-21.

[22]周飛燕，金林鵬，董軍.卷積神經網絡研究綜述[J].計算機學報，2017（6）：1229-1251.

[23]李彥冬，郝宗波，雷航.卷積神經網絡研究綜述[J].計算機應用，2016（9）：2508-2515，2565.

[24]盧宏濤，張秦川.深度卷積神經網絡在計算機視覺中的應用研究綜述[J].數據采集與處理，2016（1）：1-17.

[25]張順，龔怡宏，王進軍.深度卷積神經網絡的發展及其在計算機視覺領域的應用[J].計算機學報，2019（3）：453-482.

[26]楊琳琳，孟高旺.以生為本，構建建構主義大學英語口語教學新模式[J].宿州學院學報，2008（3）：146-148.

[27]趙樂華，任毅.啟發式教學方法與建構主義學習理論[J].中國地質教育，2009，18（1）：140-142.

[28]王丹璇.海南省高中地理研學旅行資源開發利用的研究[D].南昌：江西師范大學，2019.

（編輯：王天鵬）