中小學人工智能課程的設計原則與實踐范例

摘要： 中小學人工智能教育的推進和實施，對培養適應智能社會的創新型人才具有重要意義。針對我國當前人工智能教育存在的問題，中小學人工智能課程的設計應遵循“注重對人工智能領域基礎性知識的掌握”“強調不同主題內容間的橫向聯系”“有區分度和進階性”的基本原則。從基本原則出發設計的課程案例，可為一線教師的教學實踐提供范例參考與設計思路，從而加快我國中小學人工智能教育的普及。

關鍵詞：中小學人工智能;關鍵概念;課程設計原則;課程案例;教學實踐

隨著人工智能技術的不斷發展及其對社會生活所產生的廣泛影響，世界各國都開始重視在基礎教育階段實施人工智能教育，以培養適應智能社會的創新型人才。美國人工智能促進協會（Association for the Advancement of Artificial Intelligence， AAAI）啟動了美國K-12人工智能教育行動計劃。英國強調在基礎教育階段，需要讓學生對人工智能有必要的知識儲備和基本理解。歐盟發起“1%的歐盟公民掌握人工智能基礎”倡議，并建立“人工智能基礎知識”在線課程。我國也高度重視中小學階段的人工智能教育。2017年7月，國務院發布《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”^[1] 。2018年4月，教育部《教育信息化2.0行動計劃》強調，要構建人工智能多層次教育體系，在中小學階段引入人工智能普及教育。2019年2月，教育部發布《2019年教育信息化和網絡安全工作要點》，指出要推動在中小學階段設置人工智能相關課程。一些省市也積極開展了對中小學人工智能教育的實踐探索。但這些探索還較多停留在政策制定、課程整體架構以及課程實施策略等理論層面^{[2] [3]}。為從實踐層面提升課程設計與教學實施質量，本文給出中小學人工智能課程設計的基本原則及范例，為中小學教師開展人工智能教育實踐提供科學可行的示范性路徑。

一、當前我國中小學人工智能教育存在的問題

在國家政策的推動下，人工智能教育在我國發展迅速，北京、廣州、深圳、天津等多個城市相繼設立實驗校并建設了多種形式的校本課程，積極推進中小學人工智能教育^[4]。但在具體實施的過程中還存在著一些問題。

（一）課程定位較為模糊

由于廣大教育管理者和一線教師普遍缺乏對人工智能學科的清晰認識和深刻理解，容易將其與編程教育、創客教育或機器人教育等混淆。很多學校開設的人工智能課程，只是將原有的圖形化編程課程或機器人課程進行簡單修改，其中大量的課程內容和實踐活動甚至完全一樣。課程定位的模糊化導致了教學內容背離了人工智能知識體系，也難以體現人工智能學科本身的基本思想和重要概念，有悖于國家倡導中小學人工智能教育的初衷。

（二）教學內容的難度分化較為嚴重

有些學校的課程設計，將人工智能學科大量的抽象模型和理論直接引入課堂。然而，學生很難具備所需的認知和邏輯思維能力，因此易對課程產生抵觸情緒，失去對人工智能知識的學習興趣。有些學校的教學內容則只強調體驗式學習，大量進行簡單的實踐活動。這類活動通常可以在課堂活動中吸引學生的關注和興趣，但人工智能知識的學習卻停留在淺層水平，學生很難在此過程中體會和學習到人工智能領域的重要知識和基本思想。

（三）教師缺乏專業知識儲備，缺少相應教學策略

人工智能學科的專業性特點對中小學一線教師的教學設計能力提出了較高的要求：一方面教師需要具備一定的專業理論知識，另一方面需要理解和選取適當的人工智能應用案例。然而，多數教師沒有進行過系統的人工智能課程學習，專業知識薄弱且缺乏將抽象理論融入教學的策略。

二、中小學人工智能課程設計的基本原則

上述問題造成了中小學人工智能課程設計與教學實施質量不高的現狀。針對這些問題，國內外相關組織和學者對中小學人工智能課程的定位與教學內容進行了積極探索，并給出了中小學人工智能教育的關鍵概念。我們在關鍵概念的基礎上提出了適用于中小學人工智能課程設計的基本原則，以幫助和指導一線教師更好地實施人工智能課程。

（一）中小學人工智能教育的關鍵概念

美國計算機科學教師協會（Computer Science Teachers Association， CSTA）聯合相關行業組織成立中小學人工智能教育指導工作組，發布了美國中小學人工智能教育的指導意見。該指導意見將中小學人工智能教育的教學內容劃分為五大關鍵概念：感知（perception）、表示與推理（representation and reasoning）、機器學習（machine learning）、自然交互（natural interaction）和社會影響（social impact）。

具體而言，“感知”指人工智能技術可以使用各類傳感器獲取客觀世界的信息，如利用GPS傳感器獲取經緯度信息。“表示與推理”指人工智能技術可以對客觀世界的信息進行合理的數據化表示，并在此基礎上進行各種邏輯推理，如基于知識圖譜構建自動問答系統;“機器學習”指人工智能技術可以基于客觀的世界信息進行學習，從而改善自我性能，如利用神經網絡模型構建人臉識別系統;“自然交互”指人工智能技術可以幫助智能機器與人類開展自然交流，如利用自然語言處理技術構建智能音箱;“社會影響”指人工智能技術可能對人類社會產生正面或負面影響，如自動構建的推薦模型可能帶有性別或種族偏好。

（二）中小學人工智能課程設計的基本原則

這些關鍵概念可以較好地幫助教師規范和組織中小學人工智能課程的內容，但如果缺乏課程設計的原則與策略，教師仍難以科學合理地實施教學。因此，我們提出適用于我國現階段中小學人工智能課程設計的三項基本原則。

一是注重對人工智能領域基礎性知識的掌握。人工智能領域涉及的知識面廣，大量專業知識抽象且難以理解。同時，人工智能領域知識更新速度快，很多新的知識和模型尚未受到時間的檢驗。因此，在課程設計過程中應注重對本領域基礎性知識的教學，而不應該盲目地“求全”或“求新”。

二是強調不同主題內容間的橫向聯系。人工智能課程設計在突出不同基礎性教學內容的同時，需要強調各項內容之間的橫向聯系，使學生能夠逐步認識到不同教學內容間的內在和外在關系。同時，課程設計與實踐內容需要由淺層到深層，從而培養學生的知識整合與創新遷移能力。

三是有區分度和進階性。學生是發展著的個體，隨著年齡的增長，認知水平也會不斷發展，不同個體間發展的速度和質量也不同，即使在相同學段也會存在認知能力的差異。因此，圍繞已經確立的基礎性教學內容，需要設計符合學生認知規律的進階性教學目標和課程案例。這些教學目標和課程案例之間要有較好的區分度和承接關系。在課程的設計和實施過程中，還要盡可能進行逐層分解和分層講授，并以現實生活中的實例進行關聯和總結。

三、基于課程設計基本原則的案例開發與實踐

人工智能學科知識點覆蓋廣、跨度大且應用性強，因此教師可以從生活中選取豐富有趣且具有實踐意義的主題進行設計。基于中小學人工智能課程設計的三項基本原則，我們進行了相關示范性案例的設計與開發，以幫助教師理解和運用這些原則，從而更好地進行教學設計和開展課堂實踐活動。

（一）課程設計應注重對人工智能領域基礎性知識的掌握

我們首先以“自然語言處理中的情感分析”為例。本課程的教學目標是“初步了解自然語言處理以及情感分析技術的基本思想，能夠運用情感分析技術設計方案以解決現實問題”。自然語言處理中的大多數模型和算法較為復雜，我們選擇其中基礎性的關鍵概念以及較容易實施的“情感分類”任務進行設計。在學生完成“情感分類”的任務中，教師介紹典型的自然語言處理步驟、基礎模型與方法。同時，教師創設特定的任務情境，引導學生針對“線上課程評論”的情感色彩進行自動分類。課程設計的基本思路如圖1所示。

首先，教師進行情境創設和導入，引導學生從自己的生活經驗出發，對當前線上教學存在的問題進行評論。其后，教師啟發學生思考和討論機器可否自動理解這些評論的感情色彩，從而順水推舟，介紹自然語言處理和情感分類的基本概念。在此過程中，教師也可以利用目前諸多的人工智能云服務平臺，讓學生直接體驗當前自然語言處理的各類應用，激發其學習興趣與動機。之后，教師講解基于文本的情感分類的典型步驟，包括文本預處理、分類模型構建等。這一部分可采用可視化的方式讓學生學習模型訓練的基本過程與思想。圖2是基于課程評論的文本信息進行情感分類的體驗式學習界面。最后，教師讓學生基于圖形化編程工具自主設計或完善已有程序，解決現實中的文本情感分類問題。

以上對“自然語言處理中的情感分析”課程的設計，以自然語言處理的基本概念與簡單易懂的文本情感分類任務作為教學重點，體現了“應注重對人工智能領域基礎性知識的掌握”的課程設計原則，也可以作為教師在教學實踐中的具體案例。

（二）課程設計應強調不同主題內容間的橫向聯系

我們以“智能垃圾分類”為例，將人工智能領域的不同技術和關鍵知識進行橫向聯系，設計完整的案例。當前，垃圾分類是社會關注的重點和難點問題。人工智能技術為垃圾自動分類提供了可能。然而，要完成一個完整的垃圾自動分類任務，需要利用多項人工智能技術和相關知識。圖3給出了該課程設計的基本思路。

總體上，學生可將垃圾分類任務分為機器感知、機器學習以及人機交互三個技術環節。各技術環節之間通過共同完成該任務進行橫向聯系。在機器感知環節，可以設計相應的教學內容，讓學生體驗智能垃圾桶基于視覺的感知和基于聽覺的感知功能，從而引入對圖像識別和語音識別的學習;在機器學習環節，教師可以介紹圖像識別和語音識別的基礎性模型和原理，如圖像識別領域中最常用的卷積神經網絡模型等;在人機交互環節，教師可以設計小組合作學習活動，讓學生思考如何使智能垃圾桶更好地與人類交互，包括如何自動控制垃圾桶的打開與關閉，是否讓垃圾桶為投放者講解垃圾分類知識以及垃圾的正確投放方式等。需要注意的是，在中小學階段，應避免對較為復雜的模型和算法進行直接灌輸。例如，對于基于卷積神經網絡的圖片識別模型，只需要讓學生了解其基本原理和作用。另一方面，課程設計需要由淺入深。例如，在人機交互環節，教師引導學生思考并討論智能垃圾桶的交互功能后，可以逐步引入智能控制或自然語言處理的相關教學內容，從而培養學生的知識整合與遷移能力。

以上“智能垃圾分類”的設計思路，體現了“應強調不同主題內容間的橫向聯系”的課程設計原則，教師也可以將其作為教學案例在教學實踐中使用。

（三）課程設計應有區分度和進階性

我們以“表情自動識別”為例，針對不同學段的學生設計進階性教學內容，幫助不同認知水平和能力的學生學習人工智能課程。圖4展示了“表情自動識別”進階課程設計的基本思路。

在初級階段，教學設計應以學生的體驗和討論為主，不要涉及過于復雜的表情識別模型等內容。第一步，教師可以引導學生觀看視頻，猜測人物表情，讓學生思考“人是通過哪些面部特征識別出表情的”，進而深入思考“如何借鑒人類的識別方式，讓智能機器學會識別快樂和難過的表情”。第二步，教師可以通過設計動畫等教學資源，讓學生通過交互方式，體驗監督式機器學習的訓練過程和基本思想，進而引導學生認識到，機器可以和人一樣通過學習來識別表情。第三步，教師鼓勵學生討論情緒對人們生活的影響，以及如何應用表情識別技術幫助人類管理情緒。初級階段的教學設計，應以體驗和討論方式為主，以直觀的方式讓學生理解智能機器表情識別的基本過程和方式。

在中級階段，教師介紹表情識別模型的具體構建過程，讓學生理解其中的關鍵概念。第一步，以達爾文對人類和動物表情的研究導入，引導學生思考如何讓機器具備表情識別的能力。第二步，以生活中對橘子好壞分類的情境進行類比，講解機器學習中的分類概念。第三步，通過“數據準備、特征提取、模型訓練、分類輸出”四個基本步驟的演示，讓學生逐一理解并能夠搭建表情識別程序的相應模塊。中級階段的教學設計，應側重讓學生建構和理解基本概念，尤其要理解機器學習中的訓練數據和分類模型，同時須避免出現編程過程中機械模仿的情況。

在高級階段，教師可以進一步引導學生深入學習表情識別模型，讓學生了解具體的算法與模型參數的意義，能夠通過實驗體會到如何調整和改進模型，提高表情識別的準確率。第一步，教師介紹表情識別技術在生活中的應用，讓學生感受表情識別技術的應用前景。第二步，讓學生理解表情識別是監督式機器學習中的分類任務，引導學生收集一定數量的快樂和難過的表情圖片，利用平臺開展模型訓練，并記錄識別結果。第三步，教師講解所涉及的人工神經網絡模型的參數，引導學生調節不同參數的大小，并記錄和比較相應模型識別的準確率等指標。高級階段的教學設計，應強調讓學生對抽象算法和較為復雜的模型結構的深入理解，對比和觀察不同模型或不同參數組所造成的表情識別分類結果的差異。

以上“表情自動識別”案例，體現了“課程應有區分度和進階性”的課程設計原則。在教學實踐中，以上進階性課程設計可以應用于不同學段的學生群體，也可用于相同學段但認知能力不同的學生群體。

四、總結與建議

本文介紹了中小學人工智能課程設計的三項基本原則及其示范性案例，為一線教學提供了具體的教學參考。希望以此拋磚引玉，讓更多的一線教師進行體系化思考，設計出更多優秀的課程案例，從而促進人工智能課程在基礎教育階段的科學化、系統化、普及化。本文所提到的所有教學案例、相關課件以及習題等教學資源均可免費下載和使用（https：//coding.qq.com/teacher-group/21481783567）。優質的中小學人工智能課程需要根據實際需求迭代開發和改進，同時還需要注意以下兩點。

一是根據實際情況靈活劃分課時。由于不同地區、不同學校的人工智能課程開設情況不同，建議教師在利用課程案例開展教學時，根據學生的實際學習情況，靈活劃分課時。如果學生較難掌握當前的教學內容，教師可以延長課時或簡化內容;如果學生可以較快掌握教學內容，則可與下一階段的教學內容適當重組或合并，從而滿足學生的學習需求。

二是根據實際情況靈活調整教學形式。以上課程設計目前主要以線上教學形式為主。教師在實施課程時，可以設計線上線下融合的課程，融入小組協作學習、線下討論、課后調研等多種形式，從而進一步提升教學效果。人工智能課程并不拘泥于特定主題或特定的實踐形式，主題選取應盡可能貼近生活，實踐形式可以借助不同的人工智能服務平臺或開源系統。

參考文獻

[1] 國務院. 國務院關于印發新一代人工智能發展規劃的通知[EB/OL]. [2020-05-10]（2017-07-08）.http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[2] 周邵錦，王帆.K-12人工智能教育的邏輯思考：學生智慧生成之路——兼論K-12人工智能教材[J].現代教育技術，2019（4）：12-18.

[3] 陳凱泉，何瑤，仲國強.人工智能視域下的信息素養內涵轉型及AI教育目標定位——兼論基礎教育階段AI課程與教學實施路徑[J].遠程教育雜志，2018（1）：61-71.

[4] 袁中果，梁霄，武迪.中小學人工智能課程實施關鍵問題分析——以人大附中人工智能課程實踐為例[J].中小學數字化教學，2019（7）：19-22.

（作者盧宇系北京師范大學教育學部副教授、博士生導師，未來教育高精尖創新中心人工智能實驗室主任;張黎楠系北京師范大學教育技術學院研究生;夏夢雨系北京師范大學教育技術學院本科生;余勝泉系北京師范大學教育學部教授、博士生導師，未來教育高精尖創新中心執行主任）

責任編輯：牟艷娜