以“協同過濾”算法探究人工智能中的數據與算法
——以“互聯網應用中的好友推薦”為例

李敏 天津市南開中學濱海生態城學校

● 教學內容分析

《義務教育信息科技課程標準（2022年版）》（以下簡稱“新課標”）倡導真實性學習，注重科學原理指導實踐應用，探索通過場景分析進行原理認知并能夠應用遷移。關于人工智能的課程內容主要為：應用系統體驗、機器計算與人工計算的異同、倫理與安全挑戰。在“模塊9 人工智能與智慧社會”中，新課標要求通過生活中的人工智能應用將智能化全面滲透到社會的各個領域中，讓學生理解人工智能的特點、優勢。本課主要針對新課標第2條“通過分析典型的人工智能應用場景，了解人工智能的基本特征及所依賴的數據、算法和算力三大技術基礎”開展教學設計。學業要求為：能識別身邊的人工智能應用，理解人工智能與現實社會的聯系，了解人工智能的三大技術基礎。

基于對新課標的分析，筆者確定了本課（第二課時）的教學內容：從生活中的交友類比到計算機中的好友推薦，在此過程中理解協同過濾，并對人工智能中數據和算法的重要性產生直觀的認識。

● 學業要求分析

新課標提出，要了解人工智能的三大技術基礎，即數據、算法和算力。筆者將本課的學習要求分解為“生活中的好友推薦→計算機中的好友推薦”，并將好友的推薦方式分為“志同道合”和“好友關系”，學生將生活經驗遷移到算法原理中，并對其中的數據和算法的重要性產生直觀認識，由此理解人工智能的技術基礎。

● 學習對象分析

通過問卷調查，筆者了解到學生對交友的話題很感興趣，而且他們普遍使用社交軟件和網站，對通過算法進行好友推薦的方式感到好奇。學生雖然對互聯網應用的基本概念和常用功能有一定的了解，但對推薦算法的原理和實際應用較為陌生。

● 教學目標

①通過生活中的交友，類比并理解互聯網應用中的好友推薦方法。（信息意識、計算思維）

②通過對交友過程的抽象，理解根據興趣愛好等特征及好友之間的關系推薦好友。（計算思維、數字化學習與創新）

③通過親歷好友推薦的過程，初步了解人工智能中的協同過濾算法的實現關鍵。（計算思維）

④能將推薦算法應用到更多場景中，并意識到推薦功能中的數據安全等問題。（信息社會責任）

● 教學重難點

重點：理解好友推薦。

難點：協同過濾算法實現過程的理解。

● 教學策略

筆者采用多元化的教學方法，包括UMU在線討論、卡片小調查、角色模擬等，梳理自己在日常生活中的交友過程；在遷移類比到計算機中之后，通過豐富的教學素材，包含網頁表單填寫和數據下載，輔助學生親歷數據采集的過程，理解數據采集的過程和數據的重要性；而通過編程運行結果計算得到的好友相似度能吸引學生的注意，提升他們學習本課的興趣，幫助他們養成用數據分析問題的思維，并理解算法的重要性。

● 教學準備

UMU在線學習單、網頁表單、調查卡片、Python程序。

● 教學過程

1.課題引入

問題情境：教師提問（學生）是否經歷過互聯網應用中的好友推薦，并展示互聯網中的“好友推薦”功能。然后教師提問這種推薦方式如何實現，引入課題研究。

課題引入：教師引導學生思考日常生活中的交友方式或推薦好友的方式有哪些，并根據學生的回答引出好友推薦的兩種方式：①在某些興趣方面比較相似，也就是志同道合。②通過好友關系認識。

設計意圖：由學生感興趣的話題和互聯網應用引入本課，能起到很好的激趣作用。同時，通過生活中的交友引入兩種交友方式，為后續基于協同過濾算法展開好友推薦做鋪墊。

2.以“志同道合”推薦好友

問題情境：生活中“志同道合”的好友是怎么推薦的呢？你們之間有多像才成為朋友？如何遷移到計算機中通過“志同道合”來推薦好友呢？

活動1：學生在UMU中對話題“你認為志同道合要在哪些方面比較相同或者合得來呢？”展開在線討論。

活動小結：教師將學生的討論結果生成UMU關鍵詞畫面，揭示“志同道合”的熱詞，包含品格、性格、學習、興趣等。師生共同討論，明確還需要進一步將討論結果中的興趣詳細化，補充了畫畫、音樂、唱歌、籃球、看書等。

小調查：生活中如何根據特征確定好友？學生在卡片上勾選這幾個特征的重要程度，并交換查看是否可以成為好朋友。教師隨機選取兩位學生的卡片（如上頁表1），全班學生共同分析這兩位同學是否有可能成為朋友。

表1

小調查小結：師生在分析過程中歸納關鍵點，兩個人是好友的關鍵——找特征，特征關聯且重要性相似，如果相似，可以把相似度高的人推薦為好友。也就是我喜歡的朋友是跟我有一樣特征的人，因此如果A和B在這些特征方面與我的相似度高，就會推薦給我做朋友。

活動2：計算機通過“志同道合”推薦好友。

數據采集：學生通過網頁表單填寫數據，全班一半學生采集的是4項特征數據，另一半學生采集的是8項特征數據（如上頁圖1）。

圖1

簡析程序：學生通過程序注釋理解算法，分小組討論，完成UMU中的算法步驟排序。教師分析排序結果，統一簡析程序的算法核心，認識“算法”的意義。

核心程序：（略）。

運行程序：學生運行程序，觀察結果。

教師分別請兩個組的學生展示他們的程序運行結果，如圖2所示（a為4個特征的數據運行結果，b為8個特征的數據運行結果）。使用了4個特征的學生相似度都很高而且差別小，而使用了8個特征的學生相似度有所降低且差距拉大，師生共同梳理：在特征選擇時要注意能刻畫人物特點且數量適中，雖然特征數量越多刻畫得越準確，但是這也會引起效果的降低和數據量的加大。

圖2

活動小結：師生共同整理好友推薦過程——確定特征→確定描述特征的方法→采集數據→計算相似度→推薦好友。用到的算法是協同過濾算法。

設計意圖：本環節首先通過卡片調查的方式從學生的實際入手，梳理交友過程和其中的關鍵點，然后引申到計算機中的好友推薦，引導學生初步理解協同過濾算法。

3.“好友關系”推薦好友

問題情境：你是如何通過朋友認識其他朋友的？計算機如何描述關注點贊等好友關系？如何通過復雜的好友關系向你推薦好友？

角色扮演：由兩位學生扮演具有共同朋友的A和B兩個人，這兩個人因為有共同的朋友而具有相似性，所以，當其中一人還有其他朋友的時候，這個朋友也會被推薦給另外一個人做朋友（由生活經歷進入計算機根據好友關系的推薦）。

活動3：計算機通過“好友關系”推薦好友。

數據采集：學生在網頁表單中選擇自己的好友（如圖3），提交數據后（如上頁表2），下載數據。

圖3

表2

簡析程序：學生通過程序注釋理解算法，分小組討論，完成UMU中的算法步驟排序。教師分析排序結果，統一簡析程序的算法核心，認識“算法”的意義。

核心程序代碼：（略）。

運行程序：學生運行程序，并觀察結果（如圖4）。在程序運行結果中進一步體會根據好友關系推薦好友的過程。

圖4

活動小結：在通過好友關系進行好友推薦時，協同過濾算法的“同”不再是根據特征，而是根據兩個人在共同好友方面的相似度，在計算得到相似度之后，根據相似的人的好友進行好友推薦。

設計意圖：本環節首先通過角色模擬的小活動引入生活中如何通過好友關系交到新的朋友，再引申到計算機中，引導學生對協同過濾算法推薦的另一種方式有新的認識。

4.協同過濾算法的其他應用

課堂總結：學生結合兩種方法的好友推薦進行異同點比較（如圖5），再次深化好友推薦的過程，并從中感受數據和算法的重要性。師生共同總結這節課學習的好友推薦的兩種方法和其中的協同過濾算法。

圖5

拓展：學生根據已有的經歷和本節課的學習拓展協同過濾算法的應用。

設計意圖：本環節在總結基于協同過濾的好友推薦的基礎上，由人到物，拓展思路，同時為引入下一個課時做鋪墊。

5.推薦系統的兩面性

問題情境：推薦系統中可能會隱含哪些問題？該如何避免？

活動4：請你結合所學知識分析推薦系統可能存在的問題，并談談你覺得該如何避免這些問題的出現。

活動小結：推薦系統可能會泄露個人隱私、不停推薦同一類物品、不能看到其他類型的信息和物品（信息繭房）。結合使用互聯網應用的經歷，需要在注冊軟件時關閉一些權限和個性化推薦等。

設計意圖：本環節主要圍繞好友推薦中可能隱含的弊端以及相應的應對措施進行分析。學生在學習本課之后，能提升數據安全意識和防范能力。

● 教學反思

本課圍繞互聯網應用中的好友推薦，基于學生生活中的交友情境，由學生的生活經驗出發，類比到計算機中的好友推薦。從學生的生活經驗出發，根據志同道合和好友關系進行好友推薦，這兩種方法分別指向了計算機中的好友推薦采用的協同過濾算法的兩種經典使用方法：基于項目的協同過濾和基于用戶的協同過濾。學習中通過形式各樣的活動和信息科技課程獨有的網頁表單數據采集和編程驗證方式，使學生親歷了整個好友推薦的過程，從確定采集數據到采集數據、下載數據，再到運用數據進行程序計算，這些環節讓學生對整個過程有了清晰的認識，體會到數據和編碼的重要性。本課在評價環節還有需改進的地方，如果能使用更加清晰的評價方式，如制作過程性評價表以及自評和互評表，讓學生的過程性評價變得更加明確，會幫助學生更好地吸收課堂新知。