真實性學習視域下信息科技教學策略探究

張兆迪 張馨月

摘要：在信息科技新課程的教學中，真實性學習扮演著至關重要的角色。本文基于真實性學習的基本意涵，以“探索人工智能之神經網絡”為例，分析、探討其實踐路徑，以期為信息科技教學提供新的視角和方法。

關鍵詞：真實性學習；信息科技；教學策略；人工智能；神經網絡

中圖分類號：G434 ?文獻標識碼：A ?論文編號：1674-2117（2024）12-0013-03

真實性學習的基本意涵

著名學者多諾萬、布蘭斯福德和佩萊格里諾將真實學習定義為：允許學生在涉及真實世界的、與學習者關聯的問題和項目的情境脈絡中進行探索、討論和有意義地建構概念和關系。[1]實際上，真實性學習除了具有認知的價值，相對于傳統課堂學習而言，它還強調學習者的身份構建。[2]在真實性學習中，學習者有機會參與及體驗專家的工作與認知旅程，通過理解學科內在的認識論與知識結構，同時也在實踐共同體的話語、價值觀、規范及社會關系的互動中發生著從實踐共同體的邊緣參與者向核心成員逐漸過渡的身份構建。[3]

真實性學習是一種強調在真實情境中解決真實問題的學習方式，它要求學生置身于真實或模擬的情境中，通過參與實踐活動、解決真實問題來獲取知識、發展能力。在真實性學習中，學生不再是被動接受知識的容器，而是主動探究、積極構建的主體。教師則扮演著引導者和支持者的角色，為學生提供必要的資源和指導。

真實性學習的教學策略

筆者針對“探索人工智能之神經網絡”這一教學主題，設計了以下五個步驟的教學策略，旨在讓學生在真實情境中主動探索、實踐應用，進而深入理解神經網絡的基本原理和應用價值。

1.創設情境，聚焦問題

為了引導學生進入真實的學習情境，筆者設計了一系列與神經網絡相關的現實問題或挑戰，通過展示這些問題的實際應用場景，激發學生的學習興趣和探究欲望。同時，引導學生思考這些問題背后的技術原理——神經網絡，從而明確學習目標和方向。

案例：請同學們觀看視頻，觀看結束后回答兩個問題——①在這個視頻中，有一位顧客被推薦衣服，請問視頻中推薦衣服的方式與你們在現實生活中遇到的推薦方式有區別嗎？②如果有區別，請問有什么區別？

2.活動體驗，總結過程

在明確學習目標和方向后，教師組織學生進行活動體驗，如體驗“分辨馬和驢”的游戲。在體驗過程中鼓勵學生嘗試總結自己分辨事物的規律和步驟，以便更深入地理解神經網絡的建模流程。

案例：按序播放24張圖片，在播放第一張圖片時，讓1號同學回答是馬還是驢，回答后教師給出答案，繼續播放第二張圖片，讓2號學生回答第二張圖片是馬還是驢，2號學生回答后教師給出第二張圖片的答案，以此類推。

組織學生進行討論、交流，歸納人腦學習分類的過程，進而引出神經網絡模型的建模流程（如下圖）類似于人腦學習分類的過程：首先，需要采集大量的數據；其次，搭建神經網絡模型架構；再次，將采集的大量數據輸入到神經網絡模型中；最后，訓練該模型，當模型的精確度達到預期時，則可以使用該模型預測未知數據。

通過具象的游戲，讓學生歸納總結人腦學習分類的大致流程，為后續學習神經網絡的建模流程做鋪墊。

3.遷移提煉，揭秘原理

在游戲活動體驗的基礎上，教師引導學生對總結的規律和步驟進行遷移和提煉。通過對比分析人類和計算機分類事物的共性和差異，引導學生發現神經網絡的建模流程。同時，利用可視化工具和技術手段，幫助學生直觀地理解神經網絡的內部結構和運行機制。這樣不僅可以加深學生對神經網絡原理的理解，還可以提高他們的邏輯思維和抽象能力。

案例：神經網絡模型是一種模擬人類大腦工作方式的數學模型，它是人工智能領域中最重要的技術之一。神經網絡模型由許多被稱為神經元的單元組成，這些神經元之間通過連接進行信息傳遞。每個神經元都有許多輸入，它們來自其他神經元。神經元將這些輸入加權求和，并通過一個激活函數進行處理，產生一個輸出。這個輸出會傳遞給其他神經元，從而形成一個網絡。在訓練過程中，神經網絡根據輸入的已知數據和對應的正確答案，通過不斷調整連接的權重值和節點的偏置值來學習正確的映射關系。通過反復迭代這個過程，神經網絡可以逐漸優化自己，提高對未知數據的預測能力。

神經網絡模型有很多種不同的結構和類型，如前饋神經網絡、卷積神經網絡和循環神經網絡等。每種類型的神經網絡都有其特定的應用場景和優勢，如卷積神經網絡在圖像識別中表現出色，而循環神經網絡則擅長處理序列數據。信息科技學科主要以簡單的前饋全連接神經網絡為例展開教學。

4.實踐分析，優化策略

在揭示了神經網絡的基本原理后，教師引導學生嘗試體驗神經網絡的運行效果，并進行深入分析。通過分析運行結果，引導學生思考如何改進和優化神經網絡的性能和應用效果。同時，鼓勵學生嘗試不同的優化策略和技巧，如調整網絡結構、預處理訓練數據集等，以便更深入地掌握神經網絡的優化方法和技巧。

案例：借用平臺為學生搭建項目，并提供神經網絡模型訓練過程、使用模型預測未知數據的代碼。

引導學生結合神經網絡模型的基本架構、計算原理等知識點，體驗神經網絡模型的代碼實現過程，并感受神經網絡模型的應用潛力。首先，通過實際運行代碼體驗神經網絡模型的建模流程，學生可以深入理解人工智能技術的原理和應用。神經網絡模型是人工智能領域的核心技術之一，其訓練過程涉及大量的數學運算和算法實現。通過親自運行和調試代碼，學生可以深入了解神經網絡模型的工作原理，加深對人工智能技術的理解。其次，通過實際運行代碼體驗神經網絡模型的預測過程，學生可以掌握人工智能技術的實際應用，提高解決問題的能力。通過實際體驗模型的預測過程，學生可以了解人工智能技術在實際生活中的應用場景和效果，培養解決問題的能力和創新思維。

在運行代碼的過程中，有的學生訓練出來的模型精確度相對較低，十張圖片中分類正確的只有一張，教師可引導學生思考是否有辦法提高神經網絡模型的分辨正確率，并根據學生的回答總結出神經網絡模型精確度的優化策略之一，即增加數據量，進而引入增加數據量的相關技術。

還有的學生回答可以將圖片中的無關要素刪除，只關注少部分像素即可進行分辨。教師提煉總結出提高神經網絡模型精確度的另一個優化策略是對圖片進行預處理，如裁剪等。

在學生體驗的過程中，教師還發現有學生對神經網絡模型的架構進行了調整，如將激活函數由ReLU修改為Sigmoid，這也是提高神經網絡模型精確度的優化策略之一。除了可以修改激活函數，還可以修改層數、每層的神經元個數等。

了解提高神經網絡模型精確度的優化策略可以幫助學生深入理解人工智能技術的原理和應用。精確度優化策略涉及多個方面，如數據預處理、網絡結構設計、超參數調優等。在實際應用中，神經網絡模型的精確度影響著模型的實際效果和應用效果。通過了解和掌握精確度優化策略，學生可以有效提高模型的預測準確率，在解決實際問題的過程中，提高解決問題的能力和創新思維。

5.拓展交流，歸納總結

學生通過分享各自的學習成果和經驗教訓、討論神經網絡的前沿技術和發展趨勢等拓寬了視野，深化了理解，同時，通過梳理所學的知識點和技巧方法，形成系統的知識體系和技能框架。這樣的方式不僅可以鞏固學生的學習成果，還可以培養學生的綜合能力和創新思維。

通過實施以上五個步驟的教學策略，讓學生在真實情境中主動探索并實踐應用神經網絡技術，從而深入理解其基本原理和應用價值。這種基于真實性學習的教學策略不僅可以提高學生的學習興趣和學習效率，還可以培養學生的實踐能力和創新精神，有利于學科素養的形成和發展。

參考文獻：

[1]鄭太年.真實學習：意義、特征、挑戰與設計[J].遠程教育雜志，2011，29（02）：89-94.

[2]趙健.學習共同體[D].上海：華東師范大學，2005.

[3]Barab， S. A.， & Hay， K. E. Doing science at the elbows of experts： Issues related to the science apprenticeship camp[J].Journal of Research in Science Teaching， 2001，38（01）：70-102.