人工智能與非物質(zhì)文化融合

教學(xué)內(nèi)容

本課教學(xué)內(nèi)容為華東師范大學(xué)出版社《人工智能啟蒙》第2 單元第4 課“智能的探秘——算法”。在第1 單元中學(xué)生了解了人工智能的基礎(chǔ)知識(shí)，走近人工智能。第2 單元探究人工智能的核心原理，從而走進(jìn)人工智能。本課以探究KNN 分類算法為例，完整呈現(xiàn)了用算法解決問(wèn)題的基本過(guò)程，同時(shí)也為第3 單元“智能的設(shè)計(jì)”的學(xué)習(xí)奠定了基礎(chǔ)，具有承上啟下的作用。

學(xué)情分析

本課程面向小學(xué)6 年級(jí)學(xué)生，該階段學(xué)生的思維活動(dòng)還需要通過(guò)一種感性、直接的經(jīng)驗(yàn)支持。課前用問(wèn)卷星調(diào)查發(fā)現(xiàn)，學(xué)生對(duì)人工智能的認(rèn)知還停留在表面，對(duì)算法在人工智能中的作用不清楚，但學(xué)習(xí)興趣濃厚、學(xué)習(xí)動(dòng)力足。此外，學(xué)生有一定的編程基礎(chǔ)和邏輯思維能力，也有對(duì)算法進(jìn)行驗(yàn)證的經(jīng)歷，但對(duì)聚焦算法的程序?qū)崿F(xiàn)，理解算法與程序之間的關(guān)系，還很欠缺。

教學(xué)目標(biāo)及重難點(diǎn)

通過(guò)觀看微視頻、閱讀資料，知道KNN 分類算法的基本概念、原理；通過(guò)探究活動(dòng)了解K 的取值范圍，掌握實(shí)現(xiàn)KNN 算法方法的步驟；通過(guò)搭建KNN 分類算法模型，實(shí)現(xiàn)五禽戲動(dòng)作識(shí)別效果，理解算法執(zhí)行全過(guò)程。其中，掌握KNN 分類算法的基本概念、原理及實(shí)現(xiàn)方法的步驟為本節(jié)課教學(xué)重點(diǎn)；通過(guò)抽象與建模，理解算法執(zhí)行全過(guò)程為本節(jié)課的教學(xué)難點(diǎn)。

教學(xué)策略

以探秘五禽戲分類為情境線，以體驗(yàn)KNN 分類算法、解決實(shí)際問(wèn)題、經(jīng)歷思維全過(guò)程為素養(yǎng)線；提供微視頻、導(dǎo)學(xué)單、流程圖等多種學(xué)習(xí)支架，幫助學(xué)生開(kāi)展探究性學(xué)習(xí)；學(xué)生通過(guò)自主學(xué)習(xí)、合作探究等方式，開(kāi)展以真實(shí)問(wèn)題為情境，以主題任務(wù)為載體，以學(xué)科實(shí)踐探究為主線的學(xué)科探究實(shí)踐活動(dòng)。

為了更好地達(dá)成學(xué)習(xí)目標(biāo)，設(shè)計(jì)了5 個(gè)環(huán)節(jié)構(gòu)成學(xué)習(xí)主線。整條學(xué)習(xí)主線，注重學(xué)生的學(xué)習(xí)體驗(yàn)，注重培養(yǎng)學(xué)生用計(jì)算機(jī)解決問(wèn)題的能力，從而將計(jì)算思維培養(yǎng)落到實(shí)處。

教學(xué)環(huán)節(jié)

環(huán)節(jié) 1. 營(yíng)造輕松氛圍，激發(fā)學(xué)習(xí)興趣

在導(dǎo)入環(huán)節(jié)，教師播放一段五禽戲視頻，學(xué)生觀看后可了解五禽戲強(qiáng)身健體的功效，由此激發(fā)學(xué)生模仿練習(xí)的熱情，不僅強(qiáng)健了體魄，更在潛移默化中激發(fā)了學(xué)生計(jì)算yW0qGGBY/yvzgRzEO39PbRLkZ5YQhr0t+VFPMVbp12w=思維的萌芽。

環(huán)節(jié) 2. 類比學(xué)習(xí)方法，明確學(xué)習(xí)步驟

教師演示一個(gè)未知?jiǎng)幼鳎龑?dǎo)學(xué)生積極辨別是五禽（猿、熊、虎、鹿、鶴）中的哪種？再以“機(jī)器如何分辨五禽戲中的動(dòng)作？”為核心驅(qū)動(dòng)問(wèn)題，激發(fā)學(xué)生探索機(jī)器學(xué)習(xí)的欲望，產(chǎn)生用算法解決問(wèn)題的動(dòng)機(jī)。通過(guò)人的學(xué)習(xí)類比機(jī)器學(xué)習(xí)的方法步驟，了解機(jī)器學(xué)習(xí)過(guò)程為：采集數(shù)據(jù)，訓(xùn)練構(gòu)建模型，輸入新的數(shù)據(jù)時(shí)就會(huì)作出預(yù)測(cè)。在構(gòu)建預(yù)測(cè)系統(tǒng)時(shí)，算法的運(yùn)用能顯著提高機(jī)器預(yù)測(cè)的精確性。這一環(huán)節(jié)旨在幫助學(xué)生深入理解算法的實(shí)質(zhì)，提升他們對(duì)算法實(shí)現(xiàn)的認(rèn)識(shí)和興趣。

環(huán)節(jié) 3. 合作探究K 值，感知算法原理

學(xué)生通過(guò)觀看講解KNN 算法視頻及自主閱讀導(dǎo)學(xué)案資料，知道K 最鄰近算法的核心思想，即“近朱者赤，近墨者黑”，以及實(shí)現(xiàn)KNN 算法的步驟。在KNN 算法中，K 的取值范圍至關(guān)重要。但計(jì)算距離公式對(duì)于小學(xué)生來(lái)說(shuō)較為復(fù)雜，教師根據(jù)五禽戲每個(gè)動(dòng)作手的高度和腳的高度的綜合比，確定了動(dòng)作在坐標(biāo)軸中的位置，讓學(xué)生通過(guò)圈畫(huà)范圍，初步感知KNN 算法的原理。同時(shí)，要求學(xué)生記錄圈內(nèi)不同類型樣本的數(shù)據(jù)，并進(jìn)行分析，得出結(jié)論。K 的結(jié)果受“鄰居”影響，哪一類型的“鄰居”數(shù)量多，K 就屬于哪種類型。

在隨后的交流討論中，學(xué)生學(xué)會(huì)了利用數(shù)據(jù)支撐自己的觀點(diǎn)。學(xué)生圈畫(huà)出不同范圍后，根據(jù)KNN 算法的核心思想，得出當(dāng)圈出K=3 時(shí)，虎動(dòng)作數(shù)量為2，鶴動(dòng)作數(shù)量為1，虎動(dòng)作數(shù)量多于鶴，未知?jiǎng)幼黝悇e為虎。當(dāng)圈出K=5 時(shí)，虎動(dòng)作數(shù)量為2，鶴動(dòng)作數(shù)量為3，鶴動(dòng)作數(shù)量多于虎，未知?jiǎng)幼黝悇e為鶴。當(dāng)圈出K=4 時(shí)，虎和鶴動(dòng)作數(shù)量同樣多，無(wú)法準(zhǔn)確判斷出未知?jiǎng)幼鞯念悇e。當(dāng)K 取值為6 或8 時(shí)，虎和鶴動(dòng)作數(shù)量也同樣多，仍然無(wú)法準(zhǔn)確判斷出未知?jiǎng)幼黝悇e。

這一過(guò)程不僅鍛煉了學(xué)生的邏輯思維能力，還提升了他們的數(shù)據(jù)意識(shí)。值得一提的是，學(xué)生還發(fā)現(xiàn)當(dāng)K 值為奇數(shù)時(shí)，能迅速確定結(jié)果；當(dāng)K 值為偶數(shù)時(shí)，可能會(huì)出現(xiàn)數(shù)量相同的情況，機(jī)器就無(wú)法準(zhǔn)確判斷出結(jié)果。這一發(fā)現(xiàn)讓他們深刻認(rèn)識(shí)到，在KNN 算法中，K 取值為奇數(shù)更合適。

環(huán)節(jié) 4. 采集五禽數(shù)據(jù)，訓(xùn)練機(jī)器學(xué)習(xí)

本環(huán)節(jié)為本節(jié)課的重點(diǎn)內(nèi)容。學(xué)生在Mind+ 中，通過(guò)擴(kuò)展添加機(jī)器學(xué)習(xí)模塊，編寫預(yù)測(cè)系統(tǒng)的程序。第1 種是通過(guò)實(shí)時(shí)數(shù)據(jù)采集，直接調(diào)用機(jī)器學(xué)習(xí)模塊中的KNN 算法，采集數(shù)據(jù)進(jìn)行模型訓(xùn)練后，即可對(duì)未知?jiǎng)幼鬟M(jìn)行預(yù)測(cè)。第2 種則是使用數(shù)據(jù)集，先進(jìn)行模型訓(xùn)練，再對(duì)未知?jiǎng)幼鬟M(jìn)行預(yù)測(cè)。編寫2 種動(dòng)物的預(yù)測(cè)程序?qū)W(xué)生來(lái)說(shuō)是個(gè)不小的挑戰(zhàn)，教師鼓勵(lì)學(xué)生借助流程圖梳理編程思路，開(kāi)展合作學(xué)習(xí)。在合作過(guò)程中，一名同學(xué)負(fù)責(zé)闡述思路，一名同學(xué)負(fù)責(zé)實(shí)踐并驗(yàn)證，還有一名同學(xué)負(fù)責(zé)記錄數(shù)據(jù)，3 人協(xié)作，確保任務(wù)順利完成。這一過(guò)程不僅加深了學(xué)生對(duì)算法執(zhí)行步驟的理解，還培養(yǎng)了他們的團(tuán)隊(duì)合作意識(shí)。

通過(guò)測(cè)試數(shù)據(jù)結(jié)果，學(xué)生發(fā)現(xiàn)機(jī)器在大多數(shù)情況下能正確識(shí)別動(dòng)作類別，偶爾也會(huì)出現(xiàn)識(shí)別錯(cuò)誤的情況，他們普遍認(rèn)為出現(xiàn)錯(cuò)誤與樣本數(shù)量有關(guān)。于是，教師引導(dǎo)學(xué)生增加樣本數(shù)量，并繼續(xù)進(jìn)行測(cè)試。在增加樣本后，學(xué)生發(fā)現(xiàn)測(cè)試結(jié)果準(zhǔn)確性確實(shí)有所提高，但仍會(huì)出現(xiàn)識(shí)別錯(cuò)誤的情況。

這時(shí)，再引導(dǎo)學(xué)生回顧KNN 算法的核心思想——近朱者赤，近墨者黑。引導(dǎo)學(xué)生意識(shí)到，識(shí)別結(jié)果與K 的鄰居有關(guān)，形成了本節(jié)課的知識(shí)點(diǎn)閉環(huán)，難點(diǎn)也隨之被突破。

環(huán)節(jié) 5.拓寬學(xué)習(xí)思路，提升算法思維

本環(huán)節(jié)中，學(xué)生將調(diào)用已采集好的數(shù)據(jù)進(jìn)行訓(xùn)練，通過(guò)KNN 算法預(yù)測(cè)模仿五禽戲未知的動(dòng)作類別，再對(duì)程序進(jìn)行優(yōu)化，這不僅是對(duì)學(xué)生編程能力的考驗(yàn)，更是對(duì)其算法理解和應(yīng)用能力的挑戰(zhàn)。對(duì)于學(xué)有余力的學(xué)生，鼓勵(lì)他們運(yùn)用KNN 算法，編寫預(yù)測(cè)學(xué)習(xí)用品的程序，拓寬KNN算法的應(yīng)用范圍。

教學(xué)效果

利用問(wèn)卷星調(diào)查學(xué)生自評(píng)、互評(píng)結(jié)果，發(fā)現(xiàn)大多數(shù)學(xué)生對(duì)KNN 算法的基本概念、核心思想及實(shí)現(xiàn)步驟有了較為深入的理解；知道了人工智能系統(tǒng)的運(yùn)行依賴于算法，算法讓計(jì)算機(jī)能模擬人類的思維和行為，實(shí)現(xiàn)智能化處理；激發(fā)了學(xué)生對(duì)算法學(xué)習(xí)的熱情，有助于他們?cè)谖磥?lái)的人工智能領(lǐng)域中取得更好的成就。

（本案例獲第七屆中小學(xué)人工智能教育展示活動(dòng)教師基本功展示特等獎(jiǎng)）