物理實驗中的計算成像

本文在已有的課堂教學案例“基于機器學習的物理實驗數據分析”[1]基礎上，面向真實問題，從高中信息技術與物理學科的核心素養出發[2][3]，聚焦學科的共性和交叉點，即模型和數據，設定單元學習主題為“模型建構與數據分析”，進行跨學科單元教學設計，打破學科壁壘，讓學生充分親歷人工智能與物理的跨學科思維方式，體驗跨學科知識和技能解決真實問題的過程，提升跨學科素養和綜合素質。

跨學科單元教學設計

跨學科教學的核心是面向真實問題。在高中物理實驗課堂上，經常遇到復雜非線性模型被理想化、實驗不好做或不能做等情況，導致學生所學知識與真實情境有較大偏差。以人工智能為核心概念，在解決物理實驗面臨的真實問題時，既能實現跨學科知識的整合，又能提升學生主動利用跨學科思維進行思考并綜合運用多學科知識解決問題的能力，還能激發學生探究現實世界的興趣，從而進一步體會跨學科的綜合性，以及學科之間的關聯性。

單元目標

以信息技術和物理學科的核心素養為導向，圍繞高中信息技術學科核心素養（信息意識、計算思維、數字化學習與創新），以及高中物理學科核心素養（科學思維、科學探究），提煉出“模型和數據”這個兩學科的共性和交叉點，設定跨學科單元學習的主題為“模型建構與數據分析”。聚焦到如何合理地對物理實驗研究中的真實問題進行建模，獲取和處理信息，并通過跨學科合作探究解決問題，最終實現遷移應用，是這次跨學科單元教學的目標。

根據科學探究的思路，基于觀察和實驗提出物理問題，學生能夠進行初步的猜想和假設，設計實驗，合理獲取和組織處理信息，形成解決問題的初步方案。然后通過數據獲取與觀察分析，進行簡單到復雜的模型建構，在數據處理與重建的過程中，依托人工智能概念，尤其是機器學習的原理，將抽象的物理概念或問題通過更加清晰可見的觀測手段或者可視化計算成像、模擬仿真等呈現處理，最終解決物理模型理想化、實驗不好做或不能做等物理實驗中遇到的問題。

學生通過跨學科單元學習，能夠充分體會合理模型建構與數據分析的重要性，增強信息意識，提升計算思維與科學思維，強化界定問題—分析問題—求解問題—遷移應用的問題求解思路，最終促進跨學科核心素養的發展。

單元內容分析和教學活動設計

本單元主題為“模型建構與數據分析”，面向高一年級學生，所需總課時約為6課時，單元內容設計以學生為中心。

從核心素養和單元教學主題出發，基于學生的學習基礎和認知經驗等，本單元內容分為3部分（物理實驗中的數據分析、物理實驗中的計算成像、物理實驗中的仿真模擬），對應學生熟悉程度由強到弱的分析bcc7443fe3dcf6b554d81be60fc8dfda7edf29369019852da46b375715014bad方法（手畫圖和電子表格、圖像和視頻分析、模擬仿真），從學習基礎最扎實的方法出發，在拆解物理實驗面臨的問題時，形成問題鏈，將人工智能核心概念由淺入深地逐步滲入，實現單元教學目標。具體教學活動設計如下。

●第1—2課時：物理實驗中的數據分析。學生觀察帶有空氣阻力的落體運動，獲得實驗數據；通過人機兩種不同的數據分析手段，對比最佳擬合線的獲取過程和結果；借助最佳擬合的原理，理解機器學習的框架，體驗跨學科中的模型建構與數據分析。

●第3—4課時：物理實驗中的計算成像。基于測重力加速度的物理實驗，學生通過打點計時器和運動圖像視頻等分析方法，建模并獲取實驗數據；借助運動視頻智能分析軟件，進一步強化機器學習的基本框架，同時面向實際問題“如何讓物理實驗圖像看得見和更清晰”；借助物理前沿及算法原理，通過計算成像的跨學科鏈接，再次強化模型建構與數據分析的重要性。

●第5—6課時：物理實驗中的仿真模擬。針對物理研究中不好做或難以呈現的實驗，學生通過合理的模型與數據，實踐進行可視化的模擬仿真。認識其在物理課堂和科研中發揮的巨大作用，探索機器人學與物理學相結合后產生的無限可能，進一步促進人工智能與物理跨學科知識的融合，掌握真實問題的求解思路。

學生通過單元學習，從理論分析到實踐，了解常見的模型建構與數據獲取機制，掌握利用信息技術進行數據處理的基本方法，學會運用計算思維進行分析與重建，并通過科學探究解決現實問題，逐步完成跨學科概念的理解和遷移應用，最終促進核心素養的發展，實現育人價值。

教學目標及教學設計

下面以“物理實驗中的計算成像”教學活動（第4課時）為例進行說明。“物理實驗中的計算成像”教學活動位于整個單元的中間位置，在基于機器學習的物理實驗數據分析基礎上，通過第3課時的課堂實踐建模并獲取實驗數據后，在本課時借助計算成像，強化模型和數據的概念，加深對機器學習的理解，為后續更好地處理復雜問題及模擬仿真打下基礎，提升學生綜合運用跨學科知識的能力。本課時的教學目標如下。

●通過探究運動的傳統實驗，觀察分析處理數據的過程，體會科學研究的方法。

●通過運動視頻的分析過程，掌握機器學習的原理，強化合理模型建構與數據獲取處理的重要性。

●了解物理前沿發展，通過計算成像的案例，進一步鞏固機器學習的過程，強化科學探究與計算思維的結合，提升解決問題的能力。

●通過計算成像的內涵與外延，體驗跨學科遷移應用，最終促進核心素養的發展。

基于以上4個教學目標，本課時的教學活動設計以學生為中心，以問題鏈激發學生內驅力，教師起引導作用。

本課時教學設計的框架如圖1所示。

教學實施

引入：測重力加速度的方法（5分鐘，主導教師：物理）

教師引導學生回憶物理課上如何測重力加速度。圖2是用打點計時器打出紙帶的示意圖和真實圖，展示學生傳統實驗過程中完整的打點、數點、測量長度，然后記錄數據表并且作圖的過程，依據相對充足的測量數據，再加上勻加速直線運動的模型，手動擬合做出了直線圖。通過該過程回顧模型與數據的概念。學生通過觀察傳統物理實驗，了解其中的不足，提出打點計時器的問題：無法描述真實運動物體形態——看不見；時間精度為0.10秒——看不清。隨后教師展示從打點計時器到頻閃照片的實驗結果改進，時間精度可以從0.10秒提高到毫秒量級，引導學生思考問題求解的思路，為后續分析解決問題作鋪墊，激發學生的學習興趣。在這個過程中，明確界定研究問題為“物理實驗如何才能看得見、看得清？”

本環節所用資源：幻燈片（PPT）、學生物理實驗作業、頻閃照片、白板。

本環節設計意圖：通過教師復習和學生展示，觀察傳統科學分析方法中建模和數據處理的過程，體會簡單科學研究的方法，引出問題，為后續作鋪墊，激發學生的學習興趣。

視頻分析和機器學習原理及探索（10分鐘，主導教師：物理與信息技術）

物理教師展示不同學生的物理實驗作業（錄視頻測重力加速度）。第1位學生在錄制視頻前先確立了一個標尺作為參照物，該標尺上每個標記間相距20厘米。錄制小球下落的視頻后，通過視頻分析軟件進行截圖，當畫面中小球通過標記位置時，記錄下對應視頻的時間幀數，再通過公式計算得出重力加速度。用這種方式，學生可以直觀地看到物體的運動，但是數據測量方式較為繁瑣。第2位學生沒有提前準備標尺，而是將錄制的視頻導入了一個名為Tracker的軟件中，直接獲取了物體下落的位移和時間信息，然后將這些數據錄入Excel表格，計算得到重力加速度。第3位學生的作業更加智能化，不僅利用了Tracker軟件自動跟蹤物體獲取位移和時間數據，還利用該軟件直接對獲取的數據進行擬合，得到位移時間曲線，自動計算出重力加速度的結果（見圖3）。

得益于信息技術的助力，學生的物理實驗過程變得更加簡單直觀，但大部分學生對其背后的原理并不清楚。信息技術教師引導學生思考Tracker的建模、調整參數、分析數據等過程，就是機器學習的訓練過程和測試過程，用流程圖的形式鞏固機器學習的概念，為后續理解計算成像作鋪墊。然后讓學生觀察實驗視頻截取的圖片，提出問題：“大家對視頻結果滿意嗎？”學生會發現光線不好時，看不見物體的細節，這是物理光學的問題；運動速度加快后圖像變得模糊不清，無法確定小球的位置，這是成像的問題。那么，有沒有什么辦法能更好地看見物體的運動呢？教師引導學生在Moodle在線討論區發布自己的想法，分析問題的解決方案，即想要看得見和看得清，我們有物理和人工智能兩個思路解決問題，從而引入后續課堂內容。

本環節所用資源：幻燈片（PPT）、學生實驗作業視頻、白板、Moodle在線討論區。

本環節設計意圖：通過教師的引導，學生逐步體驗更加清晰便捷的運動分析方法，建立對機器學習更深刻的理解，并強化模型和數據兩個概念，為引入計算成像打下基礎。

物理方法：讓看不見變為看得見（10分鐘，主導教師：物理）

教師介紹更快的頻閃——高速攝影，啟發學生思考光在“看見”中的作用。通過展示不同物理過程對應的時間尺度，說明任何測量都必須比目標系統發生明顯變化的時間更快，否則就只能得到模糊的結果。引入2023年諾貝爾物理學獎——阿秒激光的知識。阿秒激光是一個非常前沿的概念，根據本課所學內容，學生可以猜出一些它的物理特性，在Moodle平臺完成課堂實踐即在線測試選擇題，理解解決看不見問題的物理方法及其關鍵因素。

本環節所用資源：幻燈片（PPT）、白板、Moodle在線測試。

本環節設計意圖：通過教師引導，學生在實踐中運用類比和聯想，理解科學分析中對于實驗觀測的改進需求不斷促進物理學發展的過程，為深入講解計算成像作鋪墊。

人工智能方法：讓看不清變為看得清（10分鐘，主導教師：信息技術）

本環節通過課堂實踐，體驗超分辨率重建中看不清的圖像變為看得清的過程，理解人工智能方法中機器學習的作用。首先進行計算機成像建模，圖像其實也是數據，那么在硬件限制的情況下如何用算法將看不清的變為看得清呢？就要用到我們前面鞏固的機器學習模型。在實踐環節中，給學生發放閱讀材料，以小組為單位討論，從原理角度重點關注以下問題：①輸入數據是什么；②輸出數據是什么；③訓練數據如何獲取；④評價標準如何定義。

小組整理好回答，發帖到Moodle平臺討論區，通過所有小組討論得出結論。教師展示機器學習過程，即輸入低分辨率圖像，輸出高分辨率圖像，訓練數據是通過原圖降采樣得到的低分辨率圖，而評價標準則有RSNR、結構相似度、意見平均分等。

由此可見，整個問題求解的過程并不是一個學科就能完全解決的，是物理與人工智能共同努力的結果。這類研究其實是科學前沿的一大類問題，即計算成像，也是天然的跨學科鏈接主題。

引導學生思考計算成像的內涵，強化科學探究與計算思維的結合，突出模型建構與數據分析的作用，并在后續介紹有關計算成像的遷移應用。

本環節所用資源：幻燈片（PPT）、白板、Moodle在線閱讀資源、Moodle在線討論區。

本環節設計意圖：通過教師引導，學生在實踐中體驗模糊圖像清晰化的過程，強化對機器學習原理的理解，突出模型建構與數據分析的作用；思考計算成像的內涵，強化科學探究與計算思維的結合。

總結與提升（5分鐘，主導教師：信息技術與物理）

信息技術教師展示手機HDR攝影、黑洞照片的誕生、非視距成像等內容，引導學生思考數據的采集和模型的建構，以及最終結果的生成過程，理解計算成像的外延。接著講述成像在物理實驗觀測中的重要性。科學是從測量開始的，而成像在測量中有著不可替代的作用，我們對自然的認知、對世界的觀測，都需要看得見、看得清。這促使人類在成像方面有一系列的科技進步，催生了各種科學獎項，也極大地改善了我們的生產與生活。

最后進行課程總結，從一個物理實驗出發，提出如何解決看不見、看不清的問題。在分析問題的過程中，探索出借助物理前沿手段可以讓看不見變為看得見，人工智能技術可以從看不清變為看得清的求解思路，而這就是跨學科前沿領域計算成像的內涵。在進一步的遷移應用中可見科研上很多突破往往都是學科間互相推動、共同作用產生的結果。至此學生對跨學科有了更深刻的理解，最后在Moodle平臺上或掃描二維碼完成課堂評價。

本環節所用資源：幻燈片（PPT）、在線調研問卷。

本環節設計意圖：通過教師引導，學生了解更多的遷移應用，理解計算成像的外延，并對相關問題進行思考，強化對模型建構和數據分析的理解，并激發對后續課程的興趣；通過學生評價，掌握課堂效果，強化課堂總結。

教學總結與思考

本節課從界定問題、分析問題、求解問題、遷移應用4個階段進行課程設計，以測重力加速度這一學生非常熟悉的物理實驗為出發點，提出看不見與看不清的問題，逐步講解視頻分析與機器學習原理，借助人工智能與物理的跨學科知識，從不同角度出發解決問題，圍繞計算成像的內涵與外延，展示跨學科的迭代創新，最終解決真實問題并應用到教學、科研和日常生活中。課上將前沿技術引進課堂，以真實情境展現科學家是如何解決問題的，實現了對學生跨學科思維能力的訓練。

這節課由于時間所限，物理實驗的部分是在之前的課堂上或以作業的形式完成，相關實驗內容通過教師展示的形式呈現，問題的提出以教師引導為主，學生的思考和實踐設計偏少。計算成像概念本身較為復雜，探索及理解需要逐步進行，但是由于課程信息量較大，在課上留給學生討論和思考的時間偏少，師生互動和生生互動不是很充分。

雖然本節課的設計缺少真正能讓學生動手體驗的部分，但是本單元設計的最后2課“物理實驗中的仿真模擬”會更偏重于動手實踐，以學生為主體進行討論和設計，充分發揮學生的主觀能動性。教師在人工智能與物理跨學科單元教學的探究與實踐中不斷迭代創新，最終將促進學生信息技術與物理學科的核心素養發展。