人工智能輔助下的高中信息技術單元學歷案創(chuàng)新實踐

中圖分類號：G434文獻標識碼：A論文編號：1674-2117（2025）14-0076—04

隨著《新一代人工智能發(fā)展規(guī)劃》的推進，智能技術正深度重構教育生態(tài)。高中信息技術課程作為計算思維培養(yǎng)的主陣地，急需探索人機協(xié)同的新型教學模式。當前，傳統(tǒng)課堂面臨三重結構性問題：學科核心素養(yǎng)要求與碎片化知識傳授的落差、工程思維培養(yǎng)需求與淺層技能訓練的矛盾、項目式學習理念與線性教學組織的沖突。本研究基于逆向教學設計理論（Wigginsamp;McTighe，2005），以“棧的結構與應用”為知識載體，構建生成式人工智能支持下的單元學歷案實施框架。另外，通過整合DALL·E可視化生成、DeepSeek代碼驗證等智能工具，形成“認知具象化一算法結構化一工程規(guī)范化”的螺旋式學習路徑，有效破解數(shù)據(jù)結構教學中抽象概念遷移難、算法實現(xiàn)規(guī)范性弱、項目經(jīng)驗連續(xù)性差等痛點。實踐表明，人工智能（AI）工具在保持教學設計主體性的前提下，通過動態(tài)認知腳手架搭建和實時反饋機制，顯著提升了深度學習的發(fā)生概率。

問題背景與設計思路

在長期教學實踐中，筆者發(fā)現(xiàn)高中信息技術課程的數(shù)據(jù)結構模塊普遍面臨三個維度的教學困境：其一，概念理解與場景應用的割裂。盡管學生能夠機械記憶“先進后出”（LIFO）等基本概念，但在面對遞歸調(diào)用、表達式轉(zhuǎn)換等實際場景時，存在顯著的認知遷移障礙。例如，超過 65% 的學生在期中測試中無法正確繪制遞歸函數(shù)factorial（5）的棧幀變化過程，僅能描述“函數(shù)反復調(diào)用自己”的表象特征。其二，算法實現(xiàn)與工程規(guī)范的失衡。課堂觀察顯示，在學生開發(fā)的括號匹配程序中，約 78% 的代碼存在邊界條件遺漏（如空棧檢測缺失）、變量命名混亂（使用a、temp等無意義標識符）等問題，導致程序魯棒性不足。其三，知識建構與項目經(jīng)驗的斷層。傳統(tǒng)分課時教學將棧的初始化、應用、優(yōu)化等環(huán)節(jié)割裂講授，學生雖能完成教材配套練習，但缺乏從需求分析到產(chǎn)品迭代的完整項目經(jīng)驗，在嘗試開發(fā)迷宮回溯程序時，僅有 13% 的小組能自主設計棧結構解決方案。

基于上述問題，筆者所在備課組依托逆向教學設計理論重構教學單元，將原教材3課時拓展為6課時的“棧的結構與應用”學歷案。設計框架遵循“以終為始”的原則，首先明確單元終期目標開發(fā)支持逆波蘭表達式運算的計算器程序，繼而逆向拆解形成三級能力階梯：基礎認知層（理解棧結構特性）、算法實現(xiàn)層（掌握表達式轉(zhuǎn)換）、工程優(yōu)化層（提升代碼質(zhì)量）。在此過程中，引入生成式人工智能工具構建“認知腳手架”，通過DALL·E的可視化生成、DeepSeek的實時調(diào)試、ChatGPT的算法解析等功能，形成“具象認知一算法攻堅一協(xié)作優(yōu)化”的螺旋式學習路徑。

本單元設計的創(chuàng)新性體現(xiàn)在三個層面： ① 在目標結構化方面，將《普通高中信息技術課程標準（2017年版2020年修訂）》要求的“理解棧結構特性”細化為可觀測的四級指標2，包括能列舉三個生活案例解釋LIFO特性、能處理三層嵌套括號匹配、能實現(xiàn)中綴表達式轉(zhuǎn)換算法、能通過代碼重構提升可讀性； ② 在任務項目化方面，以計算器開發(fā)為主線任務，設置“基礎版一增強版一拓展版”的版本迭代路線，每個版本對應特定學習目標；③ 在支持智能化方面，針對不同認知階段的需求差異，構建“AI工具資源包”，如在概念建構階段提供動態(tài)示意圖生成服務，在調(diào)試階段提供智能錯誤診斷，在評價階段自動生成個性化學習報告。

單元學歷案實施框架

本單元采用“目標-任務-評價”三位一體設計，形成覆蓋5個學習階段的實施框架（如下表）。每個階段均配置專屬的人工智能工具與評價方案，確保教學評的一致性。例如，在生活認知階段，除傳統(tǒng)案例分析外，引入DALL·E生成瀏覽器后退操作、子彈上膛等場景的示意圖，通過視覺隱喻降低抽象概念的理解門檻。在算法突破階段，ChatGPT生成的偽代碼與VisuAlgo可視化工具形成“靜態(tài)解析+動態(tài)演示”的雙重支撐3，進而幫助學生突破運算符優(yōu)先級處理等難點。

在課時分配上，采用“集中突破 + 分散實踐”的策略。前4課時聚焦核心知識與技能的建構，后2課時通過“半開放式”任務促進知識遷移。特別是在協(xié)作優(yōu)化階段，教師可以設置“紅藍對抗”機制：A組學生使用CodeGeeX檢測B組代碼規(guī)范，B組則需根據(jù)檢測報告進行限時重構。這種角色互換不僅強化了工程規(guī)范意識，更培養(yǎng)了批判性思維。

課堂教學實踐路徑

1.具象化認知建構：從生活隱喻到計算思維

第1課時通過多模態(tài)資源搭建認知橋梁。教師使用DALL·E生成系列動態(tài)圖示：疊放的餐盤隨‘push”操作逐層增高，“pop”時頂部的盤子被取下；地鐵安檢傳送帶的物品進出模擬隊列與棧的區(qū)別。學生利用DeepSeek生成的棧模擬程序，通過修改參數(shù)觀察棧頂指針變化，參考代碼如圖1所示。

當學生輸入push A push Bpoppush C指令時，直觀看到指針從-1逐步變?yōu)?，再隨出棧操作降至0。這種具身體驗使抽象的內(nèi)存操作具象化。學生李某在實驗日志中寫道：“棧頂指針就像電梯樓層顯示器，直觀反映當前操作位置。”

【原始代碼片段】

if char in'）]}'：top Σ=Σ stack.popO#直接彈出可能引發(fā)異常

【DeepSeek建議】

1．在pop前檢查棧是否為空

2．增加類型匹配判斷

優(yōu)化后代碼：

if char in'）]}：if not stack or stack[-1] ！= matching[char]：return Falsestack.pop

#井中綴轉(zhuǎn)后級算法要點

1.**運算符棧初始化**：棧底預設最低優(yōu)先級符號

2．**左括號處理**：入棧時優(yōu)先級最高，出棧時僅遇右括號停止

3.**優(yōu)先級比較**：當前運算符 gt; 棧頂？入棧：持續(xù)出棧

4．**函數(shù)嵌套支持**：通過棧內(nèi)優(yōu)先級動態(tài)調(diào)整處理遞歸調(diào)用

在解析遞歸調(diào)用機制時，教師通過VisuAlgo工具動態(tài)演示階乘函數(shù)factorial（3）的執(zhí)行過程。隨著遞歸深度增加，棧幀層疊生長，返回時逐層銷毀的動畫，使學生深刻理解棧溢出的物理含義。

2.階梯式任務推進：從代碼實現(xiàn)到工程思維

第2、3課時圍繞括號匹配程序開展深度學習。教師預設包含三類場景的20組測試用例，代碼如圖2所示。

學生在調(diào)試時，當遇到IndexError： pop from emptylist錯誤時，通過DeepSeek的交互式診斷獲得改進建議，如圖3所示。

這種即時反饋機制使調(diào)試效率提升 40% ，更關鍵的是培養(yǎng)了學生的“防御性編程”思維。在代碼評審環(huán)節(jié)，CodeGeeX檢測出某小組存在stk、tmp等模糊命名，人工智能工具建議優(yōu)化為operator_stack、current_char等語義化變量名。此時，教師同步引入CleanCode一書中的命名規(guī)范4，強調(diào)“變量名應自文檔化”，促使學生理解軟件工程的可維護性要求。

3.沉浸式算法突破：從流程設計到系統(tǒng)思維

第4課時則聚焦中綴轉(zhuǎn)后綴表達式的核心算法。教師分發(fā)ChatGPT生成的算法文檔，內(nèi)含優(yōu)先級處理規(guī)則與特殊場景解決方案（如上頁圖4）。

學生小組在轉(zhuǎn)換表達式 時出現(xiàn)錯誤輸出，并使用VisuAlgo工具逐步調(diào)試發(fā)現(xiàn)原算法未正確處理指數(shù)運算符的右結合特性。通過修改優(yōu)先級字典與結合性標志（如上頁圖5），最終得到正確后綴表達式3 -2?/+ 這個調(diào)試過程使學生意識到，算法設計除了邏輯正確，還要考慮數(shù)學規(guī)則的完備性。

實踐成效與反思

經(jīng)過兩輪教學迭代（涉及4個班級共192名學生），量化評估顯示：在概念遷移能力方面，課后測試準確率從 37% 提升至 83% ，在項目答辯中 91% 的學生能清晰闡述DFS算法中棧的應用原理；在工程素養(yǎng)方面，代碼注釋率從 22% 增至 67% 單元測試覆蓋率從 35% 提升至 82% 變量命名規(guī)范達標率提高31個百分點；在創(chuàng)新實踐方面，涌現(xiàn)出“迷宮路徑回溯可視化”“函數(shù)調(diào)用樹生成器”等12個拓展項目。

質(zhì)性分析發(fā)現(xiàn)三個顯著轉(zhuǎn)變：其一，AI工具從“答案生成器”轉(zhuǎn)變?yōu)椤八季S伙伴”。學生開始主動向DeepSeek提問“如何優(yōu)化時間復雜度”而非直接索要代碼。其二，項目開發(fā)從“任務驅(qū)動”升級為“問題驅(qū)動”。在計算器開發(fā)中，學生自發(fā)研究用戶需求，增加了歷史記錄存儲、語音輸入等擴展功能。其三，協(xié)作模式從“分工割裂”走向“認知聚合”。在代碼重構環(huán)節(jié)，小組通過AI生成的UML圖理解系統(tǒng)架構，進行模塊化改進。

面臨的挑戰(zhàn)與應對策略包括：① 防范AI依賴風險，建立“三階使用規(guī)范”，即前30分鐘禁止使用AI、求助時需提交調(diào)試日志、引用生成代碼需標注來源； ② 優(yōu)化過程性評價，開發(fā)智能監(jiān)測系統(tǒng)自動采集Git提交記錄、AI對話數(shù)據(jù)、測試覆蓋率等指標，生成雷達圖式學習檔案； ③ 支持差異化發(fā)展，設計“基礎一進階一挑戰(zhàn)”三級任務卡，如在迷宮回溯項目中，基礎任務要求實現(xiàn)簡單路徑查找，挑戰(zhàn)任務則需結合A*算法進行性能優(yōu)化。

參考文獻：

[1]WigginsG，McTighe J.Understandingby Design[M].ASCD，2005.

[2]中華人民共和國教育部.普通高中信息技術課程標準（2017年版2020年修訂）[S].北京：人民教育出版社，2020.

[3]王陸，李芒，張潔.生成式人工智能教育應用模型研究[J].中國電化教育，2023，410（03）：112-120.

[4MartinR C.Clean Code：A Handbook of Agile Software Craftsmanship[M].Pearson，2008.

[5]李鋒，王吉慶.基于項目學習的高中信息技術課程設計[J.電化教育研究，2021，42（06）：103-109.

作者簡介：趙明陽（1979.12—），男，漢族，浙江江山人，本科，正高級教師，從事信息學奧賽、高中信息技術課堂教學方面的工作。