以機器學習項目驅動高中信息技術教學的實踐研究

一、引言

根據南京大學教授周志華的《機器學習和數據挖掘》對機器學習的定義，“機器學習”是人工智能的核心研究領域之一，其最初的研究動機是為了讓計算機系統具有人的學習能力，以便實現人工智能[。機器學習作為人工智能的核心分支，正在重塑信息技術領域知識體系與應用場景。高中信息技術教育作為培養學生信息素養與技術能力的關鍵載體，現階段面臨著教學內容、模式、方法的全面革新。“新課標”明確要求教師應為教學實踐劃定新標準，并以學生對智能技術的探究需求驅動教學方法創新。在此背景下，將機器學習融入高中信息技術教學成為亟待探索的課題。本文基于項目驅動教學理念，結合項目實際案例，在高中信息技術教學課堂中，構建了“啟蒙，實踐，拓展，評價”的四階段實踐路徑，以期讓高中信息技術教學適應智能時代需求，為培養智能時代所需人才奠定基礎。

二、人工智能時代對高中信息技術教學方法的革新要求

（一）技術發展倒逼教學內容升級

人工智能技術正以前所未有的速度重塑信息技術領域知識體系。機器學習作為人工智能的核心分支，其算法模型、應用場景和技術邏輯已成為信息技術學科不可分割的部分。傳統以計算機基礎操作和程序設計語法為主的教學內容體系，無法覆蓋智能時代對信息素養的基本要求，技術迭代速度與教學內容更新之間的滯后性矛盾日益凸顯，這就要求高中信息技術教學內容突破傳統框架，把機器學習基本原理、數據思維、算法邏輯等納入核心知識范疇，構建適應智能社會發展的內容體系。

（二）素養培育推動教學模式轉型

以核心素養為導向的教育改革要求信息技術教學從過去單純的“知識傳授”轉變為“能力建構”。計算思維、數據素養、創新意識等關鍵素養的培養不能僅靠單一技能訓練，要轉向真實問題解決情境中的深度參與。傳統以教師為中心的講授式教學難以支撐學生在復雜任務里實現認知遷移和能力內化。因而，當前高中信息技術教學模式需從“教師主導”轉變為“學生主體”。教師應借助項目化、探究式的學習設計，讓學生在機器學習項目實踐中體驗問題分析、方案設計、模型構建、結果評估的完整過程，實現知識到素養的轉化。

（三）課標更新提出教學實踐新標

新版高中信息技術課程標準把人工智能內容添加到了必修和選修模塊里，還明確規定了機器學習的相關知識目標與能力要求[3]。“新課標”著重強調要通過親身經歷人工智能項目設計與實現過程，以了解人工智能技術的應用場景和發展趨勢，這為教師開展教學實踐活動提出了具體且明確的操作標準。教師的教學活動應圍繞課標要求進行，通過構建從基礎概念到綜合應用的梯度化實踐體系，可確保學生逐步掌握機器學習的基本流程，具備運用簡單算法解決實際問題的能力。另外，課標對“項目式學習”“跨學科融合”也提出了相應要求，也需要教師在開展教學實踐活動中突破學科壁壘，形成開放性的教學形態。

（四）學生需求催生教學方法創新

當代高中生對智能技術有著天然的親近感與探究欲，學生的學習需求已從單純地學會操作信息技術，升級到了理解其原理并發揮其創造應用的地步。傳統以教材為中心的標準化教學，很難滿足學生的個性化探究需求和創新渴望，因此，教師實施的教學方法應從標準化傳授轉變為個性化引導。通過真實的機器學習項目，教師可持續激發學生的學習內驅力，讓學生在解決感興趣的實際問題時，主動建構知識體系。這種以需求為導向的教學方法創新，是提升高中信息技術教學吸引力和有效性的關鍵路徑。

三、以機器學習項目驅動高中信息技術教學的實踐路徑

（一）啟蒙階段：借助案例類比教學，滲透機器學習基礎

機器學習概念抽象性比較強，需要依靠生活化的案例和類比思維來搭建認知橋梁[4。案例類比教學法可以把復雜算法原理跟學生熟悉的生活場景對應起來，達成抽象知識的具象化轉化。該路徑符合建構主義學習理論“從具體到抽象”的認知規律。在此階段，教師應把重點放在核心概念的初步理解上，而不是深人掌握技術細節。以廣東教育出版社高中信息技術基礎（必修）一“數據與計算”模塊中“設計從A市到B市最少的旅行路線方案”教學為例，教師可以從學生熟悉的出行場景切人，先讓學生分享自己規劃旅行路線的經驗，如考慮距離、交通方式、耗時等因素，再以此類比機器學習算法的工作邏輯。此階段就如同人們規劃路線時參考以往經驗（數據），機器學習算法在解決此問題也會先“學習”大量從A市到B市的路線數據并從中找規律。

教師可以把Dijkstra算法類比成“問路找最優路線”的情形，假設某人身處A市想要去B市，向當地居民打聽前往B市的具體路線，這就如同算法初始化。當地每個人都會告訴你附近路段的實際距離也就是邊的權重，此時你會優先選擇離A市距離最近的中轉站，該辦法屬于貪心策略；接著，從這個中轉站繼續去打聽下一段的路線，即進行迭代計算，直至找到到達B市的最短路徑也就是算法終止。借助這樣的類比方式，學生能夠理解算法“逐步逼近最優解”的核心思想，而無需一開始就陷入復雜的公式推導過程。此時，教師可結合教材中“數據與信息”的概念，向學生說明路線距離、交通方式等原始數據是如何被算法轉化為“最優路線”這一有效信息的，從而讓學生初步感知機器學習中“數據-模型-結果”的基本鏈條，理解機器學習解決問題的基本思路，為后續的深入學習打下直觀認知基礎。

（二）實踐階段：拆解復雜問題實施，規范項目完整操作

實踐階段是讓知識實現內化的關鍵環節，其核心點在于培養學生的項目實施能力[5。依據問題解決理論，復雜問題的解決需要經歷“拆解，分析，解決，整合”的過程，將機器學習項目分解成若干可操作的子任務，符合學生的認知負荷規律。該階段著重強調規范性，要讓學生掌握數據采集、預處理、模型選擇、結果評估等完整流程，以此培養嚴謹工程思維和操作規范。在“設計從A市到B市最少的旅行路線方案”這個項目里，教師可以把該項目拆解成四個子任務來引導學生按規范流程操作，如圖1所示。

收集：途經城市、交通方式、距離/耗時數據收集與建模O結構化：用鄰接矩陣/表（依教材“圖結構”）補全遺漏數據（查API/估算）數據預處理標準化單位（公里/小時，對應“數據清洗”）A市到B市最短路線方案項目拆解○算法選擇與實現 選ra（配（字典存儲+循環）用已知路線測試結果驗證與優化修正偏差（補數據/改代碼）

項目實施首先圍繞“數據收集與建模”這一環節。學生要去收集從A市到B市的交通網絡數據，其中涵蓋途經城市（節點）、城市間的交通方式（公路、鐵路等），以及對應的距離或者耗時（邊的權重），并且需參照教材中“圖結構”的知識點，采用鄰接矩陣或者鄰接表把上述信息進行結構化處理，如用表格記錄“起點-終點-距離”等內容。隨后，開展“數據預處理”工作。此時，學生要檢查數據的完整性，如查看是否存在遺漏的路段信息，要是存在缺失值，可通過查詢地圖API或者進行合理估算做補充。同時，還要對數據進行標準化處理，統一距離單位，比如將距離都換算成公里、時間都換算成小時，以此避免因單位混亂影響算法精度，以對應“數據清洗”的要求。此后，進人“算法選擇與實現”。學生依據教材中所介紹的最短路徑算法，分析其適用場景。最后，按照教材中“程序設計的基本步驟”，先畫流程圖描述算法邏輯，再用Python語言編寫代碼，使用字典存儲城市間的距離數據，通過循環迭代來實現算法功能。最后實施“結果驗證與優化”，學生要使用已知的最短路線數據來測試程序，比如用A市到B市經C市的已知最短距離去測試，檢查算法輸出的結果是否正確，要是結果存在偏差，就要分析具體原因，需要補充之后重新運行程序。通過拆解操作，學生能夠完整地經歷“數據準備，算法實現，結果驗證”的項目流程，掌握機器學習項目里數據處理、模型選擇，以及結果評估的規范操作。

（三）拓展階段：引用跨學科類問題，孵化學生創新項目

拓展階段可以助力學生打破學科之間的界限，培養學生的創新思維和綜合應用能力。依據STEAM教育理念，跨學科學習能夠整合多學科知識，解決復雜問題，激發學生的創新潛能。機器學習的本質是依靠數據驅動來解決問題，其應用場景本身就具備跨學科屬性。在此階段，教師需引導學生去發現不同學科中的數據問題，通過機器學習方法尋求問題的解決方案，實現知識的遷移與創新。

例如，在“設計從A市到B市最少的旅行路線方案”的項目里，教師可以結合地理學科和數學學科開展跨學科拓展。在地理學科方面，學生需要考慮A市到B市沿途的地形地貌（如平原、山地、河流等）對交通路線產生的影響，如山地路段可能車速較慢、距離雖短但耗時更長，這就需要在數據中加入“地形系數”來修正距離權重。在數學學科方面，教師可引人“加權平均數”知識，解釋算法怎樣綜合距離、耗時、費用等多因素來計算最優路線（如給距離賦予0.4權重，耗時賦予0.6權重）。

在項目實施過程中，學生先組建跨學科小組，其涵蓋信息技術、地理、數學等學科。地理小組負責調研沿途地形并量化地形對交通的影響數據；數學小組負責設計多因素權重，并計算相關模型；信息技術小組基于跨學科數據，需對路線算法進行優化。此外，學生還可結合經濟學里成本效益分析，計算不同路線的時間成本，以及相應的經濟成本，為旅行者提供個性化的路線方案。

通過跨學科學習，學生能夠將信息技術算法知識與其他學科知識融會貫通。這不僅能夠深化學生對最短路徑問題的理解程度，更能培養學生從多維度分析問題的能力，最終幫助學生實現知識的遷移與應用。

（四）評價階段：聚焦過程結果雙軌，評估項目質量目標

拓展階段開展的跨學科項目能夠有效培養學生知識遷移能力和創新思維。學生通過參與此類項目實踐，不僅能夠深化對機器學習的理解，還能夠學會從多學科視角分析問題，進而形成個人的綜合創新能力。

例如，在“設計從A市到B市最少的旅行路線方案”的項目結束后，教師可觀察學生在數據收集階段是否能全面考慮各種影響因素，觀察學生在小組討論中是否能清晰表達自己的想法并傾聽他人意見，觀察學生在算法實現遇到困難時，是否能主動查閱教材或尋求幫助。期間，教師可通過課堂觀察記錄、小組合作日志、學生反思報告等方式收集過程性證據。結果性評價則聚焦于學生項目成果的質量，考察內容如表1所示。

表1A市到B市最短路線方案項目結果性評價考察方案

將過程性評價和結果性評價結合起來，既可以看到學生在項目實施期間的成長過程，又能夠客觀評估項目成果的質量水平。這種雙軌評價方式能夠全面反映學生的學習效果，引導學生不只是關注最終達成的結果，更加重視在實踐過程當中的探索與提升。

四、結束語

隨著智能時代的發展，人工智能越來越多地被應用在人們生活的方方面面。以機器學習項自驅動教學為高中信息技術教學注人了新的活力，有效回應了人工智能時代對教學內容、模式、方法的革新要求。未來，教師需進一步開發更多貼合高中教學實際的機器學習項目資源，優化跨學科協同機制，使項自驅動教學真正成為連接課堂與智能時代的橋梁，以培養具備信息素養與創新能力的人才。

作者單位：王作琳甘肅省景泰縣第一中學

參考文獻

[1]陳瑛，吳明珠，戚文珺.機器學習方法在學習評價改革中的運用探討與實踐研究[J].電腦知識與技術，2024，20（30）：129-131.

[2]畢琳琳，周燕.以圖像二分類項目探究機器學習——高中“新一代人工智能”校本課程設計與反思[J].中國信息技術教育，2024，（05）：34-38.

[3]張夢葉.基于真實情境的初中人工智能微項目課堂教學探索——以“AI守護校園安全：探秘機器學習”為例[J].中小學信息技術教育，2024，（08）：47-48

[4]陳智敏.高中信息技術人工智能選修內容融人必修模塊的實踐--以“剖析智能分類系統”項目為例[J].中國信息技術教育，2023，（16）：47-50.

[5]張琳.面向跨學科問題解決能力培養的初中信息科技單元教學設計研究[J].教育信息技術，2024，（10）：25-29.