深度學習視域下高中人工智能算法教學實踐探索

中圖分類號：G434 文獻標識碼：A論文編號：1674-2117（2025）20—0048-03

引言

2017年7月國務院發布的《新一代人工智能發展規劃》，首次要求“中小學設置人工智能相關課程”，同年，《普通高中信息技術課程標準（2017年版）》（以下簡稱“新課標”）將人工智能列為選擇性必修模塊，這是課程落地的關鍵一步。2025年發布的《中小學人工智能通識教育指南（2025年版）》明確提出“通過知識、技能、思維與價值觀的有機融合，形成四位一體的人工智能素養，培育科技創新思維、批判性思維、人機協作能力、人工智能素養及社會責任意識”。從國家規劃到課程標準，從框架設定到實施細節，從高中延伸到基礎教育全學段，人工智能教育形成了從國家戰略到課程實施的完整鏈條，其核心是將人工智能算法等能力納入人才培養體系，為人工智能強國戰略提供基礎教育支撐。但當前的高中人工智能課堂普遍存在“三重三輕”困境：重代碼模仿輕本質理解、重工具操作輕思維發展、重技術實現輕倫理反思。簡單地調用應用程序編程接口（API）使學生陷入“只見數據輸人，不解數學原理；只求模型跑通，不問價值影響”的淺層學習循環。因此，如何突破人工智能算法教學的表面化桎梏，引導學生在理解技術本質的基礎上實現知識遷移與價值建構，成為亟待解決的問題。

深度學習理念為破解這一困境提供了新的視角，深度學習的五大特征——聯想與結構、活動與體驗、本質與變式、遷移與應用、價值與評價，直指知識學習的關鍵維度（由孤立知識點到結構化認知，從被動接受到主動建構，從機械應用到本質規律把握，從單純記憶知識到情境化地遷移運用知識，由只看重工具到注重人文價值），這五大特征與人工智能教育的價值追求高度契合。下面，筆者以《人工智能決策樹算法》一課為例，具體闡述結合深度學習理念如何進行高中人工智能算法教學，從而落實人工智能素養的培養。

聯想與結構，認知網絡的跨學段貫通

通過聯想，學生能將人工智能抽象的算法與實際問題相結合，增強學習的直觀性和趣味性，而通過結構化的學習方式能夠幫助學生梳理人工智能算法知識脈絡，把握人工智能算法的應用場景。因此在算法教學中，教師可以先整體梳理人工智能算法的教學內容，再以學習活動幫助學生聯想激活以往經驗，整合跨學段認知，化解認知斷層，為算法學習搭建腳手架，使學生形成認知網絡，培養學生主動建構知識體系的意識。

例如，在《人工智能決策樹算法》一課中，教師可以引導學生沿著“橫”“縱”兩個方向展開聯想與結構。首先展開橫向生活經驗轉化，引導學生解構日常選擇行為，如在外賣訂餐時有哪些因素會影響到自己的選擇決策，聚焦自己的外賣訂餐選擇行為，分析出菜品的食材、口味、烹飪方式等特征，將日常主觀決策轉變為客觀特征變量，把經驗變成算法學習的意義錨點。接著，展開縱向跨學段經驗喚醒，喚醒學生原先已掌握的流程圖基礎知識，將其轉化為理解決策樹特征分裂的認知腳手架，如口味“喜歡辣”或“不喜歡辣”，遷移為樹形結構的決策評估，使算法學習扎根認知圖式。這樣通過橫縱向聯想和結構，實現知識碎片化到結構化的深度貫通，建立“初中程序邏輯”到“高中算法思想”再到“生活決策”的認知鏈，通過架設這些聯結的橋梁，讓知識在個體經驗中生根，讓樸素經驗在學科結構中升華，激發深度學習。

活動與體驗，創設螺旋式的實踐場域

人工智能算法復雜且抽象，只有讓學生在活動和體驗中主動探索，發現和經歷“做中惑、惑中思”的螺旋進階，才能激發學生對人工智能算法的興趣和動力，從而增強對算法的理解，提升解決實際問題能力。“活動與體驗”使算法教學從灌輸走向經驗重構，這是知識意義生成的根基，也是深度學習落地的核心機制。

例如，在《人工智能決策樹算法》一課中，教師可以依托深度學習的“活動與體驗”理念，基于人工智能算法學生思維的發展過程，設計階梯式問題鏈——活動一確定菜品特征：外賣推送決定因素有哪些？活動二探索個體決策特征優先級：猜猜用戶為什么喜歡這個菜？活動三探究外賣平臺決策特征優先級：排名第一的決策特征是什么？活動四生成決策樹助力外賣菜品推薦：其他決策特征的排序是什么？活動五使用決策樹助力外賣菜品推薦：這個菜可以推薦給這個用戶嗎？這樣，教師引導學生主動思考、積極提問、自主探究，促使學生全身心投入到學習活動與體驗中，活動和體驗引領深度學習。

本質與變式，分層揭示算法核心原理

人工智能算法學習過程不能只停留于體驗和平臺應用人工智能，教師的重要工作是幫助學生理解知識的內在聯系與本質和其育人價值，讓學生主動去質疑、探究、歸納、演繹、情境、體驗。這種從現象觀測到本質抽象再到變式驗證的認知鏈，能使學生看到知識的本質和育人價值，更重要的是，這樣分層揭示算法核心原理，觸及知識本質的學習過程，能使學生學會學習，培養其學科思維。

例如，在《人工智能決策樹算法》一課中，教師可以通過以下三層認知階梯揭示算法核心原理，實現算法原理的深度建構：一是本質初探。教師從學生的經驗出發，設計“角色扮演”環節，挑選兩名學生，一個扮演“用戶”，一個扮演“外賣推送平臺”，通過“外賣推送平臺”猜“用戶”喜歡某個菜的原因，生成決策規則，實時生成一棵決策樹，在對話沖突中直觀理解不同的特征以及特征分裂產生不同的分類結果“喜歡”或“不喜歡”，使算法思想錨定生活經驗。二是基礎變式。當學生發現特征分裂產生不同的分類結果，自然引發核心問題：如何確定特征優先級？外賣推送平臺上有很多菜品，也有很多訂單記錄，外賣推送平臺如何確定特征優先級從而更快地給用戶推送？這一沖突直接導向信息增益的概念凝練。教師使用數據清洗后的外賣推送平臺Excel訂單記錄，引導學生將喜歡吃和不喜歡吃的原始數據按照特征進行數據整理，接著使用Excel的COUNTIFS函數計算某一具體特征數據的分裂情況，讓學生直觀地看到各個特征對數據的分裂情況，直觀地量化特征消除不確定性的能力。三是高階變式。在確定決策樹第一個特征后，需要再確定第二個特征 第三個特征.直到所

課程教學

有數據分類到葉子節點，但是這一過程復雜煩瑣，在學生通過Excel數據計算理解了第一個特征的確定后，如果再繼續以繁重的手工計算揭示決策樹的遞歸過程無疑會增加計算負擔。教師可借此利用Python決策樹可視化展示遞歸分裂的過程，讓學生只需補充關鍵代碼，并加以觀察，就可歸納決策樹的完整生成過程。

遷移與應用，驅動算法能力跨界躍遷

在人工智能算法教學中，教師引導學生將所學知識運用到實際生活中，不僅能夠幫助學生更好地理解和掌握算法本質，還能夠培養學生在遇到新的問題時，選擇適宜的算法來解決相應問題的能力。學生在將所學知識應用于實際問題解決的過程中，更能感受到學習的意義，從而不斷嘗試和發現新問題，提出新的觀點和思路。

例如，在《人工智能決策樹算法》一課中，教師首先引導學生做相似問題遷移，如根據興趣、成績職業傾向等因素進行高中選課決策，根據不同事情的優先級進行日常生活時間安排，學生只需要沿用原有決策樹的特征分裂邏輯就可以實現知識遷移。其次，引導學生進行跨學科遷移，將“外賣特征”轉化為“癥狀指標”，重構分裂規則，用“誤診風險下降率”作為新的特征分裂規則，生成醫療診斷決策樹。最后，師生共同針對外賣推送平臺的新用戶冷啟動難題，設想利用協同過濾算法，突破單一決策樹局限實現算法融合創新。

價值與評價，構建技術倫理雙向反思

人工智能技術的發展帶來了許多潛在風險，如隱私泄露、算法歧視等，在人工智能算法教學中引入倫理價值與評價能使人工智能算法教學從技術能力單向維度發展轉向工具理性與價值理性融合。通過價值與評價，學生對學習內容展開反思，培養正確的價值觀，形成核心素養，這個過程是隱形的、長期的、緩慢的，卻又是發揮課程育人、落實立德樹人的重要途徑。價值與評價在高中人工智能算法教學中承載著不可替代的育人使命。

例如，在《人工智能決策樹算法》一課中，教師引導學生分析自己創建決策樹的隱性價值觀，理解信息增益計算背后的價值傾向，如外賣推送平臺更傾向于以“訂單量”而不是“商戶生存周期”作為決策分裂點，使學生認識到人工智能算法天然具有的功利主義傾向，并基于日常的經驗嘗試對已有的決策樹進行倫理性改進。

結語

在人工智能時代，教師并不是全能的、無所不知的，但教師可以不斷探索，創新教學方法，做學生認知橋梁搭建者、活動實踐設計者、思維深度掘進者、能力遷移引導者、倫理評價協作者，從而推動人工智能核心素養在課堂教學中扎實落地。

參考文獻：

[1教育部基礎教育教學指導委員會.中小學人工智能通識教育指南（2025年版）[].[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]李森，李沁.人工智能時代學生深度學習的演進、風險與進路[J.教育發展研究，2025，45（08）.30-38.

[4]安富海.人工智能時代的教學論研究：聚焦深度學習[J.西北師大學報：社會科學版，2020，57（05）：119-126.

[5]朱立明，馮用軍，馬云鵬.論深度學習的教學邏輯[J].教育科學，2019，35（03）.14-20[]張鵬，郭恩澤.指向“深度學習”的教學策略研究[J].教育科學研究，2017（09）.54-58.e

作者簡介：吳華平 （1990.2-） ，女，漢族，福建人，中學一級信息技術教師。

本文系福建省基礎教育課程教學研究課題“AIGC賦能信息科技跨學科主題學習設計與實施路徑研究\"（MYKT2024-143）研究成果。