基于核心素养的高中人工智能课堂教学实践

摘要：近年来，人工智能技术不断创新，大模型应用不断刷新人们对人工智能技术的认识和理解。作为一线教师必然要不断调整关于这部分的教学内容，探索用什么样的案例、什么样的活动能够给学生带来更大的提升，既让学生对技术产生浓厚的兴趣，又让学生能够尽量进行更深入的学习，并启发学生进入高阶的思考，让学生能够适应未来的需求与挑战。因此，作者设计了基于核心素养培养的人工智能教学案例——机器的情绪识别。

关键词：人工智能；情绪识别

中图分类号：G434  文献标识码：A  论文编号：1674-2117（2025）03-0105-04

近年来随着人工智能技术的快速发展，各行各业的智能应用都悄无声息地融入到人们的生活之中。《义务教育信息科技课程标准（2022年版）》增加了“人工智能与智慧社会”教学模块，通过这部分内容的学习力图让学生认识和感受到人工智能的魅力，知道人工智能发展必须遵循的伦理道德规范，也能认识到智慧型社会形态下的新机遇与新挑战。《普通高中信息技术课程标准（2017年版）》也要求“通过人工智能典型案例的剖析，了解智能信息处理的巨大进步和应用潜力，认识人工智能在信息社会中的重要作用”。基于上述背景，笔者设计了《机器的情绪识别》一课的教学案例，以期能够启发学生进入高阶的思考，有效提升学生的核心素养。

案例基本信息

本案例属于高中信息技术必修一模块，案例标题为“察言观色——机器的情绪识别”，教学内容是介绍人工智能领域中的情绪识别问题，围绕什么是机器的情绪识别-机器实现情绪识别的方法-情绪识别的应用这一主线完成教学活动。在教学中，通过小游戏让学生从人的情绪识别迁移到机器的情绪识别，进而分析情绪识别的方法，通过“测心率辨紧张”“百度对话识别情绪”“程序实现通过表情识别情绪”等活动，让学生体验不同方法识别情绪的过程，进而理解机器识别情绪的工作原理。

教学对象为高一年级学生，他们对人工智能技术在生活中的应用有一定的了解并且兴趣浓厚，具备一定的理性思维能力，有初步的编程基础，能够分析、理解机器的情绪识别的常用方法和简要步骤，能够使用简单的编程工具完成情绪识别程序。

基于教学内容和学生情况，将本案例的教学目标设定为：①了解什么是机器的情绪识别；②初步掌握情绪识别的基本方法和工作过程；③能够使用图形化编程实现简单的表情识别程序。教学重点是掌握情绪识别的基本方法和工作过程。教学难点是掌握情绪识别的工作过程以及程序实现表情识别。

案例实施过程

1.课堂导入

教师播放情绪识别应用视频。该视频是从央视节目《机智过人》中截取的一个片段，视频中有一位人类心理医师和一个智能机器人阿尔法鹰眼对经过专业训练的蛟龙突击队队员进行情绪识别，让学生体会人类专家和机器人进行情绪识别的过程，对比识别效果。

2.什么是机器的情绪识别

在这个环节中，学生要理性分析对比人类情绪识别和机器情绪识别的过程，因此在这里笔者设计了一个活动，让学生喝不同的饮品，其他学生通过表情判断该学生喝的是什么，引导学生分析人类从哪些方面来判断、识别情绪，再从人类迁移到机器，从而认识和理解机器的情绪识别。

①人类的情绪识别。

学生活动：表达情绪与识别情绪。

活动过程：备三杯饮料，分别是可乐、酸梅汤和醋；三名学生喝饮料；说一说他们喝的是什么饮料。

活动分析：

教师提问：如何判断喝了哪种饮料？

学生回答：通过表情、语言、肢体动作……

②机器的情绪识别。人工智能中的情绪识别是研究机器通过获取个体信号来判断用户情绪状态的技术。

3.机器识别情绪的方法

由于人类的情绪可以通过多种方式表达，因此机器也可以通过多种方式识别人类的情绪，如通过文本、语音、动作、生理信号等方法进行识别。在此环节中，教师向学生介绍三种常用的机器识别情绪的方法，分别是通过生理信号识别情绪、通过文本内容识别情绪和通过面部表情识别情绪。

①通过生理信号识别情绪。

为了让学生能更好地理解这种方法，在这里笔者设计了活动——学生互测心率，通过心率数值判断情绪状态。

教师总结：基于生理信号的情绪识别方法主要有两类：第一类是基于自主神经系统的情绪识别，这种识别通过测量心率、呼吸等生理信号识别对应的情绪状态；第二类是基于中枢神经系统的情绪识别，这种识别方法通过分析不同情绪状态下大脑发出的不同信号来识别相应的情绪。

基于自主神经系统的生理信号虽然无法伪装，但也能够得到真实的数据，但是由于识别情绪的准确率低且缺乏合理的评价标准，因此在实际中应用较少。基于中枢神经系统的情绪识别同样不易被伪装，并且与其他生理信号识别方法相比识别率较高，因此越来越多地被应用于情绪识别的研究中。

②通过文本内容识别情绪。

此环节教师先向学生展示某高校数据科学研究团队的研究案例，向学生展示城市心情，这些结果是对微博、社交软件等获取到的大数据进行语义分析，然后通过可视化图形展示数据分析结果，向人们形象地表达了不同时间、地点的城市中人们的心情状态。接下来，让学生在百度智能系统中通过文本识别情绪的应用，体会其工作原理和实际应用。

教师提示：百度“对话情绪识别”系统能够自动检测用户日常对话文本中蕴含的情绪特征。实际应用场景：a.客服质检与监控，帮助企业更全面地把握产品体验、监控客户服务质量。例如，检测出用户负面不满情绪，则触发人工客服介入；在人工客服场景下，也可用于监控客服人员的服务态度。b.闲聊机器人，识别用户在聊天中的情绪，帮助机器人产品选择出更匹配用户情绪的文本进行回复。c.任务型对话，识别用户的情绪，根据不同的对话情绪，选择不同的回答策略进行答复，如回复语速和文本简洁程度差异等。

学生活动：在百度对话情绪中识别情绪。

教师总结：通过文本识别情绪是一种文本分类的应用，语言中有一些词语可以表达情绪，如“开心”“愉悦”“幸福”“垂头丧气”“心灰意冷”“怒不可遏”等，通过文本识别情绪的方法有很多种，其中比较容易理解的方法是关键词法，需要先对语句分词，提取语句中的词或短语，然后计算词或短语出现的频率，通过算法确定关键词，再根据关键词的意义识别情绪，最后输出结果。

③通过面部表情识别情绪。

在本环节中，教师给学生介绍面部表情识别情绪的原理和关键步骤，然后在编程平台中尝试编写程序，对摄像头扫描到的面部照片进行分析，输出识别结果。

学生活动：根据五官图片，判断表情。

教师请学生尝试单纯根据五官状态，辨别图1中一组人脸局部图所代表的情绪，并填写到下方的括号中。

教师总结：面部表情是表达情绪的主要通道，也是用于情绪识别的一种重要信号。机器通过面部表情识别情绪的过程至少要完成以下三个关键步骤：第一步，人脸检测与预处理。在检测到输入的人脸后，要将不同照片中的人脸对齐，旋转、缩放、降噪，同时将不同光照条件、不同姿势的图片统一化，以便于后续的处理。第二步，表情特征提取。面部表情是由面部肌肉的收缩产生的，从而导致人脸的某些部位如嘴角、眼睑、眉毛、人脸表面的凸起或皱纹等变化，在表情识别时需要在大量的人脸信息中提取出能够有助于迅速、准确辨别情绪的比较显著有效的五官特征信息。第三步，表情分类识别。在分类识别过程中要根据特征提取所获得的信息，使用相应算法的分类器将输入的人脸图像确定为某种基本表情，从而识别出对应的情绪。

学生活动：编写程序（如图2），通过摄像头捕获人脸数据分析情绪。

4.搭建和训练情绪识别模型

通过前面的学习，学生已经对机器的情绪识别有了一些认识。在此环节，教师设计了在MIT APP INVENTOR学习平台中搭建和训练情绪识别模型，并使用该模型识别情绪的综合实践活动，让学生体验人工智能模型的创建、训练、测试和使用的过程，具体步骤如下。

①进入MIT APP INVENTOR网络学习平台。

②在网页浏览器中输入https：//classifier.appinventor.mit.edu，进入个人图像分类器地址打开摄像头。

③使用“添加标签”（“Add label”）为模型添加表情，如“微笑”“惊讶”“皱眉”……

④为表情标签添加实例。单击已添加的表情标签“微笑”，在摄像头前做好表情，单击“添加实例”（“Add Example”），用同样的方法为其他标签添加实例，如果对添加的实例照片不满意还可以删除重新添加。

⑤单击“下一步”（“Next”）进入选择模型页面设置模型的详细信息，在这里也可以使用默认参数（如上页图3），然后单击“训练模型”（“Train model”）。

⑥为模型添加测试数据。选择模型中已添加的标签，如“微笑”，在摄像头前做好测试表情，单击“添加实例”（“Add Example”），一个表情标签中可以添加多张测试照片（如图4）。在所有标签的测试数据都添加完毕以后单击“预测”（“Predict”），模型对测试数据进行预测识别。

⑦单击“下一步”（“Next”），查看模型测试数据的识别结果。单击“标签正确性”（“Label Correctness”）和“置信度图”（“Confidence Grahp”）分别从标签的“正确性”和“置信度”上查看测试结果。

⑧单击“下载模型”（“Download Model”）下载并保存模型。

5.课后练习

略。

结语

本案例结合时代发展需要，紧跟科技前沿，按照新课标要求，根据学生实际情况展开设计，教学过程中设计了多个学习活动，力求让学生能够从自己的经验迁移到对机器的认识，尽量给学生创造体验、实践的机会，让学生先提起兴趣，在兴趣和好奇心的驱使下主动探索实践完成学习。另外，笔者认为，人工智能知识虽然已进入课堂多年，但在教学内容、教学方法、学生实践活动等方面还需要一线教师继续探索，如何使用恰到好处的练习，让学生能够有更大的收获应是教师不断追求的目标。

本文系中国教育学会“十四五”规划2022年度课题一般课题“新课标背景下核心素养导向的十二年一体化信息科技课程设计与教学实践研究（立项编号：202211001102B）”、北京市教育学会“十四五”教育科研2023年度一般课题“新课程背景下十二年一体化信息科技学科核心素养培养的实践研究（立项编号：DC2023-029）”成果。