指向人工智能课程核心的“模型学习”教学策略

摘要：本文介绍了“模型学习”的必要性与可行性，结合教学实践论述了应选择什么样的AI模型训练平台，并结合实际项目详细阐述了建立、训练AI模型的全流程教学及意义。

关键词：人工智能；AI；模型

模型学习的必要性

第一，AI开发的目的是将隐藏在大批数据背后的信息集中处理并进行提炼，从而总结得到研究对象的内在规律。AI开发的基本流程通常可以归纳为以下几个步骤：确定目的、准备数据、训练模型、评估模型、部署模型。模型是AI开发的核心要素，扮演着将数据转化为智能决策和预测的关键角色。模型作为算法与实际应用之间的桥梁将复杂的数学原理转化为解决实际问题的工具；模型基于大量数据进行训练，学习数据的特征和规律，从而具备预测和分类能力；模型在AI开发中占据核心地位，其设计、训练和优化是确保AI系统性能和效果的关键环节；模型作为人工智能技术的核心，是实现各种智能应用的基础。

第二，模型学习不仅有助于中小学生深入理解人工智能的原理和应用，更能锻炼他们的逻辑思维和问题解决能力。在模型构建和训练的过程中，学生需要分析数据、设计算法、调整参数；在探索模型优化和性能提升的过程中，学生可以发挥想象力和创造力，尝试不同的方法和思路，从而培养了创新思维和实践能力。

因此，模型的学习在中小学生学习人工智能技术的过程中不可或缺。

模型学习的可行性

1.学生学习能力的可行性

从中小学生学业水平的角度来看，随着课程体系的完善，中小学生的数学、物理、计算机等基础知识逐渐增强，这些基础知识不仅有助于学生理解模型的原理和结构，还能帮助他们在实际应用中灵活运用模型。

如今的中小学生身处数字化、智能化的时代，对信息科技的学习能力、适应能力较强，具备快速掌握新知识和技能的能力。此外，学生的学习兴趣和好奇心也是推动他们学习模型的重要动力。

2.AI平台技术的可行性

当前，云服务厂商推出非常多的专业AI模型开发平台，包括零门槛的模型开发平台，它们具有直观、友好的界面设计，中小学生能够轻松上手并迅速掌握操作技巧。在数据分析方面，这类AI模型开发平台操作简单且智能化，使得中小学生能够轻松进行基本的数据处理和分析工作。模型可视化让学生能直观理解模型的运作原理和决策过程，进而增强对模型结果的信任感，且云服务厂商提供了完善的算法库与具备高度针对性的模型库，使学生能够根据具体任务选择合适的算法和模型，并能进行必要的调整优化。另外，这类平台提供了丰富的教学视频和案例分析，这些资源有助于学生深入理解模型原理和应用场景，从而更好地掌握技术分析方法；平台的定期更新与维护确保其稳定运行，也为学生提供了安全可靠的学习环境。

选择适宜中小学生的模型学习平台

中小学在教学AI原理时，常会借助少儿编程软件平台，但少儿编程软件在教授AI模型时存在明显不足：①设计层面。软件过于简化编程和AI模型的学习过程，导致学生难以深入掌握其原理；软件仅提供表面化的AI模型模板，让学生通过简单操作完成任务，忽视了模型训练与调优的重要性。②功能层面。软件功能相对有限，通常仅支持少数特定AI模型或任务，限制了学生的学习范围和视野。此外，少儿编程软件缺乏深入的学习内容，未能提供足够的理论知识和实践案例，导致学生对AI模型的理解仅停留在表面。

为避免以上不足，笔者认为可以选用专业AI开发平台中的零门槛AI模型平台，其具有以下教学优势：

第一直观简洁的操作界面。平台设计易于理解，能实现低代码甚至零代码的设计，使中小学生无需深厚的编程基础也能轻松上手，降低了学习的门槛。

第二丰富的模型库。AI模型平台提供了多样化的模型库，涵盖了图像识别、语音识别、自然语言处理等多个领域。学生可以根据自己的兴趣和需求选择合适的模型进行学习，拓宽了学习范围。

第三强大的数据处理和训练功能。AI模型平台支持多种类型的数据集导入和处理，包括图片、音频、文本等，使学生能够根据自己的想法和创意进行数据处理和模型训练。实时的训练进度和结果反馈，让学生能够及时了解训练效果，进行针对性的调整。

第四实践与创新相结合。AI模型平台鼓励学生通过实践来学习和探索AI技术。学生可以亲自上传数据、训练模型，并观察模型的表现，从而加深对AI原理的理解。这种实践与创新相结合的方式，有助于培养学生的动手能力和创新思维。

第五激发学习兴趣与热情。通过AI模型平台，学生能够亲身体验构建和训练AI模型的乐趣和成就感。这种积极的学习体验有助于激发学生对人工智能技术的兴趣和热情，为他们未来的学习和职业发展打下坚实的基础。

以项目带实训，真实训练AI模型

在教学实践中，笔者以一款低代码AI模型开发平台建模为例，引导学生创建并训练出一个“水果识别”AI模型，即自动分类识别苹果与梨的模型。AI模型训练的基本流程如下图所示。

1.项目分析与准备

①需求分析：明确模型需要实现的功能——自动识别苹果和梨。②数据准备：收集苹果和梨的高质量图片，用于模型训练。③技术选型：给学生介绍模型平台的特点和优势，说明为何选择它来实现本项目。

这是引领学生认识模型的第一步，需要让学生明确项目业务的目标，并开始意识到模型、数据和算法在AI技术中的重要性。

2.创建并配置项目

登录AI模型平台；创建新模型，选择“图像分类”任务；配置项目参数，如模型名称、数据集名称、数据类型等。

在创建和配置项目的过程中，学生对AI开发平台有了更直观的认识和学习，这一环节不仅锻炼了学生的动手实践能力，还加深了他们对模型、数据和算法在AI项目中的具体应用的理解。

3.上传并标注数据

①上传图片：将之前收集的苹果和梨的图片上传到平台。②数据标注：为每张图片打上标签，标明是苹果还是梨。③数据划分：将数据集划分为训练集、验证集和测试集。

在这一环节中，学生亲自操作数据上传和标注的过程，认识到数据在AI模型训练中的关键作用。同时，通过实际操作，学生也能体会到数据质量对模型性能的影响，学会如何优化数据以提高模型的准确性。

4.模型训练与调优

①启动训练：在配置训练参数后，开始训练模型。②监控训练过程：观察损失和准确率的变化，了解模型学习情况。③模型调优：根据训练结果，调整模型参数或尝试不同的网络结构来优化性能。

模型训练与调优是AI项目的核心环节，也是学生认识模型、算法和数据的关键过程。在这一环节中，学生亲手训练模型，观察模型的学习过程，并根据训练结果调整模型的参数和结构。通过不断地尝试和优化，学生逐渐认识到不同模型和算法的特点和适用场景，学会如何根据实际需求选择合适的模型和算法、如何分析和解决模型训练过程中出现的问题，提升解决模型问题的能力。

5.模型评估与校验

①查看评估报告：分析模型在验证集上的表现，如准确率、召回率等。②校验模型：上传图片进行模型校验。③使用测试集测试：可将模型应用于测试集，验证其泛化能力。

模型评估与测试是确保模型性能的重要环节，也是学生深化对模型、数据和算法理解的关键步骤。在这一环节中，学生学会了评估模型的性能，并通过对比不同模型的性能，进一步认识到模型选择和调优的重要性。

6.模型部署与应用

①模型导出：从模型平台导出训练好的模型。②集成到应用：将模型集成到自己创建的应用中，实现水果识别功能。③测试与应用：可采用H5直接测试应用的识别效果，确保功能正常。

在这一环节中，可拓展教学，将训练好的模型部署到实际应用中，实现水果识别的真实应用，也可直接先调用H5来测试效果。通过亲手部署模型并观察其在实际场景中的表现，学生真正认识和理解了AI技术。

7.总结与反馈

①项目总结：引导学生回顾整个模型训练流程，总结经验和教训。②收集反馈：让学生收集其他学生的反馈和建议，用于改进后续训练。

通过这一全流程的教程，学生不仅能够使用AI模型开发平台制作一个“水果识别”应用，总结模型、数据和算法在AI项目中的应用和调优经验，还能够深入理解AI模型从训练到部署的全过程，提升对AI模型、AI开发的实际认知。

结束语

指向人工智能课程核心的“模型学习”教学策略，是《义务教育信息科技课程标准（2022年版）》背景下实施人工智能教学的重要途径，它涵盖认识、建立、训练和应用模型等多个环节。在实际教学中，结合项目式学习，引导学生参与AI模型的构建与应用，可以让学生搭建不同类型的AI模型并在多次训练中不断优化模型性能。这种教学方式不仅能帮助学生掌握AI技术的实际操作，深入理解人工智能的原理和应用，更能培养他们的创新能力和解决问题的能力。随着AI技术的不断发展，相信这种以模型学习为核心的教学策略将为中小学生打开通往智能世界的大门，为培养更多AI人才奠定坚实基础。

本文系江苏省“十四五”教育科学规划课题“人工智能教育背景下中小学生计算思维的培养”阶段性成果。