基于PBL模式的高中人工智能课程探索

摘要：本文以教科版高中信息技术必修1第五单元“数据分析与人工智能”中的《探秘人工智能》一课为例，阐述了高中信息技术中基于PBL模式的人工智能课程的实施过程，并对PBL模式下的教学行为和教学效果进行了分析和思考。

关键词：PBL模式；人工智能；高中信息技术；教学实践

中图分类号：G434  文献标识码：A  论文编号：1674-2117（2024）23-0000-03

《普通高中信息技术课程标准（2017年版2020年修订）》（以下简称“新课标”）明确指出：“课程倡导基于项目的学习方式，将知识建构、技能培养与思维发展融入到数字化工具解决问题和完成任务的过程中。”此外，新课标还倡导：让学生参与到信息技术支持的沟通、共享、合作与协商这一新型的教学模式中。[1]因此，笔者在教学中以“数据分析与人工智能”单元为蓝本，将Flappy Bird游戏作为项目活动的主线，贯穿以“探秘人工智能”为主题的人工智能课程全过程，希望能为“如何让学生参与新型信息技术支持下的项目式学习”这一问题的深究提供新思路。

研究课程要点，优化教学设计

在教科版高中信息技术必修1《5.1 走进数据分析》一课中，学生已初步学习了数据分析的概念、特点和工作机制，对人工智能的基础思想有了初步的认知。但到了《5.2 探秘人工智能》一课，教材仍然以介绍概念与小组讨论为主，缺乏具体的项目实践，学生难以具象感知人工智能的设计与实现流程。

因此，笔者以本课的重难点——“遗传算法”和“神经网络”为切入点，结合Flappy Bird游戏，融合编程思想，巧妙设计项目流程，让学生在项目实践中体验机器学习模型的设计、调参、训练和调试的过程，充分调动学生的主观能动性，培养学生的创新思维能力和编程设计能力。

设计项目活动，发挥PBL优势

项目式学习（PBL）的核心是以问题为导向，让学生通过解决实际问题来学习课程知识。项目任务设计单是指为达成学习目标要求学生在本节课通过自己探索或小组合作完成的任务清单。项目任务流程设计是否恰当直接影响项目式学习的效果，《探秘人工智能》一课的任务设计如下页表所示。

1.前置任务的设计是关键

在《探秘人工智能》一课中，笔者通过安排游戏任务Flappy Bird（前置任务），让学生在玩的过程发现flappy bird游戏的规则并总结游戏经验。

在体验时间结束后，大部分学生都能总结出以下游戏规则：①点击鼠标左键，小鸟向上飞，不点击，小鸟则自由落体；②小鸟碰到地面或者上下柱子时游戏结束，统计通过的柱子数量作为游戏总分；③上下柱子间缺口的高度差一致，但是缺口的上下位置随机。

在所有学生总结归纳出游戏规则后，随机抽出1～2位完成前置任务的学生分享获得高分的游戏经验：①需要时刻关注是否单击鼠标左键来控制小鸟的高度；②需要时刻关注柱子缺口的高度以及其相对小鸟的高度差。

2.项目任务的体验是核心

如何让学生直观体验不同的人工智能算法，并能够根据现实项目需求选择合适的算法去解决问题是本节课的重点，也是设计本节课PBL任务单的核心。人工智能算法包含多种技术，如机器学习、神经网络、深度学习等。笔者在不改变项目活动的前提下，分别选择机器学习中经典的“遗传算法”以及神经网络中用得最多的“BP神经网络”作为模板，利用可视化编程软件帮助学生快速上手、实操人工智能算法模型的搭建与训练。

机器学习的目的是获取新的知识或技能，通过重新组织已有的知识结构，不断完善自身的性能，从而使计算机能模拟实现人类的学习行为。在了解机器学习的基本定义后，笔者提出将生物学的人工智能算法思想（遗传进化思想）作为学习支架，它是根据大自然中生物体进化规律而设计提出的，是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。这种算法思想的介绍，学生并不陌生，进化论是高中生物的重要知识点，大部分学生对相关知识点都有所了解，但是对如何将遗传算法运用到机器学习上来却是一头雾水。此时，笔者及时布置任务二，要求学生通过可视化编程平台优化模型代码，结合实时运行结果让学生直观体验并理解遗传算法的设计与训练。

3.项目任务的差异是亮点

为了让学生深刻理解不同算法的特性和优势，笔者选择了某可视化编程平台，平台新增了实时演示经典人工智能代码训练过程的功能。同时，将Flappy Bird游戏作为核心项目，引入了机器学习领域的“遗传算法”和神经网络中的“BP神经网络”两种算法。这两种算法在解决优化问题和模式识别方面各有所长，学生通过亲手操作和观察这两种算法在训练过程中的表现，可以直观地感受到算法之间的差异。例如，遗传算法通过模拟自然选择和遗传机制来优化问题解决方案，而BP神经网络则通过反向传播算法调整权重来学习数据模式。通过对比这两种算法的训练效率、稳定性以及最终的游戏表现，学生不仅能够理解算法的工作原理，还能够认识到它们在实际应用中的适用场景和限制。这种项目驱动的学习方式，使得抽象的算法概念变得生动和具体，极大地提高了学生的学习兴趣，增加了理解深度。

分析PBL教学效果，思考优化PBL模式

在本节课中，笔者探索通过PBL模式将学生感兴趣的一款网页游戏作为项目活动主题贯穿课程始终。学生通过项目的前置任务理解游戏规则，通过上机体验项目任务感知机器学习模型的设计、训练过程，通过可视化编程比较不同算法下的项目任务，由此总结出两种人工智能算法的优异性。

笔者还设计了基于PBL模式的高中人工智能课程系列的项目评价表（小组自评表），通过收集课后项目小组的自评和互评表，量化评价每节课小组项目活动的完成情况以及教学效果的达成情况。项目成果评价和项目过程评价是评价表设计的主要方面，通过自评和互评达成主观评价和客观评价相统一的评价要求。美中不足的是，在设计本节课时，笔者并未充分考虑跨学科知识的融合，在今后的教学设计中，还应加强相关跨学科内容的铺设。

参考文献：

[1]马尚辉.高中信息技术教学中的信息核心素养初探[J].中小学电教（教学），2019（06）：5-6.

[2]程雅，戚珩，阚树林，等.基于遗传算法的供应商组合选择[J].机械设计与制造，2013（02）：59-61+65.

本文系苏州市教育科学“十四五”规划2021年度立项课题“PBL模式下高中科创技术类校本课程的研究”（2021/LX/02/233/04）的研究成果。