基于问题解决模型的人工智能课程设计实践研究

【摘要】人工智能课程以在实践中解决问题促进能力发展为课程理念，如何将人工智能课程与问题解决相关联，将问题解决模型应用于人工智能课程教学值得深究。以初中人工智能课“智能垃圾分类机器人”为例，以问题解决模型为课程主线，阐述在人工智能课程中应用问题解决模型的思考。

【关键词】问题解决；人工智能；课程设计

【中图分类号】G633.67   【文献标识码】A 【文章编号】2095-3089（2025）03-0193-03

2017年国务院颁布《新一代人工智能发展规划》指出，在未来人工智能将成为国际竞争的新焦点，并呼吁实施全民智能教育项目，在中小学阶段设置人工智能相关课程。[1]此外，《义务教育信息科技课程标准（2022年版）》（以下简称《新课标》）也在初中内容模块中加入“人工智能与智慧社会”。各地中小学在国家和教育部的引领下，积极开发人工智能课程，探索人工智能教育的实施路径。

2021年中国教育学会中小学信息技术专业委员会发布的《中小学人工智能课程开发标准（试行）》中将“实践驱动问题解决促进能力发展”作为课程理念，鼓励学生在真实的问题情境中，综合地运用学科知识形成切实可行的问题解决方案，体验真正的问题处理过程，感受智能技术和社会人文之间的关系。计算思维作为信息技术学科的四大核心素养之一，也与问题解决密切相关。计算思维就是运用计算机科学的思维方式及其基础概念进行问题解答和系统设计，包括思考问题、理解问题、解决问题等一系列思维活动。[2]计算思维的培养根植于问题解决的各环节。基于问题解决模型的教学，教师通过创设问题情境，以问题解决过程为课程主线，让学生在具体的情境中发现问题，探究问题的解决方案，验证测试，并进一步实现知识的迁移与应用。由此可见，问题解决模型既与人工智能课程设计理念相匹配，又较好地符合信息科学学科核心素养的培养要求。本文以《智能垃圾分类机器人》一课为例，探究基于问题解决模型的初中人工智能课程实施策略。

一、基于问题解决模型的人工智能课程教学设计思路

依据Bransford提出的IDEAL模型，可将问题解决分为问题识别、问题定义与表征、问题解决方案设计、方案实施与反思评价五个阶段。[3]依照问题解决模型的一般流程，可将人工智能课程分解为以下几个环节（见表1）：

1.创设真实情境，引导问题聚焦

问题解决强调问题的真实性。[4]人工智能技术的产生往往来源于生活中的现实问题，在具体的项目中得到实际应用，因此，教师在创设问题情境时，也需要由现实问题引出，最好具有开放性和非良构的特性。[5]这样的现实问题可以是目前市面产品的缺点，也可以是由于社会事件突发导致的产品需求。学生在这一阶段需要完成的工作，则是从问题情境中聚焦问题的核心。现实中的问题情境往往是错综复杂的，其成因也是多方面的，学生基于自身的人工智能知识基础，选择角度切入，把握真实情境中的核心问题。

2.支架教学辅助，拆解核心问题

在问题解决模型中，问题识别后需要对问题进行定义和表征。问题表征是按照问题情景组织领域知识，形成问题空间中所有信息的语义网络。[6]对于人工智能课程而言，就是将现实问题抽象为人工智能技术的应用问题。要想使学生能够实现“问题”到“技术”的过渡，教师需要提供一定的教学支架。回顾之前所学的旧知识，引导学生触类旁通，提供一定的问题解决策略都是有效的教学辅助。其中，问题解决策略较为常用的是类推、逐步分析和整合等。[7]教师需要引导学生从一个问题发散出多个子问题，逐一突破。

3.提供多元工具，创生解决方案

为了促进学生问题解决方案的形成，教师可以提供多元工具，这些工具不仅能够帮助学生头脑风暴，共享方案，同时也能够对学生的学习行为进行记录，为后续的评价总结环节提供数据基础。

4.定点答疑解惑，促成方案落地

在方案测试阶段，学生会遇到很多问题，一部分问题来源于程序本身的逻辑错误，另一部分问题来源于方案不断改进过程中迸发的新想法对原方案的冲击。教师在此时应当对学习小组定点答疑。每个小组的方案都具有独特性，普适性的教学在这一环节并不适用，为了更好地为学生提供帮助，教师可以逐一对各小组的问题进行解惑。

5.评价反思总结，实现问题迁移

人工智能创意作品的评价需要以学生能力的培养为导向，综合创新力、批判思维、信息意识、协作能力等多方面的考量。因此，最好包含总结性评价和形成性评价。评价主体和评价方式需要多元化，小组互评、教师评价、学生自评、习题打分相结合。在学习过程中生成的过程性材料也可作为评价依据。人工智能素养中的AI能力强调学生具备跨学科能力和利用AI工具解决工作生活问题的能力。这是对学生问题迁移能力提出的要求。如何将解决一个问题拓展到一类问题，甚至是一个领域的问题，需要教师引导，做好反思与总结。

二、基于问题解决模型的人工智能课程教学设计实践

“智能垃圾分类机器人”一课，属于计算机视觉单元内容。学生在生活中或多或少接触过文字识别、人脸识别等技术。在创设问题情境时，可以导入垃圾分类这样的时事问题。在垃圾分类主题下有很多亟待解决的问题，通过学习单引导学生思考：利用人工智能技术是否可以解决垃圾识别的问题，督促居民正确投放垃圾，以及辅助垃圾转运（见图1）。

在表征问题和分解问题阶段，教师可以为学生提供功能与技术支架，通过开放式的问题辅助学生思考垃圾分类会使用到的人工智能技术（见图2）。同时，学生带着解决问题的兴趣，学习与计算机视觉相关的文字识别技术、人脸识别技术、物体识别技术等原理。

在生成问题解决方案阶段，引导学生以小组为单位合作完成功能思维导图，制作小组分工表。思维导图既可以使用纸笔制作，也可以使用xmind软件制作（见图3）。为了使学生能够获得更多角度的思考，小组之间可以进行一个简单的创意分享和评价。方案的优化与迭代伴随着整个问题解决过程。问题抛出时的初步方案，需要在实际测试中验证其效力。因此，教师不必在学生设计过程中过多干涉。对于垃圾分类机器人，学生不免有很多天马行空的创意，保留这些创意可以让学生的作品更具有独特性。在方案验证阶段，部分功能可能由于技术问题或者思考不充分的原因被否决，学生可记录此阶段产生的变动。

在评价与反思环节，教师从信息获取与处理能力维度，对学生问题分析的结论进行评价，关注学生信息搜集、处理和归纳的过程。从创新能力角度，横向对比各小组的作品设计方案，纵向深挖问题解决方案完成评价。对于问题解决能力的评价，则要上升到思维层面，从方案的适用面、问题解决流程的完整性等角度给出评价。展示与分享环节主要锻炼的是学生的批判性思维和表达能力，能够在小组中合作完成全部任务，得到小组成员的认可，对其他小组的作品给出恰当的评价，说明学生已经能够站在更高的角度审视问题（见表2）。教师可以对学生的智能垃圾分类机器人进行综合点评，并将问题进一步拓展。

三、结语

智能时代技术的革新，对学生思维和素养水平的要求逐渐提升。而隐藏在计算思维、智能素养背后的，其实是学生用智能技术解决问题的能力。学生需要具备的不仅仅是把问题拆解、细化的能力，同时也需要能够将人工智能技术与实际问题相匹配，抽象出计算机可以处理的数字化特征，通过对各种数据信息资源进行科学的分析，设计合理高效的算法，用更尖端的人工智能技术，解决原有知识基础无法解决的问题。基于问题解决模型的人工智能课程更贴合现阶段学生培养方向，在教学中根植问题解决思想，让学生在解决实际问题的过程中潜移默化得到能力和核心素养的全面提升。

参考文献：

[1]国发[2017]35号.新一代人工智能发展规划[Z].2017-07-08

[2]Jeannette M. Wing. Computational thinking[J]. Communications of the ACM， 2006，49（3）：33-35.

[3]Bransford J D，  Stein B S . The Ideal Problem Solver[M].New York：w.H.Freeman.1983.

[4]Blunden， Audrey. Problem-Based Learning and Its Application to In-House Law Firm Training[J].J.prof.legal Educ， 1990.

[5]袁维新.国外关于问题解决的研究及其教学意义[J].心理科学，2011，34（3）：636-641.

[6]胥兴春，刘电芝.问题表征方式与数学问题解决的研究[J].心理科学进展，2002（3）：264-269.

[7]梁宁建，杨志勇，张增修.问题解决策略的元认知研究[J].心理科学，2001，24（3）：280-282+381.