义教阶段基于计算思维能力培养的人工智能教学实践 路径探索

摘要：本文在对计算思维与人工智能教学辩证关系理解的基础上，明确了义教阶段人工智能教学的主要内容和方向，并针对近四年的优秀案例进行课例分析，明确当下急需解决的问题是要结合新课标构建普适性的操作教学路径。此外，本文还提出了六种常见的人工智能教学模式，并对核心教学内容和实施框架做了概要总结。

关键词：人工智能教学；计算思维；技术路径

中图分类号：G434  文献标识码：A  论文编号：1674-2117（2025）08-0038-06

当前，社会各界对人工智能教学的关注度持续攀升，教育领域积极应变，诸多政策文件为其赋能。在人工智能赋能教育，促进教育提质增效的同时，如何提高中小学生应用人工智能技术的能力，以适应时代的发展？如何在中小学普及相关知识和方法，与信息科技学科教学结合开展教学实践？本研究紧扣人工智能教学实践，深入剖析教学现状，探寻创新策略，力求为人工智能教育落地开花铺就坦途。

核心概念界定与问题聚焦

①计算思维。计算思维是个体运用计算机科学领域的思想方法，在形成问题解决方案的过程中产生的一系列思维活动。

②人工智能教学。人工智能教学是在信息科技学科教学中引入人工智能相关知识，引导学生获得知识、技能、应用能力以及相关意识、伦理等方面的内容。

③人工智能教学与计算思维的关系理解。通过人工智能教学实践活动提升学生的计算思维能力，构建可实施、可落地的方案。

④人工智能教学与信息科技教学之间的关系。鉴于上述问题描述，将研究的具体问题界定为“如何在中小学信息科技教学活动中引入人工智能教学相关内容”，重点发展和培养学生的计算思维能力。本研究主要参考《义务教育信息科技课程标准（2022年版）》（以下简称“新课标”）的具体要求，在初中阶段关注新课标“人工智能与社会”模块的实施。由于在小学阶段新课标没有明确规定人工智能教学的具体内容，因此，本研究主要聚焦“身边的算法”“过程与控制”两个模块，结合新课标中六大逻辑主线之一的“人工智能”，将其与具体模块内容进行融合，开展实践研究。

案例分析与实施问题梳理

笔者所在课题组从征集的教学设计（2021-2024）中挑选人工智能相关内容39节（小学18节、初中11节、高中10节），通过对教学设计文本以及录像课的解读，从教学内容、技术路径、教学实施等方面进行案例分析与问题梳理。

1.教学内容的选择

根据授课类型，对内容进行分类，结果如下页表1所示。

义务教育阶段主要聚焦人工智能典型应用案例，如关注图像识别、语音识别等技术应用产品的使用场景。教师使用的教学内容与相关资料往往从生活中的案例、应用与模型入手，侧重人工智能系统的工作过程和具体实施步骤，操作层面注重落实功能的体验与复现。高中阶段则更加聚焦功能背后的原理探究，关注基于机器学习与大数据支持的人工智能技术发展，部分教师注重落实数学知识在算法实施与模型构建中的作用，通过编程活动完善对问题的设计、体验与实践。

通过观察不同学段的实施情况，初步得到如下结论：

①小学阶段对人工智能的学习热情较高，聚焦人工智能场景和产品的使用操作。

②初中参与度较低，内容与小学没有太多区别，使用的技术和方法也差别不大，教学很难切实做到承上启下。

③高中教学逐步侧重人工智能的基本原理、基础算法等，与小学内容跨度大，与初中内容衔接性不强，三段之间的教学处于割裂状态。

2.技术路径实施过程

对中小学生而言，人工智能开发过程主要借助于人工智能封装指令的形式来完成。核心的算法、算力在云端完成，通过封装的人工智能指令完成数据采集、上传、获取返回值等操作，具体工作模式如图1所示。

义务教育阶段广大师生主要使用图形化编程平台为实践工具，采用开发人机交互程序、开源硬件交互等方式，利用带有人工智能功能的指令积木实现功能复现。高中阶段主要使用Python语言通过接口调用的方式将各类功能落地。在后续的研究中，关注进一步降低技术成本和使用难度，借助人工智能指令和二次开发的工具，为广大教师构建通用的操作范式，降低资源设计的成本，实现人工智能项目原理的可视化操作。

3.教学实施的一般路径

通过分析教学设计文本得到如下高频词——场景、体验、探究、复现、创新，这些词汇构成当前人工智能教学实践的一般路径。

场景：包括人工智能技术的体验、应用的环境及背景等，通过实体体验，提出问题、猜想和质疑，达到项目引入、内容激趣、经验唤醒等目的，以保证后续教学活动的顺利实施。

体验：学生通过切实的操作感受人工智能程序服务的完整过程，促进技术启蒙，引导其更好地提出问题，建立学习桥梁。

探究：教师带领学生通过探究实验等方式关注人工智能技术背后的工作原理和相关知识，从执行过程到算法层面，都可以作为实践和探究的对象。

复现：利用图形化或纯代码编程工具对核心功能进行实现，复现某些活动的关键情景，强调问题的技术解决路径和实践方法。

创新：对人工智能项目进一步思考和再次升级，对相关问题进行拓展和引申，能够把求解思路迁移至同质问题，拓展问题思考和发展空间。

从实践层面看，虽然构建通用路径比较清晰，但在实施过程中，缺乏落地技术支撑，技术与知识壁垒的桎梏限制了实施空间，因此，在教学实施过程中还需要将问题细化，进一步拆分成场景化任务，构建通用的实践方案和模式。

新课标下的教学实践路径

笔者所在课题组围绕上述概念，整理了如下六种不同的人工智能教学活动的课型与教学模式。

1.与算法程序设计相结合的人工智能应用探究

与算法模块结合，分析常见的人工智能应用场景，将算法与编程实践引入，探讨原理问题。针对复杂场景降低难度，转化问题，从算法设计角度考虑场景应用背后的对象、数据，以及它们之间的逻辑关系；利用生成的结果设计人工智能应用。具体操作模式如图2所示。

在教学过程中，教师可以开展实验探究活动，利用列表存储数据，通过调参、编写部分代码等方式，引导学生观察数据变化、猜测分析结论，通过已有知识对未知知识进行探索预测。教师可以尝试开发人机语音成语接龙（列表管理数据）、声控灯（关键词索引）、KNN算法（公式计算）等案例。

2.过程与控制学习情境下的人工智能应用探究

从“过程与控制”模块核心问题入手，深入挖掘控制系统的三个典型环节，关注输入、计算、输出三个过程中的人工智能要素，针对教学活动可以从分析控制系统三个典型环节、探索指令理解过程、探索指令应用过程三个层次入手探寻其中的人工智能要素。具体构建环节如图3所示。

在计算环节，可以重点关注指令理解的过程，从常见的逻辑运算，逐渐过渡到图像、声音、文本语义等人工智能技术处理数据的一般过程，挖掘现象背后的特征数据及其价值。活动中可以利用开源平台或OpenCV等可视化工具，可视化信息的数据化过程，关注计算过程的“智能化”处理。

3.开源平台的数据训练探究

利用开源数据平台，开展实验探究，深入探讨机器学习的全过程。具体来说，教师要重点关注数据训练和数据应用两个过程，完成基础实验。教师在准备实验教学的过程中，需要准备两部分的内容，具体如下页表2所示。

在教学过程中，教师要引导学生将其分成数据训练、数据测试、数据应用三部分进行。以体重识别为例，基于平台的训练过程如下页图4所示。

①场景引入，设计训练数据集。通过引入人工智能场景，明确需要智能体学习的数据，教师要教授学生准备数据和处理数据的一般方法，使用CSV或者Excel文件存数据。

②设计实验方案，完成模型生成。利用图形化平台自带的模型训练或使用开源人工智能服务平台将前期准备的训练数据导入，完成数据模型训练。

③设计测试过程，通过新数据探求训练效果。指导学生准备测试集，对模型效果进行评估，理解机器学习由已知发现未知的一般过程。测试是学生在实践过程中容易忽视的一步，学生往往通过模型反馈的置信度去评估模型的优劣，忽视置信度推测和验证，这些都应在实验教学中进行补充。

④对模型进行后期应用。引导学生利用模型进行应用，完成简单的人机交互和判定系统，并对效果进行判断分析，最终将模型引入到应用程序中。

4.从IOT到AIOT开发——人工智能模块应用

在物联网开发项目中，添加人工智能要素，从IOT内容逐步过渡到AIOT，实现物联网与人工智能两个模块的整合。以物联网应用的通信协议（MQTT协议）为核心框架，充分挖掘其人工智能相关功能，如图5所示呈现了智能门禁的操作模型，其逻辑可以供普适性AIOT项目参考。

在教学中可以遵循如下方式展开：

①确定MQTT协议关系，明确发布者、订阅者、云平台三者关系。

②分别从发布者和订阅者两端考虑添加智能要素，明确采集和响应数据的方式。

③模拟实现还原情境，学校可以根据自己的条件选择开源硬件和虚拟环境两种方式实践，利用开源硬件接入物联网或使用虚拟环境加摄像头、麦克风与PC电脑结合简化复现场景。

④进一步整理AIOT系统的搭建方法，将项目进行拓展与迁移，如引入其他智能设备，服务场景创新等。

5.从IOT到AIOT开发——远程智能助手接入

在物联网应用过程中，远程控制在义务教育阶段作为首选内容为广大师生所接受。以物联网远程控制为核心，设计智能终端助手的方式也可以作为一种特殊的AIOT教学内容独立存在，设计远程控制系统的模型如下页图6所示。

①教学中首先进行模块化分解，即将控制端（手机）、云平台端（物联网平台）、接收端（命令响应端）进行解耦分解。

②明确各部件功能，分析其在物联网传输体系中的作用，如控制方式（手机APP开发）、指令网络传输（MQTT传输协议）、指令理解与接收（接收者程序开发）。

③在控制端添加人工智能要素，如语音指令、人脸识别要素、图像识别要素等，并思考传输的具体数据和方法。

④考虑指令的进一步处理方式（是否在控制端进行处理）、传输方式（如何将智能设备采集到的信息转换为远程消息进行传递）。

⑤对传输指令的理解、处理、分析，如对智能语音指令进行语义理解、对采集的人脸数据进行反馈等。

6.人工智能游戏模型训练

通过游戏视角，自主设计人工智能游戏模型，体验大模型领域的应用过程。在设计人工智能游戏角色过程中，首先明确游戏训练的两种方式——监督学习和强化学习，在此基础上，以开发游戏为背景进行学科教学渗透。具体的设计方法如图7所示。

监督学习主要依赖对操作数据进行标签设计，建立明确的操作和特征数据的关系，构建基础模型，完成调用。设计游戏的基本路径遵循如下思路：

①构建情境。明确人工智能角色需要完成的动作。

②动作函数设计。用函数实现角色动作，方便调用。

③明确人工智能特征数据。角色设计过程通常考虑横纵坐标差、状态值等问题，需要根据情景抽象。

④人工训练。通过反复操作，记录特征点和动作的关系形成训练数据。

⑤生成训练模型。利用开源工具对相关数据进行训练，完成模型设计。

⑥应用模型，完成评估。调用模型，通过在特定场景下自主游戏，对游戏效果做出分析与评估。

强化学习和监督学习不同，教师在授课过程中要引导学生将更多的精力聚焦在试错和优势模型保留上。具体考虑如下问题：

①构建情境。明确人工智能需要完成的动作。

②确定规则。在程序中描述角色胜利的条件，撰写逻辑表达式。

③补充强化学习模型代码。动作和胜利条件。