面向智能素养培育的人工智能教学实践

摘要

围绕中小学生智能素养培养，在界定智能素养概念的基础上，构建了以真实问题解决为导向的教学设计模型，并以“言听计从的小夜灯”为教学案例，通过“创设情境，发布主题”“感知体验，发现问题”“提供支架，理解原理”“模型训练，初识智能技术”“模型评估，再识智能技术”“算法设计，部署应用”6个环节的教学实践，对模型进行了验证。

Graphical abstract

关键词

智能素养 / 人工智能教学 / 小夜灯 / 项目式学习 / 教学设计模型

《中小学人工智能课程指南》（以下简称《指南》）明确了智能意识、智能思维、智能应用与创造、智能社会责任为人工智能课程核心素养。中小学生在步入社会后将面临高度智能化的时代，因此，开展青少年学生人工智能科普教育，提升他们的智能素养，直接决定着其在未来人工智能社会的生存和竞争能力。当前，国内外学者对中小学人工智能教育的目标定位颇具共识，即它并非人工智能专业人才的培养，也并非少数人的教育，而是提升未来公民均需掌握的基本生存能力——人工智能素养^［1］。中小学人工智能课程是一门旨在全面提升学生人工智能素养，帮助学生掌握人工智能技术基础知识与技能，增强智能意识，激发智能思维，提升智能应用与创造能力，培养智能社会责任的基础课程^［2］。

然而，现阶段的中小学人工智能课程为了降低学习难度，对“模型”进行了封装，让学生绕开“模型训练”等过程性学习，专注于通过调用预训练好的硬件模块或软件接口解决真实问题。从根本上讲，此类课程更贴近编程教育的范畴，而非完全的人工智能教育。正因如此，课程有利于学生问题解决能力的培养，但学生并未真正触及人工智能技术，不利于其智能素养的提升。

1 中小学人工智能素养概述

《指南》将智能意识、智能思维、智能应用与创造、智能社会责任列为中小学人工智能素养，是学生在接受人工智能教育过程中逐步形成的关于人工智能的知识与技能、过程与方法、情感态度与价值观的综合表现^［3］。具体而言，智能意识是指个体对人工智能的敏感度、理解力和价值判断。具备智能意识的学生，能够正确识别并理解人工智能技术在不同应用场景中的作用与价值；智能思维则要求学生能够运用技术方法分析界定问题、处理数据、选取或创造算法并形成解决方案；智能应用与创造强调评估并选用合适的人工智能资源与应用工具，进行有效沟通和合作，解决实际问题；智能社会要求学生理解人工智能的社会影响，具备数据安全意识和伦理道德准则，对新技术持积极学习、理性判断和负责行动的态度。

2 面向智能素养培育的人工智能教学设计模型

面向智能素养培育的人工智能教学设计，以真实的问题解决为导向，以学科核心素养为出发点和落脚点，教学设计通过明暗两条线交织推进，明线清晰展现从“创设情境，发布主题”的启迪之初，历经“感知体验，发现问题”“提供支架，理解原理”“模型训练，初始智能技术”“模型评估，再识智能技术”，直至“算法设计，部署应用”共6个循序渐进的教学环节，为学生铺设了一条从认知到应用的深度学习之路。暗线则渗透着智能意识、智能思维、智能应用与创造以及智能社会责任等智能化素养的培养，贯穿于教学活动的6个关键教学环节。同时，教学设计模型以项目式学习的方式，让学生亲历发现问题、设计方案、解决问题的全过程，让学生在“做中学、用中学、创中学”的思想指导下不断成长。基于上述分析，笔者构建了面向中学生智能素养培育的人工智能教学设计模型，如图1所示。

3 面向智能素养培育的人工智能教学实践：“言听计从的小夜灯”

3.1 创设情境，发布主题

教师以现实情境中的真实问题为任务切入点，创设贴近学生生活的问题情境，并提出驱动性问题，以此激发学生的学习兴趣。以“言听计从的小夜灯”为例，其问题情境的创设过程如下：起夜是每个人的日常需求，而在农村漆黑的夜晚，小夜灯是不可或缺的工具。请同学们思考传统“按钮灯”与“声控”小夜灯在便捷性、智能性以及人性化等方面存在的局限性，并适时提出驱动性议题：请从用户的角度考虑，如何让小夜灯变得更加人性化、智能化？以此激发学生对技术创新与改进的浓厚兴趣。

【设计意图】教师通过情境创设提出驱动性问题，不仅为学生搭建了一个从现实问题出发，指向人工智能素养培育的学习之路，还为他们后续的深入研究与探究活动奠定了坚实的情感基础与认知框架。

3.2 感知体验，发现问题

为了让学生更直观地感受智能控制的魅力，教师课前准备了自制的“小夜灯”实物教具，并在课中邀请学生上台操作体验。启动设备，学生输入“小度”指令唤醒设备，当行空板显示“主人我在”时，说明设备已唤醒，当学生再次输入语音指令——“开灯”“关灯”时，设备便会迅速做出响应，显示屏显示相关内容，同时，LED灯被“点亮”或“关闭”。随后，教师要求学生输入指令“变亮”和“变暗”，发现“小夜灯”没有任何反应，教师顺势提出问题：如何让小夜灯具有更多的功能，如“变亮”和“变暗”？

【设计意图】通过本教学环节的体验感知，教师引导学生主动发现当前作品的不足和缺陷，进而强调“模型”在人工智能问题解决中的重要性，为后续的模型训练、优化作品做准备，在此过程中渗透智能素养的培育。

3.3 提供支架，扫清盲区

让“小夜灯”言听计从，就需要让机器听懂人说话，这就是机器学习。为了让学生深刻理解该部分内容，教师为学生提供了多种形式的学习支架，包括理论支架和技术支架等。其中理论支架以文本的形式，通过类比人类学习过程让学生理解机器学习，而技术支架则采用微课形式，直观展示了如何利用无代码模型训练工具——“上海浦育平台”，完成从数据收集、模型训练到效果评估的完整流程。

【设计意图】这一系列学习支架旨在让学生通过自主学习，揭开机器学习的神秘面纱，从而确保学生在理论认知与实践操作间的无缝衔接，为后续自主进行模型训练做准备，为智能思维培养奠定基础。

3.4 模型训练，初识智能技术

通过教学环节二的感知体验，学生已经深知“模型”是使得“小夜灯”具有更多功能的关键所在。为了赋予“小夜灯”更多的功能，关键在于依据用户多元化需求进行模型训练。学生根据教师提供的学习支架，收集数据，训练模型。操作流程如下：“打开平台”→“选择AI体验”→“选择语言分类”→“修改分类名称”→“开始录音”→“提取样本”→“开始训练”→“模型评估”→“下载保存模型”。值得一提的是，学生在收集声音数据时，教师应提醒学生尽量收集不同的声音数据，以保证样本数据的丰富程度，如加快语速、放慢语速等。

【设计意图】通过本环节的探索与实践，学生亲身体验了如何依托平台进行模型训练的过程，深刻理解了“模型”在人工智能解决问题过程中的关键性作用，有效培养了学生的智能思维。

3.5 模型评估，再识智能技术

为了检验模型的实施效果，教师指导学生输入多样化的语料，即通过输入全新的涵盖不同语速、音量等关键要素的语音指令，以此来检验模型的识别与适应能力。基于实时反馈的评估结果，学生可以进行多轮次迭代优化，直至模型能在更复杂的条件下稳定运行。

3.6 设计算法，部署应用

训练模型的目的是迁移应用，教师引导学生将前期训练并评估优化后的模型，部署到行空板上，以实现模型的迁移应用。学生需要先根据项目需求，选择硬件模块并搭建硬件，以“言听计从的小夜灯”项目为例，需要的硬件设备有行空板、LED灯。接下来进行算法设计，最终实现智能小夜灯的语音控制功能。

4 结语

探讨了以“言听计从的小夜灯”项目为载体，面向中小学智能素养培育的人工智能教学实践路径。从创设情境、发布主题以激发学生的学习兴趣，到感知体验、提出问题以引导学生主动发现不足，再到提供多种学习支架帮助学生深入理解人工智能原理，直至模型训练、评估与优化，最终设计算法并部署应用，这一系列教学环节层层递进，通过“做中学、用中学、创中学”将智能意识、智能思维、智能应用与创造、智能社会责任等智能素养的培育贯穿于整个教学过程中。实践证明，该路径不仅能够有效激发学生的学习兴趣，还能显著提升他们的智能素养，为他们在未来高度智能化的社会中具备更强的生存力和职场竞争力奠定坚实基础。

研究聚焦人工智能与跨学科教学的融合，旨在探索如何通过跨学科的方式，将人工智能技术与其他学科知识有效整合，以培养学生的高阶思维、核心素养和关键能力。然而，教师也要清醒地认识到，目前关于基于人工智能的跨学科融合教学的实证研究尚显不足。未来，教师需要进一步开展实证研究，验证这种教学方法的实际效果，探索如何在实际教学中广泛应用。同时，教师还需要关注如何进一步优化基于人工智能的教学设计流程，提升教学的针对性和有效性。展望未来，基于人工智能的跨学科融合教学将成为教育领域的重要发展方向。笔者期待通过持续的研究和实践，能够培养出更多具备创新能力和跨学科素养的未来人才，为智能时代的发展贡献力量。

参考文献

[1] 钟柏昌，顾荣桢.中小学人工智能教育的五级框架：以“停车场自动抬杆系统的优化”案例为例［J］.中国科技教育，2024（04）：14-20.

[2] 中小学人工智能课程指南课题组.中小学人工智能课程指南［J］.华东师范大学学报（教育科学版），2023，41（03）：121-134.

[3] 郭御，单昌功.面向核心素养的中学生人工智能课程教学设计［J］.科技风，2023（21）：28-30. （上接第116页）

[4] 展现的思维过程、问题解决能力和协作精神等多方面的能力。

[5] 基于证据的教学评估，强调通过科学方法收集学生的学习证据。这些证据可以来源于学生的学习历程档案、作品展示、课堂讨论、项目合作等多个方面。通过对这些证据的收集和分析，教师能够更全面地了解学生的学习情况，更准确地评估他们的能力发展。全过程评估的特点在于它关注学生学习过程的每一个环节。从课前预习到课堂互动，再到课后复习和项目实践，每一个环节都被纳入评估的范畴。这种评估方式能够持续、实时地观察学生的学习状态，真实展现他们的潜在活动和心理状态变化。

[6] 此外，基于证据的全过程评估还强调学习成果的可验证性。通过采用客观、量化的评估指标和方法，教师能够更精确地描述和分析学生的学习成果。这种评估方式不仅能够减少主观判断的偏差，提高评估的准确性和公正性，还能够为教学改进提供有力的数据支持。总之，基于证据的全过程教学评估是跨学科融合教学中不可或缺的一环，它不仅能够全面、准确地评估学生的能力发展，还能够为教学改进提供有力的数据支持［2］。

[7] 结语

基金资助

甘肃省教育厅2025年大中小学课程教材和语言文字专项研究课题“基于‘可解释AI’高中人工智能通识课程设计与实施研究”(GFYJ_Y2025493)

2024年度江苏省教育科学规划重点课题“人工智能支持下的普通高中情境教学实践研究”(B-b/2024/03/136)

“中小学AI伦理教育的模式构建与实施策略研究”(B-b/2024/03/39)