任昕

摘要：人工智能教學是目前教育領域的熱點議題，隨著《普通高中信息技術課程標準（2017年版）》的發(fā)布，人工智能教學在高中階段如何開展也引發(fā)了強烈的關注和討論。本文以新課標中人工智能學習要求為基礎，基于百度AI開放平臺實施人工智能的項目學習，探討高中信息技術課程中人工智能教學的展開形式，并進行反思。

關鍵詞：人工智能教學；高中信息技術教學；項目學習

中圖分類號：G434 文獻標識碼：A 論文編號：1674-2117（2019）08-0052-04

人工智能是當今社會的熱點議題，它的一舉一動都牽動著全世界的神經，很多國家已將人工智能的相關研究提升到國家戰(zhàn)略層次。2017年7月，國務院印發(fā)并實施了《新一代人工智能發(fā)展規(guī)劃》，文件中指出要實施全民智能教育項目，在中小學階段設置人工智能相關課程，逐步推廣編程教育。在《普通高中信息技術課程標準（2017年版）》中，除了人工智能的內容在必修模塊有所體現之外，“人工智能初步”也作為選擇性必修模塊出現。由此可見，在高中階段開展人工智能的教學是時代發(fā)展和科技進步的必然趨勢，但人工智能的課程在高中階段該用一種什么樣的形式開展，值得每位一線教師思考。

新課標中人工智能學習的要求

在《普通高中信息技術課程標準（2017年版）》中，人工智能出現在必修的“數據與計算”模塊，并單獨作為選擇性必修的模塊之一。要設計適合高中階段的人工智能教學課程，首先需要仔細解讀新課標中對人工智能學習的要求。

必修模塊中的人工智能學業(yè)要求是：了解人工智能技術，認識人工智能在信息社會中的重要作用。在選擇性必修中，對人工智能模塊的學業(yè)要求除了了解人工智能的特征、發(fā)展進程之外，還需借助人工智能的開源平臺和框架，來自主搭建簡易的智能系統(tǒng)，并在學習和生活中能恰當加以運用，對人工智能的發(fā)展能保持客觀理性的態(tài)度。

根據課標對人工智能學業(yè)要求的描述，可以發(fā)現必修模塊注重的是學生在各種場景中對人工智能技術的體驗，并從中形成自己對技術發(fā)展的看法。選擇性必修模塊則將這種體驗過程上升到更為理性的理論層面和更為具體的實踐層面，學生需要了解人工智能的核心算法，并借助一定的平臺搭建人工智能的應用模塊，實現知識和方法層面的內容，親歷開發(fā)智能系統(tǒng)的過程。

AI開放平臺有助于人工智能教學的開展

學習人工智能不是一味地引發(fā)對技術的膜拜，而是要學生了解場景中的應用如何從技術中來，知道在熱鬧的表象背后蘊含著哪些基本原理，要通過自己的體驗去感受技術之間的聯(lián)系。深入地學習人工智能需要很多的專業(yè)知識，如特征提取、神經網絡、深度學習等，同時，也需要一定的數學知識，如線性代數、微積分、概率統(tǒng)計等。但是，以上這些知識對大部分高中生而言要求偏高，因此在教學中深究人工智能的算法和模型的建立、訓練及改進過程對學生而言難度較大。

基于上述原因，需要找到恰當的切入點來使人工智能的學習活動得到有效的開展?，F在，很多互聯(lián)網公司都有AI開放平臺，提供了支持不同功能的API開放接口，用戶在開發(fā)智能應用時，直接調用平臺的代碼就可以實現相應的人工智能技術。因此，在教學中，教師可以通過項目學習的方式，基于一定的編程語言，結合具體的案例，如開發(fā)語音識別程序、開發(fā)人臉匹配程序等，讓學生體驗把人工智能變成現實的過程。學生在這一過程中，并不需要掌握人工智能部分的算法，只需將API接口的開源代碼放在自己設計的程序的合適位置即可。教師還可以提供給學生半成品代碼，學生通過修改和完善功能模塊的代碼，體驗開發(fā)人工智能應用的過程，理解不同模塊間的邏輯關系，了解技術背后的生成過程。

項目案例——情感傾向分析項目

1.學情分析

學生在本項目之前，已具備一定的Python學習基礎，已習得Python的主要數據類型（數值、文本、列表、字典），以及選擇結構、循環(huán)結構的用法。學生在本項目中，將基于Python編程語言，通過修改和完善百度AI開放平臺的開源代碼模板，體驗開發(fā)智能程序的過程。

2.項目學習活動過程

（1）項目情境

R教師在進行人工智能教學后，請全班學生用記事本程序寫下本節(jié)課的學習反饋，目的是通過閱讀這些反饋，了解學生對這節(jié)課的評價情況?，F在R教師遇到一個問題，如果逐個打開文件去查看反饋太耗費時間，而且每個學生的反饋傾向也不同，不利于分類了解情況。R教師急需一個智能程序，批量讀取學生的反饋，并根據文本內容的情感傾向，自動對內容進行分類，方便了解上課效果。

（2）理論介紹

教師引入自然語言處理技術，簡介情感分析技術：情感分析是一種常見的自然語言處理方法的應用，特別是在以提取文本的情感內容為目標的分類方法中，可以利用情感得分指標來判斷一段文本的情感傾向是積極還是消極。學生在了解基本的理論知識后，對如何獲得情感傾向分析產生探究興趣。

（3）剖析項目，在半成品基礎上初步搭建模塊

①剖析項目模塊需求。引入百度AI平臺介紹，引導學生在平臺建立相應的應用，并閱讀情感傾向分析接口的技術說明文檔，分析項目需要的數據和關鍵參數，確定程序中的不同功能模塊，如上頁表1所示。

②思考并完善get_token（）模塊代碼。百度的技術文檔提供了獲取access_token的代碼樣例，這一環(huán)節(jié)將半成品提供給學生，學生只需將自己建立的智能應用的API Key與Secret Key替換進去即可。同時，在調試過程中，引導學生觀察返回值result的詳細結構，確定需要從中提取的鍵名稱，進一步完善代碼，詳細代碼如上頁圖1所示。

③思考并完善judge_sentiment（）模塊代碼。獲得情感傾向分析數據模塊的搭建過程，也采取提供半成品的方式，學生通過觀察技術文檔的返回示例（如上頁圖2），查看返回結果，發(fā)現返回的是一個字典數據。教師引導學生觀察示例說明，發(fā)現items鍵的值就是情感分析的結果數據，數據中的sentiment的值表示情感的極性分類（值為2表示積極，值為1表示中性，值為0表示消極），positive_prob的值表示內容正面的概率，negative_prob的值表示內容負面的概率。如返回示例所示，該文本是一個情感傾向積極的內容，且積極概率為0.73，消極概率為0.27。

因此，在返回數據中取出items鍵的數據，就獲得了情感傾向分析的詳細數據，學生據此將judge_sentiment（）模塊的代碼補充完整，詳細代碼如P53圖3所示。

（4）進一步搭建項目模塊——批量分析多個文本的情感傾向

搭建好以上兩個模塊后，引發(fā)學生思考如何將數據與主函數聯(lián)系起來。如表2所示，教師引導學生先將問題細化，再思考代碼如何實現，詳細代碼如上頁圖4所示（假設收到的學生評價文件是10個）。

運行程序，效果如上頁圖5所示，引發(fā)學生思考：這樣雖然能看見每一個評價內容的詳細參數，但是作為用戶，更希望看到按照情感傾向分類后的結果，該如何解決？

（5）完善項目——基于情感傾向對文本內容分類

為了使程序滿足用戶的需求，學生需要進一步完善項目，解決對評價進行分類的問題。教師引導學生按照表3的思路，對問題進行分析，并思考相應的解決方法。學生將思路整理出來后，完善代碼實現功能，詳細代碼如上頁圖6所示，程序運行的最終效果如上頁圖7所示。

（6）理論升華與討論

程序運行成功后，引導學生思考：在此基礎上還可以如何優(yōu)化本項目？例如，統(tǒng)計積極反饋的百分比，或按照置信度對反饋進行排序等。同時，引發(fā)學生討論：情感傾向分析還可以在哪些領域發(fā)揮作用？可能會存在什么樣的問題？

反思

由于學生平時接觸開發(fā)人工智能程序的機會不多，為了降低學生的認知難度，本次項目學習活動的情境與生活實際相聯(lián)系，對原理的簡介也都圍繞著項目中發(fā)散出的問題進行，從感性經驗自然過渡到理性提升。

本項目學習活動重在讓學生體驗人工智能程序的實現過程，并不涉及人工智能建立模型的算法，在模塊中代碼較為復雜的部分，以半成品的方式提供給學生，適當降低探究過程的難度，使學生易于理解和掌握人工智能的相關知識，有助于提升學生學習的成就感。

由于完成本項目需要一定的Python語言基礎，所以在開展項目活動前，教師要先對項目中需要哪些Python知識了如指掌，同時也要充分了解學生的Python學習情況，這樣才可以確定在項目活動中要為學生提供哪些學習支架資源。

本項目為學生提供了Python語法學件，主要用于幫助學生回顧知識，如字典數據和列表數據的特點，以及幾種控制結構的特點。需要注意的是，項目活動的重點是學生體驗人工智能程序開發(fā)的過程，而不是Python編程的教學，Python編程在這里只是一種手段，所以在項目開展的過程中，重點要放在引導學生思考和理解每個模塊的作用，以及模塊間的邏輯關系上。

結語

人工智能教學已經向課堂走來，在當前課程資源并不豐富的情況下，一線教師要不斷學習新的知識與技術，更新與提升自身的專業(yè)知識水平，積極設計與實踐人工智能教學的項目案例，以此培養(yǎng)學生獨立思考的習慣和問題解決的能力，從而使其在未來可以積極并理性地用技術去探索世界。