【摘 要】為服務國家戰(zhàn)略前沿的頂層設計，探索符合國情、基礎教育學情、學生發(fā)展特點且能夠促進學生核心素養(yǎng)、具有推廣輻射價值的，面向未來高階能力和智能素養(yǎng)的中學跨學科人工智能課程體系建設與教學實施實踐經(jīng)驗，本文以人工智能領域的思想和方法等作為跨學科課程教學內(nèi)容，基于核心素養(yǎng)培養(yǎng)，進行人工智能+物理的跨學科創(chuàng)新課程教學設計與實施，為人工智能交叉賦能的中學跨學科創(chuàng)新教學實踐提供經(jīng)驗與借鑒。

【關鍵詞】核心素養(yǎng)；跨學科；人工智能；物理

【中圖分類號】G434 【文獻標志碼】A

【論文編號】1671-7384（2024）07-009-03

跨學科系列課程設計

1.基于核心素養(yǎng)培養(yǎng)的設計目標

結(jié)合人工智能教育現(xiàn)狀和國家課程標準，基于人民大學附屬中學人工智能跨學科的實際教學情況和學生知識水平，我們從高中信息技術(shù)和物理學科的學生核心素養(yǎng)出發(fā)，以跨學科核心素養(yǎng)培養(yǎng)為設計目標，進行人工智能+物理的跨學科系列課程設計。其中信息技術(shù)學科在獲取與處理信息、建立模型和數(shù)據(jù)分析、數(shù)字化學習與創(chuàng)新等方面，提出了核心素養(yǎng)的培養(yǎng)要求，而模型建構(gòu)、獲取和處理信息等也是物理學科學生核心素養(yǎng)培養(yǎng)的重要方面，由此提煉出“模型”和“數(shù)據(jù)”這兩個跨學科的共性和交叉點。

2.建立由淺入深的課程體系

基于學生核心素養(yǎng)培養(yǎng)的設計目標，面向真實問題，設定跨學科系列課程的主題為“模型建構(gòu)與數(shù)據(jù)分析”。從高中物理課堂上的真實問題出發(fā)，如面對復雜非線性模型被理想化、實驗不好做或不能做、學生所學知識技能與現(xiàn)實情境問題求解思路有較大偏差等情況，以人工智能為核心概念，以選修物理的學生為主體，在不要求更多人工智能學習背景的前提下，將人工智能的學科基礎、核心思想及內(nèi)涵外延，科學創(chuàng)新地變換滲透到中學物理知識體系內(nèi)，建立由淺入深的課程體系，逐步引導學生用跨學科創(chuàng)新思維解決現(xiàn)實問題。

3.實現(xiàn)人工智能+物理的跨學科課程解構(gòu)

從模型建構(gòu)來說，物理課堂上所講授的基本都是理想化的線性模型，即自變量與因變量之間滿足線性關系，很少涉及非線性模型或者解決現(xiàn)實問題所需的更加復雜的模型。從數(shù)據(jù)分析來說，學生對于手畫圖的操作方法非常熟悉，大部分學生也了解或使用過電子表格或其他工具，但是對基于真實情況獲取有效數(shù)據(jù)并更好地分析處理等方面缺乏認識。人工智能+物理的跨學科課程解構(gòu)，從學生感興趣且有真實體驗的問題出發(fā)，從已有模型和數(shù)據(jù)的簡單實踐引入并建立機器學習框架，然后通過計算成像概念探究跨學科思維和方法，最后引導學生在處理現(xiàn)實復雜問題時，學會人工智能與物理相結(jié)合的實踐應用。該系列課程為深度研究課，設計面向高中10年級學生，每節(jié)課都由信息技術(shù)和物理雙師授課，結(jié)構(gòu)如圖1所示。

跨學科系列課程實施

1.第一課：科學實驗中的數(shù)據(jù)分析

學生通過觀察帶有空氣阻力的落體運動，對情境進行初步建模。借助已有的實驗數(shù)據(jù)，通過人機兩種不同的數(shù)據(jù)分析手段，實際操作獲得最佳擬合線。借助數(shù)據(jù)分析中最佳擬合線的獲得過程，理解機器學習的框架，體驗跨學科中的模型建構(gòu)與數(shù)據(jù)分析。

引入情境：游戲視頻中的跳傘運動，即模擬真實情況的落體運動。

環(huán)節(jié)一：人機大戰(zhàn)。我們從模型和數(shù)據(jù)兩個維度，將學生分為四個小組，組織人機大戰(zhàn)，讓學生先實踐，通過畫最佳擬合線來尋找解釋數(shù)據(jù)的合理模型。在實踐中學生會發(fā)現(xiàn)機器在這個任務上做得很不錯，進一步引發(fā)學生學習的好奇心。環(huán)節(jié)二：解密最佳擬合。基于前面學生人機大戰(zhàn)的實驗結(jié)果，教師引導學生繼續(xù)探究，在此過程中解釋最佳擬合背后的“所以然”。尋找最佳線性擬合線的過程，就是通過調(diào)整擬合線的系數(shù)，使得在觀測到的真實數(shù)據(jù)上預測值與真實值的差距即均方差MSE最小，模擬機器學習的訓練過程。環(huán)節(jié)三：對訓練得到的模型進行測試。這是學生“檢驗”的過程，如何評價最佳擬合，判斷模型選取的好壞，以及理解什么樣的機器學習結(jié)果是真的好，是這一部分關注的內(nèi)容。本環(huán)節(jié)的設計是讓學生用新的數(shù)據(jù)來測試第一個環(huán)節(jié)中獲得的擬合模型，理解機器學習的測試過程。最后是教師總結(jié)并拓展。從機器學習的基本框架看人工智能前沿，讓學生感受到人工智能離自己并不遙遠，日常生活中比比皆是，在物理學習和科研方面也有非常多的應用。

2.第二課：科學分析中的計算成像

從打點計時器描述物體運動出發(fā)，展示建模獲取實驗數(shù)據(jù)的過程，借助運動視頻的處理分析，講述機器學習的基本框架。再面向?qū)嶋H問題“如何讓科學實驗圖像看得見和更清晰”，借助物理前沿以及算法原理，通過計算成像的跨學科鏈接，強化理解模型建構(gòu)與數(shù)據(jù)分析的重要性。

環(huán)節(jié)一（課堂引入）：測重力加速度的方法。教師展示打點計時器的實驗，從數(shù)據(jù)結(jié)果來看，打點數(shù)據(jù)無法描述真實運動物體形態(tài)——“看不見”；整個實驗過程費時費力，數(shù)據(jù)不容易獲取且時間精度很差，無法描述更加精細的運動——“看不清”。由此界定問題為：物理實驗如何才能看得見、看得清？環(huán)節(jié)二：視頻分析和機器學習原理及探索。從物理實踐角度，學生已經(jīng)在作業(yè)中嘗試過錄一段視頻測重力加速度的過程。本環(huán)節(jié)通過展示不同學生的處理方法，如手動標記并通過視頻軟件截圖記錄數(shù)據(jù)，或者將視頻導入Tracker軟件追蹤獲取位移和時間數(shù)據(jù)，還有學生利用Tracker程序自動跟蹤物體獲取數(shù)據(jù)并自動處理得到結(jié)果，體現(xiàn)由復雜到簡單、由人工到智能的解決問題方案。這背后的算法原理就是機器學習，借此強化機器學習的基本框架，并且引導學生從中體會到，得益于人工智能技術(shù)的助力，模型建構(gòu)與數(shù)據(jù)分析過程可以變得簡單直觀。但在實際物理實驗過程中，錄制的視頻還是會存在看不見或者看不清的情況。由學生討論，提出改善和提高物理實驗精度的需求，然后通過分析視頻成像如何產(chǎn)生以及怎么計算呈現(xiàn)等問題，找到從物理和人工智能兩個角度尋求解決問題的方案，引入以下兩個環(huán)節(jié)的內(nèi)容。環(huán)節(jié)三和環(huán)節(jié)四：從物理方法來講，通過高速攝影和阿秒激光的介紹，學生了解到借助物理前沿手段能夠解決光線的問題，即用更快速的頻閃激光拍照，可以讓看不見變?yōu)榭吹靡?。如何呈現(xiàn)出圖像，也就是成像，則需要從人工智能方法出發(fā)，以計算機建模為基礎，學生經(jīng)過進一步超分辨率重建的實踐探究，可以理解如何從看不清變?yōu)榭吹们?，并逐步探究計算成像的?nèi)涵與外延，強化跨學科知識綜合求解問題的思路。最后，基于以上環(huán)節(jié)，教師進行總結(jié)拓展，講述成像在物理實驗觀測中的重要性，而計算成像本身打破了傳統(tǒng)成像“所見即所得”的設計理念，是光學與計算的深度融合，也是天然的跨學科鏈接。實際科學研究中很多問題的突破往往都是學科間互相推動、共同作用產(chǎn)生的結(jié)果，由此加深學生對跨學科的理解和感悟。

這節(jié)課的重點是計算成像跨學科概念和人工智能+物理的跨學科求解問題思路，難點在于跨學科概念的深入與遷移，以及復雜問題中計算成像的理解。教學設計由簡單到復雜，由內(nèi)涵到外延，逐步引入計算成像的概念，在求解問題的過程中充分體現(xiàn)人工智能與物理兩個學科交叉與促進，幫助學生建立跨學科概念，培養(yǎng)利用跨學科知識和方法解決真實問題的能力。

3.第三課：從數(shù)據(jù)到實踐的建模分析

針對現(xiàn)實生活中的真實問題，即投籃如何命中的問題，借助智能軟件對現(xiàn)實投籃視頻進行觀察，通過合理的模型建構(gòu)，分析投籃軌跡，進行變量聚焦，引導學生學習數(shù)據(jù)提取與分析的方法。借助通用大模型，探索利用人工智能對投籃數(shù)據(jù)進行進一步分析，帶領學生體驗從數(shù)據(jù)到實踐的過程與遷移應用，強化人工智能與科學探究相結(jié)合解決現(xiàn)實問題的思路。

環(huán)節(jié)一（課堂引入）：籃球比賽中的罰球。教師展示學生籃球比賽罰球都未投中和練習時都投中的視頻，提出問題：投籃如何命中？環(huán)節(jié)二：投籃問題分析。在教師引導下，學生思考影響“投中”和“投不中”的可能因素，借助大量物理實驗積累的經(jīng)驗，想到要從控制變量、減小誤差等方面著手進行研究。學生在課堂實踐中，用Tracker來分析“投中”即入框瞬間的情況，然后通過物理建模，將“投中”問題調(diào)整為：如何根據(jù)已知的終點、已知的拋物線模型，確定未知的起點，研究整個運動軌跡，逐步將現(xiàn)實問題轉(zhuǎn)化為可求解的問題。環(huán)節(jié)三：投籃視頻數(shù)據(jù)采集與分析。學生在實踐中逐步熟練掌握智能軟件獲取數(shù)據(jù)的方法，根據(jù)采集到的數(shù)據(jù)得到初步結(jié)論，強化數(shù)據(jù)分析的重要性，為進一步分析提供數(shù)據(jù)基礎，并思考“投中”和“投不中”不同組軌跡的區(qū)別。教師展示每次拋球的軌跡都基本符合模型預測的拋物線，但還是有誤差，思考進一步減小誤差的辦法，即借助大量數(shù)據(jù)進行分析。環(huán)節(jié)四：投籃數(shù)據(jù)分析——借助AIGC。學生將更多數(shù)據(jù)導入辦公小浣熊這個AIGC工具，通過適當?shù)闹噶钕逻_，嘗試將所有數(shù)據(jù)畫在同一張圖上。引導學生思考在結(jié)果不滿意或者沒有結(jié)果時該如何繼續(xù)，通過恰當?shù)靥釂栆徊讲竭M行引導分析，然后通過物理介入，進一步用控制變量法聚焦問題，嘗試基于大量數(shù)據(jù)分析，得出相對可靠的結(jié)論。學生在實踐中體會智能工具在分析真實問題時的優(yōu)勢、物理介入的必要性，以及人工智能和物理在解決真實問題時的相互促進，進而掌握跨學科分析與解決問題的能力。環(huán)節(jié)五：總結(jié)與提升。教師總結(jié)本課問題解決的探究思路和流程，以及遷移應用，進一步引發(fā)學生思考，強化在現(xiàn)實中從不同角度出發(fā)、跨學科迭代解決問題能力的培養(yǎng)。

跨學科系列課程總結(jié)思考

本系列課程整體偏重于以學生為主體進行動手實踐設計，充分發(fā)揮學生的主觀能動性。以上三個課例，以“數(shù)據(jù)與模型”為單元主題，將現(xiàn)實問題的求解過程拆解，從學生已經(jīng)具備的基礎知識出發(fā)，將人工智能核心概念由淺入深地逐步滲入?？鐚W科主題選擇可以從信息技術(shù)或物理課堂教學內(nèi)容、前沿科研、日常生活中選取有模型、有數(shù)據(jù)的情境，解決實驗不好做不能做、模型太復雜、數(shù)據(jù)不好處理或者是無法可視化等問題。在解決兩個學科以及生活中真實問題時，既能實現(xiàn)跨學科知識的整合，又能提升學生主動利用跨學科思維進行思考并綜合運用多學科知識解決問題的能力，還能激發(fā)學生探究現(xiàn)實世界的興趣。

課程設計需要學生有一定的知識積累和思維基礎，具有豐富的物理實驗經(jīng)驗，對機器學習概念有初步了解。通過與人的行為類比、查閱資料、直接操作應用程序等方式設計課程活動，不需要有會寫代碼的計算機基礎。課上所用資源主要為：PPT、視頻/圖片、數(shù)據(jù)、電子/紙質(zhì)表格、Tracker程序、Moodle在線討論與測試、AIGC工具辦公小浣熊、拓展電子資源等。

在人工智能+物理跨學科系列課程的雙師備課與授課過程中，教師共同深入探究，并在實踐中持續(xù)迭代與優(yōu)化創(chuàng)新。學生通過跨學科系列課程的學習，能夠充分體會合理模型建構(gòu)與數(shù)據(jù)分析的重要性，增強信息意識，提升計算思維與科學思維，強化“界定問題—分析問題—求解問題—遷移應用”的問題求解思路，最終促進跨學科核心素養(yǎng)的發(fā)展。

注：本文系全國教育科學規(guī)劃教育部青年課題“面向未來高階能力和智能素養(yǎng)的中學跨學科人工智能課程體系建設與教學研究”（課題批準號：EHA190519 ）研究成果