• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      生成式人工智能支持下的編程教育問題、策略與案例

      2024-10-12 00:00:00楊江英李鋒
      中國信息技術(shù)教育 2024年19期

      摘要:當(dāng)前,中小學(xué)編程教育仍存在編程學(xué)習(xí)淺表化、大語言模型問答經(jīng)驗(yàn)缺乏、學(xué)習(xí)過程黑箱三種使用問題。因此,作者提出,在使用生成式人工智能輔助編程教學(xué)時(shí),可以采用元認(rèn)知策略、提示認(rèn)知策略以及思路外顯策略,幫助學(xué)生深度融合計(jì)算思維解決實(shí)際問題。

      關(guān)鍵詞:生成式人工智能;中小學(xué)編程教育;教育策略

      中圖分類號(hào):G434 文獻(xiàn)標(biāo)識(shí)碼:A 論文編號(hào):1674-2117(2024)19-0096-03

      隨著生成式人工智能技術(shù)的不斷更新迭代,以ChatGPT為代表的智能工具正在逐漸介入教育教學(xué),成為推動(dòng)教育智能化變革的新舉措。生成式人工智能對編程教育的輔助,能改變以學(xué)生編寫代碼為主的傳統(tǒng)教育目標(biāo),弱化理解代碼含義的能力要求,注重加強(qiáng)學(xué)生閱讀理解代碼以及清楚代碼完善要求說明的能力。

      生成式人工智能支持下的編程教育存在的問題

      1.主體易位:編程學(xué)習(xí)淺表化,生成式人工智能代替深入思考

      生成式人工智能背靠強(qiáng)大的數(shù)據(jù)庫,能夠回答學(xué)生的各類編程問題,但尚不成熟的中小學(xué)生受惰性支配容易直接套用生成式人工智能生成的代碼、解釋,最終提交的作品對學(xué)生的代碼創(chuàng)新設(shè)計(jì)能力、編程知識(shí)理解的呈現(xiàn)微末。在日常教師布置的課程練習(xí)和期末測評中,學(xué)生會(huì)借助大模型完成,以至出現(xiàn)編程基礎(chǔ)薄弱、代碼編寫能力較差的學(xué)生也順利完成測驗(yàn),甚至取得高分的現(xiàn)象。

      2.應(yīng)用不足:問答經(jīng)驗(yàn)缺乏,高效獲得答案方式存疑

      學(xué)校引入生成式人工智能參與教學(xué)的時(shí)間仍較短暫,學(xué)生缺少與生成式人工智能交流提問的經(jīng)驗(yàn),在學(xué)習(xí)過程中遇到問題難以準(zhǔn)確高效地提問。同時(shí),由于編程語言的特殊性,編程任務(wù)指令需要更加清晰具體的問題描述,其中包括代碼運(yùn)行顯示的錯(cuò)誤原因、學(xué)生原先的預(yù)想效果、提供錯(cuò)誤部分的上下相關(guān)的代碼以及學(xué)生已經(jīng)嘗試過的解決方法,從而獲得更具針對性的解決方案。

      3.信任缺失:學(xué)習(xí)過程黑箱,學(xué)生學(xué)習(xí)情況成謎,易涉嫌抄襲侵權(quán)

      學(xué)生黑箱式的任務(wù)完成過程,其自主學(xué)習(xí)、知識(shí)探究理解的真實(shí)性存疑,難以評判學(xué)生的實(shí)際學(xué)習(xí)情況。同時(shí),由于缺乏創(chuàng)造性,生成式人工智能回復(fù)的答案往往源自現(xiàn)有數(shù)據(jù)庫,學(xué)生直接奉行“拿來主義”,可能會(huì)涉嫌侵權(quán)。

      中小學(xué)應(yīng)用生成式人工智能促進(jìn)編程學(xué)習(xí)策略

      1.元認(rèn)知策略:深度融合計(jì)算思維,實(shí)現(xiàn)解決問題的思維遷移

      元認(rèn)知策略是指對知識(shí)以及自我認(rèn)知的認(rèn)識(shí)理解,學(xué)生需要監(jiān)控自身對編程知識(shí)的理解程度,借助生成式人工智能答疑解惑,以調(diào)節(jié)各級各類編程知識(shí)的理解與脈絡(luò)構(gòu)建,螺旋提升學(xué)生深度融入計(jì)算思維下的編程知識(shí)的元認(rèn)知。在編程教學(xué)時(shí),教師可以使用元認(rèn)知策略,從問題與問題鏈的角度培養(yǎng)學(xué)生問題解決的能力。學(xué)生在問題解決過程中提升元認(rèn)知技能,明白算法問題的本質(zhì)、代碼模塊使用的原則,最終實(shí)現(xiàn)知識(shí)思維遷移。

      教師在使用生成式人工智能輔助課堂教學(xué)時(shí),可以在確保學(xué)生能夠獨(dú)立完成簡單的程序編寫后,讓學(xué)生使用智能工具輔助完成問題任務(wù)。此時(shí),學(xué)生會(huì)將生成式人工智能作為“智能學(xué)Ntbz8y/pjIQbtQh39BrETw==伴”,將關(guān)注重點(diǎn)聚焦于問題解構(gòu)、函數(shù)模塊的挑選使用、提出命令讓生成式人工智能生成符合要求的代碼,更強(qiáng)調(diào)編程知識(shí)運(yùn)用的元認(rèn)知知識(shí)的培養(yǎng)。此外,在學(xué)生能夠運(yùn)用算法編程知識(shí)解決問題后,教師可以提升任務(wù)維度,讓學(xué)生根據(jù)代碼編程提出相應(yīng)情境的應(yīng)用問題或異構(gòu)原先的問題,從編程知識(shí)的應(yīng)用者進(jìn)階為問題的生成者和評價(jià)者,有效解決學(xué)生編程學(xué)習(xí)淺表化問題。

      2.提示認(rèn)知策略:善用提示詞開啟新型交互模式,提升溝通解決效率

      提示認(rèn)知策略是學(xué)生通過類比已有的提示樣例,總結(jié)出程序性的提示規(guī)則,根據(jù)任務(wù)要求選擇合適的提示方式高效獲得解答,減輕學(xué)生與生成式人工智能的交流磨合負(fù)荷。學(xué)生學(xué)習(xí)編程不僅需要具備良好的計(jì)算思維和智能思維,還需要培養(yǎng)提示認(rèn)知思維,使用恰當(dāng)?shù)奶崾驹~來編寫有效的提示技能,彌補(bǔ)生成式人工智能在推理能力上的不足。具有類人屬性的生成式人工智能具備很強(qiáng)的類比推理和編程能力,巨大的數(shù)據(jù)庫使其更像一個(gè)“程序員團(tuán)隊(duì)”的集合體,在提問要求中夾雜示例說明,能夠獲得更具創(chuàng)造力和符合學(xué)生想法的代碼效果。[1]因此,學(xué)生在和生成式人工智能交互的過程中,可以選用零樣本提示、少樣本提示與思維鏈提示的交互方式,以提升交互效率與回答正確性。

      編程問題需要較高的邏輯推理能力與知識(shí)基礎(chǔ),針對復(fù)雜編程問題更適合將思維鏈提示與零樣本提示、少樣本提示相結(jié)合,以提高大語言模型的理解推理能力。通過分解問題并進(jìn)行分步推理來引導(dǎo)生成式人工智能做出正確回應(yīng),有效減少生成式人工智能的錯(cuò)誤反應(yīng),以及某段對話引起的先入為主的錯(cuò)誤理解,可以更輕松準(zhǔn)確地得到問題答案。[2]

      3.思路外顯策略:展現(xiàn)對話過程,詳解答案形成,實(shí)現(xiàn)計(jì)算思維和智能思維可視化

      思路外顯策略是指學(xué)生在解決問題時(shí),將解決過程中的流程、思路變換歷程以及與生成式人工智能的合作內(nèi)容盡數(shù)展露出來,說明思路變換和選用每段代碼方案的原因,幫助教師清晰了解學(xué)生的知識(shí)掌握情況。與此同時(shí),思路外顯策略可以培養(yǎng)學(xué)生的批判創(chuàng)新思維,如可以分辨生成式人工智能提供的答案正誤、可用與否,打破智能工具包圍的避風(fēng)港,揭開作業(yè)黑箱幕布等。

      教師在編程教學(xué)中,不再采用的單一的“刺激—反應(yīng)”的機(jī)械式行為主義策略布置任務(wù)[3],也不盲目抵制學(xué)生使用生成式人工智能輔助完成家庭作業(yè),而是在允許學(xué)生借助人工智能工具完成作業(yè)任務(wù)的基礎(chǔ)上,布置開放性任務(wù),讓學(xué)生提出具有創(chuàng)造性的想法并設(shè)計(jì)實(shí)現(xiàn)具體的作品。另外,教師也可以讓學(xué)生在提交作業(yè)時(shí)一并提交與生成式人工智能對話聊天的過程以及自己對其生成答案的改進(jìn)流程,解釋代碼含義并說明最終選擇提交該代碼編程的理由,實(shí)現(xiàn)學(xué)生計(jì)算思維與智能思維可視化。

      中小學(xué)應(yīng)用生成式人工智能促進(jìn)編程學(xué)習(xí)案例借鑒設(shè)計(jì)

      下面,筆者選取浙教版初中信息技術(shù)九年級教材中的第一單元第四節(jié)內(nèi)容“數(shù)據(jù)分析與數(shù)據(jù)可視化”進(jìn)行課例設(shè)計(jì)。

      1.教學(xué)目標(biāo)及生成式人工智能應(yīng)用分析

      根據(jù)教學(xué)內(nèi)容以及學(xué)生學(xué)情,生成式人工智能在本節(jié)課例中充當(dāng)“智能學(xué)伴”,與學(xué)生共同合作完成學(xué)習(xí)任務(wù),以達(dá)成教學(xué)目標(biāo)要求。課例共設(shè)有四條教學(xué)目標(biāo),并確定生成式人工智能的參與程度,分別是:①清楚數(shù)據(jù)分析與數(shù)據(jù)可視化的基本流程(生成式人工智能作為筆記復(fù)述工具,協(xié)助歸納流程及注意事項(xiàng));②使用Python語言編程,初步完成數(shù)據(jù)分析處理(生成式人工智能作為編程輔助工具,提供可用函數(shù)模塊建議);③正確理解數(shù)據(jù)可視化的Python代碼句子含義(生成式人工智能作為代碼輔助解讀工具,點(diǎn)撥函數(shù)模塊作用);④使用Python編程可視化數(shù)據(jù),感悟信息技術(shù)的魅力(生成式人工智能作為“智能學(xué)伴”,降低編程難度,展現(xiàn)信息技術(shù)魅力)。

      2.教學(xué)任務(wù)說明

      ①任務(wù)一:借助“智譜清言”智能工具收集上海2023年一整年每月的最高氣溫、最低氣溫以及平均降水量,并進(jìn)行可視化分析處理。在任務(wù)完成后,一同提交任務(wù)分配設(shè)置、與“智譜清言”的對話過程、問題解決方案詳細(xì)說明,同時(shí)分享此次與生成式人工智能協(xié)作過程中遇到的問題及發(fā)揮的作用。

      設(shè)計(jì)意圖:這一環(huán)節(jié)任務(wù)幫助學(xué)生進(jìn)行簡單的數(shù)據(jù)分析,接觸數(shù)據(jù)可視化處理流程,感受數(shù)據(jù)可視化效果。同時(shí)使用思路外顯策略了解學(xué)生的編程知識(shí)元認(rèn)知和生成式人工智能工具的使用情況。在完成該任務(wù)過程中,學(xué)生能夠初步清楚生成式人工智能在數(shù)據(jù)分析處理上能夠提供的幫助,提升與生成式人工智能協(xié)同解決問題的默契度。

      生成式人工智能參與程度:生成式人工智能作為任務(wù)的合作者,承擔(dān)操作步驟提醒說明與Python編碼提示輔助數(shù)據(jù)可視化處理的工作。

      ②任務(wù)二:借助“智譜清言”分析處理并可視化電腦桌面的“AQIdata.xlsx”全國部分城市的空氣質(zhì)量指數(shù)數(shù)據(jù)表,一并提交數(shù)據(jù)分析報(bào)告、問題解決方案說明、與“智譜清言”的對話過程,總結(jié)自身與“智譜清言”的工作奉獻(xiàn)度,對“智譜清言”回答的采納與創(chuàng)WTBvcH4i/kLdNUnisaoLkIEfwjo+ABznNy5MxRtYMH0=新修正的部分說明,Python程序函數(shù)、變量、庫的使用,同時(shí)附上代碼說明。

      設(shè)計(jì)意圖:這一環(huán)節(jié)提升學(xué)生使用Python編碼分析處理數(shù)據(jù)的能力,幫助學(xué)生正確理解Python函數(shù)模塊作用語境。在任務(wù)一的基礎(chǔ)上,結(jié)合元認(rèn)知策略和提示技能策略,幫助學(xué)生更快速合理地利用生成式人工智能解決問題,通過思路外顯策略提醒學(xué)生合理正確地使用智能工具。

      生成式人工智能參與程度:生成式人工智能作為任務(wù)的點(diǎn)撥推進(jìn)者,對學(xué)生Python編碼提供函數(shù)模塊的建議,并解釋說明一些復(fù)雜模塊的作用,在幫助學(xué)生快速完成任務(wù)的同時(shí)更順利地理解代碼,學(xué)會(huì)合理使用生成式人工智能。

      當(dāng)前,教育智能化發(fā)展方興未艾,生成式人工智能不斷更新迭代,加速推動(dòng)教育變革。編程教育也應(yīng)當(dāng)將生成式人工智能融入到教育教學(xué)中,幫助教師改變單純講解編程知識(shí)的現(xiàn)狀,增加學(xué)生綜合運(yùn)用編程知識(shí)編寫代碼解決問題的實(shí)際體驗(yàn),轉(zhuǎn)變以往的“編程難”的刻板印象,提高編程的可學(xué)性與易學(xué)性。

      參考文獻(xiàn):

      [1]Reynolds, L., & McDonell, K. (2021, May). Prompt programming for large language models: Beyond the few-shot paradigm[C].In Extended Abstracts of the 2021 CHI Conference on Human Factors in Computing Systems. New York: ACM, 2021:1-7.

      [2]Cheng, X., Li, J., Zhao, W. X.et al.[J].Chainlm: Empowering large language models with improved chain-of-thought prompting. arXiv preprint arXiv:2403.14312,2024.

      [3]劉輝,申國昌.中小學(xué)作業(yè)數(shù)字化轉(zhuǎn)型:價(jià)值、困境及破解路徑[J].課程·教材·教法,2024(02):91-98.

      本文系人民教育出版社“十四五”規(guī)劃2023年度重點(diǎn)課題“素養(yǎng)導(dǎo)向的信息科技生成式學(xué)習(xí)手冊研制及創(chuàng)新應(yīng)用”(課題編號(hào):2023GHB02)研究成果。

      水富县| 淮阳县| 浦东新区| 黎川县| 江北区| 九江县| 车致| 嵩明县| 光泽县| 深圳市| 绥阳县| 广平县| 灵台县| 竹溪县| 和田市| 桑日县| 九龙城区| 富民县| 西充县| 武山县| 芦山县| 东台市| 万全县| 广州市| 梁河县| 大城县| 诸暨市| 通江县| 房山区| 肇东市| 如皋市| 新沂市| 商河县| 苍山县| 宁阳县| 石林| 信宜市| 南康市| 乌什县| 墨脱县| 岳普湖县|