文档介绍：该【人工智能课程项目式教学设计流程探究 】是由【科技星球】上传分享，文档一共【12】页，该文档可以免费在线阅读，需要了解更多关于【人工智能课程项目式教学设计流程探究 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。人工智能课程项目式教学设计流程探究??梁平【Summary】本文基于建构主义学****理论、发现学****理论和创新教学方式,论述人工智能课程项目式教学设计框架流程,即基于建构主义学****理论,根据学情教情、教学资源、教学目标确定课题的项目;根据发现学****理论,通过小组探究和调研,确定小组项目方案;通过创新教学方式,引导学生经历原理运用过程、计算思维过程和数字化工具应用过程,学****新知等,旨在提高课堂教学质量,提升學生的计算思维核心素养。【Key】人工智能项目式教学法教学设计G63A0450-9889(2023)23-0113-04目前人工智能教育主要依托信息科技课程、机器人相关课程,这些课程的性质大多是拓展课程、选修模块,学生的学****是间断性、短暂的,学****内容往往是碎片化的,不利于学生思维能力的发展,也不利于学生计算思维核心素养的提升。人工智能作为一门独立的学科,通过项目式教学引导学生理解、掌握人工智能技术解决问题的思路和方法,并灵活运用在实际生活和学****中,可以提升学生解决问题的能力,培养他们的数字化能力与创新能力,让学生在编程操作中进一步理解人工智能技术原理,发展计算思维核心素养。建构主义学****理论认为,教学要以学生为中心,强调学生对知识的主动探索和主动发现,以及对所学知识意义的主动建构。项目式教学法是指师生通过共同实施一个完整的、真实的项目而进行的教学活动,它是建立在建构主义和情景学****理论基础上体现行动导向教育理念的教学方法。项目式教学将以传授知识为主的传统教学方式转变为以完成项目、职业体验和解决问题为主的多维互动式教学方式,其显著特点是“以项目为主线、教师为引导、学生为主体”,改变了以往“教师讲,学生听”的被动教学模式,打造了学生主动参与、自主协作、探索创新的新型教学模式。在项目式教学中,学生通过完成项目的过程反复学****培养自身的创新能力、二次研发能力,从而达到技能的熟练操作和应用。显然,基于建构主义学****理论和项目式教学的特点,项目式教学法很好地契合了信息科技课程标准的总目标“树立正确价值观,形成信息意识;初步具备解决问题的能力,发展计算思维;提高数字化合作与探究能力,发扬创新精神;遵守信息社会法律法规,践行信息社会责任”。一、课题项目的确定开展项目式教学的第一步是确定课题项目。课题项目的确定要基于以下几点。一是学情分析。确定教学目标前,教师要了解学生的已有知识、学****兴趣、学********惯、年龄特点等。二是现有教学资源分析,如教学硬件和软件等。三是教学目标设计,即围绕信息技术的四个核心素养确定教学目标。如在《计算机视觉技术》教学中,笔者基于以下几点确定项目,让学生通过课程学****逐步形***工智能时代必备的品格和关键能力。(一)学情分析。中学生独立意识增强,表现欲望增强,渴望得到师长的关心和理解,但也容易因遭受挫折而产生畏难情绪,此阶段的学生已学****了人工智能的发展与应用、大数据技术和机器学****技术,能熟练运用畅言智AI平台下的AI图形化编程工具编写稍复杂的程序,有动手实践的愿望。(二)现有教学资源。科大讯飞畅言智AI平台、带摄像头的电脑。(三)设计教学目标。:①感受计算机视觉技术给人们带来的便利;②能列举计算机视觉技术的主要应用场景;③了解计算机视觉技术的发展。、数字化学****与创新能力目标:①知道计算机视觉中图像的形成和工作流程;②知道计算机视觉技术的原理;③在实践活动中,能选择恰当的AI技术,创作基于计算机视觉技术的智能作品,体验人脸验证和检索的区别,实现应用的迁移和创新。:在探究活动中设计对照实验,通过采集人脸图像,设计表格记录数据,分析得出结论并评估,理解影响人脸识别效果的因素,深化原理认知。、信息社会责任目标:讨论计算机视觉技术的安全性,能想出防御多类攻击的技术手段或策略。二、小组项目方案的确定发现学****理论是指学生在教师的指导下,通过自主阅读和积极思考,自主发现和掌握新知识的一种学****理论,包括在学****中发现和在发现中学****基于发现学****理论,教师让学生两人一组进行讨论,利用图形化编程工具,设计基于计算机视觉技术的服务机器人。学生先在真实情境中发现问题,通过小组合作的方式自主探究学****完成项目设计的初步方案;然后到讲台上阐述本小组设计的项目方案,希望能解决现实中存在的问题及要达成的项目目标;接着其他同学可以提出疑问或者建议,师生一起分析方案的优缺点,正确评价各小组的方案,小组再根据评价,修改完善方案,确定设计项目的最终方案。教学过程如下。(一)体验垃圾分类。教师打开微信小程序“垃圾分类”,和学生一起玩垃圾分类小游戏。这个过程让学生切身体验计算机视觉技术的应用,激发学生的学****兴趣,让学生在“乐中学”。(二)提出问题。你身边还有哪些产品是计算机视觉技术的应用?(三)引导学生思考。①计算机视觉技术可以应用在什么场景中?②你希望利用什么计算机视角技术实现什么功能?教师引导学生上网查阅资料,进行分组选题,分别从智能安全、智能交通、工业生产、游戏娱乐、体育运动、医疗等方面进行调研,知道在哪些场景中运用了计算机视觉技术,解决了什么问题,以及有哪些安全隐患(如表1所示)。(四)分享调研结果。各小组通过分享调研结果,学生辩证分析计算机视觉技术的安全性,讨论目前存在的风险和相关防范技术。(五)教师总结。教师和学生一起总结目前计算机视觉技术存在的技术风险、隐私问题、防御措施和相关法律法规。然后与学生一起解读《个人信息保护法》第二十六条条款:在公共场所安装图像采集、个人身份识别设备,应当为维护公共安全所必需,遵守国家有关规定,并设置显著的提示标识。所收集的个人图像、身份识别信息只能用于维护公共安全,不得用于其他(取得个人单独同意的除外)。通过解读条款让学生养成风险认知,增强安全意识和法律意识,维护个人和他人隐私;学生正确认识人脸识别技术对人类社会产生的影响,形成积极的态度和正确的价值观。(六)确定主题。各小组从项目主题的背景、项目主题的目的、项目主题的意义等三方面确定本小组设计项目的主题。三、计算机视觉技术的学****流程教师通过创新教学方式,以真实问题或项目驱动学生经历原理运用过程、计算思维过程和数字化工具应用过程,并通过建构完善的知识体系,提升学生的问题解决能力。在这一过程中,教師应注重真实情境的创设,引入多元化数字资源,提高学生的学****参与度,并支持学生在数字化学****环境下进行自我规划、自我管理和自我评价,鼓励“做中学”“用中学”“创中学”,凸显学生的主体性。小组成员根据设计的项目方案展开讨论,分析需要用到的人工智能技术。教师要引导学生通过利用已有的教学资源发现问题,理解人类视觉和计算机视觉的形成过程;通过实验探究,理解计算机视觉技术的工作原理,并体验计算机视觉技术的工作流程,加深对核心概念特征提取和特征模型的理解,进而解决难点,突破重点。教学设计流程如下。(一)通过分析人类视觉的形成过程(物体→眼睛→大脑),对比得出计算机视觉的形成过程(物体→摄像头→计算机)。(二)了解计算机视觉技术的工作流程及影响计算机视觉技术识别效果的因素。,进入实验中心,选择“验证实验”下的“认识图像”实验,通过实验了解在计算机进行图像检测、分类等一系列应用之前,首先需要将图像数字化,并根据实际场景提取相应特征。“验证实验”下的“图像分类应用”实验,理解图像分类是指计算机接收到输入的图像后,输出对图像内容分类的描述。图像分类的依据是图像的特征,包括颜色、纹理和形状等。图像分类属于模型识别,即按照事物的特征将物体分为不同的类型,一个类型即为一个模型。,深入探索,攻克难题。在“图像分类应用”实验的基础上进行自主探究视觉识别的影响因素。畅言智能AI平台实验中心提供了视觉技术中的“人脸识别”技术的验证实验。学生可以通过验证实验,了解哪些因素会影响识别效果。教师提问:“哪些因素会影响计算机视觉技术的识别效果?”学生通过猜想—假设—设计实验—分析论证—评估交流等,总结出影响因素——光照、遮挡、表情、角度、距离、背景。学生选取影响因素进行实验探究,验证猜想,并分析原因。如,其中一组学生选择“角度”对人脸识别效果的影响,进行探究,发现“偏转角度对物体识别效果的影响结果为人脸匹配的相似度随偏差角度的增大而减小”(如表2所示)。(三)通过登录畅言智能AI的“实验中心→感知实验→视觉技术原理”,帮助学生理解视觉技术原理为采集图像→提取特征→模型训练→模型输出。(四)引导学生对智能检票系统进行分析。教师介绍工作流程,让学生尝试用自然语言描述智能检票的识别过程;讲解流程图绘制方法,包含框图的分类和使用、框图的布局等;引导学生将自然语言转换为流程图,让学生认识到人工智能的核心是特征提取和特征模型;通过分析智能检票系统的工作流程,进一步帮助学生了解计算机视觉技术应用的人工智能核心是特征提取与特征模型(如图1所示)。(五)启发学生思考:计算机区分不同的人脸时,提取的是人脸的什么特征?分组探究人脸识别的过程。打开登录畅言智能AI,通过播放实验中心→人脸识别的原理,了解人脸识别技术的原理,结合验证实验→人脸识别,加深对人脸特征提取的理解,并体会人脸验证和人脸检索的区别。最后通过归纳讲解,突破重点——特征模型训练和特征模型测试与输出的过程。学生小组尝试用流程图描绘如何实现刷脸解锁。人脸特征模型训练过程(注册):采集图像→人脸检测→特征提取→模型训练;人脸特征模型测试过程(验证):采集图像→人脸检测→特征提取→模型测试→解锁手机。(六)通过小组合作,利用畅言智能AI平台完成垃圾分类的图像特征模型的训练和测试。四、项目应用实践有了前面知识的铺垫,教师此时可让学生将项目分解成小项目,然后进行项目的应用实践,即设计项目方案→设计算法→编写程序→调试优化。学生在体验计算机视觉应用、了解计算机视觉技术的原理后,完成垃圾分类机器人的模型训练,学****并掌握图形化编程中与计算机视觉技术相关的AI技能模块(文字识