“人工智能预测出行时间”主题教学的设计与实践.docx

“人工智能预测出行时间”主题教学的设计与实践

中图分类号：G434文献标识码：A论文编号：1674-2117（2024）16-0000-03

项目驱动，确定素养导向的教学目标

新课标明确提出“以真实问题或项目驱动”“从信息科技实践应用出发”，帮助学生理解基本概念和基本原理，建构知识，提升问题解决能力；核心素养是课程育人价值的集中体现，是学生通过课程学习逐步形成的正确价值观、必备品格和关键能力。因此，如何选择适合的项目主题，设置逻辑关联的问题链，从而统领各分散课时的概念、渗透核心素养是关键。

1.选择基于生活的项目主题

在《智能预测》章节，笔者选择了“人工智能预测出行时间”这一单元主题，从学生已有生活体验的实际出发，界定和分析预测问题、收集和量化数据集、利用神经网络算法实现数据训练和预测，并在此过程中反思和优化，同时，将“体会人工智能技术正在帮助人们以更便捷的方式投入学习、生活和工作中”“感受人工智能技术的发展给人类社会带来的深刻影响”“了解人工智能的基本特征及所依赖的数据、算法、算力三大技术基础”大概念融于其中。

2.确定素养导向的单元目标

①利用智能导航软件预测出行、查询天气，判断导航有哪些预测功能，分析影响出行时间的因素；网络查询、学习预测算法。（信息意识）

②从人类“先学习，后预测”的实际经验迁移到人工智能预测的步骤；根据影响因素收集数据，反思、整理数据集；利用算法模型对数据进行处理，通过对比实验分析实验结论。（计算思维）

③利用智能导航软件规划出行、查询天气；利用在线协同软件收集数据；运用网络查询预测算法。（数字化学习与创新）

④利用在线协同共享收集的数据；利用网络查询学习预测算法时，了解不同算法的优劣及适用场景；认识人工智能技术对人类社会带来的深刻影响、算法对人工智能的巨大意义。（信息社会责任）

层层递进，建构“科”“技”并重的常态课堂

在“人工智能预测出行”主题教学中，笔者将人工智能预测的科学原理、人类与计算机的“思维方法”、神经网络算法的处理过程和工程实现融于三个课时的子活动中，旨在提升学生的知识迁移能力和学科思维水平，体现“科”与“技”并重。

1.第1课时：提出猜想，收集影响预测结果的数据

活动1：体验导航，探讨影响出行时间的因素。各小组利用导航软件规划行程，思考智能导航软件中有哪些预测功能，探讨影响出行时间的因素，并将探讨结果填写在《项目实验手册》上。学生从日常出行的生活实际出发，利用数字化工具进行路线及时间预测、天气查询，掌握预测的概念，并分析出影响出行时间预测的因素。

活动2：类比学习，掌握人工智能预测步骤。以“人类基于经验、阅历、学识、智慧等途径学习后预测出行时间”类比，人工智能则需要根据数据，学习数据之间的逻辑关系，才能做出预测。以人类“先学习，后预测”的实际经验做类比，引导学生掌握人工智能预测的步骤，降低学生对人工智能的认知负荷，同时体验数据对人工智能的重要意义。

2.第2课时：整理数据，建立神经网络预测的模型

活动1：反思改进，量化数据集。对比小组采集的数据，讨论得到格式规范统一、表述清晰准确的数据集更适合计算机处理，引导学生反思数据采集时应确定好数据格式、数据范围、采样频率等信息，并进一步将数据集量化，体会数字化表示信息的优势。

活动2：网络查询，了解预测算法。通过查找人工智能预测的算法，了解不同预测算法的优劣及适用场景，记录在《项目实验手册》上。通过自学和讨论，学生可以感受到在不同场景下，人工智能技术对人类社会带来的深刻影响，了解算法对人工智能的巨大意义。

活动3：构建模型，体验训练和预测。根据教师提供的神经网络预测模型，学生体验数据集导入、模型训练、根据新数据预测出行时间的过程，并观看神经网络算法视频。通过过程体验、视频学习、教师讲解，学生初步了解神经网络算法预测的原理。

3.第3课时：实验对比，体会人工智能的三大基础

活动1：数据质量对比，感受数据的“燃料”作用。学生分别用各小组数据集、教师提供数据集（含18万条数据记录），运行神经网络算法模型，将预测出行时间（Predict_time）、预测结果误差（accuracy）记录在《项目实验手册》上。在对预测结果的分析中，学生感受到数据的精确度、多样性、数量多少均会对人工智能模型的训练优化和预测结果产生巨大影响。

活动2：算法模型对比，感受算法的“灵魂”作用。在数据集相同的情况下，学生分别体验教师提供的决策树算法模型和神经网络算法模型的训练时间（Training_time）、迭代次数（Iteration）、损失值（loss），并记录在《项目实验手册》上。通过对比不同算法模型，感受算法作为人工智能的“灵魂”是如何指导计算机训练数据；根据实验结果得到优秀的算法可以使人工智能更加高效、准确、可靠的实验结论。

活动3：数据数量对比，感受算力的“引擎