石苗苗 刘峡壁 常青 袁中果 张毅

1 首都师范大学教育学院 北京 100048 2 北京理工大学计算机学院 北京 100081 3 中国人民大学附属中学 北京 100080 4 北京教育科学研究院 北京 100036 5 北京青少年科技创新学院 北京 100036

0 引言

随着物联网、5G 技术、人工智能等新技术的快速发展，教育形态正在发生深刻的变革，深度学习、人机协作、自然语言处理等技术的出现表明人工智能正在融合各领域飞速发展。2017 年7 月，国务院印发《新一代人工智能发展规划》，提出“在中小学阶段设置人工智能相关课程、逐步推广编程教育”[1]。人工智能走进中小学课程已成为国家发展战略规划。现如今，中小学的人工智能课程体系正处于逐步探索阶段，构建适合中小学学生特点的课程体系尤为重要。这需要教育教学研究者与一线教师共同努力，为学生提供个性化的学习环境，引导学生将人工智能与人们的生活结合，将充满创意的智慧想法落实到课堂的具体教学与人们的实际生活中。而中等教育的课程体系中，人工智能课程现多以选修课的类别供感兴趣的学生选择性学习，这部分学生一般综合素质较高，有一定的学习基础，能够综合运用多种学科知识完成挑战性任务。如何面向这部分学生进行有针对性的学习活动设计，选择合适的教学方法与模式，成为人工智能课程教学和创新型人才培养的关键所在。

1 研究设计

1.1 研究目标

本研究拟通过调查分析发现在人工智能学习中学习行为表现较优秀的学生（以下简称“优等生”）的特点，从课程内容、学习活动、教学资源等方面，有针对性地研究人工智能课程教学设计中的关键要素，为教育研究者和一线教师的教学实践提供参考和指导，从而更好地提升教育教学效果。

1.2 研究样本的选取

为选取人工智能学习中具有代表性的优等生，笔者以中国人民大学附属中学（以下简称“人大附中”）高一年级选修人工智能入门课程[2]的学生作为本次调查研究的对象，因其在学校、课程、学生三方面都具有一定的代表性。首先,人大附中作为全国中等教育领域首个开设人工智能实验班的北京市重点中学，在人工智能师资培训、课程建设、人才培养等方面做出了积极探索。其次，人工智能入门课程是该校选修课程体系中跨学科培养学生人工智能素养的重点课程之一，课程基于人工智能的“六大实现途径”，设计了机器学习、神经网络、符号智能、进化计算等教学内容，已在北京市各中小学实施且取得显著教学成果。最后，选修该课程的学生大部分表现优秀，在一学期的课程教学中，学生的知识掌握、学习兴趣、综合素养都得到了显著提升。基于这三点，笔者选取该班级学生作为研究对象。

1.3 研究方法

本研究采用问卷调查法来分析人工智能课程优等生的学习者特征。问卷调查法是研究者向调查对象发放统一设置的问卷来获取情况或征询意见的调查方法。学习者特征指学习者具有的与具体学科内容无关，但影响其学习的生理、心理和社会特征，包括学习者的年龄、性别、年级水平、认知成熟度、智能、学习动机、个人对学习的期望、生活经验、经济、文化、社会背景等因素[3]。

本研究在参考前人相关研究的基础上，编制了《学习者特征调查问卷》。问卷主要包括人口学信息、学习者特征两大部分，共计24 小题。其中，人口学信息采集了学生的性别、年龄；学习者特征主要包括四个维度，采用李克特五点量表（从1—非常不同意到5—非常同意）分别测量人大附中优等生在学习兴趣、学习动机、学习风格、学习习惯方面的基本情况。学习兴趣量表参考Deng 等人的学习投入量表，从行为、认知、情感、社交四个方面编制问卷，共计5 个题项；学习动机量表参考Biggs基于学习过程SPQ 提出的学习动机量表，从心理满足、就业促进、学习成绩等方面编制问卷，共计5个题项；学习风格量表参考Kolb 学习风格量表的四种风格，围绕具体的经验、省思的观察、抽象的概念、主动的实验设置4 个题项；学习习惯量表参考Dickinson、Black＆Deci、Benson 等人对于学习的研究，从学习准备状态、学习能力、自主学习行为三个方面编制问卷，共计8 个题项。

2 优等生的学习特征调查结果与分析

研究采用目的抽样的方式进行问卷调查，针对人大附中人工智能入门选修课程的学生进行线上发放问卷，回收有效问卷13 份，其中男生11 名，女生2 名。通过SPSS Statistics 26 工具进行统计发现，该问卷的信度系数α=0.878，说明该问卷的整体信度非常好，能够用于测量研究对象的学习特征。问卷在学习兴趣、学习动机、学习风格和学习习惯的调查结果如表1 所示，其中超过一题的二级指标后选取各题的平均数作统计。

表1 学习特征分析

结果表明，优等生学习具有以下特点。

2.1 学生对人工智能课程的学习兴趣浓厚

具体表现在四个方面：在行为上，学生热爱探索未知世界且相信自己的探究能力，当面对未知的问题时，他们勇于探索问题背后的原因，并积极寻找解决问题的方法；在认知上，学生普遍认为，人工智能对于人们的生活有很大影响；在情感上，绝大多数的学生认为虽然在学习的过程中可能会遇到挫折，产生短暂的消极情绪，但是在完成整个阶段的学习后，学生普遍认为人工智能课程非常有趣；在社交上，七成以上的学生喜欢小组合作探究的学习模式，认为小组合作学习能够提高他们学习的积极性。

2.2 学生对人工智能的学习动机呈现多元化特征

表层动机、深层动机和成就动机都促使优等生积极参与人工智能的学习。其中，受表层动机驱动的学生占九成以上，“希望取得较高的学习成绩”、“不想落后于其他人”是所有优等生最强烈的学习动机。近七成的学生认为学习人工智能课程有益于他们未来的职业发展规划，近八成的学生表示该课程能够使他们获得成就与心理的满足。

2.3 学生在人工智能课程中最喜欢的学习风格是主动的实践

九成以上的学生认为直接动手，从做中学是最倾向选择的学习方式；此外，省思的观察也是学生喜爱的学习风格，在计算机教室中，除了实践动手操作外，学生喜欢通过观察现象、省思本质、听取意见的方式来完成学习任务；而具有知觉与感受型学习风格与概念思考型学习风格的优等生是占比最少的，尤其是概念思考型最少，学生对人工智能课程涉及的相关概念的学习积极性一般。

2.4 学生在学习准备、课堂学习行为、自主学习上都有着良好的学习习惯

在学习前的准备状态上，五成以上的学生表示在课前就有了解和学习相关知识，七成以上的学生在课前就有明确、具体的学习目标；在课程学习过程中，九成以上的学生能够和老师一起学习，参与实践并按要求完成老师布置的任务，七成以上的学生能够集中注意认真听课，且喜欢与同学分享学习经验，相互讨论，但是在课堂提问环节，在被调查的优等生中，仅有四成喜欢上课主动回答老师问题；在课程结束后，有六成以上的学生会对课堂上未理解的问题进行自主学习。

3 人工智能课程的教学建议

基于以上分析结果，为了从源头上使人工智能课程的教学更加有效率，提升不同水平学生的学习效果，教师对人工智能课程进行有针对性的教学设计是非常有必要的，具体来说，可以从以下几点反思、优化人工智能课程。

3.1 注重从多角度激发学生的学习兴趣

人工智能课程多采用项目式教学，学生在完成较为困难的任务时，通过小组合作的方式，逐步克服突破阻碍，找到解决问题的正确方式，这种教学形式能够让学生从社交、情感的角度激发学习兴趣。在激发学生学习兴趣时，可以从人工智能与生活的紧密联系出发，引导学生关注校园生活、家庭生活中的人工智能应用，并引导学生思考如何运用人工智能使我们的生活更加便利。应继续探索项目式教学模式，结合实际生活，让学生思考人工智能能够解决哪些问题，从而调动学生在认知和行为上的学习兴趣。

3.2 构建科学的人工智能课程评价体系

学生的动机主要受学习成绩和学生自我的竞争意识影响，因此，构建科学的评价体系，能够很大程度提高学生学习的积极性。科学的评价体系不仅包括课程结束后的终结性评价，还应在课程进行过程中设置形成性评价。形成性评价侧重反映日常教学过程中学生表现出来的学习进步情况，应贯穿整个教学过程；终结性评价侧重反映学生阶段性学习目标达成度。对于形成性评价的设置，可以在学生小组合作学习过程中，通过设置不同类型的任务，在各阶段设计任务进度表，学生综合评价表等，让小组成员之间、小组之间相互帮助和监督，营造竞争与合作的学习氛围，提高学生课堂的参与度。在进行终结性评价时，除了传统的纸质化考试，还可以组织上机实践、自适应测评或对学生的作品进行评价。无论是何种方式的评价，要注重评价主体的多元化，学生小组间互评与个人自评、教师评价等多种评价方式相结合，评价的内容应体现全面性，要从学生的能力表现、思维过程、情感态度等角度，全面评价学生。

3.3 增加人工智能课程中的实践内容占比

人工智能课程中涉及多种基础学科的知识，且涉及数据结构与算法、编程语言等多领域的知识，而该课程优等生的学习风格多以主动实践为主，概念思考型较少，因此，教师在进行课程设计时，要注意人工智能课程与其他课程之间的区别与联系，可以适当以案例分析的方式展开人工智能过程涉及的各个模块的内容，但是要尽量减少概念类、理论类知识的灌输式学习，避免传统的以讲授为主的教学方式。要把课堂交给学生，让学生通过搜索引擎、社交媒体、短视频和协同写作等互联网工具或平台，进行较精准的信息搜索、沟通交流与合作，并贡献有价值的数据和资源，要增加实践类知识在课程中的占比，引导学生设计实验项目，拆分任务并进行实施落地，边学边做，在做中学，在学中做，感悟人工智能在实际生活中的运用，激发学生的学习热情。

3.4 为学生提供课下学习资源与平台

在人工智能课堂上，学生能够完成教师布置的任务，但是不少学生认为人工智能可以学习的知识非常广泛，人工智能作为计算机科学的一个分支，涉及的领域包括机器人、语言识别、图像识别、自然语言处理和专家系统等等内容，在课堂教学结束后，不少优等生会有一知半解的感受，学生经常会对课堂上尚未深入讲解的一些知识产生疑问，在课后，学生也会在网上自主学习，但由于人工智能涉及知识的广泛性，学生反映网上学习常常缺少针对性的学习指导，因此，教师可以面向这部分学有余力、兴趣浓厚、探索欲强的学生，提供补充学习材料，如人工智能各个模块的资源学习平台、人工智能相关学习网站、该领域的优秀学习者的自媒体推荐等等，也可以构建班级线上学习社区，设计开放交流平台，鼓励同学之间相互分享所学到的更深入的知识，针对疑惑的问题，教师要及时对学生进行引导，以辅助学生在课堂外也能高效探索人工智能相关知识。

4 结束语

研究发现，人工智能课程学习的优等生具有良好的知识基础、学习习惯和求知意愿。面向这部分学生的人工智能教学，最核心的并不是各种相关概念的学习或技术的简单运用，而是抓住学生对未来人工智能的想象和期待，从生活情景出发设计项目式教学，提供学习资源与平台，构建科学的评价体系，引导学生在团体合作的过程中，边学边做，深刻认识人工智能与现实社会的联系，解决实际问题，从而提升学生的核心素养。本研究从学习者特征的角度分析了人工智能课程的教学设计应注意的问题，而作为贯穿中小学信息科技课程的一个重要模块，人工智能课程的探索需要一线教师、校长、教育教学研究者结合学生的发展情况与时代变革，不断改进教学方法，解决教学问题，探索教学模式，从而更好地为国家培养适应未来发展的高素质人才。