高中人工智能课程项目化教学的实践探索—以”剖析垃圾邮件智能分类系统“为例

高中人工智能课程项目化教学的实践探索—以”剖析垃圾邮件智能分类系统“为例

冯丽香

茂名市第十中学

摘要：随着人工智能（AI）技术的不断发展与普及，AI教育已经成为高中新课程改革的一个重要方向。项目化教学作为一种有效的教育模式，能够引导学生主动探索，培养其问题解决能力。本文旨在探讨高中人工智能课程项目化教学的实施策略，并以“剖析垃圾邮件智能分类系统”项目为例，展示项目化教学在实际教学中的应用过程与效果。

关键词：人工智能教育；项目化教学；高中；垃圾邮件分类

一、引言

《新一代人工智能发展规划》明确指出应在中小学教育阶段开展人工智能教育课程[1]。在《普通高中信息技术课程标准（2017年版）》将人工智能纳入高中信息技术课程必修内容，倡导开展基于项目的教学[2]。同时，随着人工智能时代的到来，人工智能不仅发展成一门新兴学科，也成为许多国家的重要国家战略，而在我国也越来越受到重视，许多教育研究学者也开展了人工智能的探索，但高中人工智能课程项目化教学实践的研究较少。目前，人工智能教学面临的问题有，教材参差不齐，缺乏统一的教材，加大了人工智能在各学校开展的难度，同时也缺乏新型教学模式在人工智能课程教学实践的探究。人工智能教育在高中阶段的推广中旨在培养学生的科技创新意识和实践能力，项目化教学可以作为一种新型的教学模式，旨在让学生在完成项目的过程中将知识渗透，让学生能够运用知识解决项目中面临的各种实际问题，从而进一步理解和建构新知识和新技能，培养学生的信息意识、计算思维、数字化学习与创新和信息社会责任的核心素养。人工智能教育与项目化教学在一定程度上具有很大的适切性。其中，垃圾邮件分类问题是机器学习领域的经典案例，非常适合作为高中人工智能课程的教学内容。

二、项目化教学的内涵

项目化教学，顾名思义，它把一个个富有实际意义的项目作为教学的核心，以此来激发学生的兴趣和潜能。与传统的“填鸭式”教学相比，项目化教学更像是一种引导学生“学会如何学习”的方式[3]。它不仅仅是将知识简单地传递给学生，而是通过项目的完成，让学生在动手实践的过程中自然而然地掌握知识和技能。

项目化教学法所追求的，是学生在学习的过程中，不断地发现问题、分析问题、解决问题。这一路上，学生的主动性和创造性得到了充分的发挥。比如，假设有一个关于环保的项目，学生们需要调查本地的环保现状，并提出改善方案。这个过程中，他们不仅学习了关于环境科学的知识，还涉猎了政策法规、公共管理甚至是媒体传播等多个领域的知识。

在这种教学模式下，老师的角色由“知识的传授者”转变为“学习的引导者”。老师需要根据学生的兴趣和需求，提供合适的项目主题，设计切实可行的项目计划，同时在项目实施的过程中，给予学生适当的指导和帮助。比如，在项目的选题阶段，老师可以与学生共同探讨，帮助他们确定一个既符合课程要求，又能激发他们兴趣的主题。在项目执行的过程中，老师则可以通过定期的讨论和反馈，帮助学生及时调整项目的方向和策略[4]。

项目化教学非常注重学生的自主学习能力，因为在整个项目的推进过程中，学生们需要自己管理时间，分配资源，协调团队内部的工作。这些都是在传统课堂教学中难以锻炼到的能力。同时，学生还需要通过查阅资料、实地考察、专家访谈等多种方式，收集和分析信息，以此来推动项目的进展。

合作探索也是项目化教学的一大特色。在大多数项目中，学生需要分组合作，利用各自的长处共同推进项目。这种合作模式培养了学生的团队协作精神，提高了他们解决实际问题的能力。在讨论和合作的过程中，学生们互相学习，共同进步，这种学习效果是单打独斗所难以比拟的。

跨学科思维则是项目化教学的另一个亮点。现实生活中的问题往往不会局限在某一个学科的范畴内，因此项目化教学鼓励学生跳出单一学科的框架，从多个角度和维度去思考问题。这样不仅拓宽了学生的视野，也锻炼了他们的综合分析能力。

三、项目化教学与高中人工智能课程教学的适切性

（一）真实性

项目化教学强调从真实的情境出发，让学生通过发现问题、解决问题、完成项目的过程中，链接知识与现实世界，从而建构知识。人工智能课程与生活实际也紧密联系，服务于生活，应用于生活，致力于解决生活中各种实际问题，如人脸识别、智能导航等。因此基于项目化教学开展人工智能课程教学，有助于学生融入真实情境、真实问题去发现问题，进而发展学生解决问题的能力。

（二）实践性

项目式教学强调“做中学”，让学生在完成项目的过程中建构知识，这要求学生要不断动手操作，从而解决问题。而人工智能是一门具有实践性特点的课程，它要求学生不断动手操作，调试作品，完善作品，最后完成成果。两者都强调了“做中学”、“用中学”、“创中学”。

（三）综合性

项目化教学要求学生能灵活运用各种跨学科能力和综合能力开展探究，需要学生具备多方面的知识储备，积极整合知识，锻炼和发展调度多种知识解决问题能力。同样，人工智能教育也是一门具有综合性的课程，它延伸出来的问题往往是复杂的、多样的，需要学生突破单一学科解决问题的局限，运用跨学科的思维与技能完成人工智能项目的学习。

四、高中人工智能项目化教学实践

在当今的教学实践中，结合理论与实践的教学模式受到了广泛的推崇和应用。本次教学实践探索的策略，旨在将学生带入数据科学的世界，以一项与实际生活密切相关的项目—垃圾邮件分类，来探索和学习机器学习的基本概念和应用。以下是具体的教学策略和实施步骤：

（一）项目概述

本项目的核心目标是揭开机器学习应用的神秘面纱，让学生通过动手实践，深入理解其背后的工作原理和实现过程。垃圾邮件智能分类系统是一个典型的机器学习应用案例，它涵盖了从数据准备到模型部署的全流程，对于学生掌握机器学习的实战技能极其重要。

在数据预处理阶段，学生们将学习如何清洗和格式化数据。垃圾邮件的数据往往杂乱无章，可能包含各种非结构化的文本信息。为了使这些数据能被机器学习模型有效处理，学生需要了解并实践如何去除无关信息、纠正错误、统一数据格式等操作。这不仅是机器学习，甚至是所有数据分析工作的基础，其重要性不言而喻。

在特征提取阶段，学生将探索如何从原始数据中抽取出对分类任务有帮助的信息。例如，在垃圾邮件分类任务中，某些关键词或短语可能是判断邮件属性的重要依据。学生需要运用文本分析的方法，提取这些有助于区分垃圾邮件与普通邮件的特征。这个过程不仅锻炼了学生的分析能力，也增强了他们对数据特征重要性的认识。

在模型选择阶段，则要求学生基于已有的理论知识，挑选出适合垃圾邮件分类的机器学习模型。这一环节可能包含多种分类算法的比较，如决策树、支持向量机、神经网络等。学生需要根据特征的特性和模型的优缺点，做出合理的选择。这个过程中，他们不仅要学习各种模型的原理，还要通过实践来感受模型的性能和适用场景。

在训练与测试阶段，这是项目的实战核心。学生需要使用选定的模型对特征数据进行学习，这就涉及到了如何设置模型参数、如何防止过拟合、如何优化模型性能等关键问题。通过反复实验和调优，学生将逐步掌握如何提升模型效果。同时，在测试环节，学生将用之前未曾见过的数据来验证模型的泛化能力，这对于检验学习成果至关重要。

在结果评估阶段，学生将学习如何使用不同的评价指标，如准确率、召回率、F1分数等，全面地评价模型的性能。这不仅能帮助学生理解不同评价指标的含义和适用场景，还能教会他们如何从多个维度去衡量一个机器学习模型的好坏。

通过这一系列的学习任务，学生不仅能够获得机器学习理论知识，更重要的是，他们能通过亲身实践掌握如何将这些理论应用于解决实际问题。这样的教学模式有助于学生建立起从问题到解决方案的完整思考路径，不仅提高了他们的技术技能，更锻炼了他们的逻辑思维能力和问题解决能力。通过剖析垃圾邮件智能分类系统这个实例，学生们将对机器学习有一个更加深入和全面的理解，为他们未来在人工智能领域的学习和工作打下坚实的基础。

（二）课程准备

首先，作为引导者的教师，必须在教学活动开始之前进行充分的准备工作。这项准备不仅包括课堂教学内容的设计，还涵盖了所需教学资源的收集和整理。例如，老师需要准备垃圾邮件数据集，这些数据集可以从互联网上的公共数据库中获取，也可以是合作企业提供的实际数据。随后，需要设置Python编程环境，这是大多数数据科学项目的首选语言，因为它易于学习且具有强大的库支持。除此之外，还需要提前配置好机器学习库，如scikit-learn，这样学生就能在实践中应用它们来构建和测试机器学习模型。

（三）项目实施

在项目实施阶段，学生们将分组协作，以促进彼此之间的交流与学习。在教师的指导下，每个小组将从数据的收集与预处理开始，逐步进入模型的构建、训练和评估过程。在这一阶段，教师的角色转变为指导者和顾问，他们需要监督学生的工作进度，及时解答学生在实践过程中遇到的问题，确保每个小组都能顺利进行项目实施。

具体来说，学生需要了解如何使用Python进行数据的探索性分析，如何通过可视化手段理解数据特征，以及如何进行数据清洗和预处理以适应模型训练的需要。接下来，学生需要学会选择合适的机器学习算法，对垃圾邮件分类器进行训练，并通过交叉验证等方法评估模型的性能。这一过程中，学生将深刻理解机器学习模型背后的数学原理和统计学知识。

（四）成果展示

学生们要将他们的工作成果进行整合，形成详尽的项目报告。报告的内容应该全面，包括项目的研究背景、实施过程、遇到的问题及解决方案、模型的性能评估以及可能的改进措施。在成果展示环节，学生将有机会向同学们和老师展示自己的项目成果，分享学习过程中的心得体会。

此外，教师应该鼓励学生进行批判性思考，讨论模型可能存在的偏差和局限性，以及在现实世界中应用时需要考虑的伦理和隐私问题。通过这种方式，学生不仅能学到技术技能，还能培养对社会责任和职业道德的深刻理解。

五、结论

“剖析垃圾邮件智能分类系统”项目化教学的实践表明，项目化教学与人工智能课程教育具有适切性。它能够激发学生的学习兴趣，培养其解决实际问题的能力，并为其未来的学习与职业发展打下坚实的基础，也符合现代社会对培养人的要求。

参考文献：

[1]国务院关于印发新一代人工智能发展规划的通知(国发〔2017〕35

号)[EB/OL].(2017-07-08).http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[2]教育部.普通高中信息技术课程标准 (2017 版) [S].北京:人民教育出版社, 2018.

[3]董雨雪. 高中人工智能课程项目化教学的实践研究[D]. 华东师范大学, 2022. DOI:10.27149/d.cnki.ghdsu.2022.004957

[4]沙泊安. 高中课程《人工智能基础》项目化教学的实践探索[D]. 扬州大学, 2019. DOI:10.27441/d.cnki.gyzdu.2019.000692

注：本文是省级项目《面向人工智能教育的Python编程项目设计教学研究》和《核心素养体系下中学信息技术跨学科教学研究》的研究成果。