AI 赋能环保小卫士

一、案例情况

本教学案例基于 2023 浙教版小学信息科技教材《数据与编码》单元内容，延伸至技术应用层面。学生已初步掌握数据的基本概念，并理解生活中物品可通过编码分类，如将垃圾分为可回收物、有害垃圾、易腐垃圾和其他垃圾。然而，在实际垃圾分类实践中，学生们常常因为物品材质复杂或认知不足而出现混淆。为了解决这一实际问题，并深化对数据与编码的理解，案例选择了“垃圾分类图像识别”作为切入点。旨在帮助学生理解图像也是一种重要的数据形式，认识到人工智能图像识别需要大量预先标注好的数据才能进行训练，初步感知技术如何辅助解决现实问题。

二、案例分析

本案例面向的学生普遍具有较强的好奇心和动手操作意愿，其思维以具象为主，能够完成简单的分类任务。然而，他们对相对抽象的数据处理流程和人工智能背后原理的理解仍处于初级阶段。在教材衔接方面，案例紧密依托教材核心思想，即关注数据的价值与实际应用。将“垃圾分类”这一与学生日常生活息息相关的问题作为数据应用的实例，完美契合了教材中“数据与生活”的主题。图像识别技术作为信息处理的一种直观形式，为学生理解数据如何被转化为有用信息提供了生动的例证。

实施本案例面临的一个核心挑战在于，学生很容易被“拍摄 - 识别”这一直观有趣的结果所吸引，而忽略了一个至关重要的原理：人工智能模型识别效果的好坏，根本上取决于用于训练它的数据的质量。这也恰恰是本案例进行素养启蒙的关键切入点。通过亲身的实践操作，特别是当模型出现识别错误时，教师可以引导学生深入思考和讨论，同时，引导学生理性分析技术结果的局限性，批判性地看待人工智能的输出，而非盲目信任，培养其初步的技术批判思维。

三、转化对策

（一）情境导入，激发需求

教师播放一段简短的视频，展示生活中因垃圾分类错误造成的资源浪费或环境问题。接着向学生提问：我们已经学习了用编码给垃圾分类，但在实际投放时，有没有遇到过不确定的情况？科技有没有可能帮助我们更准确地进行分类？由此自然引出利用“AI 小助手”辅助垃圾分类的设想。

（二）体验先行，感知神奇

教师预先准备好一个训练好的简易图像识别模型。现场使用摄像头对准几件典型垃圾实物（例如一个干净的矿泉水瓶、一块香蕉皮），演示模型如何快速识别并显示出对应的垃圾类别（可回收物、易腐垃圾）。让学生直观感受到技术应用的便捷和效果，激发其参与实践的浓厚兴趣。

（三）揭秘原理，动手实践

1. 分组收集与标注数据：学生分成小组，每组重点负责收集一种垃圾类别（如可回收物组）。使用设备拍摄或收集同一种垃圾物品的多种状态图片（如不同品牌矿泉水瓶、压扁或完好的状态）。关键步骤：为每一张图片选择正确的垃圾类别标签。教师强调：清晰、多样化的图片和准确的标签是让电脑有效学习的基础。

2. 模型训练：各小组将标注好的图片集上传到平台。点击“训练模型”按钮。教师简要说明：电脑正在利用我们提供的“带答案的图片”学习识别不同垃圾的规律。

3. 测试与应用模型：各小组寻找新的、未用于训练的垃圾物品，用摄像头拍摄，观察模型识别结果。引导学生记录：哪些物品识别准确？哪些容易出错？（例如：揉成团的纸巾与平整纸巾的识别差异，生锈铁罐与新铁罐的识别情况）。

（四）深度讨论，素养内化：

当模型识别出错时，教师引导学生思考：是收集的图片数量不够多？角度变化不够丰富？还是标注标签时选错了？由此理解“输入的数据质量决定输出结果质量”的核心原理，启蒙数据质量意识。接着，讨论 AI 助手能否完全替代人工判断。强调技术是辅助工具，面对复杂情况（如脏污程度影响塑料瓶是否可回收），最终决策和环保责任在于人。启蒙理性看待技术能力与局限。最后，鼓励学生思考如何让模型更聪明。可能的建议包括：收集更多不同状态物品的图片，尝试增加更细致的标注信息等。启蒙创新思维和持续优化的观念。

（五）行动延伸，知行合一

教师鼓励学生将所学知识和制作的AI 小助手分享给同学或家人，担任“环保科技小宣传员”。指导学生设计一份简单的“AI 助手使用小贴士”，内容包括：拍照时确保图像清晰、尽量拍摄物品正面、遇到复杂或不确定的物品仍需依靠自身知识判断等。

四、指导成效

知识目标有效达成：学生能清晰表述图像是数据的一种形式，理解人工智能图像识别需要大量带有正确标签（编码）的图片数据进行训练，并认识到数据质量的好坏直接影响识别效果。学生能将垃圾分类的具体知识与数据编码的抽象概念建立联系。

实践能力稳步提升：学生能够熟练运用平台工具，独立或合作完成垃圾图片的采集、分类标签标注、模型训练及模型测试应用的全流程操作。学生能通过观察模型测试结果，初步分析识别准确或错误的原因，并聚焦于数据本身的因素进行思考。

核心素养显著增强：学生的数据意识得到强化，深刻体会到高质量数据对人工智能的重要性；对人工智能技术的认知更加理性，理解其局限性和对数据的依赖性，学会批判性看待技术结果；环保责任感明显提升，通过项目实践巩固了自身垃圾分类知识并更积极践行；计算思维得到初步启蒙，体验了问题分解、模式识别和数据抽象的过程。

情感态度积极发展：学生对运用信息技术解决现实问题，尤其是环保类问题，表现出强烈兴趣。在项目实践过程中，体验了技术应用的成就感，增强了学习信息科技的信心和动力。

五、案例总结

本案例巧妙地将“垃圾分类”这一社会热点与 AI 图像识别启蒙教育相结合。其成功关键在于：其一，严格对标教材知识点（数据、编码、技术应用），选择符合小学生认知水平的技术工具（腾讯扣叮图形化模块），避免深奥理论，聚焦可操作的实践体验；其二，超越了单纯的技术操作，将数据质量意识、理性技术观（理解与批判）、社会责任（环保）作为核心素养目标贯穿始终。通过模型出错后的深度讨论，有效实现素养内化；其三，学生通过亲身参与数据采集（编码）、训练、应用、测试、反思的全过程，对“AI 如何工作”有了具象、深刻的理解，远胜于被动听讲；其四，选用小学广泛普及的腾讯扣叮平台，无需额外复杂设备或高深编程知识，模型训练快速，确保了课堂的可行性与效率。

总之，小学阶段的 AI 启蒙教育，重在建立感性认知、理解核心概念、培养正向价值观。选择与学生生活经验强相关的应用场景，利用直观易用的工具，通过精心设计的实践活动和深度反思讨论，才能有效点燃兴趣、播种素养，为未来更深入的学习奠定坚实基础。