AI 赋能 PBL 驱动：高中编程课堂的创新教学实践

前言：

随着信息技术的迅猛发展，编程能力已成为新时代人才必备的核心素养之一。在编程教学板块，Python 语言凭借其简洁性、通用性和丰富的库函数，成为高中信息技术学科教学的重要内容。然而，传统的编程教学模式往往存在教学方式单一、学生实践应用能力不足等问题。项目式学习（PBL）强调以真实项目为载体，让学生在解决实际问题的过程中掌握知识与技能；人工智能（AI）技术则能够为教学提供智能辅助与创新支持。将 AI 赋能与 PBL 相结合应用于高中 Python 编程教学，能够有效激发学生学习兴趣，提升教学效果。

一、AI 赋能与 PBL 驱动在高中编程教学中的融合意义

（一）提升教学效率与针对性

AI 技术具有强大的数据分析与智能反馈能力。在 PBL 模式下，学生在完成 Python 项目过程中会产生大量的学习数据，如代码编写时长、错误类型统计、项目进度等。AI 教学平台可以实时收集并分析这些数据，助力教师快速了解每个学生的学习状况，且针对学生在编程过程中遇到的问题进行精准的个性化指导。

（二）增强学生学习主动性与创新能力

PBL 模式以学生为中心，强调通过设计具有挑战性的真实项目，激发学生的学习兴趣与探索欲望。AI 技术的融入则可以为学生提供更广阔的创新空间。学生在 Python 项目实践中，可借助 AI 工具如自然语言处理接口、图像识别库等，实现更具创意的功能。例如，在开发一个校园活动报名系统项目时，学生可以利用 AI 的人脸识别技术实现身份验证功能，利用自然语言处理技术实现智能客服解答报名相关问题。

（三）优化教学评价体系

传统的编程教学评价主要以代码运行结果和教师主观评价为主，缺乏全面性与客观性。AI 能够从代码规范性、算法效率、项目功能完整性等多个维度对学生的项目成果进行量化分析与评价，同时结合学生在项目小组中的协作表现、问题解决能力等方面，给出综合评价。例如，教师可以利用代码审查工具对学生的 Python 代码进行自动评分，从代码的缩进规范、变量命名、注释完整性等方面进行打分。

二、AI 赋能 PBL 驱动的高中 Python 编程课堂教学实践

（一）基于教材内容设定教学目标

结合教科版高中信息技术教材第 2 单元“编程计算”和第 4 单元“计算与问题解决”的核心内容，明确教学目标。在“编程计算”单元中，学生需要掌握 Python 基本数据类型、运算符、表达式以及顺序、分支、循环三种基本程序控制结构，能够运用编程实现简单的数值计算与数据处理。在“计算与问题解决”单元，要求学生学会分析问题、设计算法，并将算法用 Python 语言实现，培养其利用计算思维解决实际问题的能力。

基于此，将 AI 赋能 PBL 驱动教学的目标设定为：学生通过参与真实项目，熟练运用教材中所学的 Python 编程知识，在 AI 工具辅助下，完成项目开发；在项目实践过程中，提升计算思维、创新思维以及团队协作能力；能够根据 AI的评价反馈，不断优化项目成果，实现知识的灵活运用与能力的进阶提升 。

（二）紧扣教材设计项目内容

基础巩固类项目：以“编程计算”单元知识为基础，设计“校园运动会成绩统计系统”项目。学生需要运用 Python 的数据类型和运算知识，对运动会各项目的成绩进行录入、存储和计算，如计算运动员的平均成绩、排名等。同时，利用循环结构实现批量数据处理，利用分支结构进行成绩的分类统计，如区分不同年级、不同性别运动员的成绩情况。借助 AI 的数据可视化工具，将统计结果以图表形式直观呈现，让学生更清晰地理解数据背后的信息，加深对编程计算知识的理解与运用。例如其中一个小组在分析年级成绩数据时，在 AI的指导下使用了 pandas 库的 groupby 函数，大大提高了数据统计的效率。之后学生还尝试使用了  AI 的 matplotlib 库生成动态折线图，直观展示各年级成绩波动趋势 —— 这种“教材知识 + AI 工具”的实践，让抽象的循环结构与分支逻辑有了具象化的应用场景。

综合应用类项目：结合“计算与问题解决”单元，设计“校园图书管理优化系统”项目。学生首先要分析图书管理过程中的实际问题，如图书借阅、归还、查询等流程，然后设计相应的算法。在实现过程中，运用 Python 编程实现图书信息的存储、检索和更新功能。例如，利用列表或字典数据结构存储图书信息，通过循环和条件判断实现借阅、归还的逻辑处理。此外，引入 AI 的自然语言处理技术，实现智能图书查询功能，用户只需输入简单的自然语言描述，系统就能快速检索到相关图书信息，让学生在解决复杂实际问题的过程中，强化计算思维与编程实践能力。

（三）教学过程实施

项目启动阶段：教师在课堂上展示与项目相关的实际场景视频或案例，如运动会成绩混乱难以统计的状况、图书管理效率低下的问题等，引发学生的兴趣和解决问题的欲望。随后，详细解读项目任务和要求，引导学生结合教材知识，分析项目中可能涉及的编程知识点和技术难点。同时，介绍可利用的 AI 工具及其功能，如 AI 代码生成辅助工具、数据可视化平台等，让学生对项目有初

步的整体认知。

小组协作与 AI 辅助开发阶段：学生根据兴趣和能力自由分组，每组 4 -5 人。小组成员共同讨论，制定项目计划，明确各自的分工，如有人负责算法设计，有人负责代码编写，有人负责测试与优化等。在项目开发过程中，学生遇到问题可先通过 AI 平台寻求帮助，平台会根据问题关键词，提供相关的代码示例、知识讲解视频等资源。例如，当学生在实现图书管理系统的查询功能时遇到逻辑错误，AI 平台可推送类似查询功能的代码模板和详细的算法解析，引导学生解决问题。教师则通过 AI 教学平台实时监控各小组的项目进度和学生的学习数据，对遇到困难较大的小组进行针对性指导，确保项目顺利推进。

成果展示与评价阶段：各小组完成项目后，进行成果展示。小组成员通过演示文稿、实际操作等方式，介绍项目的功能、实现过程以及遇到的问题和解决方案。展示结束后，进入评价环节。一方面，利用 AI 代码审查工具对学生的代码进行自动评分，从代码规范、算法效率等维度给出量化评价；另一方面，教师和其他小组成员根据项目的功能完整性、创新性、实用性等方面进行主观评价，同时结合学生在小组协作中的表现，如沟通能力、责任履行情况等，给出综合评分。此外，鼓励学生利用 AI 分析工具，对展示过程中观众的反馈进行分析，了解自身项目的优势与不足，为后续改进提供方向 。

（四）教学效果反馈与改进

教学实践结束后，通过问卷调查、学生访谈等方式收集学生对 AI 赋能PBL 驱动教学模式的反馈意见。了解学生在项目学习过程中的收获与遇到的困难，以及对 AI 工具和 PBL 项目的满意度。同时，分析学生的项目成果和学习数据，评估学生在编程知识掌握、计算思维培养、创新能力提升等方面的成效。

根据反馈结果，对教学过程进行总结和反思。若发现学生在某个知识点或技能上掌握不扎实，可在后续教学中增加相关的巩固练习项目；若学生对 AI工具的使用存在困惑，可开展专门的培训课程，提高学生运用 AI 辅助学习的能力。通过不断调整和优化教学策略，持续提升 AI 赋能 PBL 驱动教学模式在高中 Python 编程课堂中的应用效果。

三、结语

将 AI 与 PBL 融合于 Python 教学，并非简单的技术叠加，而是对‘做中学’理念的深化 —— 当学生能用 AI 工具解决真实问题，编程便从符号操作转化为创新表达的载体。这种教学革新，恰是应对信息素养培育要求的关键路径。

参考文献：

[1] 陈涵深 . 人工智能赋能编程类课程的教学——以 JavaScript 程序设计课程为例 [J]. 电脑知识与技术 ,2024,20(28):137-139.

[2] 陈春莲 . 信息科技与人工智能为统领的科创教育教学模式研究 [J]. 教育与装备研究 ,2024,40(07):62-68.

[3] 苑 昕 . 人 工 智 能 在 编 程 教 学 中 的 创 新 应 用 [J]. 中 学 课 程 辅导 ,2024,(17):114-116.