基于项目式学习的高中信息技术课人工智能融合教学实践研究

一、研究背景与问题提出

随着《普通高中信息技术课程标准（2017 年版 2020 年修订）》将“人工智能初步”纳入必修模块，如何在高中阶段有效开展信息技术与人工智能的融合教学成为教育研究的焦点。当前教学中，人工智能内容的融入面临双重挑战：一方面，人工智能涉及算法、模型等抽象概念，单纯的理论讲授易使学生产生畏难情绪；另一方面，信息技术课程中的编程、数据处理等知识与人工智能技能缺乏有机衔接，导致学生难以形成系统的技术认知。

项目式学习以“解决真实问题”为核心，通过项目任务驱动学生整合多领域知识，恰好能弥补上述不足。其强调“做中学”的理念，与人工智能“实践性强、跨场景应用”的特点高度契合。基于此，本研究聚焦项目式学习在两者融合中的应用，探索如何通过项目设计实现知识与技能的深度整合，为高中信息技术课程的创新实施提供思路。

二、融合教学模式的构建

（一）设计理念

以“真实情境为依托、项目任务为线索、能力培养为目标”为核心，将人工智能基础内容（如图像识别、简单算法）拆解为可操作的项目任务，嵌入信息技术课程的编程、数据处理等核心模块，使学生在完成项目的过程中自然实现知识的融合建构。

（二）教学框架

1、情境导入：选取校园生活中的真实问题（如“如何快速识别图书馆书籍类别”“怎样优化教室照明控制”），创设与学生经验相关的情境，激发项目参与动机。

2、项目拆解：将核心问题分解为若干子任务，明确每个任务所需的信息技术知识（如 Python 编程、数据采集）与人工智能技能（如模型训练、特征提取），形成“知识—技能—任务”的对应关系。

3、协作探究：学生分组认领任务，通过自主查阅资料、设计方案、动手实践等方式推进项目，教师以引导者身份提供技术支持（如开源平台使用指导）和思维启发（如引导分析问题根源）。

4、成果迭代：通过小组汇报、互评反馈等环节发现项目漏洞（如模型识别误差），推动学生结合信息技术知识（如数据清洗方法）与人工智能原理（如样本均衡性）优化方案，形成“实践—反思—提升”的闭环。

三、教学实践案例

以高一信息技术“数据与计算”单元为例，设计“校园植物智能识别”项目，具体实施过程如下：

（一）项目启动

教师展示校园植物标牌缺失导致学生认知困难的现象，提出“设计一款能识别校园植物的工具”的项目目标。引导学生讨论实现思路，明确需解决“植物图像采集”“特征提取”“识别模型搭建”等子任务，分组确定组长与分工（如采集组、编程组、测试组）。

（二）知识衔接

结合项目需求，针对性补充相关知识：

1、信息技术层面：讲解Python 数据采集库（如Pillow）的使用，指导学生掌握图像格式处理、数据存储方法；

2、人工智能层面：通过“对比人类识别植物的过程”类比图像识别原理，介绍开源平台（如 Teachable Machine）的模型训练流程，帮助学生理解“特征提取—模型学习—结果输出”的逻辑。

（三）项目实施

采集组拍摄校园常见植物（如樱花、雪松）的多角度照片，标注名称后建立图像数据集；编程组利用Python编写图像上传接口，调用平台训练好的模型实现识别功能；测试组通过拍摄新样本检验工具的识别效果，记录误差案例。过程中，学生需自主解决“图像模糊导致识别失败”等问题，如采集组学习图像预处理技巧，编程组尝试调整模型参数，体现知识的综合应用。

（四）成果反思

各组展示植物识别工具的操作演示，分享实施中遇到的挑战：如初期因样本数量不足导致识别准确率低，后通过增加不同季节的植物图像（信息技术中的数据扩充方法）与优化标注方式（人工智能中的样本质量控制）解决问题。教师引导学生总结：项目中既用到了信息技术的编程与数据处理能力，又渗透了人工智能的模型思维，两者的结合是解决实际问题的关键。

四、教学实践成效

（一）学生学习状态的转变

相较于传统教学中“被动接受知识”的状态，项目式学习使学生更主动地探索知识关联。例如，学生为解决项目中的技术问题，会自主查阅Python 与人工智能平台的交互方法，将分散的知识点转化为“问题解决链”，体现出从“知其然”到“知其所以然”的深化。

（二）能力素养的提升

在项目推进中，学生的计算思维得到显著发展：面对复杂问题时，能主动拆解任务、分析关键变量（如影响模型识别的因素）；团队协作中，通过分工协商、意见整合提升沟通能力；创新意识也得以激发，部分小组在基础功能外增加“植物生长周期提示”等拓展模块，体现知识应用的灵活性。

（三）教学融合的深化

项目式学习打破了信息技术与人工智能的知识壁垒。学生在实践中逐渐认识到：信息技术是人工智能应用的基础（如编程实现模型落地），人工智能是信息技术的延伸（如数据处理的智能化升级），两者的融合能产生“1+1>2”的教学效果。

本研究通过项目式学习实现高中信息技术与人工智能的融合教学，证明该模式能有效激发学生的学习主动性，促进知识的深层建构与能力的综合发展。实践中需注意：项目设计需贴合学生认知水平，避免因技术难度过高导致挫败感；教师需平衡“引导”与“放手”的尺度，既提供必要支持，又保留学生自主探究的空间。未来可进一步拓展项目类型（如融入自然语言处理、数据分析等人工智能内容），结合校本资源开发更具特色的融合课程，为高中人工智能教育的常态化实施提供更丰富的实践范式。