智能大数据时代的信息技术学科核心素养培养路径探析 论文

2022年安徽省中小学教育教学论文评选智能大数据时代的信息技术学科核心素养培养路径探析摘要：人工智能和大数据分析等先进技术正改变人们的生活，也为中学信息技术学科教学工作提出了新挑战。本文面向智能大数据学科领域，调研了当前中学智能学科研究现状，详细讨论了当前中学智能大数据教学瓶颈。继而深入分析智能教学的技术特点，综合探析智能大数据在中学阶段的教学过程，形成一种培养目标内核化（Kernelization）、培养内容典型化（Typicalization）和培养方案牵引化（Traction）的新型核心素养培养路径，称为KTT路径，为智能大数据在中学阶段的教学工作提供方法支持。关键词：人工智能，大数据分析，高中，计算机，信息技术，核心素养引言：随着人工智能、大数据分析等计算机前沿技术的发展，智能大数据时代已悄然到来。技术的革新不仅改变了人们的生活方式，也逐渐成为民众的学习热点，使得智能技术的学习趋向普世化和基础化。在此背景下，教育部于2018年公布了高中信息技术课程教学的新标准,强调在对学生进行课程素养培养的过程中，应当贴合当前信息技术数据化应用的发展趋势,将人工智能等新兴技术纳入课程教学内容中。毫无疑问，面对智能大数据等新兴技术的出现，中学信息技术教育理念及培养方式的调整和改革势在必行。近年来，我国很多地区开展了中学阶段的人工智能、大数据技术普及教育，这类教育大多以课外活动或课堂补充等形式为主，虽然取得了一定的教学成果，但尚未形成统一的学科核心素养培养路径，使得教学成果的持续性和复用性大打折扣。目前来看，在智能大数据背景下，系统化的信息技术学科培养路径建设仍存在以下挑战。首先，如何在原有信息技术学科体系之上合理兼容智能大数据培养内容。人工智能、大数据分析等新兴领域学科的理论深度和实操素养较之传统计算机领域研究方向有很大不同。牵涉到概率论、机器学习、分布式计算、智能算法等诸多领域内容，对于中学信息技术学习而言难度难以把控，容易造成内容过深过广，与传统的计算机编程、逻辑算法衔接不当等问题。其次，如何针对智能大数据的学习特点，科学制定学科培养目标以合理提升学生学12022年安徽省中小学教育教学论文评选科核心素养。根据智能大数据的技术特点，传统计算机课程的学科培养目标难以适用。一方面，传统的以计算机编程和逻辑思考为主的培养目标并不能覆盖智能大数据时代的知识学习需求，需要从计算思维逐步演化为智能思维。另一方面，考虑到智能大数据技术本身的难度构成，培养目标应当循序渐进，以启发式、引导式为主，既要避免大而全，又要舍弃深而专，应制定适合中学学生特点的智能信息技术培养目标。再者，如何面向学科核心素养需求确立合理可行的培养方案。由于人工智能、大数据分析涉及的学习内容广泛，所需的知识背景和支撑环境相对严苛，传统的软硬件相关培养路径在数据、平台、算法等方面难以支撑其课程培养目标，需要针对学科核心素养增加多维度培养方案，此外亦需通过迭代更新精简课程设置，挖掘学习重点，提升学生兴趣，探索场景导入、由点及面等新型培养方式。当前，针对人工智能在中学课程培养目标及路径的调查和研究逐步兴起。其中，彭玮丽[1]针对新课标下的人工智能课程建设进行了目标调研，并从教学目标构建、教学过程考核等方面提出了构建设想。刘军芳等人[2]针对新课标下中学信息技术教育和人工智能教育创新发展趋势，研究了虚拟机器人在程序设计和综合实践方面的应用。其他相关研究[3-9]对人工智能相关技术在中学阶段的教学应用均进行了一定程度的调研，对其在中学学科素养培养过程中的前景、表现和评价进行了一定程度的探讨。然而这些研究尚停留在教育策略探讨阶段，未能对人工智能学科本质进行梳理，并未紧密联系中学信息课程的教学需求，因此难以解决上述培养路径建设的诸多挑战。本文从技术分析入手，首先深入探讨人工智能、大数据分析等相关领域技术特点，结合中学信息技术及人工智能教育现状，着力分析和研究符合信息学科核心素养培养内容和目标，提出一种新的智能大数据中学核心素养培养路径（简称KTT路径），涵盖了培养目标、培养内容和培养方案的具体设计。一、人工智能及大数据分析技术特点近年来，随着机器学习、神经网络等技术的不断发展，计算机学科迎来了智能大数据时代。人工智能及大数据分析涵盖的内容广泛而深刻，包含计算机视觉、自然语言处理、虚拟现实、推荐系统、云计算、机器人智能等诸多智能领域，涉及机器学习、深度学习、强化学习、分布式系统、智能搜索、模式识别、数据挖掘、数据存储、边缘计算等相关计算机技术，连接概率论、线性代数、图论、离散数学、面向对象与程序设计、数据库等数学、计算机方向的基础科学理论。“智能”是该领域学科的核心，智能不仅22022年安徽省中小学教育教学论文评选包含了传统计算机编程中自动化程式的内涵，更表示让机器主动计算和学习，产生符合人类预期，甚至超出人类预期的有价结论。在此过程中，“数据”是运转的基础，“模型”是分析的关键。在计算机领域，智能分析预测的成功往往伴随着合理的数据集收集和处理、先进的模型选择与设计、细致的实现与调试手段。结合实际应用需求场景，需要首先收集相关数据集（往往是大规模的），利用分布式、云计算、数据库技术将数据按照一定格式组织起来，对于有监督分析还需要收集或制作标签数据，并利用一定清洗手段去除无效数据。其次，基于应用场景确定模型范围，选择现有智能模型或设计自身模型，例如对于图像处理问题往往选择或改进卷积神经网络相关模型，而对于自然语言相关的时序问题却倾向于应用循环神经网络及其变种模型，此过程需要对模型本身和背后的科学原理和应用场景有较深的掌握。再者，模型的实现需要借助面向对象程序语言、智能学习代码框架等确定，再通过对数据集的训练测试划分，细粒度地调试超参和优化方式。最终得出满意的预测分析结果。智能大数据涉及的知识原理众多、模型繁杂、调试困难，但核心技术特点相对明晰。对于中学阶段的智能大数据课程及相应的学科素养培养，应当围绕其核心技术特点铺陈展开，这也是容易被当前中学人工智能教育忽略的重点。二、智能大数据背景下中学信息技术教学现状 2.1教师团队的理论实践经验有待改善

当前中学人工智能教师团队主要从传统信息技术学科教师队伍发展而来，由于教师们普遍具备良好的计算思维、计算机基础理论和编程能力基础，因此掌握基本的人工智能原理和技术较为容易。然而，由于工作环境等因素的制约，教师知识能力提升渠道仍然集中于课余的培训、进修、自学，加之实验环境、硬件支持、数据获取等方面的限制，难以对人工智能整体知识框架进行系统性掌握，理论实践经验尚显不足。教学过程中，多数围绕既有经典理论进行简单讲解，对现有案例和数据进行复现，少有面向学科核心素养培养的发散和拓展。 2.2学科影响力有待增强

信息技术学科在中学阶段的学科影响力相较于语数外等学科仍处于弱势地位，虽然现阶段经历了新课改，包括大数据人工智能在内的计算机学科重要性日益凸显，但其在升学考试中的占比仍然不高，家长和学生容易忽略或选择性放弃，这样直接影响了学科教学目标的达成和教学水平的提升。在大数据人工智能飞速发展的大环境下，中学信息技术学科的学科影响力仍有待增强，这一方面依靠国家层面的方针政策，更重要的是需32022年安徽省中小学教育教学论文评选要提升家长学生的整体认识，普及学科内容对学生整体素质和长期能力提升的重要性。 2.3教学经费和设施有待提升

由于人工智能大数据的领域特殊性，需要一定的教学经费和硬件设备支持，这与传统的以软件或网络编程为主的教学模式有所区别。首先，在实现一些深度学习算法和大数据分析算法时，传统个人计算机难以满足训练性能，需要具备高性能显卡的服务器以及分布式集群的支持。其次，一些框架软件和数据的获取需要购买相关版权。而现阶段中学信息技术学科少有这样的设备支撑和经费支持，一定程度限制了人工智能等新兴计算机技术的教学效果和拓展范围。三、学科核心素养培养路径探析 结合人工智能及大数据分析技术特点以及现阶段中学信息技术教学现状，本文围绕新背景下的中学信息技术学科核心素养培养，探析合理有效的培养路径。图1新背景下信息技术学科核心素养培养路径（KTT路径）探析图1新背景下信息技术学科核心素养培养路径（KTT路径）探析 3.1培养目标内核化（Kernelization）

传统计算机学科旨在培养学生的计算思维、计算机编程、软件使用等能力，将现实问题抽象为计算机模型，再通过计算机算法、数据结构来设计解决方案，利用计算机编程实现方案并自动化运行和测试。然而传统的信息技术培养目标难以覆盖智能大数据的技术特点。首先，智能大数据在传统计算思维基础上增加了智能的概念，即让机器理解数据、分析数据甚至生成数据。其次，智能大数据的程序运行机制、方法与传统计算机学习思路相异，相较于算法编程，智能学习更注重机制的理解、模型选择和方法设计。由于智能大数据涉及到的全新的技术特点和广泛的知识原理，对于中学教学而言，其培养目标不宜分散，既要覆盖智能大数据的核心机制，也要契合学生的接受能力，即实现42022年安徽省中小学教育教学论文评选培养目标的内核化。如图1所示，旨在1）提升学生的智能思维能力，重在培养学生深刻理解智能大数据的作用和来源。2）理解智能机制，重点培养学生如何让大数据智能从理论上可行。3）掌握智能方法，培养学生如何实现智能大数据的模型和任务。 3.2培养内容典型化（Typicalization）

人工智能大数据分析的领域内容与传统的计算机信息技术学科内容既有交叉又较为独立。在进行智能学习和大数据分析时，需要掌握传统计算机学科的计算思维和编程基础等内容，涉及python、计算思维模型、智能框架的学习。此外，基于人工智能大数据本身的新特性，需要引入额外的培养内容，然而完全掌握相关知识原理，相对于中学教育而言，显得难度过大、范围过广。因此需要根据领域技术特点提炼典型核心的培养内容。经过长期调研和分析，结合中学信息技术学科核心素养特点，本文从三个维度选取和划分培养内容，即技能、模型和方法（如图1所示）。技能指的是学习智能大数据所需掌握的前期技术基础，例如编程语言基础，即基本的python语法及其库函数调用；智能学习框架的简单掌握；调参技巧，如如何设置学习率、dropout比例、训练优化等；数据前期处理，如删选无效数据、归一化和reshape等。模型是基于数学公式的智能算法，用于实现具体的学习功能，不同的模型意味着不同的学习能力和预测能力，是学习的重点。方法是模型的分类，不同的方法面向不同的任务，大数据智能领域的方法包括机器学习、深度学习、推荐系统等。典型化的培养内容不仅覆盖了智能大数据核心素质的内涵，而且考虑了与传统信息技术教学的衔接以及学生的接受能力的平衡。 3.3培养方案牵引化（Traction）

由于智能大数据教学涉及面广，一些背景原理知识较为深入，难以对中学阶段的学生进行全面细致的讲解。因此应制定牵引化的培养方案来加深学生的理解。主要从三个方面入手，如图1所示，1）问题场景驱动，从实际案例中提炼问题，如人脸识别的问题，引发学生思考和对相关知识的学习和理解；2）任务驱动，以多样任务类别为牵引，如分类、回归、博弈等，激发学生思考学习相应的模型和技能；3）模式驱动，提炼智能大数据技术特点并形成学习模式，引发学生在其技术特点上进行发散思考和学习，由点及面，加深对智能大数据分析核心内容的理解。四、结语 人工智能大数据分析属于信息技术学科的前沿技术领域，在此背景下的中学信息学科教学路径存在一系列挑战。在新课标指导下，本文面向中学阶段学生核心素养培养，52022年安徽省中小学教育教学论文评选首先详细总结了智能大数据学科领域的技术特点，继而分析了当前中学智能大数据教学的现状和问题，并具体探析了合理可行的培养路径，为提升中学阶段学生在智能大数据领域的核心素养提供了方法支撑。参考文献[1]彭玮丽.新课标理念下高中人工智能课程模式构建研究[J].科技视界,2022(12):86-88.DOI:10.19694/ki.issn2095-2457.2022.12.25.[2]刘军芳,谢珍珍,张媛媛,等.基于虚拟机器人开展初中人工智能教育的策略研究[J].电脑爱好者（电子刊）,2021(2):120.[3]程焱.人工智能在中学辅助教育中的应用前景探讨[J].互动软件,2021(8):3241.[4]詹泽慧,姚佳静,吴倩意,等.人工智能课程中表现性评价的设计与应用[J].现代教育技术,2022,32(5):32-41.[5]郑招泉.人工智能背景下中学生信息技术教育浅