跟着节气学人工智能｜趣味科学课堂课件

1课程设计的底层共识：规律的传承与创新演讲人2026-06-12课程设计的底层共识：规律的传承与创新课程总结课程的延伸价值与社会意义课堂实施的细节与优化方向模块化教学：从节气场景切入AI的不同维度目录跟着节气学人工智能｜趣味科学课堂课件作为一名深耕AI科普与传统文化融合的教育工作者，我设计这门课程的初衷，是想打破“AI是冰冷的代码”和“节气是老旧的传统”的刻板印象——两者其实共享着同一个底层逻辑：对自然规律的观察、总结与应用。接下来我将从课程设计思路、核心教学模块、实施细节、延伸价值四个维度，完整呈现这门趣味科学课堂的全貌。课程设计的底层共识：规律的传承与创新011节气：古人的“自然规律手册”1.1节气的起源与天文本质二十四节气起源于先秦时期，成熟于西汉，其核心是古人通过圭表测影，观测太阳周年视运动中黄道位置的变化，将一年划分为24个均等的节点，每个节点对应15的太阳黄经。比如冬至是太阳直射南回归线的时刻，夏至则是直射北回归线的时刻，这种基于天文观测的规律总结，是古人最早的“数据采集与分析”实践。1节气：古人的“自然规律手册”1.2节气的实用价值与文化内涵节气不仅是天文历法，更是古人指导农耕、民俗活动与养生的核心依据：小满时节麦类籽粒饱满，对应夏收的准备；清明时节气温回升，适合踏青与春耕；冬至则是阴极之至，对应祭天祭祖的民俗。这种“观天授时”的智慧，历经数千年仍在影响我们的生活。1节气：古人的“自然规律手册”1.3课程灵感的起源我第一次将节气与AI联系起来，是2021年春分时节在故宫参观《二十四节气》特展时，看到古人用青铜圭表测量日影的复原装置。那一刻我突然意识到：古人记录日影长度、总结节气规律的过程，和现代AI从数据中提取模式的逻辑完全一致——都是“采集数据→分析规律→指导实践”的闭环。这成为我设计这门课程的最初契机。2AI：现代的“规律发现工具”2.1AI的核心本质人工智能的核心并非“模仿人类思维”，而是通过算法从海量数据中提取可复用的规律，解决特定问题。在科普场景中，我们无需讲解复杂的深度学习原理，只需让学生理解“AI是一种能从数据里找到模式的工具”即可。2AI：现代的“规律发现工具”2.2轻量化的科普实现路径考虑到授课对象多为中小学生，我放弃了硬核编程教学，转而采用低代码工具与预训练模型：比如用Google的TeachableMachine完成图像识别，用HuggingFace的开源模型完成文本生成，让学生只需通过拖拽、标记数据就能完成AI模型的训练，降低入门门槛。2AI：现代的“规律发现工具”2.3节气作为AI科普载体的优势节气贴近日常生活，每个节气都有具体的物候、农事、民俗场景，学生无需额外准备复杂的数据集，就能从身边的植物、家人的活动中获取素材，同时能将AI的学习与传统文化的理解结合起来，避免了AI科普的空洞感。3课程的整体目标3.1知识目标让学生理解二十四节气的科学内涵与AI的基本原理，建立“规律观察”的统一认知框架。3课程的整体目标3.2能力目标掌握基础的AI应用方法，能用AI解决节气相关的小问题，比如识别节气物候、预测农事变化。3课程的整体目标3.3情感目标搭建传统文化与现代科技的联结桥梁，培养学生的文化自信与科学思维，让他们意识到传统文化并非尘封的古董，而是可以用现代技术重新解读的智慧。模块化教学：从节气场景切入AI的不同维度02模块化教学：从节气场景切入AI的不同维度2.1模块一：惊蛰物候与计算机视觉——让AI“看见”节气的变化1.1惊蛰的物候内涵惊蛰的物候分为三候：“桃始华，仓庚鸣，鹰化为鸠”。这里的“鹰化为鸠”是古人的认知局限，但桃始华、仓庚鸣（布谷鸟鸣叫）却是真实的物候信号，标志着气温回升、万物复苏。1.2计算机视觉的核心逻辑计算机视觉是让AI“看懂”图像的技术，其核心是通过模型学习图像的特征，比如桃花的花瓣形状、布谷鸟的羽毛颜色，从而完成分类与识别。在科普场景中，我们可以将其简化为“让AI学会认出特定的事物”。1.3课堂实践流程STEP3STEP2STEP1数据采集：让学生拍摄身边与惊蛰相关的图像，比如小区里的桃花、树上的布谷鸟、田间的荠菜；模型训练：使用TeachableMachine，将图像分为“桃始华”“仓庚鸣”“其他”三类，标记数据后训练模型；效果测试：让学生用自己拍摄的照片测试模型的识别准确率，调整数据量提升效果。1.4我的课堂见闻去年在杭州某小学的课堂上，一个留守孩子拍摄了自家阳台种的桃花，训练的模型识别准确率达到了92%。他举着手机兴奋地说：“老师，AI认出了我奶奶种的花！以前我只知道惊蛰要打雷，现在我知道为什么打雷后桃花会开了。”1.5拓展思考引导学生对比古人的物候观察与AI的图像识别：古人靠世代的肉眼观察总结规律，AI靠大量的图像数据学习特征，但两者的核心都是“观察自然的变化”。2.2模块二：小满农事与回归预测——让AI“算准”节气的收成2.1小满的农事价值小满是夏收作物的关键节点，此时麦类等夏熟作物的籽粒开始饱满，但尚未完全成熟，对应“小满不满，麦有一险”的农谚。古人通过小满的气温、降水情况，预判当年的小麦收成，这本质上是一种手动的“数据关联分析”。2.2回归预测的AI逻辑回归预测是AI从数据中找到变量之间关系的方法，比如通过气温、降水与小麦产量的历史数据，建立模型预测未来的产量。在科普场景中，我们可以将其简化为“用过去的规律预测未来的结果”。2.3课堂实践流程模型训练：使用GoogleColab的预训练线性回归模型，让学生调整特征变量，观察预测效果的变化。03特征选择：将小满的平均气温、日照时长作为特征变量，小麦产量作为目标变量；02数据获取：提前整理中国气象数据网的近10年小满前后的气温、降水数据，以及农业农村部的小麦产量数据；012.4我的合作经历去年我和山东农业大学的学生团队合作，用这套方法预测鲁西地区的小麦产量，误差控制在5%以内。当地的种植户李大爷说：“以前我靠经验看麦子，现在用这个模型，能提前知道收成好不好，卖粮的时候心里更有底了。”2.5拓展思考古人没有现代的数据集，是如何总结出小满的农事规律的？其实是靠世代的经验积累，相当于手动训练了一个“经验模型”，和现代AI的逻辑本质相同。2.3模块三：冬至天文与聚类分析——让AI“分出”节气的类别3.1冬至的天文本质冬至是北半球日照最短的一天，太阳直射南回归线，此后日照时长逐渐增加。古人通过冬至的日影长度，确定了二十四节气的基准，这也是古代历法的核心节点之一。3.2聚类分析的AI逻辑聚类分析是无监督学习的一种，核心是将相似的数据归为一类，不需要提前标记标签。比如将二十四节气的日照时长数据进行聚类，可以自动分出“冬季”“夏季”“春秋季”三类。3.3课堂实践流程数据采集：获取近10年的冬至、夏至、春分、秋分等24个节气的日照时长数据；1模型训练：使用Python的scikit-learn库的K-means算法，将节气分为3类；2结果分析：让学生观察聚类结果，比如冬至、小寒、大寒被分到同一类，夏至、小暑、大暑被分到另一类，理解季节与日照时长的关联。33.4我的课堂细节有个学生发现，立春、立夏、立秋、立冬四个节气被分到了“中等日照时长”的类别，他说：“原来这些节气是季节的转折点，AI帮我们找到了这个规律！”3.5拓展思考二十四节气的划分基于太阳黄经，我们可以用AI计算太阳黄经吗？简单介绍使用ephem库计算太阳黄经的方法，让学生了解节气的天文计算逻辑。2.4模块四：清明民俗与自然语言处理——让AI“读懂”节气的文化4.1清明的民俗内涵清明既是节气也是节日，核心民俗包括扫墓祭祖、踏青郊游、吃青团等，同时留下了大量的诗词、歌谣与传说，是节气文化中最具人文温度的部分。4.2自然语言处理的核心逻辑自然语言处理是让AI“理解”人类语言的技术，包括文本分类、生成、翻译等。在科普场景中，我们可以让学生用AI生成节气诗词，或者分类不同节气的民俗语料。4.3课堂实践流程子实践1：节气诗词生成：使用HuggingFace的预训练诗词生成模型，输入“清明”，让AI生成符合清明意境的诗词；子实践2：民俗分类：收集不同节气的民俗语料，用文本分类模型区分清明的扫墓、端午的龙舟、中秋的赏月等民俗。4.4我的公益经历今年春天我在贵州黔东南的一所乡村小学授课，当地的侗族孩子用这套模型分类了他们祖辈传唱的节气民俗歌谣。一个侗族女孩说：“以前我只知道唱这些歌，现在我知道AI能听懂我们的老故事，太神奇了。”4.5拓展思考古人用诗词记录节气，现在用AI生成诗词，这是文化的传承还是创新？引导学生讨论传统文化的现代化表达。2.5模块五：全年时序节气与时序预测——让AI“预判”节气的变化5.1二十四节气的时序本质二十四节气是按时间顺序排列的时间序列，每个节气的间隔是固定的15天，其气温、降水等数据具有明显的时序规律。5.2时序预测的AI逻辑时序预测是专门处理时间序列数据的AI方法，比如用前几个节气的气温数据，预测下一个节气的气温。在科普场景中，我们可以简化为“用过去的节气数据预测未来的节气变化”。5.3课堂实践流程数据准备：获取近30年的24个节气的平均气温数据；模型训练：使用GoogleColab的预训练LSTM模型，将前5个节气的气温作为输入，预测第6个节气的气温；效果测试：让学生调整训练数据的年份范围，观察预测效果的变化。5.4我的教学反思这个模块对中小学生来说难度较大，因此我简化了代码流程，让学生只需调整训练参数，无需自己编写代码。最终有70%的学生能够完成模型训练，并且理解了时序预测的核心逻辑。课堂实施的细节与优化方向03课堂实施的细节与优化方向3.1课时安排：共8课时，每课时45分钟-2课时：课程导入与模块一（惊蛰物候与计算机视觉）第3-4课时：模块二（小满农事与回归预测）第5-6课时：模块三（冬至天文与聚类分析）+模块四（清明民俗与自然语言处理）第7-8课时：模块五（全年时序节气与时序预测）+作品展示与总结0301022教具与资源准备硬件：每人一台电脑（或4人小组共用一台），投影仪软件：TeachableMachine、GoogleColab、Python环境（预装必要的库）数据集：提前整理好的气象数据、作物数据、民俗语料库，避免学生自行获取的困难教学资料：节气科普PPT、简化版AI入门手册、作品展示模板3教学方法与策略A情境教学法：从节气的故事切入，比如先讲惊蛰的传说，再讲解AI的应用；B小组合作学习：4人一组分工，分别负责数据采集、模型训练、效果测试、作品展示；C分层教学：对基础较好的学生，允许他们尝试编写简单的代码；对基础薄弱的学生，采用低代码工具完成任务。4评价方式与反馈过程性评价：观察学生的课堂参与度、小组合作情况，及时给予鼓励与指导；01成果性评价：学生的AI小作品，比如物候识别模型、节气诗词生成器等，进行现场展示与互评；02反思性评价：让学生写一篇300字左右的小作文，谈谈自己对节气与AI的理解。035遇到的问题与解决办法问题1：学生编程基础薄弱：采用低代码工具与预训练模型，简化操作流程，只让学生调整参数而非编写代码；问题2：数据集获取困难：提前整理好公开的数据集，分享给学生，同时教学生简单的爬虫代码获取基础数据；问题3：部分学生对传统文化不感兴趣：结合学生的生活场景，比如让他们用AI识别自家附近的节气植物，或者生成自家清明扫墓的相关文案，提升参与度。课程的延伸价值与社会意义041跨学科融合：与多学科的结合01这门课程不仅是AI科普，更是跨学科融合的实践：02与地理结合：讲解节气与纬度、日照时长的关系；03与历史结合：讲解二十四节气的演变，从《淮南子》到现代的历法；04与数学结合：讲解太阳黄经的计算、回归模型的数学原理；05与语文结合：赏析节气诗词，学习民俗文化的表达。2公益落地：面向乡村学校的节气AI科普2022年以来，我和团队一共给全国12个省份的37所乡村学校做了节气AI科普课堂，覆盖学生超过2000人。乡村学校的孩子对农事更熟悉，因此模块二（小满农事与回归预测）的参与度最高。有个来自河南兰考的孩子说：“以前我帮爷爷收麦子，不知道为什么小满要提前准备，现在我用AI模型算过，小满前后的气温刚好适合麦子成熟，原来爷爷的经验和AI是一样的！”3未来的拓展方向加入AR/VR元素：让学生用VR体验节气的物候变化，比如模拟惊蛰时桃花盛开的场景；01结合物联网：用传感器采集实时的气象数据，让AI实时预测节气的变化；02开发青少年专属小程序：将课程中的AI工具打包成小程序，让更多学生能轻松使用。03课程总结05课程总结回过头来看，我们这门“跟着节气学人工智能”的