小学信息技术五年级《AI赋能非遗麒麟舞数字化传承》教学设计

小学信息技术五年级《AI赋能非遗麒麟舞数字化传承》教学设计一、教材与课程定位本课程依托2022年版《义务教育信息科学课程标准》第四学段“信息技术与社会”“数字化学习与创新”核心任务群，结合学校“非遗进校园”校本课程体系，将麒麟舞这一国家级非物质文化遗产作为真实情境载体。教材内容并非单一的软件操作手册，而是重构为“认知非遗价值—采集非遗数据—训练非遗模型—生成非遗叙事—传播非遗文化”五个渐进式学习任务群。旨在引导学生跨越工具性使用层面，进入“数据—算法—模型—应用”的计算思维核心区，在解决真实文化传承难题中构建信息素养，实现从“被动接受文化”向“主动重构文化记忆”的角色转变。二、学情深度剖析五年级学生处于具体运算向形式运算过渡关键期，具备基础的编程模块拖拽经验与多媒体素材处理能力，但对机器学习底层逻辑认知尚浅。调研显示，仅12%学生了解本地麒麟舞史实，90%学生将AI认知局限于“智能对话”或“生成图片”，缺乏“训练模型”实操体验。认知冲突点聚焦于：非遗动作标准化难量化、AI训练数据从哪来、模型准确率如何评估、技术伦理边界在哪里。教学需搭建“具身认知”脚手架，让学生亲身体验动作采集、骨骼点标注、混淆矩阵分析，将抽象算法具象为可感知、可干预、可迭代的工程实践。三、核心目标与达成性评价1.信息意识：能辨析非遗数字化传承中数据采集的完整性、标注的规范性、模型应用的适宜性，形成“数据有偏、模型有限、伦理有界”批判性认知。2.计算思维：能拆解“动作识别”任务为数据清洗、特征工程、模型训练、超参调优、部署推理五阶段流程，用结构化思维应对非结构化视频数据挑战。3.数字化学习与创新：熟练运用Python/OpenPose/TeachableMachine等工具链，完成从原始视频到可交互网页Demo的全链路开发，创作具备交互反馈的非遗科普作品。4.信息社会责任：明确非遗数据主权归属，遵守《非物质文化遗产法》《数据安全法》，在作品中嵌入版权声明与文化解读，抵制娱乐化消解文化内核倾向。达成性评价采用“过程性档案+产出性作品+元认知反思”三维量表，权重4:4:2。过程性档案记录数据日志、调参记录、协作会议纪要；产出性作品按“识别准确率≥85%、交互延迟<200ms、文化解读准确无误、界面符合儿童审美”四维验收；元认知反思要求学生撰写“非遗数字化工程师成长日志”，阐述对“技术向善”的价值判断。四、重难点与突破路径核心难点：非标准化动作视频的小样本迁移学习实现。麒麟舞动作幅度大、遮挡多、传承人个体差异大，公开数据集无覆盖，标注成本高，模型极易过拟合。突破路径：采用“预训练模型冻结骨干+轻量化头部微调”策略。引入MoveNetThunder单人姿态估计模型提取17关键点坐标序列，构建“时空图卷积网络（STGCN）”分类器，利用数据增强（随机旋转、尺度抖动、高斯噪声）扩充样本至2000+片段，引入LabelSmoothing正则化缓解标签噪声。教学中通过“可视化骨骼点叠加”“混淆矩阵热力图”“GradCAM注意力热图”三重可视化手段，让不可见的特征空间显性化，降低认知负荷。核心重点：跨学科知识迁移与工程化协作。涉及体育动作分解、音乐节拍对齐、历史文献考证、前端网页部署。突破路径：建立“非遗小分队”项目制学习（PBL）机制，设立“数据官”“算法官”“文案官”“测试官”四角色轮值制，引入敏捷开发看板管理，每周站会同步燃尽图，将复杂工程拆解为可交付的最小增量。五、教学策略与资源环境策略层面，实施“三阶递进”教学法：具身体验阶（第12课时），学生亲学麒麟舞基础步型，佩戴惯性捕捉仪采集自有动作数据，建立“动作—数据”具身链接；模型构建阶（第36课时），分组完成数据清洗、标注、训练、评估全流程，引入“对抗性测试”机制，组间互测边缘样本，倒逼模型鲁棒性提升；迭代传播阶（第78课时），接入语音合成与大语言模型API，开发“会讲故事的麒麟舞导览员”网页应用，面向低年级学生开展体验课，收集真实用户反馈闭环迭代。资源环境：搭建局域网GPU训练集群（4×RTX3060），部署JupyterHub多用户交互环境，预置标注工具CVAT、版本控制GitLab、CI/CD流水线。物理空间重组为“非遗数据工坊”：留白墙面贴满动作分解贴纸与训练曲线打印件，角落摆放麒麟头道具与捕捉设备，营造“实验室即展厅”沉浸式氛围。邀请区非遗传承人担任课程顾问，每月进校把脉动作规范与文化内涵。六、教学过程实录（八课时完整链路）【第一课时：破题——当非遗遇见AI，我们在寻找什么】教师播放4K修复版《麒麟舞·出笼》《采青》《卧槽》三片段，静音播放，引导学生聚焦肢体语言：麒麟摇头摆尾幅度几何？前腿扣步膝关节夹角多少？双人配合重心转移轨迹如何？学生直觉用语言描述极其模糊。教师抛出核心驱动问：“若要让机器‘读懂’这些动作并自动打分纠偏，我们需要把动作翻译成什么语言？”引出“骨骼关键点坐标序列”概念。活动一：具身数据采集实验。分组佩戴6轴IMU惯性捕捉带（腰、大腿、小腿、上臂、前臂六节点），采样率100Hz，录制标准“出笼”动作30秒。导出CSV文件，用Excel绘制加速度时间曲线，观测周期性震荡特征。学生惊讶发现：肉眼看似连贯的动作，数据层面却是高频噪声叠加的非平稳序列。教师适时引入“滑动窗口平滑”“去抖动算法”概念，不讲公式，用可视化对比图建立直觉。活动二：非遗文化基因解码。传承人视频连线，讲解“三拜四叩”“吐宝藏绿”仪式隐喻。学生以小组为单位，查阅县志、族谱、口述史料，绘制“麒麟舞文化基因图谱”：动作符号—历史渊源—社区功能—审美价值四维映射。此环节非技术核心，却是后续“模型标签语义化”“生成文案准确性”的认知基石。课末布置任务：用手机拍摄家人/同学模仿麒麟舞片段30条，上传班级NAS，命名规范：`动作类别_采集者_环境_序号.mp4`，启动数据众包。【第二课时：筑基——数据工程：从混沌到有序的炼金术】面对NAS中堆积的200+视频，学生直面“脏数据”现实：竖屏横屏混杂、背景干扰强、动作不标准、时长参差不齐。教师演示FFmpeg批量转码脚本，统一转为720p/30fps/横屏MP4。引入CVAT标注平台，讲解“关键帧插值”“骨骼点拓扑结构（COCO17点）”规范。核心任务：四人小组分工协作，完成50条视频的关键帧骨骼点标注与动作类别标签打标。标注规程细化至：鼻尖、眼角、耳廓、肩肘腕、髋膝踝共17点，遮挡点标注“可见性=0”，动作起止帧精确到帧级。教师巡场重点纠偏：标注顺序一致性（左上到右下）、遮挡处理逻辑（插值预测而非随意乱标）、类别粒度划分（是粗粒度“出笼/采青”还是细粒度“摇头/摆尾/扣步”）。技术难点攻关：针对标注效率低痛点，教师引入“半自动标注流程”——先跑MoveNet预测骨骼点，再人工校正，效率提升60%。学生对比人工与预测差异，直观理解“预训练模型迁移”的工程价值。课末导出COCO格式JSON，划分训练集/验证集/测试集=7:2:1，按类别分层抽样，保存`data_split.pkl`备用。作业：阅读STGCN原论文节选（中文译文），标注“图卷积如何建模关节空间依赖”“时间卷积如何捕捉动作时序特征”两个核心问题带入下节课。【第三课时：造模——图神经网络：让骨骼点跳起舞】教师以“人体骨骼天然是图结构”为切入，白板绘制关节连接拓扑图，邻接矩阵A可视化热力图展示。讲解STGCN核心公式：`X_out=σ(ÂX_inW)`，其中`Â=D^(1/2)(A+I)D^(1/2)`为归一化邻接矩阵，`X_in`为输入特征（关节坐标+置信度），`W`为可学习权重。不推导数学细节，重点建立“消息传递”心智模型：每个关节点聚合邻居关节信息，层层传递，最终得到全身动作表征。代码实战环节：使用PyTorchLightning框架，预置`STGCN_LightningModule`骨架代码，学生仅需完成`DataModule`数据加载、`configure_optimizers`优化器配置、`training_step`损失计算三个钩子函数。损失函数采用`CrossEntropyLoss+LabelSmoothing(0.1)`。优化器AdamW，学习率`1e3`，余弦退火调度。批大小64，训练50轮。训练监控看板：TensorBoard实时投屏，全班围观Loss曲线、Top1Acc曲线、学习率曲线。第15轮左右出现验证集Loss反弹，教师引导诊断：过拟合。学生提出方案：加大Dropout（0.5→0.7）、增加WeightDecay（1e4→1e3）、引入MixUp数据增强。现场修改代码重跑，第40轮验证准确率稳定在87.3%，测试集86.9%。教师追问：“准确率够用了吗？”引出“类别不平衡导致少样本类别召回率低”问题，展示混淆矩阵热力图——“卧槽”动作常被误判为“采青”。布置课后挑战赛：利用FocalLoss或类别加权重采样，将最小类别召回率提升至80%以上。【第四课时：评模——可解释性：打开黑箱看决策】模型不够准，更不知为何准、为何错。引入GradCAM++可视化技术，针对STGCN最后一层时空卷积特征图，计算梯度权重生成类别激活热力图，叠加回原始视频帧。学生看到：模型识别“摇头”聚焦于头部与颈椎关节点时序波动；识别“扣步”激活区域集中于双侧膝踝关节交替伸屈。但也发现失效案例：背景中路过行人腿部运动导致注意力漂移。活动：对抗样本生成挑战赛。各组利用FGSM（快速梯度符号法）在验证集视频叠加微小扰动（人眼不可见），诱导模型误分类。成功攻击案例分享：在“静立”帧叠加特定频率噪声，模型置信度99%判为“摇头”。教师借机渗透对抗鲁棒性与AI安全概念，讨论“非遗考级认证系统若被攻击后果几何”，自然过渡至数据签名、水印溯源、模型加固等工程化防御思路。评估体系重构：单一Accuracy退场，引入“非遗动作识别工程指标体系”：宏平均F1≥0.85、最小类别Recall≥0.80、推理延迟P99<50ms（CPU端）、模型体积<50MB（便于移动端部署）。各组填写《模型验收报告》，附带混淆矩阵、GradCAM案例图、ONNX导出日志。未达标组进入“返工迭代”通道，达标组领取“模型发布许可证”进入下阶段。【第五课时：链接——从模型到应用：工程化部署实战】模型训练只是起点，落地才是终点。教学任务：将ONNX模型封装为RESTfulAPI，构建前端交互页面，实现“摄像头实时采集→关键点提取→动作分类→视听反馈”闭环。后端：FastAPI框架，加载ONNXRuntime推理引擎，编写`/predict`接口，输入Base64编码图片，输出JSON含类别、置信度、关键点坐标。引入异步任务队列Celery+Redis处理并发请求，压测QPS≥20。前端：Vue3+Canvas+MediaPipeHolistic（浏览器端轻量级关键点检测），双轨制：MediaPipe负责实时渲染骨骼动画（60fps流畅），每隔200ms抽帧送后端STGCN做精准分类，融合双源结果输出最终判定。学生分工协作攻坚：后端组解决CORS跨域、模型预热、内存泄漏；前端组攻克Canvas骨骼绘制抖动、低光照下关键点丢失降级策略、移动端横竖屏自适应；测试组编写Playwright自动化脚本，覆盖弱网、遮挡、多人入镜等边界场景。历经三次版本迭代（v0.1单人离线→v0.2局域网联调→v0.3公网HTTPS部署），最终在树莓派4B+USB摄像头边缘设备上离线运行稳定，延迟180ms，满足课堂演示需求。【第六课时：赋能——大模型赋能非遗叙事：会讲故事的数字麒麟】识别动作只是感知层，文化传承需要认知层与生成层。接入讯飞星火/通义千wenAPI，设计Prompt工程模板：`角色：资深非遗讲解员；输入：动作类别+关键点置信度+用户提问；输出：200字内科普解说+1个互动提问+1句鼓励话术；约束：术语准确、语言童趣、严禁编造历史。`学生设计“三模式交互”：1.教学模式：用户跟练动作，模型实时打分，大模型生成“膝盖再弯曲10度，像扎根泥土一样稳”具身指导语。2.问答模式：用户语音提问“麒麟为什么要吐宝藏绿”，RAG检索本地非遗知识库（向量化存储），大模型生成溯源回答。3.创作模式：用户上传自创动作片段，模型识别动作要素，大模型续写“麒麟探险记”微故事，配以AI生成插画（调用StableDiffusionControlNet骨骼控制），一键生成电子画册分享。关键教学点：Prompt版本管理。建立`prompts/v1.0/v1.1...`目录，记录每次修改前后效果对比（如v1.2增加“禁止输出政治敏感内容”守护指令后，安全通过率100%）。学生体会到“大模型应用=提示工程+知识库检索+业务流编排”，而非简单调API。【第七课时：实战——非遗体验日：真实用户检验真知】邀请三年级4个班级共180名学生轮流体验。设置四个工位：“动作捕捉区（树莓派终端）”“知识问答区（平板语音交互）”“绘本创作区（笔记本生成画册）”“传承人对话区（视频连线）”。五年级学生化身“讲解员”“运维员”“观察员”，记录用户行为数据：完成率、报错率、停留时长、情绪反馈（笑脸/皱眉贴纸投票）。现场故障实录：工位3识别延迟飙升至3s，运维组迅速定位为树莓派散热降频，物理风扇介入恢复；工位1幼儿身高不足导致关键点截断，算法组紧急调整ROI裁剪策略上推画面；传承人连线网络抖动，备用预录视频无缝切换。学生在真实压力下完成故障诊断、降级方案决策、用户安抚，工程素养完成质变。体验日数据复盘：动作识别准确率实测82%（低于实验室87%），主要误差源于幼儿动作幅度小、自遮挡多。学生主动提出“引入少样本微调适配儿童骨骼比例”改进方案，形成《非遗AI体验系统迭代建议书V1.0》提交校长室与区教研室。【第八课时：反思——技术向善：我们留给非遗的数字资产】课程终章，不考试，办“非遗数字资产交接仪式”。每组上交标准化交付物：4.数据资产包：原始视频+清洗脚本+标注文件+数据卡片（DatasheetsforDatasets规范，含采集伦理声明、偏见风险提示）。5.模型资产包：训练代码复现环境（requirements.txt/Dockerfile）、最优权重、ONNX导出件、模型卡片（ModelCard规范，声明适用人群、局限性、公平性指标）。6.应用资产包：前后端源码、部署文档、API文档、用户手册、测试报告。7.文化资产包：非遗基因图谱、传承人授权书、科普脚本库、儿童绘本电子版。全班围坐，进行“前瞻性回顾”：技术层面：讨论“若明年换新传承人、新动作、新设备，我们的资产包支持增量更新吗？”推演持续集成/持续交付（CI/CD）流水线设计。伦理层面：辩论“AI生成的麒麟舞动作算不算非遗新传承？”引用《非遗法》第17条“传承人主体性”原则，达成共识：AI辅助教学、辅助记录、辅助传播，不可替代人体验证与心手相授。价值层面：学生朗读自写《给未来非遗工程师的信》：“代码会过时，数据会迭代，但我们用严谨守护文化尊严、用温度唤醒沉睡记忆的初心，将长存数字资产元数据里。”七、课程评价与质量监控体系建立“三级五维”动态评价机制。一级：课时级即时评价。每课时末“离场票”三问：今天解决了什么工程问题？还卡在哪里？明天需要什么资源？教师据此动态调整下节课支架。二级：阶段级里程碑评价。数据治理期、模型构建期、应用部署期各设验收关，引入传承人、企业工程师、教研员组成“专家评审团”，按工程验收标准把关，未过者限期整改复审。三级：课程级综合画像。生成《学生信息素养发展档案》，含计算思维分级测评（Bebras挑战题改编）、项目协作360度评价（队友互评+教师观察+自我陈述）、非遗文化素养测评（情境化案例分析）。档案随学生升学衔接，纳入综合素质评价电子档案。质量监控引入“教学过程数据分析”：采集学生JupyterNotebook编程操作日志、Git提交频次/代码行数/分支合并记录、CVAT标注时长/修正次数、看板任务流转周期。利用过程挖掘算法识别“高频卡顿节点”“协作低效模式”，为下轮课程迭代提供实证依据。八、课程迭代与规模化推广路径20252026学年为首轮试运行，积累种子种子教师4名，骨干学生20名，标准化资产包1套。20262027学年横向推广至区内5所联盟校，实施“导师制”结对帮扶，输出《区域非遗AI校本课程实施指南》，建立跨校数据联邦学习节点，探索隐私计算框架下多校联合训练大模型。20272028学年纵向延伸至初中“开源硬件项目设计”选修模块，衔接高中“人工智能基础”必修模块，贯通K12非遗数字化人才培养链条。规模化关键在于“降维打击”复用成本：将STGCN训练流程封装为低代码可视化工作流（基于Dagster），非专业教师亦可通过配置YAML完成新非遗项目（如舞龙、木偶戏）模型训练。前端组件库发布至校内NPM私服，`npminstall@school/kilindanceui`即可复用交互界面。构建“非遗数字化课程包”商业化生存能力，申请软著3项、实用新型专利2项、团体标准1项，以知识产权反哺课程可持续发展。九、教师专业成长与学共同体建设本课程建设倒逼教师完成“三重身份转型”：从知识讲授者向学习设计师转型（精通PBL单元设计、UbD逆向设计）、从技术使用者向工程实践者转型（具备MLOps工程化落地能力、掌握Linux/Docker