初中人工智能教学新路径：基于真实情境的“智护小管家”项目实践
基于真实情境驱动的初中AI教学探索
——以“智护小管家”校园安防系统为例
【摘要】：本文着眼于初中AI教学中存在的“原理认知抽象”和“伦理教育形式化”两大难题，选取“智护小管家”安防项目作为载体，构建“技术实践+伦理思辨”双轨融合的教学模式。该模式借助真实问题情境，利用Mind+工具将机器学习流程可视化，设计由浅入深的任务链，让学生体会“数据量决定模型精度”及“算法升级提升性能”的技术逻辑，同时融入“照片欺骗实验”与黑客风险辩论，把抽象的“伦理风险分析”变成可操作的攻防体验，为解决初中AI素养落地难提供了“做中学、辨中悟”的有效途径。
【关键词】：真实问题驱动；机器学习；初中人工智能教学
《中小学人工智能通识教育指南(2025年版)》指出，初中阶段AI教育肩负着理解技术逻辑与辨析伦理风险的双重责任。然而，现实教学中差距明显，核心矛盾集中在两点：一是原理认知的抽象性与学生具象思维之间的隔阂。初中生虽有图形化编程基础，能解决特定问题，但对机器学习中“特征提取—模型训练—预测输出”的闭环缺乏直观感受，难以抽象概括。二是信息伦理教育与实际应用（技术操作）的脱节。《指南》要求学生“辨析虚假信息风险”，但传统伦理教学常脱离技术场景，流于说教，缺乏切身体验。学生未亲历风险便被告知“人脸数据被盗用”，社会责任意识仅停留在口号层面，难转化为实际辨别能力。因此，本研究旨在通过真实问题情境驱动实践，将原理认知融入操作，让学生亲历技术漏洞从而自发进行伦理思辨。
在教学中，作者以“智护小管家”校园安防项目为载体，采用真实问题驱动，构建“技术实践-伦理思辨”双轨融合路径，以期为破解素养培育的深层矛盾提供可行方案。
1.技术实践：实施问题导向与阶梯递进的任务序列
基础任务：“防护口罩识别”（解决生物实验器材柜安全准入问题）。
进阶任务：“多状态识别”（应对实验室防护规范检查需求）。
高阶任务：“人脸认证”（满足体育器材室身份精准核验需求）。
所有任务均源自真实校园场景，例如在“多状态识别”环节，学生通过调整Mind+中“重复执行”积木的参数，直观感受数据采集量对模型识别精度的影响，把抽象的“理解数据特征与算法选择关系”转化为具体的操作体验。
2.伦理思辨：融入真实技术应用情境以强化风险感知
当学生搭建好人脸认证系统后，教师引导学生开展小组互测实验：尝试利用照片或动态视频回放等方式欺骗识别系统。
这一设计将“虚假信息攻击风险”直接转化为学生可动手操作的对抗实验。随后的课堂辩论中，学生基于系统被欺骗的成功率分析潜在的个人隐私泄露后果，自然而然地形成了对技术“双刃剑”属性的深刻辩证认知。
项目核心在于真实问题驱动与伦理风险具象体验的深度结合：①以真实校园问题激发探究动力。技术学习目标明确源于解决身边实际问题。②将信息风险转化为可操作的“照片欺骗实验”。学生通过亲身实践直接感知技术漏洞，将抽象的“技术责任”具象化为对漏洞的理解与反思，有效提升了责任意识和风险防控能力。
环节一：真实问题引入
本环节以“校园安全痛点”作为切入点。教师首先聚焦三大现实困境：生物实验器材柜误开导致的标本污染和安全隐患、实验室防护用具遗漏引发的事故，以及图书馆占座造成的资源浪费。当学生提出“应用人脸识别技术管理柜门锁闭”或“利用摄像头自动检查护具穿戴”等构想时，教师顺势赋予学生“校园人工智能工程师”角色，发布“智护小管家”开发挑战任务。这不仅旨在激发学习兴趣，更核心的目标是建立“真实问题情境”与“技术解决方案”的深刻联结。通过师生互动与沉浸式角色扮演，教师将抽象的技术知识学习转化为由解决校园安全隐患的使命感驱动的实践过程，充分呼应了问题驱动式学习“做中学”的本质。
环节二：原理可视化构建
为化解学生对机器学习原理的认知障碍，教师设计了两阶递进的认知支架。第一阶段，通过运行校园人脸识别门禁程序，让学生体验无接触通行，自然引发疑问：“计算机是如何识别我的？”第二阶段，在讨论出“摄像头捕捉人脸系统比对数据库”的直观流程后，教师引导学生将生活化操作与专业概念建立映射：证件照采集对应“数据采集”，人脸录入系统对应“模型训练”，闸机放行对应“预测输出”。当学生能用“计算机像人一样通过学习认脸”来类比描述时，教师及时提炼机器学习核心定义：“机器学习是计算机系统从大量数据中自主发现规律，并基于这些规律进行预测或决策的过程。”这种设计实现了从具象操作到抽象原理的升华，契合初中学生“认知发展需具象经验支撑”的特点，有效降低了概念理解门槛，为后续深入实践奠定了基础。
环节三：基于真实问题的技术实践
活动1：防护口罩识别的闭环测试
学生基于生物实验器材柜安全场景，用Mind+搭建基础识别系统。教师通过具象化流程引导学习；学生依次拖拽“图像分类”“模型训练”“结果输出”模块，按机器学习流程搭建。在调整“阈值参数”使程序准确区分戴防护口罩与无遮挡状态的过程中，学生发现：模型需充足的正负样本（如各准备约20张戴防护口罩与未戴防护口罩的图片）才能稳定工作。这一过程成功将抽象的“掌握机器学习流程”知识，转化为学生可感知的具体操作经验。
.........