□沈書生 翁子凌

一、引言

智能時代，人工智能（Artificial Intelligence）在各個領(lǐng)域日漸發(fā)揮重要的應(yīng)用價值，人工智能人才的培養(yǎng)成為各國關(guān)鍵戰(zhàn)略，我國也高度重視人工智能教育的發(fā)展。2017年我國發(fā)布《新一代人工智能發(fā)展規(guī)劃》，指出“實施全民智能教育項目，在中小學(xué)階段設(shè)置人工智能相關(guān)課程”（國務(wù)院，2017）。計算思維（Computational Thinking）被認為是人工智能課程的核心素養(yǎng)之一（謝忠新，等，2019），最早由人工智能教育先驅(qū)西蒙·派珀特（Seymour Papert）提出，而周以真（Jeannette M.Wing）教授關(guān)于計算思維的新視界則拓展了計算思維的研究與應(yīng)用領(lǐng)域（孫立會，等，2020），但也使得計算思維內(nèi)涵趨于一般化。人工智能課程中的計算思維及其培養(yǎng)方法應(yīng)與學(xué)科內(nèi)容、核心觀念和思想方法緊密關(guān)聯(lián)，既遵循計算思維的核心內(nèi)涵，又呈現(xiàn)出學(xué)科自身特征。

作為定位于技術(shù)性的學(xué)科，人工智能課程的最終目標(biāo)指向真實場景的應(yīng)用，從場景出發(fā)才能挖掘并實現(xiàn)課程實際價值。2022年2月聯(lián)合國教科文組織（UNESCO）發(fā)布的《K-12 人工智能課程圖譜：政府認可的人工智能課程》報告中指出，在人工智能課程的實施上應(yīng)將內(nèi)容場景化，場景設(shè)計能讓學(xué)生在情境中體驗，在行動中學(xué)習(xí)，在探索中思考，在反思中感悟（樓又嘉，等，2022）。然而人工智能課程教學(xué)實踐中脫離場景、場景設(shè)計缺乏連貫性、層次性等問題層出不窮，計算思維培養(yǎng)效果不盡如人意。因此，本文將針對人工智能課程中計算思維的特征展開討論，并探索促進人工智能課程中計算思維發(fā)展的場景設(shè)計模型，期望為開展人工智能教學(xué)實踐及健全人工智能課程體系提供參考。

二、人工智能與計算思維

為探尋人工智能課程中的計算思維特征，有必要厘清計算思維的內(nèi)涵、要素及其與人工智能之間的關(guān)系。

（一）計算思維內(nèi)涵及其要素

自2006年周以真教授正式提出計算思維的概念以來（Wing，2006），國內(nèi)外眾多學(xué)者和機構(gòu)從不同角度對計算思維進行了內(nèi)涵界定，包括問題解決、心智工具、系統(tǒng)交互、思維方法等方面（見表1）。可以發(fā)現(xiàn)，多數(shù)研究者傾向以“問題解決的思維過程”來理解計算思維。周以真（Wing，2014）也進一步闡明計算思維是“一種以計算機（人類或機器）可以有效執(zhí)行的方式來表述問題并表達其解決方案的思維過程”，并認為其中涉及抽象、算法設(shè)計、分解、模式識別等關(guān)鍵要素。不少研究者也針對計算思維的要素提出了自己的看法（見表2）。塞爾比等（Selby，et al.，2013）通過對各類文獻中計算思維要素使用和解釋一致性的篩查，總結(jié)出抽象、分解、算法、評估和概括五個具有較高共識性的關(guān)鍵要素。所謂抽象指去除目標(biāo)系統(tǒng)不必要的復(fù)雜性，隱藏合適的細節(jié)以識別問題的關(guān)鍵；分解指將復(fù)雜問題劃分成若干獨立部分便于理解和處理；算法是使用有序邏輯指令和步驟描述問題解決過程；評估指依據(jù)目標(biāo)優(yōu)化問題解決方案保證其全面性和有效性；概括指總結(jié)問題解決方法和過程并遷移到一類問題甚至更廣泛的領(lǐng)域中去。

表1 部分研究者的計算思維概念界定

（二）人工智能與計算思維的關(guān)系

人工智能的目標(biāo)之一是創(chuàng)制智能機器或系統(tǒng)以彌補和補充人類智能，而計算思維是人工智能系統(tǒng)開發(fā)過程的關(guān)鍵所在。在人工智能與計算思維的關(guān)系問題上，部分研究者認為運用人工智能與計算思維解決問題的過程具有相似性并涉及相同的要素。譬如，西拉帕霍特等（Silapachote，et al.，2017）研究發(fā)現(xiàn)抽象、分解、邏輯推理等計算思維要素也是解決人工智能領(lǐng)域問題所應(yīng)具備的，兩者的思維過程都是基于抽象化過程實現(xiàn)算法，并通過建模應(yīng)用于問題解決。加達尼迪斯指出人工智能與計算思維之間存在代理、現(xiàn)象建模和超越具體實例的抽象概念三個共有要素（Gadanidis，2017）。布魯梅倫等（Van Brummelen，et al.，2019）認為應(yīng)該在伯南和雷斯尼克（Brennan&Resnick）的計算思維框架中加入特定人工智能相關(guān)概念，以構(gòu)成幫助理解人工智能開發(fā)過程的思維框架。

也有研究者認為，當(dāng)前強調(diào)的計算思維要素難以適用于人工智能領(lǐng)域問題的解決，因為隨著人工智能技術(shù)的進步，兩者的思維過程不再處于同一層次水平。如沙米爾等（Shamir，et al.，2020）指出人工智能是“自動化的自動化”，是自動化生成自動化解決方案的過程，所涉及的計算思維與傳統(tǒng)計算思維（分解、模式識別、抽象和算法設(shè)計）不同。陳贊安等（2021）提出人工智能時代下的人機協(xié)同中，計算思維不同于計算機領(lǐng)域的技能以及應(yīng)用計算與計算模型的思維方式，而是需要動態(tài)參與并建構(gòu)創(chuàng)新性的計算模型。皮爾斯等（Pears，et al.，2021）認為現(xiàn)代開發(fā)平臺、庫、引擎和云服務(wù)使越來越多的系統(tǒng)開發(fā)活動自動化，其中蘊含更高的抽象層次，用簡化論和決定論思想所定義的計算思維解釋智能系統(tǒng)的能力正在減弱。

綜上，可以發(fā)現(xiàn)，計算思維是人工智能的基本特征，人工智能對于計算思維的要求又不同于一般的信息技術(shù)應(yīng)用領(lǐng)域中的簡單要求。從“過程性”角度來看，人工智能中的計算思維在解決問題的思維過程中也包含抽象、分解等通用性要素，但從“層次性”角度來看，人工智能解決方案相較于傳統(tǒng)的機器代理的自動化方案涉及更高層次的計算思維要素。如何從通用性意義的計算思維出發(fā)，并結(jié)合人工智能的特有屬性，闡明當(dāng)前以及未來人工智能發(fā)展過程中應(yīng)當(dāng)具備何種層次的計算思維要素，就成為當(dāng)前需要深入探討的問題。

三、人工智能類型及其計算思維特征

自達特茅斯會議以來，人工智能便持續(xù)更新迭代向?qū)崿F(xiàn)類人智能的方向不斷前進，中間經(jīng)由不同研究范式的主導(dǎo)形成了不同的發(fā)展方向和類型，其所蘊含的計算思維也遵循不同類型人工智能的技術(shù)知識體系呈現(xiàn)差異化特征。

（一）人工智能的類型

對于人工智能的分類，哲學(xué)領(lǐng)域中通常以弱人工智能（Week AI）與強人工智能（Strong AI）劃分，兩者的界限在賽爾（Searle）看來，所謂“強人工智能”必須真正像人類一樣具備自我意識，否則即使智能體外在表現(xiàn)完全像人，也只是“弱人工智能”（劉凱，等，2018）。而人工智能技術(shù)領(lǐng)域，則采用專用人工智能（Artificial Narrow Intelligence）、通用人工智能（Artificial General Intelligence）與超級人工智能（Artificial Super Intelligence）的劃分方式（王聰，等，2021）。簡單來說，專用人工智能是實現(xiàn)特定領(lǐng)域或功能的單一智能，通用人工智能是基于機器認知實現(xiàn)多領(lǐng)域應(yīng)用的綜合智能，而超級人工智能則是指在幾乎所有領(lǐng)域皆超越人腦的超級智能。雖然目前人工智能發(fā)展水平依舊未能突破專用人工智能的瓶頸，但科學(xué)家們?yōu)閷崿F(xiàn)人工智能自主性嘗試和探索了眾多方法，形成了不同的研究范式。從發(fā)展和演變的視角來看，不同的研究范式代表了人工智能的不同階段和智能類型（見表3）。

表3 人工智能的分類

第一代人工智能又稱符號主義人工智能，核心理論是用符號描述人類思維，把人的認知過程看作符號計算過程，試圖通過建立通用、萬能的符號邏輯運算體系實現(xiàn)對人腦功能的模擬。符號主義人工智能主要以靜態(tài)、順序、串行的數(shù)字計算模型來處理智能，尋求知識的符號表征和計算（馮銳，等，2010）。其學(xué)習(xí)過程是從經(jīng)驗或規(guī)則出發(fā)，根據(jù)前提推出結(jié)論，采用從一般到特殊的演繹式推理，是一種“自上而下”的模式（魏斌，2022）。

第二代人工智能又稱聯(lián)結(jié)主義人工智能，主張認知是相互聯(lián)結(jié)的神經(jīng)元交互作用的結(jié)果，通過對人類神經(jīng)系統(tǒng)結(jié)構(gòu)的模擬實現(xiàn)智能。聯(lián)結(jié)主義人工智能由大規(guī)模節(jié)點相互聯(lián)結(jié)形成的網(wǎng)絡(luò)組成，通過設(shè)定傳遞規(guī)則、連接權(quán)重以及閾值進行運算，且動態(tài)變化的連接權(quán)重能夠在不斷訓(xùn)練中提高情境認知效率（符征，等，2017）。逐步成熟的數(shù)據(jù)挖掘、深度學(xué)習(xí)等理論和技術(shù)構(gòu)成了聯(lián)結(jié)主義人工智能的堅實基礎(chǔ)，使其能夠從大數(shù)據(jù)中發(fā)現(xiàn)相應(yīng)的規(guī)律和特征，形成一種“自下而上”的學(xué)習(xí)范式，擬合人類的歸納推理能力。

前兩代人工智能從不同方面模擬了人類部分智能，而第三代人工智能將會是不同研究范式的有機整合，建構(gòu)完整立體的“機器大腦”，模擬人腦的工作機制從而真正實現(xiàn)對人類智能的模擬，稱之為“類腦智能”。鐘義信（2018）將這種融合范式稱為“機制主義”，即依據(jù)“主客相互作用過程的信息生態(tài)演進系統(tǒng)”模型，從“信息-知識-智能”轉(zhuǎn)換的路徑出發(fā)，著眼于主體生成智能的共性機制，符號主義、聯(lián)結(jié)主義等研究范式則是機制主義不同知識條件下和諧相生的特例。

（二）不同人工智能類型的計算思維特征

通過對不同類型人工智能研究范式的核心思想梳理，本文嘗試歸納出了實現(xiàn)對應(yīng)類型人工智能所需的計算思維特征（見表4）。

表4 不同人工智能類型的計算思維特征

1.符號主義：基于機器符號計算的思維

符號主義認為萬物皆可計算與數(shù)字化，遵循利用機器可計算的符號系統(tǒng)模擬世界的思維方式，是一種“強計算主義”，其計算思維過程中依賴于對象的可計算的參數(shù)，通過對對象的類型處理，形成了可以轉(zhuǎn)化的量化值，采用可計量算法。其特點是整個算法過程具有邏輯推理的確定性和可回溯性，當(dāng)推理結(jié)果不符合預(yù)期結(jié)果，能夠復(fù)盤推理過程以定位錯誤。算法的復(fù)雜度處于可控制以及可計量的程度和范圍之內(nèi)，特定的規(guī)則設(shè)置下經(jīng)過形式邏輯能夠得到確定的結(jié)果。這種可計量性也使得對于算法設(shè)計以及問題解決方案的評估具備一定的考察標(biāo)準(zhǔn)，即過程與結(jié)果之間是否邏輯吻合。

基于機器符號計算的思維方式要求人們通過理想化的簡單抽象和線性分解將復(fù)雜信息表征為成機器可理解的符號。所謂簡單抽象是指降低目標(biāo)系統(tǒng)的信息復(fù)雜度，只保留影響問題解決關(guān)鍵特征，例如研究自由落體問題時忽略物體的體積、形狀等只保留質(zhì)量這一關(guān)鍵特征。而線性分解則是指依據(jù)還原論理性思維模式，即質(zhì)還原為量，宏觀還原為微觀，整體還原為局部，復(fù)雜還原為簡單，但這種簡單的線性分解法無法從分解部分的性質(zhì)中體現(xiàn)出整體的特性，破壞了系統(tǒng)的完整性（程承坪，2021）。因此這種簡單抽象和線性分解方式只能解決完全信息化和結(jié)構(gòu)化的確定性問題，面對非結(jié)構(gòu)化的復(fù)雜系統(tǒng)以及常識問題則束手無策?！爸R是人類智能的基礎(chǔ)”的提出使符號主義解決了開發(fā)復(fù)雜系統(tǒng)的問題，人們則需要掌握對特定知識和通用知識等不同類型的概括能力以實現(xiàn)跨領(lǐng)域和跨任務(wù)的遷移（張鈸，等，2020）。

2.聯(lián)結(jié)主義：基于數(shù)據(jù)結(jié)構(gòu)計算的思維

聯(lián)結(jié)主義認為神經(jīng)網(wǎng)絡(luò)是產(chǎn)生智能的基本要素，依照運用硬件模擬神經(jīng)元相互作用認知世界的思維方式，是一種“強結(jié)構(gòu)主義”，其計算思維過程中要求人們通過分析半結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)之間的內(nèi)在聯(lián)系，形成事物屬性的特征輪廓，采用可描述性算法。聯(lián)結(jié)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中存在難以表述的復(fù)雜隱藏層，無法透明化輸入輸出過程，對人類來說是不可解釋的“黑箱”，只能通過調(diào)整神經(jīng)元權(quán)重使輸入輸出逐漸擬合，并基于本質(zhì)抽象提取影響模型分析結(jié)果的核心因素。在算法設(shè)計上，人類目前暫時難以實現(xiàn)邏輯推理的明確因果關(guān)系，因而依賴描述性算法尋找相關(guān)性，如同人類思維一樣屬于具有模糊性特征的近似推理。由于數(shù)據(jù)分析結(jié)果僅能從統(tǒng)計概率意義上進行闡釋，所以無法事先預(yù)設(shè)問題解決的通用模型并設(shè)定確定評估標(biāo)準(zhǔn)，對學(xué)習(xí)評估方面的要求也相應(yīng)地由基于標(biāo)準(zhǔn)向基于特定問題的指標(biāo)導(dǎo)向轉(zhuǎn)變。

人工神經(jīng)網(wǎng)絡(luò)模型由神經(jīng)元、輸入函數(shù)、激活函數(shù)、連接權(quán)重四大要素組成，具有非線性、分布式計算、高度適應(yīng)性等特征，模型學(xué)習(xí)效果由數(shù)據(jù)集的質(zhì)量決定，繼而強調(diào)人們對非結(jié)構(gòu)化數(shù)據(jù)進行結(jié)構(gòu)分解，包括編碼、壓縮、融合等過程以剔除異常數(shù)據(jù)保證其有效性。大量多模態(tài)的樣本訓(xùn)練是機器學(xué)習(xí)和概括事物特征并識別目標(biāo)對象的基礎(chǔ)，然而機器歸納特征較人類判斷所依據(jù)的特征完全不同且十分“脆弱”，不具備廣泛的移植性。例如當(dāng)人穿戴機器習(xí)得猿類的特征服飾，可能就會將人判斷為猿類。此外，人類僅通過小樣本學(xué)習(xí)便能夠?qū)崿F(xiàn)對事物核心特征的抓取并準(zhǔn)確識別目標(biāo)，如何創(chuàng)新模型結(jié)構(gòu)和算法設(shè)計逼近人類判斷方式及其水平是聯(lián)結(jié)主義亟待解決的關(guān)鍵問題，這依賴計算思維水平的進一步提升。

3.機制主義：基于人腦認知計算的思維

機制主義認為人腦區(qū)別于機器的串行處理，以復(fù)雜的并行操作來處理感覺信息，強調(diào)利用機器計算模仿大腦感知和推理機制的思維方式，是一種“強自主主義”，其計算思維過程關(guān)注對人類認知邏輯的分解和表征，通過對人腦不同功能的共通性原理概括和闡釋，設(shè)計可解釋性算法使機器具有類人的學(xué)習(xí)知識、掌握技能的自主性認知能力。人腦結(jié)構(gòu)具有模塊性特征，各模塊負責(zé)不同信息處理的環(huán)節(jié)，明晰人腦不同功能模塊的瓜分原理以及它們之間的內(nèi)在聯(lián)系并構(gòu)建多尺度計算組件和多腦區(qū)協(xié)同的認知模型可能是實現(xiàn)認知計算和類腦智能的關(guān)鍵（焦李成，等，2019）。

當(dāng)前幾乎所有的人工智能系統(tǒng)皆需先進行人工形式化抽象和建模，而人腦則能夠?qū)崿F(xiàn)對不同領(lǐng)域復(fù)雜事物的自動形式化抽象和建模以進行問題分析和求解（曾毅，等，2016），這種通用性抽象機制的硬件實現(xiàn)要求人們具備對抽象的對象進行再抽象的能力，即“元抽象”。高層級結(jié)構(gòu)抽象模型算法的設(shè)計應(yīng)具備可解釋性，包括算法設(shè)計依據(jù)原理的可解釋性分析、算法輸入輸出因果關(guān)系的可解釋性推理以及算法構(gòu)建后的可解釋性評價等，避免由于內(nèi)部機理和因果機制不可解釋、決策邏輯的透明度缺失導(dǎo)致安全性問題。當(dāng)人工智能系統(tǒng)擁有與人類智能系統(tǒng)相同級別的問題解決能力，技術(shù)和質(zhì)量層面的方案評估也很大程度可交由機器自動化實現(xiàn)，而人類評估更多將從價值層面進行參與，并要求人們將機器基于多模態(tài)感知信息分析的理性判斷與自身基于情感、人文的價值判斷相結(jié)合以實現(xiàn)解決方案的最優(yōu)化。

四、人工智能課程中的計算思維依賴于場景實現(xiàn)

目前人工智能教育涉及課程本位和學(xué)科融合兩個方向（鐘柏昌，等，2022），前者將人工智能作為教與學(xué)內(nèi)容，包括實施全民人工智能教育科普、在中小學(xué)設(shè)置人工智能課程，以及在高等教育開設(shè)人工智能專業(yè)培養(yǎng)高層次人才（張珊珊，等，2020）；后者又稱為教育人工智能，強調(diào)人工智能賦能教育變革，以提升教育質(zhì)量，實現(xiàn)大規(guī)模的獨特化教育內(nèi)容及精確性的服務(wù)，提升教學(xué)效率（吳永和，等，2017）。本文所指的人工智能課程即學(xué)科課程本位教育，其開發(fā)的邏輯起點是在理解自然智能（特別是人類智能）基礎(chǔ)上創(chuàng)制一定智能水平的機器系統(tǒng)以滿足真實世界各類情境的差異化智能需求（柳棟，等，2020）。

皮亞杰（1981）認為，認知主體在認識的發(fā)生過程中，既需要依賴于作為客體的認識對象，即指向了物理世界的略顯混亂狀態(tài)的客體，也需要跳出這些具體的物理世界建立關(guān)于客體的抽象，形成包含了“物理-數(shù)理邏輯”的完整認識，場景可以看作是真實的物理世界，而計算思維可以看作是主體基于真實需求形成的數(shù)理邏輯。智能系統(tǒng)的開發(fā)依賴于運用計算思維解決各種定義不明確的任務(wù)，已有相關(guān)研究表明，通過創(chuàng)設(shè)真實或虛擬的場景能夠幫助學(xué)習(xí)者更加熟練地處理擬合現(xiàn)實生活的不確定性，支持計算思維的養(yǎng)成和水平提升。例如齊圖尼亞蒂斯等（Zitouniatis，et al.，2022）提出了基于場景化學(xué)習(xí)培養(yǎng)計算思維的方法，通過創(chuàng)設(shè)人工智能接管世界的故事場景教授學(xué)生利用python 編程解決問題；有研究（Chen，et al.，2020）運用VR 創(chuàng)設(shè)抗震救災(zāi)虛擬場景，要求學(xué)生使用計算思維來解決救災(zāi)事件，發(fā)現(xiàn)能夠較好促進算法、抽象、分解、評估等計算思維能力。面向人工智能課程中計算思維培養(yǎng)的場景設(shè)計本質(zhì)是使場景最大限度適配具有不同智能系統(tǒng)特征的計算思維過程，提供滿足學(xué)習(xí)者需求的支持和服務(wù)。場景及其包含的要素為計算思維的形成和應(yīng)用提供載體，場景之間的關(guān)系組合形成面向不同計算思維特征的場景樣態(tài)，支持學(xué)習(xí)者搭建解決各種人工智能問題的認知結(jié)構(gòu)，即對應(yīng)場景的“結(jié)構(gòu)-關(guān)系-價值”，如圖1所示。

圖1 促進人工智能課程中計算思維培養(yǎng)的場景設(shè)計

（一）場景支持認知的價值實現(xiàn)：面向真實世界的知識應(yīng)用

“場景”一詞最早適用于戲劇影視行業(yè)，是指由特定時間、空間、人物活動等構(gòu)成的用來表現(xiàn)舞臺演出的活動場面或影視劇情相關(guān)的內(nèi)容畫面（劉成新，等，2020）。后來廣泛應(yīng)用于社會學(xué)、傳播學(xué)、城市研究等領(lǐng)域，場景的含義逐漸由起初的空間偏向擴大為人與周圍景物關(guān)系的總和（陸明明，2016）。而對于場景的組成，李鴻磊等（2020）梳理了不同研究領(lǐng)域中場景的構(gòu)成要素，包括人、地點、時間、場所、行為等。綜合相關(guān)研究，本文將場景作為嵌入教學(xué)過程的工具，它是“現(xiàn)實的基本切片”（Stewart，2003），可以按照原樣或修改后的形式進行呈現(xiàn)，幫助學(xué)習(xí)者參與真實問題解決、決策、形成觀點以及創(chuàng)造性地處理現(xiàn)實假設(shè)角色的責(zé)任、困境和挑戰(zhàn)的過程。真實世界場景是獲取知識重要來源之一，現(xiàn)實是學(xué)生最終的學(xué)習(xí)場景。通過設(shè)計連接現(xiàn)實世界和認知世界的場景，能夠為學(xué)生提供從現(xiàn)實經(jīng)驗中學(xué)習(xí)和應(yīng)用計算思維的機會：一方面，學(xué)習(xí)者在依據(jù)計算思維要素組成及其內(nèi)在邏輯構(gòu)建的特定場景中，依賴對有限要素和關(guān)系的認知，學(xué)習(xí)不同人工智能研究范式思想，培養(yǎng)計算思維各方面要素能力，建立運用計算思維看待和解決各類人工智能問題的意識和方法；另一方面，學(xué)習(xí)者在多種樣態(tài)的綜合場景中輸出所構(gòu)建的完整的計算思維過程，開發(fā)相應(yīng)智能系統(tǒng)解決特定問題并應(yīng)用和遷移至外部世界。

在具體的教學(xué)場景設(shè)計上，史密斯等（Smith，et al.，2018）認為應(yīng)將場景作為內(nèi)容載體，在保證真實性的基礎(chǔ)為場景設(shè)置敘事背景，賦予學(xué)習(xí)者角色身份的同時設(shè)計適當(dāng)?shù)奶魬?zhàn)并為學(xué)習(xí)者提供問題解決的不同選擇，通過特定要素的安排形成促進目標(biāo)達成的路徑?；趯Σ煌氐膬?nèi)涵分析，我們認為學(xué)習(xí)者、時間狀態(tài)、空間環(huán)境以及情節(jié)事件是構(gòu)建支持認知價值實現(xiàn)的必要要素：（1）學(xué)習(xí)者是場景的主體并在場景中承擔(dān)一定角色，執(zhí)行相應(yīng)行為推動場景發(fā)展和演變，教師需要根據(jù)學(xué)習(xí)者的認知結(jié)構(gòu)特征設(shè)計符合其認知水平的角色身份，這種角色身份賦予促使學(xué)習(xí)者基于角色視角轉(zhuǎn)變思維方式.此外，場景中還可能設(shè)置教師扮演的角色以及各類虛擬角色，給予學(xué)習(xí)者提示、指導(dǎo)的同時提高場景的完整度和真實性；（2）時間狀態(tài)描述了場景相對于現(xiàn)實的狀態(tài)以及場景中的人物、關(guān)系、事件階段性變化的過程，賦予場景連續(xù)性和動態(tài)性的特征。學(xué)習(xí)者認識和應(yīng)用過程中所要考慮的約束條件和所能調(diào)用的資源都受到時間狀態(tài)設(shè)置的限制（3）空間環(huán)境指場景中關(guān)系產(chǎn)生、事件發(fā)生的場所及其配置的各類資源設(shè)備，其存在形式包括實體物理空間、網(wǎng)絡(luò)虛擬空間以及混合空間等。認知發(fā)生于空間環(huán)境，其中的客體是認知的形成來源，也是認知作用的操作對象（4）情節(jié)事件是在場景中為完成特定任務(wù)所進行的各種活動及其序列關(guān)系，場景中的要素通過事件進行交互，事件的有序組合連接使場景具有連貫敘事性和多樣選擇性，不同情節(jié)事件的設(shè)置引導(dǎo)人物角色探索多種達到特定目標(biāo)的事件路徑，從而形成差異化的認知方式。四個基本要素共同構(gòu)造了一個場景的基礎(chǔ)形態(tài)，但由于教學(xué)服務(wù)對象、價值導(dǎo)向等不同，場景的要素并不總是固定且發(fā)揮同等作用，教師可以根據(jù)教學(xué)目標(biāo)強化某個要素或增加特定要素。

（二）場景支持認知的關(guān)系塑造：呈現(xiàn)多維特征的場景樣態(tài)

場景是由要素相互交織連接所構(gòu)成的關(guān)系統(tǒng)一體，處理不同場景中復(fù)雜的“人-機-物”關(guān)系是學(xué)習(xí)者在特定場景下所需要達成的目標(biāo)。通過要素設(shè)計組合而構(gòu)建形成的不同場景以特定的連接關(guān)系引導(dǎo)學(xué)習(xí)者抽象問題的邏輯關(guān)系并內(nèi)化運演過程，從而形成對應(yīng)的思維方式。因此我們可以基于各范式下的計算思維特征，構(gòu)建序列性、關(guān)聯(lián)性、動態(tài)性場景，促進特定計算思維的形成。

1.線性求解：序列性場景

符號主義關(guān)注機器符號計算，設(shè)計序列性場景促使學(xué)習(xí)者開展基于知識符號邏輯推理的線性求解。序列性場景圍繞可結(jié)構(gòu)化分解和計算的確定性問題搭建，內(nèi)嵌碎片化知識和規(guī)則于場景要素當(dāng)中，學(xué)習(xí)者根據(jù)問題抽象和分解結(jié)果，有序整合零散符號碎片，以線性追溯、還原等方式挖掘解決問題的邏輯過程。序列性場景可以是由多個單一、靜態(tài)場景組成的綜合性鏈?zhǔn)綀鼍?，因果關(guān)系是連接不同場景的紐帶，前一場景的學(xué)習(xí)結(jié)果成為后續(xù)場景學(xué)習(xí)的條件因素。單個場景內(nèi)的事件和活動組織遵循大的場景敘述邏輯并設(shè)置清晰的目標(biāo)和對應(yīng)評估標(biāo)準(zhǔn)，提供改進和優(yōu)化問題解決方案的參考。此外，為提升場景切換流暢性和趨近理想的學(xué)習(xí)結(jié)果，可以適當(dāng)增加引導(dǎo)性角色，幫助學(xué)習(xí)者基于特定步驟解決結(jié)構(gòu)化的串行問題，為后續(xù)并行處理復(fù)雜系統(tǒng)能力的培養(yǎng)奠定基礎(chǔ)。序列性場景的選擇和設(shè)計可以基于已有符號主義人工智能應(yīng)用案例，依據(jù)學(xué)習(xí)者特征和教學(xué)條件適當(dāng)調(diào)整。例如，基于金融股票問題開發(fā)專家系統(tǒng)，依照知識獲取、規(guī)則建立、用戶交互的順序設(shè)計相應(yīng)的專家對話、股票買入與拋售以及用戶使用場景，學(xué)生在不同場景下完成對知識的抽象建立知識庫，設(shè)計算法構(gòu)建推理規(guī)則，基于用戶交互習(xí)慣設(shè)計界面等。在此基礎(chǔ)上發(fā)掘存在類似智能化需求的相關(guān)場景，例如地理、歷史知識專家系統(tǒng)等，促進計算思維的遷移和應(yīng)用。

2.數(shù)據(jù)分析：關(guān)聯(lián)性場景

聯(lián)結(jié)主義強調(diào)數(shù)據(jù)結(jié)構(gòu)計算，設(shè)計關(guān)聯(lián)性場景促使學(xué)習(xí)者進行基于網(wǎng)絡(luò)結(jié)構(gòu)權(quán)重配置的數(shù)據(jù)分析。關(guān)聯(lián)性場景由解決具體問題所需數(shù)據(jù)依附的系列相關(guān)場景組合連接而成，學(xué)習(xí)者通過場景及其數(shù)據(jù)關(guān)系分析尋找網(wǎng)絡(luò)結(jié)構(gòu)中影響問題解決的關(guān)鍵節(jié)點。機器學(xué)習(xí)的一般模式是從結(jié)構(gòu)中歸納特征，再基于特征識別類似的結(jié)構(gòu)并做出預(yù)測等決策行為，特征的歸納依賴大量訓(xùn)練數(shù)據(jù)。特定數(shù)據(jù)信息的識別與分析需要聯(lián)系所處場景中周邊關(guān)系信息，相同的數(shù)據(jù)在不同場景下蘊含的信息不盡相同，譬如自然語言處理中，“蘋果”一詞在不同語境下代表了水果與手機兩種不同含義，因而關(guān)聯(lián)性場景的設(shè)計中還需依據(jù)數(shù)據(jù)關(guān)系調(diào)整要素使單個場景內(nèi)的對象也具備關(guān)聯(lián)性。通過疊加關(guān)聯(lián)性場景提供真實或虛擬關(guān)聯(lián)性數(shù)據(jù)提升數(shù)據(jù)的廣度、深度和復(fù)雜度，能夠促使學(xué)習(xí)設(shè)計更具健壯性和穩(wěn)定性的模型和算法對相關(guān)場景以及不同時態(tài)場景下的狀態(tài)數(shù)據(jù)進行關(guān)聯(lián)性分析。例如研究者在學(xué)校人臉識別系統(tǒng)開發(fā)項目中設(shè)計圖書館、教室、宿舍等具備需求的關(guān)聯(lián)場景，由于不同場景下識別對象不同，需要分析的面部狀態(tài)數(shù)據(jù)有所差異，對人臉識別精度要求也存在差別，這便要求研究者能夠基于特定指標(biāo)設(shè)計算法，對不同量級和質(zhì)量數(shù)據(jù)進行處理。

3.機制闡釋：動態(tài)性場景

機制主義聚焦人腦認知計算，設(shè)計動態(tài)性場景促使學(xué)習(xí)者思考基于認知過程信息轉(zhuǎn)換的機制闡釋。所謂動態(tài)性主要包括兩層含義：一是場景中計算問題的不確定性，對于人腦認知的發(fā)掘和理解程度決定了人工智能系統(tǒng)的智能程度，當(dāng)前認知科學(xué)納入了大數(shù)據(jù)、多種模量、非離散變量的處理等充滿不確定性的處理，超出傳統(tǒng)計算系統(tǒng)所處理的單純的符號系統(tǒng)的狀態(tài)，更接近了人類系統(tǒng)所應(yīng)對客體的方式（張寅生，2011）。學(xué)習(xí)者在動態(tài)性場景中面對大量不確定性的認知客體，所設(shè)計的算法應(yīng)當(dāng)能夠針對不同的計算問題進行動態(tài)調(diào)整，并嘗試尋找不同處理方式的機制共通性，建立智能系統(tǒng)不同計算能力之間廣泛而深入的連接。二是場景本身的適應(yīng)性調(diào)整，運用人工智能在語言、行為識別和數(shù)據(jù)分析與處理等方面的強大技術(shù)感知場景中學(xué)習(xí)者計算思維水平以及各要素層次，依此動態(tài)性調(diào)整和組織場景資源和呈現(xiàn)方式適應(yīng)整體計算思維過程，也可以針對特定要素進行強化。物聯(lián)網(wǎng)、VR、AR、MR、全息投影、元宇宙等技術(shù)發(fā)展使得新型的動態(tài)性場景構(gòu)造成為可能，且通過這種利用智能技術(shù)營造的計算文化和氛圍有助于學(xué)習(xí)者更加深刻地體會和理解人工智能。

（三）場景支持認知的結(jié)構(gòu)生成：促進計算思維素養(yǎng)的提升

從問題解決的角度來看，場景既是智能問題的來源，又提供解決問題的場所，既是思維認知活動的客體，又是技能實踐活動的對象，涉及抽象問題、分解對象，設(shè)計算法、測試評估，以及遷移概括等活動過程。場景作為連接學(xué)習(xí)者與現(xiàn)實情境的中介，能夠通過模擬實踐活動促進學(xué)習(xí)計算思維素養(yǎng)的提升以形成應(yīng)對真實問題的能力。

1.框架搭建下的問題抽象

現(xiàn)實世界中的問題通常并非獨立存在，而是與其他問題相互關(guān)聯(lián)，以問題圖式的形式呈現(xiàn)，即一個問題下可能連帶著一串問題樹或問題鏈，且圍繞著具體問題，往往存在諸多因素限制其解決方法，這些關(guān)聯(lián)特征和約束條件影響后續(xù)的分解方式和算法選擇。例如在數(shù)學(xué)應(yīng)用題中，除了將具體內(nèi)容抽象為方程外，還需考慮變量的定義域等，并非所有符合方程的解都適合實際情況。通過設(shè)計場景中的人物特征、空間范疇、事件序列等并進行標(biāo)注解釋，能夠為學(xué)習(xí)者提供問題的衍生信息，包括智能系統(tǒng)的應(yīng)用對象、應(yīng)用場所、處理數(shù)據(jù)類型等。場景中所搭建的初始信息框架助力學(xué)習(xí)者從處理各項信息開始提取問題的本質(zhì)特征，在此基礎(chǔ)上，可以增加與問題本身不相關(guān)的干擾標(biāo)簽，訓(xùn)練學(xué)習(xí)者的信息過濾和簡化能力。為促進抽象水平的提升，則可以適當(dāng)隱藏解釋信息或僅保留簡要提示，使學(xué)習(xí)者從場景中呈現(xiàn)的要素出發(fā)逐步構(gòu)建出關(guān)于問題完整清晰的結(jié)構(gòu)圖式。在此基礎(chǔ)上，進一步轉(zhuǎn)換場景的描述形式，或從時間狀態(tài)、情節(jié)事件等方面打亂場景順序，促使學(xué)習(xí)者從混亂秩序中梳理關(guān)鍵的邏輯結(jié)構(gòu)以及要素間的影響關(guān)系。

2.關(guān)系調(diào)整下的對象分解

抽象化的問題結(jié)構(gòu)是分解的對象，分解的目的在于通過特定指標(biāo)將復(fù)雜問題劃分為相對簡單的模塊或部分，以便設(shè)計自動化方案。當(dāng)問題結(jié)構(gòu)是線性的，可以按照時間順序或不同部分在場景事件中的位置進行分解，銜接各部分的輸入輸出就能夠?qū)崿F(xiàn)整體功能。而當(dāng)問題結(jié)構(gòu)比較發(fā)散，各個節(jié)點可能需要實現(xiàn)相同的功能或工作，則需要學(xué)習(xí)者對結(jié)構(gòu)分析后進行決策，依據(jù)功能整合相同類型的部分或依據(jù)其他指標(biāo)展開分解，以實現(xiàn)效能最優(yōu)化。指標(biāo)選取依賴于對場景要素關(guān)系的分析，比如開發(fā)智能安檢系統(tǒng)，如果在特定場景中識別對象是關(guān)鍵要素，需要根據(jù)對象身份特征監(jiān)測不同類型的物品，而在另一個場景下通過效率是重點，不區(qū)分對象身份，則所依據(jù)的指標(biāo)以及模塊的劃分并不一致。通過在場景中強調(diào)特定的要素關(guān)系并展示相關(guān)應(yīng)用場景，能夠幫助學(xué)習(xí)者學(xué)會如何處理此類關(guān)系，從中選取合適的分解指標(biāo)。基于一類問題或一類系統(tǒng)的開發(fā)，可以設(shè)計系列場景，調(diào)整每個場景下的要素關(guān)系，促進學(xué)習(xí)者形成針對該類問題的分解策略鏈。

3.過程導(dǎo)向下的算法設(shè)計

算法的本質(zhì)是有序邏輯步驟的集合，將特定的輸入轉(zhuǎn)化為目標(biāo)輸出。算法設(shè)計要求學(xué)習(xí)者關(guān)注具體的轉(zhuǎn)化過程而不僅僅是最終結(jié)果，需要學(xué)習(xí)者依據(jù)問題結(jié)構(gòu)和約束條件選擇或設(shè)計合適的算法策略的基礎(chǔ)上，掌握算法的功能機制，使其具備可解釋性。融合智能成像技術(shù)，場景能夠為學(xué)習(xí)者具象化呈現(xiàn)算法作用原理，并通過引入設(shè)計案例解釋特定算法功能與問題需求的適配性。在此基礎(chǔ)上嵌入編程程序，場景則具備提供即時、直觀地反饋算法正確性和效果的能力，為學(xué)習(xí)者優(yōu)化和迭代算法提供支持。此外，場景內(nèi)容為算法模型提供學(xué)習(xí)數(shù)據(jù)，比如設(shè)計短視頻的推薦算法，針對用戶喜歡的內(nèi)容，需要分解某一視頻場景中的人物本身、所處的場所空間以及行為特征，提取視頻場景中各類事物的標(biāo)簽，通過大量類似場景的要素數(shù)據(jù)訓(xùn)練，使其能夠識別并尋找到相同或部分相同的內(nèi)容進行推薦。不同數(shù)據(jù)集的“投喂”后成長的算法模型可能會輸出差異化的生成結(jié)果，學(xué)習(xí)者可以基于目標(biāo)不斷篩選訓(xùn)練數(shù)據(jù)、調(diào)整算法權(quán)重挖掘影響因子，探究內(nèi)部過程的機制原理等。

4.結(jié)果模擬下的測試評估

評估自動化方案的首要原則是其解決現(xiàn)實問題的程度，利用仿真環(huán)境創(chuàng)設(shè)的場景為學(xué)習(xí)者的方案測試和實踐提供可表征的結(jié)果預(yù)期。一方面，基于場景的效果模擬反饋，學(xué)習(xí)者可以權(quán)衡與比較不同解決方案的應(yīng)用效果，也可以單獨測試各個子問題的算法模塊，綜合其突出優(yōu)勢重新組合選項形成新的策略方案。另一方面，伴隨著解決方案應(yīng)用，場景中各要素的關(guān)系結(jié)構(gòu)不可避免地受到影響而發(fā)生改變，并可能導(dǎo)致新的問題出現(xiàn)，學(xué)習(xí)者需要考慮這種關(guān)系重塑是否是映射于現(xiàn)實情境中的某種風(fēng)險。實際上，這是在場景中賦予學(xué)習(xí)者決策的權(quán)力和責(zé)任，除了對開發(fā)的智能系統(tǒng)的技術(shù)性評估外，還蘊含著價值判斷，在技術(shù)效益和社會效益之間尋找平衡，從而決定如何完善和改進解決方案。為了克服個人決策的主觀性，還可以在場景的智能空間中搭建交互平臺，通過同伴、師生等不同主體間的交流互動評價形成群體評估，或引入人工智能生成平臺作為場景中的虛擬角色，形成人機協(xié)同的多元化評估機制。

5.多樣應(yīng)用下的遷移概括

遷移概括是指學(xué)習(xí)者識別問題解決方案中的共性模式，并對部分策略方法進行調(diào)整使其能夠應(yīng)用于其他問題的解決當(dāng)中。對于共性模式的識別，可以創(chuàng)設(shè)相同類型的場景幫助學(xué)習(xí)者歸納出問題解決步驟中共同的策略方法，形成應(yīng)對此類問題的思考路徑和策略體系。在保留問題特征的基礎(chǔ)上創(chuàng)設(shè)差異化問題場景，檢查學(xué)習(xí)者對某一類系統(tǒng)方法理解程度的同時擴展其對該方法應(yīng)用范疇的認知。而在解決方法的遷移方面，場景支持學(xué)習(xí)者開發(fā)的智能系統(tǒng)進行應(yīng)用延伸，不僅僅是用于解決相同或相似問題，而是突破特定的功能、機制預(yù)設(shè)，在多樣化學(xué)科領(lǐng)域中進行嘗試，探索其可行性。教師在這個過程中可以鼓勵和引導(dǎo)學(xué)習(xí)者自主設(shè)計新的應(yīng)用場景以及相關(guān)問題，幫助他們深入理解系統(tǒng)方法的在遷移場景中應(yīng)用的核心原理和關(guān)鍵步驟。此外，場景的可重復(fù)性使學(xué)習(xí)者能夠多次經(jīng)歷和回顧整個問題解決過程，并反思和總結(jié)各個環(huán)節(jié)所采用的策略方法的適用性。

五、基于“結(jié)構(gòu)-關(guān)系-價值”的場景設(shè)計：案例分析

在前文的論述中，我們討論了場景在計算思維價值實現(xiàn)、關(guān)系塑造、結(jié)構(gòu)生成方面的支持作用，解決了“為什么”的問題，為了使場景設(shè)計方法能夠在具體的教學(xué)應(yīng)用中更具操作性，研究將結(jié)合具體的案例，依舊從“結(jié)構(gòu)-關(guān)系-價值”三個維度來闡釋如何設(shè)計場景以實現(xiàn)人工智能課程中計算思維的培養(yǎng)。

（一）價值實現(xiàn)：基于目標(biāo)的場景主題選擇

人工智能課程的目標(biāo)是使學(xué)生能夠理解并創(chuàng)制智能解決問題，面向真實世界的需求。場景的價值在于提供真實可控的空間環(huán)境，學(xué)習(xí)者能夠在其中應(yīng)用知識，培養(yǎng)實踐技能，通過場景交互獲取深入、貼近現(xiàn)實的問題解決經(jīng)驗。為了使這類習(xí)得經(jīng)驗?zāi)軌虬l(fā)揮效用，場景的主題必須契合現(xiàn)實情境。此外，人工智能課程內(nèi)容涉及各種智能技術(shù)，在問題的選擇上也需要考慮運用人工智能技術(shù)解決問題的適配性。譬如，賴盈勛等（Lai，et al.，2021）針對“物聯(lián)網(wǎng)應(yīng)用與實踐”課程設(shè)計真實應(yīng)用場景，選取農(nóng)場、學(xué)校、工廠作為場景的主題，這是物聯(lián)網(wǎng)技術(shù)真實應(yīng)用的場景，且農(nóng)業(yè)精準(zhǔn)控制、學(xué)校設(shè)備管理、工廠自動化制造與該課程學(xué)生的“信息工程”專業(yè)的工作息息相關(guān)。此外，學(xué)生能夠較為輕松地接觸這些場景，因而學(xué)習(xí)者可以親自通過實地調(diào)研和訪談去挖掘和收集物聯(lián)網(wǎng)系統(tǒng)在具體應(yīng)用過程中的問題和智能化需求。同樣針對人工智能物聯(lián)網(wǎng)（Artificial Intelligence&Internet of Things，AIoT）的學(xué)習(xí)，林育珊等（Lin，et al.，2021）則是在考慮學(xué)習(xí)者日常接觸的場景后，選擇智能家居、智能交通等作為場景的主題，要求學(xué)習(xí)者規(guī)劃和布局不同類型的傳感器以實現(xiàn)對房間各種自動化家具、交通信號燈等的智能化控制。

在場景的要素設(shè)計上，賴盈勛等（Lai，et al.，2021）通過360 全景相機拍攝實景圖片、視頻構(gòu)建了虛擬的空間環(huán)境并側(cè)重于情節(jié)事件的設(shè)計，學(xué)生借助EduVenture VR 設(shè)備進行場景探索。就農(nóng)場主題來說，學(xué)習(xí)者以物聯(lián)網(wǎng)專業(yè)人員的角色視角展開故事，教師以指導(dǎo)者的角色出現(xiàn)，在場景中扮演農(nóng)場的工作人員為學(xué)習(xí)者引出各類信息。場景描述了在農(nóng)作物生長的整個周期中，由于諸如天氣條件引起的灌溉水不足、蟲害、殺蟲劑測試，以及其他因素導(dǎo)致的農(nóng)業(yè)損失等問題。為幫助學(xué)習(xí)者解決問題，在場景中還嵌入了對農(nóng)作物本身以及灌溉渠、水泵機等工具的必要介紹。林育珊等（Lin，et al.，2021）則是強調(diào)真實感的打造，借助ARCore 開發(fā)平臺構(gòu)建了增強現(xiàn)實的混合空間，學(xué)習(xí)者能夠在其中以3D 方式學(xué)習(xí)傳感器的構(gòu)造，并嘗試在特定位置上布置傳感器實現(xiàn)識別功能。

（二）關(guān)系塑造：基于范式的場景框架構(gòu)建

開發(fā)不同類型的人工智能系統(tǒng)涉及不同的思維范式，基于范式特征構(gòu)建的場景框架有助于學(xué)習(xí)者建立特定的思維方式。在賴盈勛等（Lai，et al.，2021）的設(shè)計的農(nóng)場場景中，學(xué)習(xí)者的目標(biāo)是開發(fā)調(diào)節(jié)農(nóng)作物生長環(huán)境智能物聯(lián)網(wǎng)系統(tǒng)，而精準(zhǔn)控制的實現(xiàn)需要系統(tǒng)能夠自動采集和分析環(huán)境指標(biāo)數(shù)據(jù)、生物信息數(shù)據(jù)等，在農(nóng)作物的不同生長周期提供合適的生長條件。為了滿足數(shù)據(jù)分析的需求，在場景的樣態(tài)上就需要考慮采用關(guān)聯(lián)性場景，通過對關(guān)聯(lián)數(shù)據(jù)的分析建立關(guān)系模型。對于溫度、濕度、光照等環(huán)境影響因素，可以分別設(shè)計相應(yīng)的場景，突出呈現(xiàn)單個因素對植物生長的影響，例如可以在場景中模擬不同溫度下作物的生長情況，使學(xué)生能夠收集相關(guān)數(shù)據(jù)分析作用關(guān)系。通過在不同場景建立的關(guān)系規(guī)則的整合，學(xué)習(xí)者可以進一步探索各因素對作物生長的復(fù)雜交互關(guān)系，逐步形成完整的數(shù)據(jù)關(guān)系圖譜并用于系統(tǒng)模型的訓(xùn)練，場景的整個框架設(shè)計呈現(xiàn)出中心發(fā)散的輪式結(jié)構(gòu)。

在林育珊等（Lin，et al.，2021）創(chuàng)建的智能家居場景中，學(xué)習(xí)者被要求在特定空間內(nèi)規(guī)劃和布置不同的傳感器實現(xiàn)家具聯(lián)動，并為每個傳感器設(shè)計算法和編碼。智能物聯(lián)網(wǎng)系統(tǒng)同樣需要獲取多模態(tài)環(huán)境數(shù)據(jù)，同時對人的動作、姿態(tài)、表情、聲音等進行感知和識別，以實現(xiàn)手勢、語音控制等多種人機交互方式。為了提供個性化、智能化服務(wù)，智能系統(tǒng)還應(yīng)基于收集的數(shù)據(jù)做出智能決策，控制相關(guān)設(shè)備行為，例如根據(jù)用戶位置和行為自動調(diào)節(jié)空調(diào)工作模式、燈光亮度，或依據(jù)用戶的喜好和習(xí)慣進行個性化設(shè)置等。因此在原來多模態(tài)數(shù)據(jù)關(guān)聯(lián)的場景框架中，還需要設(shè)計多種動態(tài)性場景，呈現(xiàn)不同時間狀態(tài)下的用戶行為狀態(tài)。這些動態(tài)場景模擬家庭環(huán)境中用戶的真實行為和需求變化，為系統(tǒng)優(yōu)化決策策略提供學(xué)習(xí)數(shù)據(jù)。

（三）結(jié)構(gòu)生成：基于要素的場景內(nèi)容呈現(xiàn)

計算思維的問題解決過程包含抽象、分解、算法、評估、概括五個關(guān)鍵環(huán)節(jié)，為了使學(xué)習(xí)者建立這種認知結(jié)構(gòu)，賴盈勛等（Lai，et al.，2021）在整個場景的呈現(xiàn)上也遵循這一邏輯過程。場景開始會呈現(xiàn)一段系統(tǒng)性的介紹畫面，讓學(xué)生從現(xiàn)象中抽象并用文字描述存在的問題。教師在場景中扮演指導(dǎo)者的角色，與學(xué)生一起討論問題產(chǎn)生的原因，要求學(xué)生嘗試對問題進行分解歸類，并初步分析問題的成因。通過對信息的探索和對關(guān)鍵影響因素的認知選擇，系統(tǒng)性的問題會被分解為子問題，并轉(zhuǎn)到子場景情節(jié)。在子場景中向?qū)W生進一步解釋導(dǎo)致問題的因素，例如田地需用固定量的水進行灌溉，而當(dāng)水不足或天氣太熱時就會發(fā)生干旱情況；害蟲的危害是由于農(nóng)藥分布的不當(dāng)控制和分布不均勻等?；谧訄鼍皟?nèi)容，學(xué)生被要求思考哪些物聯(lián)網(wǎng)設(shè)備可以用于協(xié)助解決問題，在Arduino Uno 上進行算法設(shè)計和程序代碼編寫，研究人員在場景中嵌入了AIoT 分析平臺，用于學(xué)生檢驗評估自己數(shù)據(jù)算法的選擇，平臺通過模擬結(jié)果分析給予學(xué)生即時反饋。完成子場景的問題解決后，學(xué)生可以回到主情節(jié)，進入另一個子場景來解決相關(guān)問題，直到完成所有的模塊探索并最終形成完成的系統(tǒng)解決方案設(shè)計。

當(dāng)學(xué)習(xí)者掌握了基本的計算思維過程，教師可以基于學(xué)習(xí)者的計算思維水平調(diào)整場景內(nèi)容和活動實現(xiàn)計算思維能力的進一步提升。例如隱藏部分信息于場景畫面或角色當(dāng)中，不隨情節(jié)演進直接呈現(xiàn)，只有學(xué)習(xí)者考慮和探索相關(guān)因素才進行展示；適當(dāng)去除文字信息和介紹，通過圖像形式呈現(xiàn)，要求學(xué)生在抽象問題本質(zhì)的基礎(chǔ)上運用文字或流程圖等進行描述；在算法設(shè)計過程中，要求學(xué)習(xí)者撰寫算法報告，記錄和解釋算法原理、數(shù)據(jù)訓(xùn)練集以及每次的修改過程；設(shè)計系統(tǒng)在技術(shù)應(yīng)用、實用性、完整性、可行性、預(yù)期收益等方面的指標(biāo)使學(xué)習(xí)者對解決方案進行定量評估；要求學(xué)習(xí)者將設(shè)計系統(tǒng)應(yīng)用于其他主題場景的問題解決，分析其解決效益，提出調(diào)整策略，并設(shè)置展示交流活動，學(xué)習(xí)者通過演說、匯報形式回顧和介紹系統(tǒng)的完整思路過程與核心方法。

六、結(jié)語

計算思維是人工智能領(lǐng)域?qū)嵺`的核心，伴隨人工智能技術(shù)的發(fā)展以及問題解決思路的轉(zhuǎn)變，計算思維理應(yīng)呈現(xiàn)出契合人工智能的特點從而在其要素上體現(xiàn)出區(qū)別一般信息技術(shù)應(yīng)用領(lǐng)域的差異性。滿足真實世界場景智能化需求的人工智能開發(fā)離不開計算思維的運用，通過設(shè)計相應(yīng)場景能夠讓學(xué)習(xí)者在解決真實人工智能問題中使計算思維素養(yǎng)得到持續(xù)提升和進一步發(fā)展，培養(yǎng)人工智能創(chuàng)新型人才以向?qū)崿F(xiàn)通用人工智能邁進，發(fā)揮服務(wù)未來的價值。