信息技術(shù)課AI編程教學(xué)案例調(diào)試優(yōu)化：小組測試程序，若出現(xiàn)“分類錯(cuò)誤”（如把“香蕉皮”識(shí)別為“塑料瓶”），則回溯模型訓(xùn)練環(huán)節(jié)，補(bǔ)充同類數(shù)據(jù)或調(diào)整標(biāo)注，重新訓(xùn)練模型。3.成果整合與測試（第3課時(shí)，10分鐘）：小組整合代碼，確保圖像讀取、模型調(diào)用、界面顯示全流程通順，能正確識(shí)別至少5類常見垃圾。教師提供“測試集”（10張陌生垃圾圖片），檢驗(yàn)?zāi)Ｐ头夯芰?，記錄分類?zhǔn)確率。（四）成果展示與多元評(píng)價(jià)（第3課時(shí)，15分鐘）1.小組展示：每組派代表演示“智能垃圾分類助手”，說明設(shè)計(jì)思路、技術(shù)難點(diǎn)與優(yōu)化過程（如“我們發(fā)現(xiàn)模型對(duì)‘電池’識(shí)別率低，于是補(bǔ)充了10張不同角度的電池圖片，重新訓(xùn)練后準(zhǔn)確率提升至90%”）。2.互評(píng)與師評(píng)：采用“三維評(píng)價(jià)表”（功能完整性、代碼規(guī)范性、創(chuàng)意拓展性），同學(xué)從“是否解決了實(shí)際問題”“代碼是否有冗余”等角度互評(píng)；教師點(diǎn)評(píng)技術(shù)亮點(diǎn)（如“用循環(huán)優(yōu)化了多張圖像的批量識(shí)別”）與改進(jìn)方向（如“可增加語音提示功能”）。3.總結(jié)升華：引導(dǎo)學(xué)生思考“AI技術(shù)的邊界與責(zé)任”，如“如何避免模型對(duì)‘特殊垃圾’（如破損電池）的誤判？”，滲透倫理與安全意識(shí)。四、教學(xué)反思與改進(jìn)策略（一）教學(xué)亮點(diǎn)1.真實(shí)情境驅(qū)動(dòng)：以垃圾分類這一社會(huì)問題為載體，讓學(xué)生感知AI技術(shù)的社會(huì)價(jià)值，避免編程學(xué)習(xí)的“碎片化”；2.分層教學(xué)適配：將AI模型訓(xùn)練（低代碼化，用TeachableMachine）與Python編程（代碼實(shí)現(xiàn)）分層設(shè)計(jì)，兼顧不同基礎(chǔ)學(xué)生的需求；3.迭代式學(xué)習(xí)：通過“測試—優(yōu)化—再測試”的循環(huán)，培養(yǎng)學(xué)生的工程思維與問題解決能力。（二）現(xiàn)存問題1.技術(shù)門檻差異：部分學(xué)生在PyQt界面開發(fā)中遇到布局混亂、信號(hào)槽連接錯(cuò)誤等問題，代碼調(diào)試耗時(shí)較長；2.模型泛化性不足：小組采集的數(shù)據(jù)集樣本單一（如僅用“干凈的塑料瓶”），導(dǎo)致模型對(duì)“變形/臟污的塑料瓶”識(shí)別率低；3.課時(shí)限制：3課時(shí)內(nèi)完成“數(shù)據(jù)采集—模型訓(xùn)練—代碼集成”的全流程，部分小組因進(jìn)度滯后，成果完整性不足。（三）改進(jìn)策略1.工具簡化：引入圖形化編程工具（如Mixly、Mind+）的AI擴(kuò)展模塊，用拖拽式編程替代部分Python代碼，降低界面開發(fā)門檻；3.彈性課時(shí)：將項(xiàng)目拆解為“基礎(chǔ)版（實(shí)現(xiàn)核心功能）”與“拓展版（增加語音交互、歷史記錄）”，允許小組根據(jù)能力選擇，避免“一刀切”。五、教學(xué)延伸建議1.跨學(xué)科融合：結(jié)合科學(xué)課“物質(zhì)的分類”知識(shí)，開展“AI+環(huán)?！敝黝}探究，如“用AI識(shí)別校園垃圾，統(tǒng)計(jì)分類準(zhǔn)確率”；2.社區(qū)實(shí)踐：組織學(xué)生將“智能垃圾分類助手”推廣至社區(qū)，收集居民反饋，優(yōu)化模型，增強(qiáng)社會(huì)參與感；3.技術(shù)拓展：引入TensorFlowLite模型量化技術(shù)，將訓(xùn)練好的模型部署到樹莓派、micro:bit等硬件，實(shí)現(xiàn)“邊緣端AI垃圾分類”，拓展學(xué)生對(duì)嵌入式系統(tǒng)的認(rèn)知。通過“智能垃圾分類助手”項(xiàng)目的教學(xué)實(shí)踐，學(xué)生不僅掌握了AI編程的核心技能，更在真實(shí)問題解決