任何知识要具有生命力，都必须作为一个“过程”存在于一定的生活场景、问题情境或思想语境之中 ^[1]。目前，在课堂中创设真实情境有效促进教学目标的达成，这种方式已被各个学科广泛应用。教师在教学过程中有意识地引入或创设人工智能的来源或典型应用情境，通过带领学生参与、体验抽象理论转化为与技术产生或具体运用相关的过程，帮助他们直观地感受、理解和掌握知识，引发深度思考，直至创造性地解决新问题。因此，在初、高中人工智能课程的教学中，情境化策略能在学生薄弱的知识基础与艰深的理论之间搭建桥梁。课堂情境的创设需要注意以下4个方面。

基于现实生活

强调情境创设的生活性，其实质是要解决生活世界与科学世界的关系。首先要注重联系学生的现实生活，在日常生活中发现、挖掘情境资源，将抽象化的知识融入生活。其次要了解利用学生已有的经验。在初、高中阶段开展人工智能教学，虽然学生的基础知识不足，但也有很多经典算法可与学生的学习生活产生联系。比如，在人工智能最经典的入门算法——回归算法活动设计中，可结合高一物理研究小车速度随时间变化规律的实验展开，在物理实验中，将时间作为自变量、小车速度作为因变量，建立序列随时间变化的回归模型。在人工智能课堂上，引入这一学生熟悉的情境，能让学生较快地理解特征、标签等核心概念，并通过将测量得到的样本数据应用于回归算法，进而构建模型预测车速这一过程，理解算法的基本原理，使学生的思维不断深入，构建属于自己的知识体系。

紧扣学科特点

人工智能技术离不开对大数据的收集、分析、整理、建模和预测。人工智能课程中的情境创设要体现学科特色，挖掘人工智能技术自身的魅力，凸显核心知识的演进过程、应用条件，以及在生活中的意义与价值，帮助学生准确理解人工智能技术的内涵，激发学生勇于解决新的问题。比如，利用决策树算法进行足球比赛胜负预测这一课中，首先准备2支球队的比赛信息，包括输赢、全体队员能力值和阵型。但这些数据并不能直接应用于决策树模型建立，必须根据需要作好预处理。通过正确率对比，学生可以看到相对于队员能力绝对数值而言，相同位置上两队队员的能力差异更能左右比赛的胜负。同时，数据中“451”阵型代码属于离散特征，编号并没有数值，须转为独热编码，才能建立正确的预测模型。在这样的情境中，学生能体会到人工智能技术与大数据分析整理的密切关系。

一元线性回归算法案例

内含进阶问题

有效的教学情境需包含一系列进阶问题，这些环环相扣的问题能有效引导学生迅速进入状态、适应情境、引入新知、解决问题和深入思考。首先，起始类问题应源于学生日常，难易程度要适合学生的实际水平，以保证大多数学生在课堂上处于学习状态。其次，问题应指向教学目标，同时能帮助学生分解复杂情境中涉及到的一系列关键点。面对关键点的挑战，教师适时给予学生与已有知识有一定链接的小问题，迎接新的知识，并最终解决问题。最后，抛出新的拓展问题，进一步引发思考，激发学生将新习得的知识付诸应用。