中小學人工智能教育展示活動 || 物理實驗中的計算成像——人工智能與物理的跨學科課程設計與實施（下）

物理實驗中的計算成像

——人工智能與物理的跨學科課程設計與實施

文_趙愛慧　張　思　袁中果／中國人民大學附屬中學

教學實施

引入：測重力加速度的方法（5分鐘，主導教師：物理）

教師引導學生回憶物理課上如何測重力加速度。圖2是用打點計時器打出紙帶的示意圖和真實圖，展示學生傳統實驗過程中完整的打點、數點、測量長度，然后記錄數據表并且作圖的過程，依據相對充足的測量數據，再加上勻加速直線運動的模型，手動擬合做出了直線圖。通過該過程回顧模型與數據的概念。學生通過觀察傳統物理實驗，了解其中的不足，提出打點計時器的問題：無法描述真實運動物體形態——看不見；時間精度為0.10秒——看不清。隨后教師展示從打點計時器到頻閃照片的實驗結果改進，時間精度可以從0.10秒提高到毫秒量級，引導學生思考問題求解的思路，為后續分析解決問題作鋪墊，激發學生的學習興趣。在這個過程中，明確界定研究問題為“物理實驗如何才能看得見、看得清？”

圖2　傳統物理實驗用打點計時器測重力加速度

本環節所用資源：幻燈片（PPT）、學生物理實驗作業、頻閃照片、白板。

本環節設計意圖：通過教師復習和學生展示，觀察傳統科學分析方法中建模和數據處理的過程，體會簡單科學研究的方法，引出問題，為后續作鋪墊，激發學生的學習興趣。

視頻分析和機器學習原理及探索（10分鐘，主導教師：物理與信息技術）

物理教師展示不同學生的物理實驗作業（錄視頻測重力加速度）。第1位學生在錄制視頻前先確立了一個標尺作為參照物，該標尺上每個標記間相距20厘米。錄制小球下落的視頻后，通過視頻分析軟件進行截圖，當畫面中小球通過標記位置時，記錄下對應視頻的時間幀數，再通過公式計算得出重力加速度。用這種方式，學生可以直觀地看到物體的運動，但是數據測量方式較為繁瑣。第2位學生沒有提前準備標尺，而是將錄制的視頻導入了一個名為Tracker的軟件中，直接獲取了物體下落的位移和時間信息，然后將這些數據錄入Excel表格，計算得到重力加速度。第3位學生的作業更加智能化，不僅利用了Tracker軟件自動跟蹤物體獲取位移和時間數據，還利用該軟件直接對獲取的數據進行擬合，得到位移時間曲線，自動計算出重力加速度的結果（見圖3）。

圖3　用Tracker軟件獲取數據

得益于信息技術的助力，學生的物理實驗過程變得更加簡單直觀，但大部分學生對其背后的原理并不清楚。信息技術教師引導學生思考Tracker的建模、調整參數、分析數據等過程，就是機器學習的訓練過程和測試過程，用流程圖的形式鞏固機器學習的概念，為后續理解計算成像作鋪墊。然后讓學生觀察實驗視頻截取的圖片，提出問題：“大家對視頻結果滿意嗎？”學生會發現光線不好時，看不見物體的細節，這是物理光學的問題；運動速度加快后圖像變得模糊不清，無法確定小球的位置，這是成像的問題。那么，有沒有什么辦法能更好地看見物體的運動呢？教師引導學生在Moodle在線討論區發布自己的想法，分析問題的解決方案，即想要看得見和看得清，我們有物理和人工智能兩個思路解決問題，從而引入后續課堂內容。

本環節所用資源：幻燈片（PPT）、學生實驗作業視頻、白板、Moodle在線討論區。

本環節設計意圖：通過教師的引導，學生逐步體驗更加清晰便捷的運動分析方法，建立對機器學習更深刻的理解，并強化模型和數據兩個概念，為引入計算成像打下基礎。

物理方法：讓看不見變為看得見（10分鐘，主導教師：物理）

教師介紹更快的頻閃——高速攝影，啟發學生思考光在“看見”中的作用。通過展示不同物理過程對應的時間尺度，說明任何測量都必須比目標系統發生明顯變化的時間更快，否則就只能得到模糊的結果。引入2023年諾貝爾物理學獎——阿秒激光的知識。阿秒激光是一個非常前沿的概念，根據本課所學內容，學生可以猜出一些它的物理特性，在Moodle平臺完成課堂實踐即在線測試選擇題，理解解決看不見問題的物理方法及其關鍵因素。

本環節所用資源：幻燈片（PPT）、白板、Moodle在線測試。

本環節設計意圖：通過教師引導，學生在實踐中運用類比和聯想，理解科學分析中對于實驗觀測的改進需求不斷促進物理學發展的過程，為深入講解計算成像作鋪墊。

人工智能方法：讓看不清變為看得清（10分鐘，主導教師：信息技術）

本環節通過課堂實踐，體驗超分辨率重建中看不清的圖像變為看得清的過程，理解人工智能方法中機器學習的作用。首先進行計算機成像建模，圖像其實也是數據，那么在硬件限制的情況下如何用算法將看不清的變為看得清呢？就要用到我們前面鞏固的機器學習模型。在實踐環節中，給學生發放閱讀材料，以小組為單位討論，從原理角度重點關注以下問題：①輸入數據是什么；②輸出數據是什么；③訓練數據如何獲取；④評價標準如何定義。

小組整理好回答，發帖到Moodle平臺討論區，通過所有小組討論得出結論。教師展示機器學習過程，即輸入低分辨率圖像，輸出高分辨率圖像，訓練數據是通過原圖降采樣得到的低分辨率圖，而評價標準則有RSNR、結構相似度、意見平均分等。

由此可見，整個問題求解的過程并不是一個學科就能完全解決的，是物理與人工智能共同努力的結果。這類研究其實是科學前沿的一大類問題，即計算成像，也是天然的跨學科鏈接主題。引導學生思考計算成像的內涵，強化科學探究與計算思維的結合，突出模型建構與數據分析的作用，并在后續介紹有關計算成像的遷移應用。

本環節所用資源：幻燈片（PPT）、白板、Moodle在線閱讀資源、Moodle在線討論區。

本環節設計意圖：通過教師引導，學生在實踐中體驗模糊圖像清晰化的過程，強化對機器學習原理的理解，突出模型建構與數據分析的作用；思考計算成像的內涵，強化科學探究與計算思維的結合。

總結與提升（5分鐘，主導教師：信息技術與物理）

信息技術教師展示手機HDR攝影、黑洞照片的誕生、非視距成像等內容，引導學生思考數據的采集和模型的建構，以及最終結果的生成過程，理解計算成像的外延。接著講述成像在物理實驗觀測中的重要性。科學是從測量開始的，而成像在測量中有著不可替代的作用，我們對自然的認知、對世界的觀測，都需要看得見、看得清。這促使人類在成像方面有一系列的科技進步，催生了各種科學獎項，也極大地改善了我們的生產與生活。

最后進行課程總結，從一個物理實驗出發，提出如何解決看不見、看不清的問題。在分析問題的過程中，探索出借助物理前沿手段可以讓看不見變為看得見，人工智能技術可以從看不清變為看得清的求解思路，而這就是跨學科前沿領域計算成像的內涵。在進一步的遷移應用中可見科研上很多突破往往都是學科間互相推動、共同作用產生的結果。至此學生對跨學科有了更深刻的理解，最后在Moodle平臺上或掃描二維碼完成課堂評價。

本環節所用資源：幻燈片（PPT）、在線調研問卷。

本環節設計意圖：通過教師引導，學生了解更多的遷移應用，理解計算成像的外延，并對相關問題進行思考，強化對模型建構和數據分析的理解，并激發對后續課程的興趣；通過學生評價，掌握課堂效果，強化課堂總結。

教學總結與思考

本節課從界定問題、分析問題、求解問題、遷移應用4個階段進行課程設計，以測重力加速度這一學生非常熟悉的物理實驗為出發點，提出看不見與看不清的問題，逐步講解視頻分析與機器學習原理，借助人工智能與物理的跨學科知識，從不同角度出發解決問題，圍繞計算成像的內涵與外延，展示跨學科的迭代創新，最終解決真實問題并應用到教學、科研和日常生活中。課上將前沿技術引進課堂，以真實情境展現科學家是如何解決問題的，實現了對學生跨學科思維能力的訓練。

這節課由于時間所限，物理實驗的部分是在之前的課堂上或以作業的形式完成，相關實驗內容通過教師展示的形式呈現，問題的提出以教師引導為主，學生的思考和實踐設計偏少。計算成像概念本身較為復雜，探索及理解需要逐步進行，但是由于課程信息量較大，在課上留給學生討論和思考的時間偏少，師生互動和生生互動不是很充分。

雖然本節課的設計缺少真正能讓學生動手體驗的部分，但是本單元設計的最后2課“物理實驗中的仿真模擬”會更偏重于動手實踐，以學生為主體進行討論和設計，充分發揮學生的主觀能動性。教師在人工智能與物理跨學科單元教學的探究與實踐中不斷迭代創新，最終將促進學生信息技術與物理學科的核心素養發展。

參考文獻

[1] 趙愛慧，武迪，袁中果．人工智能+物理的跨學科課程設計與實施——基于機器學習的物理實驗數據分析[J]．中國信息技術教育，2021（5）：66-70．

[2] 中華人民共和國教育部制定．普通高中信息技術課程標準（2017年版2020年修訂）．

[3] 中華人民共和國教育部制定．普通高中物理課程標準（2017年版2020年修訂）．

（本文系北京教育學院教改課題“人工智能交叉賦能的中學跨學科創新教學實踐研究”（XYJG2023-33）研究成果）■

微店訂閱流程

step 1

step 2

點擊圖片直接跳小程序

來源 | 《中國科技教育》2024-08

文章編輯：畢晨輝

微信編輯、排版 | 孟想

一校 | 孟想

復校 | 若惜

終校 | 朱志安