陸雅楠 江豐光

摘 要：STEM教育因其強調(diào)跨學科、動手實踐與探究，有利于培養(yǎng)學生的STEM素養(yǎng)與21世紀技能。人工智能技術與STEM教育的融合為學生提供了探究式學習模式，同時又滿足實現(xiàn)跨學科教學目標、注重問題解決與項目式學習、啟發(fā)學生自主探究與協(xié)助學習的目標，并在一定程度上可提升學生的社會責任感。開發(fā)以智能蔬菜種植為主題的STEM課程，并進行實踐與教學評估，可以發(fā)現(xiàn)：通過智能蔬菜種植STEM課程的學習，強化學生關于智能技術的學習態(tài)度，能夠幫助學生理解開源硬件和傳感器、物聯(lián)網(wǎng)工具、智能應用程序等智能技術并提升學習動機與信心，但對編程和算法的學習并無顯著性影響。

關鍵詞：STEM課程；智能蔬菜種植；設計；實踐

中圖分類號：G4文獻標志碼：A文章編號：2096-0069（2023）02-0069-09

引言

STEM教學強調(diào)跨學科、動手實踐與探究，有利于培養(yǎng)學生的STEM素養(yǎng)與21世紀技能（解決問題、創(chuàng)造性思維、團隊協(xié)作、技術素養(yǎng)等）[1]。在基礎教育中引入STEM教學具有重要作用，一方面可以提高基礎教育的質(zhì)量和有效性，另一方面可以將STEM教育機會的自由化和開發(fā)性擴展到理論上的最大程度[2]。在當下這個充滿變化和技術機遇的時代，如何使用新興技術促進STEM教與學開始受到重視。芬蘭國家教育委員會（Finnish National Agency for Education）自1996年起開始實施的數(shù)學和科學教育發(fā)展項目，以培養(yǎng)STEM專業(yè)人員為目標，聚焦于中小學生問題解決高階能力的培養(yǎng)，加強STEM課程、機構(gòu)、學習環(huán)境的建設，實施多元化、多角度激勵性評價，促進STEM教師的專業(yè)發(fā)展[3] 。我國STEM教育研究起步稍晚，但發(fā)展迅速[4]，全國各地都在探索如何將STEM教育融入教育體系中。

智能種植教育議題近年來也漸受關注。有學者提出農(nóng)業(yè)可以作為學生初級課程不可或缺的一部分，為STEM教育探索提供真實的材料[5] 。21世紀的學生應是一個自我導向的批判性學習者，具備全球和公民意識、信息和媒體素養(yǎng)、財務和經(jīng)濟素養(yǎng)、溝通和寫作能力以及創(chuàng)新解決問題能力[6]。新時代的制造產(chǎn)業(yè)（包括農(nóng)業(yè)）將集成物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新興技術，逐漸實現(xiàn)生產(chǎn)過程的透明化、智能化和全局優(yōu)化，全面晉升為智慧工廠[7] 。當代中小學生的生活普遍被更新迭代飛速的豪華建筑和高科技產(chǎn)品圍繞，卻對農(nóng)業(yè)基本知識及農(nóng)業(yè)科學技術的發(fā)展知之較少。我國現(xiàn)代農(nóng)業(yè)教育目前大多局限于高等教育和職業(yè)教育，存在教育資源分配不均勻、農(nóng)業(yè)教學形式較單一、社會認可度不足及就業(yè)面較窄等問題[8] 。本研究將以智能蔬菜種植為STEM課程的主題，并評估該課程在我國初中階段應用的有效性。

一、文獻綜述

（一）智能技術支持下的STEM課程研究

已有研究證明人工智能技術能夠激發(fā)學生參與STEM學習的興趣，提高學生STEM學習動機[9]。教學活動設計是STEM課程開發(fā)的核心環(huán)節(jié)，目前已有的相關教學活動設計，大多數(shù)會采用基于問題/項目的探究式教學和協(xié)作學習教學法，運用智能技術開發(fā)線上教學平臺或電子教材及教學工具，結(jié)合跨學科課程標準設計包含各種項目的教學活動，且大致遵循理論學習—設計—實踐的流程。此外，智能技術支持下的STEM課程，大部分研究集中于生物、物理、機器人、化學、地質(zhì)等科學與技術相關的主題。有一項關于農(nóng)業(yè)STEM課程的研究僅實施10天，研究者認為該研究活動具備一定創(chuàng)新性，值得深入探索，并希望在其基礎上有所突破[5]。

課程評估是STEM課程開發(fā)與實踐研究的重要環(huán)節(jié)。本研究對已有實證研究中涉及課程評估環(huán)節(jié)的相關研究進行整理歸納得出結(jié)論：此類課程的教學評估可以結(jié)合定量和定性的方法，從學生、教師角度去評估。從評估目標看，評估學生對STEM/編程學習的態(tài)度和對智能學習的態(tài)度研究占多數(shù)，關于STEM職業(yè)的興趣與職業(yè)自我效能感的研究也有一定比例，也有部分研究開始關注學生編程技能、科學探究技能、決策能力、實踐任務績效，且已有少數(shù)研究關注STEM學科能力、計算思維能力等綜合能力。從教師角度評估教師的智能教學水平的研究較多，也已出現(xiàn)對教師系統(tǒng)思維和技術使用能力的評估研究。不同編程培訓對計算思維能力影響的實驗結(jié)果顯示，比起傳統(tǒng)編程教學，使用平臺進行編程教育總體上對學生的創(chuàng)造力、算法思維、批判性思維因素和計算思維技能均產(chǎn)生積極影響，但是在解決問題和合作方面沒有顯著差異[10] 。因此，本研究團隊選擇智能蔬菜種植為課程主題，教學評估關注對智能技術的認知態(tài)度、智能技術的學習與農(nóng)業(yè)學習動機，聚焦課程設計和課程評估創(chuàng)新性，研發(fā)出一套智能技術支持下的STEM課程。

（二）智能種植教育

智能農(nóng)業(yè)（Smart Farming）是物聯(lián)網(wǎng)、大數(shù)據(jù)等新技術融入農(nóng)業(yè)的實踐[11]。本研究將智能蔬菜種植定義為在種植實踐中共同考慮智能技術、蔬菜多樣性與市場的種植技術。智能教育（Intelligence Education，簡稱IE）是指人工智能技術在教育中的直接應用[12]，具有三方面的內(nèi)涵：智能技術支持的教育、學習智能技術的教育和促進智能發(fā)展的教育[13]。農(nóng)業(yè)教育泛指所有傳播農(nóng)業(yè)科技知識、培養(yǎng)農(nóng)業(yè)科技人才的活動[14]，蔬菜種植教育屬于農(nóng)業(yè)教育的范疇中教授蔬菜種植相關知識的教學活動。本研究將智能種植教育定義為蔬菜種植教育與智能教育的融合，智能技術支持蔬菜種植教育，學生接受蔬菜種植教育的同時也學習智能技術。

（三）智能種植教育課程相關案例

國內(nèi)外關于智能種植教育主題課程與教學的研究涉及教學空間設計、課程設計、教學活動設計、課程評估等方面。關于課程主題和授課對象，國內(nèi)智能種植教育主題課程主要設計為綜合實踐活動課程與校本課程，少數(shù)涉及物聯(lián)網(wǎng)課程，且課程大多面向小學生開展，教學目標以科普人工智能相關知識、觀察植物為主，教學難度設置普遍較低，初高中階段的課程研發(fā)較為罕見。國外此類課程設計的主題則顯得更加豐富，包括編程課程、工程設計能力培養(yǎng)、科學探究課程、生態(tài)教育課程等，且涵蓋小學、初中、高中、大學。教學設計方面，國內(nèi)大多為教師利用人工智能技術進行課程教授，教師借助人工智能技術更好地向?qū)W生傳授蔬菜種植方面的科學知識，課程評估環(huán)節(jié)較少涉及，少數(shù)有此環(huán)節(jié)評估的內(nèi)容也僅為學習效果評測；國外此類課程相比國內(nèi)更加注重智能技術的學習及應用，學生在課上學習生態(tài)知識的同時，還學習編程、工程設計、傳感器技術等，只是課程評估的內(nèi)容同樣基本是對學習效果的評估。

二、教學案例和課程評價設計

本研究是智能技術在STEM教育領域與農(nóng)業(yè)教育領域的實踐探索，旨在設計與開發(fā)智能技術支持下的蔬菜種植主題STEM課程，并進行教學實踐與評估，探索STEM教育理念與智能種植教育的融合，希望為未來的研究提供有價值的參考。

（一）教學案例設計

首先參考現(xiàn)有成果案例（小學夏令營課程計劃與高中9個月課程計劃），依據(jù)STEM教育理念開發(fā)了面向初中生的以智能蔬菜種植為主題的STEM課程，由蔬菜的認識到利用智能技術進行科學探究，引入智能技術的學習，包括編程入門與物聯(lián)網(wǎng)入門，設計教學活動，使得學生在游戲中學習技術，并逐漸積累智能蔬菜種植的相關知識，涉及賣菜小幫手、蔬菜補光燈的控制、感知蔬菜生長環(huán)節(jié)、溫度播報員、智能澆水系統(tǒng)等迷你項目，最終讓學生運用所學知識設計完成智能蔬菜種植輔助系統(tǒng)。

基于STEM教育理念根據(jù)課程內(nèi)容和實驗地學校的課時安排，最終將課程設置為11個模塊，每個模塊1～2課時（90分/課時），每周一次課，計劃12課時。整體課程設計圍繞蔬菜種植主題，重視實踐與項目式學習，分為探究篇、技能篇與迷你項目篇。探究篇由3個模塊構(gòu)成——蔬菜知識大闖關、蔬菜種植比拼、揭秘太空蔬菜種植，讓學生在游戲體驗中探究蔬菜基本知識、蔬菜種植技巧，體驗室內(nèi)蔬菜種植并探索智能蔬菜種植；技能篇包括4個模塊——“你好，Python”、賣菜小幫手、蔬菜補光燈的控制、感知蔬菜生長環(huán)境，主要是讓學生學習Python基礎語法并完成幾個簡單小案例，同時體驗物聯(lián)網(wǎng)模塊；迷你項目篇包括溫度播報員、測光小助手、智能澆水系統(tǒng)、智能蔬菜種植輔助裝備，共由4個模塊、5個課時構(gòu)成，主要是讓學生在開源硬件項目設計中練習Python語法，并體驗智能技術的載體傳感器的使用，感受學習智能技術的趣味性。體現(xiàn)核心教學設計的課程計劃安排見表1。

（二）教學資源設計

教學實用性相對較強的個人食品計算機3.0版（見圖1），由一塊Raspberry Pi，溫度、濕度和二氧化碳傳感器，氣泵，USB相機，LED燈模塊等硬件組成，并開發(fā)了一款配套軟件（在Raspberry Pi和Beaglebone等嵌入式Linux設備上運行受控增長環(huán)境的軟件），有一組新的云服務（OpenAg云）支持PFC_EDU的后端，可將其連接到Open Phenome（OpenAg的開源系統(tǒng)，PFC數(shù)據(jù)和氣候食譜的數(shù)字圖書館）。

考慮到我國中小學的教學資源投入成本需求與教學便捷性，本研究選擇了國產(chǎn)的開源硬件，開發(fā)了智能蔬菜種植機（見圖2）與科學觀測平臺。因二氧化碳傳感器的單價較高，所以暫時選擇放棄。硬件安裝了溫度傳感器、濕度傳感器、環(huán)境光傳感器、攝像頭模塊、LED燈、水泵等。

智能觀測平臺為SIOT物聯(lián)網(wǎng)平臺及其自帶的功能庫。目前能觀測智能蔬菜種植機的數(shù)據(jù)與遠程澆水，數(shù)據(jù)包括實時數(shù)據(jù)與歷史數(shù)據(jù)，數(shù)據(jù)類型有環(huán)境溫度、環(huán)境濕度、光照度等。

（三）課程評價工具設計

1.智能技術的學習態(tài)度問卷

經(jīng)查閱期刊發(fā)現(xiàn)一套評估學生對技術的態(tài)度和認識的工具并可進行驗證的量表 [15]，該問卷共54項，包括5個維度——對技術的興趣、技術的未來、對技術的態(tài)度、技術教學、技術知識。本研究對該問卷進行適當修改，用智能技術替換技術，部分題目進行縮減，最終生成學生對智能技術的學習態(tài)度前后測問卷。通過前測數(shù)據(jù)計算問卷的信度，可靠性檢驗的Cronbachs alpha系數(shù)為0.87，由此可知問卷的信度較好。

2.智能技術概念理解、學習動機與信心問卷

本研究借鑒了一套關于編程概念的基本理解以及學習動機和信心的問卷[16] 。在該問卷基礎上進行修改并生成適用于本研究的智能技術概念理解、學習動機與信心前后測問卷。前測問卷顯示各維度的可靠性檢驗Cronbachs alpha系數(shù)結(jié)果：編程和算法為0.994，開源硬件與傳感器為0.996，物聯(lián)網(wǎng)為0.991，智能應用程序為0.981。

3.農(nóng)業(yè)領域知識學習動機問卷

本研究改編史蒂芬等人[17]修訂的農(nóng)業(yè)學習動機調(diào)查問卷，對此問卷進行翻譯并修改和調(diào)整題目，作為評估學生關于農(nóng)業(yè)領域知識與學習動機的調(diào)查問卷。該問卷共25項、5個維度，分別為：職業(yè)動機、內(nèi)在動機、自我決定、自我效能感和成績動機，各維度可靠性檢驗Cronbachs alpha系數(shù)結(jié)果分別為：0.98、0.97、0.97、0.99、0.87。

（四）數(shù)據(jù)分析策略

相關問卷收集之后，用SPSS 26.0軟件進行數(shù)據(jù)分析（配對樣本t檢驗），以探究研究者設計的課程對學生關于智能技術的理解和使用、學習編程和智能技術、學習農(nóng)業(yè)領域知識的影響，檢查在實驗前后是否存在顯著性差異。同時對實驗過程中收集的錄音、學習手冊、訪談、視頻等數(shù)據(jù)進行內(nèi)容分析，以了解學生在此課程中的完成情況，為后續(xù)課程修改提供參考依據(jù)，并可作為重要信息輔助解釋實驗結(jié)果。

關于非問卷類數(shù)據(jù)的內(nèi)容分析，由于此類數(shù)據(jù)采集與分析的主觀性較強，在內(nèi)容分析前，進行了以下準備：

（1）確定分析目的：了解課堂學習環(huán)境下學生的課程參與情況與項目完成情況。

（2）確定記錄表格樣式：根據(jù)教學設計，研究者結(jié)合STEM-6E教學法［主要包括6個環(huán)節(jié)：引入（engage）、探究（explore）、解釋（explain）、工程（engineer）、豐富（enrich）、評價（evaluate）］，設計了課堂參與觀察記錄表與項目完成情況記錄表。

（3）分析過程：參照江南大學牟智佳等人[18] 2020年提出的基于行為序列的學習行為模式，該研究將我國中學生課堂學習行為分為自主性學習行為、交往性學習行為、操作性學習行為、非學習行為、感官性學習行為和教師輔助性學習行為，具體編碼如表2。

對觀察對象的課堂學習視頻進行觀察記錄，在觀察過程中不評價學生，也不影響、干預他們的行為，使觀察對象在最自然真實的情境下做出符合自己意愿的行為，同時比對學習手冊的填寫情況，確保觀察結(jié)果的真實性。以教學設計的每個環(huán)節(jié)（引入、探究、解釋、工程、豐富、評價）為記錄點，記錄下每個學生在每個環(huán)節(jié)內(nèi)產(chǎn)生的行為數(shù)據(jù)，即每堂課每位學生產(chǎn)生6組行為數(shù)據(jù)，最終由研究者根據(jù)預期目標得出每位同學的課程參與度。研究者選取每堂課錄制的課堂學習視頻片段與學生學習手冊進行分析。

三、數(shù)據(jù)分析和結(jié)果

（一）課程對學生關于智能技術的學習態(tài)度的影響

通過問卷檢驗學生在課程實施前后關于智能技術的學習態(tài)度的變化。表3為學生在關于智能技術學習態(tài)度的各個維度上的配對樣本t檢驗結(jié)果，顯示在對智能技術的興趣、個人學習智能技術兩個維度上，學生的學習態(tài)度沒有顯著變化（Sig.值大于0.05），而在智能技術的未來、智能教育兩個維度上，學生的學習態(tài)度得到了顯著改變（Sig.值小于0.05）。另外，在沒有顯著變化的兩個維度上，學生得分的均值差均呈現(xiàn)了學生關于智能技術的學習態(tài)度的正面提升。由此可見，通過智能蔬菜種植STEM課程的學習，在一定程度上改善了學生對智能技術的學習態(tài)度。

為進一步探討課程對學生關于智能技術的學習態(tài)度的影響，本研究分析了學生的課程參與度。研究者查閱相關文獻，參照國外學者做的關于大學生課程參與的定性研究中采用恒定比較的方法[19]，根據(jù)課堂視頻素材、學習手冊完成情況與教師觀察記錄等進行內(nèi)容分析，繪制學生的課程參與度記錄圖（見下頁圖3）。由圖可知，全班學生的課程參與度均值在80%，模塊1的課程參與度為最高值，模塊9出現(xiàn)了最低值，總體的課程參與度呈先下降、再增長、再下降、再增長的趨勢。

結(jié)合教學設計，可一定程度上解釋出現(xiàn)此趨勢的原因：前4個模塊的教學難度相較后7個模塊差距較明顯。學生從第一模塊時參與度100%之后就開始逐漸下降，因本課程實施時間為每周五放學前，大部分學生攜帶周末作業(yè)參加課程，因此課程難度較低，這也可解釋學生的課程參與度降低。自第四模塊起，學生開始接觸編程與智能硬件，對大部分是初學者的學生來講教學難度相較前幾個模塊大大提高，教學活動安排的緊密性變化也是如此，因此學生能完成其他學科作業(yè)的機會大大降低。根據(jù)學習手冊完成情況也可發(fā)現(xiàn)，學生無法完成全部學習手冊任務的情況不可避免。但根據(jù)課程參與度的折線趨勢判斷可得，學生的課程參與度是有所提升的。而第九模塊出現(xiàn)最低值，當歸結(jié)于第九模塊的教學難度屬于整個課程中最大的（第九模塊課程實施后，研究者調(diào)整了后幾個模塊的教學難度）。因此，學生課程參與度的變化可以解釋其在關于智能技術的個人態(tài)度上，為什么沒有每個維度的得分均得到顯著性提高。

另外，對比男生課程參與度記錄圖與女生課程參與度記錄圖可得，女生的課程參與度變化相較男生更平緩，大部分課程模塊的參與度遠高于男生。根據(jù)課堂觀察與各小組信息匯總，研究者發(fā)現(xiàn)各小組中起主導作用的同學均為女生，且在項目中負責編程與搭建的同學中女生的比例也較高，且主動參與回答問題或展示作品的同學中女生占多數(shù)。對此，研究者認為，一部分原因可能是參加本課程的學生男女比例較為懸殊（每組男生僅為1～2人），一定程度上影響了男生課堂參與積極性。

（二）課程對學生智能技術概念理解、學習動機與信心的影響

為探究課程對學生智能技術概念理解、學習動機與信心的影響，研究者參照系列相關實證研究，在課程實施前后對學生實施了前后測。

表4（見下頁）為實驗中學生在智能技術學習的各個維度（編程和算法、開源硬件和傳感器、物聯(lián)網(wǎng)工具、智能應用程序）上的配對樣本t檢驗結(jié)果。結(jié)果顯示：在開源硬件和傳感器、物聯(lián)網(wǎng)工具、智能應用程序3個維度上，學生的基本理解以及學習動機與信心均有顯著性提高（Sig.值小于0.05）；在編程和算法維度上，后測分數(shù)高于前測，但未達到顯著性水平（Sig.值大于0.05）。

傳感器技術、物聯(lián)網(wǎng)應用程序等概念在中小學教育中雖然不多，但似乎具有良好的可接受性。無論是學生的課堂表現(xiàn)與學習手冊的填寫情況，還是學生訪談的結(jié)果，均顯示學生對開源硬件、傳感器、物聯(lián)網(wǎng)工具、智能應用程序等概念有較好的理解，對學習的動機與信心有了一定的提升。

雖然編程和算法沒有顯著性提升，但前后測得分均值差顯示課程實施后此維度得分有所提高。在進行教學設計專家評估階段，一線資深信息技術教師表示計算機編程相關知識的理解與提升需要長時間的積累，未接觸過編程的學生很難在短時間內(nèi)通過相關課程的學習提高編程和算法能力。本研究在研究設計時為規(guī)避此局限性，將課程設置為11個模塊，計劃12個課時，每個模塊的課程教學時間超過90分鐘，11個模塊的課程包含8個模塊的智能技術學習，以學習相關模塊的知識。同時，考慮到在編程基礎性知識學習和項目式學習時，學生的參與度具有差異性，且大部分學生為初學者，研究者設置基礎篇學習的教學場所為學校機房，每位學生配1臺計算機，大部分項目為單人任務；迷你項目篇教學場所為活動室，4～6人一組，每組1臺計算機，大部分項目為小組任務。前后測得分的均值差為0.363，說明雖然本研究編程和算法維度得分未有顯著性提高，但課程已初見成效。

從課程結(jié)束后的訪談發(fā)現(xiàn)，學生能基本了解自己在課程中做的各個項目的運作原理，并且描述最為清晰的項目均為軟硬件結(jié)合的項目。一位女同學表示做過很多項目，最滿意的項目是自動澆水裝置：“在自動澆水項目中，我完成了水泵拼裝與程序代碼編寫，最后讓水泵可以自動吸水給蔬菜澆水。”另一位女同學介紹了如何使用Python的數(shù)學語句編寫賣菜小幫手小程序以及結(jié)合溫度傳感器自動測量溫度、光照強度傳感器自動測量光照強度，也著重介紹了智能澆水系統(tǒng)的項目：“在這個項目里，我們?nèi)M人都參與了，剛開始是2個人連接電線和傳感器，3個人敲代碼，澆水的時候大家都要一起，有人要接著電線，有人要負責接水和插水泵，有人要調(diào)試代碼運行和停止，最后大家一起完成了這個項目。”因班里男同學較少，研究者僅對2名男同學實施訪談，男同學對課上學習的軟硬件相關知識與原理描述較為簡單，但也切中要點，可見課程能有效幫助學生學習智能技術。

訪談內(nèi)容節(jié)選如下：

S1：我在課程中學習種植蔬菜，使用各種傳感器測量蔬菜的溫度、光照強度、濕度。我在組內(nèi)幫忙種植蔬菜、安裝硬件等。

S2：我了解了如何制作一個智能蔬菜種植設備，它需要水泵、溫度檢測器、濕度檢測器、偵測設備、芯片、鋰電池等材料。

（三）課程對學生農(nóng)業(yè)領域知識與學習動機的影響

本研究通過問卷檢驗學生在課程實施前后對農(nóng)業(yè)領域知識學習動機的變化。表5為學生在農(nóng)業(yè)領域知識學習動機的各個維度（內(nèi)在動機、自我效能、自決、成績動機、職業(yè)動機）上的配對樣本t檢驗結(jié)果，顯示在農(nóng)業(yè)領域知識學習的內(nèi)在動機、自我效能感、自決、成績動機、職業(yè)動機4個維度上，課程實施前后學生的學習動機均得到了顯著提高（Sig.值小于0.05）。由此可見，學生通過課程的學習能提高對農(nóng)業(yè)領域知識的學習動機。

教師的課堂觀察也有同樣的發(fā)現(xiàn)。在教師引導下，每組學生在第二個模塊課程時種下蔬菜，學生對澆水與觀察積極性頗高，在后續(xù)課程的學習中使用開源硬件、傳感器等智能硬件的過程雖然艱辛，但是觀察到自己組蔬菜的溫度、濕度、光照度等數(shù)組時，各組均激動異常，未實現(xiàn)程序跑通的小組也會到其他組的SIoT物聯(lián)網(wǎng)平臺上進行查看，并主動邀請成功實現(xiàn)智能觀測的小組的同學協(xié)助自己組完成開發(fā)。在最后一堂課時，兩組種植生長周期較短的學生成功摘取自己成熟的蔬菜，其他小組的蔬菜也均長勢良好。從一顆顆種子到一棵棵菜苗，學生臉上洋溢的笑容與花房綠油油的蔬菜葉子，無不透露出學生在本課程中種植蔬菜獲得的滿足感。

課程結(jié)束后教師對部分學生進行訪談，學生的回答也同樣顯示課程可提高學生對農(nóng)業(yè)領域知識的學習動機。訪談結(jié)果如下：

S1：用科學技術來種植蔬菜能使人們更加輕松地獲得收成，老師還讓我們在課堂上模擬了……

S2：我認為農(nóng)業(yè)科學知識是很重要的，它能夠帶領我們與未來的世界更加貼近?？纯苹秒娪暗臅r候，我們就都很好奇原來可以這樣子……

可見學生對智能蔬菜種植的評價較高，學習農(nóng)業(yè)相關知識的熱情高漲，且一定程度上提升了學生的見識與社會責任感。

四、結(jié)語

將智能教育與蔬菜種植教育融合的STEM課程能促進學生學習智能技術、提高農(nóng)業(yè)科學知識學習動機，智能技術可有效支持蔬菜種植教育，學生在接受農(nóng)業(yè)科學新知識的同時，也可提升關于智能技術的概念理解與使用信心。此外，研究者通過量化與定性數(shù)據(jù)分析發(fā)現(xiàn)，無論是基礎技能模塊還是軟硬件項目模塊，在課堂中女生的學習積極性與參與熱情均高于男生。但是，由于本研究的研究對象是通過網(wǎng)上自主選課的學生，最終確認名單時發(fā)現(xiàn)選課的男生僅7名，女生23名，導致性別差異分析受到限制。另外，社團課上學生容易出現(xiàn)請假的情況，影響學生項目完成率與課程參與積極性，此發(fā)現(xiàn)值得后續(xù)繼續(xù)探討。

基金項目：2022年國家自然科學專項基金項目“跨學科STEM科普活動實踐與科技創(chuàng)新人才培養(yǎng)機制研究”（T2241013）；重慶市教委研究生教改項目“應用型研究生培養(yǎng)模式改革的實踐探索與應用推廣”（YJG193089）；重慶師范大學智慧教育專項“基于STEAM理論的中小學智慧課堂教學模式設計”（YZH21013）

作者簡介：陸雅楠（1997 — ），女，浙江瑞安人， 上海人工智能實驗室智能教育中心AI教育教研員，研究方向為STEM教育；江豐光（1981 — ），男，臺灣彰化人，上海交通大學教育學院未來教育中心主任、長聘教授、博士生導師，研究方向為STEM教育、學習空間、信息技術創(chuàng)新教學。

參考文獻

[1] WAHONO B，CHANG C Y. Assessing teachers attitude，knowledge，and application （AKA） on STEM：an effort to foster the sustainable development of STEM education[J]. Sustainability，2019，11（4）：950.

[2] CTPИЖAК О ?， СЛIПYXIHA ? А， Пол?сун Н ?， et al. STEM-осв?та： основн? деф?н?ц??[J]. ?нформац?йн? технолог?? ? засоби навчання， 2017，62（6）：16-33.

[3] 楊盼，韓芳.芬蘭STEM教育的框架及趨勢[J].電化教育研究，2019，40（9）：106-112.

[4] 曾寧，張寶輝，王群利.近十年國內(nèi)外STEM教育研究的對比分析：基于內(nèi)容分析法[J].現(xiàn)代遠距離教育，2018（5）：27-38.

[5] VALLERA F L， BODZIN A M. Integrating STEM with AgLIT （agricultural literacy through innovative technology）： the efficacy of a project-based curriculum for upper-primary students[J]. International Journal of Science and Mathematics Education， 2020， 18： 419-439.

[6] ABDURRAHMAN A， ARIYANI F， NURULSARI N. Designing an Inquiry-based STEM learning strategy as a powerful alternative solution to enhance students 21st-century skills： a preliminary research[C]//Journal of Physics： Conference Series. IOP Publishing， 2019， 1155（1）.

[7] 呂佑龍，張潔.基于大數(shù)據(jù)的智慧工廠技術框架[J].計算機集成制造系統(tǒng)，2016，22（11）：2691-2697.

[8] 鄧祥豐，李成彬.淺談發(fā)達國家農(nóng)業(yè)教育對我國的啟示與思考[J].現(xiàn)代化農(nóng)業(yè)，2020（1）：43-46.

[9] KLEBANOV B B， BURSTEIN J， Harackiewicz J M， et al. Reflective writing about the utility value of science as a tool for increasing STEM motivation and retention-can AI help scale up？[J]. International Journal of Artificial Intelligence in Education， 2017， 27（4）： 791-818.

[10] PALA F K， M1H?1 T?RKER P. The effects of different programming trainings on the computational thinking skills[J]. Interactive Learning Environments， 2021， 29（7）： 1090-1100.

[11] WOLFERT S ， GE L ， VERDOUW C ， et al. Big data in smart farming：a review[J]. Agricultural Systems， 2017， 153：69-80.

[12] 祝智庭，魏非.教育信息化2.0：智能教育啟程，智慧教育領航[J].電化教育研究，2018，39（9）：5-16.

[13] 祝智庭，彭紅超，雷云鶴.智能教育：智慧教育的實踐路徑[J].開放教育研究，2018，24（4）：13-24，42.

[14] 靳占忠.高等農(nóng)業(yè)教育概念新探[J].中國農(nóng)業(yè)教育，2002（2）：14-15.

[15] INCANTALUPO L， TREAGUST D F， KOUL R. Measuring student attitude and knowledge in technology-rich biology classrooms[J]. Journal of Science Education and Technology， 2014， 23（1）： 98-107.

[16] KUAN W H， TSENG C H， CHEN S， et al. Development of a computer-assisted instrumentation curriculum for physics students： using lab VIEW and arduino platform[J]. Journal of Science Education and Technology， 2016， 25（3）： 427-438.

[17] CHUMBLEY S B， HAYNES J C， Stofer K A. A measure of students motivation to learn science through agricultural STEM emphasis[J]. Journal of Agricultural Education， 2015， 56（4）： 107-122.

[18] 牟智佳，張勤娜，陳思睿.基于行為序列的學習行為模式識別與教學干預[J].現(xiàn)代教育技術，2020，30（5）：74-80.

[19] KIM M. A qualitative multiple case study on the participation structure and interactions in college courses with active student participation[J]. Korean Journal of Educational Psychology， 2015， 29（1）：135-168.

（責任編輯 李強 孫志莉）

Abstract： STEM education is conducive to developing students STEM literacy and the skills in 21st century due to its emphasis on interdisciplinary and hands-on practice and exploration. The integration of AI technology and STEM education provides students with an inquiry-based learning model and at the same time it meets the goals of interdisciplinary teaching and learning， focusing on problem-solving and project-based learning， inspiring students to explore and assist in their own learning， and to some extent， it can enhance students sense of social responsibility. This article develops， practices and evaluates a STEM curriculum based on the theme of smart vegetable gardening. It is found that the STEM curriculum on smart vegetable gardening can enhance students attitudes towards learning about smart technologies， help them understand smart technologies such as open source hardware and sensors， IoT tools， smart apps， and increase motivation and confidence in learning， but it does not have a significant impact on the learning of programming and algorithms.

Abstract： STEM curriculum; Smart vegetable gardening; Design; Practice