物理实验中的计算成像

本文在已有的课堂教学案例“基于机器学习的物理实验数据分析”[1]基础上，面向真实问题，从高中信息技术与物理学科的核心素养出发[2][3]，聚焦学科的共性和交叉点，即模型和数据，设定单元学习主题为“模型建构与数据分析”，进行跨学科单元教学设计，打破学科壁垒，让学生充分亲历人工智能与物理的跨学科思维方式，体验跨学科知识和技能解决真实问题的过程，提升跨学科素养和综合素质。

跨学科单元教学设计

跨学科教学的核心是面向真实问题。在高中物理实验课堂上，经常遇到复杂非线性模型被理想化、实验不好做或不能做等情况，导致学生所学知识与真实情境有较大偏差。以人工智能为核心概念，在解决物理实验面临的真实问题时，既能实现跨学科知识的整合，又能提升学生主动利用跨学科思维进行思考并综合运用多学科知识解决问题的能力，还能激发学生探究现实世界的兴趣，从而进一步体会跨学科的综合性，以及学科之间的关联性。

单元目标

以信息技术和物理学科的核心素养为导向，围绕高中信息技术学科核心素养（信息意识、计算思维、数字化学习与创新），以及高中物理学科核心素养（科学思维、科学探究），提炼出“模型和数据”这个两学科的共性和交叉点，设定跨学科单元学习的主题为“模型建构与数据分析”。聚焦到如何合理地对物理实验研究中的真实问题进行建模，获取和处理信息，并通过跨学科合作探究解决问题，最终实现迁移应用，是这次跨学科单元教学的目标。

根据科学探究的思路，基于观察和实验提出物理问题，学生能够进行初步的猜想和假设，设计实验，合理获取和组织处理信息，形成解决问题的初步方案。然后通过数据获取与观察分析，进行简单到复杂的模型建构，在数据处理与重建的过程中，依托人工智能概念，尤其是机器学习的原理，将抽象的物理概念或问题通过更加清晰可见的观测手段或者可视化计算成像、模拟仿真等呈现处理，最终解决物理模型理想化、实验不好做或不能做等物理实验中遇到的问题。

学生通过跨学科单元学习，能够充分体会合理模型建构与数据分析的重要性，增强信息意识，提升计算思维与科学思维，强化界定问题—分析问题—求解问题—迁移应用的问题求解思路，最终促进跨学科核心素养的发展。

单元内容分析和教学活动设计

本单元主题为“模型建构与数据分析”，面向高一年级学生，所需总课时约为6课时，单元内容设计以学生为中心。

从核心素养和单元教学主题出发，基于学生的学习基础和认知经验等，本单元内容分为3部分（物理实验中的数据分析、物理实验中的计算成像、物理实验中的仿真模拟），对应学生熟悉程度由强到弱的分析方法（手画图和电子表格、图像和视频分析、模拟仿真），从学习基础最扎实的方法出发，在拆解物理实验面临的问题时，形成问题链，将人工智能核心概念由浅入深地逐步渗入，实现单元教学目标。具体教学活动设计如下。

●第1—2课时：物理实验中的数据分析。学生观察带有空气阻力的落体运动，获得实验数据；通过人机两种不同的数据分析手段，对比最佳拟合线的获取过程和结果；借助最佳拟合的原理，理解机器学习的框架，体验跨学科中的模型建构与数据分析。

●第3—4课时：物理实验中的计算成像。基于测重力加速度的物理实验，学生通过打点计时器和运动图像视频等分析方法，建模并获取实验数据；借助运动视频智能分析软件，进一步强化机器学习的基本框架，同时面向实际问题“如何让物理实验图像看得见和更清晰”；借助物理前沿及算法原理，通过计算成像的跨学科链接，再次强化模型建构与数据分析的重要性。

●第5—6课时：物理实验中的仿真模拟。针对物理研究中不好做或难以呈现的实验，学生通过合理的模型与数据，实践进行可视化的模拟仿真。认识其在物理课堂和科研中发挥的巨大作用，探索机器人学与物理学相结合后产生的无限可能，进一步促进人工智能与物理跨学科知识的融合，掌握真实问题的求解思路。

学生通过单元学习，从理论分析到实践，了解常见的模型建构与数据获取机制，掌握利用信息技术进行数据处理的基本方法，学会运用计算思维进行分析与重建，并通过科学探究解决现实问题，逐步完成跨学科概念的理解和迁移应用，最终促进核心素养的发展，实现育人价值。

教学目标及教学设计

下面以“物理实验中的计算成像”教学活动（第4课时）为例进行说明。“物理实验中的计算成像”教学活动位于整个单元的中间位置，在基于机器学习的物理实验数据分析基础上，通过第3课时的课堂实践建模并获取实验数据后，在本课时借助计算成像，强化模型和数据的概念，加深对机器学习的理解，为后续更好地处理复杂问题及模拟仿真打下基础，提升学生综合运用跨学科知识的能力。本课时的教学目标如下。

●通过探究运动的传统实验，观察分析处理数据的过程，体会科学研究的方法。

●通过运动视频的分析过程，掌握机器学习的原理，强化合理模型建构与数据获取处理的重要性。

●了解物理前沿发展，通过计算成像的案例，进一步巩固机器学习的过程，强化科学探究与计算思维的结合，提升解决问题的能力。

●通过计算成像的内涵与外延，体验跨学科迁移应用，最终促进核心素养的发展。

基于以上4个教学目标，本课时的教学活动设计以学生为中心，以问题链激发学生内驱力，教师起引导作用。

本课时教学设计的框架如图1所示。

教学实施

引入：测重力加速度的方法（5分钟，主导教师：物理）

教师引导学生回忆物理课上如何测重力加速度。图2是用打点计时器打出纸带的示意图和真实图，展示学生传统实验过程中完整的打点、数点、测量长度，然后记录数据表并且作图的过程，依据相对充足的测量数据，再加上匀加速直线运动的模型，手动拟合做出了直线图。通过该过程回顾模型与数据的概念。学生通过观察传统物理实验，了解其中的不足，提出打点计时器的问题：无法描述真实运动物体形态——看不见；时间精度为0.10秒——看不清。随后教师展示从打点计时器到频闪照片的实验结果改进，时间精度可以从0.10秒提高到毫秒量级，引导学生思考问题求解的思路，为后续分析解决问题作铺垫，激发学生的学习兴趣。在这个过程中，明确界定研究问题为“物理实验如何才能看得见、看得清？”

本环节所用资源：幻灯片（PPT）、学生物理实验作业、频闪照片、白板。

本环节设计意图：通过教师复习和学生展示，观察传统科学分析方法中建模和数据处理的过程，体会简单科学研究的方法，引出问题，为后续作铺垫，激发学生的学习兴趣。

视频分析和机器学习原理及探索（10分钟，主导教师：物理与信息技术）

物理教师展示不同学生的物理实验作业（录视频测重力加速度）。第1位学生在录制视频前先确立了一个标尺作为参照物，该标尺上每个标记间相距20厘米。录制小球下落的视频后，通过视频分析软件进行截图，当画面中小球通过标记位置时，记录下对应视频的时间帧数，再通过公式计算得出重力加速度。用这种方式，学生可以直观地看到物体的运动，但是数据测量方式较为繁琐。第2位学生没有提前准备标尺，而是将录制的视频导入了一个名为Tracker的软件中，直接获取了物体下落的位移和时间信息，然后将这些数据录入Excel表格，计算得到重力加速度。第3位学生的作业更加智能化，不仅利用了Tracker软件自动跟踪物体获取位移和时间数据，还利用该软件直接对获取的数据进行拟合，得到位移时间曲线，自动计算出重力加速度的结果（见图3）。

得益于信息技术的助力，学生的物理实验过程变得更加简单直观，但大部分学生对其背后的原理并不清楚。信息技术教师引导学生思考Tracker的建模、调整参数、分析数据等过程，就是机器学习的训练过程和测试过程，用流程图的形式巩固机器学习的概念，为后续理解计算成像作铺垫。然后让学生观察实验视频截取的图片，提出问题：“大家对视频结果满意吗？”学生会发现光线不好时，看不见物体的细节，这是物理光学的问题；运动速度加快后图像变得模糊不清，无法确定小球的位置，这是成像的问题。那么，有没有什么办法能更好地看见物体的运动呢？教师引导学生在Moodle在线讨论区发布自己的想法，分析问题的解决方案，即想要看得见和看得清，我们有物理和人工智能两个思路解决问题，从而引入后续课堂内容。

本环节所用资源：幻灯片（PPT）、学生实验作业视频、白板、Moodle在线讨论区。

本环节设计意图：通过教师的引导，学生逐步体验更加清晰便捷的运动分析方法，建立对机器学习更深刻的理解，并强化模型和数据两个概念，为引入计算成像打下基础。

物理方法：让看不见变为看得见（10分钟，主导教师：物理）

教师介绍更快的频闪——高速摄影，启发学生思考光在“看见”中的作用。通过展示不同物理过程对应的时间尺度，说明任何测量都必须比目标系统发生明显变化的时间更快，否则就只能得到模糊的结果。引入2023年诺贝尔物理学奖——阿秒激光的知识。阿秒激光是一个非常前沿的概念，根据本课所学内容，学生可以猜出一些它的物理特性，在Moodle平台完成课堂实践即在线测试选择题，理解解决看不见问题的物理方法及其关键因素。

本环节所用资源：幻灯片（PPT）、白板、Moodle在线测试。

本环节设计意图：通过教师引导，学生在实践中运用类比和联想，理解科学分析中对于实验观测的改进需求不断促进物理学发展的过程，为深入讲解计算成像作铺垫。

人工智能方法：让看不清变为看得清（10分钟，主导教师：信息技术）

本环节通过课堂实践，体验超分辨率重建中看不清的图像变为看得清的过程，理解人工智能方法中机器学习的作用。首先进行计算机成像建模，图像其实也是数据，那么在硬件限制的情况下如何用算法将看不清的变为看得清呢？就要用到我们前面巩固的机器学习模型。在实践环节中，给学生发放阅读材料，以小组为单位讨论，从原理角度重点关注以下问题：①输入数据是什么；②输出数据是什么；③训练数据如何获取；④评价标准如何定义。

小组整理好回答，发帖到Moodle平台讨论区，通过所有小组讨论得出结论。教师展示机器学习过程，即输入低分辨率图像，输出高分辨率图像，训练数据是通过原图降采样得到的低分辨率图，而评价标准则有RSNR、结构相似度、意见平均分等。

由此可见，整个问题求解的过程并不是一个学科就能完全解决的，是物理与人工智能共同努力的结果。这类研究其实是科学前沿的一大类问题，即计算成像，也是天然的跨学科链接主题。

引导学生思考计算成像的内涵，强化科学探究与计算思维的结合，突出模型建构与数据分析的作用，并在后续介绍有关计算成像的迁移应用。

本环节所用资源：幻灯片（PPT）、白板、Moodle在线阅读资源、Moodle在线讨论区。

本环节设计意图：通过教师引导，学生在实践中体验模糊图像清晰化的过程，强化对机器学习原理的理解，突出模型建构与数据分析的作用；思考计算成像的内涵，强化科学探究与计算思维的结合。

总结与提升（5分钟，主导教师：信息技术与物理）

信息技术教师展示手机HDR摄影、黑洞照片的诞生、非视距成像等内容，引导学生思考数据的采集和模型的建构，以及最终结果的生成过程，理解计算成像的外延。接着讲述成像在物理实验观测中的重要性。科学是从测量开始的，而成像在测量中有着不可替代的作用，我们对自然的认知、对世界的观测，都需要看得见、看得清。这促使人类在成像方面有一系列的科技进步，催生了各种科学奖项，也极大地改善了我们的生产与生活。

最后进行课程总结，从一个物理实验出发，提出如何解决看不见、看不清的问题。在分析问题的过程中，探索出借助物理前沿手段可以让看不见变为看得见，人工智能技术可以从看不清变为看得清的求解思路，而这就是跨学科前沿领域计算成像的内涵。在进一步的迁移应用中可见科研上很多突破往往都是学科间互相推动、共同作用产生的结果。至此学生对跨学科有了更深刻的理解，最后在Moodle平台上或扫描二维码完成课堂评价。

本环节所用资源：幻灯片（PPT）、在线调研问卷。

本环节设计意图：通过教师引导，学生了解更多的迁移应用，理解计算成像的外延，并对相关问题进行思考，强化对模型建构和数据分析的理解，并激发对后续课程的兴趣；通过学生评价，掌握课堂效果，强化课堂总结。

教学总结与思考

本节课从界定问题、分析问题、求解问题、迁移应用4个阶段进行课程设计，以测重力加速度这一学生非常熟悉的物理实验为出发点，提出看不见与看不清的问题，逐步讲解视频分析与机器学习原理，借助人工智能与物理的跨学科知识，从不同角度出发解决问题，围绕计算成像的内涵与外延，展示跨学科的迭代创新，最终解决真实问题并应用到教学、科研和日常生活中。课上将前沿技术引进课堂，以真实情境展现科学家是如何解决问题的，实现了对学生跨学科思维能力的训练。

这节课由于时间所限，物理实验的部分是在之前的课堂上或以作业的形式完成，相关实验内容通过教师展示的形式呈现，问题的提出以教师引导为主，学生的思考和实践设计偏少。计算成像概念本身较为复杂，探索及理解需要逐步进行，但是由于课程信息量较大，在课上留给学生讨论和思考的时间偏少，师生互动和生生互动不是很充分。

虽然本节课的设计缺少真正能让学生动手体验的部分，但是本单元设计的最后2课“物理实验中的仿真模拟”会更偏重于动手实践，以学生为主体进行讨论和设计，充分发挥学生的主观能动性。教师在人工智能与物理跨学科单元教学的探究与实践中不断迭代创新，最终将促进学生信息技术与物理学科的核心素养发展。