★★：我在课程中学习种植蔬菜，使用各种传感器测量蔬菜的温度、光照强度、湿度。我在组内帮忙种植蔬菜★★■■■、安装硬件等。S

　　：我认为农业科学知识是很重要的，它能够带领我们与未来的世界更加贴近。看科幻电影的时候■★★■，我们就都很好奇原来可以这样子……可见学生对智能蔬菜种植的评价较高，学习农业相关知识的热情高涨，且一定程度上提升了学生的见识与社会责任感。

　　为学生在关于智能技术学习态度的各个维度上的配对样本t检验结果■■■，显示在对智能技术的兴趣◆★◆◆、个人学习智能技术两个维度上，学生的学习态度没有显著变化（Sig.值大于0■■◆◆★■.05）◆■，而在智能技术的未来、智能教育两个维度上★■◆，学生的学习态度得到了显著改变（Sig.值小于0.05）。另外■■■，在没有显著变化的两个维度上，学生得分的均值差均呈现了学生关于智能技术的学习态度的正面提升。由此可见◆◆★■★■，通过智能蔬菜种植STEM课程的学习，在一定程度上改善了学生对智能技术的学习态度。

　　学习的兴趣，提高学生STEM学习动机[9]。教学活动设计是STEM课程开发的核心环节◆★◆■■，目前已有的相关教学活动设计★■■★◆★，大多数会采用基于问题/项目的探究式教学和协作学习教学法，运用智能技术开发线上教学平台或电子教材及教学工具，结合跨学科课程标准设计包含各种项目的教学活动，且大致遵循理论学习—设计—实践的流程。此外★■★，智能技术支持下的STEM课程■■，大部分研究集中于生物、物理、机器人◆◆★、化学■■★◆、地质等科学与技术相关的主题◆■★。有一项关于农业STEM课程的研究仅实施10天，研究者认为该研究活动具备一定创新性，值得深入探索，并希望在其基础上有所突破[5]。课程评估是

　　为探究课程对学生智能技术概念理解、学习动机与信心的影响◆■■■◆◆，研究者参照系列相关实证研究★■◆■■，在课程实施前后对学生实施了前后测。

　　：用科学技术来种植蔬菜能使人们更加轻松地获得收成★★★，老师还让我们在课堂上模拟了……S

　　■★★◆■◆。在该问卷基础上进行修改并生成适用于本研究的智能技术概念理解◆★★◆◆、学习动机与信心前后测问卷。前测问卷显示各维度的可靠性检验Cronbach’s alpha系数结果◆■：编程和算法为0★■★.994■★，开源硬件与传感器为0.996，物联网为0.991★◆，智能应用程序为0■◆.981。3★◆.

　　课程结束后教师对部分学生进行访谈，学生的回答也同样显示课程可提高学生对农业领域知识的学习动机。访谈结果如下：

　　物联网平台上进行查看，并主动邀请成功实现智能观测的小组的同学协助自己组完成开发。在最后一堂课时◆★★，两组种植生长周期较短的学生成功摘取自己成熟的蔬菜◆■◆■■◆，其他小组的蔬菜也均长势良好。从一颗颗种子到一棵棵菜苗★◆★★◆■，学生脸上洋溢的笑容与花房绿油油的蔬菜叶子■■◆★，无不透露出学生在本课程中种植蔬菜获得的满足感★★。

　　智能种植教育议题近年来也渐受关注■■■◆。有学者提出农业可以作为学生初级课程不可或缺的一部分■★■，为STEM教育探索提供线世纪的学生应是一个自我导向的批判性学习者，具备全球和公民意识、信息和媒体素养★◆★◆■◆、财务和经济素养、沟通和写作能力以及创新解决问题能力[6]。新时代的制造产业（包括农业）将集成物联网、大数据、人工智能等新兴技术★■，逐渐实现生产过程的透明化、智能化和全局优化，全面晋升为智慧工厂[7]◆■。当代中小学生的生活普遍被更新迭代飞速的豪华建筑和高科技产品围绕★■◆，却对农业基本知识及农业科学技术的发展知之较少。我国现代农业教育目前大多局限于高等教育和职业教育，存在教育资源分配不均匀、农业教学形式较单一◆◆★■★◆、社会认可度不足及就业面较窄等问题[8]。本研究将以智能蔬菜种植为STEM课程的主题，并评估该课程在我国初中阶段应用的有效性。一★■◆★、文献综述

　　STEM教学强调跨学科★◆◆◆、动手实践与探究，有利于培养学生的STEM素养与21世纪技能（解决问题、创造性思维、团队协作、技术素养等）[1]★■★■★。在基础教育中引入STEM教学具有重要作用，一方面可以提高基础教育的质量和有效性◆■■◆，另一方面可以将STEM教育机会的自由化和开发性扩展到理论上的最大程度[2]■★。在当下这个充满变化和技术机遇的时代★★■，如何使用新兴技术促进STEM教与学开始受到重视。芬兰国家教育委员会（Finnish National Agency for Education）自1996年起开始实施的数学和科学教育发展项目，以培养STEM专业人员为目标，聚焦于中小学生问题解决高阶能力的培养，加强STEM课程、机构、学习环境的建设，实施多元化★■■★◆★、多角度激励性评价★★◆■◆■，促进STEM教师的专业发展[3]。我国STEM教育研究起步稍晚，但发展迅速[4]，全国各地都在探索如何将STEM教育融入教育体系中。

　　的数学语句编写卖菜小帮手小程序以及结合温度传感器自动测量温度、光照强度传感器自动测量光照强度，也着重介绍了智能浇水系统的项目：“在这个项目里，我们全组人都参与了，刚开始是2个人连接电线个人敲代码，浇水的时候大家都要一起，有人要接着电线，有人要负责接水和插水泵，有人要调试代码运行和停止，最后大家一起完成了这个项目★■■◆◆■。”因班里男同学较少■★★■，研究者仅对2名男同学实施访谈，男同学对课上学习的软硬件相关知识与原理描述较为简单◆★★★★，但也切中要点，可见课程能有效帮助学生学习智能技术。访谈内容节选如下◆■◆■：

　　国内外关于智能种植教育主题课程与教学的研究涉及教学空间设计◆■★◆★★、课程设计、教学活动设计、课程评估等方面。关于课程主题和授课对象，国内智能种植教育主题课程主要设计为综合实践活动课程与校本课程，少数涉及物联网课程，且课程大多面向小学生开展，教学目标以科普人工智能相关知识★★★■◆、观察植物为主，教学难度设置普遍较低★◆★，初高中阶段的课程研发较为罕见。国外此类课程设计的主题则显得更加丰富，包括编程课程、工程设计能力培养、科学探究课程、生态教育课程等，且涵盖小学★◆■★★、初中、高中、大学★■★。教学设计方面，国内大多为教师利用人工智能技术进行课程教授，教师借助人工智能技术更好地向学生传授蔬菜种植方面的科学知识◆■★■◆■，课程评估环节较少涉及，少数有此环节评估的内容也仅为学习效果评测■■◆★◆；国外此类课程相比国内更加注重智能技术的学习及应用，学生在课上学习生态知识的同时，还学习编程◆★◆、工程设计、传感器技术等，只是课程评估的内容同样基本是对学习效果的评估。

　　虽然编程和算法没有显著性提升■★★■，但前后测得分均值差显示课程实施后此维度得分有所提高■■★◆■。在进行教学设计专家评估阶段，一线资深信息技术教师表示计算机编程相关知识的理解与提升需要长时间的积累，未接触过编程的学生很难在短时间内通过相关课程的学习提高编程和算法能力◆◆★。本研究在研究设计时为规避此局限性，将课程设置为

　　为实验中学生在智能技术学习的各个维度（编程和算法、开源硬件和传感器★■★、物联网工具、智能应用程序）上的配对样本t检验结果。结果显示：在开源硬件和传感器、物联网工具★★◆■■■、智能应用程序3个维度上，学生的基本理解以及学习动机与信心均有显著性提高（Sig.值小于0.05）■◆◆◆◆■；在编程和算法维度上，后测分数高于前测，但未达到显著性水平（Sig.值大于0◆■★■.05）■★。

　　软件进行数据分析（配对样本t检验）★■★◆■，以探究研究者设计的课程对学生关于智能技术的理解和使用★★◆★、学习编程和智能技术■★◆★、学习农业领域知识的影响，检查在实验前后是否存在显著性差异◆■■■■★。同时对实验过程中收集的录音★■★■、学习手册、访谈★★■、视频等数据进行内容分析，以了解学生在此课程中的完成情况，为后续课程修改提供参考依据，并可作为重要信息辅助解释实验结果。关于非问卷类数据的内容分析，由于此类数据采集与分析的主观性较强■★，在内容分析前，进行了以下准备：

　　为进一步探讨课程对学生关于智能技术的学习态度的影响，本研究分析了学生的课程参与度■■。研究者查阅相关文献◆★，参照国外学者做的关于大学生课程参与的定性研究中采用恒定比较的方法[19]，根据课堂视频素材★★★◆★■、学习手册完成情况与教师观察记录等进行内容分析，绘制学生的课程参与度记录图（见图3）。由图可知，全班学生的课程参与度均值在80%，模块1的课程参与度为最高值，模块9出现了最低值，总体的课程参与度呈先下降、再增长、再下降、再增长的趋势。

　　◆★◆◆，该问卷共54项，包括5个维度——对技术的兴趣、技术的未来、对技术的态度、技术教学、技术知识。本研究对该问卷进行适当修改，用智能技术替换技术◆★◆■★■，部分题目进行缩减，最终生成学生对智能技术的学习态度前后测问卷。通过前测数据计算问卷的信度，可靠性检验的Cronbach’s alpha系数为0■★★.87，由此可知问卷的信度较好★■。2.

　　智能技术概念理解★★■、学习动机与信心问卷本研究借鉴了一套关于编程概念的基本理解以及学习动机和信心的问卷

　　教育的融合为学生提供了探究式学习模式，同时又满足实现跨学科教学目标、注重问题解决与项目式学习、启发学生自主探究与协助学习的目标◆★◆■，并在一定程度上可提升学生的社会责任感。开发以智能蔬菜种植为主题的课程的学习，强化学生关于智能技术的学习态度，能够帮助学生理解开源硬件和传感器、物联网工具、智能应用程序等智能技术并提升学习动机与信心★■◆，但对编程和算法的学习并无显著性影响■■◆◆★。

　　◆★■◆◆◆,张宝辉,王群利.近十年国内外STEM教育研究的对比分析：基于内容分析法[J].现代远距离教育,2018(5):27-38.

　　）确定记录表格样式：根据教学设计，研究者结合STEM-6E教学法［主要包括6个环节：引入（engage）、探究（explore）、解释（explain）◆★◆■■■、工程（engineer）■■、丰富（enrich）、评价（evaluate）］■★◆，设计了课堂参与观察记录表与项目完成情况记录表◆★■■。（

　　组行为数据■★★，最终由研究者根据预期目标得出每位同学的课程参与度。研究者选取每堂课录制的课堂学习视频片段与学生学习手册进行分析。三◆★★■■◆、数据分析和结果

　　教育领域与农业教育领域的实践探索，旨在设计与开发智能技术支持下的蔬菜种植主题STEM课程■★■，并进行教学实践与评估■★★，探索STEM教育理念与智能种植教育的融合，希望为未来的研究提供有价值的参考。（一）教学案例设计

　　～2人），一定程度上影响了男生课堂参与积极性。（二）课程对学生智能技术概念理解◆◆、学习动机与信心的影响

　　物联网平台及其自带的功能库。目前能观测智能蔬菜种植机的数据与远程浇水，数据包括实时数据与历史数据，数据类型有环境温度、环境湿度■■◆★、光照度等★■★■。（三）课程评价工具设计

　　）是物联网、大数据等新技术融入农业的实践[11]■◆★■■■。本研究将智能蔬菜种植定义为在种植实践同考虑智能技术◆◆◆★★◆、蔬菜多样性与市场的种植技术。智能教育（Intelligence Education,简称IE）是指人工智能技术在教育中的直接应用[12]，具有三方面的内涵：智能技术支持的教育◆■■◆★★、学习智能技术的教育和促进智能发展的教育[13]。农业教育泛指所有传播农业科技知识、培养农业科技人才的活动[14]■★★◆★，蔬菜种植教育属于农业教育的范畴中教授蔬菜种植相关知识的教学活动。本研究将智能种植教育定义为蔬菜种植教育与智能教育的融合，智能技术支持蔬菜种植教育■★★◆，学生接受蔬菜种植教育的同时也学习智能技术■■★■◆。（三）智能种植教育课程相关案例

　　修订的农业学习动机调查问卷◆★◆★，对此问卷进行翻译并修改和调整题目，作为评估学生关于农业领域知识与学习动机的调查问卷。该问卷共25项、5个维度，分别为：职业动机、内在动机、自我决定、自我效能感和成绩动机★■■，各维度可靠性检验Cronbach◆★★◆■’s alpha系数结果分别为：0■★■.98◆★、0.97■◆◆、0.97◆■■★、0★★◆★■■.99★◆◆■、0.87。（四）数据分析策略

　　智能技术的学习态度问卷经查阅期刊发现一套评估学生对技术的态度和认识的工具并可进行验证的量表

　　t检验结果，显示在农业领域知识学习的内在动机、自我效能感◆◆★、自决、成绩动机、职业动机4个维度上◆◆◆◆，课程实施前后学生的学习动机均得到了显著提高（Sig.值小于0.05）★◆■★■。由此可见，学生通过课程的学习能提高对农业领域知识的学习动机◆◆。

　　★★◆◆★■：我了解了如何制作一个智能蔬菜种植设备，它需要水泵◆◆◆■◆★、温度检测器、湿度检测器、侦测设备、芯片、锂电池等材料。（三）课程对学生农业领域知识与学习动机的影响

　　教育理念根据课程内容和实验地学校的课时安排◆★★■■◆，最终将课程设置为11个模块，每个模块1～2课时（90分/课时），每周一次课，计划12课时。整体课程设计围绕蔬菜种植主题，重视实践与项目式学习，分为探究篇、技能篇与迷你项目篇。探究篇由3个模块构成——蔬菜知识大闯关、蔬菜种植比拼、揭秘太空蔬菜种植，让学生在游戏体验中探究蔬菜基本知识、蔬菜种植技巧◆◆★★■，体验室内蔬菜种植并探索智能蔬菜种植■★◆■◆；技能篇包括4个模块——“你好◆■◆，Python”、卖菜小帮手◆◆■◆、蔬菜补光灯的控制、感知蔬菜生长环境■★■，主要是让学生学习Python基础语法并完成几个简单小案例，同时体验物联网模块；迷你项目篇包括温度播报员★■★■、测光小助手、智能浇水系统★◆、智能蔬菜种植辅助装备■■◆◆★★，共由4个模块、5个课时构成◆◆■★★■，主要是让学生在开源硬件项目设计中练习Python语法，并体验智能技术的载体传感器的使用■★，感受学习智能技术的趣味性。体现核心教学设计的课程计划安排见表1。

　　）与科学观测平台。因二氧化碳传感器的单价较高，所以暂时选择放弃★■■。硬件安装了温度传感器、湿度传感器★◆★、环境光传感器、摄像头模块、LED灯、水泵等。

　　将智能教育与蔬菜种植教育融合的STEM课程能促进学生学习智能技术、提高农业科学知识学习动机，智能技术可有效支持蔬菜种植教育，学生在接受农业科学新知识的同时★◆，也可提升关于智能技术的概念理解与使用信心。此外◆★◆◆◆◆，研究者通过量化与定性数据分析发现◆★，无论是基础技能模块还是软硬件项目模块★★■，在课堂中女生的学习积极性与参与热情均高于男生。但是，由于本研究的研究对象是通过网上自主选课的学生，最终确认名单时发现选课的男生仅7名★★，女生23名■★★◆★★，导致性别差异分析受到限制。另外，社团课上学生容易出现请假的情况■★★◆，影响学生项目完成率与课程参与积极性◆★，此发现值得后续继续探讨◆★◆■。

　　个月课程计划）■★★，依据STEM教育理念开发了面向初中生的以智能蔬菜种植为主题的STEM课程，由蔬菜的认识到利用智能技术进行科学探究◆◆★★★★，引入智能技术的学习■■★◆◆■，包括编程入门与物联网入门，设计教学活动★◆◆，使得学生在游戏中学习技术◆★◆★■，并逐渐积累智能蔬菜种植的相关知识■◆，涉及卖菜小帮手◆★★★◆◆、蔬菜补光灯的控制◆★◆★★■、感知蔬菜生长环节、温度播报员、智能浇水系统等迷你项目■★◆◆，最终让学生运用所学知识设计完成智能蔬菜种植辅助系统★◆。基于

　　版（见图1），由一块Raspberry Pi，温度★★★◆■、湿度和二氧化碳传感器■◆◆★■◆，气泵，USB相机◆◆■■◆■，LED灯模块等硬件组成，并开发了一款配套软件（在Raspberry Pi和Beaglebone等嵌入式Linux设备上运行受控增长环境的软件），有一组新的云服务（OpenAg云）支持PFC_EDU的后端，可将其连接到Open Phenome（OpenAg的开源系统◆■★★，PFC数据和气候食谱的数字图书馆）。

　　）分析过程◆◆■◆■：参照江南大学牟智佳等人[18]2020年提出的基于行为序列的学习行为模式★◆★◆★，该研究将我国中学生课堂学习行为分为自主性学习行为、交往性学习行为◆◆■■★★、操作性学习行为、非学习行为、感官性学习行为和教师辅助性学习行为■■，具体编码如表2。

　　个模块的教学难度相较后7个模块差距较明显。学生从第一模块时参与度100%之后就开始逐渐下降，因本课程实施时间为每周五放学前，大部分学生携带周末作业参加课程★★◆◆◆，因此课程难度较低，这也可解释学生的课程参与度降低。自第四模块起，学生开始接触编程与智能硬件■■◆■◆，对大部分是初学者的学生来讲教学难度相较前几个模块大大提高，教学活动安排的紧密性变化也是如此，因此学生能完成其他学科作业的机会大大降低◆◆★。根据学习手册完成情况也可发现，学生无法完成全部学习手册任务的情况不可避免■■■。但根据课程参与度的折线趋势判断可得，学生的课程参与度是有所提升的。而第九模块出现最低值，当归结于第九模块的教学难度属于整个课程中最大的（第九模块课程实施后，研究者调整了后几个模块的教学难度）。因此，学生课程参与度的变化可以解释其在关于智能技术的个人态度上，为什么没有每个维度的得分均得到显著性提高。另外，对比男生课程参与度记录图与女生课程参与度记录图可得★★■◆◆★，女生的课程参与度变化相较男生更平缓，大部分课程模块的参与度远高于男生■◆◆★。根据课堂观察与各小组信息汇总，研究者发现各小组中起主导作用的同学均为女生，且在项目中负责编程与搭建的同学中女生的比例也较高◆■★★，且主动参与回答问题或展示作品的同学中女生占多数。对此，研究者认为，一部分原因可能是参加本课程的学生男女比例较为悬殊（每组男生仅为

　　课程开发与实践研究的重要环节。本研究对已有实证研究中涉及课程评估环节的相关研究进行整理归纳得出结论：此类课程的教学评估可以结合定量和定性的方法，从学生★◆■★、教师角度去评估★◆◆■◆■。从评估目标看◆■◆■★，评估学生对STEM/编程学习的态度和对智能学习的态度研究占多数◆★，关于STEM职业的兴趣与职业自我效能感的研究也有一定比例，也有部分研究开始关注学生编程技能■■、科学探究技能、决策能力、实践任务绩效，且已有少数研究关注STEM学科能力、计算思维能力等综合能力。从教师角度评估教师的智能教学水平的研究较多■◆，也已出现对教师系统思维和技术使用能力的评估研究★◆。不同编程培训对计算思维能力影响的实验结果显示◆◆■★★◆，比起传统编程教学★★■■◆，使用平台进行编程教育总体上对学生的创造力、算法思维■★◆■■★、批判性思维因素和计算思维技能均产生积极影响，但是在解决问题和合作方面没有显著差异[10]。因此，本研究团队选择智能蔬菜种植为课程主题，教学评估关注对智能技术的认知态度、智能技术的学习与农业学习动机，聚焦课程设计和课程评估创新性，研发出一套智能技术支持下的STEM课程■◆■。（二）智能种植教育

　　个模块，计划12个课时，每个模块的课程教学时间超过90分钟，11个模块的课程包含8个模块的智能技术学习，以学习相关模块的知识★★■。同时，考虑到在编程基础性知识学习和项目式学习时，学生的参与度具有差异性◆◆■■■◆，且大部分学生为初学者，研究者设置基础篇学习的教学场所为学校机房，每位学生配1台计算机，大部分项目为单人任务■◆；迷你项目篇教学场所为活动室，4～6人一组，每组1台计算机★◆◆■，大部分项目为小组任务★★★。前后测得分的均值差为0■◆■★◆.363W66最给力的老牌，说明虽然本研究编程和算法维度得分未有显著性提高，但课程已初见成效◆■■◆★。从课程结束后的访谈发现，学生能基本了解自己在课程中做的各个项目的运作原理，并且描述最为清晰的项目均为软硬件结合的项目★■★■◆。一位女同学表示做过很多项目，最满意的项目是自动浇水装置：“在自动浇水项目中，我完成了水泵拼装与程序代码编写，最后让水泵可以自动吸水给蔬菜浇水■★■。”另一位女同学介绍了如何使用

　　），女，浙江瑞安人， 上海人工智能实验室智能教育中心AI教育教研员★■◆★★，研究方向为STEM教育■★★■◆；江丰光（1981—