7.4 李飞飞与ImageNet数据集说课稿-2025-2026学年小学信息技术（信息科技）小学版（2024）人工智能通识（清华大学版）

7.4李飞飞与ImageNet数据集说课稿-2025-2026学年小学信息技术（信息科技）小学版（2024）人工智能通识（清华大学版）主备人备课成员课程基本信息1.课程名称：人工智能通识

2.教学年级和班级：小学四年级

3.授课时间：2025年9月15日星期二上午第二节课

4.教学时数：1课时核心素养目标分析教学难点与重点1.教学重点，

①掌握ImageNet数据集的基本概念和用途，理解其在人工智能领域的重要性。

②能够描述ImageNet数据集的结构，包括数据规模、数据分类和标注方式。

③理解李飞飞在ImageNet数据集上的贡献，以及这些贡献对人工智能发展的意义。

2.教学难点，

①理解ImageNet数据集的复杂性，包括其庞大的数据规模和多样化的数据类型。

②分析李飞飞团队如何处理和标注如此大量的图像数据，以及这些处理方法对后续研究的影响。

③将ImageNet数据集的应用与实际的人工智能应用场景相结合，理解其如何促进人工智能技术的进步。

④培养学生批判性思维，探讨ImageNet数据集的局限性以及未来可能的研究方向。学具准备多媒体课型新授课教法学法讲授法课时第一课时步骤师生互动设计二次备课教学方法与手段教学方法：

1.讲授法：通过讲解ImageNet数据集的历史背景、发展过程和关键技术，帮助学生建立系统的知识框架。

2.讨论法：组织学生围绕李飞飞的贡献展开讨论，激发学生的思维，培养批判性思维和表达交流能力。

3.实验法：利用虚拟实验平台，让学生亲自操作，体验图像识别的过程，加深对理论知识的理解。

教学手段：

1.多媒体演示：利用PPT展示ImageNet数据集的相关图片和图表，直观展示数据集的特点和应用。

2.在线资源：引入在线学习平台，提供与ImageNet相关的教学视频和案例，丰富学习资源。

3.教学软件：运用图像识别软件，让学生在软件中实践，亲身体验人工智能技术的应用。教学过程1.导入（约5分钟）

激发兴趣：通过展示人工智能在实际生活中的应用案例，如智能识别、自动驾驶等，激发学生对人工智能的兴趣。

回顾旧知：引导学生回顾之前学习的计算机基础知识，如计算机硬件、软件等，为后续学习ImageNet数据集打下基础。

2.新课呈现（约15分钟）

讲解新知：

-详细讲解ImageNet数据集的概念、发展历程、数据规模和分类方式。

-介绍李飞飞及其团队在ImageNet数据集上的贡献，包括数据标注、数据增强和模型训练等关键技术。

-分析ImageNet数据集在人工智能领域的重要作用，如促进计算机视觉技术的发展。

举例说明：

-展示ImageNet数据集中的真实图片，让学生了解数据集的多样性。

-以一个具体的图像识别任务为例，说明ImageNet数据集在该任务中的应用。

互动探究：

-引导学生讨论ImageNet数据集的优势和局限性。

-分组进行角色扮演，让学生扮演不同角色（如数据标注员、模型训练师等），体验数据集处理的各个环节。

3.巩固练习（约15分钟）

学生活动：

-让学生分组完成一个小型的图像识别任务，运用所学知识进行数据标注和模型训练。

-学生互相分享经验，交流在完成任务过程中遇到的问题和解决方案。

教师指导：

-对学生在练习过程中遇到的问题进行解答和指导。

-引导学生思考如何改进模型，提高识别准确率。

4.课堂总结（约5分钟）

-总结本节课的主要知识点，强调ImageNet数据集在人工智能领域的重要性。

-回顾学生讨论和练习中的亮点，肯定学生的学习成果。

5.作业布置（约5分钟）

-布置课后阅读作业，让学生进一步了解ImageNet数据集和相关技术。

-要求学生思考如何将所学知识应用到实际项目中，提高自己的实践能力。

-布置小组合作作业，让学生分组设计一个小型的图像识别项目，并在下次课上进行展示和讨论。教学资源拓展1.拓展资源：

-人工智能发展历程：介绍人工智能从诞生到现在的演变过程，包括各个重要里程碑和代表性人物。

-计算机视觉基础知识：讲解图像处理、特征提取、机器学习等计算机视觉领域的核心概念。

-图像识别技术：探讨不同类型的图像识别算法，如卷积神经网络、深度学习等。

-人工智能应用案例：展示人工智能在医疗、交通、教育等领域的实际应用案例。

-数据集介绍：介绍其他重要的图像数据集，如CIFAR-10、MNIST等，以及它们的特点和应用。

2.拓展建议：

-鼓励学生阅读《人工智能：一种现代的方法》等经典教材，深入了解人工智能的基本原理。

-建议学生关注《自然》和《科学》等国际知名期刊，了解最新的研究成果和行业动态。

-推荐学生参加线上课程，如Coursera、edX等平台上的计算机视觉和人工智能课程。

-建议学生参与开源项目，如TensorFlow、PyTorch等，亲身体验人工智能技术的开发和应用。

-组织学生参加科技竞赛，如Kaggle比赛，提高学生的实践能力和团队合作精神。

-鼓励学生参加学校或社区组织的科技讲座和研讨会，拓宽视野，激发学习兴趣。

-建议学生关注人工智能伦理和法律法规，了解人工智能在现实社会中的影响和挑战。

-鼓励学生参与学术交流，如参加学术会议、撰写论文等，提升自己的学术素养。

-建议学生关注人工智能领域的创业机会，思考如何将所学知识应用于实际创业项目中。反思改进措施反思改进措施（一）教学特色创新

1.创设情境教学：在讲解ImageNet数据集时，通过创设真实的情境，如模拟数据标注过程，让学生身临其境地感受数据处理的复杂性，提高他们的学习兴趣和参与度。

2.跨学科融合：将人工智能知识与其他学科如艺术、历史等相结合，让学生从多个角度理解数据集的价值和应用，培养他们的综合素养。

反思改进措施（二）存在主要问题

1.教学内容深度与广度：虽然课程内容较为丰富，但在讲解一些较深层次的概念时，可能未能充分考虑到学生的理解能力，导致部分学生感到困惑。

2.互动环节不足：在课堂讨论和互动环节中，发现学生的参与度不够，可能是由于缺乏引导或者学生对于讨论话题的兴趣不高。

3.评价方式单一：目前的评价方式主要依赖于期末考试，未能全面评估学生的学习过程和能力提升。

反思改进措施（三）

1.优化教学内容：针对教学内容深度与广度的问题，可以适当调整教学内容，增加一些简单易懂的例子，同时引入一些辅助材料，如动画或视频，帮助学生更好地理解复杂概念。

2.提升互动质量：通过设计更有吸引力的讨论话题和问题，激发学生的思考，同时鼓励学生提问和分享，增加课堂互动的积极性。

3.丰富评价方式：除了期末考试，可以引入形成性评价，如课堂参与、小组项目等，全面评估学生的学习成果和能力发展。此外，可以考虑引入学生自评和互评，让学生在评价中反思自己的学习过程。

在教学过程中，我会不断反思和调整教学方法，以确保每个学生都能在课堂上有所收获。同时，我也会积极寻求同事和学生的反馈，以便不断改进教学策略，提升教学效果。板书设计1.ImageNet数据集概述

①数据集定义

②数据规模

③数据分类

④标注方式

2.李飞飞及其贡献

①李飞飞简介

②ImageNet数据集的创建

③数据标注方法

④数据增强技术

3.ImageNet数据集的应用

①计算机视觉技术发展

②图像识别算法改进

③人工智能应用案例

4.教学目标

①理解ImageNet数据集