陈晓晓《人工智能通识》（中职信息技术类）18周完整官方教案模块5大一职模板

南宁市第一职业技术学校教案《人工智能通识》（中职信息技术类）规范教案（模块5）教材版本：广东高等教育出版社《人工智能通识》适用对象：中等职业学校信息技术类专业学生模块课时：共7课时授课教师：__________授课学期：__________教案一：5.1知识图谱能干什么？课题：5.1知识图谱能干什么？教学目标：知识目标：理解知识图谱的定义、核心目标及其“实体—关系—属性”的三元组核心结构；了解知识图谱结构化、关联性、可视化的核心特点；熟悉知识图谱在搜索、电商、教育、政务等领域的典型应用场景。技能目标：能识别生活中运用了知识图谱技术的应用案例（如百度知识卡片、商品推荐）；能针对简单案例，拆解其包含的实体、关系及属性。情感与思政目标：通过了解知识图谱如何组织海量信息，感受知识结构化与关联的价值，培养信息组织与管理的意识；认识知识图谱作为AI“思考”基础的重要性，激发对知识表示与推理技术的兴趣。教学重、难点：教学重点：知识图谱的定义与“实体—关系—属性”三元组结构；知识图谱的典型应用。教学难点：理解知识图谱“关联知识”的核心逻辑，及其与普通数据库在存储重点上的区别。教学方法：讲授法、案例分析法、图示法、课堂互动法。课时：2课时教学过程：一、导入或课前准备（课前）温故知新：简要回顾模块4“让机器听话”，引出模块5“让机器思考”，思考机器如何理解世界。情境预设：在搜索引擎中搜索“李白”，展示弹出的知识卡片（包含生平、作品、年代等信息），提问：“这些分散的信息是如何被组织起来，并关联展示的？”二、新课内容（课中）核心概念讲解（25分钟）：定义阐述：知识图谱是一种以图结构形式组织、存储和展示知识的技术，其目标是让计算机能够理解知识之间的关联，从而实现“思考”和推理。结构精讲（重点）：结合示意图，详细讲解知识图谱的核心结构单元——“实体—关系—属性”三元组。实体（Entity）：现实中的具体事物或抽象概念（如“广州”“人工智能”“华为手机”）。关系（Relation）：连接两个实体之间的语义关联（如“广州—是—广东省会”“华为手机—属于—电子产品”）。属性（Attribute）：描述实体的特征或具体取值（如“华为手机—价格—5999元”“李白—朝代—唐朝”）。特点总结：知识图谱具有以下三大核心特点：结构化：知识以标准化格式存储，便于机器处理；关联性：实体之间通过关系形成网络，实现知识互联；可视化：可通过图谱形式直观展示知识网络。应用场景探究（35分钟）：搜索场景：以百度/搜狗知识卡片为例，说明如何快速提供结构化答案。电商场景：以淘宝/京东商品知识图谱为例，说明如何实现精准推荐（通过关联商品属性、用户行为）。教育场景：以AI答疑助手为例，说明如何关联知识点解答问题。政务场景：关联“粤省事”平台，说明如何整合服务事项，实现“一网通办”。互动环节：请学生尝试列举一个身边的例子（如电影推荐、音乐APP），并分析其中可能的知识图谱应用。对比辨析与小结（10分钟）：简易对比：简述知识图谱与普通数据库的侧重点不同（数据库重存储，知识图谱重关联）。课堂小结：强调知识图谱是AI“思考”的基石，通过关联万物，让机器具备理解知识网络的基础能力。三、作业布置（课中）分析作业：从生活中任选两个知识图谱应用案例，分别写出至少2组“实体—关系—实体”或“实体—属性—值”的三元组。思考作业：你认为知识图谱技术，在你们所学专业（信息技术类）的哪个领域可能会有应用前景？简单说明理由。板书设计（课中）主板书5.1知识图谱能干什么？一、核心定义知识图谱：以图结构组织、存储、展示知识，让机器理解关联、实现思考推理二、核心结构（重点）——三元组实体（事物/概念）—关系（语义关联）—属性（特征/取值）示例：李白—朝代—唐朝；广州—是—广东省会；华为手机—价格—5999元三、三大特点1.结构化：标准化，易机器处理2.关联性：实体成网，知识互联3.可视化：图谱形式，直观清晰四、典型应用搜索（知识卡片）、电商（精准推荐）、教育（AI答疑）、政务（粤省事）五、核心对比（难点）普通数据库：重存储知识图谱：重关联副板书1.学生案例：电影推荐、音乐APP、智能客服2.三元组拆解小练习五、课后反思（课后）从搜索引擎场景导入，学生能理解知识图谱定义与三元组结构，也能列举基础应用案例，重点知识落实较好。但教学难点突破不足，对知识图谱与普通数据库的核心区别讲解浅显，仅提及重关联与重存储，未结合案例对比；政务、教育领域应用讲解偏表面，部分基础薄弱学生拆解三元组思路模糊。后续需制作两者存储对比案例课件，补充领域应用的技术拆解细节，增加小组互助环节，设计结构化板书梳理核心知识。

教案二：5.2实践任务：看图说话课题：5.2实践任务：看图说话教学目标：知识目标：理解知识图谱在图像内容理解中的应用逻辑，即“识别图像实体→梳理实体关系→组织语言描述”。技能目标：能熟练使用图像识别工具（如百度识图、微信扫一扫）识别图片中的核心实体；能基于识别结果，梳理实体间的合理关系，并用规范的语言描述图像内容。情感与思政目标：在“看图说话”的实践中，提升观察力、逻辑思维与语言表达能力；体会AI模仿人类“看—思—说”认知过程的有趣尝试，增强对多模态AI技术的兴趣。教学重、难点：教学重点：使用图像识别工具提取实体；基于实体关系组织描述性语言。教学难点：准确梳理并表达实体之间符合逻辑与现实的关系（如空间位置、动作、从属关系）。教学方法：任务驱动法、工具实操法、范例引导法、小组合作法。课时：2课时教学过程：一、导入或课前准备（课前）设备检查：确保学生电脑或手机可正常访问互联网及图像识别工具。任务导入：展示一张包含多个物体的复杂图片（如教室一角），提问：“AI如何看懂这张图，并像人一样描述它？”引出任务：模仿AI，完成“看图说话”。二、新课内容（课中）原理与流程讲解（15分钟）：回顾关联：回顾知识图谱的“实体—关系”结构。任务解构：讲解“看图说话”的技术逻辑模拟：图像识别：利用计算机视觉（CV）技术识别图中的实体（Object）。关系推理：基于常识或简单规则，推断实体间的关系（如“在…上面”“正在使用”）。语言生成：将“实体+关系”的三元组信息，组织成通顺的自然语言句子。展示一个从图片到描述语句的完整分析范例。工具演示与操作指导（15分钟）：教师演示使用一个常见的图像识别工具（如百度识图网页版）。演示流程：上传图片→查看识别结果列表（实体）→记录实体名称。强调：工具主要识别实体，关系需要人工基于常识进行推理和梳理。学生实践操作（45分钟）：任务一：基础识别与描述（20分钟）学生分组，选择一张简单场景图（如“书桌”：上有电脑、书本、台灯）。使用工具识别图中实体，并记录。小组讨论，梳理实体间关系（如“电脑在书桌上”“台灯在书本旁边”）。用1–2句话描述图片，需包含至少两个实体及其关系。任务二：复杂场景挑战（25分钟）选择一张复杂场景图（如“校园操场”：有学生跑步、踢球、树下有人看书）。重复识别、梳理关系步骤。用3–4句话进行更全面的描述，要求逻辑清晰，关系表述准确。教师巡视指导，纠正关系梳理中的逻辑错误，优化语言表达。成果分享与点评（5分钟）：邀请1–2个小组分享其描述结果，特别展示他们是如何从实体列表构建出描述句的。教师点评，强调“准确识别实体”是基础，“合理推断关系”是关键，这正是AI“思考”的难点所在。三、作业布置（课中）实践作业：用手机拍摄一张自己的生活场景照片（如宿舍、客厅），完成一次“看图说话”分析，写出实体列表和描述语句。思考作业：如果让AI自动完成“看图说话”，你认为当前在“关系推理”环节最大的挑战是什么？（例如：难以理解隐含关系、容易推断错误）板书设计（课中）主板书5.2实践任务：看图说话（知识图谱+图像理解）一、核心逻辑（AI“看—思—说”）识别图像实体（计算机视觉CV）→梳理实体关系（知识图谱）→组织语言描述（自然语言）二、实体关系常见类型（难点）1.空间位置：在…上/下/旁边/前方2.动作关联：正在使用/拿着/参与3.从属关系：属于/是…的一部分三、实操步骤（重点）1.工具：百度识图/微信扫一扫（提取实体）2.记录：列出核心实体3.梳理：分析实体间逻辑关系4.描述：规范语言，含≥2个实体+关系四、核心要求✅实体准确✅关系合理✅语言通顺副板书1.简单场景示例：书桌—有—电脑；电脑—在—书桌上2.复杂场景：分层描述，逻辑清晰五、课后反思（课后）以任务驱动开展实操，学生能熟练使用图像识别工具提取实体，完成简单场景的描述，掌握了实操核心重点。但难点突破不佳，学生梳理复杂场景实体关系时易出现逻辑错误，语言表达不规范，教师的方法指导不足；实践任务分层设计欠缺，基础薄弱学生难以完成复杂场景挑战，部分学生因设备网络问题延误实操。后续需梳理实体关系类型并给出表达模板，课前检查设备并准备离线素材，设计分层任务，结合实操问题分析AI自动看图说话的技术难点。

教案三：5.3实践任务：智能导航课题：5.3实践任务：智能导航教学目标：知识目标：理解智能导航系统的核心技术组成（定位技术、路径规划算法、地理知识图谱）；了解其基本工作流程（定位—输入目的地—规划路线—引导）。技能目标：能熟练使用高德地图、百度地图等主流导航工具，完成路径查询、导航模式选择、查看路线详情、搜索周边设施等常用操作；能对比不同导航方案的差异。情感与思政目标：通过实践掌握智能导航这一生活必备技能，感受其带来的出行便利与效率提升；理解背后地理信息大数据与知识图谱的支撑作用，认识数字技术对现代生活的深刻影响。教学重、难点：教学重点：智能导航工具的核心功能与操作流程。教学难点：理解知识图谱在导航中如何关联道路、交通设施、兴趣点等地理实体，以支持路径规划和周边搜索。教学方法：工具实操法、情景模拟法、对比分析法、任务驱动法。课时：2课时教学过程：一、导入或课前准备（课前）软件准备：确保学生手机已安装至少一款主流导航App。情景导入：提问：“周末你想去一个没去过的博物馆，如何规划出行路线？你会用到哪些工具？”引出智能导航是解决问题的核心。二、新课内容（课中）原理简述（10分钟）：系统构成：智能导航依赖三大技术支柱：定位技术（GPS/北斗）：确定“我在哪儿”。地理知识图谱：包含道路、路口、加油站、餐厅等实体及其连接关系，是城市的“数字地图”。路径规划算法：基于知识图谱，计算从A到B的最优路线（最快、最短、少收费）。流程概述：说明“定位—设终点—算路线—跟引导”的标准流程。功能演示与操作指南（20分钟）：教师投屏演示一款导航App（如高德地图）。演示核心操作：定位与搜索：自动定位，搜索目的地。路线规划：展示不同出行方式（驾车、公交、步行、骑车）的路线、耗时、距离对比。路线详情：查看途经道路、路口、服务区。导航设置：设置偏好（如避免拥堵、不走高速）。周边搜索：搜索附近的加油站、停车场、卫生间等。情景任务实践（45分钟）：任务一：多方案比选（15分钟）规划从“学校”到“本市一个知名景点”的路线。分别记录驾车、公交、步行三种方式的预计耗时、距离和大致路径。讨论并选择一种最优方案，简述理由。任务二：复杂需求导航（20分钟）模拟“自驾出游”场景：从学校到景点，要求路线“避免收费”“途中需要加油”。设置导航偏好，完成路线规划。使用“沿途搜”功能，在路线中途找到一个加油站，并模拟添加为途经点。任务三：应急与探索（10分钟）模拟“走错路”情况，观察App是否及如何重新规划路线。探索App中一个你未曾用过的功能（如“打车”“景区讲解”），并简要说明其用途。分享与原理关联（5分钟）：小组分享在“任务二”中寻找加油站的经验。教师关联原理：指出“加油站”作为地理知识图谱中的一个“实体”，通过“位于…道路旁”的关系与路网关联，算法才能快速检索并插入路线。这正是知识图谱支撑智能服务的体现。三、作业布置（课中）规划作业：为自己设计一个周末半日游的出行方案（包含2个地点），使用导航工具规划出完整的公共交通或步行路线，并截图保存。分析作业：对比高德地图和百度地图在相同路线规划上的细微差异（如推荐路径、耗时估算），思考可能的原因。四、板书设计（课中）主板书5.3实践任务：智能导航（地理知识图谱应用）一、导航三大技术支柱1.定位技术（GPS/北斗）：确定“我在哪儿”2.地理知识图谱（难点）：城市“数字地图”（道路/设施/兴趣点，实体+关系）3.路径规划算法：算最优路线（最快/最短/少收费）二、核心操作流程（重点）定位→搜索目的地→选择出行方式→规划路线→实时引导三、核心功能多方案规划、个性化设置、周边搜索、应急重规划四、核心关联地理知识图谱：支撑路径规划+周边搜索的数据基础副板书1.实操任务：学校→知名景点（多方式记录）2.地理实体示例：道路—连接—路口；加油站—位于—道路旁五、课后反思（课后）结合生活场景开展教学，学生能熟练掌握导航工具的核心操作，完成多场景任务实操，重点技能落实到位。但难点理解不足，对地理知识图谱关联地理实体支撑导航的逻辑讲解仅停留在概念；原理讲解时间短，学生对三大技术支柱的协同关系认知模糊；小组实践交流不足，学生自主探索导航功能的积极性低。后续需结合具体操作拆解地理知识图谱逻辑，增加原理讲解时间并制作示意图，增设小组讨论环节，设计功能探索小任务激发学生探究欲。

教案四：5.4实践任务：猜你喜欢课题：5.4实践任务：猜你喜欢教学目标：知识目标：理解电商平台“猜你喜欢”推荐功能的核心原理，即基于用户行为数据（浏览、收藏、购买）和商品知识图谱，通过推荐算法实现个性化匹配。技能目标：能通过主动的浏览、收藏等操作，体验并观察“猜你喜欢”推荐内容的变化；能分析推荐结果与个人行为之间的关联逻辑。情感与思政目标：辩证认识个性化推荐的利与弊，理解其在提升消费效率的同时，可能带来的“信息茧房”或过度消费问题；培养理性的消费观和批判性审视算法影响的信息素养。教学重、难点：教学重点：体验“猜你喜欢”功能，分析其推荐逻辑。教学难点：理解用户行为数据与商品知识图谱如何通过算法模型相结合，完成“千人千面”的推荐。教学方法：体验法、观察记录法、小组讨论法、案例分析法。课时：2课时教学过程：一、导入或课前准备（课前）准备：确保学生可访问淘宝、京东等电商App或网页版。导入：提问：“你是否注意到，在淘宝看完某商品后，首页会出现类似商品？你觉得它是怎么‘猜’中你喜好的？”二、新课内容（课中）原理剖析（15分钟）：两大基石：用户行为数据：系统持续收集你的浏览、停留、收藏、加购、购买、搜索记录。商品知识图谱：商品库中，每个商品都有标签（品类、品牌、价格、风格等），商品之间通过“同类”“相似”“配件”等关系关联。推荐逻辑：算法模型将你的行为数据（代表兴趣）与商品知识图谱进行匹配，找出你可能感兴趣的商品。

示例：浏览了“运动鞋A”（标签：跑步鞋、品牌X、价格区间Y）→推荐“同品牌运动鞋”“同品类跑鞋”“搭配的运动袜”。体验任务布置与演示（10分钟）：教师说明体验任务的目标是“观察行为如何影响推荐”。演示操作：清理某个电商App的缓存（减少历史干扰）→浏览几件特定商品→返回首页观察“猜你喜欢”变化。分组体验与记录（40分钟）：任务一：浏览行为测试（15分钟）小组成员每人选择一类商品（如：手机、书包、零食），深度浏览3–5件。记录首页“猜你喜欢”栏目随后推荐的商品类型，分析是否与浏览类别相关。任务二：深度行为测试（20分钟）选定一件商品，进行“收藏”或“加入购物车”操作。再次观察“猜你喜欢”，记录推荐内容是否更精准、是否出现了该商品的配件或直接竞品。对比不同平台（如淘宝vs.京东）在相似浏览行为后的推荐差异。任务三：原理分析（5分钟）小组基于记录，尝试用“用户行为+知识图谱关联”的逻辑，分析1–2个具体的推荐案例。讨论、总结与思政引导（15分钟）：小组讨论：推荐算法给你带来的是“便捷”还是“困扰”？它是否存在弊端？分享与教师总结：便捷性：节省搜索时间，发现潜在感兴趣的商品。潜在问题：信息茧房：长期只看到类似推荐，视野变窄。隐私担忧：行为被持续追踪分析。冲动消费：可能诱导购买非必要商品。思政引导：作为数字时代的公民，我们应了解算法背后的逻辑，主动管理自己的数据足迹（如定期清理缓存），并培养理性的消费习惯，做算法的“主人”而非“奴隶”。三、作业布置（课中）分析报告：整理课堂体验记录，写一份简要分析报告，描述你的行为如何影响了推荐，并谈谈你对个性化推荐的看法。拓展思考：除了电商，短视频、新闻资讯App也有强大的推荐算法。思考这些推荐如何影响我们接触的信息环境，我们该如何应对？四、板书设计（课中）主板书5.4实践任务：猜你喜欢（商品知识图谱+推荐算法）一、推荐两大基石1.用户行为数据：浏览/收藏/加购/购买/搜索（兴趣体现）2.商品知识图谱：商品+标签+关联（同类/相似/配件）示例：运动鞋—搭配—运动袜；手机—同类—平板二、核心推荐逻辑（难点）用户行为数据→匹配商品知识图谱→个性化推荐（千人千面）三、实操步骤（重点）1.清缓存→2.做操作→3.观变化→4.析关联四、辩证看待推荐利：节省时间，发现潜在兴趣弊：信息茧房、隐私担忧、诱导消费引导：管理数据足迹，做算法的主人副板书1.平台对比：淘宝VS京东（推荐差异记录）2.测试：浏览≠收藏（推荐精准度差异）五、课后反思（课后）通过电商平台实操体验，学生能观察行为对推荐结果的影响，初步分析推荐逻辑，也能辩证认识个性化推荐的利弊，重点目标达成。但难点突破不足，对用户行为数据与商品知识图谱的算法协同讲解抽象；体验记录无标准化模板，内容零散；不同平台推荐差异分析浅显，思政引导的实操方法讲解不足。后续需结合具体案例拆解算法匹配逻辑，设计标准化记录模板，补充平台算法差异知识，给出清理记录、关闭个性化推荐等具体的信息管理方法。

教案五：案例分析：四川首次启用人工智能倒查高考录像课题：案例分析：四川首次启用人工智能倒查高考录像教学目标：知识目标：了解AI倒查高考录像的应用背景、核心功能与技术组成（图像识别、行为分析、考场规则知识图谱）；理解其在提升效率、保障公平方面的核心价值。技能目标：能运用模块5所学的知识图谱、模块3的图像识别等知识，综合分析该案例的技术实现路径；能参与讨论，评估该技术应用的优劣与潜在问题。情感与思政目标：深刻认识人工智能技术在维护社会公平正义（如国家考试公平）中的重要作用；树立正确的技术伦理观，理解技术应用需兼顾效率与公平、准确与人性化，防范技术误用与偏见。教学重、难点：教学重点：分析AI倒查高考录像的技术原理与应用价值。教学难点：辩证思考AI技术在此类敏感场景中应用的边界、可能存在的误判风险及应对机制。教学方法：案例教学法、技术关联分析法、小组辩论/讨论法、价值澄清法。课时：1课时教学过程：一、导入或课前准备（课前）案例预热：展示高考考场图片，提问：“保障高考公平，除了监考员，还能借助什么力量？”引出AI技术。知识关联：简要回顾图像识别（识别人、物）和行为分析的概念。二、新课内容（课中）案例呈现与背景分析（10分钟）：背景介绍：传统人工回看录像耗时耗力，AI技术可高效处理海量视频。核心功能：AI系统自动分析考场监控录像，识别考生疑似违规行为（如交头接耳、传递物品、偷看、携带手机等），并定位时间点，辅助人工复核。技术原理深度剖析（15分钟）：技术栈拆解：图像识别：识别视频中的关键实体——“考生”“监考员”“课桌”“手机”等。行为分析：基于视频序列，分析实体间的动作与交互，判断是否构成预设的违规行为模式（如“两人头部长时间接近并对话”可能被判为“交头接耳”）。规则知识图谱：将《考场规则》数字化，定义“违规行为”实体及其属性（类型、严重程度），并与可识别的视觉行为模式关联。这是系统进行判定的“法律”依据。流程总结：视频流→图像识别（谁，什么东西）→行为分析（在干什么）→与规则知识图谱匹配（是否违规）→输出预警。小组讨论与辩证思考（20分钟）：讨论主题：优势面：相比人工，AI倒查在效率、一致性、工作量上带来哪些革命性提升？对维护高考公平有何重要意义？挑战与风险面：AI可能误判吗？（例：挠头摸耳vs.打手势；低头思考vs.偷看）如何防止“误伤”？如果AI判断有误，责任如何界定？优化与边界：你认为“AI识别+人工复核”是不是最佳模式？技术应用应如何设定边界，以保障考生权益？分享与引导：小组发言，教师引导。总结升华与思政融入（5分钟）：价值肯定：该案例是AI技术应用于重大社会公共事务，保障程序公平、提升治理效能的典范，体现了科技向善。伦理强调：必须认识到，技术是工具，其最终目标是服务人、保障人的权利。因此：技术应用需审慎，尤其在涉及个人重大利益的场景。需建立纠错与复核机制，AI辅助决策而非完全取代人工。算法模型需不断优化，减少偏见，追求公平。联系学生：作为未来信息社会的建设者，应致力于开发负责任、可信赖的AI。三、作业布置（课中）案例分析表：填写案例分析表，总结该案例的核心技术、应用价值及自己对其伦理风险的思考。