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4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4）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：__________教案一：4.1语音识别能干什么？课题：4.1语音识别能干什么？教学目标：知识目标：理解语音识别（ASR）的定义与核心目标；了解语音识别是融合多学科知识的前沿技术；掌握语音识别在教育、医疗、安防、家居、娱乐等领域的典型应用场景。技能目标：能辨识生活中应用了语音识别技术的人工智能案例；能通过手机语音输入法等工具体验语音转文字过程，并观察识别效果。情感与思政目标：感受语音识别技术带来的便捷性与交互方式的变革，激发学习兴趣；通过思考语音识别技术可能带来的安全风险与隐私问题，初步树立技术伦理与信息安全意识。教学重、难点：教学重点：语音识别的定义；语音识别在各领域的应用实例。教学难点：理解语音识别与其他技术（如自然语言处理、语音合成）相结合的完整人机交互系统；辩证思考技术应用的双面性。教学方法：讲授法、案例分析法、提问法、小组讨论法、体验法。课时：2课时教学过程：一、导入或课前准备（课前）安全教育：（进入机房前）强调实训室用电及设备使用常规安全规范。情境预设：引导学生回忆或设想驾车时手动操作导航输入地点的场景，对比语音输入目的地的场景，直观感受差异。二、新课内容（课中）概念导入（15分钟）：阐述语言是人机交互最直接的方式之一，引出语音处理技术。明确概念：讲解语音识别（ASR）的定义——将人类语音中的词汇内容转换为计算机可读的输入（如文字）。强调其目标是让机器“听懂”。知识关联：简要介绍语音合成（TTS）、对话管理技术，说明它们与语音识别共同构成语音交互系统。应用场景探究（50分钟）：导航：回顾导入案例，说明其在解放双手、提升安全性的价值。语音评测：以普通话水平测试、外语学习软件为例，说明如何通过ASR自动评分与纠音。语音转写：以小汤山医院“智能语音电子病历系统”、电话客服质检为例，说明其在提升效率、避免接触感染、为数据挖掘提供原料的作用。语音质检：以反电信诈骗系统、网络内容审核为例，说明其在社会安防、净化网络环境中的应用。语音助手与唤醒：以智能手机语音助手、智能家居控制为例，说明其作为“搜索引擎”和便捷控制入口的功能。互动环节：请学生补充自己遇到或想到的其他语音识别应用实例。学习小结与思政融入（10分钟）：教师梳理本节核心：语音识别的定义与广泛的应用领域。引导思考/讨论：语音识别技术如此强大，它可能带来哪些安全风险或隐私泄露问题？（例如：恶意录音、语音伪造、指令劫持、隐私窃听）引导学生认识到技术向善的同时也需规范与防范。课堂小结（5分钟）：总结语音识别是人工智能“听话”的关键，已深入生活各方各面，并处于不断发展中。三、作业布置（课中）体验作业：使用手机语音输入法朗读指定范文，将语音转换成文字，观察转换正确率。调研作业：查阅资料，分别找一个语音识别技术带来便利的正面案例和一个可能引发风险的负面案例，简要记录并思考如何趋利避害。四、板书设计（课中）（主板书）4.1语音识别能干什么？一、定义：ASR（自动语音识别）——语音→文字/命令二、应用（让机器“听懂”之后…）：教育：语音评测医疗：语音转写（电子病历）安防：语音质检（反诈、内容审核）生活：语音助手、语音唤醒、导航...三、思考：便利vs.安全风险？五、课后反思（课后）本课通过情境导入和多领域案例讲解，学生能掌握语音识别定义及基础应用，也能初步思考技术的安全风险。但教学难点突破不足，对语音识别与语音合成、自然语言处理的协同交互讲解浅显，学生难以理解完整系统；学生列举的案例多集中在生活领域，专业领域认知欠缺。后续需制作交互系统示意图，课前让学生收集多领域案例，体验作业中增加方言、嘈杂环境的测试，强化知识理解与实操体验。

教案二：4.2实践任务：谁在一派胡言（声波的数字化）课题：4.2实践任务：谁在一派胡言（声波的数字化）教学目标：知识目标：理解声音的产生与基本物理属性（振幅、频率）；掌握声波数字化的概念、必要性及三个核心步骤（采样、量化、编码）。技能目标：能使用可视化编程工具（如Mind+等）搭建程序，实现语音采集、播放与波形图显示；能通过观察不同声音的波形图，分析其与音量、音调等属性的关系。情感与思政目标：通过将看不见的声音转化为可视的波形，培养探究精神与实证意识；在动手实践中养成严谨、细致的科学态度。教学重、难点：教学重点：声波数字化的三个步骤；声音波形图的观察与分析。教学难点：理解“采样”、“量化”的抽象过程；建立声音物理属性与波形图特征的关联。教学方法：任务驱动法、演示法、实验法、小组合作法。课时：2课时教学过程：一、导入或课前准备（课前）安全教育：强调麦克风等音频设备的使用规范，避免摔打、对着喷气等不当操作。任务导入：提出情境——帮助小慧设计AI音乐教练，需要先能“看到”声音。引出本课任务：搭建语音采集与波形显示程序。二、新课内容（课中）预备知识讲解（20分钟）：声音基础：声音由物体振动产生，以声波形式传播。振幅决定响度，频率决定音高。人耳听觉范围约为20Hz至20,000Hz。核心原理：计算机“感知”语音的关键是声波的数字化。步骤一：采样：按固定时间间隔记录声波的振幅值。采样频率（单位：Hz）越高，还原越精确。步骤二：量化：将连续的振幅值映射为有限个离散的数值等级（如8位或16位量化）。步骤三：编码：将量化后的数值转换为二进制数字信号，便于存储与处理。展示数字化过程示意图及数字化后的波形图，帮助学生建立直观认识。积木块与思路演示（15分钟）：教师演示编程工具中“录制声音”“加载并播放声音”“展示波形图”等核心积木块的功能与用法。展示任务程序的完整搭建思路流程图，解释各模块的连接逻辑。学生实践操作（40分钟）：学生分组，根据演示思路，动手搭建语音采集与波形显示程序。实践探究：录制一段平稳的元音（如“啊——”），观察波形图。用不同音量说同一句话，对比波形图幅度的变化。用不同音调（高低）发同一个音，对比波形图密度的变化（定性感受）。放一段音乐，观察其复杂波形。教师巡视指导，解决学生遇到的技术问题，引导学生观察记录。课堂小结与分享（5分钟）：总结：声波数字化是计算机处理声音的基础。邀请1-2个小组分享观察发现，巩固“振幅—响度”“频率—音高”与波形特征的关联。三、作业布置（课中）巩固作业：完成学习评价表的自评或互评。思考作业：完成巩固提升习题，思考“鸡肉”和“肌肉”波形可能相似的现象给语音识别带来的挑战。四、板书设计（课中）（主板书）4.2声波的数字化一、声音：振动产生，以波传播。振幅→响度，频率→音高二、数字化：（模拟信号→数字信号）采样：按时间“抓拍”振幅量化：连续值→离散值编码：转换为二进制存储三、任务：录制→显示波形图观察：音量→振幅大小；音调→波形疏密（频率）五、课后反思（课后）以任务驱动开展实操，学生基本能搭建程序并观察波形与音高、音量的关联，掌握了数字化三步核心重点。但部分学生对采样频率、量化位数的实际意义理解模糊，仅停留在概念记忆；个别小组因编程工具操作不熟练延误实操，且小组合作存在个别学生参与度低的问题。后续需增加不同采样频率的对比实验，课前发放编程工具操作教程，小组内明确分工，结合语音识别声学特征讲解发音相似词汇的识别难点。

教案三：4.3实践任务：语音识别课题：4.3实践任务：语音识别教学目标：知识目标：了解语音识别任务的分类（孤立词、连接词、连续语音）；理解语音识别系统的基本原理与典型框架（信号处理、特征提取、模型匹配、文本输出）；了解声学模型和语言模型的作用。技能目标：能使用可视化编程工具，搭建一个能够识别预设字、词、句，并能统计识别准确率的程序。情感与思政目标：通过从“看见声音”到“识别内容”的实践跨越，体验技术实现的成就感；在理解模型重要性的过程中，认识数据与训练的基础性作用。教学重、难点：教学重点：语音识别系统的基本原理框架；搭建语音识别程序并统计准确率。教学难点：理解声学模型与语言模型在识别过程中的分工与协同作用。教学方法：原理讲授法、任务驱动法、演示法、实践操作法。课时：2课时教学过程：一、导入或课前准备（课前）环境准备：确保编程软件、音频设备正常工作。任务导入：承接上节课，提出新需求：为社区宣传设计语音输入转文字方案，并能评估识别效果。引出任务：搭建语音识别程序，并计算准确率。二、新课内容（课中）原理深入讲解（25分钟）：回顾与引入：回顾声波数字化，指出其只是第一步。提出问题：数字化后的信号如何变成文字？系统框架：结合课件图4-24，讲解语音识别的四个典型单元：信号处理与特征提取：从数字信号中提取关键声学特征（如MFCC）。声学模型：将声音特征映射为音素或状态（解决“发音是什么”的问题）。例如：“冬奥”→/dongao/。语言模型：根据上下文词汇的概率，选择最可能的文字序列（解决“应该是哪个词/句”的问题）。例如：区分“你现在干什么”和“你西安再赶什么”。文本输出：通过解码搜索，结合声学模型和语言模型的结果，输出最终识别文本。简要提及发音词典在声学模型与语言模型之间的桥梁作用。积木块与任务思路演示（15分钟）：教师演示编程工具中“设置要朗读的文字/词语/句子”及“语音实验准确率”函数等积木块的用法。演示程序搭建流程：预设识别列表→录制语音→调用识别函数→显示识别结果与准确率。学生实践操作（45分钟）：学生动手搭建程序。任务建议分层次：基础层：设置并识别3–5个单字（如“人”“工”“智”“能”）。进阶层：设置并识别2–3个词语（如“人工智能”“语音识别”）和1个短句。学生录入语音进行测试，记录识别结果和准确率。教师巡视，指导学生理解准确率计算逻辑（准确个数/总个数），并分析识别错误的原因。课堂小结与原理呼应（5分钟）：总结实践流程，点明程序中“预设列表”相当于一个极简的发音词典和语言模型约束。强调声学模型（底层识别能力）和语言模型（上下文理解）是决定识别效果的核心，为下节课综合应用做铺垫。三、作业布置（课中）反思作业：完成学习反思表。分析作业：分析“语音输入‘兔’输出‘吐’”的问题，说明可能在哪个环节（声学模型/语言模型）出现问题。完成“文明/闻名”选词填空，体会上下文（语言模型）的重要性。四、板书设计（课中）（主板书）4.3语音识别原理与实践一、原理框架：语音→处理/特征→声学模型（是什么音）→语言模型（应是什么词）→文本关键：模型匹配二、实践任务：预设识别内容（字、词、句）录制与识别计算并显示：准确率=正确个数/总个数五、课后反思（课后）本课层层递进讲解原理与实操，学生能搭建识别程序并完成分级任务，掌握了识别框架与准确率计算重点。但难点突破不佳，学生无法理解声学模型与语言模型的协同过程，对发音词典的桥梁作用认知模糊；分析识别错误时多归因为发音问题，忽略语言模型的作用，部分学生还出现准确率统计错误。后续需制作模型协同演示动画，引导学生从两个模型角度分析错误原因，增加准确率统计互查环节，修改预设列表让学生体会语言模型的作用。

教案四：4.4实践任务：语音点餐系统课题：4.4实践任务：语音点餐系统教学目标：知识目标：了解智能语音点餐系统的基本结构框图与功能模块；理解其与传统点餐方式在效率、准确性、用户体验上的差异。技能目标：能综合运用编程知识（变量、列表、条件判断、循环、语音识别积木），设计并搭建一个具备菜单展示、语音点餐、订单修改、费用结算等基本功能的语音点餐模拟系统。情感与思政目标：通过完成一个综合性、场景化的项目，提升利用技术解决实际问题的成就感和综合应用能力；在系统设计过程中，培养用户思维、工程思维和团队协作精神。教学重、难点：教学重点：语音点餐系统的功能分析与设计；综合运用编程积木实现系统功能。教学难点：程序逻辑的完整设计与流畅实现，特别是订单列表的动态管理（添加、删除、计价）与语音识别结果的准确匹配。教学方法：项目教学法、案例分析、小组合作探究、演示与实践结合。课时：2课时教学过程：一、导入或课前准备（课前）分组准备：进行合理分组，明确小组内分工。场景导入：展示传统餐厅点餐流程，分析其痛点（排队、手写易错、沟通成本高）。提出项目挑战：作为AI工程师，为小慧的餐饮店升级一套语音点餐系统。二、新课内容（课中）系统分析与设计（20分钟）：功能分析：与学生共同分析，一个完整的语音点餐系统需要哪些功能？菜单载入与展示（菜品、价格、图片）语音输入与识别（顾客说菜品名）点餐列表管理（添加菜品、删除菜品、更新数量）费用实时计算与预览订单确认与结算结构讲解：结合课件图4-47，简述系统硬件（麦克风、显示屏、控制器）和软件功能模块的构成。逻辑设计：教师引导学生绘制简单的程序流程图，理清“语音输入→判断是否在菜单→更新订单列表→重新计价”的核心逻辑。关键积木与逻辑演示（20分钟）：教师演示本节课将用到的关键积木块：菜单载入、顾客点餐（语音识别）、总价预览、修改点餐列表逻辑判断积木：如果...执行、如果...否则...、循环、非检测函数：判断菜单中是否包含该菜品、判断是否点过该菜品、检测用户是否说出指定内容演示如何用列表管理“菜单”和“已点菜品”，以及如何实现总价计算。小组项目实践（45分钟）：小组根据讨论的设计思路和演示的关键技术，合作搭建语音点餐系统。实现基本功能：创建一个包含至少5个菜品的菜单实现语音点菜并加入订单实时显示已点菜品清单和总价挑战进阶功能：尝试实现“删除已点菜品”或“修改菜品数量”功能。教师巡回指导，提供技术支持，并提醒学生注意程序的健壮性（如处理识别失败、点不存在的菜品等情况）。作品展示、评价与小结（5分钟）：邀请1-2个小组展示其作品，演示点餐全过程。教师点评，总结语音点餐系统相较于传统的优势（便捷、高效、减少误差），并指出学生在实现过程中体现出的工程思维。强调：本次实践是对本章所学语音识别技术的一次综合性、场景化应用。三、作业布置（课中）系统完善：继续优化本组的点餐系统，使其更稳定、功能更完善。对比思考：从顾客和商家两个角度，分别列举语音点餐系统至少一项优点和一项潜在不足。四、板书设计（课中）（主板书）4.4语音点餐系统设计一、系统功能：菜单展示语音输入订单管理（增、删）自动计价二、实现关键：两个列表：菜单列表、已点列表一个核心循环：

录音→识别→判断（是否在菜单？）→更新已点列表→计算总价→显示逻辑判断：如果...否则...五、课后反思（课后）采用项目教学法，多数小组完成点餐系统基本功能，学生的综合编程与团队协作能力得到提升，掌握了系统功能设计与积木应用重点。但难点环节存在明显问题，订单列表动态管理易出现更新、计价错误，部分程序无法处理识别失败等异常情况；小组分工不合理，部分学生参与度低，作品评价仅靠教师点评缺乏互评。后续需增加异常情况处理讨论，设计列表操作专项练习，指导小组合理分工，制定评价量表开展小组互评。

教案五：案例分析：“粤省事”新增方言语音搜索功能课题：案例分析：“粤省事”新增方言语音搜索功能教学目标：知识目标：了解“粤省事”方言语音搜索功能的背景与核心价值；理解该功能所涉及的语音识别关键技术（方言语音识别、语音预处理、语义理解）及其协同作用；分析方言语音识别相较于普通话识别的主要难点。技能目标：能运用模块4所学知识，分析真实AI应用案例的技术实现逻辑；能通过小组讨论，对技术应用的优化方向提出初步见解。情感与思政目标：深刻感受人工智能技术如何贴合地方特色、服务特定群体（如不熟悉普通话的老年人），理解“科技为民”的普惠性价值；增强利用信息技术解决社会实际问题的责任感与使命感。教学重、难点：教学重点：分析“粤省事”方言语音搜索功能解决的实际痛点及其核心技术应用。教学难点：理解方言语音识别的技术难点（如口音差异、特有词汇）；思考AI技术在政务服务领域深化应用的潜力与挑战。教学方法：案例教学法、小组讨论法、讲授法、多媒体演示法。课时：1课时教学过程：一、导入或课前准备（课前）知识回顾：简要回顾模块4前四节关于语音识别定义、流程及应用的知识。任务导入：提问引导——“如果一位只会说粤语的广东老伯，想用手机查询自己的社保，但不会打字、普通话也不流利，他该怎么办？”二、新课内容（课中）案例呈现与背景分析（10分钟）：播放“粤省事”平台方言语音搜索功能的介绍或演示视频。教师讲解：“粤省事”是广东省政务服务平台，服务全省群众。现实中，部分群体（尤其是老年群体、农村居民）存在“数字鸿沟”——不擅打字、普通话不标准。核心价值：方言语音搜索功能降低政务服务门槛，支持粤语、客家话、潮汕话等方言，让群众用母语便捷办事，体现政务服务的包容性与温度。技术原理剖析（15分钟）：引导学生拆解该功能背后的技术栈：核心技术：方言语音识别：需为粤语、客家话等建立独立的语音特征库和声学模型，以应对与普通话在发音、声调、词汇甚至语法上的差异。支撑技术一：语音预处理：对采集的方言语音进行降噪、增强等处理，提升信号质量。支撑技术二：语义理解：在语音转文本后，结合政务服务场景，理解用户意图（如“查医保报销进度”），并匹配到正确办事入口。难点探讨：口音复杂多样（同一方言区内也有差异）存在大量特有词汇口语化表达不规范小组讨论与升华（15分钟）：讨论主题：该功能对政府提升治理能力有何积极意义？（如：提高办事效率、收集民意、促进公平）可从哪些方面优化？（如：覆盖更多小众方言、提升嘈杂环境识别率、增加多轮对话）对中职生学习信息技术的启发？（如：技术要学以致用，关注家乡需求）小组发言与教师总结：强调思政融入点：人工智能应坚持“以人为本”，技术的最高价值在于服务人民、造福社会。此案例是“科技向善”的生动体现。职业关联：鼓励学生关注家乡发展，思考如何利用所学技能（如语音技术、编程）为本地社区、特色产业提供数字化解决方案。课堂小结（5分钟）：总结：本