《人工智能辨身份》教案-2025-2026学年泰山版（新教材）小学信息技术五年级下册

《人工智能辨身份》教案-2025-2026学年泰山版（新教材）小学信息技术五年级下册学情分析五年级学生已具备基础的图形化编程能力，熟悉校园智能设备（如门禁、借阅机）的日常使用，对“人脸识别”等AI技术有直观感知，但仅停留在“工具好用”的表层认知，缺乏对技术原理的深入理解。学生具象思维向抽象思维过渡，需通过校园场景案例、人机交互实践，拆解AI辨身份的核心流程，建立“数据采集—特征提取—匹配比对”的逻辑链条，同时需强化隐私保护与安全意识，避免技术滥用风险。教材分析本课选自泰山版五年级下册第三单元《智能借阅算法推》第10课，以“校园智能借阅系统身份验证”为核心情境，系统讲解人工智能辨身份的核心知识。教材从图书馆借书场景切入，衔接前序“算法解决实际问题”的学习主线，通过人脸识别实例，覆盖AI技术原理、程序实现、伦理安全三大核心内容，既是对前序算法知识的拓展，也是学生理解智能技术底层逻辑的关键一课，突出“情境感知—原理探究—实践应用—价值辨析”的教学路径。核心素养教学目标信息意识能列举校园及生活中人工智能辨身份的应用场景（如图书馆借阅、门禁通行、考勤打卡），明确其便捷性与必要性。能区分人工辨身份与人工智能辨身份的差异，感知AI技术高效、精准的核心优势，建立对智能身份认证的理性认知。计算思维理解人工智能辨身份的核心流程（数据采集→特征提取→模型训练→匹配比对→结果输出），能用流程图或自然语言描述人脸识别的执行步骤。能从校园借阅场景中抽象出身份验证的核心需求，初步尝试设计简单的身份认证逻辑，实现“输入特征—匹配结果”的程序转化。数字化学习与创新能借助图形化编程工具（如Scratch+FaceAPI扩展），完成简单人脸识别程序的搭建，实现“采集人脸—匹配预设库—反馈结果”的功能。能通过修改人脸库数据、调整匹配参数，测试程序功能，观察不同参数对识别准确性的影响，培养数字化实践与调试能力。信息社会责任了解身份数据的隐私属性，明确人工智能辨身份技术的使用规范，不随意采集、泄露他人生物特征（如人脸、指纹）。辩证看待AI技术的双面性，既认可其在校园管理中的价值，也警惕技术滥用带来的安全风险，树立理性的技术使用观念。教学重难点教学重点：掌握人工智能辨身份的核心流程，理解人脸识别“特征提取与匹配比对”的关键原理，能完成简单人脸识别程序的搭建。教学难点：理解“生物特征数字化转化”的抽象过程，将身份验证的逻辑需求转化为程序积木搭建，兼顾识别准确性与隐私保护。教学过程情境导入，聚焦问题师：同学们，上周老师去学校图书馆借书，刷脸就能完成借阅，不用带借书证也不用输密码，特别方便。大家在校园里还见过哪些用“刷脸”辨身份的地方？生：（自由发言）校园门禁、食堂支付、教室考勤机……师：大家观察得很仔细！那大家有没有想过：我们的人脸只是一张“照片”，为什么智能设备能快速认出我们？它和人工辨认到底有什么不一样？今天我们就走进《人工智能辨身份》，解锁AI辨身份的秘密，同时也学会安全使用这项技术。设计意图：以校园借阅场景切入，贴合学生生活经验，通过“生活现象—核心疑问”的引导，激发探究兴趣，自然衔接本课核心主题。新知探究，拆解原理对比感知，区分人工与AI辨身份师：首先我们做个小对比——如果是老师帮我们辨认身份，会怎么做？生：（师生互动）看脸的五官、发型、穿着，回忆熟悉的人……师：没错，人工辨认靠的是“主观观察+经验判断”，容易受光线、情绪、发型变化影响。那AI是怎么做的呢？我们看一段校园智能借阅机的工作视频（播放设备运行视频）：师：（视频结束后提问）视频里设备完成了哪几个步骤？从我们站到设备前，到完成借阅，中间经历了什么？生：（小组讨论后发言）设备先拍了我们的脸，然后显示“身份匹配成功”，最后完成借阅。师：大家总结得很到位！AI辨身份不是“凭空认人”，而是有一套固定的工作流程。我们先把这个流程画出来，再逐一拆解每一步的秘密。设计意图：通过人工与AI的对比，降低抽象原理的理解难度，用视频直观呈现设备工作过程，为后续流程拆解铺垫。拆解流程，理解核心原理师：我们把人工智能辨身份的流程拆解为4个核心步骤，结合人脸识别案例逐一学习，每一步都对应校园借阅的实际操作。第一步：数据采集——把“生物特征”变成“数字数据”师：大家看智能借阅机，它有一个摄像头。当我们站在设备前，摄像头会做什么？生：拍摄我们的人脸照片。师：对！这就是数据采集。但要注意：摄像头采集的不是“一张普通照片”，而是包含我们面部所有细节的“数字图像数据”。比如我们的眼睛间距、鼻梁高度、颧骨轮廓，这些都是生物特征，会被转化为计算机能识别的0和1编码。师：（出示图表）我们把人脸特征拆解成几个关键点位，大家看：人脸关键特征点位特征描述数字化转化方式双眼间距左右眼角的距离转化为数值坐标鼻梁高度鼻尖到眉心的距离转化为数值坐标颧骨轮廓面部两侧凸起程度转化为特征向量师：简单说，数据采集就是“用设备捕捉生物特征，把特征变成数字数据”，这是AI辨身份的基础，没有准确的采集，后面的匹配就会出错。设计意图：用图表拆解“数字化转化”过程，将抽象的“生物特征→数字数据”转化为具象的点位和数值，突破抽象理解难点。第二步：特征提取——从“数字数据”中抓“核心特征”师：摄像头采集的人脸数据包含很多细节，比如脸上的痘痘、发型的变化、今天穿的衣服，这些都是“无关特征”。AI要快速辨认，需要从这些细节中抓“核心特征”——这就是特征提取。师：（师问生答）大家想想：我们的人脸哪些特征是“独一无二、不容易变”的？生：（自由发言）眼睛形状、鼻子大小、下巴轮廓……师：非常准确！这些“独一无二、稳定存在”的特征，就是AI提取的核心。比如AI会提取“双眼间距与鼻梁高度的比例”“颧骨与下颌的轮廓曲线”，把这些特征组合成一个“特征向量”——相当于每个人的“数字身份证”。师：（举例）就像我们识别同学，不用记住他的每一根头发，只要记住“他有一双大眼睛，鼻梁很挺”，AI也是一样，通过核心特征快速锁定身份，避免无关信息干扰。设计意图：结合学生“识别人的经验”，类比特征提取的逻辑，让学生理解“抓核心、去冗余”的算法思维，落实计算思维培养。第三步：模型训练——让AI“记住”特征库师：AI怎么知道我们的“数字身份证”对应哪个同学？这就需要模型训练。

师：（结合教材内容讲解）学校图书馆的智能借阅机里，提前存储了所有学生的人脸特征数据，这个“特征数据集合”就是特征库。老师会提前把每个学生的人脸采集好，提取特征后存入库中，这个过程就是“训练AI模型”——让AI记住“谁的特征对应谁”。师：（师问生答）大家思考：为什么要提前训练模型？如果没有训练过的人，设备能认出吗？生：（讨论后回答）训练过才能匹配；没训练过的人，设备认不出，就不能借阅。师：对！模型训练就像我们背课文，只有背过的内容，考试时才能答出来。AI只有记住了特征库，才能在采集到新的人脸特征后，找到对应的匹配对象。

设计意图：用“背课文”类比模型训练，降低抽象概念的理解难度，结合校园借阅场景，明确训练的目的与意义。第四步：匹配比对——找到“最相似”的身份师：现在我们把四步串起来：采集人脸→提取核心特征→和特征库比对。这最后一步就是匹配比对，也是AI辨身份的核心环节。

师：（具体案例分析）假设小明去借书，设备采集他的人脸，提取出“双眼间距3.5cm、鼻梁高度2.2cm”的特征向量，然后和特征库里的所有学生特征逐一比对。师：（出示比对流程表）比对步骤设备操作匹配结果1提取小明特征特征向量A2与特征库逐条比对特征库包含学生1、学生2……学生30（小明）3计算相似度与学生30的相似度达99.9%4判定匹配成功显示“小明，身份验证通过”师：大家看，比对的核心是“计算相似度”——AI会计算新采集的特征与库中每个特征的相似程度，找到“最相似”的那个，然后判定身份。如果相似度超过预设阈值（比如90%），就判定匹配成功；如果都不相似，就判定为“陌生身份”。

设计意图：用具体案例拆解比对流程，让学生直观理解“相似度计算→身份判定”的逻辑，落实核心原理的教学。程序实践，落地应用认识工具与积木师：现在我们用图形化编程工具（Scratch+FaceAPI扩展），把刚才学的AI辨身份流程变成程序。首先认识核心积木：扩展模块积木：“人脸采集”“特征提取”（对应流程第一步、第二步）变量积木：“人脸特征库”（存储预设学生特征，对应模型训练）控制积木：“重复执行比对”“判断相似度阈值”（对应匹配比对）外观积木：“说身份结果”“显示匹配成功/失败”（对应结果输出）师：（师问生答）大家对照流程图，说说每个积木对应流程的哪一步？生：（逐一对应）人脸采集→第一步，特征提取→第二步，人脸特征库→模型训练，重复执行比对→第四步……设计意图：通过“积木—流程”对应，让学生建立“原理—程序”的关联，为后续搭建程序铺垫。分步搭建，讲解逻辑师：我们按照“采集→提取→训练→比对→输出”的顺序，分步搭建程序，每一步都对应教材的核心知识点。第一步：搭建特征库（模型训练）师：首先我们要让AI“记住”特征，也就是搭建人脸特征库。新建列表变量“人脸特征库”，用于存储预设学生的特征向量（如“学生1：双眼间距3.2，鼻梁高度2.0”“学生2：双眼间距3.6，鼻梁高度2.3”）。用“添加到列表”积木，提前添加3-5名同学的特征数据（模拟校园借阅的学生库）。师：（师问生答）为什么要提前添加特征？如果库里没有我们的特征，会发生什么？生：（回答）提前添加是训练模型；库里没有就匹配不到，不能借书。设计意图：先搭建特征库，落实“模型训练”的核心原理，让学生理解“训练是匹配的基础”。第二步：搭建采集与提取流程师：接下来实现“数据采集→特征提取”。当绿旗被点击时，用“人脸采集”积木启动摄像头，采集当前角色的人脸图像。用“特征提取”积木，从采集的图像中提取核心特征（双眼间距、鼻梁高度），存储到临时变量“当前人脸特征”。师：（演示操作）老师搭建积木时，大家观察：采集后，变量“当前人脸特征”会显示什么内容？生：（观察后回答）显示一串数字和坐标，就是特征向量。设计意图：通过实操观察，让学生直观感受“特征提取”的结果，强化对核心原理的理解。第三步：搭建匹配比对逻辑师：这是程序的核心，我们要实现“比对特征库→计算相似度→判定身份”。用“重复执行”积木，遍历“人脸特征库”中的每一条特征数据。用“运算”积木，计算“当前人脸特征”与库中每条特征的“相似度”（可通过计算特征数值的差值绝对值，差值越小，相似度越高）。用“判断”积木：如果相似度≥90%（预设阈值），用“说”积木输出“身份匹配成功！你是：XX同学”；如果遍历完库中所有数据都未达到阈值，输出“身份匹配失败，陌生用户”。师：（边搭建边讲解）大家看，这个“遍历+判断”的逻辑，就是我们上节课学的算法思想，现在用到AI辨身份的匹配环节，是不是很实用？生：（点头）是的，和之前的循环算法很像。设计意图：衔接前序算法知识，让学生感受到“算法思维的通用性”，同时落实匹配逻辑的搭建，突破程序实践的重点。第四步：添加结果反馈师：最后给程序添加直观的结果反馈，让程序更贴近校园借阅场景。当匹配成功时，用“切换造型”积木切换为“笑脸”造型，播放“成功”音效。当匹配失败时，切换为“哭脸”造型，播放“失败”音效，提示“请确认已录入特征库”。师：（师问生答）为什么要添加音效和造型反馈？生：（回答）更直观，像图书馆设备一样，能快速知道结果。设计意图：通过反馈优化，让程序更贴近真实场景，提升学生的实践兴趣与应用意识。运行调试，验证效果师：现在我们完整运行程序，测试不同情况：运行程序，采集预设库中同学的人脸，观察是否能匹配成功、输出正确姓名。采集未录入库中的人脸，观察是否匹配失败、给出提示。修改特征库中的特征数值，或调整相似度阈值（如改为80%），再次运行，观察匹配结果是否变化。生：（分组操作，教师巡视指导）重点指导学生排查“积木拼接错误”“特征库数据格式错误”“阈值设置不合理”等问题，引导学生观察参数变化对结果的影响。师：（巡视时提问）大家发现了什么？修改阈值后，匹配的严格程度有什么变化？生：（分享发现）阈值调低，更容易匹配成功；阈值调高，匹配更严格。设计意图：通过多场景测试，让学生巩固程序逻辑，理解参数对识别效果的影响，培养数字化调试能力。伦理辨析，强化责任师：同学们，人工智能辨身份让校园生活更便捷，但也带来了一些需要我们注意的问题。大家看两个场景：场景1：小明把自己的人脸照片发给同学，让同学帮他刷脸借阅图书。场景2：学校图书馆随意采集学生的人脸数据，没有告知学生和家长。师：（师问生答）这两个场景对吗？为什么？我们在使用AI辨身份技术时，应该注意什么？生：（小组讨论后发言）不对，人脸是隐私，不能随便给别人；学校不能随便采集数据，要告知家长和学生。师：大家说得非常对！人脸属于生物特征数据，是我们每个人的隐私信息，受法律保护。使用AI辨身份技术时，要遵守三个原则：不随意采集、泄露他人生物特征，不借用他人身份完成操作。明确数据使用范围，仅在校园管理等必要场景使用，不滥用技术。发现数据泄露或滥用情况，及时