6.3 监督学习与无监督学习说课稿-2025-2026学年初中信息技术（信息科技）初中版人工智能通识（清华大学版）

6.3监督学习与无监督学习说课稿-2025-2026学年初中信息技术（信息科技）初中版人工智能通识（清华大学版）学科政治年级册别八年级上册共1课时教材部编版授课类型新授课第1课时课程基本信息一、课程基本信息1.课程名称：监督学习与无监督学习2.教学年级和班级：初中二年级（1）班3.授课时间：2025年10月15日第2节课4.教学时数：1课时（45分钟）核心素养目标二、核心素养目标通过本节课学习，学生能理解监督学习与无监督学习的基本概念，提升信息意识，认识AI学习方式的多样性；通过分析生活中的案例（如图像分类、用户分群），发展计算思维，初步归纳两种学习的适用场景；尝试设计简单的学习任务，增强数字化学习与创新意识；关注AI应用的伦理问题，树立合理使用人工智能的信息社会责任。学情分析本课面向初中二年级学生，已具备信息技术基础，了解数据、算法等概念，但对AI学习机制认知较浅。学生思维活跃，对图像分类、用户分群等生活化案例兴趣浓厚，但抽象归纳能力有限，需结合实例理解监督与无监督学习的差异。部分学生具备初步编程基础，可尝试简单任务设计，但多数更依赖直观演示。课堂参与度高，乐于合作探究，但易因概念抽象产生畏难情绪，需通过对比案例和互动活动降低认知负荷。教材中的“垃圾分类识别”“用户行为聚类”案例贴近学生经验，能有效激发学习动机，但需注意分层引导，确保不同层次学生均能理解核心差异并建立知识关联。教学资源准备四、教学资源准备1.教材：每位学生配备《初中信息技术（信息科技）初中版人工智能通识（清华大学版）》教材，确保学生能同步查阅“监督学习与无监督学习”章节内容。2.辅助材料：准备教材中涉及的“垃圾分类识别”图片、“用户行为聚类”图表及AI学习流程对比视频，帮助学生直观理解两种学习方式。3.实验器材：配置联网电脑，安装Python简易环境及在线AI演示平台，支持学生尝试简单分类任务。4.教室布置：设置4-6人分组讨论区，配备白板便于记录小组分析结果，营造合作探究氛围。教学过程五、教学过程1.导入（约5分钟）提问：同学们每天用手机拍照时，相册里的“垃圾分类”功能是怎么自动识别垃圾类别的？购物APP为什么总能推荐你可能喜欢的商品？回顾：之前我们学习了数据的基本概念和算法的作用，知道算法是解决问题的步骤，今天我们学习AI中两种重要的学习方式——监督学习和无监督学习。2.新课呈现（约30分钟）（1）讲解新知（10分钟）监督学习是AI通过带标签的数据进行学习，比如垃圾图片旁边标注“可回收”“有害”，模型通过学习这些带标签的图片，学会识别新图片的类别。无监督学习是AI通过不带标签的数据进行学习，比如把用户的购买记录放在一起，模型自动找出购买习惯相似的群体，不需要人工标注类别。两者的核心区别：监督学习有“老师”提供标签，无监督学习没有“老师”，自己找规律。（2）举例说明（10分钟）教材中的“垃圾分类识别”案例：监督学习时，我们给AI看100张垃圾图片，每张图片旁边标注类别（如“矿泉水瓶-可回收”“电池-有害”），AI学习后，看到新的垃圾图片就能自动分类。“用户行为聚类”案例：无监督学习时，电商平台收集用户的购买记录（如“买过3本书、2件衣服、1双鞋”），不告诉AI哪些用户属于哪类，AI自动把购买习惯相似的分为一组。（3）互动探究（10分钟）小组任务：各小组领取两组数据，第一组是带标签的水果图片（苹果、香蕉、橙子，每张图片有类别标签），第二组是不带标签的学生运动数据（跑步次数、跳绳次数、打球次数，无标签）。要求：第一组尝试用监督学习的方式分类（根据标签训练模型，预测新水果类别），第二组尝试用无监督学习的方式分组（根据数据相似度自动分群）。记录过程和结果，5分钟后小组汇报。3.巩固练习（约10分钟）学生活动：打开在线AI演示平台，完成两个任务。任务1（监督学习）：输入教材中的“垃圾分类”图片数据（带标签），运行分类算法，观察分类结果，记录“输入数据（带标签）→训练模型→预测新数据”的过程。任务2（无监督学习）：输入“用户行为”数据（如用户购买商品的种类和数量，无标签），运行聚类算法，观察聚类结果，记录“输入数据（无标签）→计算相似度→自动分群”的过程。教师指导：巡回指导学生操作，解答疑问，提醒学生注意观察两种学习方式的输入、过程、输出差异，比如监督学习需要标签，无监督学习不需要；监督学习预测已知类别，无监督学习发现未知群体。教学资源拓展六、教学资源拓展1.拓展资源监督学习应用案例：语音助手识别语音指令（如Siri、小爱同学）是通过大量带标签的语音数据（如“打开灯光”对应指令标签）训练模型，属于典型监督学习；医疗影像诊断中，医生标注的CT影像（如“良性肿瘤”“恶性肿瘤”标签）帮助AI学习病灶特征，实现辅助诊断；人脸识别技术中，每张人脸图片对应的身份信息（如“张三”“李四”标签）作为训练数据，使AI能识别不同个体。这些案例均体现监督学习“带标签数据→训练模型→预测结果”的核心逻辑，与教材中“垃圾分类识别”案例原理一致，进一步验证监督学习在分类任务中的应用价值。无监督学习应用案例：电商平台用户分群（如“高频购物用户”“价格敏感用户”）是通过分析用户购买记录（无标签数据）的相似度自动分组，属于无监督学习；社交网络中“好友推荐”功能通过分析用户的好友关系数据（无标签），发现潜在关联用户；新闻平台自动聚类文章（如“体育新闻”“科技新闻”），通过文本内容相似度实现主题分类，与教材中“用户行为聚类”案例高度契合，均体现无监督学习“无标签数据→发现规律→分组/聚类”的特点。此外，异常检测（如信用卡欺诈识别，通过分析交易数据中的异常模式发现欺诈行为）也是无监督学习的重要应用，帮助学生理解其“发现未知模式”的核心作用。2.拓展建议观察实践：记录家中智能设备（如智能电视、扫地机器人）的AI应用场景，分析其是否属于监督或无监督学习。例如，智能电视的“观看历史推荐”需分析用户过往观看记录（无标签）进行内容推荐，属于无监督学习；而智能门锁的人脸识别需预先录入家庭成员人脸标签（带标签），属于监督学习。将观察结果整理成表格（包含设备功能、数据类型、学习方式），在小组内分享讨论，深化对两种学习方式差异的理解。模拟实验：利用Excel教材配套数据包（含“水果图片数据带标签”“学生运动数据无标签”），尝试模拟监督学习和无监督学习过程。监督学习部分：将水果数据按“颜色-形状-类别”标签排序，用函数公式（如IF条件判断）模拟分类模型，预测新水果类别；无监督学习部分：对学生运动数据（跑步次数、跳绳次数）用“数据透视表”或“条件格式”按相似度分组，观察自动聚类结果。通过动手操作，直观感受“带标签训练”与“无标签分组”的区别，巩固教材核心知识点。阅读拓展：阅读教材附录中“AI学习方式的发展历程”补充材料，了解监督学习与无监督学习的历史背景（如监督学习源于1950年代的感知机模型，无监督学习源于1980年代的聚类算法），并对比两者在数据需求、适用场景上的优缺点（监督学习精度高但依赖标注数据，无监督学习无需标注但结果需人工验证）。结合材料思考：“为什么垃圾分类识别选择监督学习，而用户行为聚类选择无监督学习？”进一步理解两种学习方式的适用条件。小组合作：以“校园AI应用设计”为主题，小组合作设计一个简单的AI学习任务。例如，设计“校园垃圾分类监督学习系统”：收集校园垃圾图片并标注类别（可拍照片+人工标注），用简易AI工具（如教材在线平台）训练分类模型，测试识别准确率；或设计“学生兴趣无监督分组”：收集学生课外活动数据（如“阅读时长、运动次数、社团参与”），用聚类算法分析学生兴趣群体，为校园活动组织提供参考。设计方案需明确数据类型、学习方式、预期效果，并在班级展示交流，提升数字化学习与创新意识。课后作业七、课后作业1.概念辨析题：监督学习与无监督学习的核心区别是什么？请结合教材中的“垃圾分类识别”和“用户行为聚类”案例说明。答案：核心区别在于是否有“标签”指导。监督学习依赖带标签数据（如垃圾图片标注“可回收”“有害”），通过标签训练模型预测新数据类别；无监督学习处理无标签数据（如用户购买记录），通过数据相似度自动发现规律分组。垃圾分类识别需人工标注类别，属监督学习；用户行为聚类无需标签，属无监督学习。2.案例分析题：教材中提到“智能门锁人脸识别”和“新闻自动分类”，请分别判断属于哪种学习方式，并说明理由。答案：智能门锁人脸识别属监督学习，因需预先录入人脸图片及对应身份标签（如“张三”“李四”），通过带标签数据训练模型识别身份；新闻自动分类属无监督学习，因分析新闻文本内容（无标签），按相似度自动聚类为“体育”“科技”等主题，无需人工标注类别。3.应用场景判断题：下列场景中哪些适合用监督学习，哪些适合用无监督学习？请说明原因。（1）根据学生考试成绩预测升学概率；（2）根据客户消费数据划分客户群体。答案：（1）适合监督学习，因需历史考试成绩及对应升学结果标签（如“600分以上-重点大学”），通过标签训练预测模型。（2）适合无监督学习，因客户消费数据（如购买金额、频率）无标签，通过数据相似度自动分群（如“高消费客户”“价格敏感客户”）。4.任务设计题：请设计一个“校园植物识别”的AI学习任务，明确采用监督学习还是无监督学习，并说明数据类型和学习目的。答案：采用监督学习。数据类型：校园植物图片及对应标签（如“月季花-蔷薇科”“松树-松科”）。学习目的：通过带标签图片训练模型，使AI能识别新拍摄的校园植物类别。5.差异总结题：请用表格外的文字形式，总结监督学习与无监督学习在“数据需求”“学习目的”“输出结果”三方面的差异。答案：数据需求：监督学习需带标签数据，无监督学习处理无标签数据；学习目的：监督学习预测已知类别，无监督学习发现未知规律；输出结果：监督学习输出具体类别（如“可回收垃圾”），无监督学习输出分组结果（如“高频购物用户群”）。教学反思这节课下来，学生对于监督学习和无监督学习的概念理解比预期顺利，尤其是结合垃圾分类识别和用户行为聚类这两个教材案例后，多数学生能快速抓住“标签”这个关键差异点。不过课堂中也发现，部分学生在小组探究环节容易混淆“数据类型”和“学习目的”的关系，比如把用户购买记录的“无标签”直接等同于“无法预测”，这反映出对无监督学习“发现未知规律”的本质理解还不够深入。

在线实验环节，学生操作积极性高，但个别小组更关注最终分类结果，忽略了过程记录，导致后续汇报时难以清晰说明两种学习方式的流