高中信息科技（必修一） 教学设计：《AI之境：从基础应用到前沿智能体》

高中信息科技（必修一）|教学设计：《AI之境：从基础应用到前沿智能体》

一、指导思想与理论依据本教学设计以《普通高中信息科技课程标准（2017年版2025年修订）》为核心指导，坚持立德树人的根本任务，全面落实核心素养导向的教学理念。2025版课标将逻辑主线由原来的四个学科大概念拓展为“数据、算法、网络、信息处理、信息安全、人工智能”六条逻辑主线，其中人工智能作为新增的一条独立主线，要求实现全学段覆盖与螺旋上升的育人逻辑。-本设计遵循“做中学、用中学、创中学”的改革方向，以大单元教学和项目式学习为基本组织形式，通过真实情境驱动、任务链推进、跨学科融合的教学路径，引导学生在探究和实践中深度理解人工智能的应用领域、技术原理与社会影响。同时，本设计积极响应教育部关于中小学人工智能通识教育体系构建的最新要求，加强人工智能教育与各学科的融合，落实跨学科学习、大单元教学、学科实践等教学模式，形成上下贯通、横向融合的人工智能教育体系。-在教学过程中，充分体现信息技术与教育教学的深度融合，注重培养学生的创新精神、实践能力与科学素养，落实五育并举的教育理念。二、教学内容分析本课选自沪教版高中信息技术必修一《数据与计算》第四单元“人工智能初步”，是学生在完成人工智能基本概念学习之后的深化课，也是连接基本原理学习与实际应用观察的关键环节。“人工智能的应用教学”这一专题在课程标准中具有承上启下的重要地位。从内容定位来看，本课承接前面关于人工智能定义、发展历程及核心技术（机器学习、神经网络等）的学习，为后续深入探究人工智能伦理、隐私保护、人机协作等复杂议题奠定基础。从知识结构来看，本课内容涵盖智慧交通、智慧医疗、智能制造、智慧金融、智能教育、智慧农业等多个垂直领域，涉及计算机视觉、自然语言处理、语音识别、智能规划与决策等多种核心技术在不同场景下的集成应用，知识跨度大、综合性强，要求教师帮助学生建立系统化、结构化的认知框架。2026年被普遍定义为AI教育元年，中小学全面推进人工智能教学，教学内容涵盖AI基础原理、常用AI工具使用、数据安全与网络文明等核心模块。-本课正是在这一时代背景下，帮助学生建立起对人工智能社会应用的宏观认知与深度理解。三、学情分析本课面向高中一年级学生。认知基础上，学生经过前序课程的学习，已初步了解人工智能的基本概念、发展简史以及机器学习的三要素（数据、算法、算力），对监督学习、无监督学习、强化学习的分类有一定认知，但对各类AI技术在真实产业场景中的具体应用方式、技术落地过程中遇到的挑战以及可能引发的社会影响缺乏系统了解，存在认知碎片化、概念抽象化的问题。能力方面，高一学生已具备一定的信息获取与处理能力、逻辑思维能力与小组协作能力，数智化工具（如Python编程环境、交互网页、互动学件、AI助手等）的使用经验正在逐步积累，可在教师指导下使用数智工具辅助自主学习与问题探究。-但学生对前沿AI技术（如图像识别中的CNN卷积神经网络、自然语言处理中的Transformer架构等）的底层原理理解尚浅，需要教师通过情境化、可视化的方式进行适度的原理渗透。情感态度上，高中生对人工智能充满好奇与探索热情，但部分学生对AI能力的认识存在夸大或片面化的倾向，对人工智能可能带来的就业替代、隐私泄露、算法偏见等社会问题缺乏理性判断。因此，本课在激发兴趣的同时，必须引导学生形成理性、全面、辩证的AI价值观。学习需求方面，学生不仅希望了解“AI能做什么”，更渴望探索“AI怎么做”“AI背后有什么局限”“我和AI之间是什么关系”，教师应充分回应这些深层学习诉求。四、教学目标本设计聚焦高中信息科技必修模块1“人工智能初步”的教学要求，教学目标定位在“了解和认识”层面，学习成果指向运用人工智能技术原理的简单问题解决方案。-具体教学目标如下：（一）信息意识。能够主动关注人工智能技术在社会各领域的最新应用动态，敏锐感知AI技术对个人生活、学习及未来职业发展的潜在影响，形成主动适应智能时代发展的信息意识。（二）计算思维。能够从人工智能应用案例中抽象出“输入—计算—输出”的基本逻辑框架，理解各类AI应用背后共享的数据驱动思维模式，掌握用算法视角分析智能系统行为的基本方法。（三）数字化学习与创新。能够运用生成式AI工具辅助学习探究，体验提示工程的基本方法，初步尝试在真实情境中调用AI服务解决简单问题，培养数字化环境下的自主学习与创新实践能力。（四）信息社会责任。能够辩证认识人工智能技术的社会价值与潜在风险，理解数据安全、隐私保护、算法公平在AI应用中的重要意义，树立“科技向善”的价值理念，自觉遵守AI使用的伦理规范。五、教学重难点【基础】教学重点：人工智能在智慧交通、智慧医疗、智能制造、智慧金融、智能教育等主要领域的应用场景、典型技术方案与实际成效。要求学生能够列举至少5个以上领域的具体应用案例，并能用简洁准确的语言描述每个应用背后的核心技术逻辑。【难点】教学难点：理解不同应用场景背后共享的数据驱动范式与算法思维，建立从具体案例到抽象原理的认知桥梁。同时，引导学生辩证分析人工智能应用带来的伦理挑战与安全隐患，形成全面的技术价值观。六、教学策略与资源（一）教学策略。采用项目式学习与情境教学相结合的策略，以“AI智囊团——用人工智能解决校园或社区中的真实问题”为大项目任务驱动全课。遵循“情境导入—案例探究—原理辨析—拓展延伸—价值反思”的五阶推进教学流程。在小组合作学习中引入“拼图法”，将学生分为若干专家组（分别负责智慧交通、智慧医疗、智能制造、金融科技、智慧教育等领域），各专家组深入研究后回到原小组进行跨领域知识分享与整合。在技术原理教学环节采用“可视化呈现+代码实践”的双轨模式，利用交互式网站展示机器学习模型的工作机制，降低认知门槛。-在思辨环节采用“伦理天平”讨论法，引导学生围绕AI应用的正反两面展开结构化辩论。（二）教学资源。硬件环境：配备多媒体投影设备、学生用计算机（每人一台）及稳定的互联网接入。软件工具：Python编程环境（含scikit-learn、TensorFlowLite等轻量级机器学习库）、在线AI体验平台（如百度AI开放平台体验中心、腾讯AI体验馆）、生成式AI助手（如DeepSeek、文心一言等）、交互式教学互动平台（如雨课堂、ClassIn等）。教学素材：涵盖各领域AI应用案例的高清图片、短视频及新闻素材；供学生体验使用的AI模型DEMO程序（如手写数字识别、花卉识别等）；课前准备的数字化导学单与小组任务卡。七、教学过程设计（一）情境导入——AI在身边（约8分钟）教师活动：播放一段精心剪辑的三分钟短视频，视频内容包含学生日常生活中高频接触的AI应用场景：手机人脸解锁、导航软件的实时路况预测、购物App的个性化推荐、短视频平台的算法推送、智能音箱的语音对话等。视频播放后，向学生提出一系列层层递进的启发性问题：“大家发现自己每天使用了多少次AI服务？在使用这些服务时，你有没有思考过它们是怎么‘知道’你想要什么的？”进一步追问：“如果把这些应用场景分类，你发现AI主要帮我们解决了哪些类型的问题？从视觉识别到语言理解，从预测决策到内容生成，AI的能力边界在哪里？”学生活动：观看视频，结合自身经验思考并记录。以小组为单位进行头脑风暴，每组成员轮流发言，列举身边接触过的AI应用实例，由小组记录员汇总形成一份“我身边的AI应用清单”。每组推选一位代表在全班进行两分钟以内的分享，展示本组收集的典型案例（数量和质量均纳入小组积分）。其他小组可进行补充或质疑，形成互动交流氛围。设计意图：从学生的生活经验切入，激活前认知，建立“AI并非遥不可及”的心理亲近感，调动学习兴趣与探究热情。通过头脑风暴和班级分享，帮助学生完成从零散经验到初步分类整理的认知进阶，为后续系统化学习做好知识铺垫。培养学生从真实生活中发现和识别技术应用的信息意识。（二）新知探究——AI应用流调报告（约45分钟）本环节采用“专家组—原小组”双轨协作学习模式，分为深度研究和跨域分享两个阶段。第一阶段：组建专家组，开展深度研究（约25分钟）教师活动：将全班学生分为五个专家组，每组6—8人，分别聚焦五大AI应用领域：智慧交通组、智慧医疗组、智能制造组、智慧金融组、智能教育组。为每个专家组提供一份结构化的研究指南，包含以下探究模块：领域概述：该领域当前AI应用的总体态势与发展阶段，国内外的主要差异与特色。2.核心应用场景：至少列举3—5个具体应用案例，每个案例需包含问题痛点、技术方案、实际成效三个维度。3.支撑核心技术：该领域应用主要依赖哪些AI技术分支（如计算机视觉、自然语言处理、语音识别、智能规划与决策、推荐系统等），并简要解释技术如何与业务需求对接。4.典型案例分析：深入剖析一个代表性应用，完成“痛点识别—技术拆解—效果评估”的完整分析链条。5.行业影响与前景：AI对该行业的重塑力度有多大，带来了哪些新的可能性和挑战，未来3—5年可能突破的方向。

教师在各专家组之间巡回指导，针对学生探究过程中遇到的困难提供及时帮助，引导学生聚焦关键问题而非陷入技术细节的泥潭。各专家组内部分工协作，推荐设置组长、记录员、汇报员、资料搜集员、技术解析员等角色。每个专家组需在规定时间内完成一份结构化研究简报（可采用思维导图、要点列表或PPT框架形式），同时准备一个不超过6分钟的跨组汇报。学生活动：以专家组为单位，利用教师提供的数字化学习资源和互联网检索工具，围绕研究指南开展合作探究。小组成员分工查阅、讨论、记录，完成结构化简报的撰写。智慧交通组的探究路径可从智能交通信号灯优化、自动驾驶技术、智慧停车系统、公共交通智能调度、交通事故智能预警等角度切入；智慧医疗组的探究路径可覆盖AI辅助影像诊断、智能健康管理、药物研发加速、个性化治疗方案推荐、手术机器人等方向；智能制造组的探究路径聚焦工业质检自动化、预测性维护、智能仓储物流、生产排程优化、数字孪生工厂等内容；智慧金融组的探究路径包括智能风控反欺诈、智能投顾、智能客服、量化交易算法、保险理赔智能核保等；智能教育组的探究路径涵盖自适应学习系统、智能阅卷与学情分析、AI助教与数字人教师、个性化学习路径规划、沉浸式VR/AR智慧课堂等。第二阶段：跨组分享与知识整合（约20分钟）教师活动：依次邀请五个专家组进行本组成果汇报（每组不超过6分钟）。在各组汇报过程中，教师引导其他组的学生进行记录、质疑和补充，形成跨领域的知识碰撞。每次汇报结束后预留1—2分钟的互动问答时间，鼓励其他组提出拓展性问题或挑战性观点。教师在各组汇报的间歇进行提炼和总结，揭示各应用领域的共性特征与差异化特点，帮助学生建立“数据驱动”“算法为核心”的跨领域通用认知框架。学生活动：各组汇报员以结构化的方式呈现本组研究成果，其他组学生认真聆听并在专用记录表上填写“三大收获+一个疑问”的学习单。互动环节中，学生可针对汇报内容提出质疑、补充案例或引申思考。例如，在智慧医疗组汇报后，其他组学生可能追问：“AI诊断出错时责任如何界定？”“患者的隐私数据如何得到有效保护？”这些问题恰恰指向AI应用的伦理难点，教师可据此自然引导后续环节。设计意图：通过“专家组—原小组”的双轨协作模式，确保每个学生在有限时间内获得深入研究和广泛涉猎的双重学习体验，既锻炼了深度钻研的能力，又实现了跨领域知识的横向联通。研究指南的结构化设计引导学生系统地整理相关知识，培养信息整理与归纳提炼的信息素养。跨组汇报与互动问答培养学生的表达能力和思辨能力，在全班范围内构建知识共建的学习生态。（三）原理深化——AI应用背后的技术逻辑（约30分钟）此环节为本课的核心难点突破阶段，重点揭示不同应用场景背后共享的技术原理与算法思维。教师活动：以智慧交通组的“实时路况预测”和智慧医疗组的“智能影像诊断”两个典型应用为切入点，引导学生抽象出AI解决问题的一般范式。利用多媒体课件展示“数据驱动解决问题四步法”：【思维方法】第一步：问题定义与数据采集——清晰地定义要解决的问题属于分类、回归还是聚类任务，并收集与问题对应的标注数据或未标注数据。第二步：数据预处理与特征工程——对原始数据进行清洗、归一化、编码等处理，从原始数据中提取或构建能够有效表征问题的特征向量。第三步：模型选择与训练——根据问题类型选择适当的机器学习算法（如用于图像识别的卷积神经网络CNN、用于序列数据的循环神经网络RNN、用于推荐系统的协同过滤等），利用训练数据迭代优化模型参数。第四步：模型评估与部署——使用测试数据评估模型在未知数据上的泛化能力，将达标的模型集成到实际应用系统中，形成“数据输入—模型推理—结果输出”的闭环服务。以“手写数字识别”为例进行微型演示实验。教师使用预先准备的Python代码，在课堂上实时演示从MNIST数据集加载数据、构建一个简单的神经网络模型、训练模型并测试识别准确率的完整流程。代码运行过程中，教师同步讲解每个步骤的技术含义，让学生直观地看到“模型是如何从数据中学习的”。在演示中引导学生思考：“如果训练数据只有0—5六个数字的样本，模型能否识别出9？”“如果训练数据中绝大部分是写得工整的数字，那么潦草字迹的识别准确率会受到什么影响？”通过这些诘问，自然引出数据偏差和算法偏见的议题。随后，教师展示一组对比图片：同一张肺部的CT影像，左边显示AI辅助诊断系统标记出的疑似结节区域（绿色框标记），右边是无AI标记的原图。引导学生讨论：“AI在这里起的是什么作用？是替代医生还是辅助医生？”通过讨论明确：当前大部分AI应用处于增强智能阶段，目标是辅助人类提升效率和质量，而非完全取代人类决策，特别是在高风险的医疗诊断场景中，AI的输出需要经过专业人员的审核把关。学生活动：跟随教师的讲解和演示，在个人计算机上打开一个在线的手写数字识别体验网站，亲自尝试在画板上书写数字0—9，观察模型的识别反馈。学生尝试书写不同风格（工整、潦草、倾斜、笔画缺失）的数字，感受数据分布对模型识别效果的影响。小组讨论：“如果你要训练一个识别手写邮政编码的AI模型，你认为训练数据需要满足哪些条件？”设计意图：通过原理剖析与动手体验相结合的方式，破除学生对AI技术的“神秘感”，帮助学生建立起对数据驱动范式的本质理解。微型代码演示让学生在可感知的层面上理解机器学习的工作流程，为后续选择性必修模块中“典型算法实现和简单智能系统开发”的教学预设认知基础。-通过设置反事实问题和对比分析，培养学生的批判性思维，为伦理议题的引入埋下伏笔。（四）拓展延伸——智能体（AIAgent）的前沿应用（约20分钟）随着大模型技术的突破性发展，AI应用正在超越传统模式训练，进入以智能体（AIAgent）为代表的自主决策和任务执行新阶段。本环节顺应技术发展前沿趋势，将教学内容向智能体方向适度延伸。教师活动：引导学生比较“传统AI模型”与“AI智能体”的差异。传统AI模型通常接受一个输入、给出一个输出（如输入一张图片、输出一个标签）。而AI智能体具备更强的自主性：它不仅能够理解复杂指令，还能够自主规划行动步骤、调用外部工具（如浏览器、计算器、API接口）、执行多步骤任务，并在过程中根据反馈调整策略。以表格形式对比展示两种范式的特征，帮助学生建立清晰的认知区隔。介绍当前代表性的AI智能体应用。2025年3月，Monica发布了全球首款通用型AI智能体Manus，其具备复杂任务自主处理能力，能够完成筛选简历、旅行规划、股票分析等任务。-2025年1月，OpenAI发布了人工智能体产品Operator，用户只需简单描述需求，该智能体即可模拟人类操作计算机的能力完成在线订餐、购买机票等任务。-这些突破标志着AI应用正在从“辅助工具”向“自主执行者”演进，2025年被称作“智能体元年”，2026年则进入“智能体共生时代”。-与此同时，AI智能体在教育领域的应用也日趋丰富，以西城区为例，该区联合北京邮电大学、科技企业，在中小学落地了28个场景化智能体，覆盖90所试点学校。-高德联合鲁山一高推出了专属校园AI智能体，支持自然语言交互，实现课表与地图联动，打通实验室、教室和场馆等教学服务点位的预约系统，实现教学管理可视化。-播放一段1—2分钟的AI智能体视频演示（选自公开的科技新闻报道片段），展示智能体如何理解用户提出的复杂需求并自主完成多步骤操作。引导学生思考：“智能体的出现将如何改变人机协作的模式？当AI能够自主执行任务时，人类的核心价值将如何重新定义？”学生活动：以“如果我有一个AI智能体，我希望它帮我完成什么”为话题展开小组讨论，每组提出2—3个有创意的智能体应用设想。各小组在全班分享最具创意的一个设想，并分析实现这个设想需要智能体具备哪些关键能力（如信息检索能力、工具调用能力、跨系统协调能力、记忆与规划能力等）。教师对学生的设想进行点评和归因，总结出智能体能力需求的共性特征。设计意图：将教学内容延伸至AI发展的最前沿，让学生感知技术发展的脉搏，激发对未来人机协作形态的想象与思考。通过智能体概念的引入，帮助学生打破“AI只是被动响应工具”的认知局限，建立对AI发展阶段的全面认知，为适应未来智能社会做好心理和能力准备。同时，在学生提出智能体应用设想的过程中，教师需有意识地引导学生关注“哪些任务应该交给AI”“哪些决策必须由人类做出”等价值判断问题，形成对AI能力边界的理性思考。（五）思辨探讨——AI应用中的伦理挑战与责任边界（约25分钟）本环节是本课的价值升华部分，也是落实信息社会责任素养的关键环节，引导学生从技术狂热中回归理性思考。教师活动：创设三个思辨议题，以小组辩论或角色扮演的方式展开讨论。议题一（隐私与便利的权衡）：智慧医疗需要大量患者的医疗数据来训练准确的诊断模型，但这些数据涉及个人敏感信息。如果数据匿名化处理后用于模型训练，你支持吗？你的取舍标准是什么？任务场景：假设你是一家医院伦理委员会的成员，有一家科技公司希望使用本院的影像数据训练AI诊断模型，对方承诺数据匿名化处理且模型仅用于医院内部辅助诊断。你会批准吗？需要附加哪些条件？通过这一角色扮演，引导学生逐步构建数据使用的伦理审查框架，体验在多方利益之间进行伦理权衡的思维过程。议题二（算法公平与社会正义）：某招聘公司使用AI筛选简历，模型根据历史录用数据学习，而历史数据中存在性别偏见（某个岗位过去录用的男性远多于女性）。结果模型倾向于给男性候选人更高的评分。这是模型的错还是数据的错？如何纠正？引导学生理解算法偏见可以通过技术手段部分缓解（如数据重采样、公平性约束嵌入等），但根本性的解决方案需要社会制度和组织文化的协同改进。AI系统的公平性不仅仅是一个技术问题，更是一个涉及伦理、法律和社会的综合治理问题。议题三（责任归属与问责机制）：自动驾驶汽车在紧急情况下必须在“保护车内乘客”和“保护路上的行人”之间做出选择。如果AI系统做出了一个决定并导致了伤害，责任应该由谁承担？是汽车制造商、软件开发者、车主，还是AI系统本身？通过这个经典的“电车难题”AI版本，引导学生思考自主智能系统的责任链问题，理解AI治理中“可解释性”与“可追责性”的核心要求。议题四（生成式AI与学术诚信）：《中小学生成式人工智能使用指南（2025年版）》明确禁止AI替写作业与考试，但在日常学习中，学生可以使用AI辅助写作的思路启发、资料检索和语言润色。-如何把握“用”与“学”的边界？教师应引导学生从自身学习实际出发，建立清晰的使用规范。在讨论过程中，教师适时引入教育部关于数据安全与隐私保护的规范性要求：AI教育应用中，数据安全与隐私保护被置于高度优先位置，数据采集和使用须遵循最小必要原则与知情同意机制。-引导学生认识到：技术应用必须在法律和伦理框架内进行，科技向善不只是一个口号，而是需要落实到具体行动中的职业伦理要求。学生活动：以小组为单位选择一个最感兴趣的议题进行组内辩论筹备（5分钟），然后每组选择一位代表在全班进行陈述（每组2分钟）。其他小组可在陈述后进行补充或反驳。每个议题讨论结束后，教师引导全班进行投票或观点统计，形成班级共识。每位学生在讨论过程中需要填写一份“我的AI伦理立场”记录表，记录自己的初始观点、辩论后的反思以及最终立场。设计意图：AI伦理教育是人工智能课程不可或缺的重要组成部分。2026年高中AI课程中，教学设计核心必须从“观察”与“拆解”进化到“建模”与“伦理决策”。-通过真实的、与学生切身相关的伦理困境，引导学生从被动接受“AI很好用”转向主动思考“AI怎么用才对”。培养学生在智能时代必须具备的伦理辨析能力和价值判断能力，落实信息社会责任的核心素养目标，帮助学生树立总体国家安全观，筑牢数字安全思想防线。-（六）实践应用——AI挑战任务（约25分钟）本环节设计为分层挑战任务，体现差异化教学理念，让不同基础和能力水平的学生都有获得感和成长空间。基础任务（全体学生必须完成）：使用教师提供的生成式AI工具（如DeepSeek、文心一言或Kimi），完成一项真实的AI辅助学习任务。主题限定为“AI赋能我的学科学习”，要求学生选择一个自己学习中有困难的学科知识点（如数学的函数图像、物理的力学分析、化学的方程式配平、英语的语法难点等），向AI提出一系列有针对性的学习辅导请求。具体流程：首先，学生明确自己在这个知识点上的具体困惑（不能笼统地问“帮帮我”，而要具体描述“我理解了XXX，但我不理解XXX”）。其次，学生尝试向AI发出至少三轮对话（第一轮描述问题和困惑、第二轮根据AI的回复进一步追问细节、第三轮请求AI用不同的方式重新讲解或举例），记录每一轮的提示词（Prompt）和AI的回答。最后，学生判断AI的回答质量——AI的解释是否帮到你？有哪些地方AI说得不够准确或不够清晰？如果有不准确之处，你怎么发现的？通过这个过程让学生体验提示工程的基本概念，理解“好的提问才能获得好的回答”，同时训练批判性阅读AI生成内容的能力。学生需要在任务记录表中完整记录对话过程和自我反思。进阶任务（学有余力的小组可选做）：选择一个AI应用领域进行原型设计。以小组为单位（3—4人），使用老师提供的简易AI服务平台（如百度AIEasyDL、腾讯AI平台体验版等“无代码AI训练平台”），完成一个微型AI应用的构建。选题方向包括但不限于：花卉识别小程序（上传花卉图片识别品种）、垃圾邮件分类器（输入邮件文本判断是否为垃圾邮件）、课堂表现评估助手（输入课堂表现关键词获得综合评分）、校园失物招领图片识别等。任务流程：数据采集（每小组至少拍摄或收集30张以上本任务所需的图片或文本数据）、数据标注（对数据进行手工分类标注）、模型训练（在平台上上传数据并启动训练）、模型测试（用新数据测试模型的准确性）、迭代优化（分析错误案例，补充标注数据再次训练）、成果展示（在组间展示和互评）。各小组需提交一份简要的项目报告，说明数据来源、训练过程、测试结果和迭代改进中的发现。教师活动：对学生的基础任务和进阶任务提供即时指导和过程性评价。对于基础任务，教师巡视观察学生与AI的对话过程，适时提醒学生注意提示词的完整性和具体性，发现优秀对话案例可现场展示并点评。对于进阶任务，教师在学生数据标注和模型训练过程中提供技术支持，引导学生从模型测试结果中发现规律（如“为什么模型总是把白色的花识别成百合”“为什么只有正面拍摄的图片识别准确率高”），帮助学生建立“数据质量决定模型上限”的根本认知。同时，教师在巡视过程中收集典型案例（包括成功案例和有价值的失败案例），留待后续在全班进行总结分析。设计意图：通过动手实践和真实任务驱动，实现知识向能力的转化。基础任务覆盖全体学生，着重于培养学生使用AI工具辅助学习的能力和基本的提示工程素养，同时强化对AI输出内容的批判性审视能力——这是未来AI与人类协作中的核心能力。进阶任务为有能力、有兴趣的学生提供深度学习空间，其意义不仅在于让学生亲手“创造”一个AI应用，更在于通过亲身经历数据采集、标注、训练、测试的全过程，深刻理解“没有高质量数据，就没有高质量AI”这一核心原理。实践环节的设计遵循了“做中学、用中学、创中学”的改革理念，让学生在真实问题解决中发展认知与思维能力。（七）课堂小结与作业布置（约12分钟）教师活动：引导学生对本课内容进行系统回顾和结构化梳理。通过一个由师生共同完成的思维导图，将本节课的知识点按照“AI技术原理—AI应用领域—AI前沿发展—AI伦理挑战—AI实践方法”的逻辑框架进行整体呈现。在绘制思维导图的过程中，教师通过提问引导学生主动提取和归纳，而不是教师单向灌输。例如：“今天我们学习了AI在五大领域的应用，大家还记得是哪五大领域吗？各自最核心的一个应用案例是什么？”“从这些案例中，我们抽象出了AI解决问题的四步流程，谁能完整复述并举例说明？”“关于AI智能体，它与传统AI模型最大的不同是什么？”“今天我们讨论了哪些伦理问题？在面对AI应用时，我们应该坚持哪些基本原则？”通过这一系列的回顾提问，检验学生的学习效果，查漏补缺，巩固核心知识。教师结合教学评价数据进行简要小结。当前人工智能应用正处于从“可用”到“好用”、从“试点”到“标配”的关键跨越期。-AI技术正全面渗透到社会生产生活的方方面面，催生了社会和产业发展的一系列深刻变革。-作为新时代的高中生，我们不仅要了解AI、会使用AI，更要理性地看待AI、负责任地使用AI，在享受技术红利的同时坚守伦理底线，成为具有批判思维和人文关怀的数字公民。教师总结本课的核心育人价值：“AI是工具而非目的，人才是技术的尺度。”作业布置分三个层次：必做作业：完成一份《AI应用观察日志》。具体要求：在日常生活中持续观察并记录至少3个AI应用场景（每个场景需包含应用名称、解决的问题、你观察到的使用效果、你的评价和建议），用一周时间完成观察记录并提交简短的文字报告（每场景不少于200字）。作业意图是强化课堂学习与实际生活的联结，培养学生持续关注技术发展的学习习惯。选做作业：以“我眼中未来五年的AI生活”为主题，创作一份具有前瞻性和创造性的作品。形式不限，可以是科技小论文（800—1500字）、科幻故事（1000—2000字）、绘本（不少于6页）、短视频（2—3分钟）、漫画（不少于4格）、交互式网页等多元形式。鼓励跨学科融合，可结合自己的兴趣特长选择最适合的表达方式。作业评分标准包含三个维度：想象力的新颖性（30%）、技术合理性的可信度（40%）、表达形式的美观与完整性（30%）。小组合作作业（承接大项目驱动任务“AI智囊团”）：各小组选择校园或社区中的一个真实问题进行深入调研，完成问题诊断报告。选题示例包括“校园食堂就餐高峰期的排队优化方案”“校园垃圾分类的智能化改进”“晚自习学习效率的提升策略”“寝室区公共自习室的座位管理系统”“社区老年人使用智能设备的困难与对策”等。报告中需包含：问题描述与数据收集（通过观察、访谈或问卷收集至少10份数据）、AI解决方案的初步设想（说明可以应用哪些AI技术解决该问题）、预期效果与社会效益分析、可能面临的风险与应对策略。本项作业的成果将作为后续“AI智囊团项目路演”的基础素材，选取得分最高的小组方案可推荐给学校相关部门参考实施。通过真实项目的牵引，激发学生学以致用的成就感和社会责任感。八、教学评价设计本课采用“教学评一致性”的多维评价体系，将过程性评价与终结性评价有机结合，全面反映学生在知识掌握、能力发展、思维品质和价值观念四个维度的学习成效。（一）过程性评价（权重60%）。包含参与度评价（10%）：课堂小组讨论和头脑风暴中的主动发言情况、倾听和回应他人观点的态度；专家组研究成果评价（15%）：研究简报的结构完整性、案例分析的深度、汇报展示的表达质量；实验体验评价（10%）：手写数字识别体验的实验记录完整度、对实验结果的分析思考深度；思辨讨论评价（15%）：在伦理议题讨论中的观点表达质量、对不同观点的开放和包容态度、在小组内的协作贡献度；实践任务评价（10%）：AI辅助学习任务的完成质量、提示词设计的合理性、对AI输出的批判性评价能力。（二）终结性评价（权重40%）。以课后作业为主要载体，评价维度包括：AI应用观察日志的真实性和观察深度（15%）；选做作品的创意性、技术合理性与完成质量（15%）；小组项目问题诊断报告的完整性和可行性（10%）。（三）核心素养达成度观测点。教师在教学过程中通过以下观测点评估核心素养的达成情况：信息意识——学生能否主动将课堂学习与日常生活经验关联，能否敏锐捕捉和分析身边的新型AI应用；计算思维——学生能否从AI应用案例中提取数据驱动的基本分析框架，能够用算法语言描述AI系统的工作逻辑；数字化学习与创新——学生能否有效使用AI工具辅助学习，能否在实践任务中表现出与AI协作解决问题的意识和能力；信息社会责任——学生在伦理议题讨论中能否表达出对隐私、公平、安全等价值的关切，能否在分析AI应用时兼顾技术可能性和伦理约束。评价结果以等级制（A优秀、B良好、C合格、D待改进）呈现，并附有针对性的质性评语。对能力突出或有创新表现的学生，在“创新分”栏目中给予额外加分认可，充分调动全体学生的学习积极性。九、板书设计主黑板左侧区域：“AI应用全景图”，以六大应用领域（智慧交通、智慧医疗、智能制造、智慧金融、智能教育、其他前沿）为第