高中信息技术（必修一）核心素养导向教学设计：从历史走向未来-人工智能的发展历程

高中信息技术（必修一）核心素养导向教学设计：从历史走向未来——人工智能的发展历程

一、单元教学整体设计分析（一）课标依据与内容定位【核心素养】依据《普通高中信息科技课程标准（2017年版2025年修订）》的要求，本课属于“数据与计算”必修模块中“人工智能初步”单元的开篇内容。新课标将逻辑主线从原有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、人工智能六条主线，其中“人工智能”作为独立主线贯穿小初高各学段。-1在教学体系中，高中阶段学生对人工智能的学习应从历史发展规律出发，建立对人工智能技术演进路径的系统认知，形成计算思维、数字化学习与创新、信息意识和社会责任等核心素养。-1【重要】本课的教学定位为“承上启下”——既是对前面数据与算法知识的综合应用，也为后续学习人工智能基本原理、典型算法和应用开发奠定认知基础。课程内容体现了从“信息科技”到“科学素养”的深刻转型，重在引导学生理解人工智能不仅是一系列技术工具，更是一种改变世界的科学范式。-2（二）学情分析本课教学对象为高中一年级学生。经过初中阶段信息科技课程的学习，学生已经对计算机基础、网络应用有初步认识，具备基本的信息素养。然而，高中生在面对人工智能这一高度抽象、交叉学科的前沿领域时，普遍存在三个认知痛点：一是对人工智能“是什么”存在模糊甚至错误的直觉认识，容易将AI简单等同于机器人或某个App；二是对人工智能发展历程缺乏系统了解，不清楚技术从何而来、向何处去；三是对人工智能技术背后的伦理与社会影响缺少深入思考。-1与此同时，当代高中生作为数字原住民，日常生活中已经大量接触人工智能应用——刷脸解锁、语音输入、智能推荐等。这种丰富的感性经验为教学提供了宝贵的起点，但需要教师帮助学生从“知其然”走向“知其所以然”，从工具的被动使用者成长为技术的有思想的理解者和建设者。（三）跨学科融合设计【学科融合】本课在中国要融入数学、历史、哲学、神经科学等多学科视角。在数学维度，引导学生理解算法与概率统计在机器学习中的基础作用；在历史维度，结合科学技术史的发展脉络，理解技术演进中的关键转折点；在哲学维度，引入对“智能本质”“人机关系”的思考；在神经科学维度，理解人工神经网络对生物神经系统的模拟灵感。这种跨学科设计旨在帮助学生建立宽广的科学视野，体会人工智能作为“科学中的科学”的学科本质，落实新课标中“做中学、用中学、创中学”的理念要求。-1二、教学目标设计（核心素养导向）【重要】依据新课标核心素养框架，本课设定四大教学目标：（一）信息意识维度。学生能够列举人工智能发展历程中的关键节点与标志性成果，辨析不同时期人工智能研究的主要范式特征，体悟技术发展与社会需求的互动关系，增强理解技术发展规律的信息意识。（二）计算思维维度。学生能够从“问题定义—方法选择—求解过程”的视角理解人工智能核心问题——如何用计算模拟智能，初步建立用计算思维审视智能现象的意识。（三）数字化学习与创新维度。学生能够通过查阅资料、分析案例等方式，主动获取人工智能发展的前沿信息，对人工智能的发展趋势形成自己的见解，培养数字化时代主动学习与创新的能力。（四）信息社会责任维度。学生能够识别人工智能技术在发展过程中呈现的伦理困境与社会争议，形成科学看待技术发展的理性态度，理解科技向善的价值观，培养正确的信息社会责任感。三、教学重难点分析【重要】【难点】教学重点为人工智能发展的三次历史浪潮及其核心特征，包括符号主义、联结主义、行为主义三大范式的基本内涵、代表人物与标志性成果。【重要】【难点】教学难点为帮助学生理解从“符号主义”到“联结主义”再到“行为主义”的范式转换背后的技术逻辑与哲学思考，特别是深度学习如何突破传统机器学习的瓶颈，以及大语言模型带来的通用人工智能可能性。四、教学方法与策略本课采用“问题链驱动+案例分析+小组探究”三位一体的教学策略。以“人工智能从哪儿来、到哪儿去”为核心驱动问题，设计层层递进的问题链，引导学生在问题解决过程中自主建构知识。教学方法的具体设计包括：第一，情境导入策略。选取与学生生活密切相关的AI应用场景，创设认知冲突，激发学习动机。第二，时间轴精讲策略。以时间线为骨架，精选关键历史事件进行精讲，确保学生在有限时间内把握发展全貌。第三，对比分析策略。通过三次AI浪潮和三大研究范式的对比表格，帮助学生建立结构化的知识图谱。第四，项目式学习策略。设计探究任务——“假如你是2036年的AI历史研究者，请你绘制一份AI百年发展时间轴并撰写研究报告”，将本课所学延伸至课后深度学习。-1五、教学准备教师准备：制作包含关键历史人物照片、重大突破时刻影像资料的多媒体课件；准备“人工智能发展里程碑”学习任务单；收集近年媒体关于AI重大进展的新闻报道短视频，展现AI发展的时代脉搏；设计小组合作探究的学习支架材料。学生准备：课前收集身边的人工智能应用案例，准备在课堂上进行分享交流。六、教学过程设计（一）课堂导入环节（约5分钟）【核心素养】教师活动：播放一段约90秒的“AI改变生活”短视频，画面中快速展示人脸识别、自动驾驶、AI绘画、智能对话机器人等学生熟悉的AI应用场景。视频结束后，教师提出问题：“同学们，刚才看到的这些神奇应用，背后都依赖同一种技术——人工智能。但是大家想过没有，人工智能是什么时候诞生的？它经历了怎样的发展历程才走到今天？如果把AI的发展比作一个人的成长，它现在大概几岁？经历了哪些重要的‘人生转折’？”学生活动：观察视频内容，结合自身体验分享生活中的人工智能应用案例，表达对人工智能发展历程的好奇与初步猜想。师生互动：教师对学生的分享给予积极回应，收集学生对AI发展历程的“前概念”，为后续教学提供起点参照。设计意图：以贴近生活的真实情境创设认知需求，使抽象的“发展历程”主题转化为鲜活的认知挑战。（二）新知建构环节（约25分钟）子环节一：人工智能的“史前时代”——计算与智能的源头（约6分钟）【基础】教师精讲：人工智能的故事并非从1956年开始。在人工智能正式诞生之前，人类经历了漫长的思想准备和技术积累。教师从三个维度展开：其一，数学与逻辑的突破。19世纪英国数学家布尔创立了布尔代数，为计算提供了逻辑基础；20世纪初希尔伯特提出形式化数学梦想，哥德尔的不完备性定理揭示了形式系统的界限，图灵则在1936年提出可计算性理论，确立了通用计算机的理论模型——图灵机。其二，控制论与生物学的交汇。维纳提出控制论，揭示了机器与生物体在信息与控制方面的共性，为后来行为主义人工智能方向提供了思想源泉。其三，现代计算机的诞生。1946年ENIAC计算机问世，为人工智能提供了物质载体。教师强调：没有这些思想的积淀和技术准备，就不会有人工智能的诞生。学生活动：完成学习任务单中“AI发展前奏”知识填空，记录关键人物及其贡献。子环节二：1956——人工智能学科诞生（约4分钟）【高频考点】【重要】教师精讲：1956年夏天，在美国达特茅斯学院，麦卡锡、明斯基、罗切斯特、香农等一批年轻科学家聚集在一起，召开了一场持续两个月的研讨会——“达特茅斯夏季人工智能研究项目”。正是在这次会议的提案中，麦卡锡首次使用了“ArtificialIntelligence”（人工智能）这个术语，标志着人工智能作为一门独立学科正式诞生。-31教师呈现达特茅斯会议的珍贵历史照片，指出与会者当时平均年龄不到30岁——最年轻的明斯基才29岁，香农最年长也不过40岁。这一细节意在向学生传达：科技创新往往是由年轻人推动的，AI领域至今仍然是一个充满活力、不断吸引年轻人投身其中的前沿阵地。学生活动：记录人工智能诞生的标志性事件——1956年达特茅斯会议及其重要意义。子环节三：AI发展的三次浪潮与三大主义（约15分钟）【核心素养】【高频考点】将分三段讲解AI发展史上三次起伏，同时融入三大研究范式的辨析。第一浪潮：符号主义主导的黄金时期（1956—1974）教师讲解：达特茅斯会议后，人工智能研究迎来第一个繁荣期。以麦卡锡、明斯基、纽厄尔、司马贺为代表的符号主义学派占据主导地位。符号主义认为，智能的本质是符号操作，可以把人类的知识用逻辑规则表达出来，输入计算机，计算机就能像人一样“推理”出结论。这一时期涌现了通用问题求解器、第一个聊天机器人ELIZA、早期专家系统等标志性成果。-56然而，到1970年代初期，符号主义的局限逐渐暴露：真实世界的知识难以完整编码，知识获取成为瓶颈，“常识”问题无法解决，加上英国发表报告对AI研究提出严厉批评，导致政府削减经费，AI进入第一个寒冬。第二浪潮：专家系统与知识工程的复兴及其后的冬天（1980—1987）教师讲解：1980年代，以费根鲍姆为代表的专家系统带来了AI的第二次繁荣。专家系统将某个领域专家的知识编码为规则库，配合推理引擎解决特定问题，如医疗诊断、化学结构分析等，在一些限定领域取得了实用化的突破。-56美日等国投入巨资开展大型AI研究计划。教师结合时代背景说明：日本启动“第五代计算机”计划的目标，正是要制造能够理解自然语言、进行推理的智能机器。但知识获取仍是大难题——把专家的经验转换为计算机可用的规则费时费力，且难以跨领域迁移。1980年代末，专家系统高昂的成本与实际性能之间的巨大落差，以及对技术预期过高导致的“AI冬天”，使第二次繁荣迅速冷却。第三浪潮：机器学习与深度学习的大爆发（1990年代至今）教师讲解：当用规则“教”机器的道路走不通时，科学家们开始思考另一种思路：不让机器硬背规则，而是给它大量数据，让它自己从中学习。这就是机器学习的核心思想。教师在白板上画出“数据输入—特征提取—模型训练—结果输出”的流程图，向学生说明：你刷短视频时平台如何给你推荐内容？你拍照时手机怎么识别人脸？背后都是机器学习的力量——系统从海量用户行为和图像数据中自主学习规律，不需要人工逐一告诉它每条规则。1990年代，支持向量机等统计学习方法崭露头角。但真正的突破要等到21世纪——随着互联网产生海量数据、GPU提供强大算力，以及多层神经网络训练技术取得突破，深度学习从学术边缘走向舞台中央。-20教师展示2012年AlexNet在ImageNet图像识别竞赛中夺冠的关键成就。以大幅超越第二名的优异成绩，AlexNet让学界猛然意识到：也许通往真正智能的道路不只是规则和逻辑，真实世界面前“看得见、摸得着的能力”同样重要。-20由此引发深度学习热潮。此后短短几年间，卷积神经网络CNN家族不断刷新视觉任务的纪录，长短期记忆网络攻克了序列数据中的长期依赖难题，生成对抗网络创造出前所未有“以假乱真”的合成内容，到2017年Transformer架构横空出世，直接拉响了大模型时代的序曲。教师以板书形式总结三大研究范式：符号主义（用逻辑规则模拟推理）、联结主义（用神经网络模拟学习）、行为主义（用交互反馈优化行为）。-56子环节四：当代人工智能的前沿格局（补充为下课或本课结尾部分，具体内容见第九部分“拓展延伸”）（三）师生互动与小组探究环节（约8分钟）【思维方法】教师提出小组合作探究问题：“假如你是2036年的AI历史研究者，你要为‘AI百年发展史’撰写一份研究报告，你会选择哪三个最关键的历史节点？为什么？请结合本课所学内容，在小组内展开讨论。”学生活动：分小组展开讨论，每组选出一个代表阐述本组观点。教师在各小组间巡回指导，引导学生从技术突破、社会影响、范式转换等多角度进行评析。教师总结点评：肯定学生思考成果，引导学生认识到——不同的选择反映了不同的理解视角，这恰恰说明科技史研究本身就蕴含着丰富的价值判断。（四）巩固提升与作业布置环节（约2分钟）当堂检测：设计两道选择题快速检测核心知识掌握情况：①标志着人工智能学科正式诞生的是哪一事件？②深度学习的核心思想是什么？③第三次AI浪潮兴起的关键推动因素有哪些？课后拓展作业：【基础】【课后作业】学生完成分层作业：基础层——绘制AI发展时间线思维导图，简洁列出三次浪潮的关键时间与事件；进阶层——选取AI发展史上一位关键人物，撰写300字左右的人物小传；挑战层——以“人工智能的下一个十年”为题撰写一篇观点短文。七、板书设计（中心标题）人工智能的发展历程（一）AI前奏：图灵测试—达特茅斯会议（二）三大浪潮：①1956—1974：符号主义高飞，逻辑规则主导，两次陷入寒冬；②1980—1987：专家系统复兴，知识工程落地，随后再次寒冬退潮；③1990s至今：机器学习崛起，深度学习爆炸，大模型领军走向通用智能。（三）三大范式：符号主义（规则推理）—联结主义（网络学习）—行为主义（交互反馈）。八、教学评价与反思（一）过程性评价本课采用多元过程性评价方式。课堂发言评价：从回答问题的准确性、思考的深度、表达的清晰度三个维度进行即时评价；小组合作评价：从参与度、合作能力、创新贡献三个维度进行组内互评和教师评价；学习任务单评价：检查任务单完成情况，重点关注核心概念记录的准确性和完整性。-1（二）终结性评价通过课后作业和下一课的小测验进行终结性评价，重点考查学生是否建立起了人工智能发展的整体认知框架，能否准确识别各发展阶段的关键特征及其内在联系。（三）课后反思要点教师应在课后重点反思以下问题：学生在理解“三次浪潮及其背后的范式转换”这一主线时是否存在困难？小组探究活动中学生参与度是否均衡？跨学科融合设计是否自然有效而非生硬拼贴？课堂节奏控制是否合理，信息技术与教学深度融合的达成度如何？九、拓展延伸（前沿视野与学科融合）【拓展延伸】【热点】当代AI已远超二十世纪先驱者的想象。2024年诺贝尔物理学奖授予了以人工神经网络基础工作著称的霍普菲尔德和辛顿，化学奖则授予了AI预测蛋白质结构的顶尖团队——诺贝尔奖本身就在宣告：人工智能不再是纯粹的计算工具，它正在成长为一种独立的科学范式。-2026年初，北京智源研究院发布《2026十大AI技术趋势》，明确指出：AI的演进“正经历从追求参数规模的语言学习，迈向对物理世界底层秩序的深刻理解与建模”。空间智能不可再止步于观察，而要“进入真实环境并参与操作”；多智能体之间也需要一套通用“语言”；模型不光生成文字，更要作为“AI科学家”去动手做实验、发现规律。-13量子计算与深度学习的结合、具身智能突破实验室落地现实、物理智能元年概念——这些正为下一轮技术革命积蓄无穷后劲。教师向学生强调：你们不仅仅是AI技术的见证者，更将是未来的建设者、推动者和治理者。在人工智能法治领域，世界格局同样日新月异。欧盟《人工智能法案》（EUAIAct）经过数年磋商，其核心高风险系