高中信息技术必修模块教学设计：《AI信息处理：从“感知能力”到“智慧赋能”的人工智能应用探究》

高中信息技术必修模块教学设计：《AI信息处理：从“感知能力”到“智慧赋能”的人工智能应用探究》

一、指导思想与理论依据本教学设计以《普通高中信息技术课程标准（2017年版2023年修订）》和《义务教育信息科技课程标准（2022版2025年修订）》的修订精神为指导，严格遵循“立德树人”根本任务，全面落实信息意识、计算思维、数字化学习与创新、信息社会责任这四大核心素养的培养要求。2025年修改版课程标准明确将课程定位从“技术工具教学”升级为“国家战略育人载体”，强调将核心技术自主意识、数据安全素养融入教学，引导教师在教学中以类比、探究等方式，让学生全面认知人工智能-1。本课在教学理念上充分体现“做中学、用中学、创中学”的课改理念，在教学设计上贯彻“大单元教学”和“项目式学习”的课程改革方向。本教学设计还参照了教育部等五部门2026年4月联合印发的《“人工智能+教育”行动计划》的总体要求。该计划明确在基础教育阶段要确保开齐开足开好人工智能相关课程，着力培养学生智能思维，提升学生智能素养，激发学生好奇心，培养创新思维，提高认知思考和解决复杂问题的能力-30。教学设计以育人为本、素养为先、应用导向、智能向善为基本遵循，引导学生科学认识、合理利用智能技术-59。本课属于高中信息技术必修课程“人工智能基础”模块的核心内容，在“大概念”教学理念下，聚焦“信息处理”这一人工智能能力主线的核心技术支撑。二、教学内容分析【内容定位】本课内容是“人工智能基础”模块中承上启下的关键一节课。学生在前面两课中已经初步了解AI的起源、发展、基本概念及其与人类社会的关系，建立了人工智能的初步认知。本课进入人工智能核心技术能力的第一站——“信息处理”，这是理解AI从数据输入到智能输出整个闭环必须突破的核心关口。后续课程将围绕机器学习、神经网络、生成式AI推理等更深入的内容展开，因此本课在知识链条中发挥着“从感性体验到理性认知”的桥梁作用。【核心知识框架】本课围绕以下四个维度梯次展开：维度一，人工智能信息处理的“三维基石”——数据、算法与算力。南京高中信息科技教学研究课的实践表明，以“AI能力=数据×算法×算力”为核心公式来构建系统认知框架，能够有效帮助学生建立AI技术的宏观视野与微观理解-11。维度二，AI感知系统的工作原理——从数据采集到特征提取。维度三，AI认知与决策的形成机制——从模式识别到概率输出与最终决策。维度四，信息处理赋能典型案例剖析——以多模态大模型、AI智能助手的真实应用场景为案例进行剖析。这四个维度既体现了由浅入深、由易到难的认知规律，也遵循了“基本概念建立→基本原理讲清→基本方法教会”的教学逻辑。【【重要】教学重点】（1）人工智能信息处理“数据＋算法＋算力”三层架构的建立；（2）AI信息感知与认知的基本工作流程；（3）AI信息处理技术的多模态融合特征。【【难点】教学难点】（1）抽象的数据标注、特征提取与机器学习算法之间的逻辑关系在有限课时内被学生真正理解；（2）生成式AI在处理信息时的非确定性输出逻辑。【【易错点】常见认知偏差】学生易将人工智能与“全知全能”划等号，或过度夸大AI的实际能力，而忽视了AI系统在信息处理中始终依赖海量预训练数据和预定义规则框架的局限性，这是教学中需要着重澄清的认知盲区。三、学情分析本课面向高一年级第二学期学生（约16—17岁），学生已完成初中阶段信息科技课程基础模块的学习。在认知发展和学习心理层面，其抽象逻辑思维能力已达到一定水平，具备较强的探究欲望和合作学习能力；但同时，他们对人工智能的理解多停留在现象体验层面，对底层的技术逻辑知之甚少。学生在前两节课已了解人工智能的定义与发展历程，但普遍将AI视为一个“黑箱”，对其内部工作机制缺乏系统认知。部分学生已在大语言模型（如文心一言、通义千问等）的使用中有了初步体验，但基本停留在信息查询和简单问题解答层面，缺乏对这些AI工具“如何做到这一点”的追问和思考。好奇心集中在AI能否像人一样思考，亟待教师从信息处理的底层原理上做深入浅出的解答。本学段学生还面临着“AI代做作业”“依赖AI完成学习任务”等行为倾向，教学中需同时强化“利用而不依赖”的态度引导。【跨学科联系素养标注意见】在学情分析环节已体现计算思维、跨学科概念的融合，后续教学中将进一步体现【学科素养】和【思维方法】的融合要求。四、教学目标（核心素养导向）1.【核心素养：信息意识】能够从信息处理的角度认识人工智能的本质特征，理解人工智能技术对个人学习、生活和未来发展的影响与价值。2.【核心素养：计算思维】能够运用数据、算法与算力的抽象框架分析人工智能信息处理的完整过程，掌握将复杂AI工作流程分解为数据输入、信息处理、结果输出三个阶段的基本方法。3.【核心素养：数字化学习与创新】能够使用人工智能工具（如大语言模型、图像识别平台等）完成指定信息处理任务，并在实践过程中对工具输出的信息进行筛选、整合与二次加工，形成符合自身需求的产出。4.【核心素养：信息社会责任】能够客观认识人工智能信息处理的优势和局限性，养成审慎使用AI工具、辩证看待AI输出的态度；培养数据安全和隐私保护意识，认识到“智能向善”的技术伦理底线。【目标层次说明】认知层面：理解人工智能信息处理的基本原理与流程；技能层面：能够运用AI工具独立完成简单的信息处理任务；情感态度层面：形成对人工智能技术的科学态度与伦理意识。五、教学重难点【教学重点】（1）人工智能信息处理全过程框架的建构，即“数据采集→信息理解→分析决策→结果输出”流程图的内在逻辑关系；（2）数据、算法、算力等核心概念在信息处理不同阶段的角色识别；（3）多模态融合信息处理的基本概念——理解大模型如何处理文本、图像、音频等多种信息类型。【教学难点】（1）机器学习“从训练到推理”两大阶段的信息处理差异，理解“为什么AI需要预先学习”；（2）对“概率思维”主导的AI信息处理逻辑的抽象理解——AI回答不是背诵而是概率计算的结果。六、教学策略与资源准备【教学方法】采用项目式学习、问题驱动教学法（PBL）、类比教学法（将抽象概念与日常生活建立关联）、小组合作探究法以及示范演示法相结合的综合教学策略。以“解锁AI的大脑：智能信息处理的秘密”为总项目驱动，围绕“AI如何像人类一样处理信息”这一核心问题，设计分层次的探究任务链。在教学推进中，坚持“科”“技”并重的课程定位，既讲清楚科学原理，也立足工程实现，通过实践操作让学生在“做中学、用中学、创中学”中深化对原理的理解-2。【教学手段】依托数字化教学平台、在线AI体验平台、多模态AI模型演示工具、数据标注交互网页，配合小组讨论板、学习任务单进行教学。为满足差异化教学需求，提供项目任务的基础版与拓展版两个层次任务。【教学环境】多媒体计算机网络教室（每个学生一台联网终端，安装主流浏览器）、教师演示端具备高清显示及教学广播系统。七、教学过程设计（一）创设情境·激趣导入（5分钟）教师活动：播放一段约2分钟的AI多模态能力展示视频——视频中呈现AI实时识别图像中的物体并将识别结果自动转为文字描述、再根据文字描述生成AI语音，同时展示AI对图像内的场景进行逻辑推理（如识别出“厨房里有一个人在切菜，菜刀朝着砧板的方向，推断出场景风险”等）。观看结束后向学生提出问题：“你看到视频中AI系统在完成一个复杂任务时，从接收到图像像素到做出安全风险判断，中间究竟发生了什么？”引导学生分组快速讨论并派代表发言。学生活动：观察视频内容并分组讨论AI完成任务的全过程可能包含哪些步骤，记录各组的关键想法，推举代表发表见解。设计意图：通过震撼性的多媒体演示激发学生好奇心，将抽象的AI内部工作机制转化为具象的“感知—理解—决策”流程观察。这个过程帮助学生从AI功能的外部感知过渡到对信息处理机制的内在追问，同时诊断学生对AI工作原理的前概念水平，为后续教学活动提供精准的起点定位。（二）探究一：拆解AI大脑——人工智能信息处理的“三层基石”（12分钟）【基础核心概念建构】教师活动：以“AI能力＝数据×算法×算力”为核心公式切入-11。通过板演与多媒体教学，系统阐述三个核心概念的内在逻辑：（1）数据——AI的“认知养料”。展示数据标注前后的对比图片：左图是原始未标注的道路监控图像，右图是在相同图像上用普通红框标注“行人”、用蓝色框标注“车辆”、用黄色框标注“交通信号灯”。提问：“如果给AI一幅未标注的图像，它能直接理解图像中的含义吗？”借此引出结构化与高质量数据的重要性——高质量、结构化数据是AI认知的基础。（2）算法——AI的“思维框架”。以类比法讲解：将算法比作“烹饪菜谱”，数据是“食材”。不同菜谱写出的菜肴不同，使AI能从数据中提取规律并完成特定任务。展示一个简单K近邻（KNN）算法的可视化演示——界面呈现平面散点图分布，随着用户改变K值，分类边界实时变化，直观展示分类原理。（3）算力——AI的“计算引擎”。通过视频展示传统CPU与GPU处理大量图像数据时的运算速度对比，引出算力是AI处理深度大规模数据量的物质保障。结合2026年4月五部门联发的《“人工智能+教育”行动计划》中提到建设国家教育智能算力服务平台的战略部署，体现国家战略层面对本课技术知识的宏观支撑-61。【跨学科链接】此处融入国家“东数西算”工程的战略背景知识，彰显科技自立自强。学生活动：参与互动问答环节（如基于教师提供的概念匹配连线题，在数据、算法、算力三者之间建立关联）。完成任务单中“三层架构填充表”，将教师展示的AI应用案例正确归类到相应的操作流程环节。设计意图：通过公式化框架降低学生理解门槛，将抽象的AI核心技术转化为三个可拆分理解的概念。类比法和可视化互动工具的使用，体现了深谙学情的教学智慧，使“科”与“技”在教学全过程中相得益彰、互为表里。（三）探究二：沿着流程走——AI“从输入到输出”的全链路分析（10分钟）【信息处理流程线性展开】教师活动：以“数据采集—信息理解—分析决策—结果输出”为主干，构建课堂教学的纵向流程主骨架。（1）数据采集环节：展示人脸表情采集与AI识别的教学范例。以《抓拍人脸表情瞬间——人工智能数据采集》公开课案例为例，引导学生在课堂上模拟完成简单的数据采集（如可拍摄教室内不同光照条件下的手写数字图片），完整经历数据采集、筛选与整理的全流程-2。（2）信息理解环节：演示智能化数据标注工具，将学生刚刚采集的手写数字图片逐一拖拽到标注界面进行人工标记。要求学生亲自完成至少5张图片的数据标注任务，在此过程中体会“教会AI识别”的数据标注本质——人工标注是AI认识世界的第一步。（3）分析决策环节：以一个经训练的简单分类模型为例（如识别图片中是“猫”还是“狗”），现场演示模型如何根据标注样本自主学习分类规则，对新的未标注图片进行预测判断。使用模型内部神经网络的激活热力图可视化工具，展现决策层的概率分布输出。引导学生观察AI并非直接输出二分类的确切答案，而是输出“猫的概率89%，狗的概率11%”，让学生直观理解AI以“概率思维”而非“确定性思维”执行任务。（4）结果输出环节：将模型输出的概率结果转换为文字/语音，总结信息处理全流程的运行逻辑，再次推导“AI能力＝数据×算法×算力”的系统认知。学生活动：小组合作完成数据采集与标注实操任务；利用分析决策过程的可视化界面，对模型给出的标签概率解释进行小组讨论；记录AI在分析决策中可能出现偏差和失误（如将猫误识别为狗）的实例，分析可能的失误原因。【核心素养渗透点】此探究全过程覆盖计算思维（流程分析）、数字化学习与创新（工具操作实践）、信息意识（全局认知建构）三大核心素养。（四）探究三：从专能到通用——多模态AI信息处理的变革性飞跃（8分钟）【融合前沿趋势的多模态教学模式】教师活动：承接前两个探究环节对AI信息处理原理的剖析，将视角拓展至2026年前沿科技视野。展示一张智能化信息分类图：左列2022—2024年的单模态模型（文字转文字、图像识别单一模式），右列2026年的前沿原生多模态模型（面对同一段视频可同步并行处理文本、图像、音频、3D时序等全模态信息）。引用全球AI开发者大会公布的核心技术突破——新一代多模态大模型通过跨模态对齐矩阵实现12种模态的统一表征学习。例如，在医疗场景中，多模态模型能同步解析CT影像、病理报告、电子病历三大类信息，生成综合诊断报告-20。同时引用北京智源研究院发布的《2026十大AI技术趋势》指出的“从预测下一个词到预测世界下一状态的多模态世界模型”的趋势，体现范式变革的宏大叙事背景-24。【跨学科链接：影视游戏产业AI应用案例】展示《黑神话·悟空》游戏采用AI辅助光线追踪、AINPC动态对话生成，以及VARPAgent智能体在90%的战斗场景中击败人类玩家的多模态大模型技术案例，将本课的知识内容与现实产业应用紧密对接，增强学习代入感和现实意义。学生活动：在小组讨论中辨析“单模态AI”与“多模态AI”的差异，制定一个多模态应用的创新蓝本（如设计一个能看、能听、能读、能写的AI校园助手），并在全班进行1分钟的小组创意分享。设计意图：将课内原理知识连接到前沿科技发展最前沿。这种教学模式直面2026年AI大模型范式跃迁的最新趋势——大模型正从单一对话模式向以Agent为核心的主动执行新阶段迈进-。北京智源研究院发布的2026十大AI技术趋势也明确指出“多智能体系统决定应用上限”，本环节的设计为后续关于智能体教学预留了接口-24。通过现实企业级应用案例凸显多模态信息处理的革命性，激发学生创新探究的动力，形成跨学科的综合性素养。（五）深度思辨·与AI共生——AI信息处理能力边界与技术伦理讨论（8分钟）【核心素养集中落实环节——信息社会责任】教师活动：设计一个两难问题情境：“如果你正在使用一个AI信息处理助手完成一份跨学科研究论文，AI给出了一个看似逻辑严密但引用了非权威且不准确信息的回答，你该怎么办？”以此切入“批判性思维与AI共生”的重要讨论。展示复旦大学发布的《生成式人工智能教育教学应用指引1.0版》的核心观点——“允许AI帮助学生处理信息检索、格式整理等低阶认知负荷任务，但教育的核心目标是将时间重新投向批判性思维、复杂问题解决等高阶能力的培养。”深刻解读AI工具学会利用而不依赖的核心逻辑-56。引用《AI时代学生应具备的三种能力》中的理论基础——选择判断力、深度提问力、重构创新力是AI时代学生必须着力培养的三种能力-54。【数据安全与隐私保护意识培育】结合“全国首例人脸识别民事公益诉讼案”的判罚，强调AI在数据采集和处理过程中必须遵守法律法规，摒弃“技术至上而不顾人文关怀”的错误思想。筑牢AI应用安全意识，体现立德树人根本任务在教育过程中的全面渗透。结合2026年印发的《“人工智能+教育”行动计划》中关于规范智能产品进校园管理、有效防范泄露隐私等问题的要求，强调在数据无处不在的个人数字生活中保护个人数字身份安全的重要性-61。学生活动：围绕伦理两难问题进行深度思考和小组辩论，提出个人对AI信息处理工具可靠程度的判断标准（如验证信息来源、交叉比对、人类理性核查三个步骤）。完成学习任务单中的“AI伦理自评表”。设计意图：培养学生对AI技术既开放利用又独立的批判能力，使技术应用与人文关怀之间达到合理平衡。整个讨论过程杜绝任何违反社会主义核心价值观的内容表达，坚持科学与人文教育并行。本环节也体现了高中信息技术“学科融合”“教学评一致性”的教学改革方向。（六）总结回顾与课后延伸（2分钟）【综合回顾·架构重现】教师带领学生以思维导图形式回顾本课脉络：“AI信息处理的三层基石（数据—算法—算力）→AI感知与决策的线性工作流（数据采集→信息理解→分析决策→结果输出）→多模态AI信息处理的变革飞跃→AI信息处理边界与伦理”。强化学生对AI信息处理从底层到顶层的全面认知。【分层作业设置】基础性作业——选择题：从以下三个场景中任选其一，结合流程图绘制：垃圾邮件过滤系统的信息处理流程、语音助手唤醒词检测系统的识别逻辑、人脸识别考勤机的身份验证机制。附核心概念标注。拓展性作业——开放性思考题：查阅国务院2025年发布的关于“人工智能+”行动的官方文件，结合《“人工智能+教育”行动计划》谈谈对我国中小学普及人工智能通识教育意义的认识。字数不少于500字。实践类作业——“AI工具能力极限挑战”：选择一个日常使用的大语言模型（如文心一言等），提出五个跨多模态的问题，记录AI的回答质量，写一份200字的使用体验与反思报告，体现批判性使用态度。八、教学评价设计【评价理念】本课坚持“教—学—评”一体化的评价设计理念，落实核心素养导向的多元评价体系，日常课堂的及时反馈性与可持续性学习发展并重。【过程性评价】（权重60%）：（1）探究一、探究二的实操任务及任务单完成情况，包括数据标注进行质量评分、算法可视化操作体验报告等（占20%）；（2）课堂互动参与评价，包括小组讨论活力、问题探究深度、信息工具使用规范性（占20%）；（3）深度思辨环节观点阐发言论质量及伦理判断合理性（占20%）。【终结性评价】（权重40%）：基础性作业完成度评价（基础知识、基本概念掌握程度）与拓展性作业、实践类作业的综合评定相结合。【评价标准】：（A）优秀（85分以上）：系统掌握AI信息处理的完整流程，并能脱离教师指导自主分析复杂情景，在AI伦理讨论中能提出富有建设性和深度思辨的独立见解。（B）良好（70分—84分）：能独立完成全部实操任务，基本掌握AI信息处理流程核心步骤，能理解遵循AI使用伦理的基本内容。（C）待加强（70分以下）：对AI信息处理流程存在明显知识盲点，需要进一步构建概念框架，课堂实操