九年级信息科技“人工智能与智慧社会”模块教学设计-第8课时：揭开AI的面纱

九年级信息科技“人工智能与智慧社会”模块教学设计——第8课时：揭开AI的面纱

一、指导思想与理论依据本教学设计以《义务教育信息科技课程标准（2022年版）》为根本遵循，深入贯彻落实教育部等五部门2026年4月印发的《“人工智能+教育”行动计划》精神——“坚持育人为本、素养为先、应用导向、智能向善”，推动人工智能教育全面纳入地方课程体系，注重启发式、探究式教学，激发学生好奇心，培养创新思维-26。2025年5月，教育部基础教育教学指导委员会发布的《中小学人工智能通识教育指南（2025年版）》明确提出：构建分层递进、螺旋上升的中小学人工智能通识教育体系，培养学生适应智能社会的核心素养，通过知识、技能、思维与价值观的有机融合，形成“四位一体”的人工智能素养-5。本课时基于上述指导性文件，遵循“生活联结—技术感知—伦理启蒙”这一教学主线，引导九年级学生在了解人工智能基本概念的基础上，逐步走向对智慧社会的深度认知-15。在课程理念与教学方法层面，本教学设计充分体现当前课程改革的最新要求：一是坚持核心素养导向，以信息意识、计算思维、数字化学习与创新、信息社会责任四大核心素养贯穿教学全过程；二是落实跨学科主题学习要求，将数学、生物、艺术、社会等学科知识与人工智能内容有机融合，体现信息科技学科的综合性特征；三是践行项目式学习理念，以“AI赋能家乡智慧化”为单元项目主线，让学生在做中学、用中学、创中学。二、教学内容分析“人工智能与智慧社会”是《义务教育信息科技课程标准（2022年版）》规定的九年级学习模块，其核心在于理解智慧社会的内涵——基于智慧城市，以人工智能为技术引擎，覆盖经济、治理、能源、环境等多个领域，理解人工智能与社会的深层关联-15。本课时为该模块第8课时，前7课时已经完成了人工智能基本概念（模拟、延伸、扩展人的智能）和主要实现方式（机器学习、深度学习、自然语言处理、计算机视觉）的系统学习，本课时在此基础上进一步深化，聚焦“人工智能究竟是什么”这一核心追问，用四个维度为学生搭建通往智慧社会的认知桥梁。从学段定位来看，九年级学生正处于从具象思维向抽象逻辑思维发展的关键期，具备一定的推理能力和系统分析能力，能够从多角度思考复杂问题。本课时设计的四个教学板块——定义、学习、伦理、应用——正是基于这一认知发展特点，构建从概念理解到技术原理、从伦理思辨到创新实践的递进式认知路径。三、学情分析本课教学对象为九年级学生，年龄在14至15岁之间，正处于认知发展的关键转型期。从认知基础来看，通过前7课时的学习，学生已经掌握了人工智能的基本概念和常见应用场景，了解了机器学习的基本流程（数据采集—特征提取—模型训练—模型评估—应用部署），对人工智能的分类（弱人工智能、强人工智能、超人工智能）也有了初步认识。部分学生已在日常生活中使用过生成式人工智能工具（如智能写作、AI绘画等），具有感性经验。从学习兴趣来看，人工智能技术贴近学生生活，手机中的语音助手、刷脸支付、拍照识物等功能几乎每天都在使用，学生对本课程具有天然的好奇心和浓厚的学习兴趣。但需要警惕的是，部分学生可能存在技术崇拜倾向，对人工智能能力的边界和局限性认识不足，对数据隐私和伦理风险缺乏敏感度。从学习障碍来看，机器学习算法中的数学原理（如梯度下降、贝叶斯定理等）对九年级学生具有较大认知挑战，直接讲授算法推导容易引发畏难情绪。因此，本课时采用“原理讲透但不讲公式，思想说清但不做推导”的策略，通过类比法、可视化呈现和案例分析帮助学生理解关键技术思想。四、教学目标（核心素养导向）（一）信息意识维度学生能够描述人工智能的基本特征与发展脉络，识别生活中的各类人工智能应用实例，对人工智能技术保持敏感性和探究意识，初步建立智能时代公民的数据安全意识。（二）计算思维维度学生能够理解机器学习“数据驱动”的核心思想，掌握“数据采集—标注—训练—验证—应用”的五步分析框架，能够将这一框架迁移到新情境中分析简单的人工智能问题-5。（三）数字化学习与创新维度学生能够通过体验式活动和小组探究，初步掌握使用人工智能工具进行创意表达和问题解决的基本方法，培养创新思维和合作探究能力。（四）信息社会责任维度学生能够就人工智能带来的伦理问题、安全风险和社会影响展开辩证讨论，初步形成理性使用人工智能技术的价值观和伦理意识。五、教学重难点（一）教学重点人工智能的核心定义与基本学习方式的理解。其中，“机器学习”作为实现智能的核心机制，是本课时的认知主线。学生需要建立“人工智能≠编程指令”的观念，理解机器是从数据中学习而非被程序硬编码。（二）教学难点监督学习与无监督学习的区分与理解。九年级学生缺乏概率统计和线性代数基础，直接讲授这两种学习方式的数学原理难度较大。本课时通过生活中的类比和线上互动实验小程序帮助学生突破这一认知难点。六、教学策略与资源（一）教学策略本课时综合运用情境化教学策略、探究式学习策略和项目链策略。情境化教学以“AI智囊团”作为贯穿课堂的主情景，将抽象概念转化为具体角色；探究式学习包含“线下体验+线上探究”两个层次，线下开展“猜数字”类比游戏，线上登录教学平台完成“监督学习vs无监督学习”的对比模拟实验；项目链策略则实现与前7课时所建构的单元大项目“AI赋能家乡智慧化”的自然承接。（二）教学资源硬件资源方面，教室需配备多媒体教学设备和学生端联网终端设备，建议采用分组协作方式，每组配置一台平板或计算机。软件资源方面，准备“猜数字”游戏卡片、教学示意图PPT、线上互动学习平台模拟实验程序，以及针对第（四）板块的“智慧社会创新工坊”半结构化任务卡。七、教学过程设计（一）课堂导入环节——情境创设与复习回顾教师播放一段经过剪辑的30秒短视频，内容涵盖人脸识别过闸、智慧交通信号灯、AI辅助医疗诊断、聊天机器人对话四个生活化场景。播放结束后，教师提问：“同学们，你们在这些场景中都看到了什么？它们有什么共同特点？”学生踊跃回答。教师在板书上方写下标题“走近人工智能”。随后引导学生回顾前7课时学习过的重点概念：人工智能的定义——模拟、延伸和扩展人的智能；人工智能的分类——弱人工智能、强人工智能、超人工智能；机器学习的核心三要素——数据、算法、算力。教师在每小组桌面上预先放置了标有序号的讨论卡片。教师发出指令：“请各小组讨论30秒，选出卡片上描述的情境中哪一个最能体现人工智能的‘学习’能力。”各小组经过短暂讨论后展示所选卡片，教师给予简短点评和实时反馈。这一导入环节调动了全体学生的注意力，既回顾了旧知，又为新课学习奠定基础。［设计意图］以生活化场景激发共鸣，用优质视频实现快速情绪聚焦；通过复习回顾和小组讨论激活学生的已有知识，为新知识的学习搭建认知脚手架。（二）新授环节——四个维度构建认知本环节分为四个并列又递进的板块。1.维度一：透视本质——AI智囊团（从定义到辨析）教师展示图示：以“模拟”“延伸”“扩展”三个关键词围成一圈，中间是“人的智能”四个大字。教师逐一讲解：什么叫“模拟”？人脸识别模拟了人类视觉认知中“认脸”的能力，医疗诊断系统模拟了医生的推理过程，AlphaGo模拟了棋手的决策思维，这是AI的起点。什么叫“延伸”？人类一秒只能读几个汉字，AI可以一秒钟阅读海量文本；人类同时只能关注有限的信息源，AI可以同时从新闻、社交平台、卫星图像等渠道获取信息；人类长时间工作会疲劳出错，AI可以保持稳定运行。AI弥补了人类生理上的局限，这是延伸。什么叫“扩展”？通过跨模态数据融合和实时动态决策能力，创造新的智能形态。例如智能医疗系统同时分析CT影像、化验数据、病历文本和基因测序结果，给出综合诊断建议——这是单一人类医生做不到的；自动驾驶汽车在毫秒级时间内响应路况变化——这是人类驾驶员无法企及的反应速度。教师引导学生归纳：AI的定位不是“取代人类”，而是“辅助增强人类智能”-15。接着，教师引出强人工智能与弱人工智能的辨析。教师在黑板上画一条水平线，左端标注“弱人工智能”，右端标注“强人工智能”，再在上方标注“超人工智能”。提问：“同学们，判断一下——能下棋打败世界冠军的AlphaGo，位于哪一端？”学生回答：“弱人工智能。”教师追问：“为什么它会被称为弱人工智能？”让学生意识到：AlphaGo虽然在围棋这一特定领域远超人类的水平，但它并不具备围棋之外的能力——它不会聊天、不会弹琴、不能做饭，它的智能是“窄”的。而强人工智能是指能够完成任何人类可以完成的智力任务的系统，目前尚未实现。超人工智能则是超越人类智慧的存在，还停留在理论探讨阶段。教师小结：“无论我们今天使用的语音助手，还是图像识别系统，都是弱人工智能。它们强在‘专’，而不是‘全’。”［设计意图］通过可视化图示和启发式提问，将抽象定义转化为具体可感的形象，使学生在比较和辨析中建立清晰的概念边界。2.维度二：解密学习——从数据到智能的奇妙旅程这一板块是认识机器学习原理的核心环节。教师抛出关键问题：“计算机程序都是人把规则写好告诉机器，机器照着执行。可人脸识别这种能力，人根本写不出明确的规则——‘什么是一张脸’你说得清楚吗？那机器是怎么学会的？”教师出示一幅对比图示，左图是传统程序流程图：输入数据→按预先编写的规则处理→输出结果。右图是机器学习流程图：输入数据+数据标签→训练→生成模型→输入新数据→模型预测输出。教师在黑板上用一句话总结：“传统编程是人教机器规则；机器学习是机器从数据中发现规则。”教师介绍机器学习的核心要素——数据、算法、算力，并借用“做饭”的比喻帮助学生理解：数据如同食材，算法如同菜谱，算力如同火力。好食材、好菜谱，再加上足够大的火力，才能做出一桌好菜。教师重点讲解监督学习和无监督学习的区别。以“教幼儿认识猫和狗”为例类比：监督学习就像家长指着图片告诉孩子“这是猫”“这是狗”，数据有标签，计算机从有标注的数据中学习；无监督学习就像让孩子自己翻看图片、根据颜色、体型等特征把动物们分成两类，数据没有标签。教师接着引导学生亲身体验——完成线上互动平台的“识别水果”模拟实验。屏幕上显示10张水果图片，一半标有“苹果”标签，一半标有“橘子”标签，学生需要先用有标签的数据训练模型，再测试模型对未标注图片的识别准确性。实验结束后，教师引导学生归纳两种学习方式的各自优势：监督学习准确率高但需要大量人工标注，无监督学习无需标注但结果不容易直接对应人类的分类标准。教师进一步引出强化学习的概念，以AlphaGo自我对弈不断优化行棋策略为例，说明强化学习是智能体通过与环境的交互和奖励信号的反馈来学习最优行为策略的过程。教师在总结时梳理三种学习方式：监督学习——有标签、学分类；无监督学习——无标签、找规律；强化学习——有奖惩、学策略。［设计意图］通过类比法和动手实验将机器学习原理可视化、可操作化，让学生在亲身参与中建立对机器学习本质的理解，避免“黑箱化”认识。3.维度三：伦理思辨——AI时代的安全与责任教师展示一则新闻报道截图：“某地中学学生使用生成式AI完成寒假作业，部分作文被查出AI生成痕迹，引发诚信争议。”并提问：“你们怎么看这件事？用AI完成作业算作弊吗？”请学生举手发表观点。教师引导学生讨论，呈现两种对立的立场：一方认为，AI是工具，用工具提高效率无可厚非；另一方认为，作业的目的是锻炼能力，AI代劳会让人丧失学习的价值。教师引导大家理性分析：区分“辅助”与“替代”。AI可以帮助整理思路、检查语法错误、查找资料，但不能代替思考和创造。随后讨论数据隐私问题。教师以身边案例切入：使用手机上的修图软件时，软件会请求读取相册权限。提问：“为什么一个修图软件需要读取你全部的照片？他们拿你的照片数据做什么？”引发学生对数据滥用的警惕意识。教师展示深度伪造（Deepfake）案例：换脸视频、AI生成的假新闻图片。提问：“你怎么判断看到的视频是不是真的？”学生围绕信息披露义务、信息核验习惯、批判性思维等角度展开讨论。教师引入《中小学生成式人工智能使用指南（2025年版）》的要点：初中阶段可适度探索生成内容的逻辑性分析，应注重培养信息辨伪能力和批判性思维-56。教师小结：“技术越强大，责任越重大。享受人工智能便利的同时，要思考如何守护安全、坚守良知。”教师出示伦理讨论新案例：“AI面试官帮你筛选简历、AI算法推荐贷款审批，这样做公平吗？算法会不会带有偏见？”引导课堂分析“数据偏见”问题——如果历史数据中存在对特定群体的不公正记录，AI学到了这种不公正，就会在结果中放大和延续偏见。教师拓展介绍“算法可解释性”的概念：“为什么人工智能作出某个决定，机器有时自己也解释不清。有些领域不能完全依赖AI决策，必须有人的参与和监督。”［设计意图］通过真实案例和伦理冲突讨论，培养学生的批判性思维和价值判断能力，帮助学生形成“科技向善”的伦理意识，引导学生在效率与公平、便利与安全之间找到平衡。4.维度四：应用创新——我的AI创意工坊教师展示2026年人工智能的最新发展动态。教师向学生介绍：人工智能领域在短短四年间经历了三个阶段的跨越式发展——第一是惊艳期，ChatGPT的横空出世引发全球关注；第二是应用期，各行各业务将生成式AI嵌入工作流程；第三是智能体时期，AI不再是聊天回答问题，而是能够主动规划任务、调度工具、自主完成复杂操作的智能伙伴-18。在各行各业深度融合AI的今天，机器不断“进化”——推理能力和自主执行能力全面提升-17。教师引导学生畅想：“同学们今后想利用人工智能做什么？”请几名学生分享，激发想象空间。接着进入“AI赋能家乡智慧化”项目链的推进环节。教师下发任务卡：“设计一个帮助家乡变得更美好的AI应用。围绕以下四个角度提出你的创意方案：解决身边困难、改善基础设施、保护环境、传承特色文化。方案需包含解决的问题、用到的AI技术、具体的实现思路和可能遇到的阻碍。”学生以小组为单位，围绕活动卡推进团队合作，在教师巡回下适时开展创意研讨。这是一个半开放性的设计任务，学生需要在之前所学知识的基础上，综合应用机器学习、数据收集、模型训练（概念层面）等多元素养，完成一个完整的“工程师思维”训练。教师展示优秀创意样例：“基于车流量识别的智能交通灯”项目构想，将计算机视觉采集车流数据，通过机器学习预测交通流量分布，动态配时变更红绿灯时长，缓解上下学高峰时段学校周边的交通拥堵-53。“AI助力垃圾分类”项目构想，用摄像头拍摄垃圾图像，通过已训练好的模型判断其类型并开启对应盖口，有效教会学生“图像识别”“数据标注”等核心概念。教师组织小组分享，每组推选一名成员做时长为90秒的创意推介。教师和其他小组根据“创新性”“可行性”“社会价值”三个维度进行同行点评和表态，营造积极理性的互评氛围，激发学生创新思维和表达能力。教师最后鼓励：“今天我们设计的这些设想，只要勇于探索，未来完全有机会变为现实。”［设计意图］对接前沿动态激发创新思维，通过项目化任务驱动学生综合运用所学知识解决真实问题，培养创新精神和工程思维，实现从“知道AI”到“会用AI”的能力跃升。（三）课堂小结环节——知识内化与结构化教师带领学生回顾本节课的核心内容：首先回看人工智能的核心定义——“模拟、延伸、扩展”，体会AI与人类智能的协作关系。接着回顾机器学习的本质，确认核心关系：“数据是燃料，算法是引擎，算力是动力”。然后梳理三种学习方式的基本特点——监督学习带标签，无监督学习找规律，强化学习有奖惩——并向学生强调掌握概念框架而非死记硬背的定义细节。再从伦理思辨角度，帮学生巩固安全与责任的底线思维。最后收束到“AI赋能家乡智慧化”的创意灵感与初步的行动方向，引出下节课学习内容预告。教师利用板书结构，将“定义”“学习”“伦理”“应用”四个板块的关键词连线成一张大的认知地图，引导学生齐声答出连线处对应的核心概念。［设计意图］通过认知地图的方式帮助学生将分散的知识点整合成结构化体系，强化记忆，提升系统思维能力。（四）作业布置环节——分类达标、分层推进基础作业为：完成课后练习中的5道选择题和2道填空题，重点涉及人工智能定义辨析、弱人工智能与强人工智能的区别、三种学习方式的判断，要求准确率。选做作业包含两个方向供深入探索：一是设计“AI助力家乡”创意方案的精修版，绘制方案蓝图或思维导图并附文字说明；二是查找一则关于人工智能伦理和安全的最新新闻，准备下节课给同学们做2分钟分享。这两种选做作业对应于拓展视野和深度设计两种素质风格，实现分类达标和分层的个性化培养。八、教学评价设计本教学设计构建“过程性评价+表现性评价+结果性评价”三位一体的教学评价体系。过程性评价关注课堂参与度，对学生在小组讨论、回答问题、实验操作、伦理争辩等环节的表现进行记录。通过课堂观察表，记录每位学生在“多媒体互动音量”“手脑快速响应”“协作沟通活跃度”等多个维度上的课堂参与数据，以辅助师因生制宜调整教学策略。表现性评价聚焦第（四）板块“AI赋能家乡智慧化”创意方案的质量，采用“新异性→实用价值→技术合理性→表达呈现水平”四级评价量表进行评价。评价主体采用教师评价与学生互评相结合的方式，发挥学生在互评过程中主动建构评价标准的过程价值。结果性评价通过课后练习题的真实数据，实现事后诊断和查漏补缺，分类消化每类题型的正确率反映课堂教学成效。九、板书设计┌─────────────────────────────────────┐│走近人工智能——揭开AI的面纱（第8课时）│├─────────────────────────────────────┤│一、透视本质：模拟·延伸·扩展││AIvs.人类→辅助增强，不是取代││弱人工智能vs.强人工智能vs.超人工智能│├─────────────────────────────────────┤│二、解密学习：数据—算法—算力││机器学习：机器从数据中发现规则││监督学习：有标签→学分类││无监督学习：无标签→找规律││强化学习：有奖惩→学策略│├─────────────────────────────────────┤│三、伦理思辨：安全·责任·公平││数据隐私·算法偏见·深度伪造·可解释性│├─────────────────────────────────────┤│四、应用创新：AI赋能家乡智慧化││创意工坊：技术预见×社会需求×工程思维│└─────────────────────────────────────┘十、教学反思本教学设计紧扣人工智能教育的最新改革方向，将2026年发布的人工智能教育政策与一线教学实践紧密结合，具有以下突出特点。素养导