2023-2024学年粤教版（2019）高中信息技术必修一《数据与计算》第六章第一节《 认识人工智能》教学设计

上课时间上课时间2023-2024学年粤教版（2019）高中信息技术必修一《数据与计算》第六章第一节《认识人工智能》教学设计2025年12月任课老师任课老师魏老师课程基本信息课程基本信息1.课程名称：认识人工智能

2.教学年级和班级：高中一年级1班

3.授课时间：2023年10月26日上午第二节课

4.教学时数：1课时核心素养目标核心素养目标培养学生信息意识，提高学生对人工智能技术的认识和理解，激发学生对科技的兴趣。通过案例分析，提升学生的计算思维，让学生学会运用人工智能的基本概念和原理解决实际问题。同时，增强学生的信息安全意识，培养学生批判性思维和创新能力，为未来学习和生活打下基础。学习者分析学习者分析1.学生已经掌握了哪些相关知识：

学生在进入高中阶段之前，可能已经接触过基本的计算机操作和简单的编程知识。他们可能对计算机硬件、软件和网络有初步的了解。然而，对于人工智能这一前沿技术，大多数学生可能只有基础的认知，如了解人工智能的概念和常见应用场景。

2.学生的学习兴趣、能力和学习风格：

高中一年级学生对新知识充满好奇，对科技领域尤其感兴趣。他们的学习能力较强，能够快速吸收新信息。学习风格上，一部分学生可能偏好通过实践操作来学习，另一部分学生则可能更倾向于理论学习。课堂互动和讨论能够激发他们的学习热情。

3.学生可能遇到的困难和挑战：

由于人工智能是一个较为复杂和抽象的领域，学生可能会在理解人工智能的原理和应用时遇到困难。此外，编程基础薄弱的学生在尝试编写简单的AI程序时可能会感到挑战。同时，对于人工智能的伦理和社会影响缺乏深入思考的学生，可能在讨论相关问题时产生困惑。因此，教师需要通过恰当的教学方法和案例，帮助学生克服这些困难。教学方法与策略教学方法与策略1.采用讲授与讨论相结合的教学方法，通过讲解人工智能的基本概念和原理，引导学生思考。

2.设计角色扮演活动，让学生模拟人工智能系统的工作流程，增强学生对AI应用的理解。

3.利用多媒体教学，展示人工智能的实际应用案例，如智能家居、自动驾驶等，激发学生兴趣。

4.引入项目导向学习，让学生分组完成一个小型的人工智能项目，如设计简单的聊天机器人，提高学生的实践能力。

5.使用互动式教学软件，如在线编程平台，让学生在课堂上即时编写和测试简单的AI程序，巩固所学知识。教学过程设计教学过程设计1.导入新课（5分钟）

目标：引起学生对人工智能的兴趣，激发其探索欲望。

过程：

开场提问：“你们知道人工智能是什么吗？它与我们的生活有什么关系？”

展示一些关于人工智能的图片或视频片段，如智能家居、自动驾驶等，让学生初步感受人工智能的魅力或特点。

简短介绍人工智能的基本概念和重要性，为接下来的学习打下基础。

2.人工智能基础知识讲解（10分钟）

目标：让学生了解人工智能的基本概念、组成部分和原理。

过程：

讲解人工智能的定义，包括其主要组成元素或结构，如算法、数据、模型等。

详细介绍人工智能的组成部分或功能，使用图表或示意图帮助学生理解，例如神经网络、机器学习算法等。

3.人工智能案例分析（20分钟）

目标：通过具体案例，让学生深入了解人工智能的特性和重要性。

过程：

选择几个典型的人工智能案例进行分析，如AlphaGo战胜围棋世界冠军、自动驾驶汽车等。

详细介绍每个案例的背景、特点和意义，让学生全面了解人工智能的多样性或复杂性。

引导学生思考这些案例对实际生活或学习的影响，以及如何应用人工智能解决实际问题。

小组讨论：让学生分组讨论人工智能的未来发展或改进方向，并提出创新性的想法或建议。

4.学生小组讨论（10分钟）

目标：培养学生的合作能力和解决问题的能力。

过程：

将学生分成若干小组，每组选择一个与人工智能相关的主题进行深入讨论，如伦理问题、技术挑战等。

小组内讨论该主题的现状、挑战以及可能的解决方案。

每组选出一名代表，准备向全班展示讨论成果。

5.课堂展示与点评（15分钟）

目标：锻炼学生的表达能力，同时加深全班对人工智能的认识和理解。

过程：

各组代表依次上台展示讨论成果，包括主题的现状、挑战及解决方案。

其他学生和教师对展示内容进行提问和点评，促进互动交流。

教师总结各组的亮点和不足，并提出进一步的建议和改进方向。

6.课堂小结（5分钟）

目标：回顾本节课的主要内容，强调人工智能的重要性和意义。

过程：

简要回顾本节课的学习内容，包括人工智能的基本概念、组成部分、案例分析等。

强调人工智能在现实生活或学习中的价值和作用，鼓励学生进一步探索和应用人工智能。

7.课后作业布置（5分钟）

目标：巩固学习效果，培养学生独立思考和解决问题的能力。

过程：

布置课后作业：让学生撰写一篇关于人工智能的短文或报告，内容可以是对本节课内容的总结，也可以是对人工智能未来发展的展望。

要求学生在作业中提出自己的观点，并结合实际案例进行分析。学生学习效果学生学习效果学生学习效果主要体现在以下几个方面：

1.知识掌握：

学生通过本节课的学习，能够准确理解人工智能的基本概念、组成部分和原理。他们能够区分人工智能与机器学习的不同，了解神经网络、深度学习等核心技术的应用。学生对人工智能的发展历史、现状和未来趋势有较为全面的了解。

2.能力提升：

在案例分析环节，学生通过分析具体案例，提高了分析问题和解决问题的能力。他们学会了如何从实际案例中提取关键信息，并运用所学知识进行逻辑推理和判断。此外，小组讨论和课堂展示环节锻炼了学生的沟通能力和团队合作精神。

3.思维拓展：

通过学习人工智能，学生的思维得到了拓展。他们开始关注科技发展对社会的影响，思考人工智能在伦理、法律、就业等方面的挑战。学生能够从多角度思考问题，形成批判性思维。

4.技能培养：

学生在课程中学习了如何使用简单的编程语言编写人工智能程序，如Python中的机器学习库。他们能够根据实际需求，设计简单的算法和模型，解决实际问题。这种技能的培养有助于学生在未来的学习和工作中更好地应对挑战。

5.兴趣激发：

通过本节课的学习，学生对人工智能产生了浓厚的兴趣。他们开始关注人工智能在各个领域的应用，如医疗、教育、娱乐等。这种兴趣将促使学生在课外主动探索和学习相关知识，为未来的职业生涯奠定基础。

6.价值观树立：

在讨论人工智能的伦理和社会影响时，学生逐渐树立了正确的价值观。他们认识到科技发展应以人为本，关注社会公正和伦理道德。这种价值观将指导学生在未来的学习和工作中，做出符合社会发展的决策。

7.自主学习：

学生在本节课中学会了如何自主学习。他们能够根据学习目标，查找相关资料，进行独立思考和总结。这种自主学习能力将有助于学生在未来的学习中更好地适应新的学习环境和要求。

8.创新意识：

通过小组讨论和课堂展示，学生的创新意识得到了提升。他们敢于提出自己的观点，勇于尝试新的想法。这种创新意识将激发学生在未来的学习和工作中，勇于创新，不断追求卓越。课堂课堂1.课堂提问：

通过提问，教师可以实时了解学生对知识的掌握程度。在讲解人工智能基本概念时，教师可以提问学生：“什么是人工智能？”以检验学生对定义的理解。在案例分析后，教师可以问：“这个案例中的人工智能技术是如何解决实际问题的？”来考察学生分析问题的能力。

2.观察学生参与度：

教师应观察学生在课堂上的参与度，包括是否积极回答问题、是否认真听讲、是否主动参与讨论等。通过观察，教师可以判断学生对人工智能的兴趣和投入程度。

3.小组讨论评价：

在小组讨论环节，教师应观察学生之间的互动和合作情况。评价标准可以包括：小组成员是否积极参与讨论、是否能够提出有建设性的意见、是否能够有效倾听他人的观点等。

4.课堂展示与点评：

学生在课堂展示时，教师应关注其表达能力和内容的准确性。展示结束后，教师应及时给予点评，指出学生的优点和需要改进的地方，鼓励学生继续努力。

5.实时反馈：

在课堂教学中，教师应提供即时的反馈，帮助学生纠正错误，巩固知识点。例如，在讲解人工智能算法时，教师可以立即让学生尝试编写简单的代码，并及时提供指导。

6.课后测试：

为了全面评估学生的学习效果，教师可以设计一些课后测试题，涵盖本节课的主要知识点。测试题可以包括选择题、填空题和简答题，以检验学生对知识的记忆和应用能力。

7.学生自评与互评：

鼓励学生进行自我评价和互评，让学生反思自己的学习过程和成果，同时学会从他人的反馈中吸取经验。

8.定期评估：

通过定期的课堂表现和作业完成情况，教师可以对学生进行全面评估，了解学生的学习进步和存在的问题，为后续的教学调整提供依据。反思改进措施反思改进措施反思改进措施（一）教学特色创新

1.实践导向：在课程中增加更多的实践环节，比如让学生亲自编写简单的AI程序，通过动手操作来加深对人工智能概念的理解。

2.案例教学：引入更多贴近学生生活的案例，让学生在案例中学习人工智能的应用，提高学习的实用性和趣味性。

反思改进措施（二）存在主要问题

1.学生基础参差不齐：部分学生对编程基础了解不足，导致在实践环节遇到困难。

2.理论与实践脱节：部分学生虽然掌握了理论知识，但在实际应用中缺乏实践经验。

3.课堂互动不足：虽然设置了小组讨论和课堂展示，但学生之间的互动和交流还不够充分。

反思改进措施（三）

1.针对基础参差不齐的问题，可以在课前提供编程基础教程，帮助学生提前准备。同时，对于编程基础薄弱的学生，提供个别辅导，确保他们能够跟上课程进度。

2.为了解决理论与实践脱节的问题，可以增加实验课程，让学生在实际操作中学习和巩固知识。同时，鼓励学生参与学校的科技活动，将理论知识应用于实际项目。

3.为了提高课堂互动，可以设计更多启发性的问题，引导学生思考和讨论。同时，鼓励学生提问，营造一个开放、积极的课堂氛围。此外，可以尝试使用在线协作工具，让学生在课外也能进行有效的互动学习。板书设计板书设计①人工智能基本概念

-人工智能（ArtificialIntelligence，AI）

-模拟、延伸和扩展人的智能

-机器学习、深度学习等关键技术

②人工智能组成部分

-算法：如神经网络、决策树等

-数据：训练数据、测试数据等

-模型：如分类模型、回归模型等

-硬件：计算机、传感器等

③人工智能原理

-算法原理：如机器学习算法的工作机制

-数据处理：数据清洗、特征提取等

-模型训练：通过数据训练模型，提高模型性能

-模型评估：使用测试数据评估模型效果

④人工智能应用案例

-自动驾驶：利用AI进行环境感知和决策

-智能家居：通过AI实现家居设备的智能控制

-医疗诊断：利用AI辅助医生进行疾病诊断

-虚拟助手：如Siri、Alexa等语音助手

⑤人工智能伦理与社会影响

-数据隐私：保护用户数据不被滥用

-就业影响：AI可能替代某些工作岗位

-伦理道德：AI决策的公正性和透明度典型例题讲解典型例题讲解1.例题：

编写一个简单的Python程序，使用机器学习中的决策树算法对一组数据进行分类。

答案：

```python

fromsklearn.datasetsimportload_iris

fromsklearn.model_selectionimporttrain_test_split

fromsklearn.treeimportDecisionTreeClassifier

importmatplotlib.pyplotasplt

#加载数据

iris=load_iris()

X=iris.data

y=iris.target

#划分训练集和测试集

X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.3,random_state=42)

#创建决策树分类器实例

clf=DecisionTreeClassifier()

#训练模型

clf.fit(X_train,y_train)

#预测测试集

predictions=clf.predict(X_test)

#可视化决策树

plt.figure(figsize=(20,10))

plt.title("DecisionTree")

plot_tree(clf,filled=True)

plt.show()

```

2.例题：

使用K-means算法对一组数据进行聚类分析，并展示聚类结果。

答案：

```python

fromsklearn.clusterimportKMeans

importnumpyasnp

#假设数据

X=np.array([[1,2],[1,4],[1,0],

[10,2],[10,4],[10,0]])

#初始化KMeans对象

kmeans=KMeans(n_clusters=2,random_state=0)

#训练模型

kmeans.fit(X)

#获取聚类标签

labels=kmeans.labels_

#输出聚类结果

print("Clusterlabels:",labels)

```

3.例题：

利用支持向量机（SVM）对一组数据进行分类，并评估分类器的性能。

答案：

```python

fromsklearnimportdatasets

fromsklearn.model_selectionimporttrain_test_split

fromsklearnimportsvm

fromsklearn.metricsimportclassification_report

#加载数据

iris=datasets.load_iris()

X=iris.data

y=iris.target

#划分训练集和测试集

X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.3,random_state=42)

#创建SVM分类器实例

clf=svm.SVC(kernel='linear')

#训练模型

clf.fit(X_train,y_train)

#预测测试集

predictions=clf.predict(X_test)

#评估分类器性能

print(classification_report(y_test,prediction