小学人工智能·图像识别初探 教学设计

小学人工智能·图像识别初探教学设计一、教学基本信息【基础】课题名称：小学人工智能·图像识别初探——智能校园小助手【重要】学科与学段：小学五年级信息科技（跨科学与综合实践活动）【重要】课时安排：共2课时（每课时40分钟），可连堂实施。授课对象：小学五年级学生。该学段学生正处于具体运算阶段向形式运算阶段过渡的时期，具备了一定的逻辑思维能力，对新鲜事物充满好奇心，且在生活中已经频繁接触了人脸识别、拍照搜题等人工智能应用，但对背后的原理认知尚浅，处于“知其然不知其所以然”的状态。他们具备基础的计算机操作能力和图形化编程经验，能够进行简单的团队协作和项目探究。教材分析：本课依据《义务教育信息科技课程标准（2022年版）》中“人工智能与智慧社会”模块进行拓展设计，同时参考了《中小学人工智能通识教育指南（2025年版）》中关于“夯实体验、探究驾驭”的小学高年级教学建议34。本课内容是学生从感知人工智能应用向理解基本原理跨越的关键一环，选取贴近学生生活的“图像识别”作为切入点，通过解密“AI之眼”的工作流程，帮助学生建立对数据、算法、模型等核心概念的初步认知，为后续学习机器学习、深度学习等更复杂的AI知识奠定基础。教学资源与环境：硬件环境：多媒体计算机网络教室（安装有极域电子教室等教学管理系统），具备互联网接入环境。每组学生配备一台安装有“浦育”（OpenInno）平台或“百度AI体验中心”等图形化人工智能实验平台的计算机。教师准备智能摄像头、米家智能摄像头等IoT设备作为教具。软件工具：图形化人工智能编程软件（如Mind+、源码编辑器Kitten及其AI扩展库）、在线机器学习平台（TeachableMachine）、微课视频、学习任务单。课程思政与核心素养：信息意识：主动发现生活中的人工智能应用，认识到数据是人工智能的基础。计算思维：理解图像识别“采集处理提取特征匹配输出”的基本过程，学会将复杂问题抽象为计算模型。数字化学习与创新：能够利用人工智能开源平台和工具，设计简单的图像识别应用解决真实问题。信息社会责任：辩证看待人工智能技术的价值，了解人脸数据等生物信息的敏感性，树立保护个人隐私和科技向善的价值观。二、教学目标与核心素养进阶【非常重要】依据“四位一体”的人工智能素养模型，本课教学目标设定如下：1.知识与技能（AI知识储备）：（1）学生能够说出图像识别技术在生活中的23个典型应用场景（如人脸识别、车牌识别、扫码支付）。（2）【难点】学生能够用自己的语言复述图像识别的基本工作流程：图像采集、图像预处理、特征提取、与数据库特征比对、输出结果。（3）【基础】学生能够理解“像素”、“特征点”、“模型”、“数据集”等基本概念，知道数据越多、越准确，模型识别的准确率就越高。2.过程与方法（高阶思维与能力）：（1）通过“类比游戏”和“模拟实验”，运用计算思维拆解“AI之眼”的工作秘密，掌握将抽象原理具象化的学习方法。（2）通过小组合作，利用图形化AI编程工具或机器学习平台（如TeachableMachine），经历“采集数据（拍照）—训练模型（打标签、迭代）—测试应用”的完整过程，初步掌握训练一个简单的图像分类器的方法。（3）【热点】在体验“训练数据影响识别结果”的活动中，培养批判性思维，能够分析并指出数据偏差对模型公平性的影响。3.情感、态度与价值观（AI伦理与意识）：（1）激发探索人工智能技术奥秘的兴趣，树立科技改变生活的信念。【重要】（2）在体验人脸识别等应用时，深刻理解个人生物信息的重要性，能够在实际生活中关注隐私保护，遵守人工智能使用的伦理规范，形成“智能向善”的价值追求37。三、教学重难点1.【重点】理解图像识别的基本原理（图像转数据、特征提取与匹配），并能通过图形化编程或机器学习平台实现一个简单的图像识别应用（如区分猫和狗、识别手势）。2.【难点】理解“特征提取”的抽象过程，以及“数据质量”对模型准确率的影响。学生往往难以想象图像是如何变成数字的，也较难理解为什么不同角度、不同光照下的同一物体，计算机有时会认错。3.【高频考点】（针对素养测评而非笔试）能够结合生活场景，设计利用图像识别解决问题的初步方案，并能就其中涉及的隐私问题提出自己的看法。四、教学方法与策略1.情境教学策略：创设“为智慧校园设计AI小助手”的贯穿性项目情境，将知识点融入解决真实问题的任务中，激发学生学习的内驱力2。2.体验式学习策略：摒弃单纯的概念灌输，采用“体验—观察—猜想—验证—应用”的探究闭环。让学生在玩中学，在做中悟46。3.类比与可视化策略：针对“图像数字化”、“特征提取”等抽象原理，采用“数字坐标拼图”、“找不同游戏”等类比活动，将看不见的算法变得可见、可感9。4.跨学科融合策略：融入数学（坐标、矩阵）、科学（感官仿生）等学科知识，帮助学生构建跨学科的大概念。五、教学实施过程（一）第一课时：揭秘“AI之眼”——图像识别原理初探【情境导入：校园来了新伙伴】（3分钟）教师操作：教师手持一个智能音箱或对着教室里的智能摄像头提问：“同学们，今天我们的校园来了一位特殊的‘观察员’（展示智能摄像头）。它没有眼睛，但却能‘看到’谁走进了教室，甚至能认出是谁。大家猜猜，它是怎么做到的？”学生活动：学生自由发言，提出“因为它有摄像头”、“它里面存了照片”、“它是人工智能”等猜想。教师总结：引出课题——这就是我们今天要探究的“人工智能之眼：图像识别技术”。它的确装了“眼睛”（摄像头），但更重要的是它有一个聪慧的“大脑”（算法和模型）。今天，我们就来一起揭秘，这个“大脑”是怎么工作的。【基础概念建构：图像是如何被“读懂”的？】（10分钟）核心问题：计算机只认识0和1，它是怎么看懂五彩斑斓的世界的？活动1：拼图里的秘密——初识像素与数据。教师引导：展示一张由马赛克放大后的笑脸表情（☺），提问：“大家看到的是什么？”（答：格子、马赛克）。再展示另一张同样尺寸但颜色杂乱无章的马赛克图。提问：“为什么一个我们觉得是笑脸，另一个什么都不是？”学生讨论：因为每个格子的颜色和位置不一样。【重要】知识点讲解：教师讲解“像素”概念。原来，计算机就是把一张图片切分成无数个密密麻麻的小格子（像素），然后记录下每一个格子的颜色（通常用RGB数值表示，如红色是255,0,0）。一张图，就变成了一个巨大的数字表格（矩阵）。活动2：我是AI训练师——类比特征提取。教师过渡：有了数字表格，计算机就能认出来吗？比如，我们要让计算机认出“香蕉”。如果只是死记硬背一张香蕉的照片，换个背景，或者把香蕉掰弯了一点，它可能就不认识了。那该怎么办？【难点突破】类比游戏：教师邀请两位学生上台，玩“你说我猜——描述特征”的游戏。教师给出一个物品（如“小猫”），台上的学生A只能通过描述特征（如“它有尖耳朵”、“它有胡须”、“它会喵喵叫”），让学生B猜出是什么。教师引导：刚才大家在描述时，没有说“它是白色的”或者“它这么大”，而是抓住了最关键的特点（特征）。计算机也是一样！它不会去记每一张图的所有数字，而是会去学习这个物体最“突出”的特点——这叫“特征提取”。比如，识别猫，它可能会学习“胡须的形状”、“耳朵的轮廓”这些关键特征点。总结归纳：教师结合板书或PPT动画，完整演示图像识别的“四步曲”：（1）采集图像：摄像头拍照。（2）图像预处理：去噪、增强对比度，把图像变成计算机方便处理的格式。（3）特征提取与比对：这就是“AI大脑”工作的核心环节，它提取关键特征（如眼睛间距、轮廓线条），然后去数据库里和已知的“特征模板”进行比对。（4）输出结果：比对成功，输出“这是小明”；比对失败，输出“不认识”或“识别错误”。【探究实践：训练我的第一个“AI分类器”】（22分钟）【非常重要】项目任务：现在，我们要给智慧校园设计一个“垃圾分类引导员”。请同学们两人一组，使用TeachableMachine（谷歌的可训练机器学习网页工具）在线平台，训练一个能识别“可回收垃圾”（如空水瓶、废纸）和“其他垃圾”（如用过的餐巾纸、笔芯）的图像分类器。实践步骤：步骤一：数据采集（关键环节）。教师强调：模型认识世界的“经验”就来自数据。大家采集的照片要尽可能多样！例如，空水瓶可以是立着的、躺着的，在亮处、在暗处；废纸可以是揉成团的，也可以是展开的。学生活动：打开TeachableMachine，选择“图像项目”。在“可回收”类别下，通过摄像头采集50张以上不同姿态的样本；在“其他垃圾”类别下，同样采集50张以上样本。步骤二：训练模型。学生活动：点击“训练模型”按钮。此时，浏览器在本地进行模型的机器学习计算。学生可以观察训练进度。步骤三：测试与迭代（核心体验）。教师巡堂指导：训练完成后，让学生用摄像头对准一个新的垃圾（不在训练集里的），看看模型能否正确识别。【热点】关键提问：“如果你的模型识别错了，猜猜看是什么原因？”学生反馈与讨论：可能是因为新垃圾的样子和训练的不一样；可能是因为两个类别的样本数量不一样；可能是因为背景太乱了。教师总结升华：这就是【难点】“数据质量”与“数据偏差”！如果我只给计算机看横着的水瓶，它看到竖着的水瓶可能就不认识了。如果“可回收”的图片有100张，而“其他垃圾”只有10张，计算机就会产生偏见，倾向于把什么都看成“可回收”。做人工智能，不仅要会“喂数据”，更要会“喂好数据”，要考虑数据的全面和公平。步骤四：导出应用（简单体验）。教师演示：将训练好的模型导出链接，或者直接在平台内用手机/摄像头进行实时测试，验证“垃圾分类引导员”的可行性。【课堂小结与预告】（3分钟）学生总结：请学生分享今天学到的内容（图像变数字、特征提取、数据很重要）。教师总结：今天我们不仅揭秘了“AI之眼”的工作原理，还亲自动手当了一回“AI训练师”，感受到了数据的重要性。但大家有没有想过，如果这个“AI之眼”用在了不该用的地方，或者有人用它来侵犯我们的隐私，该怎么办？下节课，我们将继续深入探讨，如何让我们的“AI小助手”既聪明又安全。（二）第二课时：我是AI设计师——让“AI之眼”更智慧、更安全【复习导入：数据工程师的烦恼】（3分钟）教师情境：上节课，我们训练了“垃圾分类引导员”。但是，隔壁班的同学拿来一个脏兮兮的饭盒（里面有剩饭），问我们的AI：“这是可回收还是其他垃圾？”AI可能会回答错误。这是为什么？复习上节课核心：数据偏差。引出新任务：这说明我们的AI还不够“智能”。今天，我们要升级任务，设计一个更高级的“智慧校园表情识别灯”。当同学们对着摄像头微笑时，它就点亮一盏微笑的灯；当同学们疲惫或生气时，它会提醒大家要开心。【进阶探究：算法的“秘密”】（10分钟）核心问题：机器是如何知道那是“微笑”的？我们并没有告诉它什么是“嘴角上扬”。活动：AI的“抽象画”——关键点检测。教师展示：使用浦育平台或Mind+中的人脸关键点检测积木。在屏幕上，实时捕捉学生的人脸，并用点标记出五官的位置（如68个关键点）。学生观察：发现当人脸微笑时，嘴角的关键点会上扬；当人脸平静时，嘴角关键点呈直线；当人脸生气时，眉头关键点会下压。【重要】原理讲解：这就是计算机视觉中常用的“关键点检测”算法。它通过训练，学会了在人的脸上找几十个甚至上百个“坐标点”。然后，通过计算这些点之间的距离、角度（如嘴角上扬的弧度），来判断人的表情。看，算法（Algorithm）就是一组预先设定好的数学公式和规则。刚才的“特征提取”和现在的“计算距离判断表情”都是算法的具体体现。【创新实践：设计“情绪识别灯”】（20分钟）【非常重要】项目任务：利用图形化编程软件（如Mind+），结合其AI人脸分析扩展（能够返回表情类型或关键点坐标），编写程序实现：当摄像头检测到“开心”（smile/happy）时，舞台上的角色显示“😊”并播放欢快音乐；当检测到“难过”或“生气”时，显示“😞”并播放舒缓音乐。实施步骤：1.搭建编程环境：学生打开Mind+，连接摄像头，加载“人脸识别”或“人脸情感识别”扩展库。2.算法实现（两种层次）：1.3.层次一（基础）：直接调用“识别情感”指令，判断返回的“情感值”。这是最高效的方式，学生体验“算法即服务”的理念。2.4.层次二（进阶）：对于学有余力的小组，教师可引导他们不使用封装好的“情感”指令，而是使用“获取人脸关键点”指令，自己编写数学判断逻辑。例如：获取“左边嘴角”的y坐标和“右边嘴角”的y坐标，分别减去“左眼中心”的y坐标，得到一个差值。如果这个差值大于某个阈值，就判断为微笑。这能更深层次地理解算法的设计过程。5.调试与优化：学生小组内一人做表情，一人看程序反馈，不断测试阈值（针对层次二）或验证识别准确率。鼓励学生思考：为什么有人戴眼镜可能识别不准？（遮挡了眼睛这个关键点，【热点】引出算法的局限性）。【AI思辨堂：当“AI之眼”无处不在】（5分钟）【重要】环节设计：教师播放一段关于“智能监控”、“刷脸门禁数据泄露”或“Deepfake（深度伪造）换脸”的短新闻视频（注意尺度，以信息为主，不过度渲染恐怖）。辩论引导：“AI之眼”给我们的校园带来了便利（如自动考勤、微笑点灯），但如果它“看”到的信息被坏人偷走了，或者被用来给我们推送不喜欢的广告，我们该怎么办？小组讨论：学生以4人小组为单位，针对以下议题进行2分钟讨论，然后派代表发言：1.议题1：人脸照片算不算隐私？我们能不能随便让别人拍我们的脸？2.议题2：你觉得学校在教室里安装带有人脸识别功能的摄像头，是好事还是坏事？教师价值引领（总结升华）：3.【非常重要】确立隐私边界：我们的脸、指纹、声音，这些叫做“生物特征”，是独一无二的，一旦泄露就无法修改，比密码还要重要。所以，不要随意在不明来历的App或网站上上传自己的高清人脸照片。4.【热点】培养批判性思维：技术本身是中立的，但使用技术的人要有道德。我们要学会分辨哪些是“有用”的AI，哪些是可能“滥用”的AI。5.【核心】智能向善：我们今天学习AI，是为了让它更好地服务人类，而不是伤害人类。作为未来的设计师，我们要在代码里加入“善意”和“责任”。【课堂评价与总结】（2分钟）1.成果展示：随机选取23个小组，展示他们完成的“情绪识别灯”项目，分享他们在调试过程中遇到的困难及解决方法。2.学习单梳理：学生完善学习任务单上的“自我评价”部分，对照目标打勾。1.3.我理解了图像识别的基本流程。（是/否）2.4.我参与了训练数据采集和模型测试。（是/否）3.5.我能说出至少一点关于AI隐私保护的建议。（是/否）6.教师寄语：今天的“AI之眼”虽然还很稚嫩，但你们已经掌握了让它变聪明的方法——给它数据，教它算法，还要告诉它“什么该看，什么不该看”。希望同学们在智能时代，不仅能熟练地使用技术，更能智慧地驾驭技术，做科技的主人！六、板书设计小学人工智能·图像识别初探——设计智能校园小助手一、AI如何“看”世界？（原理流程）图像采集→数据化（像素）→特征提取（关键点）→匹配识别→输出结果（类比：相机拍照）（变成数字表格）（找特点：嘴角、眼睛）（查数据库）（判断：这是猫）二、AI为何“认”得准？（核心要素）1.数据是燃料：量要大、样要全、质要好。2.算法是引擎：规则与公式（如计算嘴角上扬角度）。3.【难点】数据偏差>模型偏见>识别错误。三、当AI之眼遇见你（伦理安全）1.保护生物特征：人脸、指纹是重要隐私。2.科技向善：让AI为人类服务，不做技术的奴隶。七、作业布置【基础类作业】回家后，和父母一起找出家里3样具有图像识别功能的东西（如智能音箱、扫地机器人、门禁系统），并向他们简单解释其工