高中人工智能通识：系统思维·跨学科项目·伦理对齐教学方案

高中人工智能通识：系统思维·跨学科项目·伦理对齐教学方案

一、课程基础信息与顶层设计定位

【学段与学科】高中二年级信息技术课程（选择性必修模块“人工智能初步”深化拓展层）

【课程性质】依托教育部《中小学人工智能通识教育指南（2025年版）》及《普通高中信息技术课程标准（2017年版2020年修订）》开发，定位为国家课程的校本化实施与素养进阶专设课程-2-6-9。

【优化后新标题】智联未来：高中人工智能通识·大模型时代的系统思维与跨学科创新实践

【课时规划】本设计为模块开篇第1至第4课时，构成完整的单元导学链，总时长180分钟（可依据学校课表拆分为2-4节连堂或分设课）。

【核心育人导向】本设计严格遵循高中阶段“系统思维与创新应用能力培育”的素养导向，拒绝浅表化的工具操作体验，直指技术原理的学科本质与社会建构-2-9。课程旨在帮助学生完成从“人工智能消费者”向“人工智能共創者”的认知跃迁，在技术理解、算法思维、跨学科迁移、伦理对齐四个维度实现深度学习。

二、课程标准锚定与素养目标体系（四维融合架构）

【非常重要：课标依据】本设计严格对标《普通高中信息技术课程标准》选修模块4“人工智能初步”中关于“人工智能基础算法”“智能系统搭建初步”“人工智能与社会发展”的内容要求，并依据《通识教育指南》将高中阶段的核心任务具象化为以下四维融合目标-6-9。

（一）知识与技能维度

[1]【基础·核心概念】精准界定人工智能、机器学习、深度学习、大语言模型、算力、算法泛化等核心术语，纠正“人工智能具有意识”“模型等于人类思维”等前科学概念。

[2]【基础·技术演进图谱】掌握人工智能发展历程中的三次浪潮与两次寒冬的关键节点，理解符号主义、连接主义、行为主义三大流派的哲学分歧与技术遗产-1-4。

[3]【核心·原理剖解】运用“数据×算法×算力”系统公式剖解典型人工智能应用（如人脸识别、语音合成、推荐系统），具备对黑箱技术的结构化拆解能力-7。

（二）过程与方法维度

[1]【重要·算法探究】通过不插电的活动与数字化仿真实验，理解K近邻、线性回归、聚类等经典机器学习算法的基本思想，而非陷入繁琐的代码推导。

[2]【热点·跨学科建模】整合数学（统计概率、线性代数思想）、物理（信号处理、控制论）、生物（神经元模型）等学科知识，解释人工智能技术底层逻辑，构建跨学科认知图式-5。

[3]【难点·人机协作】掌握与生成式人工智能协同探究的基本规范：能够提出结构化问题、批判性筛选生成内容、基于人工智能反馈迭代个人观点，严禁直接生成内容作为结论-9。

（三）情感态度与价值观维度

[1]【核心·技术向善】通过真实案例研判，确立人工智能系统的“责任归属”意识，明确算法并非价值中立，理解偏见数据如何导致歧视性后果。

[2]【热点·碳基与硅基】思辨人类智能与人工智能的本质差异，建立对生命尊严与技术边界的敬畏，抵御技术万能论与虚无主义-1。

（四）系统思维与创新实践维度

[1]【难点·系统性创新】能够识别真实场景中的“可计算问题”，并以“人机协同”而非“全盘替代”的视角提出初步解决方案原型。

[2]【高频考点·项目化架构】基于“需求分析—数据准备—模型选择—部署反馈”的工程逻辑，完成微型智能系统的设计与可行性论证。

三、教学内容重构与知识图谱（应列尽罗）

【非常重要】本设计打破教材章节线性顺序，依据大概念统摄原则，将碎片化知识点整合为四大认知模块。以下为全单元（导论及后续延展）必须完整覆盖的核心内容清单，本节教学设计将重点攻坚第1、2模块，并为第3、4模块铺设认知锚点。

（一）模块一：祛魅·人工智能的本质追问

[1]【基础】人工智能的学术定义（麦卡锡定义、图灵测试的适用边界与当代争议）。

[2]【热点】弱人工智能、强人工智能、超人工智能的概念辨析及其在科幻作品中的误读。

[3]【基础】图灵测试、中文屋思想实验：功能模拟与真正理解的哲学悖论-1。

[4]【难点】为什么说当前大语言模型是“行为主义”的胜利？——从达特茅斯会议到ChatGPT的范式转移-1。

（二）模块二：解构·人工智能系统的技术基座

[1]【核心·高频考点】数据：结构化与非结构化、训练集与测试集、数据标注的本质（将现实世界转化为矩阵）。

[2]【核心·高频考点】算法：从“规则驱动”到“数据驱动”的进化（专家系统与机器学习的分水岭）。

[3]【核心·高频考点】算力：CPU与GPU的架构差异、分布式计算、东数西算国家战略-7。

[4]【难点】过拟合与欠拟合：模型是“死记硬背”还是“归纳规律”？——用生活隐喻突破抽象概念。

[5]【重要】机器学习典型范式：监督学习（分类/回归）、无监督学习（聚类）、强化学习（奖励机制）-4-8。

（三）模块三：追问·人工智能的感知与认知边界

[1]【基础】计算机视觉：卷积的直观含义，机器如何“看”边缘与纹理。

[2]【基础】自然语言处理：词嵌入的几何隐喻（国王—王后=男人—女人）。

[3]【热点】生成式人工智能的原理：预测下一个词元何以涌现智能。

[4]【难点】人工智能的“理解”困境：统计关联与因果推断的本质鸿沟。

（四）模块四：前瞻·人工智能社会的责任与行动

[1]【热点】算法公平性：从“偏见进，偏见出”看数据伦理。

[2]【热点】深度伪造与认知安全：技术治理的中国方案。

[3]【基础】信息社会责任：作为数字公民，如何参与塑造人工智能向善的未来-6。

四、教学实施过程深度设计（核心篇幅）

本过程采用“认知冲突—具身体验—概念重构—迁移创新”的闭环逻辑，拒绝平铺直叙的概念罗列。全流程以“智能客服进化论”为明线情境，以“人类智能与人工智能的本质区别”为暗线哲学追问，贯穿四个课时。

（一）第一课时：惊诧与溯源——人工智能是什么，不是什么

【环节1：认知冲突激发·锚定前概念】（8分钟）

[1]教师活动：展示三段截然不同的人工智能应用视频——(a)深蓝战胜卡斯帕罗夫（1997），(b)AlphaGo的“神之一手”（2016），(c)ChatGPT实时生成一首关于“高考压力”的俳句（2025）。连续追问：“它们都在思考吗？它们的‘思考’与你在解数学题时的‘思考’是同一回事吗？”

[2]学生活动：在学案纸上用一句话写下自己对“人工智能是否拥有意识”的初始判断及最大理由。此环节严禁对错评判，旨在暴露真实的认知起点。

[3]【非常重要】教师点拨：精准引出“行为主义”人工智能的核心主张——不关心机器是否像人一样思考，只关心机器能否表现出与人类相似的智能行为-1。这是本课后续所有讨论的逻辑原点。

【环节2：思想实验场·图灵测试与中文屋】（15分钟）

[1]【难点·哲学思辨】教师简述图灵测试原型，随即抛出升级挑战：现在有一个通过了图灵测试的超级大模型，以及一个只懂英文单词拼写规则、完全不懂中文的美国小学生。如果给美国小学生一本详尽的中文问答对应规则手册（相当于程序），他在房间里根据符号输入输出中文，他“理解”中文了吗？大模型“理解”你的问题了吗？

[2]小组讨论：采用“世界咖啡屋”流动对话模式，每轮3分钟，成员轮换交流。教师巡视，捕捉典型观点。

[3]观点交锋：抽取持“功能等同即智能”与“内部理解才是智能”的两派代表进行1分钟限时辩论。

[4]【核心·概念建构】教师归纳：这就是“强人工智能”与“弱人工智能”的千年之争。今天所有你手机里、网页上正在使用的人工智能，都属于“弱人工智能”——它们在特定任务上表现超群，却没有自我意识、没有欲望、没有对意义的领悟。

【环节3：历史长河中的三次浪潮】（12分钟）

[1]活动形式：基于教材目录及补充史料，学生以小组为单位完成“人工智能发展时间轴”的残缺图谱修复-1-4。

[2]关键节点标注：学生必须标注出【第一次浪潮】（逻辑证明）、【寒冬】（感知机局限）、【第二次浪潮】（专家系统）、【第三次浪潮】（深度学习+大模型）。

[3]教师追问：为什么每一次繁荣之后都会迎来寒冬？这揭示了人工智能发展依赖于什么？（学生需归纳：算力突破、数学工具的进化、应用场景的倒逼）。

【环节4：课时收束·形成性评价】（5分钟）

[1]要求学生重新审视环节1写下的初始判断，用红笔进行修正或补充论据，纳入个人成长档案。

（二）第二课时：拆解术——人工智能能力公式的实证研究

【环节1：真实情境导入·智能客服的困境】（5分钟）

[1]情境还原：播放一段真实的客服录音——用户投诉“我手机卡顿了”，传统按键菜单无法识别意图，而智能客服成功理解并推送了“一键优化”教程。

[2]驱动问题：“机器凭什么‘听懂’了人话？它是依靠天赋，还是依靠我们投喂的海量对话记录？”

【环节2：具身实践·我是数据标注员】（20分钟）

[1]【基础·高频考点】教师发布任务：每位学生领取20条脱敏后的真实用户咨询文本（商品咨询、退换货、售后投诉等）。

[2]操作流程：学生需在规定时间内，为每条文本打上“意图标签”（如#查询物流#申请退款#投诉卖家）。

[3]认知冲突制造：当学生遇到模棱两可的文本时（如“这个东西我真是服了”，既有可能是表扬质量，也有可能是吐槽物流），必然产生标注标准不统一的问题。

[4]【非常重要·难点具象化】教师即时收集全班标注结果，展示同一句话在不同学生手中的不同标签。此时引出核心概念——【数据质量】与【标注一致性】。学生深刻顿悟：人工智能并不“天生聪慧”，它的认知边界首先取决于我们给了它什么“食物”（数据）。若喂给它含混不清、充满偏见的数据，它的反应必然充满偏见。

【环节3：对比实验·规则派与学习派对决】（15分钟）

[1]【核心·热点】数字化平台探究：教师分发封装好的两个简易人工智能模型测试界面（基于JupyterNotebook轻交互或网页端模拟器）。

[2]模型A：基于专家系统的退换货判定器（规则如：若包含“退货”关键词且订单状态为“已签收”，则输出“需人工审核”）。

[3]模型B：基于决策树/朴素贝叶斯的机器学习判定器（已用500条历史工单训练）。

[4]学生任务：用同一批新的测试文本（含干扰项，如“我不想要了，但还没收到货”）去“为难”两个模型，记录各自的准确率与错误类型。

[5]结论生成：学生通过数据对比，自行归纳——规则系统可解释性强但僵化，机器学习系统灵活但依赖训练数据分布。此过程严禁教师直接灌输结论。

【环节4：公式提炼与宏观视野】（5分钟）

[1]师生共建：导出本节课核心认知工具——“人工智能能力=数据×算法×算力”模型-7。

[2]教师强调乘法关系：任一因子趋近于零，整体能力趋近于零。并用此公式现场剖解“为什么方言语音识别准确率往往低于普通话？”（方言训练数据稀缺）。

（三）第三课时：黑箱开一缝——让算法思想可见

【环节1：跨学科锚点·生物学的馈赠】（8分钟）

[1]【重要】视频引入：神经科学中神经元“全有或全无”的放电过程，与人工神经元对输入信号进行加权求和、激活输出的数学建模并置呈现-4。

[2]类比迁移：树突=输入特征，突触=权重系数，细胞体=求和与激活函数。学生利用高中生物必修三知识完成这一跨学科映射，深刻理解人工智能并非天外来客，而是人类对自身认知的模拟与致敬。

【环节2：不插电算法·纸笔上的最近邻】（17分钟）

[1]【难点·高频考点】情境设置：“智慧校园失物招领系统——如何根据物品特征（如颜色、体积、拾取地点）自动判断最可能的失主群体？”

[2]活动实施：教师给出二维坐标系，横轴“时间紧急度”，纵轴“物品价值”。坐标上有已标记类别的历史失物（如“证件类”“电子产品类”）。新来一件“手机”，坐标（高价值，中紧急度）。

[3]学生任务：不借助计算机，通过尺规作图，找到距离新点最近的3个已知点，按“少数服从多数”原则为新物品分类。

[4]抽象升华：教师引导学生复盘刚才的操作——你刚才就是在执行【K近邻算法】。你不需要写复杂的规则，只需要定义“距离”（相似度）并依赖已有的历史数据。这就是“数据驱动”的朴素之美。

【环节3：过拟合——为什么死记硬背会失败】（10分钟）

[1]认知冲突实验：教师展示两个模型在考试题（测试集）上的表现。模型甲在练习题（训练集）上准确率100%，考试时跌至65%；模型乙在练习题上准确率92%，考试时达89%。

[2]隐喻引导：学生自然联想到“题海战术”与“真正掌握规律”的区别。教师顺势点出【泛化能力】与【过拟合】。此环节不要求掌握复杂数学，但要求形成“过度追求训练集完美反而有害”的工程直觉。

【环节4：伦理切片·嵌入真实案例】（5分钟）

[1]案例呈现：全国首例人脸识别民事公益诉讼案简述-7。

[2]驱动问题：当我们拥有了训练模型的技术，是否就可以随意采集人脸数据用于“提升识别准确率”？技术与法律的边界何在？本环节作为情感升维，将技术学习与社会责任无缝焊接。

（四）第四课时：共创宣言——设计我们的人工智能向善微方案

【环节1：生成式人工智能的协同规范】（8分钟）

[1]【非常重要】基于《中小学生成式人工智能使用指南》，教师示范如何向大模型提出“好问题”——提供背景、约束条件、期望输出格式-9。

[2]反例警示：展示学生直接大模型生成的“人工智能设计方案”作为作业的低分案例，强调批判性筛选与自主思考是不可让渡的核心素养。

【环节2：头脑风暴·真实需求挖掘】（12分钟）

[1]跨学科小组组建：按照“数学-物理-生物-地理”等学科背景混合编组。

[2]任务：在校园、社区、家庭三个场域中，寻找一个“虽然目前由人来做，但更适合人机协同完成”的任务。

[3]教师提供支架：禁止提出“全自动取代人类”的粗暴方案（如“用机器人完全代替保洁员”），必须体现“增强”而非“替代”理念。

【环节3：微方案原型快速迭代】（15分钟）

[1]各小组使用“人工智能能力公式”作为分析框架，阐述方案所需的数据来源、初步设想的算法类型、算力支撑。

[2]伦理自检清单：方案是否侵犯隐私？是否可能加剧数字鸿沟？是否有责任归属模糊地带？

[3]教师及助教（或高校实习生）以咨询顾问身份入组指导，重点诊断技术路径的可行性而非代码实现-3-5。

【环节4：观点集市与全球视野】（10分钟）

[1]每组90秒“电梯演讲”，展示本组的人工智能向善创意。

[2]【热点·价值引领】教师总结：从偃师造人的远古幻梦，到蛋白质结构预测的科学突破，人工智能始终是人类自我认知的镜子-1-4。我们学习人工智能，不仅为了掌握一门技术，更是为了在硅基智能蓬勃发展的时代，更清醒地理解什么是不可替代的碳基智慧——那关乎好奇心、伦理抉择、审美与共情。这正是人工智能通识教育的终极使命。

五、教学资源矩阵与差异化支持

（一）【基础】保底资源

[1]清华大学出版社《人工智能通识（高中版）》核心章节阅读包-1-4。

[2]数字化简易算法实验平台（无需安装，网页端拖拽式操作，屏蔽底层代码复杂度）-7。

[3]脱敏后的行业真实数据集（标注练习专用）。

（二）【进阶】拓展资源

[1]与高校共建的“大模型原理”微课选修模块-5。

[2]Python代码片段赏析任务（不要求编写，要求读懂核心步骤含义）。

（三）差异化教学策略

[1]对于计算思维较强的学生：提供额外挑战任务——分析同一算法在不同算力设备上的推理耗时差异。

[2]对于人文倾向明显的学生：引导其重点攻关人工智能伦理两难困境，担任小组伦理官角色。

[3]针对认知负荷