高中二年级信息技术·人工智能产业赋能项目式导学案

高中二年级信息技术·人工智能产业赋能项目式导学案

一、教学背景与顶层设计

（一）课程定位与学情研判

本导学案定位于高中二年级信息技术课程，对应人教版/沪科教版选择性必修模块四《人工智能初步》及《开源硬件项目设计》跨模块整合内容。学段设定为高二年级下学期，学生已具备Python编程基础、数据分析基本流程及机器学习初步概念，正处于从“技术原理认知”向“社会价值创造”迁移的关键期。【重要·认知发展分水岭】依据《普通高中信息技术课程标准》及《关于加强中小学人工智能教育的通知》精神，本设计紧扣“人工智能通识教育普及”与“拔尖创新人才培养”双重目标，将AI技术学习置于真实产业赋能场景之中，构建“认知—技能—实战”一体化培养闭环。【政策响应热点】

（二）新标题阐释与核心锚点

“智造未来：AI赋能智能制造产线优化的项目式学习”。标题精准锚定“产业赋能”路径中的典型领域——智能制造，将抽象的人工智能原理具象化为产线效率优化、视觉质检、预测性维护等可操作、可测量的工程问题。学科边界为信息技术，融合通用技术、物理传感器原理及职业启蒙教育。【跨学科视域基石】

（三）课标依据与核心素养映射

本设计深度对标《高中信息技术课程标准》中“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。【非常重要·素养闭环】具体映射关系为：通过产业痛点分析培育信息意识中的价值敏感性；通过算法选型与模型调优锤炼计算思维中的抽象建模与系统化思维；通过智能体开发与边缘端部署实现数字化学习与创新；通过AI伦理辩论与技术决策反思筑牢信息社会责任。同时，本设计呼应《广西推进人工智能赋能教育行动方案》中对高中阶段“侧重项目创作和前沿应用”的定位，并落实《广州市关于深化中小学人工智能与教育融合创新的若干措施》中“构建新型师-机-生关系”的教学模式革新要求。【高频政策契合点】

二、单元项目框架：四阶三环产业赋能模型

本单元共计8课时，以“智能产线能效官”为项目总驱动角色，学生团队模拟智能制造咨询公司，为一家新能源电池PACK组装产线解决三个真实瓶颈问题。项目整体遵循“产业需求解构→技术方案建构→原型系统开发→交付路演迭代”四阶逻辑，每一阶嵌入“技术研修—协作攻关—专家评审”三环闭环。【项目式任务结构】

三、教学实施过程【核心篇幅·占比75%以上】

（一）第一阶：产业情境浸入与问题定义（第1-2课时）

1、锚定情境与角色唤醒【基础·角色代入】

课堂伊始，教师播放一段时长3分22秒的沉浸式VR全景视频——昆山某新能源电池模组智能产线实景。视频聚焦三个具体镜头：贴胶工位因来料偏移导致频繁停机、老化测试区海量电流电压曲线依赖人工判读、AGV运输小车等待料箱超时而形成路径堵塞。播放过程中，教师不做旁白解说，仅以字幕叠加形式呈现三类损失数据：贴胶停机日均37次、测试误判率12.7%、物料等待时间占工单周期18%。【沉浸式情境锚定】视频结束后，教师发布项目启动函：“你们不仅是学生，更是博世互联工业或宁德时代菁英计划的项目实习生。现接到任务：72小时内为产线输出一份基于AI的痛点诊断书及最小可行性方案。”

2、基于AI学伴的痛点萃取【重要·技术赋能探究】

学生以4人异质小组围坐，每人配备接入教育专网的终端设备。教师不直接讲授工业知识，而是引导学生使用经教师微调训练的教育专用大模型智能体——“产线侦探”。该智能体内置了汽车制造业CommonSense知识库及百余份行业MES系统报表脱敏样本。学生向智能体提问：“电芯贴胶工序的质量关键控制点有哪些？”“老化测试分容柜的数据采集频率通常是多高？”“AGV调度算法的常见冲突类型是什么？”【人机对话式学习】智能体不仅返回文本答案，还以思维导图形式动态生成“影响因素关联图”。各小组需在30分钟内完成一份“产线痛点鱼骨图”数字画布，从人、机、料、法、环五个维度归因。【难点突破：从现象到结构化问题】

3、双师协同与问题收敛【创新模式】

此刻，课堂呈现“双师”形态：人类教师巡回观察各小组鱼骨图逻辑，重点点拨因果链条的合理性，例如“是否将操作工熟练度与传感器误报率进行了混淆”；AI教研助手同步分析各小组的提问关键词，实时生成全班共性问题热力图。当热力图中“数据量不足”“样本不平衡”等词汇聚集时，人类教师介入进行5分钟微讲座，阐释小样本条件下工业AI落地的迁移学习策略。【精准教研】最终，各小组锁定一个具体攻坚方向，全班形成三个技术赛道：A组聚焦视觉贴胶对位、B组聚焦测试曲线异常分类、C组聚焦AGV等待时间预测。

（二）第二阶：技术解耦与算法原型建构（第3-4课时）

1、数据血统溯源与工业数据集构建【高频考点·数据治理】

进入技术攻坚阶段。教师提供昆山某合作企业脱敏的真实产线数据集，包含：贴胶工位2000张工业相机灰度图（含正品与瑕疵品）、老化柜1200条时间序列充放电曲线、AGV调度日志10万行结构化记录。【非常重要·真实性】教学难点在于：学生习惯于使用Kaggle或天池上已经清洗标注的“玩具数据集”，面对含有大量空值、时间戳错位、传感器漂移的工业原始数据易产生认知冲突。

此时，教师引入“数据血统”概念。各小组须先绘制数据血缘图谱：数据从传感器→PLC→边缘网关→MES→数据中台的流转路径中，哪些节点可能引入噪声。B赛道小组发现，老化柜的电压曲线在凌晨3点至5点存在规律性阶跃，与产线实际工艺不符。学生利用AI工具辅助编写Python异常检测脚本，定位到是数据采集卡夜间校准时产生的系统误差。【计算思维落地】教师在此环节重点评价“数据质疑意识”，而非急于追求模型精度。

2、特征工程与领域知识融合【难点·产业AI特质】

工业AI区别于通用图像分类的核心在于对领域知识的深度融合。以A赛道“胶路视觉检测”为例，学生初步尝试用ResNet50进行端到端分类，准确率仅83%，且对光照变化极度敏感。教师引导：“如果你是拥有十年经验的工艺工程师，你会看图像的哪些区域？”【思维可视化】学生顿悟，应关注胶水溢出宽度、断胶频次、贴片边缘偏移量等结构化特征。

学生运用OpenCV及大模型的图像分割能力，先对电芯极耳、绝缘片、蓝胶区域进行语义分割，再从中计算几何特征。此过程教师不做手把手代码教学，而是提供“特征工程思路脚手架”：各小组向AI编程助手发出指令，例如“请生成一段基于轮廓检测的胶路宽度测量代码，输出单位为毫米”。【AI助教深度嵌入】AI助手生成代码片段后，学生需将其封装成函数，并嵌入到完整的特征提取Pipeline中。课堂实况是，不同小组因拍摄角度标定不统一，导致测量值偏差；学生通过讨论，自主提出在工位加装棋盘格标定板，并在图像处理流程中增加透视变换校正环节。这一“发现偏差—溯源归因—自主迭代”的过程，正是工程思维生长的显性证据。【核心素养达成证据】

3、轻量化建模与模型可解释性【热点·可信AI】

C赛道“AGV等待时间预测”涉及回归任务。学生常规思路是堆叠树模型追求最低均方根误差。教师追问：“厂长凭什么相信你黑箱模型的调度建议？”继而引出SHAP值分析教学。学生不仅训练XGBoost，更绘制每个样本的预测解释力图，发现“上一工位完工时间波动”是比“AGV自身速度”更显著的特征。这一发现反向指导学生修改数据采集策略：应增加工位作业结束信号传感器。模型不再仅仅是输出预测值，而是成为了优化产线数据架构的透镜。【AI辅助决策—人类综合研判】

（三）第三阶：智能体开发与边缘端迁移（第5-6课时）

1、从算法到智能体的范式跃迁【非常重要·产业级交付】

本阶段核心任务是：将训练好的模型封装为可在产线边缘端运行的智能体服务。教学平台采用国产自主可控的工业智能体低代码开发平台（对标百度EasyDL及华为ModelArts边缘版本）。教师首先演示：如何将ONNX格式模型通过量化压缩，部署到树莓派或JetsonNano模拟的边缘计算盒子。

A赛道小组面临挑战：全精度模型体积320MB，边缘端推理延迟超过300ms，不满足产线100ms实时性要求。学生借助AI工具进行模型剪枝与INT8量化，模型体积压缩至89MB，延迟降至67ms。【工程约束思维】教师此时介入讲解“算力-功耗-精度”不可能三角，学生需在实验中自主确定部署方案。课堂中，部分小组牺牲3%精度换取实时性达标，部分小组则提出采用“双模型级联”——粗筛模型快速过滤负样本，细筛模型仅对可疑样本二次判读。这一架构创新直接来源于学生对“成本-效益”的权衡思考，超越了单纯的技术模仿。

2、数字孪生与虚实联动【跨学科融合】

为规避真实产线调试风险，课堂引入轻量化数字孪生环境——基于Unity引擎构建的简易虚拟电池产线。学生开发的视觉质检智能体通过API接口与虚拟产线通信。当智能体判定“胶路异常”时，虚拟产线中的三色报警灯亮起，机械臂将模拟电池模组推入返修线；AGV调度智能体输出等待时长预测，虚拟产线中的车辆自动重新规划路径。【沉浸感与安全性兼得】

此处，物理教师以“走课”形式介入15分钟，从运动学角度讲解AGV加减速模型对路径规划时间的影响，与信息技术学科形成实质性跨学科联授。学生综合运用物理匀变速公式修正AI预测模型的时间特征输入，效果提升显著。【跨界融合样板】

3、智能体交互界面设计【素养全纳】

产业智能体不仅要有算法内核，还需具备人机协同界面。学生运用Streamlit或微信小程序开发工具，为各自智能体配置简易交互界面。B赛道小组设计“老化测试医生”看板，核心界面包含三条曲线：实测充放电曲线、AI重构的典型健康曲线、残差曲线；并增加“AI置信度”色带条，当置信度低于0.7时强制人工复核。【伦理设计前置】教师引导学生思考：为什么明知AI准确率高于人工，仍保留复核机制？学生讨论生成结论：责任归属与安全边际，而非单纯效率逻辑。这是信息社会责任在代码中的显性化。

（四）第四阶：产业路演与方案迭代（第7-8课时）

1、模拟董事会决策【高频考点·价值表达】

终局任务不是提交代码，而是面向“董事会”（由教师、企业外聘专家、兄弟小组代表构成）进行15分钟方案路演。路演材料需严格包含：痛点量化、技术选型理由、ROI测算、伦理风险备案。各小组计算成本时需调用仿真环境输出的效率提升数据，并折算为年度节约工时费用。C赛道小组展示：通过AGV等待预测，产线OEE提升6.3%，年节约人力及停机成本约127万元（基于教学仿真模型模拟值）。【职业场景迁移】

2、对抗性质询与思辨升华【难点·技术祛魅】

路演特设“刁钻提问”环节。扮演董事的教师质疑：“你们用AI替代了质检工位的老员工，是否造成失业？方案是否减掉了必须的人文温度？”课堂进入深度思辨。学生回应策略应包含：提出产线“人机协作”而非“人机替代”方案——老员工转型为AI训练师，负责处置低置信度样本并持续优化模型。此环节将《人工智能伦理教育规范指引》从条文内化为价值坐标。【非常重要·立德树人】

3、跨群体评议与迭代承诺

评价环节实施“三维度四主体”评价：自我组内复盘、同赛道交叉互评、企业专家远程点评、教师综合裁定。互评表设计特别关注“可复现性”与“可迭代性”。每个小组须在课堂最后15分钟根据反馈生成V2.0版本迭代路线图，例如标注“下一阶段拟增加小样本学习能力，适应频繁换线生产”。【成长性思维固化】

四、教学资源与支撑环境

（一）硬件环境配置【重要】

本教学设计依托升级版人工智能教育实验室，部署教师机、小组实验台及边缘计算节点。实验台配备高性能算力终端及工业相机、模拟传送带套件。所有终端接入区域教育专网，实现千兆到桌面，保障模型分布式训练及实时推理的低延迟交互。

（二）软件平台与智能体工具集

核心平台采用市教育大数据平台集成的“AI教育应用超市”，内置：大模型智能体对话学习插件、工业数据集脱敏仓库、可视化建模工作台、模型压缩与边缘部署工具链、轻量化数字孪生仿真环境。所有工具面向师生免费复用，符合《广州市中小学人工智能教学平台》资源供给规范。【政策落地】

（三）协同师资与产教联动

本单元邀请合作高新区企业工程师以线上方式参与第7课时评审。该工程师曾参与宁德时代德国工厂选址及产线设计，其点评不仅关注算法指标，更强调“产线不是实验室，算法鲁棒性与维护便利性往往比精度更重要”。这一视角极大补充了单纯学校教学的行业盲区。【产教融合实锤】

五、教学评价与证据采集

（一）过程性评价数据驾驶舱【创新】

依托“桂教通”平台底层数据基座，本教学设计全过程采集四类数据：对话式学习中的提问质量向量、代码迭代版本演化图谱、小组协作网络密度、反思日志情感倾向。教师端形成班级“人工智能素养数字画像”，精准定位每名学生在“数据思维—算法思维—工程思维—伦理思维”四个维度的优势与短板。【精准教学决策】

（二）表现性评价量规【核心】

终结性评价不设笔试，代之以项目路演量规。量规一级指标包括：问题定义精准度【权重20%】、技术方案适切性【权重25%】、工程实现完成度【权重25%】、伦理与社会责任感【权重15%】、团队协作与表达说服力【权重15%】。其中，“伦理与社会责任感”观测点具体化为：是否主动提出AI误判补救措施、是否考虑数据隐私保护、是否设计人机协同接口。【高频考点·核心素养具象化】

（三）增值评价

通过项目前后测对比，分析学生对待AI技术态度的迁移。前测时，67%学生将AI简单等同于“算法模型”；后测时，89%学生能用“社会技术系统”视角描述AI在产业中的嵌入过程，能够列举至少三项产业AI落地的非技术制约因素（如数据主权、工人接受度、运维成本）。【深度学习证据】

六、关键要点罗列与价值强化

【非常重要·教学范式转型】本设计彻底摒弃“原理罗列+软件操作”的传统信息技术课模式，确立“真实问题—工具探究—价值创造”的AI教育新范式。

【重要·师机生关系重构】人类教师从知识权威转型学习设计师与思维催化剂；AI工具从演示道具转型为认知脚手架与即时反馈源；学生从代码复现者转型为负责任的产业问题解决者。

【高频考点·产业AI四要素】工业AI项目成功四要素在本设计全流程中高频复现：领域知识不可缺席、数据治理重于建模、可解释性决定信任度、人机协同优于全自动。

【热点·AI伦理内嵌】不设置孤立的“伦理教育”章节，而是将责任权衡、隐私保护、可解释性作为技术方案的必要组成部分，在每一代码行、每一张可视化图表中隐性渗透。

【难点突破路径】针对“数据质量差→模型效果不佳”这一产业级难点，设计三阶破解策略：第