高中二年级信息技术《人工智能基础》教案

高中二年级信息技术《人工智能基础》教案

一、教学背景

（一）教材分析

本节课选自高中信息技术课程选择性必修模块“人工智能初步”中的核心章节，教材版本为人民教育出版社·中国信息技术教育版。该单元以“感知智能—认知智能—创造智能”为逻辑主线，本节“人工智能基础”处于开篇位置，旨在帮助学生建立对人工智能学科的整体认知框架，厘清人工智能的基本概念、发展脉络与核心技术范式，并为后续机器学习、神经网络、自然语言处理等专题学习奠定坚实的理论基础。教材内容围绕“什么是人工智能”“人工智能的发展简史”“人工智能的主要研究领域”以及“人工智能的社会影响”四大板块展开，辅以经典图灵测试、深蓝、AlphaGo等案例，图文并茂，理论性与启发性并重。本节内容既承载知识传授功能，更肩负激发学生探究兴趣与批判性思维的重任。

（二）学情分析

授课对象为高中二年级学生，年龄集中在16至17岁。学生在高一阶段已完成“信息技术基础”必修模块的学习，具备信息获取、数据处理、算法初步等前置知识，对编程有基础认知，部分学生曾接触过Python语言。从认知特征看，高二学生抽象逻辑思维趋于成熟，能够理解符号化、模型化的科学概念，同时对社会性议题具有较高敏感度。然而，学生对人工智能的认知多来源于科幻影视作品、社交媒体碎片信息，存在“拟人化过度”“技术万能论”或“威胁论”等片面理解。因此，教学需在科学性与通俗性之间寻找平衡，既要精准传递学科术语，又要破除迷思概念，引导学生形成理性、辩证的技术价值观。

（三）课标要求

《普通高中信息技术课程标准（2017年版2020年修订）》在选择性必修模块“人工智能初步”中明确要求：1. 通过典型应用案例，了解人工智能的基本概念和主要算法，描述人工智能技术的基本思想与发展历程；2. 认识人工智能技术对社会发展的影响，能客观分析人工智能带来的伦理与安全挑战；3. 能利用开源人工智能开发框架或实验平台，完成简单人工智能应用的搭建与测试。本节教学设计严格对标上述条目，重点落实第一条与第二条，为第三条能力目标做好认知铺垫。

（四）教学目标

1.知识与技能目标

（1） 能够准确复述人工智能的定义，辨析图灵测试、弱人工智能、强人工智能等核心术语；【重要】【高频考点】

（2） 能够绘制人工智能发展时间轴，标注达特茅斯会议、深蓝、AlphaGo等标志性事件及技术突破；【重要】

（3） 能列举人工智能的五个以上主要研究领域（如计算机视觉、自然语言处理、专家系统等），并匹配相应的典型应用；【非常重要】【高频考点】

（4） 能初步使用开源平台（如百度EasyDL或腾讯AI体验中心）完成一项图像分类任务的简单配置，感受人工智能模型训练流程。【一般】

2.过程与方法目标

（1） 通过“图灵测试模拟辩论”活动，运用比较、归纳的方法抽象出智能的本质特征；

（2） 借助人工智能发展史案例研究，培养基于证据的技术史分析能力；

（3） 通过小组协作完成“人工智能应用领域拼图”任务，锻炼信息分类与可视化表达能力。

3.情感、态度与价值观目标

（1） 形成对人工智能技术的科学态度，既不盲从“技术奇点”恐慌，也不陷入“技术万能”迷思；【热点】

（2） 建立人工智能伦理敏感度，能从隐私、公平、责任等维度审视智能应用；

（3） 激发投身智能科学研究的志向，感受中国在人工智能领域的创新成就，增强科技报国情怀。

（五）教学重难点

1.教学重点

（1） 人工智能的定义与图灵测试的本质；【非常重要】【高频考点】

（2） 人工智能主要研究领域及其典型应用场景。【非常重要】【高频考点】

2.教学难点

（1） 区分“强人工智能”与“弱人工智能”，理解当前技术阶段处于弱人工智能水平；【难点】

（2） 破除“人工智能=机器人”的窄化认知，建立“算法+数据+算力”三位一体的技术观。【难点】【热点】

（六）教学准备

1.教师准备

（1） 制作交互式多媒体课件，嵌入图灵测试模拟视频、AlphaGo对弈记录片剪辑、人工智能发展史动态时间轴；

（2） 准备人工智能应用领域分类卡片（实体/数字版），用于课堂拼图活动；

（3） 在局域网部署百度EasyDL零代码图像分类实验环境，预置猫狗图片数据集；

（4） 设计并印制课堂学习任务单及评价量规。

2.学生准备

（1） 预习教材第1章，记录对人工智能的三个原有认知与三个疑问；

（2） 自由组队，4人一组，准备参与课堂辩论与协作任务。

二、教学实施过程

（一）创设情境，悬念导入（3分钟）

上课伊始，教师在大屏幕同步呈现两幅画面：左侧为一只机械臂在流水线上精准装配零件，右侧为AlphaGo与李世石对弈的经典瞬间。教师连续抛出三个递进式问题：“这两幅场景是否都属于人工智能？如果都属于，它们‘智能’的体现方式有何不同？如果只有一幅属于，请说明排除另一幅的理由。”【重要】学生基于前概念展开短暂同位讨论，约70%学生能迅速判定两幅画面均为人工智能应用，但难以精确表述工业机器人决策系统与围棋博弈系统在智能层级上的差异。此时教师不急于给出标准答案，而是自然引出课题：“究竟何为人工智能？它的边界在哪里？今天让我们以计算思维为透镜，重新审视这个既熟悉又陌生的领域——人工智能基础。”板书课题，明确本节课的学习目标。

（二）概念建构，精准辨析（10分钟）

1.定义溯源与图灵测试解码【非常重要】【高频考点】

教师呈现人工智能学科的经典定义：“人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门科学。”引导学生圈画关键词“模拟”“延伸”“扩展”，理解人工智能并非对人类智能的完全，而是功能性增强。随后播放一段2分钟微课视频，动画还原1950年图灵测试设想场景。视频播放后，教师设问：“图灵测试通过是否意味着机器拥有了真正的思维？”组织小组进行微型辩论，正方观点“通过测试即证明思维存在”，反方观点“符号操作不等于真实理解”。学生在辩论中自然调用哲学中的“中文屋”思想实验，教师顺势引出弱人工智能与强人工智能的区分——当前所有商业应用均属弱人工智能，它们仅在特定领域表现超人，不具备通用的问题解决能力与自我意识。此环节通过认知冲突完成概念去神秘化，标注【难点】处需教师重复强调“弱人工智能时代”这一历史定位。

2.人工智能发展简史：从达特茅斯到生成式大模型

教师分发实体时间轴卡片，每组一套。卡片正面印有年代与事件名称（如1956达特茅斯会议、1997深蓝战胜卡斯帕罗夫、2016AlphaGo战胜李世石、2022ChatGPT发布等），背面为简要技术说明。小组任务：按照时间顺序排列卡片，并在学习任务单上绘制“技术关注度曲线”，标注三个高潮期与两次低谷（人工智能寒冬）。【重要】教师巡视，发现多数小组能准确排序，但对“寒冬”成因理解模糊。教师集中讲解：人工智能发展受制于算力瓶颈与算法局限，符号主义与连接主义的交替引领体现了技术发展的螺旋特征。结合当前生成式大模型热潮，引导学生理性看待技术浪潮，既不低估潜力，也不过度透支预期。

（三）领域透视，应用进阶（12分钟）

1.人工智能研究领域全景图【非常重要】【高频考点】

教师呈现一张经过结构化处理的概念图，中心为“人工智能”，向外辐射出六大主干领域：计算机视觉、自然语言处理、语音处理、专家系统、机器人学、机器学习。每个主干再分支出二级应用，例如计算机视觉下含人脸识别、图像分类、目标检测；自然语言处理下含机器翻译、情感分析、问答系统。学生以小组为单位领取卡片包，卡片上混合写有领域名称与应用实例。任务要求：在3分钟内将卡片分类粘贴至黑板大概念图的相应位置，并说明分类依据。教师邀请两组代表上台演示，其他小组补充质疑。此环节将抽象概念具象化，学生通过动手操作强化领域与应用的一一映射。教师特别强调机器学习作为当前人工智能核心驱动力的地位，并指出深度学习是机器学习的一个子集。【非常重要】【高频考点】

2.体验人工智能：零代码图像分类实践【一般】

教师引导学生访问局域网内的百度EasyDL实验站点，每个小组使用预标注的猫狗图片数据集，点击“训练模型”按钮，观察平台在数十秒内自动完成模型训练并输出精度报告。学生拖动本地图片进行实时测试，当模型将一张折耳猫图片误判为“狗”时，课堂发出笑声。教师顺势提问：“为什么会出现这种错误？这反映了人工智能模型的什么特性？”学生答：“训练数据不均衡”“模型没有理解猫的概念，只是统计规律”。教师总结：当前人工智能本质是基于大数据的模式识别，不具备人类的抽象推理与迁移学习能力。该体验虽然技术门槛极低，但直击核心——人工智能的统计本质与数据依赖性。学生将“易错案例”拍照记录在学习任务单上，作为后续反思素材。

（四）思辨升华，价值引领（8分钟）

1.人工智能伦理两难情境研讨【热点】【难点】

教师呈现改编自真实事件的案例：“某招聘网站使用人工智能简历筛选系统，由于历史数据中男性工程师简历占比80%，系统自动将女性简历评分降低。作为企业技术负责人，你会如何修正这一偏差？”学生分组讨论4分钟，形成简要对策。教师收集典型观点并投影，发现学生普遍能意识到“剔除性别字段”“重新平衡训练数据”等技术方案，同时也有小组提出“公开算法评估报告”“成立伦理委员会”等治理思路。教师将学生方案归纳为“技术层”“制度层”“文化层”三个维度，并指出：人工智能伦理不是技术完成后的补救措施，而应嵌入系统设计全生命周期。本环节无标准答案，重在使学生亲历伦理决策的复杂性与价值权衡。

2.中国人工智能创新成就速览

快速播放一组幻灯片：百度文心大模型、华为盘古大模型、寒武纪智能芯片、浙江大学脑机接口……教师旁白：“人工智能是引领未来的战略性技术，我国在应用层已跻身世界前列，但在基础算法、开源框架等方面仍需突破。”鼓励学生将个人专业兴趣与国家战略需求相结合，埋下生涯规划种子。

（五）巩固迁移，即时评价（5分钟）

1.概念辨析抢答【高频考点】

教师口述三道判断题，学生举牌（红/绿）作答：第一题“能够通过图灵测试的计算机系统必定具有人类水平的智能”（错误，弱人工智能即可通过特定领域测试）；第二题“专家系统属于机器学习范畴”（错误，专家系统基于规则推理，机器学习基于数据归纳）；第三题“自动驾驶汽车同时涉及计算机视觉与机器人学”（正确）。正确率实时反馈，第三题正确率高达95%，第一题约75%，教师针对第一题再次辨析“图灵测试的操作主义局限”。

2.思维导图脚手架搭建

学生利用最后2分钟，在学习任务单上补全“人工智能基础”思维导图的一级、二级分支。教师巡视，发现绝大多数学生能正确写出六大领域，部分优等生已添加“监督学习”“无监督学习”等三级分支。此活动作为形成性评价证据，纳入课堂观察记录。

（六）总结提升，作业分层（2分钟）

1.课堂总结

教师结合板书回扣教学目标：通过图灵测试与历史分期澄清概念本质，通过领域拼图与应用体验建立宏观视野，通过伦理案例培育批判性思维。强调本节课所有知识点均指向课程标准核心素养——信息意识、计算思维、数字化学习与创新、信息社会责任。【非常重要】

2.分层作业布置

基础层（全员必做）：完成教材课后选择题，绘制人工智能发展史手抄报（A4纸）并标注至少五个关键节点。

提高层（选做）：登录讯飞开放平台或腾讯AI体验中心，体验语音合成或人脸识别功能，撰写200字体验报告，重点描述人工智能模型的“惊喜”与“局限”。

拓展层（学术性探究，鼓励学有余力者完成）：阅读科普文章《图灵测试的黄昏：从行为主义到包容主义》，撰写300字微评论，阐述你对“未来人工智能测试标准”的看法。所有作业通过班级学习通平台提交，教师选取优秀作品在下节课展示。

三、教学评价设计

（一）过程性评价维度【重要】

1.课堂参与度：通过观察学生在辩论、拼图、体验环节的发言频次与质量，利用智慧课堂平板实时点赞加分，重点关注后三分之一学生的投入状态。

2.协作贡献度：组内互评结合教师巡视记录，评价指标包括倾听他人观点、提供建设性意见、分担任务责任三项，每项分A/B/C三档。

3.学习任务单完成质量：重点检查人工智能定义关键词提取、发展史时间轴准确性、领域应用匹配正确率、伦理案例分析逻辑性。任务单回收后教师批阅，在下节课进行共性反馈。

（二）终结性评价设计【高频考点】

本单元结束后将进行单元测验，本节内容对应试题类型包括：1. 选择题：图灵测试的本质、人工智能三大支柱、深度学习所属范畴等；2. 填空题：达特茅斯会议年代、人工智能英文缩写、弱人工智能特征等；3. 简答题：简述人工智能伦理挑战并提出两项治理措施。本节教学设计已为上述考点铺设认知路径，后续通过单元复习卷强化记忆。

（三）量规式评价工具

针对拓展性作业（体验报告与微评论），制定评价量规：维度一“技术描述准确性”（权重40%），维度二“批判性思维深度”（权重40%），维度三“表达规范性”（权重20%）。量规提前发布，使学生明确优质作业标准。

四、教学反思与改进预设

（一）成功经验萃取

本节课采用“认知冲突—概念同化—应用迁移—价值内化”四阶模型，将抽象的智能概念具身化为可操作的任务。最大亮点在于将前沿技术体验降维至零代码环境，使所有学生均能直观感受人工智能的“能”与“不能”，有效破除技术神秘化。辩论环节生成性资源丰富，学生甚至自发提及“数据歧视”“算法偏见”等专业术语，显示前置文献阅读指导成效。

（二）潜在问题预案

1.时间分配风险：领域拼图活动若小组分歧较大可能超时。预案：教师准备半成品概念图，仅预留二级分支空位，降低操作认知负荷。

2.概念混淆风险：部分学生可能将“人工智能”与“机器学习”等同。预案：在总结环节重复强调“机器学习是实现人工智能的主流路径，而非唯一路径，专家系统、知识图谱同样属于人工智能家族”。

3.设备故障风险：局域网实验平台若出现延迟，立即切换至录屏演示模式，确保体验流程不断裂。

（三）跨学科融合深度

本节虽定位信息技术学科，但已隐性融入哲学（中文屋思想实验）、历史学（技术史分期）、社会学（伦理治理）等视角。未来迭代版本可引入更丰富的STEM元素，例如利用Python的sklearn库搭建简易KNN分类器，使“模型训练”从黑箱操作走向代码具身，适配部分学有余力的班级。

（四）课程思政持续渗透

不刻意拔高，但始终浸润：在达特茅斯会议介绍中强调华人学者王浩的贡献，在伦理环节对比欧盟GDPR与中国《新一代人工智能伦理规范》，在作业环节推荐国产开源平台。使学生在掌握国际通用知识体系的同时，自然形成技术主权意识与本土创新自信。

五、板书设计逻辑架构

主板书区（黑板左侧）：

人工智能=算法×数据×算力

——定义：模拟、延伸、扩展智能

——图灵测试：行为主义标准（1950）

——强弱之分：专用智能vs通用智能

副板书区（黑板右侧）：

发展简史：1956达特茅斯→1997深蓝→2016AlphaGo→2022大模型

六大领域：计算机视觉、自然语言处理、语音处理、专家系统、机器人学、机器学习

伦理原则：透明、公平、负责、向善

板书中所有关键词均用彩色粉笔凸显，与PPT课件动态呼应，全程留痕。

六、教学资源与技术支撑

（一）数字资源包

1.微课：《图灵测试与中文屋》（3分20秒，内嵌字幕）

2.交互时间轴：H5页面，点击节点弹出详细技术原理与历史照片

3.虚拟仿真实验：百度EasyDL图像分类轻量版镜像站（校园网内访问）

（二）物理教具

1.人工智能领域与应用卡片箱（含磁贴，适配智慧黑板）

2.辩论环节正反方桌牌

3.“技术关注度曲线”磁力贴片

所有资源均存储于学校校本资源库，并生成二维码置于教材对应页，学生可课后扫码复习。

七、教学流程全景鸟瞰

导入阶段（3分钟）：双画面冲突，激发认知失衡

建构阶段（10分钟）：定义精准化+历史脉络化

深化阶段（12分钟）：领域系统化+体验具身化

升华阶段（8分钟）：伦理情境化+价值本土化

评价阶段（5分钟）：辨析抢答+思维外显化

小结作业（2分钟）：结构回放+任务分层化

全课各环节环环