高中信息技术粤教版选择性必修3第一章第1节《人工智能的概念与本质》教学设计

高中信息技术粤教版选择性必修3第一章第1节《人工智能的概念与本质》教学设计一、单元设计思想与理论根基在智能科技日新月异的当下，人工智能已从单纯的技术名词转变为重塑社会结构与生产生活方式的基础力量。高中信息技术课程承载着培养学生数字素养与计算思维的重任，选择性必修3《数据管理与分析》以及与之深度融合的《人工智能初步》内容，要求我们不仅仅将人工智能视为一种工具，更要引导学生洞察其背后的数据驱动本质与算法逻辑。【非常重要】本节内容并非简单的概念介绍，而是整个选择性必修模块的“认知锚点”。它需要帮助学生完成从“经验感知”到“理性审视”的跃迁。基于学科大概念的理念，本设计将“数据”、“算法”、“算力”与“智能”之间的内在逻辑关联作为主线，旨在让学生在体验中建构，在思辨中深化，最终达成对人工智能概念的多维理解。这不仅是知识的传授，更是思维方式的革新，为学生后续深入学习机器学习、神经网络等内容奠定坚实的认知基础。二、教学内容深度解析本章节作为开篇之作，其核心在于界定“人工智能”这一宏大概念在学科语境下的精确内涵。依据粤教版教材的编排逻辑，本节内容可解构为三个层次递进的维度：（一）人工智能的学科定义与核心目标本部分需超越“让机器像人一样思考”的朴素理解。人工智能作为计算机科学的一个分支，其核心目标是模拟、延伸和扩展人的智能，涉及感知、推理、学习、决策等复杂过程。重点在于阐释“智能”在机器层面的实现方式，即通过符号主义、连接主义和行为主义等不同流派的技术路径，构建能够感知环境、自主推理并采取行动以实现特定目标的智能实体。（二）智能的本质：从数据到知识到智慧的转化链【基础】【重要】人工智能得以实现的基础在于数据。传感器、互联网、物联网等产生了海量数据，而智能的本质在于从这些看似无序的数据中提取规律（信息），形成可用的模型（知识），并利用这些知识在未知情境中做出最优决策（智慧）。这一转化链是理解人工智能“黑箱”的关键钥匙。教师需通过类比（如学生通过学习例题掌握解题方法的过程）帮助学生建立“学习”与“模型训练”之间的隐喻关联。（三）人工智能的三驾马车：数据、算法、算力【高频考点】没有数据的驱动，算法只是空中楼阁；没有强大的算力支撑，复杂算法的训练将遥不可及；没有精妙的算法，数据和算力也无法转化为智能。本部分需详细阐释三者间的协同关系：1.数据：人工智能的“燃料”。数据的质量、数量与多样性直接影响模型的性能。需引入结构化数据与非结构化数据（文本、图像、音频）的概念。2.算法：人工智能的“引擎”。即解决问题的精确步骤与方法。在人工智能领域，特指那些能让机器从数据中学习的模型构建方法，如线性回归、决策树、神经网络等。3.算力：人工智能的“加速器”。主要指CPU、GPU、TPU等计算芯片提供的处理能力。正是算力的指数级增长，使得深度学习等复杂模型的训练成为可能。三、学情精准画像与定位本课教学对象为高中二年级学生。经过必修课程的学习，他们已经具备了一定的信息意识与计算思维基础，能够熟练使用常见的数字化工具。然而，他们对人工智能的理解大多停留在感性认识层面，如人脸识别、智能语音助手等应用场景，但对于“为什么机器能认出人脸”、“语音助手如何理解语义”等内在机制缺乏深入的了解。【热点】当前，生成式人工智能的爆发使学生对人工智能既充满好奇又夹杂着误解。他们容易将人工智能神化为无所不能的“魔法”，或过度担忧其取代人类的威胁。因此，本节课的学情定位在于：利用学生的好奇心作为内驱力，通过精心设计的体验活动，将其感性经验引向理性分析，破除对人工智能的迷思，建立科学、客观、辩证的智能观。四、教学目标分层设定（指向核心素养）基于课程标准与学情分析，设定本节课的教学目标如下：（一）信息意识学生能够主动关注并发现生活中人工智能技术的应用实例，意识到数据在智能应用中的核心价值，形成对新兴技术敏锐的感知力。（二）计算思维【重要】能够理解人工智能解决问题的基本过程，即“数据采集—模型训练—预测决策”的循环迭代模式。能够运用系统分析的方法，初步区分人类智能与机器智能在实现方式上的本质差异。（三）数字化学习与创新能够利用数字化学习资源（如在线人工智能实验平台）体验简单的模型训练过程，在小组协作中尝试提出改进模型性能的思路，培养创新意识。（四）信息社会责任能够辩证地看待人工智能技术的发展，客观分析其带来的社会伦理挑战（如算法偏见、隐私泄露），树立正确的科技伦理观，增强在智能时代的社会责任感。五、教学重点与难点突破策略（一）教学重点1.理解人工智能的核心概念与本质特征。2.厘清数据、算法、算力三者在人工智能系统中的内在逻辑关系。突破策略：采用“具身认知”策略。不直接讲授概念，而是让学生在体验“手写数字识别”或“果蔬分类”等简易人工智能实验的过程中，亲身感受“提供数据（训练样本）—调整参数（算法影响）—得到结果（模型输出）”的全过程。在此基础上进行归纳提炼，将抽象概念具象化。（二）教学难点把握“智能”的实质，即机器是如何通过学习获得“知识”并进行决策的，以及这种“智能”与人类智能的异同。突破策略：引入“隐喻教学法”和“辩论式学习”。将机器学习过程隐喻为“厨师学习做菜”（菜谱=算法，食材=数据，烹饪练习=训练，最终菜品=模型输出）。同时设置小型辩论议题：“人工智能真的‘智能’吗？”引导学生在搜集资料、组织论据、相互辩驳的过程中，深化对智能本质的思辨性理解。六、教学方法与准备（一）教学方法1.任务驱动法：以“探秘智能语音助手”或“体验智能图像识别”为核心任务，贯穿全课。2.探究式学习法：围绕“数据如何影响模型”这一核心问题，设计对比实验，引导学生自主探究。3.小组协作学习法：以45人为一组，通过分工合作完成体验、分析与汇报任务。（二）教学准备1.硬件环境：多媒体网络教室，确保每台学生机均可访问互联网。2.软件平台：教师机广播系统；提前在本地服务器或云端部署好人工智能体验平台（如腾讯AI开放平台体验中心、百度AI体验中心、Google的TeachableMachine等）；准备几款不同风格的生成式人工智能对话机器人作为演示工具。3.学习资源：导学案（包含预习任务、课堂探究记录表、评价量表）；微课视频（简要介绍人工智能发展简史或图灵测试）。七、教学过程详案（两课时连堂，90分钟）【教学导入】情境创设，唤醒经验（预计8分钟）上课伊始，教师不急于揭示课题，而是向学生展示一段经过剪辑的视频混剪。视频内容涵盖：智能手机的人脸解锁、通勤路上的自动驾驶汽车、购物APP的“猜你喜欢”、医院里的AI辅助诊断影像、以及最近火爆的生成式人工智能根据文字描述生成精美图片的过程。视频节奏明快，配以适当的音效。视频播放结束后，教师抛出核心问题链：“同学们，刚才视频里这些看起来充满‘智慧’的应用，它们背后是否拥有和我们人类一样的思维？机器究竟是如何获得这种‘智能’的？它和我们解决问题的方式有何不同？”问题提出后，不要求学生立即回答，而是留出1分钟的静默思考时间，随后随机请23位学生分享他们最初、最直观的想法。这一环节旨在打破课堂沉默，激活学生的前认知，为后续的深度探究做好铺垫。【环节一】概念的锚定：从体验到定义（预计20分钟）【基础】教师通过广播系统，引导学生打开预先准备好的TeachableMachine网站。这是一个无需编程即可训练简单图像分类模型的图形化工具。“我们一起来做一个实验。”教师布置任务：“请在1分钟内，用你手边的摄像头，分别为‘剪刀手’和‘握拳’这两个手势各拍摄20张照片作为训练数据。然后，点击‘训练模型’按钮。模型训练好后，请你在摄像头前变换手势，看看机器是否能准确识别出来。”教室里瞬间热闹起来，学生们兴致勃勃地拍照、训练、测试。教师在巡视中引导：“注意观察，当你只拍了10张照片，和拍了30张照片时，识别效果有什么不同？当你故意把背景弄得杂乱一些，又会怎样？”大约8分钟后，教师示意暂停，邀请小组代表分享发现。学生通常会反馈：“照片越多，识别越准”、“背景太乱有时会认错”。基于学生的体验，教师开始进行概念建构的第一次归纳：“非常好。大家刚才做的，其实就是一个人工智能模型训练与应用的缩影。我们提供给计算机的‘剪刀手’和‘握拳’照片，是什么？”学生齐答：“数据。”教师追问：“计算机通过这些数据找到区分两种手势的规律，这个找规律的过程，就是——”“算法！”学生很快能呼应。教师接着问：“最后它能认出新的手势，这就是模型在发挥作用。而驱动这一切快速完成的，是计算机强大的——”“算力。”概念自然浮现。至此，教师板书核心概念：“人工智能，本质上是让机器通过算法，从数据中学习到模型，并用这个模型去完成特定任务的能力。数据、算法、算力，是支撑人工智能的三驾马车。”这一段从具身体验到抽象归纳的过程，使学生对概念的理解根植于亲身实践，而非机械记忆。【环节二】本质的探寻：数据、算法、算力的深度思辨（预计25分钟）【重要】【高频考点】此环节旨在深化对“三驾马车”关系的理解。教师将学生分为六个小组，每组领取一个深度探究任务，任务卡如下：小组12（数据组）：使用相同的算法（如TeachableMachine的默认算法）和相同的算力环境，但分别使用高质量数据（手势清晰、背景单一、角度多样）和低质量数据（模糊、背景杂乱、角度单一）。对比训练出的模型性能，探究“数据质量对智能的影响”。小组34（算法组）：使用完全相同的数据集（由教师提供统一的手势图片包），分别在TeachableMachine的“图像”项目和“姿态”项目中进行训练（这两种项目本质上是不同的算法模型）。对比两种模型对相同数据的识别效果，探究“算法选择对智能的影响”。小组56（算力组）：教师提前准备一段在普通CPU电脑上和在高性能GPU服务器上训练同一个复杂模型（如一个简单的神经网络）的时间对比视频。学生通过观察视频，体验“算力对模型训练效率的决定性作用”。各小组在15分钟内完成探究并简单记录结论。随后，每组选派一名“发言人”进行2分钟的成果汇报。教师在每组汇报后进行精准点评与提炼。例如，针对数据组，强调“垃圾进，垃圾出”的经典原则；针对算法组，点明“没有最好的算法，只有最合适的算法”；针对算力组，引出“正是GPU的发展让深度学习时代真正到来”。通过这种合作探究与分享，学生对三者的关系形成了立体而深刻的认识。【环节三】认知的升华：机器智能VS人类智能（预计15分钟）【难点】【热点】在学生理解了人工智能的技术实现路径后，教师将讨论引向更深层次的思辨。教师播放一段精心挑选的辩论视频片段，视频中正方认为“人工智能终将超越人类智慧”，反方则认为“人工智能永远只是人类的工具”。视频暂停，教师宣布：“下面进行一场微型班级辩论，辩题是‘人工智能真的具有智能吗？’现在，请全体起立。认为‘具有真正智能’的同学站到教室左边区域，认为‘不具有，只是模拟’的同学站到右边区域。中间是中立区。请做出你的选择！”课堂瞬间分化，学生们根据自己的理解选择立场。教师邀请两边各23位代表简要陈述理由。左边学生可能说：“它能创作诗歌，能战胜围棋冠军，这不是智能是什么？”右边学生可能反驳：“它不懂诗歌的情感，只是概率组合文字；它不懂围棋的乐趣，只是计算胜率。”在学生激烈交锋后，教师进行总结性升华：“同学们的观点都非常精彩。在计算机科学领域，有一个著名的‘中文房间’思想实验。一个人坐在房间里，手里有一本规则书，外面的人递进中文纸条，他根据规则书查找对应符号递出去。从外面看，这个人好像懂中文，但实际上他一个汉字都不认识。机器智能，很多时候就像这个‘中文房间’里的人，它能进行高效的符号处理，却未必拥有主观意识和情感体验。这启示我们，理解人工智能，既要看到它在处理复杂任务上的巨大潜力，也要清醒地认识到它与人类智能在本质上的区别。这种区别，正是我们作为人类的独特价值所在。”通过这一活动，学生不仅在认知上突破了难点，更在情感态度上形成了对人工智能的理性审视。【环节四】价值的引领：智能时代的社会责任（预计12分钟）【热点】技术的讨论最终要回归到人的发展。教师展示几则真实的新闻报道截图：某招聘平台因算法模型存在偏见而歧视女性求职者；某社交APP因推荐算法导致用户沉迷并形成“信息茧房”；deepfake技术被用于制造虚假视频实施诈骗。面对这些触目惊心的案例，教师引导学生分组讨论：“技术的‘价值观’从何而来？我们作为未来的技术创造者或深度使用者，应该承担怎样的责任？”学生讨论热烈，有的认为“算法的偏见其实是人的偏见”，有的提出“要在数据采集阶段就注意公平性”，还有的强调“需要法律和伦理的规范”。教师在学生发言的基础上，进行价值引领：“同学们说得非常深刻。人工智能不仅仅是代码和数据的堆砌，它更是人类价值观的投射。算法的偏见、数据的偏差，本质上都是人的问题。因此，学习人工智能，不仅仅是学习技术，更是学习一种负责任的创新态度。在未来的学习和生活中，无论你们是成为人工智能的开发者，还是使用者，都希望你们能秉持科技向善的理念，让技术真正服务于人类的福祉。这是我们今天学习‘人工智能概念’最重要的落脚点。”这一环节将学科知识与社会责任完美融合，落实了“立德树人”的根本任务。【课堂小结与评价】（预计5分钟）教师利用最后5分钟，引导学生快速回顾本节课的思维路径：“我们从体验出发，锚定了人工智能的概念；通过探究，辨析了数据、算法、算力的关系；通过辩论，升华了对智能本质的理解；最后通过案例，确立了科技向善的价值观。”随后，学生根据教师发放的课堂评价量表，从“概念理解”、“探究参与”、“思辨表达”、“伦理认知”四个维度进行自我评价与小组互评。【课后拓展任务】（预计5分钟布置）分层布置任务：基础任务：撰写一篇300字的短文《我眼中的人工智能》，要求运用本节课所学概念，描述你对人工智能的新认识。挑战任务（选做）：选择生活中一个你感兴趣的问题（如如何减少食堂剩饭、如何高效分类垃圾），尝试构思一个利用人工智能技术解决该问题的初步方案，并说明方案中数据、算法、算力分别可能扮演什么角色。八、教学板书设计（纲要）左侧区域（概念区）：人工智能的定义：让机器模拟、延伸和扩展人的智能。本质：从数据中学习模型，用于预测/决策。核心三要素：数据（燃料）：结构化/非结构化算法（引擎）：求解问题的策略与方法算力（加速器）：CPU/GPU/TPU中间区域（探究区）：体验项目