高中信息技术选择性必修四：人工智能与社会治理专题教案

高中信息技术选择性必修四：人工智能与社会治理专题教案

一、课程基本信息

（一）课题名称：人工智能与社会治理专题

（二）授课年级：高中二年级

（三）课时安排：4课时（每课时45分钟）

（四）模块归属：依据《普通高中信息技术课程标准（2017年版2020年修订）》选择性必修模块4“人工智能初步”开发，属于学科实践与社会性议题深度融合专题。

（五）设计基准：本设计以“技术原理—应用场景—伦理规制—公民行动”为认知进阶主线，以大概念“模型”与“决策”统摄碎片知识，采用项目式学习贯穿始终。

二、教学目标

（一）信息意识：通过剖析人脸识别、智慧交通等真实案例，学生能自觉辨识人工智能系统的能力边界与潜在偏见，形成审慎使用、主动监督技术系统的意识。【重要】【高频考点】

（二）计算思维：学生能够准确复述监督学习的基本流程，使用特征、标签、训练集、模型等专业术语解释简易人工智能系统的运作机制，并能用流程图抽象表达算法解决问题的过程。【非常重要】【难点】

（三）数字化学习与创新：借助国产低代码人工智能平台，学生能够独立完成图像分类或文本分类微型项目的创建、训练与测试，形成将现实问题转化为机器学习任务的初步迁移能力。【基础】【热点】

（四）信息社会责任：在争议性案例研讨与方案设计活动中，学生能够从公平性、可解释性、问责制等维度评价人工智能社会应用，并能为校园微治理设计兼具效能与伦理的技术方案。【非常重要】【热点】

三、教学重点与难点

（一）教学重点

1.人工智能、机器学习、深度学习三者的逻辑包含关系及机器学习的基本范式（监督学习）。【重要】【高频考点】

2.人工智能在社会治理领域的典型应用场景及其带来的伦理与法律挑战。【基础】【热点】

（二）教学难点

1.机器学习中“特征—标签—模型—预测”抽象链条的具体化理解，特别是模型泛化能力与过拟合现象的本质。【非常重要】【难点】

2.在技术方案设计中自觉整合伦理审查维度，实现“效能”与“善治”的非对立性统一。【重要】【难点】

四、教学方法与策略

本专题采用“双线并行、三阶递进”教学策略。明线为人工智能技术逻辑，暗线为信息社会责任养成。三阶分别为：技术解构阶段以案例驱动拆解黑箱，应用分析阶段以角色扮演透析社会影响，创新设计阶段以项目支架培育迁移能力。全程不使用传统PPT单向播放，而是依托交互式课件与在线实验环境，教师扮演“认知教练”与“伦理协作者”。关键概念处嵌入即时反馈测验，小组产出采用量规互评，确保高阶思维可见。

五、教学准备

教师资源：开发专题学习网站（仅校内FTP访问），集成微课矩阵、案例库、辩论素材、平台操作手册；准备纸质伦理决策卡（每套含透明性、公平性、问责制、隐私保护四张提示卡）；申请百度EasyDL经典版教育集群账号，建立班级虚拟实验室；印制“方案画布”大尺寸学习单。

学生准备：完成课前前测问卷（聚焦人工智能迷思概念）；自由组建4人异质小组，组内轮换担任技术执行官、数据科学家、伦理审计员、政策建言官四种角色；自备能够运行浏览器的移动终端。

六、教学实施过程

第一课时：溯源与辨义——从历史脉络中锚定人工智能的本质

（一）认知冲突导入：机器何以“智能”？

教师呈现街景，连续追问：路口的摄像头能看到红灯，但它是如何知道此刻应该延长绿灯时间的？手机相册里的一千张猫照，是谁给每一张都写上了“猫”字？学生自然引出“学习”概念。教师顺势板书核心命题：人工智能的核心不是预置规则，而是从数据中提取规则。此处标记【基础】【高频考点】。教师并未直接给出定义，而是保留认知悬念。

（二）历史沙盘推演：三起两落间的范式革命

学生观看教师自制交互时间轴微课，需拖动标志性事件至对应年代。1956年达特茅斯会议确立人工智能之名，符号主义盛行，机器证明定理令人振奋，但常识推理无法形式化；1980年代专家系统在医疗、地质领域落地，却困于知识获取瓶颈；2006年深度学习在多伦多大学取得突破，2012年ImageNet竞赛卷积神经网络碾压传统算法，2016年AlphaGo以自我对弈进化击穿人类棋感。教师强调【非常重要】转折点：算力、算法、数据三要素在第三次浪潮实现历史性会师。学生归纳每个阶段的“发动机”与“刹车片”，教师补充中国《新一代人工智能发展规划》三步走战略，定位国家科技坐标系。【热点】【重要】

（三）嵌套概念手术：剥开人工智能、机器学习与深度学习

教师利用三个嵌套同心圆磁贴，邀请学生上台调整位置关系，在全体纠错中形成共识：人工智能是最大圆，机器学习是实现人工智能的主流路径，深度学习是机器学习中基于多层神经网络的分支。教师以“如何教会计算机识别椅子”为例，对比三种范式：符号主义需要定义“四条腿、靠背、座位”的完备规则；传统机器学习需要人工设计扶手有无、轮子有无等特征并输入逻辑回归分类器；深度学习则仅输入像素，网络自动逐层抽象出边缘、形状、部件概念。此处为【非常重要】【难点】，教师辅以类比：教幼儿认物时，你是递给他一百把椅子让他自己归纳，还是逐条告诉他椅子的所有必要条件？学生顿悟深度学习的端到端优势。

（四）当堂固化：人工智能定义一分钟写作

学生在匿名答题器中输入“人工智能=？”，生成词云。教师抓取高频词根“像人”“自动化”“思考”，引导学生修正为严谨课标表述：人工智能是利用数字计算机或由数字计算机控制的机器模拟、延伸和扩展人类智能的理论、方法、技术及应用系统。教师再次强调此定义是后续所有批判的基准点。【基础】

第二课时：黑箱透明化——机器学习原理与低代码建模实践

（一）问题具象化：从“手写数字识别”刺破黑箱

教师展示手写数字“2”与“3”的极端潦草体。学生承认自己尚能识别，但无法向堂弟解释识别规则。教师展示传统OCR模板匹配的脆弱性，引出机器学习的革命性：不编写规则，而让机器从成百上千个带标签的数字图片中自动习得规则。此环节意在制造认知落差，驱动原理探究动机。【非常重要】

（二）核心概念群建构：特征、标签、模型四阶矩阵

教师以“房价预测”为锚点案例，发放纸质数据集（5条房屋记录）。引导学生找出用于预测的输入变量——面积、卧室数、房龄，定义此为【特征】；输出变量——成交价，定义此为【标签】。全班使用计算器手动拟合简单线性回归，在坐标纸上绘制散点图并徒手画出最佳拟合直线。教师将学生拟合的直线定义为【模型】，用此模型估算第6套房屋价格定义为【预测】。在此基础上，教师引出训练集、测试集，并借助极端画线案例揭示过拟合：若直线弯曲穿过每一个训练点，对新点预测往往荒腔走板。此处标记【难点】并演示用平台训练两个模型（欠拟合与过拟合）的对比效果曲线。【高频考点】

（三）平台实战迁移：垃圾邮件分类器从零到一

教师切换至百度EasyDL经典版文本分类界面，全程投屏并放慢操作速度。步骤一：新建项目，选择“文本分类-单标签”；步骤二：导入已预置的20条短消息样本，特征为分词后的词频向量，标签为“垃圾”或“正常”；步骤三：系统自动划分训练集/验证集，选择朴素贝叶斯算法；步骤四：点击训练，30秒后生成模型；步骤五：上传三条全新消息进行预测验证。学生同步在各自终端操作，平台提供教育版算力配额，每步完成后教师均暂停并提问：“这一步对应我们刚才学的哪个概念？”学生需喊出特征工程、算法、模型评估等术语。随后小组任务升级：利用平台提供的“校园社团活动报名有效性预测”数据集（共50条，已匿名化），独立完成从数据上传到模型发布的完整闭环，并记录准确率。【重要】

（四）思维显性化：全流程概念地图绘制

各小组在A3纸上绘制监督学习流程图，必须包含以下节点并连线：问题定义、数据采集、特征选择、算法选择、训练、模型、预测、评估、部署。教师提供参考模板但鼓励原创图形隐喻，如将模型比作漏斗、黑箱破片等。小组互评时重点关注“训练”与“预测”两阶段数据流向差异。优秀作品拍照存入班级数字档案袋。【基础】

第三课时：善治之器——人工智能社会应用的多维透视

（一）全景扫描：人工智能触角延伸至治理末梢

教师以数字孪生城市界面为背景，按“感知—决策—执行”逻辑分类播放短视频片段。感知层：智能摄像头实时识别违章停车；决策层：信号灯配时算法根据车流自调节；执行层：无人机自动返航充电。学生记录案例并初步判断其中运用了哪些前课所学技术（计算机视觉、强化学习等）。【基础】

（二）案例深潜：技术、效益、风险三维度精析

全班分为六组，两两同析一个案例，使用教师下发的三维分析卡。

案例A：杭州城市大脑·交通治堵。技术要素：雷达+视频感知、多智能体协同算法；效益指标：区域平均延误下降15.2%，特种车辆优先通行；风险清单：个人行踪轨迹被平台留存，老年人因不会使用导航被迫绕远路。标记【热点】【高频考点】。

案例B：河北钢铁企业烟囱排放智能监管。技术要素：无人机多光谱成像、深度学习烟羽识别；效益指标：违规排放事件发现率提高43%，人力巡检成本降低；风险清单：误报导致合规企业被责令停产，天眼监控引发工人心理压迫。标记【重要】。

案例C：上海“一网通办”智能客服“小申”。技术要素：自然语言处理、政务知识图谱；效益指标：常见问题解答准确率86%，人工坐席压力缓解；风险清单：情绪劳动转嫁给市民，复杂事项无法兜底。标记【热点】。

小组依据角色展开研讨：技术执行官负责解释原理，伦理审计员识别风险等级，政策建言官起草三条改进建议。全班汇报时，教师引导抽象出社会治理人工智能应用的共性约束条件：高频重复性、物理环境可测量、决策后果可逆、人类最终裁决权。此归纳为【非常重要】。

（三）伦理压力场：算法公平性模拟听证会

教师发布争议性案例：某市试点将人工智能再犯罪风险评估系统引入少年法庭量刑参考，但第三方审计发现该算法对流动人口子女存在系统性高分误判。听证会设置法官、算法开发者、受害者家属、社会学者、少年犯代表五方席位。各小组抽取身份，经5分钟内部合议后展开质询与辩护。正方（继续使用）强调数据关联非歧视，反方（立即停用）强调统计歧视仍是歧视。教师主持过程中密集追问技术细节与价值排序，适时展示欧盟《可信人工智能伦理指南》中“人类自主性”“技术稳健性”等七要素，并对照中国《新一代人工智能治理原则》八项原则，引导学生理解公平并非单一数学指标，而是涉及历史补偿与分配正义的复杂权衡。【非常重要】【难点】

（四）价值锚定：微演讲“我的人工智能底线”

每位学生以“无论人工智能多强大，绝对不能放弃的是……”开头，撰写100字观点并录音，上传至班级讨论区。教师精选代表性发言课堂播放，其中有学生提出“绝对不能放弃对机器说‘不’的权利”，引发自发掌声。此环节旨在将宏大伦理话语沉淀为个体价值承诺。【基础】

第四课时：从认知到创生——校园微治理人工智能方案设计

（一）反思性导入：技术是工具，还是社会关系的塑形者？

教师展示深度伪造换脸视频与Twitter机器人干预选举截图，设问：这些是技术滥用，还是技术本质的必然呈现？学生意识到技术脚本总是承载设计者价值观，中立的表象下是利益与权力的博弈。教师强调：青少年不仅是人工智能的使用者，更应是未来规则的共建者。【重要】【热点】

（二）项目化挑战发布：校园痛点人工智能改造计划

教师发布任务卡：以小组为单位，为校园真实痛点设计一项人工智能辅助治理方案，主题四选一或自拟。限定条件：不可仅堆砌技术，必须包含伦理风险规避策略。提供支架工具——“人工智能社会治理方案画布”，画布维度含：

1.场景聚焦：具体发生在哪里、何时、涉及谁。

2.数据资产：所需数据现存于何处？如何采集？是否涉及个人信息？

3.模型构思：输入特征是什么？输出标签是什么？监督学习还是规则系统？

4.交互界面：用户如何触达系统？系统如何反馈？

5.伦理熔断：算法出错谁来担责？如何防止数字鸿沟？是否设置人工复议通道？

6.可行性自评：技术、成本、接受度三方面障碍及缓解措施。

【非常重要】教师强调第5维度是评分核心权重，并非软性装饰。学生借助平板在线协作编辑画布，教师穿梭于各组，以苏格拉底式提问逼迫方案精致化。例如针对食堂排队优化组：你们计划用摄像头识别队列长度，但摄像头覆盖取餐窗口是否侵犯打饭阿姨的隐私？学生陷入沉思后修正为仅使用WiFi探针统计设备数量并脱敏。

（三）开题博览会：两分钟电梯演讲与三灯评价

各组依次上台，使用一页幻灯片展示方案雏形。听众席每人手持红黄绿三色卡纸，绿牌代表方案创新性强且伦理考量周密，黄牌代表存在明显漏洞但可修改，红牌代表核心伦理缺陷不可接受。针对“运动场意外摔倒监测”组，有听众亮红牌并质询：“如果误报频发，体育老师很快会关闭系统，如何确保高召回同时不牺牲精密度？”答辩组当场承诺引入置信度阈值并由教师裁定。教师记录典型困惑，在全部展示后集中微讲座：技术效能与伦理合规并非跷跷板两端，好的设计恰恰是在约束条件下创造性地解决问题。【重要】

（四）升华与展望：技术人格与公民素养的同构

教师展示三张照片：19世纪伦敦市民抵制蒸汽动力路上快车、20世纪六七十年代美国民权运动中对大型机数据库的警惕、2023年欧盟通过全球首部人工智能法案。历史反复证明，技术飞跃期亦是规范重塑期。学生此时已在项目实践中初步体验“创造者的责任”，教师顺势布置终极追问作为课程隐性收束：你希望未来人工智能社会记住你这代人怎样的选择？无需回答，留存心底。结语定格于黑尔斯·米切尔名言：我们塑造工具，然后工具重塑我们。【非常重要】

七、板书系统

本专题摒弃静态板书，采用四课时接力长卷。第一课时长卷左侧为纵向地质层般的时间轴，标注三次浪潮与标志物，右侧为嵌套圆概念图，最下方空白区粘贴学生定义条。第二课时板芯为监督学习巨幅流程图，特征、标签、训练、预