高中二年级信息技术跨学科项目式导学案

高中二年级信息技术跨学科项目式导学案

一、【课程定位与设计哲学：从技术史到思想史的价值跃迁】

本导学案对应普通高中信息技术课程标准选择性必修模块4“人工智能初步”，立足高二年级学生已具备的Python编程基础、数据分析基本能力及抽象逻辑思维，以“人工智能发展史、研究现状、未来展望”为知识载体，但将课程的价值内核从“技术演进的时间线梳理”升维至“智能本质的追问与人类认知边界的叩问”。课程定位为一轮聚焦学科大概念的“观念发生课”而非“知识陈列课”，旨在帮助学生实现三重转变：从知道“AI能做什么”转向理解“AI为何能以及为何不能”；从被动体验人工智能应用转向主动建构对智能本质的哲学思辨；从单一技术视角转向“技术—伦理—社会—文明”的跨学科系统眼观。课程秉持“少而精”的深度学习原则，以“智能工具解决问题的知识结构”为明线，以“碳基智能与硅基智能的对话关系”为暗线，以“价值观对齐”这一时代命题为价值锚点，真正落实信息社会责任与家国情怀的素养内化-2-8。

二、【新标题与课时结构】

智脉溯源与未来叩问：高中人工智能发展史与前沿议题项目化学习（18课时）

三、【指向深度学习的大单元教学目标体系】

依据布卢姆认知目标修订版与威金斯追求理解的教学设计框架，本单元目标以“迁移”为顶层设计，以“理解”为认知枢纽，以“知能”为底层支撑，构建金字塔型目标序列。

【奠基·知能】学生能准确复述人工智能诞生的标志性事件、三次浪潮与两次寒冬的关键转折、主流学派的范式更迭；能用自己的语言解释图灵测试、中文屋、机器学习三要素、大语言模型涌现机制等核心概念；能识别并区分符号主义、连接主义、行为主义在技术路径上的本质分歧。【高频考点】【基础】

【核心·理解】学生能通过绘制“智能技术代际演化图谱”与“认知范式迁移地图”，深度剖析技术突破背后算力、算法、数据的协同演化规律；能借助“教羊驼学外语”认知隐喻模型，阐释符号主义、统计方法、连接主义在学习哲学上的根本对立与当代融合趋势-1；能辩证分析人工智能伦理困境背后的技术归因与社会归因，理解价值观对齐从技术约束上升为全球治理议题的必然逻辑。【重要】【难点】【热点】

【高阶·迁移】学生能以项目组为单位，针对真实社会场景撰写《2035：人工智能与人类共生愿景白皮书》，并从类脑计算、具身智能、超级智能治理三个前沿方向中自主选择一个研究切口，完成包含技术原理综述、争议焦点剖析、中国应对策略的三段式微型学术简报；能在班级“人机共生高峰论坛”中担任不同利益相关方代表，进行基于证据的结构化辩论，展现基于证据的论证能力与面向不确定未来的价值判断力。【核心】【拔尖创新人才早期培养点】

四、【超大篇幅核心实施过程：七个认知阶梯与项目锚点】

本单元摒弃线性推进的单课模式，采用“认知建构—解构—重构”的螺旋上升路径，以18课时分七个模块展开。以下为各模块的教学目标、师生行为、资源支架与形成性评价细则。

（一）第一模块：前概念唤醒与问题域确立——从生活直觉走向学科问题（2课时）

【教学实施全景描述】

本模块的核心使命并非传授新知，而是“揭露认知冲突”。开课伊始，教师不呈现任何时间轴或定义，而是向学生分发三组极具认知冲击力的材料：1997年深蓝战胜卡斯帕罗夫时的报纸头版、2016年AlphaGo第37手被李世石离席震惊的纪录片截图、2023年GPT-4通过统一律师考试的分数分布图。教师以平静而富于张力的语调连续发问：“这三件事发生在你们出生前后、小学时代和初中时代。请问，这三台‘机器’是同一种智能吗？它们的‘学习方式’一样吗？输给它们的两位世界冠军，输的是棋，还是人类对‘智能’的定义权？”课堂进入集体静默——这是深度学习发生的起点。

随后，学生4人异质分组，每组领取一张全开白纸与三色便利贴。任务指令为：“请基于你的全部前有经验，用红色便利贴标注你认为人工智能‘已经做到’的事，蓝色贴标注‘看似能做实则不能’的事，绿色贴标注‘完全做不到’的事。组内求同存异，15分钟后轮转展示。”此环节的关键在于教师绝不纠正所谓“错误认知”，而是将各组的分类结果拍照投屏，引导学生观察矛盾点。例如某组红色贴写着“写高考作文”，另一组绿色贴却写着“理解作文立意”，当两组学生开始争执“会写是否等于会想”时，图灵测试与中文屋思想的认知接口被自然打开。

第二课时，教师从学生的认知矛盾中提取三个驱动性问题，作为贯穿整个大单元的项目总锚：第一，智能的“进化”是连续的渐变还是范式的革命？第二，机器逼近人类智能时，是在模仿大脑还是另辟蹊径？第三，当机器超越人类时，我们如何确保它依然是我们的伙伴而非他者？这三个问题将不再被回答，而是被反复回扣、不断深化，成为整个18课时的认知坐标轴。

【核心支架】认知冲突阅读包、三色认知分类卡、班级问题墙数字化看板。

【形成性评价】学生不署名提交“此刻我最想追问的一个问题”，教师汇总后筛选出高频追问作为后续模块探究起点。此评价不设等级，仅作为思维流量的可视化证据。

（二）第二模块：观念史的考古——人工智能不是无源之水（3课时）

本模块对传统“发展史串讲”进行彻底改造。教师拒绝平铺直叙“哪年发生了什么”，而是将历史重构为三场跨越时空的观念对谈。

第一场：可计算之梦——从莱布尼茨到图灵。教师借助“如果思维是符号操作，那么机器能否思考？”这一斯芬克斯之谜，带领学生回溯至人工智能的史前史。学生阅读节选自莱布尼茨《组合术》的片段、巴贝奇分析机设计手稿、图灵1936年论文中的“纸带机”思想实验。核心任务是完成一个认知建模：为什么在电子计算机诞生之前，人工智能只是哲学幻想？学生需要通过小组推演，归纳出“通用计算机是人工智能的母体”这一大概念。教师在此处不直接给出答案，而是提供一组时间错位的卡片——左边是思想突破，右边是技术实现，学生需像破案一样通过逻辑链条将其配对。

第二场：达特茅斯的夏日神话与暗流。教师呈现1956年达特茅斯会议申请书原文中那句著名的“学习或智能的任何特征都应被精确描述以至于机器可以模拟”，然后抛出一个颠覆性问题：“这场被教科书定义为此学科诞生时刻的会议，真的提出了新思想吗？”学生通过快速研读麦克卡洛克和皮茨1943年的人工神经元论文、香农的信息论、维纳的控制论，发现所谓“人工智能诞生”其实是对此前数十年分散工作的“命名仪式”。此环节的教学目的在于消解学生对历史节点的刻板崇拜，转而关注知识是如何汇聚的。随即引入“三大学派”认知冲突：符号主义、连接主义、行为主义并非同时登台，而是不同时期对“智能从何而来”的不同回答。此处采用【重要】教学策略“认知隐喻迁移”——引用清华大学附属中学国际部团队开发的经典案例“教羊驼学外语”-1：

符号主义是给羊驼一本语法书，它背得滚瓜烂熟但见到真人开不了口；

统计方法是给羊驼千万本双语对照词典，它从词频中猜意思，偶尔惊艳却不懂为何；

连接主义是把羊驼扔进英语角，任它在试错中调整神经连接，口语地道却说不出规则。

这一比喻将极抽象的范式之争转化为可通感的认知模型，学生不仅哄堂大笑，更在笑声中触及了人工智能核心争论的命门。此后，学生分组领取不同学派代表人物（明斯基、麦卡锡、西蒙；鲁梅尔哈特、辛顿；布鲁克斯）的原典节选，完成“学派代言人”角色扮演，以第一人称阐述“我认为智能是这样炼成的”。

第三场：两次寒冬的温度启示录。本环节不以“悲惨历史”煽情，而是以“工程化陷阱”为分析透镜。教师展示20世纪70年代英国莱特希尔报告原文、80年代日本第五代计算机计划雄心勃勃的路线图与最终成果落差。学生进行决策复盘模拟：假设你是1982年日本通产省官员，手握8.5亿美元预算，你是否仍会押注知识工程？此环节旨在培育学生的技术史洞察力——技术不仅受限于科学突破，更受制于资本耐心与舆论周期。学生开始理解，人工智能的“冬天”并非意外事故，而是过度承诺的必然代价。这一认识为后续讨论“当前大模型泡沫”埋下理性伏笔。

【核心支架】学派隐喻卡片、原典节选阅读包、五代机决策仿真工作纸。

【形成性评价】绘制“人工智能思想演化河流图”，不以时间等距为横轴，而以“对人类智能信念的偏移”为纵轴，可视化呈现从“逻辑是灵魂”到“数据是肉身”的漂移轨迹。【基础】【重要】

（三）第三模块：原理的祛魅——黑箱透明化运动（4课时）

本模块直接回应学生心中最硬核的困惑：“深度学习到底是怎么学的？它真的和我们不一样吗？”教师回避数学公式的轰炸，采用“从体验到建模”的认知路径。

第一课时：机器是如何看见的。学生首先在本地环境运行一个预训练卷积神经网络，并输入一张自己的照片。随后，教师引导使用特征图可视化工具，逐层观察网络从“边缘检测”“纹理组合”“部件识别”到“人脸判别”的层级抽象过程。当学生亲眼看到第一层仅仅在识别横竖线条，而最后一层明确点亮“眼睛”“嘴巴”区域时，抽象的概念“层级特征自动提取”瞬间具象化。此时教师反问：“这一过程，和婴儿认识妈妈的脸，是相同还是不同？”学生陷入沉思——技术原理越清晰，关于智能本质的困惑反而越深。

第二课时：大语言模型的涌现幻象。本课时直面当下最前沿。学生分组与三个不同参数规模的大语言模型进行相同提示词对话，并记录回复质量差异。随后，教师引入“规模法则”这一核心概念，但并不停留于“参数大所以聪明”的浅表解释。通过一个极简的思维实验：假设你有10亿个变量去拟合1000万个数据点，你一定能记住所有数据，但你能理解规律吗？学生由此把握大模型的本质悖论——涌现能力是系统论现象，并非设计者直接编程植入。此认识直击【高频考点】与【难点】。

第三至四课时：项目嵌入——搭建你的第一个智能体。学生基于国产开源模型与简化的微调工具包，以“校园生活智能问答助理”为目标任务，亲身经历数据清洗、指令微调、推理测试全流程。这不是要培养模型训练师，而是要让学生在“做中学”中体悟：所谓智能行为，背后是成千上万次矩阵乘法与人类反馈标注的苦力活。课程结束时，教师再次追问：“现在，你认为它会思考吗？”与开课时的直觉回答不同，绝大多数学生开始使用“如果……那么……”的条件句式，这标志着朴素认知向基于证据的审慎判断的转化。【核心】【实践成果锚点】

（四）第四模块：前沿坐标系——从地平线到脚下路（3课时）

本模块彻底抛弃百科全书式的面面俱到，聚焦四个经教学化重构的前沿命题，每一命题均设置“技术内核—突破瓶颈—中国方位”三维分析框架。

命题一：类脑计算——能效比的诱惑与陷阱。教师以一组震撼数据切入：GPT-3一次训练耗电约1300兆瓦时，相当于130个中国家庭全年用电量；人脑功耗仅20瓦。学生计算这一能效比差距——约九个数量级。这构成了类脑计算的必要性辩护。但教师随即呈现清华天机芯片的架构图与实测性能指标，引导学生客观分析：类脑芯片在特定脉冲神经网络任务上能耗极低，但在当前主流大模型训练任务上尚无法替代GPU。课堂任务：绘制“冯·诺依曼架构”与“神经形态架构”的本质差异对比脑图，并基于此预测未来五年可能的混合计算范式。【热点】【探究导向】

命题二：具身智能——智能是长在身体里的吗？本环节设计哲学剧场：如果将一个顶尖大语言模型的“大脑”接入一个具备传感器与执行器的机器人身体，它是立刻成为家务高手，还是像个新生儿一样需要从头学习“身体图式”？学生通过观看机械臂抓取实验的失败集锦与婴儿伸手够物的对比录像，理解“无身智能”与“具身智能”的根本差异。教师引入生态心理学的“给养”概念，不要求学生掌握术语，而是领悟：智能不是纯粹的计算，而是为达成目标在与环境互动中涌现的策略。学生项目任务：分析春晚机器人扭秧歌与波士顿动力跑酷的技术本质差异——前者是精密程控，后者是环境适应，两者常被公众混淆，而厘清此区别正是科学素养的体现-7。【重要】【跨学科接口】

命题三：价值观对齐——技术问题还是治理问题？本模块是课程思政的深度融合点。学生首先阅读OpenAI关于人类反馈强化学习的原理示意图，技术路径上能理解如何通过奖励模型引导大模型拒绝回答恶意提问。但教师随即呈现升级版困境：当AI在医疗诊断、法律咨询、战争决策等专业领域的表现超越人类专家时，人类将失去提供反馈信号的能力——我们评判不了它的答案，因为它的判断比我们更准。学生陷入认知震撼。教师组织“全球人工智能治理模拟内阁会议”，学生分饰中美欧等不同区域监管者、科技公司伦理官、公民代表，围绕“是否应允许超越人类水平的医疗AI自主诊断”展开辩论。辩论不求共识，而是暴露价值权衡的艰难：安全与效率、创新与保护、自主与规训。此环节不仅落实“信息社会责任”核心素养，更在学生心中埋下未来投身人工智能治理事业的价值种子。【核心】【高频】【立德树人锚点】

命题四：超级智能——应许之地还是潘多拉之盒？本命题以“科幻中的思想实验”为形式外壳，内里却是严肃的技术推演。学生基于对递归自我改进、智能爆炸等概念的初步理解，分组推演“超级智能诞生后的48小时全球网络会发生什么”，并必须为其推演提供至少三条技术依据（如算法可性、算力可扩展性、目标自主性）。教师不评判哪种推演更“正确”，而是引导学生关注推演过程中的论证质量。最终汇总成班级“风险—机遇”双重清单，张贴于教室后方，作为后续白皮书撰写的认知底座-7。【难点】【创新思维】

（五）第五模块：跨学科透镜——人工智能作为方法论（2课时）

本模块是“人工智能+X”视野的集中拓展，但拒绝浅表的名词叠加。教师精选三个跨学科案例切片，每一切片均采用“学科问题—AI介入—新问题诞生”的叙事逻辑。

切片一：天文学与人工智能。展示FAST望远镜一周产生的数据量若由人类天文学家标注需耗时300年。学生操作简化版射电信号识别模型，体验AI如何从海量噪声中抓取疑似脉冲星信号。核心洞察不在于“AI效率高”，而在于科学研究范式从“假设驱动”转向“数据驱动”——AI正在改变“我们如何知道我们知道什么”。-7

切片二：数学与人工智能。以DeepMind的矩阵乘法优化算法为例，该算法发现了人类数学家从未找到的、比斯特拉森算法更优的50年以上未突破的矩阵乘步骤。学生惊叹之余，教师追问：“当AI开始发现人类未曾发现的数学规律，它是在‘计算’还是在‘创造’？”这个问题没有答案，但提出问题的行为本身已将学生从技术的消费者升格为技术哲学的参与者。

切片三：文化遗产与人工智能。展示敦煌研究院利用AI修复壁画、浙江大学利用知识图谱还原宋代科举社会人际网络的案例。学生讨论一个富有情感冲击力的问题：如果AI能补全残损壁画上菩萨的手势，这是“还原”还是“创作”？技术的边界与人文的底线在此交汇。本模块结束时，每位学生在学习日志上完成一次短写作，题目为《当算法遇见……》，省略号处自填一个非理工学科（历史、艺术、语言、体育等）。【跨学科】【核心素养】

（六）第六模块：项目制成果产出——《2035共生愿景白皮书》工作坊（3课时）

本模块是全部前序认知输入的总输出端口，采用“学术会展”模式。

第一课时：选题开题与学术规范。学生延续第四模块末尾的“风险机遇清单”，4人小组选定一个具体切口。选题展示五花八门：《具身智能家政机器人的人机信任建立》《基于类脑芯片的边缘端灾难救援系统》《人工智能辅助高考志愿填报的算法公平性研究》等。教师逐组进行学术可行性把关，核心指导原则是：切口要小，论证要实，结论要留有余地。

第二课时：证据链建设与反驳意识。各小组依据选题，从教师提供的文献包、前期课堂笔记、模型实验数据中提取论据。教师特意安排20分钟“敌论者质询”环节，由旁组扮演质疑者，对核心论点进行攻击。例如针对家政机器人选题，质询者提出：“如果机器人误解了‘把衣服收进来’是指连衣架一起收还是只收衣服，引发的信任崩塌是否比人类保姆出错更不可原谅？”这种设计刻意训练学生的“思想韧性”——不是捍卫观点不被推翻，而是在遭遇挑战时能承认局限并完善框架。

第三课时：愿景白皮书成稿与可视化呈现。各组提交不少于1500字的论证报告，并同步制作一页“观点海报”，以图文浓缩核心判断。海报将在年级公共空间展出，实现学习成果的社会化辐射。【高阶】【项目化】【物化成果锚点】

（七）第七模块：人机共生高峰论坛暨单元复盘（1课时）

这是单元的终曲，但不是终止。教室布置为论坛环形座席。每组派出一名代表担任“专家委员”，其他学生扮演来自教育、医疗、军事、艺术等领域的公众代表。专家委员首先进行3分钟立场陈述，随后接受公众代表的轮番提问与挑战。教师退居观察员，仅计时与维护发言秩序。

令人动容的场景发生了：有学生追问“如果2035年我的工作是AI训练师，我会比现在快乐吗”；有学生追问“超级智能万一已经有了意识，我们关掉它算不算谋杀”。这些问题远超考试范围，却是教育最应该触及的灵魂领地。

复盘环节，教师不发结语，而是请每位学生在便签上写一个“我原本以为……现在我认为……”的句式。收上来的便签中，最高频的转变是：“我原本以为人工智能史是技术的胜利史，现在我认为它是人类自我认知的困惑史。”至此，单元目标已不仅达成，而且超越。

五、【持续性评价设计：从证明学习到改进学习】

本单元彻底摒弃一张试卷定高低的终结性评价，采用全流程嵌入式评价体系。

【基础级评价】指向概念精准度。在每个模块结束时，使用“一分钟问卷”回收两个问题：今天最重要的观点是什么？尚未解决的困惑是什么？教师依据困惑调整后续课时侧重。此部分不计分，仅用于认知诊断