初中人工智能《智绘校园》项目式教案：从感知到协同的跨学科实践

初中人工智能《智绘校园》项目式教案：从感知到协同的跨学科实践一、课题信息课题名称：智绘校园——人工智能初步应用与协同实践教材版本：粤高教A版（2021）信息技术九年级单元主题：第三单元人工智能初步课时安排：2课时（每课时45分钟）授课对象：初中九年级学生二、教材内容分析【基础】【重要】本课选自粤高教A版（2021）信息技术九年级第三单元《人工智能初步》的开篇内容。教材以“初探人工智能”为核心，旨在引导学生从生活实际出发，初步感知人工智能的基本概念、主要技术特征及其在社会各领域的应用价值。教材内容涵盖了人工智能的定义与发展简史、典型应用场景（如人脸识别、语音识别、自然语言处理）、以及人工智能对社会发展的影响与伦理挑战。基于新课标“人工智能与智慧社会”模块的要求，本课在设计上突破了传统概念讲解的局限，将教学内容重构为“感知—理解—应用—思辨”四个递进层次。第一层次引导学生通过生活案例感知人工智能的存在；第二层次借助体验活动理解人工智能技术的基本原理；第三层次通过项目实践初步应用人工智能工具解决简单问题；第四层次引发学生对人工智能伦理的初步思考。这样的设计既符合九年级学生的认知特点，又体现了“原理与实践并重”的新课标理念，为学生后续深入学习机器学习、计算机视觉等内容奠定认知基础。本课在单元中具有“导入”与“奠基”的双重功能。作为单元起始课，它承担着激发学习兴趣、建立基本认知的任务；作为后续学习的铺垫，它又需要为学生理解更深层次的技术原理提供必要的概念支撑。因此，教学内容的选择既要有广度以展示人工智能的多元应用，又要有深度以触及技术本质，避免停留于表面的“名词解释”层面。三、学情分析【基础】【重要】九年级学生正处于形式运算思维发展阶段，能够进行抽象逻辑推理，但仍需借助具体经验来建构认知。在生活经验层面，学生对人工智能产品并不陌生——智能手机中的语音助手、刷脸支付、短视频平台的个性化推荐、智能家居设备等已成为日常生活的一部分。这种“熟悉的陌生感”正是教学的切入点：他们使用人工智能产品，却未必理解其背后的工作原理；他们享受技术带来的便利，却很少思考技术可能带来的问题。在知识与技能储备方面，学生通过七八年级的信息技术学习，已经具备基本的信息素养，能够熟练使用常见的应用软件，部分学生对编程有初步了解。但学生对人工智能的认知往往是碎片化的、模糊的，容易将“智能”神秘化，或者对人工智能产生不切实际的期待与恐惧。因此，本课需要帮助学生完成从“朴素认知”到“科学理解”的跨越。在思维特点上，九年级学生具有较强的好奇心和探究欲，乐于接受新鲜事物，喜欢动手操作和合作学习。他们对社会热点问题开始产生兴趣，具备初步的批判性思维能力。这为本课开展项目式学习和伦理思辨提供了良好的心理基础。但需要注意的是，学生的抽象思维能力尚在发展之中，对算法、模型等复杂概念的接受程度有限，教学中需要借助可视化工具和具身体验来降低认知负荷。四、教学目标设计（一）核心素养指向本课聚焦信息科技学科核心素养的四维目标：信息意识、计算思维、数字化学习与创新、信息社会责任。在人工智能教育语境下，这四维素养具体转化为对人工智能的理解能力、应用能力、批判能力和创新能力。（二）具体教学目标1.信息意识维度【基础】：能够从日常生活中识别人工智能的应用实例，感知人工智能技术对学习、生活和社会发展的深刻影响，形成关注技术发展的自觉意识。2.计算思维维度【重要】【难点】：初步理解人工智能“数据—学习—预测”的基本工作原理，能够用简单的图示表达人脸识别、语音识别等典型应用的技术逻辑，体会“用计算的方法解决问题”的思维范式。3.数字化学习与创新维度【重要】【高频考点】：能够运用国产人工智能开放平台（如百度AI体验中心、讯飞开放平台等）的预训练模型，完成简单的人工智能应用开发或体验任务，在小组合作中尝试用人工智能技术解决校园生活中的真实问题。4.信息社会责任维度【重要】【热点】：辩证认识人工智能技术发展带来的伦理挑战与社会影响，形成“科技向善”的价值观念，在应用技术时能够自觉遵守伦理规范。（三）教学重难点教学重点：人工智能的基本概念与典型应用；人脸识别、语音识别的工作原理；人工智能项目实践的基本流程。教学难点：理解人工智能“学习”的本质——从数据中提取规律而非“理解”意义；在项目实践中实现人机协同的有效分工。五、教学理念与教法学法（一）教学理念本课秉持“做中学、创中学”的项目式学习理念，以“智绘校园”为核心项目主线，将人工智能知识学习融入真实问题解决的过程之中。教学设计的底层逻辑遵循“认知学徒制”理论：教师作为“师傅”示范思维过程，学生作为“学徒”在真实情境中习得知识与技能。同时，本课强调“人机协同”的新型学习方式——人工智能不仅是学习的对象，更是学习的工具和伙伴，学生在与智能工具的互动中建构对智能的本质理解。（二）教法学法教法设计：情境教学法（创设校园智慧化改造的真实情境）、任务驱动法（以项目任务串联学习活动）、支架式教学法（提供学习单、平台操作指南等学习支架）。学法指导：探究学习（在体验中发现问题）、合作学习（小组分工协同完成项目）、反思学习（在展示与评价中深化理解）。（三）跨学科融合本课有机融入道德与法治学科（人工智能伦理与社会责任）、美术学科（项目成果的可视化呈现）、语文学科（项目汇报的表达与沟通），体现“人工智能+X”的跨学科整合思路1。通过跨学科视野的引入，帮助学生建立对人工智能的立体认知，避免将人工智能窄化为单纯的技术操作。六、教学准备（一）环境准备计算机网络教室（具备互联网访问条件），建议安装国产人工智能体验平台（如百度AI开放平台体验中心、讯飞开放平台AI体验室），配备摄像头、麦克风等基础外设。如条件允许，可准备行空板等开源硬件供拓展使用37。（二）资源准备教师制作“人工智能应用地图”多媒体课件；设计“智绘校园”项目学习单（含项目规划表、技术选择指南、伦理自查清单）；准备人工智能发展简史微视频；收集人工智能伦理案例素材。（三）分组准备课前将学生分为4—5人异质小组，明确组长、记录员、技术员、发言人等角色分工，确保每位学生都能在项目中承担具体责任。七、教学过程（一）第一课时：感知人工智能——从生活到原理环节一：情境导入——人工智能在身边（8分钟）上课伊始，教师播放一段校园生活混剪视频：学生刷脸通过门禁、食堂刷脸支付、向智能音箱询问天气、用搜题软件查找难题……视频定格后，教师提出问题：“这些场景中，哪些是人工智能？人工智能究竟‘智能’在哪里？”学生自由发言，教师引导学生发现：原来人工智能早已悄然融入校园生活的方方面面。随后，教师展示一张“校园人工智能应用地图”，请学生在学习单上圈出自己体验过的人工智能应用，并尝试用自己的话解释什么是人工智能。这一活动旨在唤醒学生的生活经验，建立对人工智能的感性认识。教师总结时引入“模拟人类智能的计算机系统”这一核心定义，并强调人工智能并非神秘力量，而是人类智慧的延伸。环节二：概念建构——人工智能是什么（12分钟）【基础】教师播放“人工智能发展简史”微视频，以时间轴形式呈现从图灵测试到达特茅斯会议、从深蓝战胜卡斯帕罗夫到AlphaGo击败李世石、从ChatGPT爆火到国产大模型崛起的里程碑事件。视频播放后，教师引导学生梳理：人工智能的发展经历了哪些阶段？不同阶段的代表性成就有哪些？为了帮助学生理解人工智能的“智能”本质，教师引入“图灵测试”的经典思想实验。通过一个简化的课堂模拟活动——请两位学生分别扮演“人类”和“机器”，另一名学生扮演“测试者”通过提问判断身份——让学生直观感受图灵测试的核心思想：如果机器能够模仿人类回答问题以至于无法区分，就可以说机器具有智能。在建立基本概念后，教师抛出核心问题：“人工智能究竟如何实现智能？”学生分组讨论，提出各种猜想。教师暂不给出答案，而是留下悬念，为后续原理探究做好铺垫。环节三：原理探秘——以人脸识别为例（20分钟）【重要】【难点】【高频考点】本环节聚焦人脸识别技术，通过“人机对比”的实验设计，引导学生理解机器识别的本质。教师首先组织“人脸认亲”游戏：快速闪现一组名人照片，请学生辨认并说出姓名。学生在轻松愉快的氛围中完成游戏后，教师追问：“你是如何认出这些人的？你运用了哪些信息？”学生回答往往集中在“眼睛”“鼻子”“脸型”等特征上。教师顺势归纳：人类识别人脸，依靠的是对关键特征的提取与匹配。接着，教师引导学生思考：机器如何识别人脸？借助百度AI体验平台的“人脸对比”功能，学生分组上传自己的照片，体验机器提取人脸特征点、计算相似度的过程。教师结合平台返回的结果，讲解人脸识别的基本流程：人脸检测（找到脸在哪里）—特征提取（测量眼睛间距、鼻梁高度等）—特征比对（与数据库中的人脸特征进行匹配）—输出结果（识别出是谁）。在这一过程中，教师特别强调：机器识别的本质是“数学计算”而非“理解”，机器并不“认识”张三李四，只知道两张人脸的相似度是多少。为了深化理解，教师设计了一个“置信度阈值”小实验7：请学生分别上传自己的正面照、侧面照、戴眼镜的照片、表情夸张的照片，观察不同情况下相似度数值的变化。通过数据分析，学生发现：角度、光线、遮挡都会影响识别效果。教师由此引出“置信度”的概念，并引导学生思考：如果将阈值设得太高，可能会出现什么情况（拒识）？设得太低呢（误识）？这一探究活动既加深了学生对技术原理的理解，又为后续讨论技术局限性埋下伏笔。环节四：迁移探究——语音识别的工作原理（剩余时间）在初步理解人脸识别后，教师引导学生运用类比思维探究语音识别。播放一段智能音箱被“唤醒”的视频，提问：“音箱如何听懂你的话？”学生分组利用讯飞开放平台的语音听写功能进行体验：分别用标准普通话、带方言口音的普通话、嘈杂环境下的语音进行测试，观察识别准确率的差异。教师结合体验活动讲解语音识别的核心流程：语音信号处理（将声音转化为数字信号）—特征提取（捕捉音色、音调等特征）—声学模型匹配（将特征与已有模型比对）—语言模型解码（结合上下文确定最可能的文字）。在此过程中，教师渗透“数据是燃料”的思想：语音识别准确率的高低，很大程度上取决于训练数据的数量和质量。课时小结与任务布置（3分钟）教师简要回顾本课学习内容：人工智能的概念、人脸识别与语音识别的工作原理。随后布置课后任务：各小组观察校园生活中还存在哪些可以用人工智能解决的问题（如食堂排队效率低、图书馆找书难、运动打卡不精准等），为下一课时的项目实践做好准备。同时发放“智绘校园”项目学习单，要求小组初步讨论项目选题。（二）第二课时：应用人工智能——从原理到项目环节一：项目导入——做智慧校园的设计师（5分钟）教师播放一段“未来智慧校园”概念视频，展示智能考勤、智慧图书馆、智能食堂、智能运动监测等应用场景。视频结束后，教师宣布本课核心任务：“今天，我们不再是人工智能的普通用户，而是智慧校园的设计师。请各小组运用所学知识，选择校园中的一个真实场景，设计一个人工智能解决方案，并借助人工智能开放平台完成初步验证。”教师简要回顾上一课时学习的核心概念，并呈现本课项目实践的基本流程：需求分析—方案设计—技术实现—测试优化—成果展示。这一流程的引入，为学生后续的项目实践提供了清晰的行动框架。环节二：项目规划——明确问题与方案（10分钟）【重要】各小组根据课前观察确定项目选题。教师巡回指导，帮助学生将模糊的想法转化为可执行的项目方案。常见选题包括：基于人脸识别的课堂考勤系统、基于语音识别的图书查询助手、基于图像识别的食堂菜品识别计价器、基于表情识别的课堂专注度分析等3。小组使用学习单中的“项目规划表”完成以下内容：①场景描述（在哪里解决问题）；②用户痛点（解决什么问题）；③技术方案（运用什么人工智能技术）；④预期效果（达成什么目标）。教师特别强调：技术方案的选择必须与问题相匹配——人脸识别适合身份确认，语音识别适合人机交互，图像识别适合物体分类，切忌生搬硬套。在规划过程中，教师引导学生思考两个关键问题：其一，技术可行性——当前的人工智能技术能否解决这个问题？其二，数据可获得性——我们需要什么样的数据来支撑技术实现？这两个问题的引入，旨在培养学生的工程思维，避免项目陷入“天马行空”的空想。环节三：项目实施——人机协同创作（20分钟）【核心】【高频考点】本环节是项目式学习的核心，学生分组借助人工智能开放平台完成方案的原型验证。教师根据各组选题提供差异化的技术支持和指导：选择人脸识别方向的小组，使用百度AI体验中心的“人脸识别”功能，上传班级同学照片建立小型人脸库，测试不同光照、角度下的识别效果，并记录识别准确率。选择语音识别方向的小组，使用讯飞开放平台的“语音听写”API，录制不同用户的语音指令，测试系统对标准语音、带口音语音、噪音环境下语音的识别表现。选择图像识别方向的小组，使用谷歌TeachableMachine或国产AI体验平台的图像分类功能，拍摄常见物体的照片训练简易分类模型，测试模型的分类准确率。在技术实践过程中，教师强调“人机协同”的理念10：人工智能不是万能的，它只能完成特定任务；人类的智慧在于知道何时用AI、如何用AI、如何评判AI的输出。例如，在人脸识别考勤项目中，机器可能因光线问题识别错误，这时需要人工干预或设计容错机制；在语音查询项目中，机器可能误解用户指令，这时需要设计清晰的交互提示。学生在实践中逐渐体会到：人与AI不是替代关系，而是协作关系。教师在指导时重点关注各小组的分工合作情况，确保每位成员都参与到实践活动中。技术操作熟练的学生可以负责平台使用，擅长观察记录的学生负责数据收集，善于表达的学生准备后续汇报。这种角色分工既尊重个体差异，又促进协同学习。环节四：成果展示与互评（8分钟）各小组轮流展示项目成果，时间控制在1分钟内。展示内容包括：解决的问题、采用的技术、验证的过程、测试的结果。例如，“智能考勤组”展示不同光线条件下的识别准确率数据，并分析了误差原因；“图书助手组”现场演示语音查询过程，展示了不同口音下的识别差异。每组展示后，其他小组进行点评，重点关注：技术方案是否合理？验证过程是否严谨？如果自己是用户，是否愿意使用这个方案？教师引导点评聚焦于“可改进之处”，避免简单的“好不好”评价。通过互评，学生不仅从同伴的作品中获得启发，也学会以批判性眼光审视技术方案。教师对各小组表现进行简短点评，充分肯定创意和努力的，同时指出共性问题——如数据采集不规范、测试设计不全面等。这些问题的指出，为后续学习埋下伏笔。环节五：伦理思辨——科技向善（5分钟）【热点】【重要】项目实践后，教师引导学生反思技术应用的边界。播放一段简短的新闻视频：人脸识别被滥用于侵犯隐私、语音助手录音泄露用户信息、算法推荐造成信息茧房……视频引发学生思考：我们在享受技术便利的同时，是否也面临着风险？教师提出三个递进问题：①如果校园大规模使用人脸识别考勤，可能会带来什么隐私问题？②如果语音助手一直“倾听”我们的对话，这些数据会被如何使用？③如果食堂菜品识别系统总是把某种食物识别错误，谁该承担责任？学生分组讨论，在思想碰撞中逐渐形成共识：技术本身是中性的，关键在于如何使用。作为技术的设计者和使用者，我们需要坚守“科技向善”的底线，在设计阶段就考虑隐私保护、数据安全、算法公平等问题。教师引入“伦理自查清单”——在设计人工智能方案时，我们需要问自己：是否尊重用户隐私？是否可能造成偏见或歧视？是否有人会对技术结果负责？——作为项目评价的补充维度。课时总结与拓展（2分钟）教师对本单元学习进行系统梳理：从感知人工智能到理解工作原理，从体验应用到设计项目，从技术实现到伦理思辨，学生完成了对人工智能的“初探”之旅。教师强调：人工智能不是遥不可及的未来技术，而是触手可及的当下工具；不是神秘莫测的“黑魔法”，而是基于数据的数学计算；不是完美的解决方案，而是需要人类智慧驾驭的工具。最后，教师布置拓展任务：有兴趣的同学可以深入了解机器学习的基本算法（如K近邻算法6），尝试用Python实现简单的分类器；或者在家庭生活中继续观察，寻找可以用人工智能解决的问题，与家人分享本课所学。八、板书设计左上区域：人工智能是什么定义：模拟人类智能的计算机系统发展：图灵测试—达特茅斯会议—深度学习—大模型右上区域：人工智能如何工作人脸识别：检测—提取—比对—输出语音识别：信号处理—特征提取—模型匹配—解码核心思想：数据驱动、学习预测下方区域：人工智能怎么做项目流程：需求—设计—实现—测试—展示人机协同：人类判断+AI计算伦理原则：科技向善、隐私保护、公平负责九、教学评价设计（一）过程性评价本课采用多元评价方式，关注学生在学习过程中的参与度、合作能力、思维品质和实践能力。评价主体包括教师评价、小组互评和自我评价。课堂观察评价：教师通过巡视指导，记录各小组的合作情况、参与程度、探究深度。重点关注：学生是否能够积极投入讨论？是否能提出有价值的问题？是否能在实践中发现问题并尝试解决？学习单评价：通过收集各小组的项目规划表、实验记录表，评价学生是否能够清晰表达问题与方案、是否有初步的数据分析意识、是否能够反思技术局限性。（二）表现性评价项目成果评价：从问题明确性（20%）、技术适切性（25%）、过程严谨性（20%）、创新性（15%）、伦理意识（20%）五个维度评价小组项目。评价标准提前向学生公布，