高中信息技术选择性必修神经网络与深度学习教学设计

高中信息技术选择性必修神经网络与深度学习教学设计一、设计依据与立意本课内容选自人教中图版《信息技术·人工智能初步》第二章"人工智能技术基本原理"第五节"神经网络与深度学习"，是整本教材从"认识人工智能"走向"理解人工智能"的关键枢纽。此前学生已经学习了知识表示、搜索、推理与机器学习的基本概念，对"机器能够从数据中学习"有了初步认识，但多数学生的理解停留在"输入数据、调用算法、输出结果"的黑箱层面。本节课承担着打开黑箱的任务：让学生理解神经元如何模拟人脑传递信息、多层网络为什么能刻画复杂规律、"深度"二字究竟深在何处。《普通高中信息技术课程标准（2017年版2020年修订）》要求学生在学习本模块后，"通过剖析典型案例，了解智能信息处理的巨大进步和应用潜力，认识人工智能在信息社会中的重要作用"。据此，本课不以背诵概念为目标，而以"让学生在活动中亲手搭建一个微型网络、亲眼看见误差的逐层回传"为主线，将抽象数学结构转化为可操作、可观察、可讨论的学习对象，落实计算思维与数字化学习与创新的学科核心素养。二、教学背景分析（一）课标与教材定位本节位于"人工智能技术基本原理"章的收束位置。前面四节依次解决了"机器如何表达知识""机器如何搜索推理""机器如何从数据中学习"三个问题，本节回答第四个问题："历史上搁浅多年的多层连接思想，为什么在最近十几年重新崛起并取得压倒性优势"。这一历史问题的解答，恰好构成深度学习与经典机器学习的比较框架，是教材编排的精妙之处。（二）学情研判授课对象为高二年级学生，已具备一次函数、斜率、简单概率的数学基础，初步掌握Python顺序、分支、循环结构，部分学生使用过图形化编程工具。学情调研表明三个典型困难：一是把"神经元"误解为生物名词而非数学函数；二是面对链式法则式的误差推导产生畏难情绪；三是难以理解"增加层数为什么能提升表达能力"，误以为是简单的算力堆积。教学对策是：用"班级传话游戏"化解抽象传播过程，用平台可视化替代纸面推导，用"单层画直线、多层画折线"的对比实验直击表达能力问题。（三）教学目标1.信息意识：能结合图像识别、语音交互等实例，归纳深度学习突破传统方法的具体表现，并辩证认识其数据依赖与算力依赖。2.计算思维：能用"加权求和＋激活函数"的数学语言描述单个神经元的运算；能以"前向传播—计算误差—反向调整"的闭环描述训练过程；能借助可视化工具追踪一个误差的来龙去脉。3.数字化学习与创新：能利用在线神经网络演示平台搭建不少于两层隐藏层的网络，通过调节学习率、神经元个数观察输出变化，撰写观察结论。4.信息社会责任：在讨论"深度模型为何难以解释"时，能联系算法黑箱可能引发的公平性问题，形成审慎使用智能应用的态度。（四）教学重难点重点：人工神经元的计算模型；多层网络前向传播的信息流；反向传播"定责"思想。难点：激活函数引入非线性的意义；误差反向传播中"把责任按比例分摊给各权重"的直觉理解。（五）课时与资源建议两课时连排，共90分钟。硬件：机房联网终端；软件：浏览器中的神经网络游乐场类演示平台，备用单机版Python程序；课件含神经元动画、误差曲面动态图。课前发放"课堂观察记录单"。三、教学过程（一）情境导入：一次"翻车"的识别实验（8分钟）课前教师用传统图像分类演示一段"翻车"视频：手写数字数据集上表现良好的模型，识别学生现场手写的歪扭"5"时错判为"3"。投影上停留着错误结果，教师抛出问题："机器看得见像素，为什么看不见'这是五'？"学生自由发言，教师板书关键词："死记硬背""不会抓特征"。随即播放一段四十秒的短视频：1980年代多层神经网络惨败的资料画面与近年深度网络挑战赛夺冠的画面交替切换。教师给出本课主问题："同一个'多层连接'的想法，为什么当年失败、如今成功？今天我们要钻进网络内部找答案。"设计意图：用真实错误制造认知冲突，把"深度学习为什么有效"的历史之问转化为学生自己的探究任务，避免概念先行。（二）新授一：站在麦卡洛克—皮茨肩上认识神经元（18分钟）教师不讲定义，先发任务。投影出现这样一个生活化问题："要不要穿外套？"并列出三条输入：气温、风的等级、本人感冒程度。请学生用一句话说出自己的决策方式。多数学生会提到"气温最重要，要给它个大权重"。教师顺势给出人工神经元的运算骨架：每个输入乘以各自权重，相加之后再与一个阈值比较。用可视化方式呈现：输出=f(气温×w₁+风力×w₂+身体状态×w₃＋b)教师命名各部件：输入、权重、偏置b、净加权和、激活函数f。特别强调f的"开关"作用：低于门槛输出0，高于门槛输出1，这与神经细胞"全或无"的放电特性相呼应，呼应1943年数学家麦卡洛克与逻辑学家皮茨首次提出的神经元数学模型。随即进行"神经元就是在画一条分界线"的直观建构：给出两个输入x₁、x₂的门电路实例，请小组讨论权重如何设置才能让神经元实现"与"和"或"。学生在坐标纸上描点，发现一条直线把平面切成两半，合法的输出落在直线一侧。教师追问："如果问题是'异或'呢？"学生尝试后发现怎么画线都不行。教师点破：单个神经元能力有限，这正是1950年代末感知机热潮消退后学界遇到的瓶颈，答案藏在"分层"里。设计意图：用决策生活化、运算显式化、局限现场化三步处理，让学生在四十分钟内自然走完科学史上十五年的认知历程，为多层结构埋下强烈需求。（三）新授二：多层网络与"深度"的含义（20分钟）教师继续异或问题："一条直线画不出，那如果先画两条线，再把它们的结果合起来呢？"在投影上分步演示：第一层两个神经元各学一条分界，第二层神经元对两个输出再做一次加权合取，异或问题被解决。学生记录结论：通过层级组合，简单判定可以拼出复杂判定。此时给出网络结构规范表述：输入层负责接收原始特征，隐藏层负责对输入逐层加工、层层抽象，输出层给出最终判断；层与层之间全连接。教师用"看猫"作类比巩固：浅层提取边缘与色块，中层拼出眼睛、耳朵轮廓，高层才'凑出'整张猫脸——这就是"深度"的本质：不是神经元更多，而是特征加工的流水线更长，每一层只干一小步。随后进行十分钟的平台体验。学生两人一组，在演示平台上完成三项任务：第一，只用一层、无激活函数的网络去分螺旋数据，记录准确度；第二，加入三个隐藏层、改用非线性激活后重训，记录准确度；第三，隐藏层扩到六层观察训练时间。教师巡视，提醒学生把三组数字写入观察单，并思考"如果没有激活函数，再深的网络会怎样"。小组汇报阶段教师归纳三句话：单层的表达是画直线，非线性激活让它会拐弯，多层叠加让它能勾勒任意复杂的边界；而没有激活函数，无论叠多少层，整体仍等价于一条直线——这是本节课最重要的一个"为什么"。（四）新授三：让网络学会——误差的反向清算（22分钟）教师设问："结构搭好了，初始权重都是瞎蒙的，网络怎么从'全错'变'全对'？"引入本课最具挑战性的一环：训练。第一步，前向传播。教师以一个两输入、两层的极简网络为全班演算一遍：给定输入和随机权重，逐层算出输出0.62，真实标签是1，误差被量化。强调全程只是四则运算和套函数，每个小组都能复算。第二步，误差反传。教师不用公式推导，改用"班级传话追责"模拟：六位学生分三层站位，"输出层"学生收到教师给的正确答案后发现说错了，向前一位传话："你给我的信息偏大了，你要减一点。"前一位再按比例向更早的同学分摊责任，改动的幅度与"你在我结果里占的分量"成正比。每传一轮，误差就小一分。学生在角色扮演中体会到三个要点：责任从后往前逐层分摊；每个权重调整的幅度与它造成的影响成比例；全部权重做微调后再开始新一轮，循环往复直至误差收敛。第三步，数学化收拢。教师在黑板上用可视化形式写下核心关系：新权重=旧权重－学习率×误差对权重的偏导数并逐项释义：偏导数回答"该往哪个方向改、改多狠"，学习率回答"步子迈多大"。用山谷滚石动画佐证：损失函数是山谷地形，沿斜率反方向逐步下行，谷底即最优。学生讨论学习率过大过小的后果——过大振荡跨过谷底，过小训练慢如牛步——呼应前面平台实验中观察到的现象。第四步，历史闭环。教师回到课首问题：多层思想1980年代已有误差反传支撑，真正等到近十几年才爆发，是因为三要素齐备——足够大的标注数据、足够强的图形处理器算力、以及一批训练技巧缓解深层网络的梯度消失。深度学习不是全新原理，而是"老思想在合适土壤上长成了大树"。设计意图：用身体模仿降维、用演算保真、用三维曲面图兜底，确保不同认知路径的学生都能抓住"分配责任"这一灵魂概念，并以历史解答呼应课首之问，形成叙事闭环。（五）应用与思辨：从能用到慎用（12分钟）任务一，"找出深度骨架"。屏幕展示四个应用：人脸闸机、语音转写、在线翻译、天气短临预报。学生在学习单上标注每个应用的输入层内容、输出层内容、大概需要什么类型的训练数据，体会"换数据、同骨架"的通用性。任务二，两分钟辩论："深度模型识别准确率达到99%，把它用在驾照申请的人脸核验上是否足够？"正反方各派代表陈述。教师归纳提升：高准确率掩盖不了不可解释性——网络内部成千上万的权重无法像规则清单一样逐条审查；它对有偏数据全盘照单吸收；在医疗、司法等高风险场景，必须有人的监督兜底。引入《新一代人工智能伦理规范》中"可控可信、公平公正"的基本原则，请学生把自己写进未来技术使用者的责任链条中。（六）课堂小结（6分钟）师生共同在黑板生成结构化板书：一个细胞：加权求和加激活开关。两种传播：信息前向走，误差向后传。三驾马车：数据、算力、算法。四道防线：数据偏差、黑箱决策、算力消耗、滥用风险。教师用一句话收束："今天我们没发明任何新东西，只是把网络拆给你们看——了解了它怎样聪明，也就知道了它可能在哪里犯傻。"（七）分层作业（课后完成）基础层：绘制一个三输入神经元的运算示意图，手算出给定权重和输入下的输出值，并说明激活函数的作用。进阶层：在演示平台上复现螺旋分类任务，分别记录无激活函数与有激活函数的边界截图，写一段不超过两百字的原因分析。挑战层：查阅本轮深度学习浪潮中任一代表性事件，从"数据、算力、算法、需求"四个角度写一页纸的归因报告，下节课开展三分钟分享。四、板书设计主板书：中间画三层网络结构图；左侧列人工神经元五要素（输入、权重、偏置、加权和、激活）；右侧列训练闭环四步（前向算出预测—比较得到误差—反传分摊责任—更新全体重权重），底部一行关键词：深度＝层叠抽象、激活＝打破直线、学习率＝步子大小。五、评价设计过程性评价依托课堂观察记录单，维度包括：门电路讨论的参与质量、平台实验三组数据记录的完整性、传话游戏中对"分摊责任"语言的复述准确度。结果性评价以分层作业为载体，设置"能描述—能解释—能迁移"三级达成指标，进阶层作业中"无激活则深层失效"这一论断的出现与否，作为难点是否真正突破的核心证据。六、教学反思预设本课最大风险在于第二环节的演算与第