高中信息技术必修一认识人工智能（第一课时）教案

高中信息技术必修一认识人工智能（第一课时）教案一、教学内容分析本节课选自人教中图版高中信息技术必修一《数据与计算》第四章第一节，是学生正式接触人工智能概念的入门课。教材以体验人工智能应用为线索，引出人工智能的概念、发展历程与基本研究方法，为后续学习机器学习原理与算法实现奠定认知基础。本节内容在整册教材中处于承上启下的位置。前三章学生已经掌握了数据编码、算法描述与程序设计的基本方法，具备了用计算思维分析问题的初步能力，本节课正是要把"算法"这一已有知识向"智能"这一全新领域延伸，让学生理解：机器之所以能够表现出智能，本质上依然是数据、算法与算力共同作用的结果。从学科核心素养的角度看，本节课承担着信息意识与计算思维的双重培养任务。学生需要通过真实的智能应用体验，感知人工智能对社会生活的深刻影响，同时初步建立"智能可以分解为计算过程"的科学观念，破除对人工智能的神秘化、拟人化想象。二、学情分析授课对象为高一年级学生。这一阶段的学生对语音助手、人脸识别、推荐算法等应用并不陌生，使用手机解锁、刷短视频、与智能音箱对话是他们的日常。丰富的感性经验既是教学资源，也是认知障碍——多数学生把人工智能理解为"电影里会思考的机器人"，存在明显的拟人化误解，对人工智能的技术边界缺乏判断能力。知识储备方面，学生已经完成前三个单元的学习，能够读懂流程图，理解输入、处理、输出的信息加工过程，会用Python编写简单程序。这意味着教师可以把"智能行为"拆解为学过的程序结构来讲，用旧知托举新知。学习动机方面，人工智能话题自带吸引力，课堂气氛容易活跃，但也容易停留在"看热闹"层面。教师需要设计有认知冲突的探究任务，把学生从"体验者"推向"分析者"，让兴趣转化为可测量、可评价的学业成果。三、教学目标1．了解人工智能的基本概念与学科定位，能用自己的语言解释什么是人工智能，知道图灵测试的基本思想及其局限。2．了解人工智能发展的三次浪潮与两次低谷，能够说出各阶段的标志性事件，理解数据、算法、算力三大要素对人工智能发展的推动作用。3．通过体验图像识别、语音识别、机器翻译等典型应用，初步感知人工智能研究的基本内容，能辨别生活中常见应用是否属于人工智能技术。4．在探究活动中体会计算思维在智能系统分析中的作用，形成理性看待人工智能的态度，能辩证讨论人工智能带来的机遇与挑战。四、教学重点与难点教学重点：人工智能的概念内涵；人工智能诞生与发展的历史脉络；人工智能研究的典型领域。教学难点：理解"智能的本质是计算"这一核心观点；辨析弱人工智能与强人工智能的区别，形成对人工智能技术边界的基本判断。难点突破策略：以"手机为什么能听懂我说话"为锚点问题，把语音识别的过程分解为采集信号、提取特征、匹配模型、输出结果四个环节，每个环节都对应学生已学过的程序处理流程，让学生在熟悉的知识框架内消化陌生概念。五、教学方法与教学准备教学方法：情境体验法、任务驱动法、小组合作探究法、讲授法。教学准备：多媒体网络机房，每台计算机可访问具备手写数字识别、语音识别功能的公开体验平台；教师课件、课堂学习任务单、小组评价量表；若干张手写数字卡片用于实物演示；提前测试平台可用性并准备离线替代方案。六、教学过程环节一：情境导入——两个"对话者"（约6分钟）上课伊始，教师在大屏幕上并排展示两段文字对话的记录。A对话流畅自然，能围绕"下雨天要不要带伞"这个话题给出有个人色彩的回答；B对话则答非所问，反复用固定句式回应。教师提出问题：这两段对话中，一段来自真人，一段来自二十年前的聊天程序，你能分辨出来吗？判断依据是什么？学生凭直觉投票，教师暂不揭晓答案，顺势引出1950年图灵提出的那个著名设想：如果一台机器在文字对话中让人无法分辨它与人的差别，我们是否就可以认为它具有了智能？这个"模仿游戏"后来被命名为图灵测试，它第一次把"机器能否思考"这个哲学问题转化成了一个可操作的实验。教师揭晓答案后追问：那个聊天程序其实只是在匹配关键词、调用预设话术，它"懂"你们在说什么吗？学生在笑声中意识到：表现出智能和真正理解是两回事。这一认知冲突正是本节课需要持续回应的主线，教师板书课题"认识人工智能"。设计意图：用一段可参与的辨伪游戏替代抽象的概念开场，让学生在真实判断中接触图灵测试的思想，同时埋下"模仿不等于理解"的伏笔，为节课尾声讨论技术边界服务。环节二：概念建构——什么是人工智能（约8分钟）教师引导学生回到教材，给出一个工作定义：人工智能是利用计算机及相关设备模拟、延伸和扩展人的智能的理论、方法、技术及应用系统。请学生圈出定义中的三个关键词——模拟、延伸、扩展，并思考：这三个词暗示了人工智能和人类智能之间是什么关系？小组短暂讨论后，师生共同归纳：人工智能的目标不是复制人脑，而是让机器完成那些原本需要人类智能才能完成的任务，比如看懂图像、听懂语言、做出决策。教师用一个对比表格帮助澄清概念：人认字靠的是多年生活积累形成的神经反应，机器"认字"靠的是对大量样本进行统计计算得出的分类规则。两条路径，殊途同归，但内部机制完全不同。随后教师补充学科定位：人工智能是一门交叉学科，涉及计算机科学、数学、神经生理学、心理学、语言学等多个领域。它既包含对智能本质的理论探索，也包含构建智能系统的工程实践。学生在任务单上完成即时检测：用自己的话向同桌解释什么是人工智能，同桌按"是否提到机器、是否提到模拟人类智能、是否提到具体应用"三条标准互评。设计意图：概念教学不做字面灌输，通过关键词拆解、人机对比、互评输出三个台阶，让定义真正进入学生自己的语言系统。环节三：历史探究——三起两落的六十年（约10分钟）教师发放时间轴学习任务单，上面只给出一条标有年代刻度的横线和若干事件卡片：1956年达特茅斯会议、感知机的兴衰、专家系统的繁荣与冷却、1997年"深蓝"战胜卡斯帕罗夫、2016年AlphaGo战胜李世石、深度学习兴起、大模型时代到来。四人小组合作，将事件卡片贴到时间轴相应位置，并讨论标注出人工智能发展的"高峰"与"低谷"。小组展示时，教师追问关键节点：1956年达特茅斯会议上，麦卡锡、明斯基等科学家首次提出"人工智能"这一术语，为什么称它为学科诞生的标志？早期研究者曾乐观预言十年内机器可以完成一切人类工作，为什么随后换来的却是经费削减和研究停滞？学生在史料分析中逐步拼凑出答案：第一次浪潮依赖符号推理，遇到常识表示的难题；第二次浪潮依赖专家系统，知识获取成为瓶颈；两次热潮都因承诺远超能力而跌入低谷。教师点出本课的关键认识：本轮从2010年前后延续至今的繁荣，其技术底座与过去有本质不同——海量数据提供了学习原料，深度学习算法提供了方法，GPU等硬件提供了算力，三要素第一次同时成熟。教师以"深蓝"与AlphaGo的对比收束本环节：深蓝靠暴力搜索穷尽可能棋路，围棋的可能局面数量远超穷举能力，AlphaGo必须从棋局中"学习"出经验。从"人海战术"到"机器学习"，这个转变标志着人工智能研究范式的更迭，也为下一节课机器学习原理的学习埋下伏笔。设计意图：历史不是背年代，而是理解学科发展的内在逻辑。时间轴拼图把记忆任务转化为建构任务，"为什么跌入低谷"的追问让学生自己发现数据、算法、算力三要素，比直接告知的结论更牢固。环节四：实践体验——拆解一个智能应用（约12分钟）本环节设置两个递进任务。任务一：学生在机房访问手写数字识别体验平台，用鼠标书写数字观察识别结果，随后进行"刁难测试"——故意写得潦草、歪斜、只写一半，记录识别成功与失败的情况，填写任务单上的现象记录表。任务二：小组讨论并画出"机器识别手写数字"的流程猜想图，要求用已学的算法框图表达：图像输入之后可能经历了哪些处理步骤？教师巡视指导，选择两三组有代表性的流程图投影展示。有的小组画出"逐格扫描—与模板比较—输出最相似的结果"，有的小组想到"先找笔画特征再判断"。教师肯定各种合理猜想，然后给出简化的真实过程：图像被切分为一个个像素点，每个像素转化为灰度数值，神经网络对整组数值进行加权计算，最后输出概率最高的那个数字。教师强调：无论识别多快多准，机器做的始终是数值计算，它没有"看见"数字，只是算出了最可能的答案——这就是本节课最重要的一句话，请学生写在任务单的醒目位置。体验环节扩展到语音与翻译应用。学生体验语音输入，观察方言、语速、背景噪声对识别率的影响；用机器翻译处理一句语义双关的话，讨论翻译失误的原因。每个体验都指向同一个结论：当前的人工智能系统在特定任务上可以超越人类，但换一个未曾训练的场景就可能出错，它们擅长的是"计算范围内的智能"。设计意图：先体验、再拆解、后归纳，符合从现象到本质的认知顺序。让学生画流程猜想图是在调用前三个单元的算法知识解决新问题，实现知识的正向迁移，也悄然完成了"智能即计算"观念的内化。环节五：思辨提升——机遇、边界与责任（约6分钟）教师呈现一组素材：医疗影像辅助诊断提高基层检出率；某招聘算法被曝存在性别偏见；深度伪造视频引发信任危机；自动驾驶面临的伦理两难困境。学生按小组抽取议题，用"这项技术造福了谁、可能伤害了谁、我们能做些什么"三个问题进行一分钟微型研讨，各组用一句话发布本组观点。教师在学生发言的基础上归纳提升两个认识。其一，目前所有实用系统都属于弱人工智能，即在特定领域表现出智能的系统，具备自我意识的强人工智能仍停留在科学幻想层面，不必恐慌也不可轻慢。其二，算法的偏见来自数据的偏见，技术的后果终究是人的责任，作为未来的数字公民，既要学会使用智能工具，也要保持审视与质疑的能力。设计意图：信息社会责任是学科核心素养不可或缺的维度。微型研讨控制在一分钟，观点浓缩为一句话，保证思辨环节不流于空泛口号，每组都有产出。环节六：课堂小结与作业布置（约3分钟）师生共同以思维导图梳理本课：人工智能的概念（一个定义）、发展脉络（三次浪潮两次低谷、三大要素）、研究领域（感知、认知、决策），以及贯穿全课的核心观点——智能的本质是计算。回归导入环节的问题：那个答非所问的聊天程序算人工智能吗？学生此刻已能给出有依据的回答：它运用了早期人工智能的符号匹配思想，属于人工智能技术发展长河中的一环，但远未达到理解语言的程度。分层作业布置如下。基础作业：完成教材配套练习，绘制本课思维导图。实践作业：回家采访一位家庭成员使用手机智能功能的经历，分析其中用到了哪类人工智能技术，写成150字左右的记录。拓展作业：查阅资料了解我国人工智能领域的代表性成果，思考中国在本轮人工智能浪潮中的位置，下节课课前分享。七、板书设计主板书采用"一轴两翼"结构：中央是时间轴，标注达特茅斯会议、三次浪潮与两次低谷；左翼为概念要点（模拟·延伸·扩展／感知·认知·决策）；右翼为核心结论"智能的本质是计算"及三要素"数据—算法—算力"。副板书区域动态记录学生提出的代表性观点和体验数据，课后整板形成一幅完整的知识地图。八、教学评价设计本课采用过程性评价与表现性评价相结合的方式。过程性评价依托任务单：概念解释互评、时间轴拼贴正确率、流程猜想图的合理性、微型研讨的观点质量，四项各占相应权重，由小组自评、组间互评与教师评价三方合成。表现性评价关注学生在体验活动中提出的问题质量——能问出"它为什么会认错"的学生，比只关注"认出没有"的学生表现出更高的思维水平，教师当堂予以点名肯定并在量表中记录。评价结果不作为甄别依据，而作为下一课时调整分组与任务难度的参考。九、教学反思预设本课信息量大，概念、历史、体验、思辨四条线并行，对课堂节奏的把