高中一年级信息技术必修一《探秘人工智能》教学设计

高中一年级信息技术必修一《探秘人工智能》教学设计一、设计理念与教学立意本课选自教科版（2019）高中信息技术必修一《数据与计算》第五章第二节，是学生从小学、初中的"感知智能设备"走向"理解智能原理"的关键一课。高一学生对语音助手、人脸识别、推荐算法并不陌生，但这种熟悉停留在"使用者"层面，距离"理解者"乃至"初步的设计者"还有相当距离。本课设计的核心立意是：把人工智能从"神秘黑箱"还原为"可以拆解的系统"，让学生在真实任务中经历"体验现象—剖析机制—动手实现—反思边界"的完整认知过程，完成从消费者到理解者的身份转变。教学设计遵循三个基本原则。其一，原理先行、体验佐证。先让学生在可操作的实验中亲手"训练"一个最简单的分类器，再反推人工智能系统中数据、算法、算力三要素的关系，避免先讲概念后举例子导致的概念悬空。其二，小切口、深挖掘。全课只围绕"机器如何学会识别"这一核心问题展开，不贪多求全，不罗列人工智能发展史的全部脉络，而是把识别这一件事讲透、做透。其三，技术与人文并重。课程标准明确要求学生"辩证认识人工智能对人类社会未来发展的巨大价值和潜在威胁"，因此本课在技能目标之外设置伦理思辨环节，让学生在动手之后有冷静思考的机会。二、教材分析与学情研判从教材结构看，本节处于"数据与信息""算法与程序实现"之后的收束位置。学生在前几章已经掌握用Python处理数据的基本技能，了解了算法的描述与控制结构，具备了把现实问题转化为计算问题的初步经验。人工智能恰好是数据、算法、算力三者汇合的最佳载体，本课承担着把前面零散知识"串珠成链"的功能，同时为选择性必修模块《人工智能初步》埋下伏笔。从学情看，高一学生的突出特点是"日用而不自知"。他们每天都在与算法推荐、语音转写、自动翻译打交道，却很少追问"机器是怎么做到的"。问卷调查显示，超过八成的学生认为"人工智能就是机器人"，近七成学生说不清"训练"一词在智能系统中的含义。此外，学生数学基础尚在学习函数与统计的起步阶段，不宜引入梯度下降、反向传播等高阶概念，教学中应选取"距离最近邻"这一直观模型作为脚手架，用"找最像的邻居"替代复杂的数学推导，做到原理不失真、门槛可跨越。三、教学目标信息意识目标。学生能够识别生活中人工智能应用的典型场景，区分"基于规则的自动化"与"基于数据学习的智能化"，形成对智能系统边界的敏感判断。计算思维目标。学生能够描述监督学习"收集数据—提取特征—训练模型—测试评估"的基本流程，能用最近邻思想手工完成一次分类任务，理解"特征选择影响识别效果"这一内核。数字化学习与创新目标。学生借助开放平台与简易编程环境，体验图像识别与手写数字识别的训练过程，能够调整数据观察识别率的变化，初步形成"用数据说话"的探究习惯。信息社会责任目标。学生通过人脸识别的便利与滥用案例、算法偏见案例的讨论，形成对数据隐私、算法公平的基本立场，能够在技术使用与伦理边界之间作出有理有据的价值判断。四、教学重点与难点教学重点是"机器学会识别"的基本原理与工作流程，即数据、特征、模型、评估四个环节的逻辑关系。教学难点是特征抽象的理解：学生容易认为计算机"看见了"图像，难以建立"计算机只处理数字，识别效果取决于把图像变成哪些数字"的认识。突破策略是采用对比实验法，让学生用两组不同特征（如"颜色占比"与"形状比例"）分别识别水果图片，观察识别率的显著差异，由现象倒逼思考，自然得出特征工程的重要性。五、教学资源与环境准备硬件方面，机房按四人小组布局，保证每生一台可联网计算机，教师机配备广播控制软件。软件方面，学生机预装Python环境与图形化机器学习体验平台，备好手写数字图片集、水果图片数据集、课堂上将使用的人机对弈体验网页链接。此外准备学习单三份：随堂记录单、小组实验报告单、思辨讨论评价量表。课前将图片数据按组打包分发，避免课堂网络拥堵拖慢节奏。六、教学过程（一）情境导入：一场"人机对话"引发的追问上课伊始，教师现场演示：对着智能终端连续提出三个问题——"今天天气怎么样""把这句话翻译成英文""这首诗表达了诗人怎样的情感"。前两个问题设备应声而答，第三个问题回答得磕磕绊绊。教师顺势抛出本课核心问题：同样是"听懂人话"，为什么有的任务机器做得又快又准，有的任务却露了怯机器到底是"聪明"还是"装聪明"这节课我们就钻进机器内部，看它究竟是怎样"学会"本领的。设计意图：用同一设备上的能力反差制造认知冲突，"反差"比"惊艳"更能激发探究欲。三个问题的选择有讲究——前两个对应模板匹配与统计翻译这类成熟技术，第三个涉及深层语义理解，天然为课尾的"局限讨论"埋下伏笔。（二）概念探究活动一：火眼金睛辨真伪教师在大屏展示六个应用实例：银行刷脸取款、电梯定时开关门、导航躲避拥堵、洗衣机按设定程序运行、输入法智能纠字、温控空调自动启停。学生在学习单上独立勾选"哪些属于人工智能应用"，随后小组比对分歧。典型争议集中在电梯与温控空调上，学生往往把"自动化"误认为"智能化"。教师引导学生提炼区分标准：能依据程序中写死的规则执行的，是自动化；能从数据中学习规律、面对未曾见过的新情况也能作出合理判断的，才谈得上智能化。刷脸取款面对的每张人脸都不完全相同，导航面对的拥堵状况每天不同，这些系统靠"从数据中学"而非"按规则做"。由此自然给出本课对人工智能内涵的理解：让机器模拟、延伸人的感知、学习与决策能力的技术体系，并梳理其在本教材语境下的三大典型能力——感知智能、认知智能、决策智能。设计意图：先破后立。学生头脑中的偏差概念不清除，后续原理学习会建立在错误地基上。六个实例中刻意混入三个"伪智能"，正是为了制造辨析空间。标准的提炼由学生口述、教师板书确认，概念由此成为学生自己建构的产物。（三）原理探究活动二：亲手"训练"一个机器大脑这是本课的核心环节，用时约二十五分钟，分四步推进。第一步，明确任务。每组领取二十张水果图片（苹果与橙子各十张），其中十六张作为"训练数据"，四张作为"测试数据"。任务要求：不查任何资料，只凭图片，制定一套"机器可执行的规则"，实现对测试图片的自动分类。第二步，提取特征。学生讨论后发现，凭感觉说"苹果更圆"机器听不懂，必须把判断依据变成数字。多数小组选择量化两条特征：红色像素占比、图像外接圆的长宽比。学生用教师提供的简易表格工具逐张图片记录数值，画出二维散点图，横轴为颜色值、纵轴为形状值，十六个训练样本点落在图上，苹果与橙子自然分成两簇。第三步，制定分类规则。学生观察散点图，几乎都能想到"算一算新图片离哪一堆点更近"。教师此时点明：这就是最近邻分类思想——新样本归到与它距离最近的训练样本所属的类别。各组用此法对四张测试图片判定并核对实际答案，多数小组达到较高正确率，个别小组出现错分。第四步，错例分析与概念升华。教师捕捉错分小组的现场数据组织全班会诊：错因何在学生发现该组只取了"颜色"一条特征，而恰好那张测试图是一张偏红的橙子，颜色特征失效。教师顺势总结四句话：机器的学习过程，是从数据中找规律的过程；规律寄存在特征里，特征选得好不好直接决定识别准不准；训练数据越丰富越多样，模型见到新情况越不慌；测试结果的好坏要用数据来衡量，这就是评估。监督学习的完整流程图（数据收集—特征提取—模型训练—测试评估）由学生口述、教师逐步补全于黑板，流程图的每个节点都对应着刚才学生亲手做过的动作。设计意图：用"纸面机器学习"实现无代码的原理建构。散点图把抽象的"特征空间"变成眼前可见的点簇，最近邻思想把"模型"还原为"找邻居"这一生活经验，错分案例则让"特征选择"这一难点在真实失败中被理解。整个活动学生始终处于"做事"状态，概念是事后对所做之事的命名，而非预先灌注的教条。（四）原理验证活动三：让真机器出手学生登录平台体验两个演示。其一，手写数字识别：学生在画板上书写数字，平台实时给出识别结果与置信度，教师鼓励学生故意写得潦草、倾斜，观察置信度如何滑落，体会"机器的判断是一个概率而非绝对真理"。其二，快速出词画图游戏：学生在二十秒内作画，机器实时猜测所画物体，全班统计机器的"战绩"，并查看该游戏背后上亿张用户画作构成的数据集说明。体验结束后教师追问：刚才平台上机器学本领用的是什么充当"老师"学生答是海量标注数据。教师再追问：上亿张画从哪里来答是千万用户无偿贡献。这一问为课尾的伦理讨论悄然埋下了引线——智能的背后是数据，数据的背后是人。设计意图：纸面实验建立了原理模型，真实平台的体验则验证模型的普适性，完成"简化模型—真实系统"的双向印证。故意写歪字的环节看似游戏，实则让学生直观触碰"置信度"与"泛化能力"两个深刻概念。（五）拓展视野活动四：三驾马车与一段简史教师用五分钟微讲座勾勒人工智能发展的基本轮廓：早期专家系统靠人工编写规则，规则穷尽的困境导致发展停滞；机器学习的兴起让机器转而向数据要规律，带来第二次浪潮；深层神经网络配合大数据与强大算力，造就了今天语音、视觉、语言处理的繁荣。配合时间轴图示，学生标注出"规则驱动"与"数据驱动"两个时代的分野。教师点明数据、算法、算力三要素相互支撑的关系，并回扣开头的人机对话——天气问答背后是确定性强的数据，诗歌鉴赏涉及人类独有的情感与审美经验，机器尚难企及，前后呼应，首尾闭环。（六）价值思辨活动五：便利的另一面教师呈现两则材料：一是某小区强制人脸识别进门引发业主诉讼的新闻简述；二是某招聘筛选系统被发现对特定群体评分偏低的报道。小组围绕两个问题讨论五分钟：技术本身有错吗问题出在哪个环节每组用一句话陈述立场，由教师按评价量表从"观点明确、论据具体、能换位思考"三个维度现场点评。学生的讨论通常会触及数据隐私、数据偏差导致算法偏见、人的责任不可让渡给机器等要点。教师收束时强调：算法从数据中学到的既有人类的智慧，也有人性的阴影；作为未来的技术使用者乃至创造者，守住法律底线、保持伦理敏感，与掌握技术本身同等重要。（七）课堂小结与分层作业课堂小结采用"一句话接龙"形式：每人用一句话概括"今天我认为最重要的一件事"，教师将高频发言凝结为板书主干——人工智能是让机器从数据中学习规律的技术，学习效果取决于数据、特征与评估，技术的应用必须接受伦理与法律的约束。作业分三层。基础层：完善随堂流程图，用自己的话向家人解释"机器是怎么学会认东西的"，并记录家人的追问。提升层：在生活中再找一例"伪智能"应用，写出判定理由。挑战层：尝试在平台上用自己拍摄的照片训练一个两分类模型，记录样本数量变化对识别率的影响，下节课交流。七、板书设计主板书居中呈现核心问题"机器如何学会识别"，其下展开监督学习四环节流程；左侧列人工智能与自动化的判别标准；右侧列数据、算法、算力三要素与伦理提醒。板书随课堂进程分块生成，最终形成一幅完整的认知地图。八、教学评价设计评价贯穿全程、指向素养。过程性评价包括：辨真伪环节的概念理解Checkpoint，看学生能否说清"数据中学习规律"这一判据；动手环节的实验报告单，依据"特征选择合理、测试记录完整、错因分析到位"三档评定；思辨环节的量表点评关注价值判断的成熟度。表现性评价落在分层作