高中信息技术必修1人工智能的应用教学设计（粤教版）

高中信息技术必修1人工智能的应用教学设计（粤教版）一、教学基本信息本课面向高中一年级学生开设，隶属于粤教版（2019）高中信息技术必修1《数据与计算》第六章"人工智能及其应用"的第二节。课标对本模块的要求是：学生能够感悟人工智能为人类生活和社会发展带来的深刻影响，体验人工智能在典型场景中的应用方式，初步形成利用智能技术解决问题的意识，并能理性看待人工智能带来的伦理与社会问题。本节内容承上启下，前承第6.1节"认识人工智能"中建立的概念框架，后接本章后续关于智能技术实现方式的学习，是学生从"知道人工智能是什么"走向"体验人工智能怎么用"的关键一课。授课对象为高一年级学生。该学段学生在生活中普遍接触过语音助手、人脸解锁、智能推荐等应用，感性经验丰富，但多数停留在"使用层面"，对智能背后的数据处理逻辑、应用场景的分类体系以及技术边界的理性认识较为薄弱。同时，学生在必修模块前几章已经完成了数据采集、编码、算法与程序设计的学习，具备一定的计算思维基础，有能力从"使用者"角色向"分析者"角色转变。本课设计正是立足这一学情，以体验为入口、以分类为骨架、以思辨为提升，帮助学生构建"人工智能应用"的主题知识结构。二、教学目标第一，知识与理解目标。学生能够说出人工智能在社会生活中的典型应用领域，包括智能制造、智能家居、智能教育、智能交通、智能医疗、智能安防等；能够结合具体案例描述各领域中智能系统的工作方式与数据来源；能够辨析"自动化"与"智能化"的差异，理解感知、学习、推理、决策在智能应用中的体现。第二，过程与方法目标。通过亲身实践语音识别与图像识别的在线体验项目，掌握"提出问题—采集数据—调用智能服务—分析结果"的探究路径；能够以小组为单位对给定案例进行领域归类和技术要素拆解，完成结构化的案例分析报告。第三，情感态度与价值观目标。学生能够认识到人工智能是服务人类、拓展能力的工具，形成积极而审慎的技术观；能够围绕数据安全、隐私保护、算法偏见、就业结构变化等议题展开理性讨论，初步建立信息社会责任意识。第四，核心素养指向。本课重点指向信息意识与计算思维的协同发展：信息意识体现在主动发现和评价身边的智能应用；计算思维体现在用分解、抽象、模式识别的方法剖析智能系统的工作过程；数字化学习与创新体现在借助在线智能平台开展自主探究；信息社会责任体现在对智能技术伦理问题的辩证思考。三、教学重点与难点教学重点有两个。其一是人工智能典型应用领域及其代表案例的梳理，要求学生不仅能列举，更能说明"智能"在案例中如何体现；其二是通过亲手体验智能语音与计算机视觉任务，感受数据驱动的人工智能工作方式，建立"数据—训练—识别—决策"的初步认知链条。教学难点在于引导学生超越零散的应用印象，形成结构化的分类认知，并在此基础上展开有深度的价值思辨。高一学生容易把讨论停留在"好用不好用""方便不方便"的表层，教师需要提供思维支架，把讨论引向"技术发展与社会规则如何协同演进"这一更具育人价值的层面。突破策略是：以生活化案例降低认知门槛，以对比任务制造认知冲突，以结构化讨论单规范思辨过程。四、教学方法与课前准备本课采用项目式探究与讲授相结合的教学方式。具体方法包括：情境导入法，以真实生活场景激活经验；任务驱动法，以"智能应用体验官"项目贯穿全课；小组协作法，四人一组完成案例分析与成果汇报；问题导向教学法，以层层递进的问题链推动思维深入。课前准备分两端。教师端：检查机房网络与多媒体设备；注册并测试若干开放了免费体验接口的人工智能开放平台，涵盖语音识别、文字识别、图像识别功能；制作教学课件，内含导入视频、案例图片、任务单模板；准备"智能应用案例分析单"和"思辨讨论记录单"两种纸质学案。学生端：课前完成一份简短的问卷调查，内容为自己一周内接触过的智能应用及其使用感受；每小组推选一名记录员和一名汇报员。五、教学过程（一）情境导入：一个清晨的"智能密度"调查（约5分钟）上课伊始，教师播放一段两分半钟的自制短片：一名高中生从早晨被智能音箱唤醒，到用人脸识别打开小区门禁，乘地铁时刷手机二维码过闸，到校后使用拍照搜题核对作业，午餐在食堂刷脸支付，放学路上收到购物软件推送的"猜你喜欢"。短片没有解说词，只有画面和环境音。播放结束后，教师提出第一个问题："刚才这段不到三分钟的日常，主人公一共与多少种人工智能应用打了交道？"学生快速计数并抢答，教师将学生说出的应用逐一板书在黑板左侧，不做任何归类，保持原始罗列状态。随后追问："这些应用有没有共同之处？它们为什么都被称作人工智能的应用？"学生一般会回答"都能自动完成一些事情""都很聪明"。教师顺势点明本课任务："它们为什么'聪明'、聪明在哪里、聪明到什么程度、有没有边界，就是今天这节课我们要回答的问题。"这一环节的设计意图是以高密度的生活场景制造"熟悉中的陌生感"，让学生意识到智能技术已深度嵌入日常却未被真正理解，从而产生探究的内驱力。黑板上未经整理的罗列清单，为后续的分类任务埋下了伏笔。（二）新知建构：从概念回顾到应用图谱（约10分钟）教师带领学生简要回顾上一节的核心结论：人工智能是利用计算机及相关设备模拟、延伸和扩展人类智能的技术科学，其典型能力包括感知（看、听）、认知（理解、推理）、决策与行动。教师在课件上呈现一个简明的对应关系：人的眼睛对应计算机视觉，人的耳朵对应语音识别，人的大脑对应机器学习与推理，人的行动对应机器人控制。这一对应关系用直观的图示呈现，帮助学生把抽象概念锚定在身体经验上。随后进入应用领域图谱的建构。教师不直接讲授分类结果，而是指着黑板上学生自己找出的应用清单提问："如果要把黑板上的这些应用整理成一份清晰的地图，你会按什么标准分？"学生可能提出按场所分（家里、学校、路上）、按功能分（识别类、推荐类、控制类）、按行业分（医疗、交通、教育）。教师肯定各种分法的合理性，然后给出教材的分析框架，将人工智能的典型应用领域梳理为六个方向，并逐一配以案例精讲。智能制造领域，以汽车工厂中的工业机器人和质检视觉系统为例：摄像头拍摄零部件图像，系统比对标准样本，毫秒级判定产品是否合格，其"智能"体现在用视觉识别替代了人眼的疲劳性检测。智能家居领域，以智能音箱的语音交互为例：语音信号被转化为文本，系统理解语义后执行指令，其"智能"体现在自然语言理解。智能教育领域，以个性化学习平台为例：系统记录学生的答题数据，分析知识薄弱点，推送适配的练习，其"智能"体现在基于数据的学习诊断。智能交通领域，以城市交通信号的智能调度为例：路网数据实时汇入，算法动态调整红绿灯时长，缓解拥堵，其"智能"体现在大范围的预测与优化。智能医疗领域，以医学影像辅助诊断为例：系统从海量病例影像中学习特征，为医生标注可疑区域，其"智能"体现在辅助而非替代专业判断。智能安防领域，以走失儿童的跨摄像头轨迹追踪为例，其"智能"体现在跨场景的目标检索。讲授中教师反复强调一个分析句式："它在什么场景下，通过什么数据，用什么方式，完成了过去由人完成的什么任务。"这个句式既是本课讲授的线索，也是学生后续案例分析的统一工具。（三）探究实践：我是智能应用体验官（约15分钟）学生以四人小组为单位登录教师指定的在线人工智能开放平台，完成两项体验任务，边操作边填写体验记录单。任务一为语音识别体验。小组中的一名学生对着麦克风朗读一段约五十字的文字，平台实时将语音转写为文字，小组记录识别准确率。随后开展变量探究：第一次，朗读者改用普通话夹杂方言词；第二次，两名学生同时说话制造干扰；第三次，朗读者加快语速。每次变化后记录识别结果的变化，并尝试回答"是什么因素让识别变难了"。学生通常会发现：口音、环境噪声、语速都会显著降低准确率。教师巡视时适时点拨："识别的本质是把声音信号与系统从海量语音数据中学到的模式进行比对，比对对象偏离了训练数据的分布，准确率就会下降。这告诉我们，人工智能的能力边界与数据质量息息相关。"任务二为图像识别体验。小组上传三类图片让平台识别：一张清晰的动物照片、一张同一动物的模糊侧影、一张手绘的同款动物简笔画。小组记录平台的识别结果与置信度数值，讨论为什么清晰照片识别准确而手绘图常常出错。学生通过直观对比体会到：机器"看"世界的方式与人不同，它依赖像素特征的统计规律而非真正的意义理解，因此会在常识层面犯人类不会犯的错误。体验结束后，教师组织一轮快问快答："刚才两个任务中，机器的能力分别模拟了人的哪两种器官？""多次识别结果不一样，说明机器的判断是绝对正确的吗？""如果识别系统掌握在不负责任的人手中，可能带来什么风险？"三问分别指向知识巩固、批判意识和责任启蒙，为后续思辨环节蓄势。本环节设计的核心考量是"做中学"。智能技术如果只看不摸，学生获得的只是二手知识；亲手让机器"答错"，比任何说教都更能让学生理解技术的边界。（四）协作探究：案例分析工作坊（约10分钟）教师向每组发放一张案例卡，全组围绕案例卡完成"人工智能应用案例分析单"。案例卡共设四张，分别对应不同领域：其一为某快递企业的智能分拣系统，包裹经传送带通过视觉识别区域后由机械臂自动分向不同格口；其二为某农业科技公司的大棚智能控制系统，传感器采集温湿度数据，系统自动调节通风与灌溉并提出病虫害预警；其三为某导航软件的实时路况规划，系统综合海量车辆的行驶数据预测拥堵并动态推荐路线；其四为某短视频平台的内容推荐系统，根据用户的观看行为持续调整推送内容。分析单设置四个栏目，对应探究的四个层次。第一栏"领域归属"：该案例属于哪一应用领域，请说明归类依据。第二栏"数据流"：系统采集了什么数据，数据从哪里来。第三栏"智能体现"：用课堂上学习的分析句式完整描述系统的智能所在，区分其中哪些属于感知，哪些属于推理与决策。第四栏"冷思考"：该系统可能带来什么副作用或风险，如个人隐私、数据垄断、就业冲击等，写出至少一条。各小组完成分析单后，每组汇报员用九十秒汇报本组分析结论，教师将四组的"冷思考"要点汇总板书。案例三与案例四通常引发最多争论：有学生认为算法推荐让自己节省了找内容的时间，也有学生反思自己"被困在推荐里"刷短视频停不下来的经历。教师不急于裁定，只将矛盾点标记出来，自然过渡到下一环节。（五）思辨提升：技术便利与社会责任的天平（约7分钟）教师抛出本课的思辨性议题："如果一项人工智能技术让大多数事情变得更方便，但同时让一部分人的隐私暴露、让一部分岗位消失，我们应该拥抱它、限制它，还是改造它？"讨论按"独立思考一分钟—小组交流三分钟—全班分享"的流程展开，讨论记录单上设有提示支架：便利的受益者是谁，代价的承担者是谁，二者是否是同一群人；技术本身有没有立场，还是使用技术的方式决定了结果；作为未来的建设者而非单纯的消费者，我们可以提出哪些规则建议。学生分享中常出现颇有质量的表达，例如"问题不在技术本身，在于采集数据时有没有征得同意""应该让被算法影响的人有知情权""效率不能成为唯一的衡量标准"。教师予以提升性总结，指出国家已出台针对个人信息保护和算法推荐管理的规范文件，说明技术发展与社会规则的协同演进是全社会的共同课题，而同学们今天提出的每一条规则建议，本质上就是公民参与技术治理的雏形。这一总结把零散的观点接入宏观的制度视野，完成情感态度价值观目标的落地。教师在思辨环节刻意保持价值中立的主持姿态，不设标准答案，但对所有发言要求"有事实依据、有推理过程"，将讨论的品质锚定在理性层面，避免滑向情绪化的褒贬之争。（六）课堂小结与分层作业（约3分钟）小结采用学生反哺的方式：教师请三名学生分别用一句话回答三个问题——今天我梳理了什么（应用领域图谱），今天我亲手做了什么（语音与图像识别的变量探究），今天我开始思考什么（技术便利与社会责任的平衡）。教师随后用一张思维导图课件收拢全课：中心节点是"人工智能的应用"，第一层分支是六大应用领域，每个领域下挂"数据—智能体现—影响"三个要素，图谱留白处标注"应用领域仍在扩展，等待你们补充"。作业分两个层次。基础层：完成一份"家庭智能应用调查表"，采访一位家庭成员，记录其最常使用的三项智能应用及其评价，下节课课首分享。拓展层（选做）：选择一个本课未展开的应用领域，如智能金融或智能物流，仿照课堂分析单的四个栏目撰写一篇六百字左右的微型研究报告，鼓励引用公开新闻报道作为事实依据。六、板书设计黑板采用三栏式布局。左栏为导入环节学生发现的零散应用清单，保留原始罗列形态，作为"前认知"的见证。中栏为结构化知识主体：上方写课题"人工智能的应用"，其下以树状图呈现六大应用领域，每个领域标注核心案例与智能体现的关键词。右栏为思辨产物：汇总各组"冷思考"提出的风险点与规则建议。三栏从左至右构成"经验—知识—责任"的视觉逻辑，学生一抬头即可看到本节课思维的完整轨迹。七、教学评价设计本课采用过程性评价为主、表现性评价为辅的混合评价。过程性评价嵌入三个节点：体验环节中，教师依据各组记录单的完整度与变量设计的合理性打分；案例分析环节中，依据分析单四个栏目的逻辑严谨性评分，重点看"智能体现"一栏是否使用了规范的分析句式；思辨环节中，依据发言的事实依据与推理质量给予点评性反馈。表现性评价依托个人反思单实现，下课前每名学生完成三行短评：一个我新学到的概念，一个我仍存疑的问题，一个我对智能技术的新态度。教师课后批阅反思单，从中诊断目标达成度，尤其关注"仍存疑的问题"一栏中是否出现超越课本的生成性问题，将其作为下一课时教学调适的依据。评价结果以等级加评语的方式反馈，避免分数化比较对探究兴趣的挫伤。八、教学特色与预设生成处理本课设计有三处特色值得关注。其一，体验环节的"故意失败"设计，让识别错误成为最鲜活的教学资源，学生在亲手制造的错误面前自然生成对技术边界的敬畏，这比任何讲授都更有效地击破"人工智能万能论"。其二，分析句式的工具化使用，一个"场景—数据—方式—任务"的四段句式贯穿讲授、体验、案例分析