高中信息技术必修一“人工智能及其应用”大单元教学设计

高中信息技术必修一“人工智能及其应用”大单元教学设计一、教学设计的理念与依据本教学设计面向高中一年级学生，对应粤教版（2019）信息技术必修一《数据与计算》第六章“人工智能及其应用”。本章处于整册教材的收束位置：前五章学生经历了数据处理、算法描述、程序设计的完整链条，本章则把他们带到计算学科的前沿地带，让学生在“会用程序解决问题”的认识之上，理解机器如何从数据中获得“智能”。《普通高中信息技术课程标准（2017年版2020年修订）》明确指出，要让学生“了解人工智能的发展趋势，认识人工智能在信息社会中的重要作用”，并强调通过剖析典型案例形成对人工智能的理性认识。本设计以课程标准中的学业质量描述为标尺，把学科核心素养的四个方面——信息意识、计算思维、数字化学习与创新、信息社会责任——转化为可观察、可评价的课堂行为。本设计坚持三条基本立场。其一，人工智能不是玄学，也不是高深到高中课堂触不可及的学问，其核心思想可以用学生已然熟悉的生活案例讲透。其二，教学必须“做中学”，学生要亲手训练一个微型模型、亲手测试系统的边界，而不是观看教师演示。其三，技术讨论必须有伦理维度，高中生即将成为数字社会的建设者与消费者，对算法偏见、隐私边界、责任归属的思考与对技术原理的掌握同等重要。二、教材内容分析本章教材主要由三部分构成：认识人工智能、剖析人工智能的典型技术、感受人工智能的应用并思考其影响。第一部分“认识人工智能”，教材从图灵测试切入，介绍人工智能的基本概念与发展历程，呈现三次浪潮的起伏。这部分内容的教学价值在于破除学生对人工智能的拟人化想象——机器并无“理解”，它只是在特定任务上表现出智能行为。第二部分介绍人工智能的关键技术，包括机器学习、模式识别、自然语言处理等。教材对机器学习的处理点到为止，这是本章的教学难点所在。教师需要用恰当的脚手架，让学生理解“用数据训练出模型，再用模型进行预测”这一核心机制，而不陷入数学推导。第三部分呈现人工智能在智能制造、智能家居、智慧交通、智能教育等场景中的应用，并初步涉及人工智能带来的社会挑战。这部分内容开放性强，适合组织项目化学习与辩论活动。从知识内在逻辑看，本章遵循“概念—原理—应用—反思”的递进结构，恰好对应认知心理学中从具体感知到抽象概括再到批判反思的学习路径。教学设计应充分利用这一结构，在“应用”环节中反哺“原理”的理解。三、学情分析授课对象为高一年级学生，已完成必修一前五章的学习，具备以下基础：能够使用Python语言编写含分支与循环结构的简单程序；理解算法的概念并能用流程图描述；经历过数据采集、编码、可视化等数据处理活动。从生活经验看，这一代学生是人工智能产品的原生使用者。他们日常接触语音助手、短视频推荐、人脸解锁、翻译软件，对人工智能有强烈的熟悉感和朴素的兴趣。但调研显示，这种熟悉停留在“会用”层面，普遍存在三类迷思概念：一是认为人工智能具有类似人类的意识和情感；二是认为机器学习的准确率可以达到百分之百；三是认为人工智能是近期的突然发明，不了解其六十余年的曲折历程。从思维特点看，高一学生抽象逻辑思维趋于成熟，能够进行假设检验与多角度论证，适合开展“原理初探＋社会思辨”双轨并行的教学。教学难点由此确定：在不过度数学化的前提下，让学生真正理解“从数据中学习”的含义，并形成对人工智能能力边界的清醒判断。突破策略是借助低门槛的可视化工具和精心设计的对比实验，让抽象机制显性化。四、教学目标目标一（信息意识）：学生能够结合生活实例说出人工智能的典型应用，识别日常产品中哪些功能属于人工智能范畴，并能用“感知—学习—决策”的框架描述其工作过程。目标二（计算思维）：学生能够解释机器学习区别于传统编程的基本范式，即传统编程是“规则加数据产生结果”，机器学习是“数据加结果反推规则”；能借助可视化平台完成一次图像分类模型的训练与测试，并分析训练数据的数量与质量对识别效果的影响。目标三（数字化学习与创新）：学生能以小组为单位，围绕一个真实校园问题设计人工智能应用方案，画出系统流程图，说明所需数据与预期功能。目标四（信息社会责任）：学生能够结合具体案例分析人工智能应用中的伦理风险，包括数据隐私、算法歧视、责任认定等，面对“人工智能会不会取代人类”等议题时能作有理有据的理性表达。五、教学重点与难点教学重点：人工智能的概念辨析；机器学习“从数据中学习”的基本思想；人工智能典型应用的场景分析。教学难点：机器学习原理的具象化理解；对人工智能能力边界与社会影响的辩证认识。六、教学策略与方法本单元共安排四课时，采用“情境体验—原理探究—设计创造—思辨争鸣”的单元整体路径。主要教学方法包括：其一，体验式教学，让学生与真实的智能应用交互，在“被骗过”或“识别失败”的意外中生成探究动机；其二，实验探究法，使用TeachableMachine等免编程工具完成模型训练实验；其三，项目式学习，以“为校园设计一个人工智能应用”为主线任务贯通单元；其四，结构化辩论，在第四课时组织关于人工智能伦理的课堂辩论。教学环境需求：计算机教室，每台机器可联网，预装Python环境及相关库，教师准备水果图像数据集、学生日常行为问卷小数据集、典型新闻案例素材包。七、教学过程第一课时：人工智能是什么——从体验到概念环节一：叩问开场（约8分钟）上课伊始，教师不做任何知识讲解，在大屏幕投出三道题。第一题：展示一段诗歌，提问“这是人写的还是机器写的”。第二题：播放一段语音，提问“这是真人录音还是语音合成”。第三题：展示一张人像照片，提问“这个人真实存在吗”。学生举手投票，教师现场揭晓答案——三者皆为机器生成。教室往往会出现短暂的骚动，这正是我要的认知冲突。教师顺势追问：机器是怎么做到的？它和前两章我们写的“输入三个数判断能否构成三角形”的程序有何本质不同？学生凭直觉能说出“以前的程序是人告诉它规则，这个好像没有人告诉它写诗的规则”。这句话就是本单元全部教学的种子，教师将其写在黑板中央，暂不展开。环节二：概念建构（约15分钟）教师引导学生回到教材，阅读人工智能的定义，并组织“抠字眼”活动：定义中哪些词最关键？学生圈画出“模拟”“延伸”“扩展”“人的智能”等表述。教师追问：机器真的“理解”诗吗？通过分析语音助手对同一句话在不同语境下的回答失误，师生共同得出结论：当下的人工智能是在特定任务上模拟智能行为的技术系统，尚不具备人类的意识、情感与真正的理解力。业内称之为“弱人工智能”，与之相对的“强人工智能”仍是未被解决的科学与哲学问题。随后教师用五分钟讲述人工智能发展的三个浪潮：20世纪50年代达特茅斯会议确立学科，符号主义方法兴起；80年代专家系统繁荣又遇冷；21世纪以来，大数据、强算力与深度学习算法三股力量汇合，带来第三次浪潮。讲述中穿插“人工智能寒冬”的历史细节，让学生体会科学发展的曲折性——今天的热潮同样可能遇到天花板，这种历史感是理性态度的基础。环节三：图灵测试讨论（约12分钟）教师介绍图灵及其1950年提出的思想实验：如果隔着帷幕的问询者无法分辨对面是人还是机器，是否可以认为机器具有智能？学生两人一组，扮演“提问者”，讨论自己会用什么问题分辨对方。学生提出的问题往往极有洞察力，例如“故意说错话看对方会不会纠正”“问昨天午饭吃了什么并追问细节”。教师点评：这些问题本质是在测试常识、情感与连贯的真实体验，而这恰是当前系统的软肋。环节四：小结与悬念（约5分钟）教师回到黑板上那句学生的原话，正式给出本单元的核心问题：既然没人告诉机器写诗的规则，它的“规则”从何而来？预告下节课的实验——我们将亲手“教”一台机器认识苹果和橙子。课后任务：请学生记录自己未来24小时接触的所有人造物，标注出其中疑似使用了人工智能的三处，并写一句判断依据。这一任务把课堂概念延伸到生活观察，是信息意识目标的具体落地。第二课时：机器如何学习——一次完整的手把手实验环节一：范式对比（约10分钟）教师在黑板上画出两幅对照图。左图：传统编程——人编写规则，连同数据一起输入计算机，得到答案，以“根据成绩判定等级”的学生已会程序为例。右图：机器学习——把数据和对应的答案（标签）一起交给机器，机器自己总结出规则（模型），再用这个模型处理新的未知数据。教师用一个比喻加固理解：传统编程像老师先把解题套路讲给学生再让学生考试；机器学习像直接给学生看成百上千道带答案的题，学生自己揣摩出套路，再做新题。学生需要能复述这两幅图，这是本课时的硬性出口标准。环节二：探究实验——训练你的第一个分类器（约20分钟）学生两人一组，打开TeachableMachine的图像分类项目。任务：训练机器区分苹果与橙子。第一步，采集数据。各组用摄像头现场拍摄或从教师准备的图像集中选取，每类先录入20张。此处教师故意设置分组差异：一半小组拿到的苹果图片角度单一、背景干净；另一半小组拿到的图片角度多变、背景复杂。第二步，点击训练，观察进度条完成后系统提示模型已就绪。学生普遍对这一步骤的“无感”感到惊讶——没有写一行代码，机器就“学会了”。第三步，测试与破坏。教师要求学生测试三类样本：正常样本、刁钻样本（如切开的橙子、苹果图案的抱枕、青色的橙子）、干扰样本（香蕉、西红柿）。各组记录识别正确与失败的次数。此时课堂进入高潮：图片单一会的学生发现自己的模型把绿色橙子判成了苹果，甚至把苹果抱枕认成真苹果；数据丰富的一组表现明显更稳健。第四步，归因分析。教师抛出三个问题：模型表现的差异由什么造成？为什么机器会把抱枕认成苹果？增加训练图片能否无限提高准确率？学生讨论后形成共识：机器学到的是数据中的统计特征，数据决定模型的上限；机器没有“苹果”的概念，只有像素模式；数据质量包括数量、多样性、标注准确性三个维度。环节三：原理点睛（约10分钟）教师借实验体验讲解机器学习的内部机制的简化图景：以“身高体重预测性别”为例，在坐标系中画出若干已知数据点，机器学习的本质是寻找一条分界线（在多维空间中是一个分界面），使两侧的数据尽量各归其类。这条线由机器通过反复试错、逐步调整找到，调整的方向是让“分错的数量”不断减少——这个被不断减小的量叫作损失函数。教师明确告诉学生：真实的神经网络有成百上千万个要调整的参数，但“试错—评估—调整”的思想与这条线完全一样。数学公式以板书直观呈现：误差＝预测值－真实值，训练的目标是让所有样本误差的总和尽可能小。学生不需要掌握推导，但要记住图景。环节四：归纳小结（约5分钟）师生共同完成句式填空式的课堂总结：机器学习是用____训练出____，再用____对新数据进行____；模型的效果主要取决于____。学生齐读答案：数据、模型、模型、预测、数据的数量与质量。课后任务：思考推荐系统为什么“越用越懂你”，用本课的范式图解释其原理，100字以内。第三课时：人工智能的应用与设计创造环节一：应用图谱共建（约10分钟）课前教师将学生上节课的生活观察作业归类。课上各小组派代表把发现并板书在“人工智能应用图谱”上，教师引导按技术类型整理：计算机视觉类（人脸支付、车牌识别、医疗影像辅助诊断）、语音与自然语言处理类（智能音箱、机器翻译、作文批改）、决策与预测类（地图路径规划、信贷风控、电网调度）、生成类（文本、图像与音乐生成）。学生在共建中体会到人工智能已是社会基础设施，而非遥远的实验室技术。环节二：案例深剖——以智慧交通为例（约10分钟）教师选取一个城市交通信号优化案例，按“感知—传输—决策—执行”四层解剖：地磁与摄像头感知车流，数据汇聚到平台，算法预测各方向流量并动态调整红绿灯时长，信号系统执行。教师要求学生把这一四层结构迁移到他们自己熟悉的人脸门禁系统上，画出对应的流程图。这一环节训练的是系统观与计算思维中的分解与抽象。环节三：项目启动——为校园设计一个人工智能应用（约20分钟）发布单元主线任务：以小组为单位，发现一个真实存在的校园问题，设计一款人工智能应用予以解决，最终交付一页纸的方案海报，内容包括：问题描述、目标用户、所需数据及获取方式、系统工作流程图、预期效果、潜在风险与对策。教师给出评价量规，维度包括问题真实性、技术可行性、数据方案的合理性、伦理考量的完整性。各组现场选题，教师巡视介入。学生常见的选题包括：食堂菜品浪费预测以按需备餐、基于表情与答题数据的课堂专注度分析、图书馆座位智能调度、运动会上的人脸识别签到。教师对“课堂专注度分析”项目重点追问：表情数据属于个人隐私吗？误判会让学生受到不公正评价吗？把伦理考量前置到设计源头，而不是事后补丁。环节四：互评与迭代（约5分钟）相邻两组交换方案初稿，按量规给出一条优点与一条质询。教师收集典型质询在全班分享，例如“数据从哪里来，谁有权采集”“模型错了谁负责”。各组课后按质询意见修改方案，第四课时前提交终稿。第四课时：人工智能与社会——一场有准备的思辨环节一：案例冲击（约8分钟）教师呈现三个经过改编的真实案例。案例一：某公司招聘简历筛选系统被发现系统性降低女性简历的评分，原因在于历史招聘数据中男性程序员占绝大多数。案例二：某网约车平台的大数据“杀熟”争议，老用户看到的报价高于新用户。案例三：自动驾驶汽车发生致死事故，责任在车主、车企还是算法开发者之间难以界定。环节二：结构化辩论（约22分钟）辩题：人工智能的发展利大于弊。正反双方各四名主辩，其余学生作为“智囊团”在自由辩论阶段可传递纸条补充论据。辩论开始前教师明确规则：每条论点必须附带事实或案例支撑，空喊口号由教师当场举黄牌。辩论中，正方通常援引医疗辅助诊断挽救生命、危险岗位机器人替代、教育个性化等资源公平论据；反方则聚焦就业结构冲击、隐私让渡、算法偏见固化不平等、深度伪造瓦解社会信任。教师在第二阶段作关键干预，禁止双方滑向“技术乐观”或“技术悲观”的二元对立，引导达成精细认识：人工智能是放大器，它放大数据中已有的偏见，也放大人类的设计意图；问题的关键不在技术本身，而在制度、数据治理与人文关怀是否同步。当有学生说出“决定智能边界的不是算法而是我们”时，教师将其写在黑板中央，作为本单元的精神收束。环节三：立法者角色扮演（约8分钟）各组抽取一个治理议题：刷脸进小区是否应该强制、招聘算法是否需要公开审计、人工智能生成内容是否必须标注。小组扮演立法听证委员会，用三分钟提出一条可执行的监管建议并说明理由。此环节将思辨转化为公民行动能力。环节四：单元总结（约7分钟）教师用一张概念图收束整个单元：从“什么是人工智能”出发，经“机器如何学习”，到“人工智能用在何处”，最终指向“我们应当如何与之共处”。教师寄语要点：你们中的一部分人将成为算法的设计者，请记住数据背后是具体的人；所有人都是使用者和被算法影响的人，请保持提问的习惯与被拒绝时申诉的意识。课后任务：完成单元自测卷，并将小组项目海报张贴于班级展示区，供全年级观摩投票。八、板书设计主板书采用双栏演进结构。左栏呈现四次课的明线：从“机器写诗？”到“数据＋答案→规则”，再到“校园人工智能设计师”，最后到“我们与智能共处”。右栏呈现暗线的四个关键词：感知、学习、决策、责任。黑板中央预留“金句位”，用于书写课堂上学生生成的精彩观点，使学生思维成果获得仪式感。九、教学评价设计本单元实行过程性评价与终结性评价相结合，权重各占百分之五十。过程性评价包括四个观测点：其一，第一课时课后观察记录，评价信息意识，标准为判断正确、依据合理；其二，第二课时实验报告单，记录训练数据构成、测试结果与归因分析，评价计算思维与实践能力；其三，第三课时项目方案海报，依照四维量规评分；其四，第四课时辩论与立法建议的参与度与论证质量，由教师评价与同伴互评各占一半。终结性评价为单元纸笔测验，题型摒弃死记硬背，包含：概念辨析题（判断三个场景是否属于机器学习并说明理由）、范式作图题（画出机器学习与传统编程的流程对照）、案例分析题（给