高中信息技术选修四人工智能概述单元整体教学设计

高中信息技术选修四人工智能概述单元整体教学设计一、教材与学情分析本课选自粤教版高中信息技术选择性必修4《人工智能初步》第一章"人工智能概述"。本章是全书的起点，承担着为学生建立人工智能整体认知框架的任务，主要内容包括人工智能的概念界定、发展历程的三次浪潮、人工智能的基本类型（弱人工智能与强人工智能之辨），以及人工智能在各行业的典型应用。教材以"体验—理解—思辨"为主线，为后续机器学习、神经网络等章节埋下伏笔。授课对象为高二年级学生。学生在必修模块中已具备算法与程序设计的初步基础，日常生活中接触过语音助手、人脸识别、推荐算法等人工智能产品，认知起点不低，但普遍存在三个问题：一是概念模糊，常把"自动化""程序控制"与"人工智能"混为一谈；二是认知碎片化，对人工智能的了解来自短视频与新闻，缺乏系统性；三是思辨准备不足，面对"机器能否取代人类"这类问题容易走向极端乐观或极端恐慌。因此，本单元的教学重心不在于灌输知识结论，而在于帮助学生经历"从生活现象抽象出学科概念，再回归现实做出判断"的完整思维过程。二、教学目标定位依据课程标准对选择性必修4的学业要求，结合学科核心素养，确定如下目标。信息意识方面，学生能够从日常应用场景中识别哪些属于人工智能系统，并能说清判断依据，形成对智能技术的敏感度与甄别力。计算思维方面，学生能够用"感知—决策—执行"的框架描述一个智能系统的工作过程，初步理解"用数据替代规则"这一人工智能区别于传统程序的根本特征。数字化学习与创新方面，学生能够自主选择在线人工智能体验平台开展探究实验，记录实验数据并归纳结论，体验"让机器从例子中学习"的过程。信息社会责任方面，学生能够就人工智能带来的就业结构变化、算法偏见、信息茧房等议题表达有理有据的观点，形成理性的技术价值观。三、教学重点与难点教学重点是理解人工智能的本质特征，即系统通过对数据的学习形成处理能力，而非由人事先穷尽所有规则；掌握人工智能发展历程中"符号主义受挫—连接主义兴起—深度学习突破"的内在逻辑。教学难点在于突破"强人工智能即将实现"或"人工智能只是高级工具"两类片面认识，引导学生基于技术现状建立审慎而客观的判断。突破策略是采用"体验式祛魅"路径：先让学生亲手训练一个最简单的图像分类模型，目睹机器的"聪明"与"笨拙"，再讨论哲学层面的问题，让观点落在实证基础之上。四、教学方法与资源准备本单元采用任务驱动法与议题式教学相结合的方式，安排3课时。教师准备：可在线训练的图像分类体验平台账号、阿尔法狗与李世石对局纪录片剪辑（五分钟以内）、多组"人工智能与非人工智能"判例卡片、课堂辩论评分量规。学生准备：每人一台可联网终端，课前完成一份"我身边的人工智能"观察记录单。五、教学过程第一课时：从生活感受到学科概念。环节一，情境导入，制造认知冲突（8分钟）。教师不直接给出定义，而是在屏幕上演示三组快速判断：收音机定时开机播放音乐、恒温器按设定温度启停空调、手机人脸解锁。学生举手表决三者的智能属性，课堂往往出现分歧。教师追问：定时开机能听懂你说"我想听钢琴曲"吗？恒温器知道你为什么觉得冷吗？人脸解锁和门卫熟记住户面孔，哪一种更接近"智能"？争议天然生成，学习动机被点燃。环节二，小组判例归纳，自主建构概念（15分钟）。每组领取8张判例卡片，内容混合了自动售货机、垃圾邮件过滤、电梯调度程序、智能语音客服、红绿灯定时切换、手写数字识别系统等场景。任务要求：将卡片分为"属于人工智能"与"不属于"两堆，并写出分类标准。学生讨论中会逐渐发现，真正的分水岭不是"快不快""复杂不复杂"，而是"谁来制定规则"——传统程序的规则由程序员逐条写死，智能系统的能力来自对大量样本的学习。教师顺势板书人工智能的工作界定：让机器表现出通常需要人类智慧才能完成的行为，其核心技术路径是"从数据中习得能力"。此处强调教材中的两个关键对照：自动化是"人教机器做"，机器学习是"人给例子、机器自己琢磨规律"。环节三，历史脉络梳理（12分钟）。教师以时间轴"起伏感"为线索讲述三次浪潮：1956年达特茅斯会议立名，符号主义曾让机器证明数学定理，但因常识无法穷尽编码而遇冷；八十年代专家系统短暂繁荣又迅速暴露知识获取瓶颈；2010年前后，算力提升、海量数据与深度神经网络三者汇合，阿尔法狗战胜李世石成为标志性拐点。讲述中穿插提问：每一次低谷的原因是"方向错了"还是"条件没到"？学生由此理解技术发展不是直线冲刺，而是思想、数据、算力相互等待的过程。环节四，小结与作业（5分钟）。学生用一句话改写课前对人工智能的印象，作业为从观察记录单中挑一个案例，判断其智能属性并说明理由。第二课时：亲手训练一个"智能体"。环节一，任务发布（5分钟）。本节核心任务：利用在线图像分类平台，训练一个能区分"猫与狗"或"手势石头剪刀布"的分类器，全程不要求写代码，重点观察数据与效果的关系。环节二，分组实验与变量控制（25分钟）。各组分三个阶段试验。第一阶段，每类仅提供3张图片训练，记录识别准确率，普遍偏低；第二阶段，每类增至20张且角度多样，准确率明显上升；第三阶段，故意制造"数据污染"——把几张猫的照片混入狗的样本，或只提供同一品种、同一背景的图片。测试结果让学生震动：污染数据训练的模型在换背景后的真实图片上大面积出错。教师此时引入两个概念的直观版本：模型的性能上限由数据质量与数量决定；模型学到的可能只是"背景的规律"而非"对象的规律"，这正是算法偏见的技术根源。环节三，提炼机制（8分钟）。教师用可视化示意呈现训练逻辑：示范样本进入，模型先猜测，与正确答案比对得到误差，模型据此微调内部参数，周而复始直至稳定。学生对照自己的实验数据，理解所谓"学习"在这里是对参数的反复校准，而非人类意义上的理解。环节四，能力提升与作业（2分钟）。进阶任务：思考为什么同一模型识别"哈士奇"表现不错，却把一只站立的棕熊误判为狗。作业指向本节最核心命题：机器学到的"聪明"为何如此脆弱。第三课时：类型之辨与价值之思。环节一，连线上节，引出分类（7分钟）。教师回放上节的实验现象：一个会认猫的模型不会回答任何关于猫的问题。由此完成弱人工智能与强人工智能的正式界定——前者在特定任务上表现智能，后者具备跨领域的理解、推理与自我意识式能力；目前人类实现的全部是前者，后者仍属科学与哲学探讨的疆域。环节二，前沿modalities扫描（8分钟）。简述生成式人工智能、智能体的最新进展，同时给出"能力清单对照"：当前系统擅长已知分布内的生成与分类，短板在因果推理、常识边界与责任承担。让学生看到图景是"局部惊艳、整体有限"。环节三，议题辩论（20分钟）。辩题：二十年内，人工智能将大规模取代人类职业。正反两方依据教师提供的材料包（历史技术革命中职业消长数据、当前AI能力清单、专家不同预测）组织论证。教师把控三条规则：观点必须挂接证据；不得双标（承认技术能力就不能否认其局限）；驳论须回应对方的最强论据而非最弱表述。辩论后的反思环节更关键：多数学生会发现，"取代"与"重构"远比"取代与不取代"的二选一更接近真实——重复性认知劳动被压缩，人机协作型岗位扩张，人的比较优势转向共情、创造与价值判断。环节四，收束与单元总结（5分钟）。师生共同在白板上完成一张结构图：概念定义在顶端，向下分支出发展历程、类型划分与技术机制，横向连接应用图景与社会议题。教师结语落在本单元希望学生带走的三个判断：智能不等于自动化；智能的强弱取决于数据与方法，不因演示效果炫酷而改变本质；面对人工智能，最理性的态度是理解它、驾驭它，同时为它划定边界。六、评价设计本单元采用过程性评价与表现性评价结合的方式。判例分类任务考查概念准确性，占三成；实验环节依据实验记录的完整度、变量控制的规范性和结论归纳的质量评分，占四成；辩论环节按评分量规从证据运用、逻辑自洽、回应质量三个维度计分，占三成。此外设置自我评价一栏，让学生对课前课后两次"一句话说人工智能"进行对比，直观感知认知进阶。七、资源拓展与作业设计分层作业安排如下。基础层：完成教材课后练习，绘制本单元知识结构图。拓展层：访谈一位家中长者，了解其职业中的技术变迁，撰写三百字短评分析人工智能在其岗位上的潜在影响。挑战层：任选一种公开数据集，对比两组不同规模训练数据的模型表现，提交简短实验报告，为第二章机器学习的学习预热。八、教学反思预设本设计最大的风险点在于实验