高三第二学期信息技术人工智能的应用学历案教学设计

高三第二学期信息技术人工智能的应用学历案教学设计【课标依据与教材定位】本课选自浙教版高中信息技术必修1《数据与计算》第五章第二节。课程标准将"人工智能"列为数据与计算模块的核心内容之一，要求学生通过剖析典型案例，了解人工智能的基本概念、主要技术与典型应用，体会智能信息处理的巨大作用，并能辩证认识技术发展对社会的影响。本节内容承接前序"算法的程序实现"与"大数据处理"，是学生从"会编程、会算数据"走向"理解智能系统"的关键一跃。第一课时的学习中，学生已经了解了人工智能的概念与发展历程。本课聚焦"应用"二字，将抽象的人工智能概念落回到学生身边可触可感的真实场景，为后续选修模块"人工智能初步"的学习埋下伏笔。【学情分析】授课对象为高三第二学期学生。从知识储备看，学生已完成必修1前四章的学习，具备Python基础编程能力，理解数据采集与编码的基本原理，能够使用简单算法处理数据。从生活经验看，学生日常接触人脸识别签到、语音助手、短视频推荐、拍照搜题等智能应用，但这些认知停留在"使用者"层面，缺乏对背后技术原理的追问习惯。从心理特征看，高三下学期学生面临升学压力，课堂注意力易被功利化目标牵引。因此本课设计两条暗线：一是让学生看到人工智能与自身专业选择、未来职业的关系，二是借助真实案例训练学生的批判性思维，避免将技术神秘化或妖魔化。需要特别关注的学情困难有三：其一，学生容易把"人工智能"与"机器人"混为一谈；其二，学生难以区分"机器学习"与"传统程序"的本质差异；其三，学生对技术伦理的议题缺乏深度思考的支架。教学活动的设计必须逐一回应这三处痛点。【学习目标】目标一：通过"拆解身边的智能应用"活动，能说出人工智能在图像识别、语音识别、自然语言处理、智能推荐等领域的典型应用，并用准确信息术语描述其输入、处理与输出过程，指向信息意识的培养。目标二：通过对比"传统程序"与"机器学习系统"解决同一问题的差异，能用一句话解释"数据驱动"的含义，初步理解训练数据、模型、预测三者关系，指向计算思维的发展。目标三：借助"无人驾驶的抉择"道德困境讨论，能从技术、伦理、法规多个角度陈述观点并给出理由，形成负责任的技术使用态度，指向信息社会责任的养成。目标四：在小组项目"为学校设计一个人工智能应用方案"中，综合运用本节知识完成需求分析、技术选型与风险预估，指向数字化学习与创新的落地。【学习重点与难点】重点是人工智能主要应用领域的特征与典型案例剖析。难点是理解机器学习"以数据换规则"的工作逻辑，以及对人工智能双面性的辩证认识。【教法学法】教法采用情境教学法、案例教学法与项目式学习相结合的方式。学法则强调自主探究、小组合作与辩论表达。整节课以学历案为载体推进，学生在课前、课中、课后三个时段各有明确的任务单与评价量规。【教学准备】教师准备：录制好的人脸识别门禁演示视频、两组分类训练用图片数据集、交互式可视化页面演示"神经元如何学习"、辩论题卡、学历案纸质稿与电子版。学生准备：课前完成学历案第一板块"智能应用寻踪"，记录本周自己使用过的三个智能应用及使用场景。【课时安排】两课时连排，共90分钟。【教学过程】一、情境导入：被智能包围的一天（10分钟）上课伊始，教师播放一段俯拍视频：清晨学生刷脸进校、课间用翻译笔查单词、午休刷短视频、放学路上导航避堵。视频没有解说词，只有画面和键盘敲击声。视频结束，教师只提一个问题：这一天里，有哪些时刻是人工智能在替你做决定？学生自由发言，教师把学生说出的应用名称写在黑板左侧，不加评价，只按其班级约定俗成的"关键词提取"习惯进行归类。很快黑板上出现：人脸签到、语音输入、拍照搜题、音乐推荐、地图导航、美颜相机、智能客服。教师顺势引导：这些应用背后是不是同一种技术？如果不是，它们各自擅长处理什么类型的信息？学生在讨论中发现线索——有的处理图像，有的处理声音，有的处理文字，有的处理行为记录。教师在黑板右侧写下四个词：图像、声音、语言、数据。板书形成第一节结构：人工智能的应用领域。设计意图：学生不是从定义进入学习，而是从自己的一天进入学习。黑板两侧的对照结构让学生直观看到"生活现象"与"技术分类"的映射关系，为后续原理剖析搭好脚手架。二、探究活动一：拆解一个智能应用（15分钟）教师以最熟悉的"人脸签到"为例做示范拆解。用一张流程图呈现：摄像头采集图像——检测人脸位置——提取面部特征——与底库特征比对——输出身份结果。教师强调：整个过程中系统并没有"认识"张三或李四，它只是在比对两组数字的相似程度。随后布置小组任务：每组从黑板上选一个应用，仿照示范完成"智能应用解剖图"，要求标出输入的信息类型、系统内部可能进行的处理、输出的结果，以及该应用一旦失效会带来的具体问题。各组在学历案相应栏内填写，教师巡视。巡视中教师重点观察两点：一是学生是否把"处理"环节写成"智能思考"之类的模糊表述，二是能否举出失效场景。展示环节邀请两组汇报。汇报"拍照搜题"的小组提出：系统先识别照片中的文字，再在题库中匹配，最后返回答案和解析；失效场景是手写体潦草导致识别错误。汇报"音乐推荐"的小组提出：系统记录听歌历史，分析偏好，再推送相似歌曲；失效场景是新用户没有历史数据时推荐不准。教师抓住"新用户推荐不准"这一生成性资源，追问：推荐系统靠什么"学习"你的口味？学生脱口而出：靠数据。教师板书：数据驱动。这四个字将成为下一环节的钥匙。设计意图：示范—模仿—迁移的路径降低认知负荷，"失效场景"的设计倒逼学生理解技术的边界，避免把人工智能神化。三、探究活动二：传统程序与机器学习的对决（20分钟）这是本课的概念攻坚环节。教师抛出问题：如果让计算机区分猫和狗的图片，用我们学过的编程思想怎么做？学生利用已有编程经验讨论，很快得出结论：可以写规则，比如"脸圆的是猫，脸长的是狗""耳朵尖的是猫"。教师请学生把规则写下来，然后展示一组图片——侧脸的猫、躺着的狗、被遮挡的猫——学生发现自己写的规则全部失效。教师小结：传统程序是人写规则，机器执行规则。规则写不全，程序就出错。那么人工智能换了一条路：不告诉机器什么是猫，而是给它一万张猫的图片和一万张狗的图片，让它自己找规律。教师打开交互式演示页面，现场展示一个简化的训练过程：开始时机器乱猜，正确率约百分之五十；每猜错一次，系统就微调内部参数；随着训练次数增加，正确率曲线稳步爬升，最终稳定在百分之九十以上。学生盯着屏幕上跳动的曲线，直观感受到"学习"的发生。教师引导学生完成学历案上的对比表格：传统程序与机器学习在规则来源、数据角色、出错处理方式、程序可解释性四个维度上的差异。学生填写后，教师请一名学生用一句话总结机器学习的本质。经过两三轮修正，全班认可的表述是：机器学习是用大量数据训练出模型，再用模型对新数据做出预测。教师顺势点出三个关键词并板书：训练数据、模型、预测。接着布置一个微型思辨：如果训练数据里猫的图片全是白猫，模型见到黑猫会怎样？学生立刻意识到：数据质量决定模型能力，偏见会"学"进机器里。这一认识为课末的技术伦理讨论投下了一颗石子。设计意图：用"规则失效"制造认知冲突，用可视化训练曲线提供感性直观，用对比表格固化概念结构，用"白猫训练集"埋伏伦理伏笔。四个动作环环相扣，直指本课难点。四、探究活动三：应用全景速览（10分钟）在理解了机器学习的基本逻辑后，教师带领学生快速绘制"人工智能应用地图"。教师给出四个领域框架，学生以头脑风暴方式将课前搜集与课中讨论的应用填入对应位置。计算机视觉领域：人脸签到、医学影像辅助诊断、工业零件质检、自动驾驶的环境感知。语音识别领域：课堂实时转写、智能音箱、方言识别。自然语言处理领域：机器翻译、作文智能批改、合同文本审查。智能推荐与决策领域：电商推荐、交通信号灯智能配时、农作物病虫害预测。教师特别强调两个原则：其一，同一技术可以服务不同场景，同一场景可能综合多种技术；其二，应用价值的高低取决于它解决了什么真问题，而不是用了多炫的技术。学生在学历案上完成连线练习，将八个应用场景与四类技术一一匹配，并为一个场景写出"它解决了什么问题"的一句话说明。设计意图：从"深潜一个案例"切换到"俯瞰整个版图"，帮助学生建立结构化的知识体系，避免零散记忆。五、思辨研讨：当技术必须做出选择（15分钟）教师抛出道德困境情境：一辆自动驾驶汽车行驶中突发状况，刹车已来不及，系统必须在"撞向左侧护栏（车内乘客受重伤）"与"撞向右侧人群（两名路人受伤）"之间选择。程序该如何编写？学生先独立思考两分钟，在学历案上写下自己的选择及理由，然后按观点分成若干阵营展开辩论。教师只维持秩序，不表明立场。辩论中学生自然涌现出多样化的考量：保护乘客是产品责任，保护行人是公共伦理；有人提出按伤亡总数最小化计算，立刻被反驳"生命能否用算术衡量"；有人提出这种极端场景概率极低，当前更紧迫的问题是系统能不能提前减速避让——教师肯定这一视角：优秀的工程设计应尽量让道德困境不发生。辩论收尾时，教师引导学生回看课前埋下的"白猫"伏笔：训练数据的偏差、算法选择的价值倾向、事故责任的归属，共同构成人工智能时代的新课题。技术越强大，越需要懂技术的人保持清醒与善意。各国正在加速制定人工智能治理规范，中国在相关治理框架建设上的实践也体现了技术发展与社会责任并重的思路。设计意图：道德困境没有标准答案，恰恰因此适合承载社会责任目标。辩论前的独立书写保证人人有观点，辩论本身训练论证与倾听。六、课堂小结与提炼（5分钟）教师带领学生回看黑板的完整板书：应用领域四分法、拆解应用的"输入—处理—输出"框架、机器学习三要素、伦理三问。学生在学历案的"思维导图"栏内用三分钟绘制本课知识结构。教师用三句话收束全课：人工智能不是魔法，它建立在我们已经学过的数据与算法之上；任何智能应用都可以被拆解、被追问、被评估；技术的能力归根结底取决于使用技术的人。【第二课时：项目实践——为学校设计一个人工智能应用方案】七、项目启动（10分钟）教师发布真实任务：学校正在筹备智慧校园升级，面向学生征集应用创意。每组需要提交一份方案，包含四个要素——解决什么问题、应用哪类人工智能技术、需要哪些数据、可能存在什么风险以及如何规避。教师提供三个候选方向作为参考，但不限制选题：智能操场的运动监测、食堂的智能点餐与营养分析、图书馆的占座识别与座位调度。教师与各组快速确认选题，提醒方案要"小而实"，能在校园内落地，拒绝空泛的宏大叙事。八、小组协作设计（20分钟）学生按分工展开工作：一人负责需求分析，访谈式地列出目标用户的三类痛点；一人负责技术选型，明确输入输出的信息类型并与第一节课的四大领域对应；一人负责数据方案，说明数据来源、数量级与隐私保护策略；一人负责风险评估，预想至少两个失效或滥用场景并给出对策。教师巡视时重点介入两类小组：一是技术选型贪多的组，帮助其做减法；二是忽视隐私风险的组，追问"如果同学的人脸数据被泄露会发生什么"，促使方案补齐防护措施。九、路演与互评（10分钟）每组用两分钟路演。其他组依据学历案上的评价量规从四个维度打分：问题真实性、技术适配度、风险预见性、表达清晰度。教师对每份方案给出一句话点评，点评必须具体，指出一个亮点和一个可改进点。出现的高质量方案包括：用语音识别为视障学生导航校园，小组预先考虑了嘈杂环境下降噪的必要；用图像识别统计各班图书借阅偏好辅助采购，小组主动提出数据匿名化处理；用姿势估计技术纠正晚自习坐姿，小组在设计中加入了"数据本地处理不出教室"的隐私条款。十、总结提升与作业布置（5分钟）教师指出：今天每组完成的不仅是一份方案，更是一套思维方式的演练——从真实问题出发，让技术服务人，同时始终对技术的边界保持警觉。课后作业分两层。基础层：完成学历案上的巩固练习，含概念辨析三题、案例分析一题。拓展层：关注一则近期人工智能领域的真实新闻，用"输入—处理—输出—风险"四步法撰写三百字分析，下节课前分享。【板书设计】主板书呈左右对称结构。左侧：人工智能的应用——计算机视觉、语音识别、自然语言处理、智能推荐与决策。中间：拆解框架——输入、处理、输出、风险。右侧：机器学习三要素——训练数据、模型、预测；下方附一句学生共识：没有魔法，只有数据、算法与责任。【作业与评价设计】本课实行过程性评价与结果性评价结合。过程性评价依托学历案：课前"智能应用寻踪"占一成，课中解剖图、对比表格、思辨书写占四成，项目方案与路演互评占四成。结果性评价为课后练习，占一成。评价量规的每一条都使用可观察的行为描述，例如"能指出方案中至少一个数据来源并说明其可靠性"，杜绝"表现良好"式的空泛表述。【教学反思】本课的三个处理在试教中被证明有效。其一，用学生的一天作导入，激活经验的速度远超概念讲解；其二，"白猫训练集"的伏笔让伦理讨论自然