高中信息技术必修人工智能基础教学设计：走进智能时代的第一课

高中信息技术必修人工智能基础教学设计：走进智能时代的第一课一、设计依据与学情分析本课对应人教中图版高中信息技术选择性必修《人工智能初步》第一章第一节，授课对象为高中一年级学生。学生刚刚完成必修模块的学习，具备基本的信息意识与计算思维，接触过人脸识别、语音助手、推荐算法等生活化应用，但对"什么是人工智能""机器如何获得智能"缺乏系统性认识，普遍存在两种倾向：一是把人工智能神秘化，认为其无所不能；二是把人工智能工具化，只停留在"会用"层面，缺少对其原理与边界的追问。《普通高中信息技术课程标准》将人工智能初步模块定位为通过剖析典型案例，体会人工智能的特征，了解其发展历程与应用领域，初步形成合理使用人工智能的意识。本课作为全模块的开篇，承担着建立学科图景、点燃探究兴趣、埋下后续学习线索的三重任务。设计坚持"从生活出发、向原理追问、以思辨收束"的思路，让学生在认知冲突中完成对人工智能概念的主动建构，而不是被动接受定义。二、教学目标信息意识目标：学生能列举身边不少于五个人工智能应用实例，并尝试说明其中"智能"体现在何处，能够从日常现象中敏锐识别智能技术的存在。计算思维目标：学生能用自己的语言阐述人工智能的基本概念，理解"感知、学习、推理、决策"这一智能行为的基本链条，能区分"程序按规则执行"与"系统从数据中学习"两种截然不同的工作机制。数字化学习与创新目标：学生能通过在线体验平台完成一次图像识别与一次机器翻译的实践，记录观察结果并提出有质量的疑问，初步掌握"体验—观察—质疑—求证"的探究路径。信息社会责任目标：学生能就"人工智能会不会超越人类"这一议题表达有依据的观点，初步建立技术乐观与技术审慎相平衡的立场，认识到技术发展背后人的责任。三、教学重点与难点教学重点：人工智能概念的准确建构，以及"数据驱动的学习"与传统程序"规则驱动的执行"的本质区别。这一区别是后续学习机器学习、神经网络的逻辑起点，必须在本课讲透。教学难点：学生对"智能"的直觉理解多停留在拟人层面，容易把"算得快"误认为"智能"，把"拟人化交互"误认为"真正理解"。突破难点需要设计反例与认知冲突，让学生在辨析中修正前概念。四、教学准备教师准备：智能手机投屏设备、可联网机房、图像识别体验平台、机器翻译体验入口、AlphaGo纪录片剪辑片段约两分三十秒、生活中人工智能应用的图片素材若干、学习任务单与课堂评价量规。学生准备：课前完成两项任务。其一，记录自己一天中与人打交道的智能应用，至少三处；其二，尝试向父母解释"什么是人工智能"，记录父母的回答与自己的困惑。这两项前测数据将在课堂导入环节直接调用，保证讨论建立在真实体验之上。五、教学过程（一）情境导入：一场没有裁判的辩论（约七分钟）教师上课后不急于讲概念，而是在大屏幕同时展示两段文字。一段出自人类作家描写秋天的散文，一段由生成式人工智能模型就同一主题即时生成。两段文字均隐去来源，随机编号为一号与二号。教师抛出任务：请你在小组内讨论三分钟，判断哪一段出自机器，并给出三条以上的判断依据。学生讨论通常高度活跃。有的组以"用词太平滑、没有个人记忆"判定某段为机器所写；有的组以"句式整齐、逻辑完整"反而判定其为人类作品。教师不急于公布答案，而是把各组判断依据板书归类：语言风格类、情感温度类、结构规整类、细节真实性类。随后揭晓答案，并追问一个关键问题：你刚才用来判断"是不是机器"的那些依据，反过来是不是正是你对"智能"的理解？这一追问把学生的注意力从"猜答案"引向"审概念"。教师顺势指出：判断机器是否有智能，首先得回答什么是智能，这正是本节课要解决的问题。由此自然地引出课题：人工智能基础——机器是如何开始"聪明"起来的。设计意图在于用真假难辨的文本制造认知冲突，让学生带着"我需要随身携带一把标尺"的需求进入学习。这比直接呈现定义更符合概念形成的心理机制。（二）新知探究一：从人的智能到人工智能（约十二分钟）教师引导学生回到课前任务，请两至三名学生分享父母对人工智能的解释。常见回答包括"机器人""会思考的电脑""能代替人干活的东西"。教师不对这些回答做对错评判，而是把它们投屏保留，作为本节课需要检验的初始观点。随后教师带领学生做一个快速的思想实验：请描述你如何辨认出照片里的猫。学生会说"看耳朵、看胡须、看眼睛形状"。教师追问：可是一只背对着你的猫、一只蜷缩在阴影里的猫，你依然认得，你是靠逐条核对特征吗？学生意识到并不是。教师点明：人的智能很大程度上来自经验积累与模式识别，而不是查阅一本"猫的特征手册"。在此基础上教师呈现核心定义：人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门科学。教师强调定义中的三个关键词——模拟、延伸、扩展。模拟指向"像人一样"，延伸指向"把人做不到的事做出来"，扩展指向"在更大的规模上做事"。教师用一次服药提醒的语音助手是模拟、用气象预测模型是延伸、用药物分子筛选系统是扩展，三个例子分别定格三个词的含义。接着教师介绍人工智能研究的三个基本问题：机器如何感知世界，对应图像识别、语音识别；机器如何学习与推理，对应机器学习、知识表示；机器如何行动与交互，对应机器人、自然语言对话。教师明确告诉学生：这三个问题构成本门课后续章节的骨架，今天建立的是地图，后面每一站都会回到这张图。（三）新知探究二：两种截然不同的"聪明"（约十三分钟）这是本课的核心环节，目标是让学生理解"写规则"与"学数据"的本质差异。教师先展示一个极简的规则程序例子：判断一个数是否为偶数。程序逻辑写成中文表达：如果一个整数除以二的余数等于零，那么它是偶数，否则它不是偶数。教师指出：这段程序的每一步都来自程序员事先写死的规则，机器没有任何自主性，它只是忠实地执行。学生容易理解。接着教师提出挑战性问题：请用同样的思路写一个"识别图片是否为猫"的程序。学生尝试列举规则——有两只耳朵、有胡须、眼睛呈竖瞳——很快发现规则无法穷尽：猫的品种、姿态、光照、遮挡都会让规则失效。教师此时公布关键结论：规则能描述的世界太小，现实太丰富。面对这类问题，科学家们换了思路——不再把规则写给机器，而是把成千上万张标注好的猫和非猫图片交给机器，让机器自己从中寻找规律。这就是机器学习的基本思想。教师用类比固化这一思想：规则程序像背诵乐谱的演奏者，谱子上没有音符就不会演奏；机器学习像跟着老师傅学徒的匠人，看的作品够多，手艺自然长出来。教师补充两个关键限定以保证科学性：其一，机器学到的"规律"本质上是数据中的统计规律，与人类理解的世界不是同一回事，这解释了为什么人工智能会把贴了特殊图案的停车标志误判为限速标志；其二，数据的质量与代表性决定了智能的上限，喂给机器什么样的数据，它就长成什么样的"聪明"，这句话将在讲伦理时再被唤醒。此时安排第一次体验活动：学生以小组为单位，在图像识别体验平台上传自制图片，包括正常照片、遮挡照片、手绘简笔画，观察识别结果与置信度的变化，并填写任务单第一栏：机器在哪些情况下"犯傻"？这些"犯傻"说明了什么？教师巡视时挑选典型案例，包括一张识别错误率高的手绘图，留待全班分享。分享环节教师把学生的观察归纳为三点：机器的识别依赖大量相似样本的积累；机器不理解常识；机器的"错误"其实是数据与规则的局限。这三点恰好回应了定义中"模拟"的边界，完成难点突破。（四）新知探究三：人工智能从哪里来，向哪里去（约八分钟）教师播放AlphaGo纪录片片段，画面定格在第二局中那步令棋手沉默的落子。教师简述人工智能发展史的三次浪潮与两次低谷：二十世纪五十年代达特茅斯会议确立了这一领域；早期靠符号推理一度令人振奋，却因现实问题的复杂陷入低谷；专家系统带来第二次热潮后又遇瓶颈；直到大数据、计算能力与深度学习算法的汇合，才迎来今天的爆发。教师强调历史叙述中埋着的两条线索。第一条是问题驱动：每一次浪潮都源于人类想让机器解决更难的问题；第二条是条件制约：每一次低谷都不是科学家不努力，而是数据、算力或算法三条腿中至少有一条撑不住。教师请学生思考今天的繁荣会在何种条件下遇到新的瓶颈，学生可能提到能源消耗、数据枯竭、隐私红线，教师给予肯定并表示这些问题没有标准答案，恰恰是该领域留给在座同学们的空间。随后师生共同完成应用版图梳理，教师给领域不给例子，学生抢答填实例：智能家居、智慧交通、医疗影像辅助诊断、个性化学习推荐、工业质检、农业病虫害识别。教师补充一项容易被忽略的——人工智能在基础科学研究中的应用，如蛋白质结构预测，让学生意识到这项技术不仅在改变消费生活，也在改变科学本身。（五）思辨讨论：机器会不会有自己的想法（约七分钟）教师组织微型辩论。议题：随着生成式人工智能越来越善于对话与创作，我们应不应该说机器"理解"了人类？正方与反方各由学生自愿报名，每方两分钟陈述。教师提供的思考支架是：请你的论据必须包含本节课学到的内容，例如数据驱动、统计规律、规则与学习的区别。辩论中常见的精彩交锋包括：正方提出"能做出恰当回应就是理解的表现"，反方以"图像识别平台把简笔画认错的案例说明机器只做模式匹配、不理解意义"反驳。教师总结时不裁决胜负，而是指出科学界对此同样存在持续争论，重要的是同学们已经学会用证据而非情绪参与技术议题。教师引出下节课的伏笔：要更深入地回答这个问题，我们需要揭开数据如何一步步变成模型，而这正是机器学习章节的内容。（六）课堂小结与作业延伸（约三分钟）教师请学生用一句话回答开课问题：什么是人工智能？并把这句话与课前父母的回答对照，写在自己的任务单上。教师回收几份投屏展示，肯定概念表达中的科学成分，指出仍然含混之处。教师用三句话收束全课：人工智能是人造的智能系统，它的能力是模拟、延伸和扩展；今天的人工智能主要从数据中学习规律，而不是执行人写的规则；它有惊人的力量也有清晰的边界，理解这两点是学好这门课的起点。课后作业分两层。基础作业：绘制一张"我的一天与人工智能"的地图，标注五处应用并写明其中机器可能使用了感知、学习、推理、决策中的哪些环节。拓展作业：选择一个人工智能应用，查阅资料弄清它主要依赖哪类数据和哪种技术，写三百字的分析报告，下节课选取三份进行点评。六、教学评价设计本课采用过程性评价为主的多元评价。课堂诊断评价体现在三次节点：导入辩论时观察学生能否提出判断依据，评估其前概念水平；体验活动时通过任务单检查学生对机器"犯傻"现象的解释是否指向数据与规律；结尾思辨时依据学生能否调用本课概念论证观点，评估概念迁移能力。任务单评价量规从三个维度打分：实例识别的准确性、机理解释的科学性、问题提出的深度。每维度分三级水平。水平一为能列举现象但解释停留在拟人化描述；水平二为能使用本课术语解释现象；水平三为能指出技术的条件与局限，并提出可进一步探究的问题。自我评价环节设计在作业前的三十秒：学生用红黄绿三色贴纸标注自己对"人工智能定义、规则与学习之别、应用与边界"三个目标的掌握状态，教师依此决定下一课导入时的补偿教学安排。七、板书设计主板书为思维导图式结构。中心：人工智能——模拟、延伸、扩展人的智能。三条分支：其一，智能的链条——感知、学习、推理、决策；其二，两条技术路线——写规则与学数据，下方标注各自条件与局限；其三，发展脉络——三次浪潮、两次低谷，旁注"数据、算力、算法"三个关键词。副板书保留导入环节学生对"机器文本"的判断依据与本课结束时学生给出的新定义，形成首尾对照，直观呈现学习的增量。八、教学反思要点本课设计的关键在于克制。概念课最容易犯的错是堆砌材料，让四十分钟变成人工智能应用展览会，学生走出教室只记得热闹。本课刻意只保留两个体验、一段视频、一次辩论，把腾出的时间全部用来打磨一个核心认知：智能来自数据中的规律，而非程序员的规则。这条主线清晰了，后续机器学习、神经网络的教学才有落点。需要预判的困难有两个。