高中一年级信息技术必修1第五单元5.2探秘人工智能教学设计

高中一年级信息技术必修1第五单元5.2探秘人工智能教学设计一、教学依据与设计理念本节课选自教育科学出版社高中信息技术必修1《数据与计算》第五单元"数据分析与人工智能"第二节"探秘人工智能"。课程标准对本单元的要求是：通过对人工智能典型案例的剖析，了解智能信息处理的巨大进步和应用潜力，认识人工智能在信息社会中的重要作用。学业质量要求停留在"了解、体验、分析"层面，不追求算法实现，重在建立概念框架与价值判断。本课设计遵循"情境感知—探究体验—原理解密—价值思辨"的四段结构。高一学生对人工智能有大量的生活接触却普遍存在两类误解：一类将人工智能神秘化，认为机器"像人一样思考"；另一类将其矮化，认为不过是"高级搜索"。教学的核心任务不是讲解公式，而是让学生在可操作的体验中亲手"拆开"人工智能的外壳，看到数据、算法与算力三要素如何协同工作，进而形成冷静、理性、负责任的技术态度。二、学情分析授课对象为高一年级学生，经过前四单元学习，已具备数字化信息编码、数据采集与Python基础编程的知识储备，能够读懂简单代码并使用在线平台工具。学生日常接触过语音助手、人脸识别闸机、短视频推荐等应用，具有真切的感性经验，这是本课最好的教学起点。学习难点集中在三处：其一，难以区分"人工智能"与"普通程序"，不理解"规则驱动"与"数据驱动"的本质差异；其二，对机器学习的原理存在"黑箱"感，需要借助可视化类比降低门槛；其三，容易陷入技术乐观主义或恐慌论的两个极端，需要真实的伦理议题引导其辩证思考。教学设计中必须安排充分的动手环节与观点冲突，避免教师单向灌输。三、教学目标基于信息技术学科核心素养四个维度，制定如下目标：信息意识维度：能主动识别日常生活中人工智能的应用场景，能判断某一功能背后是否包含智能处理环节，形成"先想是不是人工智能、再想为什么"的辨析习惯。计算思维维度：理解人工智能三要素（数据、算法、算力）及其相互关系；能用"训练—预测"的语言描述机器学习的基本过程；能举例说明规则驱动程序与数据驱动程序在应对新问题时的差异。数字化学习与创新维度：能借助在线体验平台（如图像分类、文本情感分析、绘画生成等工具）完成探究任务，记录实验数据，汇总结论，并尝试用体验所得解释新的应用场景。信息社会责任维度：能结合实际案例分析人工智能带来的隐私、偏见、就业冲击等问题，形成"技术有度、使用有责"的初步价值立场。教学重点：人工智能的内涵与三要素；机器学习的基本思想。教学难点：数据训练与模型预测的内在逻辑；人工智能伦理议题的辩证分析。四、教学策略与资源准备采用情境教学法、任务驱动法与小组合作探究法。课前准备：计算机教室确保网络畅通；教师预先注册并测试在线人工智能体验平台，准备备用演示账号；制作包含体验链接、任务单与评价量规的班级学习页面；准备教材配套的"手写数字识别"演示程序；剪辑一段两分半钟的自动化仓储物流视频用于导入。学生按四人一组就座，每组推选记录员与汇报员。五、教学过程环节一：情境导入——这张照片是谁拍的（约6分钟）上课伊始，教师在电子白板同步展示两张图片：一张是摄影师拍摄的实景晚霞，另一张是生成式模型依"城市黄昏"提示词自动生成的图像。教师提问："两张图，哪一张是机器画的？说出你的判断依据。"学生观察讨论，通常意见不一，有的说看光影，有的说看建筑物边缘细节。教师公布答案后不急于讲原理，顺势抛出本节课的核心问题链：机器为什么会"画画"？它的"聪明"从何而来？它的判断会和人类一样吗？随后播放自动化仓储视频片段：机器人搬运、分拣、无人车调度。教师总结："这些场景背后藏着同一位主角——人工智能。今天我们就做一次'技术侦探'，拆开它的外壳，看看里面到底装着什么。"同时板书课题"探秘人工智能"，并在黑板左侧写下三个大字：数据、算法、算力，暂不解释，作为贯穿全课的悬念锚点。此环节设计意图在于以认知冲突激活前概念，让学生带着真实的困惑进入学习，而非被动听课。环节二：概念建构——什么是人工智能（约8分钟）教师组织"快问快答"活动：以下哪些是人工智能？①计算器做乘法；②语音助手说"今天天气晴"；③手机相册自动把人物照片归为一类；④按固定价目表自动出票的售票机。学生举手判断并简述理由，教师在学生争论中逐步给出判别标准：人工智能的核心特征是让机器模拟、延伸和扩展人的智能，完成感知、理解、学习、决策这类原本只有人类才能胜任的任务。计算器执行的是人的既定规则，认路、识图、听懂人话则体现了一定程度的"智能"。教师以简练语言补充学科史脉络：1956年夏，一批学者在美国达特茅斯学院的一次研讨会上首次正式提出"人工智能"这一术语，随后学科经历了符号推理的兴盛、两次寒冬与再度崛起。今天人工智能之所以能够走出低谷，靠的不是某一个天才算法，而是海量数据的积累、算法的突破与芯片算力的飞跃三者合力。此时回到黑板上的三个词，请学生尝试用自己的语言解释含义，教师修正并归纳：数据是"学习的原材料"，算法是"加工的配方"，算力是"干活的力气"，三者缺一不可。教师展示三组生活对应帮助学生内化：像学生学英语需要大量听读材料（数据）、需要记忆与归纳的方法（算法）、需要清醒的头脑与足够的时间（算力）。类比不追求严格对应，目的是让抽象词落地。环节三：深度体验——机器是怎样学会认东西的（约14分钟）本环节是全课重心，采用分组探究。每组领取任务单，任务一：登录在线图像训练体验平台，尝试教机器区分"笑脸"和"哭脸"。操作要求：每人贡献若干张自拍的面部表情作为训练样本，输入类别标签，点击训练，再用新照片测试机器判断。教师巡视，捕捉典型现象并即时投屏讲评。学生很快发现几种情况：训练图片多且清晰的组别识别准确率高；只训练了十张左右的组，机器频频出错；有一组样本中所有"笑脸"图片背景都是浅色，导致换深色背景测试时误判。教师抓住这一生成性资源追问："机器为什么会犯这种'以貌取人'的错误？"引导学生得出朴素但深刻的结论：机器学到的只是数据中的规律，数据里有什么，它就学什么；数据有偏差，模型就有偏见。教师趁势可视化板书机器学习的一般过程：准备数据并标注→选择算法进行训练→生成模型→用模型对新数据做出预测。用一个生活化比喻收束："训练像刷题，预测像考试。题刷得多、题型全，考试就稳；只刷一种题型，换个花样就懵了。"任务二：体验文本情感分析工具，输入"这部电影太好看了"与"好看得让人坐不住"等句子，观察机器给出的褒贬判断，再输入反话"这服务真是'好'极了"，看机器是否上当。学生发现机器对反讽判断吃力。教师点明：当前人工智能长于模式匹配，弱于真正的理解与常识推理，这正是它与人的差距所在。环节四：对比思辨——人工智能与普通程序的本质区别（约7分钟）教师在大屏展示两段Python伪代码：一段是传统写法——"如果输入含有'坏'字，则输出负面"，逐条列举规则；另一段是机器学习思路——给一万条已标注情感的评论，让程序自己统计规律。引导学生归纳差异：传统程序是程序员把知识写成规则交给人设计的流程，机器只负责执行；人工智能则是让机器从数据中自己发现规律，规则由机器"归纳"而生。教师提出递进问题组："病毒每变一种新样子，靠人工写规则还来得及吗？垃圾短信的花样层出不穷，规则驱动和数据驱动谁更能跟得上？"学生由此理解机器学习方案在开放性、变化性任务中的优势，同时也理解其代价：依赖海量数据、不可完全解释、可能出错。教师强调看待技术的完整眼光——没有万能的方法，只有合适的场景。环节五：价值引领——当人工智能回答不了"该不该"（约6分钟）教师呈现两个简短案例组织微型辩论。案例一：某招聘筛选系统被发现在训练数据影响下对某一类简历打分系统性偏低。案例二：有人利用换脸技术合成他人影像用于诈骗。全班分左右两侧，左侧持"技术发展优先，问题可以边发展边解决"立场，右侧持"必须先把规则立好再放开应用"立场，各派两名代表限时陈述，其余学生可补充论据。辩论结束后教师做价值梳理：观点没有标准答案，但立场背后要有依据与底线。人工智能是工具，放大了人的能力，也放大人的选择。数据是否取得本人同意？模型有没有被公平地检验？出错以后由谁负责？这些问题统称为人工智能伦理，世界各主要经济体都在为此立法立规。教师寄语学生：未来无论做技术的使用者还是创造者，都要记得给技术装上方向盘和刹车。环节六：总结提升与分层作业（约4分钟）教师引导学生完成"一句话收束"：每人用一句话写下本节课最大的收获，投屏展示十条精选。教师结合板书收尾：今天我们从一张真假难辨的图片出发，揭开人工智能的三要素，亲手训练了一个会认表情的小模型，看清了数据驱动区别于规则驱动的本质，也直面了技术背后的伦理追问。人工智能不是魔法，它是数据、算法与算力共同书写的工程学，更是需要人类共同守护的社会议题。课后作业分两层：基础层——完成教材本节练习，绘制一幅"人工智能三要素关系"思维导图；拓展层——选择一个家庭或校园场景（如图书馆借阅、食堂排队），写一份三百字的"人工智能改进设想"，说明用到了什么数据、解决什么问题、要注意哪些风险，下节课择优展示交流。六、板书设计主板书采用"探秘"线索式结构：顶部居中书写课题"探秘人工智能"；左侧竖排"三要素：数据·算法·算力"；中部以流程呈现机器学习四步"标注数据→训练→模型→预测"；右侧竖排"伦理三问：同意吗·公平吗·谁负责"。副板书区域用于记录各组体验中的准确率数据和学生的精彩发言关键词，体现生成性。七、教学评价设计评价贯穿始终，采用过程性评价与表现性评价结合。课堂观察维度包括：是否主动给出判断依据、操作任务完成度、辩论中的论据质量。任务单设置三级自评：能说出人工智能的定义与三要素（达成）；能描述训练与预测的区别（良好）；能结合案例提出伦理风险点（优秀）。课后依据拓展作业评出"最具可行性的智能改造方案"，纳入学期作品档案袋。八、教学反思预设本课容量较大，体验环节依赖网络与平台稳定性，须备好离线演示方案：预录训练过程的屏幕录像，确保断网仍可完成