高中信息技术必修一4.1认识人工智能教学设计

高中信息技术必修一4.1认识人工智能教学设计一、课标解读与教材分析本课选自人民教育出版社《信息技术·数据与计算》第四章第一节，是“走进智能时代”的开篇内容。课程标准要求学生通过典型案例，了解人工智能的概念、发展历程与应用现状，初步形成对智能信息社会的理性认识。本课在全书结构中处于承上启下的位置：前三章学生经历了数据采集、加工与可视化表达的完整过程，掌握了用算法解决问题的一般方法，本课要让学生认识到，当问题的规则无法显式书写时，机器学习可以通过数据“学”出规律，这一认知转变是本单元乃至全书的思维高点。教材以“体验—归纳—讨论”为主线编排，力求用生活化的案例降低概念门槛。但教材对人工智能的技术本质着墨较少，若照本宣科，学生容易把人工智能理解为“神奇的魔法”或“遥远的科幻”，难以形成理性的技术观。因此教学设计需要补充可操作的体验素材与适度深入的原理解读，帮助学生在“知其然”的基础上迈向“知其所以然”。二、学情分析高一学生对人工智能并不陌生，语音助手、刷脸支付、智能推荐等应用已经成为他们生活的一部分，这为课堂提供了丰富的感性基础。同时学生刚学完算法与程序设计，具备用流程图、伪代码描述规则的能力，这是理解“规则驱动”与“数据驱动”差异的前提。但学生的难点也很清晰：一是容易将人工智能泛化，把所有自动化程序都称为“智能”；二是缺乏对机器学习基本思想的形象理解；三是对算法的依赖与被算计缺乏批判意识，容易陷入技术崇拜或技术恐慌两个极端。教学中要让学生自己动手训练一个最简单的分类器，让“数据决定模型”这一核心思想变得可见、可感、可验证。三、教学目标1.通过分析语音助手、拍照识花、智能导航等真实案例，能从“感知—学习—推理—决策”四个维度描述智能行为，用自己的语言给出人工智能的定义。2.通过对比三段程序，归纳出“程序员写规则”与“机器从数据中学规律”两种解题范式的差异，初步建立数据驱动的计算思维。3.借助可视化机器学习平台，亲手完成一次图像分类模型的训练与测试，体验训练数据的质量与数量对模型效果的影响。4.结合具体争议案例，能辨证分析人工智能的机遇与风险，形成理性的技术价值观与使用规范意识。四、教学重难点教学重点：人工智能的基本概念与主要技术方向；三种技术范式的演变脉络；机器学习“由数据得规律”的基本思想。教学难点：让学生真正理解模型、训练、测试、泛化等概念的教学转化，并将其与已学的算法思想建立起认知联结。五、教学准备教师准备：课堂演示用智能音箱、可在线使用的图像分类训练平台、精心剪辑的案例视频、学习任务单、师生可互评的细节化量规。学生准备：每位学生或每组同学自备智能手机或平板电脑，提前注册好平台账号；课前完成一份“我身边的智能”微调研，记录三个遇到的智能应用及使用感受。六、教学过程（一）情境导入：一场和智能音箱的“对话”上课伊始，教师现场向智能音箱发问：“我今年十六岁，请推荐一部适合我的电影”，音箱给出答复；再加问：“再加一个条件，要科幻片”，音箱修改了推荐结果。教师随即抛出三个问题：它听懂我说话靠的是什么？它的推荐是“背下来”的还是“想出来”的？如果我让全班五十个同学都问一遍，它的话术会一样吗？学生观察、猜测、争论。教师不急于给出答案，只点出本课的主题：机器为什么表现得像人，我们用一节课摸清它的底牌。（二）任务一：什么是人工智能——从现象到本质的归纳第一步：小组头脑风暴。每组结合课前微调研，把本组搜集的智能应用写到便利贴上，粘贴到黑板的公共区域。教师巡视，挑出明显不属于智能范畴的例子（如计算器、普通网络搜索）也一并贴出，制造认知冲突。第二步：归类与辨析。教师引导学生从行为表现角度给这些应用贴标签：会“看”的（人脸识别、拍照验花）属于视觉感知；会“听与说”的（语音助手、实时翻译）属于语音处理；会“读与写”的（机器写作、文本摘要）属于自然语言处理；会“走与动”的（无人车、机器人）属于智能决策与运动控制；会“做决定”的（推荐系统、风控系统）属于规划与决策支持。人工智能的概念在分类逼近中浮现——“人工智能是让机器像人一样能感知、会学习、能推理、做决策的技术。”第三步：概念辨析小测。教师逐一念出应用让学生举牌子判断“是不是人工智能”：计算器、翻译机根据短语库匹配、翻译机基于神经模型输出、把门铃设定为有人靠近就响、抖音根据观看时长猜你喜欢。在是非判断中，学生自己总结出一个粗略的判别标准：规则是否由人力穷举编写是区分传统程序与智能程序的重要线索。（三）任务二：理解“学习”——从规则驱动到数据驱动第一步：直观对比。教师在投影上并行展示三个程序：一是老师自编的天气判断规则程序，显式写出“湿度大于80且温度低于5则判断下雨”；二是传统词库翻译程序的片段；三是教简画风略图，说明机器学习“喂大量标注图片—自动调整内部参数—输出识别结果”的思路。学生小组讨论：前两个程序的“聪明”从哪里来？第三个程序的“聪明”从哪里来？讨论后得出的关键结论是：前两类聪明的源头是程序员，第三类的聪明部分来源于数据。第二步：形象化讲解模型。教师用“找规律”做类比：在黑板上呈现两组数字“1、1、2、3、5、8”，问下一个数是几，学生根据前面的数据归纳出规律教师点明：机器学习就是把这个归纳过程交给了计算机，归纳出来的“规律”装在一个叫“模型”的东西里，模型好坏取决于“见过多大数据、规律总结到什么程度”，这个总结过程叫训练，用没见过的数据来检查它学得牢不牢，叫测试。第三步：亲手训练一个分类器。学生打开可视化训练平台，分成四组完成“识别不同手势”的小任务：选择两种手势，每种采集若干张不同角度、不同光线的照片作为训练数据，点击训练，然后用未参与训练的照片进行测试。教师巡视时引导学生做三件事：故意只用正面照片训练，再用侧脸手势测试，观察失败现象；人为掺入几张错误标注，观察识别率下降；增加样本数量后重训，比较结果变化。实验后，各组汇报“自己训练的模型为什么会犯错”，由学生自己归纳出：训练数据的数量、多样性、标注准确性共同决定了模型表现的边界，“垃圾进，垃圾出”。（四）任务三：读懂发展历程——三起两落的技术史教师提供一张发展时间轴（1956年达特茅斯会议提出概念、破解棋局的人机大战、互联网数据爆炸与深度学习兴起、生成式人工智能突破），并讲清三件事的连续性：算力依次飞跃、数据积累日益海量、方法逐层升级。讲解时避免讲成历史课的流水账，每讲一个节点都要回扣前面所学的“规则驱动”与“数据驱动”，让学生看到技术范式如何从“人教机器”逐渐过渡到“机器自学”，进而理解为什么今天人工智能会有爆发式发展。（五）任务四：辨证看待智能时代播放两分半的短视频，拼接呈现三组画面：医生借助智能影像诊断发现早期病灶；求职者因算法评分被筛掉；学生用代写工具完成作业。学生用两分钟写下自己最深的感触投到弹幕区，教师随机选取三条，追问背后的原因：工具放大了谁的能力，压缩了谁的空间？教师总结点拨三句话：数据在塑造结果，偏见可能被固化；责任必须有人承担，不能把锅推给算法；学习的目标不再是记现成答案，而是学会提问、验证与创造。（六）课堂小结与延伸学生独立绘制本课思维导图，要求必须包含“感知、学习、推理、决策”“数据驱动”“训练—测试—应用”“风险与规范”四组关键词。教师展示一份示范图，强调箭头方向体现逻辑关联而非简单罗列。布置两项延伸作业：一是访谈一位父母辈的劳动者，了解人工智能对其工作的具体影响，写成三百字访谈纪要；二是在开源平台上自行体验一个生成式模型的使用过程，记录它的一次“错误回答”并分析可能的原因。七、板书设计左侧为概念区：人工智能=感知+学习+推理+决策；中部为演进区：规则驱动（符号主义）→统计学习→数据驱动（深度学习）；右侧为体验区：数据量↑、多样性↑、标注准↑→模型效果↑，下方以红笔标注“数据决定边界，规则守住底线”。八、教学评价设计过程性评价依托三类证据：一是任务单上的概念辨析与三段程序对比分析，检查思维痕迹；二是训练分类器过程中的实验记录与小组成果汇报，关注是否真正理解了“数据决定模型”；三是讨论环节的发言质量，关注观点是否有依据、是否兼有肯定与警惕。维度分达标、良好、优秀三级，如“能复述定义”为达标，“能辨析智能与非智能案例并说明理由”为良好，“能批判性分析具体争议的成因与责任归属”为优秀。九