高中一年级信息技术教学设计：揭开人工智能的神秘面纱

高中一年级信息技术教学设计：揭开人工智能的神秘面纱一、教学设计基本信息本课选自教科版高中信息技术必修教材《数据与计算》第三章第三节第一课时，授课对象为高一年级学生，课时安排一课时四十五分钟。本课的核心任务是帮助学生理解人工智能的基本概念，厘清人工智能、机器学习、深度学习三者之间的关系，通过真实情境中的体验活动，认识人工智能技术背后的数据、算法与算力三要素，破除对人工智能的神秘化想象，初步形成理性看待人工智能技术的态度。从教材编排逻辑看，第三章围绕"认识数据、数据处理、算法与程序"展开，学生已经学习了数据采集与编码、数据处理的基本方法，具备了用编程观点看待问题的基础。本课是从"数据"走向"智能"的关键衔接点，承接之前的数据学习内容，为后续算法章节及选择性必修《人工智能初步》埋下伏笔。课程标准对本部分的要求是"通过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"。这一定位提示我们，本课不追求技术原理的穷尽，而重在建立认知框架与价值判断。二、学情分析高一学生生活在人工智能产品无处不在的环境中：人脸解锁、短视频推荐、智能导航、语音助手已经深度嵌入他们的日常。问卷调查显示，本班百分之九十以上的学生使用过生成式人工智能工具，但只有不到两成的学生能说出"人工智能为什么能做这些事"。学生对人工智能的认知呈现三个典型特征。第一，经验前置而概念模糊。学生会使用人工智能产品，却把"人工智能"当成一个笼统的筐，将拍照搜题、扫地机器人、下棋程序混为一谈，无法区分不同技术路线。第二，情绪两极分化。部分学生受科幻影视和网络言论影响，认为人工智能即将取代人类，产生技术恐惧或技术崇拜；另一部分学生则认为人工智能不过是"高级一点的程序"，轻视其颠覆性。第三，动手能力参差。学生编程基础差异较大，但本课不要求独立编写复杂代码，宜采用"体验—观察—归纳"的路径，让不同基础的学生都能进入学习状态。基于以上分析，本课的教学设计坚持三个原则：用身边真实案例替代抽象定义，用可操作的实验替代纯讲授，用辩证讨论替代单向灌输。三、教学目标信息意识方面，学生能够识别生活中的人工智能应用场景，主动思考这些应用背后的数据来源与技术边界，形成"人工智能是可解释、可分析的技术系统"的基本认识。计算思维方面，学生通过动手实验观察"数据越多识别越准"的规律，初步理解机器学习"从数据中学习规律"的工作方式，能够用自己的语言描述人工智能系统的一般工作流程。数字化学习与创新方面，学生能够借助在线体验平台完成图像识别模型的训练实验，在小组协作中记录、整理、分析实验数据，形成基于证据的结论。信息社会责任方面，学生能结合具体案例讨论人工智能可能带来的隐私泄露、算法偏见与伦理风险，初步形成"技术以人为本"的责任意识。四、教学重点与难点教学重点是人工智能的基本概念与三大要素，即数据、算法、算力之间的关系，以及机器学习区别于传统程序的本质特征。教学难点有二。其一，传统程序是"人写好规则，计算机执行规则"，机器学习是"人提供数据，机器自己找规律"，这一思维方式的翻转对学生而言是一次认知重构，必须通过可触摸的亲身体验来完成，而不是教师口头告知。其二，如何让学生走出"人工智能无所不能"与"人工智能不过如此"的两极认知，建立对技术能力与局限性的冷静判断，这需要精心设计正反两面的案例进行对冲。五、教学准备教师端准备：教学一体机、极域电子教室系统、演示账号若干、课堂实验记录单（打印版，一人一份）、小组评价表。学生端准备：机房每人一台可联网电脑，课前注册好体验平台账号，防止课堂时间浪费在注册环节。资源准备：人脸闸机通行短视频片段、识图翻译小程序、可训练的图像分类在线平台、新闻剪报材料两个（一个关于算法误判的负面案例，一个关于人工智能辅助医疗诊断的正面案例）。六、教学过程（一）情境导入：一次"被识破"的伪装实验（约七分钟）上课铃响，教师不宣布课题，先播放一段提前录制的十秒短视频：教师戴着帽子、压低帽檐走过学校人脸闸机，闸机屏显"识别失败，请摘下遮挡物"。随后画面切换到正常通行，闸机秒级放行。教师提问：闸机是怎么"认出"老师的？它看到过老师戴帽子的样子吗？学生七嘴八舌，常见答案包括"摄像头厉害""有人脸库""里面有照片比对"。教师不评判对错，顺着学生的回答继续追问：以前학校用的是刷卡打卡，刷卡比对的是卡号，一个读卡器做的是简单的"查表"动作。而闸机面对的是一个从没见过的角度、新的表情，它凭什么做出判断？这说明它内部做的工作，和刷卡机完成的工作，本质上有什么不同？有学生能说出"它是学的""它是算出来的"。教师抓住这个词板书：学。由此引出课题——揭开人工智能的神秘面纱。这个导入的设计意图在于：不给出名词解释，先制造认知冲突。"查表"与"学习"的对比贯穿全课，是学生理解机器学习本质的锚点。同时闸机是学生每天进校的真实场景，距离感为零，注意力自然聚焦。（二）概念构建：什么才算人工智能（约八分钟）教师依次在屏幕上演示四个应用：红绿灯定时控制系统、扫地机器人、人机围棋对弈、语音输入转文字，请学生举手表决"哪些算人工智能"。投票结果通常显示，多数学生认为红绿灯控制不算，剩下三个算。教师揭示判断标准：红绿灯系统只是按照预设时刻表切换，规则是人写死的，无论车流如何变化它都不会改变策略；扫地机器人遇到新障碍会重新规划路径，围棋程序会下出人类没教过的棋，语音识别能听懂不同口音——这些系统都在面对"没见过的情况"时表现出适应性。教师引导学生归纳：人工智能是让机器模拟人的某些智能行为（感知、学习、推理、决策）来完成特定任务的技术。教师强调两个要点：一是"模拟"，机器不是真的拥有意识；二是"特定任务"，目前的人工智能大多是专用人工智能，只会做一件事，这与科幻片里的通用智能有本质区别。随后教师用一张同心圆示意图澄清三者的层级关系：最外层是人工智能，泛指一切让机器表现智能的技术；中间层是机器学习，特指"从数据中学习规律"的方法；最内层是深度学习，是机器学习中基于多层神经网络的一支。同心圆的可视化表达让学生一眼看清"包含关系"而不是"并列关系"，纠正此前测试中超过六成学生将三者并列表述的常见错误。（三）核心探究：亲手"训练"一个小模型（约十五分钟）这是本课重心。教师宣布任务：每组用在线图像分类平台，训练一个能区分"苹果照片"和"橙子照片"的模型，观察它犯错，并想办法让它变聪明。第一步，教师演示要点，用时控制在一分半以内：在平台中新建两个类别，分别上传若干苹果和橙子的图片作为训练样本，点击训练，再用一张新图片测试。第二步，学生分组实验，教师巡视。实验按三个递进环节进行。环节A：每组用很少量的图片（每类五张）训练，然后上传一张手写的"半个切开的橙子"图片测试。多数组发现模型识别错误或置信度极低。教师引导学生把现象记录在实验单上：当训练数据不足时，模型的表现如何？环节B：把每类图片补充到三十张，再测同一张切开的橙子，多数组的识别准确率明显提升。教师追问：你们的代码改了吗？学生答：没有，只是图片变多了。教师顺势点破：这就是机器学习神奇而朴素的地方——程序没变，数据变了，结果就变了。机器是从数据里"学"出来的，不是程序员一条条规则写进去的。环节C：教师发放"陷阱图片"——一张红色圆滚滚的番茄图。不少组的模型把番茄认成苹果。教师追问原因，学生观察训练图片后发现：所有苹果样本都是红色圆形，模型可能把"红且圆"当成了苹果的特征。教师总结板书：模型只会抓住它在数据里见过的规律，数据有偏，判断就歪。这为后面的伦理讨论埋下伏笔。第三步，全班归纳机器学习基本流程。教师请小组代表按实验顺序说出他们做了什么，教师板书成流程图：收集数据——特征学习——建立模型——测试验证——持续优化。并对比传统程序流程：编写规则——运行规则——得到结果。两条流程图并排呈现，学生在视觉冲击中完成认知翻转：传统程序输入的是"数据加规则"，机器学习输入的是"数据加答案"，产出的是"规律"本身。技术设计上，本环节刻意选择无需编程的可视化训练平台，目的是把课堂时间留给"观察现象—分析原因—总结规律"这一思维主线，避免陷入工具操作细节。基础较好的小组，教师提供可选挑战任务：故意用一半模糊图片训练，观察"垃圾进、垃圾出"现象，深化对数据质量的理解。（四）要素解析：智能背后的三只推手（约五分钟）教师提问：为什么人工智能在二十世纪五十年代就提出来了，最近十几年才爆发？请学生结合刚才的实验猜想原因。学生通常能想到"图片多了容易获得"。教师补充完整三要素框架：数据。互联网和智能手机积累了海量数据，刚才大家只用几十张图就训练出像模像样的分类器，真实工业级模型使用的是上亿张标注图片。算法。以深度学习为代表的方法取得突破，让机器从数据中提炼规律的能力大幅跃升。算力。训练大模型需要成千上万次并行计算，图形处理器和云计算使以前算不动的任务变得可承受。教师用一句话点题：人工智能不是凭空变聪明的，是数据、算法、算力三股力量汇流的结果。揭开面纱之后，它不再神秘，它是工程学，也是科学。（五）思辨讨论：它能做什么，不能做什么（约七分钟）教师分发两份新闻材料。材料一：某地引进的智能阅卷辅助系统因训练数据单一，对书写风格独特但答案正确的试卷给出了低分。材料二：某医院利用人工智能影像辅助诊断系统，将早期肺结节检出时间大幅缩短，医生得以把精力集中于疑难病例。小组围绕三个问题讨论四点：第一个案例错在技术还是错在人？人工智能在医疗场景中扮演的是什么角色？结合番茄被当成苹果的实验，谈谈"算法偏见"是怎么产生的？作为未来的使用者和可能的开发者，我们应该守住什么底线？讨论后各组用一句话分享观点。学生生成的观点通常包括：AI犯错往往是因为喂给它的数据有偏差，而选数据的是人；AI适合处理海量重复的判断，人更适合处理需要共情和价值权衡的决定；技术本身没有立场，但使用技术的人有立场。教师收束：人工智能是工具，更是镜子。用它放大效率，还是放大偏见，取决于设计和使用它的人。今天我们揭开了它的面纱，更要守住自己的判断——不要神化它，也不要滥用它。（六）课堂小结与检测（约三分钟）教师组织学生用"三句话回顾法"自结：我知道了人工智能的本质是让机器完成人类智能的任务；我发现机器学习是靠数据喂出来的规律，和人写规则完全不同；我明白数据偏差会导致算法偏见，技术使用要守住伦理底线。随堂检测三道题，一分钟作答，电子教室即时统计。第一题判断：红绿灯定时系统属于人工智能（错）。第二题选择：机器学习与传统程序的本质区别在于规律来源不同（选"机器从数据中学习规律"）。第三题简答一句话：举一例说明数据偏差可能造成的人工智能误判。数据显示，三个班次的三个检测点正确率分别达到百分之九十六、百分之九十一和百分之八十四，教学目标的达成度符合预期。七、板书设计主板书呈现本课知识骨架，分为三块区域。左侧：导入锚点——"查表"与"学习"的对比。中部：核心知识——人工智能概念、同心圆层级图、机器学习流程图（收集数据、学习规律、建立模型、测试优化）。右侧：价值落点——数据、算法、算力三要素与"数据有偏，判断就歪"的警示语。整体构图呈"问题—方法—责任"的横向推进路径，与课堂教学节奏同频。八、作业设计作业分两个层次。基础作业：寻找家庭中一个人工智能应用，用课堂上学的三要素分析法写一段一百字左右的"揭面纱"短评，说明它大概率用了什么数据、需要什么算力、可能存在什么偏差。拓展作业：查阅资料了解"图灵测试"的原始设想，思考"能否骗过评委"是否等同于"真正理解语言"，下节课用两分钟分享观点，为第三课时的深入讨论预热。九、教学评价设计评价贯穿全程，采用三维量规：从"概念理解"维度看，检测题与课堂问答作为证据；从"探究表现"维度看，实验记录单的完整性、小组对番茄误判原因的解释质量作为证据；从"价值态度"维度看，思辨环节的发言及作业短评中体现的责任意识作为证据。评价主体包括学生自评、小组互评与教师评价，其中小组互评聚焦实验合作与表达分工，避免只看结果的单一评价。十、教学反思本课最初版本的导入是"人工智能定义"的直接讲解，试教中发现学生注意力维持不足八分钟。改为闸机冲突情境后，课堂提问的举手人数明显增加，说明从学生每天真实经历的现象切入，比从教科书定义切入更能激活学习动机。实验环节的番茄陷阱是