高中信息技术必修一《探秘人工智能》单元教学设计

高中信息技术必修一《探秘人工智能》单元教学设计高一上学期学生已经在日常生活里频繁接触人脸识别、语音助手、短视频推荐等应用，但多数人对这些技术的认知停留在"很神奇""听说是算法"的朦胧层面，既缺乏概念框架，也容易滑向两个极端：要么把人工智能神化，认为机器无所不能；要么漠然视之，认为那是程序员的事、与自己无关。《课标》明确要求学生"了解人工智能的基本概念、发展历程和应用场景，辩证认识其对人类社会的影响"，教科版必修一5.2节正是落实这一要求的关键载体。本设计以"学历案"为组织形态，把"学会什么、凭什么学会、怎么证明自己学会"三条线拧在一起，让一节容易上成科普讲座的课，变成学生动手、动脑、动情思的探究历程。一、设计理念与课标对接本课立足学科核心素养的四维目标做如下落位。信息意识方面，要求学生能从生活现象中识别"这是人工智能在起作用"，并判断其适用边界；计算思维方面，要求学生在体验分类、识别任务时理解"数据—训练—模型—预测"的基本流程，体会机器"学习"与人类学习的差异；数字化学习与创新方面，要求学生能选用合适的开放平台工具体验智能应用，并进行简单的结果评估；信息社会责任方面，要求学生围绕算法偏见、隐私泄露、技术滥用等真实议题形成有理有据的立场。教学设计的底层逻辑是"学历案三段式"：课前预学单解决"从哪儿出发"，课中任务链解决"如何抵达"，课后延伸单解决"走到多远"。三段不是割裂的补丁，而是由统一的学习目标贯通的连续证据链。学生的每一次操作、每一句观点、每一张记录纸，都是可被教师评估的"学习证据"，这正是学历案区别于传统教案的根本——教案写教师做什么，学历案写学生证明什么。二、学情诊断与重难点研判开学初的学情问卷显示：全班四十六名高一学生中，百分之百使用过至少一款含智能推荐功能的应用，百分之六十能说出"大数据""算法"等词，但仅有百分之八能粗略区分"规则驱动"与"数据驱动"两种实现路径；对"机器如何学会识别猫"这一问题，多数学生的回答停留在"程序员写了很多代码告诉它什么叫猫"。这一认知水平决定了本课的核心任务不是讲原理的深度，而是完成一次认知范式的迁移：从"指令式编程"思维转向"让机器从数据中归纳规律"的思维。教学重点确定为：人工智能的基本概念与核心特征，基于数据的机器"学习"基本流程。教学难点有二：一是学生对"模型实质上是对概率规律的逼近"这一抽象表述难以理解，需要借助具象化的分类任务搭建阶梯；二是伦理讨论容易流于口号，必须给学生具体情境、具体冲突，让立场从材料里"长"出来而不是被灌输。三、学习目标（可观察、可测量）目标一：学生能用自己的话解释人工智能的含义，举出三个以上生活实例，并按"感知类、理解类、决策类"进行初步归类，归因正确率达百分之八十。目标二：学生借助图像分类体验平台，完成一次"采集样本—训练模型—测试识别"的完整操作，记录训练样本数量与识别准确率的变化关系，并能说出"为什么脏数据会带来坏结果"。目标三：学生围绕"校园刷脸通行"这一情境，从便利与安全两个维度各提出至少两条论据，在辩论中引用课堂上获得的技术原理作为支撑，立场陈述不少于两分钟。四、课前预学设计预学单一共三道题，目的是榨干学生已有的生活经验并暴露迷思。第一题：列出你今天从睁眼到现在遇到的三个"疑似人工智能"的应用，写一句话说明你判断的依据。第二题：你认为手机语音助手是"听懂了你"吗？写写你的直觉答案，不要求正确。第三题：观看四分钟的科普微视频（课前推送至班级平台），记下视频中的一个新概念和你没听懂的一个点。教师课前收单、快速归类，把错误的直觉答案匿名投到课堂开篇，作为思维的起点。预学单不评分，只统计，保护学生"暴露无知"的安全感。五、教学过程实施（一）情境导入：让直觉先撞墙（约八分钟）上课伊始，屏幕投放两张图：一张是学生预学单里高频出现的判断"语音助手听懂了我的话"，另一张是语音转写失败的滑稽截图（把方言问候转成了莫名其妙的文字）。教师只问一句：同一个系统，时而聪明时而犯傻，它到底"懂"还是"不懂"？学生自由发言两三分钟，教师不裁决，只做两列板书，把学生观点分为"懂"派和"不懂"派，并各自标注理由中的关键词。随后教师给出本课的追问主线：如果让机器学会识别一样东西，它需要经历什么？带着这个问题进入任务一。此处教师刻意克制讲授欲，因为开场给出的答案会偷走学生后续的探究动机。（二）任务一：概念建构——给"人工智能"找边界（约十分钟）学生打开任务单第一部分，阅读三段材料：一段讲达特茅斯会议提出"人工智能"概念的历史起点，一段讲早期专家系统用规则堆砌知识的做法与局限，一段讲深度学习兴起后"从数据中学习"成为主流。材料后只有一个问题：闹钟定时报时、计算器求平方根、人脸识别开屏，三者中哪些是人工智能？同桌先互判，再全班举手表决。多数学生初期会认为定时闹钟也算"智能"，教师顺势引出本节的核心判据：人工智能系统的特征在于感知环境、处理信息并表现出类似人类的"智能行为"，而不仅仅是按固定指令执行；固定规则的自动化不是智能，能从数据与环境变化中调整输出的才是。学生在此刻完成对预学直觉的第一次自我修正，教师在任务单上预留的"观念转变记录"栏要求学生写下："我原来以为……现在我认为……"这一行字就是本节课的第一份学习证据。（三）任务二：动手实验——让机器学会认字（约二十分钟）机房每两人一组，使用图形化的机器教学工具（基于浏览器的图像分类训练平台，无需安装环境，兼容校园机房配置）。实验设定为"识别手写数字图片"，步骤分为三轮递进。第一轮，每组只上传三到五张样本图进行训练，然后测试十张新图，记录识别正确率并截图。结果通常糟糕，部分数字全军覆没。第二轮，每组将每类样本扩充到三十张以上，加入不同角度、不同粗细笔迹的图片，再次训练并测试。学生会发现准确率明显上升，板书同步记录各组两轮数据，精准的对比态势一目了然：样本数量与多样性上去了，错误率下来了。第三轮是"陷阱轮"：教师提前给部分组的训练集中混入错误标注（把"5"标成"7"），这些组训练后识别"5"时表现异常。组际互查发现问题后，教师抛出结论性的三行板书：数据是机器学习的粮食；标注要准、样本要足、分布要全；模型只学会了数据呈现的规律，数据里有偏差，模型就有偏见。这一环节教师巡视的重点不是教会软件操作，而是抓三类典型证据：填写规范的数据记录表、能解释失败原因的口头表述、主动改变实验条件的探究行为。对完成快的小组，追加挑战任务：试试用极少的样本却依然提高某类数字的准确率，引导他们悟到"样本质量与代表性"这一层。二十分钟里，教室里必然嘈杂，但每一声讨论都发生在认知发生的现场，这正是本课不可替代的教学价值——抽象的流程图只有在自己手里跑出结果，名词才长出了血和肉。（四）任务三：原理提炼——从操作走向概念图（约七分钟）实验结束后，教师不直接呈现结论图示，而是让各组用便签纸拼贴出他们认为的"机器学习方法流程"，贴上黑板。各组版本五花八门，教师带领全班合并、排序，最终共同落成：数据采集与标注→模型训练（从数据中归纳规律）→模型评估与优化→部署应用与预测。教师在此补充三点专业背景并控制在最小剂量：其一，机器"学会"的本质是调整内部参数让预测误差最小化；其二，训练数据与真实环境的差距会造成"算法偏见"，人脸识别在深肤色人群中的错误率偏高正是例证；其三，同一路径已用于语音识别、机器翻译、医学影像筛查。至此，目标二达成，概念图由学生自己生成，教师只做最后的校对者和提炼者。（五）任务四：伦理思辨——刷脸进校园，同意吗（约十分钟）屏幕呈现情境：学校拟在校门安装人脸识别系统，刷脸自动记录考勤、借书、食堂消费，系统数据保存三年。学生按教室座位现场分为"支持方"与"谨慎方"，每方用三分钟整理论据，要求每条论据必须挂上技术依据（如"识别存在误识率，误识可能冤枉学生"，而不是空喊"不安全"）。各派三轮陈述、一轮自由质辩。教师主持但不站队，只在辩论尾巴处追问一句：如果一定要装，应该给它设下哪些"栅栏"？学生提出的门禁数据最小化存储、定期删除、识别结果人工复核、家长知情同意等条款，被教师即时记录为一张班级生成的《校园智能应用自律公约》草稿，后续递交信息课代表与学生会讨论完善。这一设计回应的是社会责任素养最难的部分——不是让学生背诵伦理原则，而是让他们在利益冲突的真实张力里练习权衡，并把权衡转化为可操作的规则。（六）小结与迁移（约五分钟）教师回到开课时的两列板书，请学生自己回答："语音助手懂不懂你？"此刻的学生普遍能讲出：它能识别语音模式并按概率返回结果，却不具备人的理解。概念上的闭环就此完成。随后每位学生在学历案末页写下"本课三行账"：我学会的一个概念、我做过的一次实验发现、我愿意继续追问的一个问题。教师课后逐条浏览，把高频追问（如"AI会取代哪些职业""大模型是不是也在吃数据"）收入下一课时《人工智能的明天》的开篇素材，保持单元内部的话语连续性。六、板书与评价设计板书为三栏结构：左栏是学生的初始迷思（保留整节课不擦除），中栏是共同搭建的机器学习流程图，右栏是实验数据对比与伦理辩论要点。三栏从"出发"到"抵达"再到"超越"，本身就是这节课的微型叙事。评价采用"三单四角"的嵌入式方案。三单是预学单、实验记录单、观念转变单，分别对应诊断、过程与迁移；四角是教师评价、组内互评、自我评价、作品评价，权重分别占百分之四十、二十、二十、二十。量规分四级达成梯度，核心观测点集中在：实验数据记录的真实性、归因解释的准确性、辩论论据的技术含量。考试层面另附课后检测五题，其中两题为情境迁移题，例如给出"超市智能秤识别错蔬菜品种"的故障描述，请学生用流程图术语写出最可能的两条原因，直接检验概念能否在新情境中重新激活。七、分层作业与单元延伸AI实践层作业为必做：用手机拍摄并整理不少于二十张同一场景的不同角度照片，人为模拟一次"标注"，体验数据采集的劳动量，写两句体会。拓展层为选做：检索一个真实的人工智能伦理争议事件，按"事件—技术原理—冲突双方—我的提议"四栏写成三百字分析，优胜稿进入班级《智能时代观察》墙报。阅读层推送两篇材料：一篇讲推荐系统如何塑造信息茧房，一篇讲智能技术助力文化遗产修复，冷暖对读，避免学生只被一种叙事塑形。八、教学反思预设本课最大的风险是机房网络与平台稳定性，预案为本地离线版图像分类训练脚本和教师