高中一年级信息技术“人工智能的应用”教学设计

高中一年级信息技术“人工智能的应用”教学设计一、教学背景分析本课选自粤教版高中信息技术必修一《数据与计算》第六章第二节。学生在第五章已经接触了数据处理与算法初步，对“让计算机解决问题”有了基本体验；本章第一节学生对人工智能的概念、发展历程与基本原理有了初步认识。本节课承担着从“知道人工智能”走向“理解人工智能如何落地、如何评价人工智能”的桥梁作用。高一学生眼中的人工智能往往是语音助手、人脸识别、推荐算法这些生活场景，感性经验丰富，理性认识薄弱。他们容易陷入两种极端：要么把人工智能神化，认为机器真正“会思考”；要么将其矮化为“一段普通程序”。教学的价值恰在于撕开想象与原理之间的缝隙，让学生在技术体验中建立“数据—模型—应用—责任”的完整认知链条。二、教学目标1.信息意识：能列举人工智能在学习、出行、医疗、制造等领域的典型应用，并能准确指出每种应用背后依赖的数据来源。2.计算思维：通过体验图像识别与文本分类活动，理解“数据训练—特征提取—模型判断”的基本流程，能对识别错误的案例进行归因分析。3.数字化学习与创新：尝试调用开放平台的人工智能接口或使用图形化工具完成一个微型应用的搭建，体会“人机协同”解决问题的优势。4.信息社会责任：围绕人脸识别进校园、大数据杀熟等真实争议，讨论算法偏见、隐私泄露与数字鸿沟问题，形成负责任地使用人工智能的态度。三、教学重难点教学重点：人工智能在不同领域的应用形态及其共性特征——以数据为驱动、以模型为核心、以场景为约束。教学难点：从“应用现象”抽象出“技术逻辑”，理解训练数据的质量与偏差如何决定模型的表现，进而理解人工智能的能力边界。四、教学准备教师准备：可联网的学生机房、图像识别与手写数字识别的演示程序、训练好的简单垃圾分类模型、校园一卡通数据样例（脱敏）、学习任务单。学生准备：课前完成一次“我身边的人工智能”随手拍作业，用三到五张照片记录在通勤、购物、娱乐中遇到的人工智能痕迹。五、教学过程（一）情境导入：一次“误判”引发的追问（约8分钟）教师现场演示：用手机拍摄讲台上的一盆绿萝，调用某图像识别应用，识别结果为“盆栽植物”；再拍摄一张打印的绿萝照片，识别结果仍然是“活的植物”。教师不急着点评，只把两个识别结果并排投在屏幕上。提问设计为三个层次。第一层：这两次识别，哪一次是错的？第二层：机器为什么会上当？第三层：如果有一天，类似的“上当”发生在车站安检或者医院影像科，会带来什么后果？学生讨论后，教师只给出一句过渡性判断：识别错误不是机器粗心，而是它从未像我们一样“看过世界”。这句话为整节课埋下主线——人工智能的应用效果，取决于它吃了什么样的“数据粮食”。（二）任务一：绘制人工智能应用版图（约12分钟）学生以四人小组为单位，结合课前随手拍作业和教材内容，在学习单上完成一张“人工智能应用版图”。版图要求按领域分类，至少覆盖交通、教育、医疗、金融、农业、制造六个方向，每个方向填写三个要素：应用名称、使用的数据类型、服务的人群。教师巡视时重点关注两类典型情况：一类小组把“智能”二字当筐，什么都往里装，比如把普通电子秤也列为人工智能应用；另一类小组只写得出刷脸支付和语音助手。对前者，教师提示判断标准：系统是否从数据中学习并改进判断，而不是执行固定规则；对后者，教师引导他们回想医院的CT辅助诊断、农田里的无人机巡田。版图展示环节采用“接龙补充”方式：一组汇报，其他组只能补充不能重复。十分钟后，黑板上自然生成一张远超教材列举范围的应用全景图。教师此时点明共性：所有应用都不约而同时具备三个要件——海量的领域数据、从数据中训练出的模型、嵌入真实场景的反馈回路。应用千姿百态，骨架惊人一致。（三）任务二：解剖一只“麻雀”——图像识别是怎样炼成的（约15分钟）为了避免应用讨论流于表面，本环节选取图像识别作为解剖对象，带学生走一遍从数据到判断的完整流程。第一步，数据体验。学生打开教师提供的简易训练平台，用摄像头分别采集本组四名同学的十张正脸照片，作为“本组成员”类别的训练数据；再从公共人脸库中导入四十张陌生人照片作为“非本组成员”类别。第二步，训练模型。学生点击训练按钮，观察进度条和损失值曲线下降的过程。教师提示记录两个现象：训练照片越多，识别越稳定；姿势、光照越单一，遇到侧脸或逆光时识别越容易失败。第三步，对抗测试。各组交叉测试其他组的模型：戴帽子、戴口罩、用照片代替真人、强光逆光轮番上阵。课堂气氛在此达到高潮，识别失败的案例被一一截图归档。第四步，归因分析。教师组织“故障诊断会”，要求每个失败案例必须给出技术层面的解释，而不是“机器笨”之类的情绪化结论。学生逐渐说出有分量的话：训练数据里没有口罩样本，模型把口罩区域当成了异常噪点；照片攻击成功，是因为模型只学了二维纹理，没有活体检测这一环。教师小结时引入表征与特征的概念：模型看到的不是“人脸”，而是像素矩阵中的统计规律；所谓识别，本质是在高维空间里为新样本寻找最接近的类别边界。这个朴素表述，既不与教材冲突，又为选修模块中的机器学习学习预留了接口。（四）任务三：做一次“甲方”——设计一个人工智能应用方案（约12分钟）理解原理的最终目的是创造。本环节要求学生转换角色，为学校生活设计一个人工智能应用方案。备选情境包括：食堂高峰期拥堵预测、图书馆座位智能分配、体育课运动损伤预警、校园垃圾分类督导。设计方案按四栏模板撰写：要解决的真实问题、需要采集的数据及合法来源、模型应当具备的判断能力、可能出现的风险与应对办法。教师在此设置一个刻意障碍：必须至少写出一个“本方案不采集的数据”，并说明理由。这一栏的用意是让学生体会“克制”也是设计的一部分——能采集不等于该采集。实践中学生的答案令人惊喜，有小组在食堂方案中明确放弃人脸识别身份绑定，改用匿名计数，理由是“就餐拥堵不需要知道他是谁”。两组代表进行一分钟路演，全班依据“需求真实、数据可得、风险可控”三条标准举手表决。教师点评不评判高低，只揭示一个事实：优秀的方案赢在数据合规一栏，花哨的功能反而少人问津。技术方案的竞争，底层是责任意识的竞争。（五）议题思辨：当人工智能走进考场与诊室（约8分钟）教师呈现两个新闻片段：某地考试启用智能监考，对异常动作实时预警；某医院引入影像辅助诊断系统，筛查效率提升数倍，但中标公示显示其训练数据主要来自单一地区人群。讨论采用“立场轮换”规则：第一轮学生自由表态，第二轮必须站到自己对立面再说一次理由。这个设计强迫学生跳出舒适区。支持智能监考的学生在第二轮中提出“动作异常不等于作弊，紧张的学生可能被误伤”；推崇智能诊断的学生也不得不承认“训练数据的地域偏差可能让偏远地区患者承担更高的误诊率”。教师的收束语保持克制：技术的可靠性可以用测试集衡量，技术的正当性只能用公共讨论来校准。我们学习应用人工智能，也是在学习如何约束它。（六）课堂小结与作业布置（约5分钟）小结采用学生自述“三个一”：一个今天才理解的概念，一个印象最深的失败案例，一个自己今后使用人工智能时会养成的习惯。教师随机抽取四名学生发言，不重复、不纠正、不补充，让学生的语言成为课堂的收尾。分层作业设计如下。基础层：完善本组的应用版图，为每个应用补充一句风险提示。提高层：查阅资料，比较两款主流语音助手在方言识别上的表现差异，用一百字说明可能的数据原因。挑战层：在教师提供的平台上为垃圾分类模型补充二十张本地常见垃圾照片，观察准确率变化并撰写实验记录。六、板书设计主板书以流程图呈现：场景需求→数据采集→模型训练→应用部署→反馈迭代，五个环节用箭头连成闭环，下方标注“数据质量决定能力上限，伦理边界决定应用下限”。副板书留白，用于即时记录学生在对抗测试中发现的失败类型，形成课堂生成的“错误档案”。七、教学反思预设本课的风险点在于机房网络与平台运行的稳定性，须准备离线版演示程序与本地数据集作为预案。另一个挑战是思辨环节容易出现情绪化争论，教师应坚持使用“立场轮换”和“技术归因”两个支架，把讨论锚定在证据