高中信息技术高二年级教学设计：算法与人文的相遇-AI作诗的原理解构与创作实践

高中信息技术高二年级教学设计：算法与人文的相遇——AI作诗的原理解构与创作实践本教学设计面向高中二年级学生，依托《普通高中信息技术课程标准（2017年版2020年修订）》中选择性必修模块"人工智能初步"与必修模块"数据与计算"的相关要求，以一节课九十分钟、连排两课时的形式实施。课程以"人工智能——AI作诗"为主题，将自然语言处理的基本原理、诗歌文体知识与计算思维培育融为一体，力求让学生在亲手操作、亲身比较、亲自评判中形成对人工智能既热情又冷静的科学态度。一、教学背景与学情分析授课对象为高二年级学生，已完成必修教材中Python程序设计基础、数据处理与可视化等内容的学习，具备基本的编程操作能力和用计算机解决问题的初步经验。在语文学科方面，学生于高一年级系统学习过古近体诗的格律知识，对平仄、押韵、对仗、意象等概念并不陌生，这为跨学科融合奠定了认知基础。学情中存在三方面值得关注的现实。其一，学生对"AI"一词耳熟能详，日常使用生成式人工智能工具的频率较高，但多数停留在"输入问题、得到答案"的浅层体验，对机器内部发生了什么几乎一无所知，容易把人工智能神秘化或神化。其二，部分学生在前期问卷调查中表示"AI写的诗和人写的没区别"，这种判断更多来自印象而非依据，恰恰说明其批判性眼光有待锤炼。其三，班上约三分之一的学生有诗歌创作爱好，他们对"机器能否取代诗人"这一话题怀有真实的困惑甚至焦虑，这是极为宝贵的教学起点。基于上述判断，本课的定位不是教会学生使用某个AI作诗工具，而是借助"作诗"这一极具人文色彩的任务，带领学生掀开人工智能的"盖子"，看清数据、模型、生成三者之间的逻辑链条，并在人机对比中重新发现人类创作的独特价值。二、教学目标知识与技能层面：学生能够用自己的语言说明统计语言模型与神经网络语言模型的基本思路，解释"AI作诗"本质上是从大量文本中学习规律并按概率生成文字的过程；能够在教师提供的简易平台上调整训练语料、模型参数并完成一次完整的"训练—生成"操作。过程与方法层面：学生经历"猜想原理—验证原理—动手生成—对比评析"的完整探究流程，学会制定诗歌评价量规并运用量规进行证据化评判；能够在小组协作中分工完成语料准备、参数调试、作品鉴赏报告等任务。情感态度与价值观层面：学生在人机诗作的盲评活动中形成对人工智能生成能力的理性认识，既不盲目崇拜也不粗暴否定；理解"技术是人文的新笔墨"这一立场，初步建立负责任地使用人工智能生成内容的伦理意识，包括标注来源、尊重原创、警惕抄袭边界等。三、教学重点与难点教学重点在于理解AI作诗的基本原理，即"学习语料中的统计规律，依据概率逐词生成"，并通过亲手操作体验语料质量与生成效果之间的强关联。教学难点有两处。一是"概率生成"这一抽象概念与具象的诗句输出之间的因果沟通，学生容易用语言复述原理却未必真正理解，须借助可视化演示和可调参数的实验予以突破。二是评判标准的建立，学生需要把朦胧的"好诗感觉"转化为可操作的评价维度，这对高二维上的登高。四、教学方法与资源准备本课综合运用问题驱动教学法、对比实验法与小组合作探究法。课前准备包括：学校机房安装教师事先部署好的轻量化语言模型演示环境，该环境由教师基于开源简易字符级循环神经网络封装而成，界面仅保留"语料上传、训练轮数设置、生成长度、随机温度"四个操作入口，避免复杂界面干扰原理学习；教师预置三种语料包，分别为盛唐诗三百首、当代网络流行歌词、质量未经筛选的杂乱诗句混合文本；每生一份学习任务单，内含探究问题、评价量规草表与反思记录区；多媒体教室配备中央大屏以备演示与盲评投票。五、教学过程第一环节：以诗真为饵，引出核心问题（约十分钟）上课伊始，大屏呈现四首五言绝句，标注为一至四号，请全体学生默读后举手投票："哪几首是人写的，哪几首是机器写的。"四首诗中，一首为王维原作，一首为教师仿作，两首为课前由语言模型生成并经过轻度筛选的产物。投票结果实时以柱状图呈现。依照以往实施经验，学生的判断往往分歧极大，将机器之作当真人手笔者不在少数，而真正的唐诗也常被误判为机器出品。教师不急于揭示答案，只追问一句："你判断的依据是什么？"请三至四名学生陈说理由。有学生说"这首意象连贯所以是人写的"，有学生说"这首有个词用得很怪所以是机器写的"。教师将学生们的判断依据一一写在黑板一侧，形成一份未经整理的"民间评选标准"。此时教师揭示答案并抛出本课的核心问题：机器既不懂思乡，也未见过明月，它凭什么能写出让我们难辨真伪的诗句？它到底是怎么"学会"作诗的？由此进入探究环节。第二环节：猜想与演示，揭开概率生成的面纱（约二十分钟）教师先请学生猜想机器作诗的可能机制。常见猜想包括"它背诵了所有的诗然后随机抽取"和"它有一个巨大的诗歌模板库往里填词"。教师不评判猜想，而是宣布用一个看得见的小实验来验证。大屏展示一个极简演示：教师只给模型"喂"三句话——"春风吹又生""春雨润无声""春风入我怀"。随后演示第一个阶段：建立统计表。机器做的第一件事是数一数，在"春"字后面，"风"出现过两次、"雨"出现一次，"风"后面跟着的"吹""雨""入"各出现一次。教师引导学生发现：所谓模型训练的第一步，就是建立这种字与字之间相邻关系的频率统计。第二步演示"掷骰子生成"。从"春"字出发，按频率加权随机抽取下一个字，抽到"风"的概率是三分之二、"雨"是三分之一；假若抽到"风"，再从"风"后面继续掷。如此循环，机器可能产出"春风吹入无"这类似通非通的句子。学生看到这里会发笑，笑中恰恰完成了理解：机器不懂语义，它只是按概率把字串起来。教师继而点拨：真实的大规模模型与此同构，区别只在三处——它看的不只是相邻一个字，而是前文很长的上下文；它统计的对象不是三句话而是亿万级文本；它存储规律的方式不是一张能看到底的表格，而是拥有海量参数的神经网络，人无法直接读懂，规律被压缩进数字之中。教师用一句话收束：AI作诗的原理，是从海量文本中学出语言的概率分布，再按分布逐字逐词地"掷骰子"续写。为检验理解，教师安排一个一分钟的快问快答：假如语料中"月"字后面高频出现"明"，模型生成时必然把"月"与"明"搭配吗？学生应能答出"不一定，概率高不等于必然，随机性让每次生成都可能不同"。这一问答为后面解释"AI每次输出都不一样"埋下伏笔。第三环节：动手实验，语料决定成色（约二十五分钟）学生三至四人一组，在简易平台上完成三轮生成实验。第一轮，各组统一使用盛唐诗语料包，保持默认参数，各自生成三首五言诗，记录生成结果，并写下对"机器学到了什么"的观察。第二轮，教师布置对比任务：两个组换用网络流行歌词语料包，其余小组继续用唐诗语料包，但要求将随机温度参数分别调至很低与很高各生成一次，比较差异。实验结果预期呈现鲜明规律：歌词语料训练出的模型输出通顺现代口语的句子，全然没有诗味；温度太低的输出字字高频搭配、呆滞重复，温度太高的输出则天马行空乃至语无伦次。学生由此亲手验证了本课两条关键结论：语料是模型的"学养"，喂什么就长成什么；随机性参数是模型的"性情"，过低则僵，过高则癫。第三轮，各组拿到的是未筛选的杂乱语料包，其中混有错字病句。生成的诗句大概率文理不通、错字连篇。教师请学生解释原因，学生应能顺利归因于语料质量。此时教师补一笔：所谓"数据是人工智能的粮食"，粮里掺沙，产出必然硌牙。在人工智能工程中，清洗与筛选语料的工作量常常远大于训练本身。实验过程中教师巡视各组，重点观察学生是否把失败输出当作有价值的学习材料加以分析，而非删掉了事。教师的巡场口头禅是"别删，先说说它为什么坏成这样"。第四环节：制定量规，开展人机诗评（约二十五分钟）教师回到开课时的四首诗，提出问题：刚才我们凭感觉投票，错得七零八落。现在懂了点原理，能不能把"感觉"变成"标准"？各组用五分钟讨论，在任务单上拟定"一首好诗"的评价维度。教师汇总各组意见，引导全班收敛为一份四项量规：其一，合律——平仄押韵与体裁是否自洽；其二，成境——意象之间是否构成统一可感的画面与氛围；其三，有情——能否读出真实的情感指向，而非词语的空洞堆砌；其四，见新——有无出人意表而回味悠长的表达。每项设一至五分。随后进入盲评环节。大屏依次呈现六首诗，含唐人原作两首、学生课前习作两首、AI生成并经教师轻度校字的诗两首，全部隐去作者身份，仅以编号示人。各组依量规打分并写下一句评语，提交后由系统汇总均分。汇总有规律地出现这样的结果：AI之作在"合律"一项得分往往不低，甚至高过学生习作，因格律恰是最形式化、最可统计的部分；而在"有情"与"见新"两项上，AI之作明显落后，评语中高频出现"词都对，但不知道它想说什么""漂亮但空"。这正呼应了学生在实验中的发现——模型学到的是语料中平均化的表达习惯，平均意味着稳妥，稳妥恰恰是创造性的反义词。教师请得分最高的学生习作作者起身朗读自己的诗并说明创作缘由。当学生讲出"写这首诗是因为外婆去世那天下了很大的雪"时，机器与人之间那道鸿沟不言自明。教师顺势作结：机器学会了诗的样子，人拥有诗的来历。AI可以成为灵感的火种、对仗的参谋、格律的校对，但"为什么写"这个问题，机器替不了人。第五环节：伦理一瞥与课堂收束（约十分钟）教师提出两个情境问题请学生即兴表态并简述理由。其一，某同学用AI生成一首诗，署名自己参加征文比赛，可以吗？其二，某刊物刊发了未标注的AI诗作并被读者识破，问题出在哪里？讨论后教师给出三条约定，作为本课也是本学段使用生成式人工智能的行为准则：如实标注，凡主要借助AI生成的内容须说明；人为主裁，AI输出须经人的判断、修改与负责方可使用；敬畏原创，不以AI产出去冒充、稀释或侵占他人的创造性劳动。课的结尾，教师布置一项"人机合作"的现场小创作：每组用AI生成若干诗句作为"原料"，由人来删、改、补、立题，最终交出署着小组名字的一首诗，并附三行说明——哪里用了机器，哪里是人的手笔，为什么这样处理。择优朗读两组作品，在掌声中下课。六、板书设计主板书呈三段式结构。左侧为"它怎么学会的"：语料—统计规律（神经网络）—按概率生成。中部为"它写出来的东西怎样"：合律易，成境难，有情更难；随机有性格，语料定成色。右侧为"我们该怎么用它"：标注、主裁、敬畏。三段之间以箭头相连，构成"原理—评价—责任"的完整逻辑链。七、作业设计基础作业：每位学生完成课堂未竟的人机合作诗作并提交过程稿，过程稿中须保留AI原始输出与每一处人工修改的痕迹，配以不超过二百字的修改说明。拓展作业：任选一题完成。其一，访谈一位家长或社区长辈对"AI作诗"的看法，写一篇三百字的访谈纪要，分析技术认知的代际差异；其二，查阅资料了解"图灵测试"的提出背景，用本课所学谈谈"写诗像不像人"能否作为判断机器智能的标准，写出四百字左右的观点短文；其三，利用课余时间在教师提供的平台上尝试更换语料（如宋词、民谣或鲁迅杂文），记录语料变化引起的生成风格迁移，形成一页实验报告。分层设计的意图在于让每一位学生都能在自己够得着的高度继续思考同一主题：乐于文学者走访谈与创作之路，长于思辨者走观点辨析之路，偏爱技术者走实验探究之路。八、教学评价设计本课采用过程性评价与表现性评价并重的方案。过程性评价依据课堂任务单完成情况，关注实验记录是否翔实、失败输出是否得到分析、小组协作是否人人有责。表现性评价以人机合作诗作及修改说明为对象，评价量规即课堂共同制定的四项维度外加"修改有据"一项，五项各计二十分，其中"修改有据"一项专看学生