高中一年级信息技术教学设计：人工智能文本情感分析的信息加工

高中一年级信息技术教学设计：人工智能文本情感分析的信息加工一、教学基本信息本课面向高中一年级学生，依据教科版《信息技术》必修模块“数据与计算”相关内容组织教学，课时为一课时。学生此前已经认识信息加工的一般过程，能够获取、整理并初步分析数据，也具备基本的网络检索、文本编辑与数字化工具使用经验。本课以“利用人工智能技术加工信息”为核心，选取贴近学生生活的网络评论、校园食品安全反馈和智能客服对话作为学习材料，引导学生经历“提出需求—选择工具—输入信息—获得结果—判断结果—优化表达”的完整过程。本课不把人工智能包装成无所不能的“黑箱”，也不把教学目标停留在简单试用工具的层面，而是让学生通过真实任务理解：人工智能工具能够依据已有数据进行识别、分类、归纳和生成，但其输出结果可能受到数据质量、提示方式和模型能力等因素影响。学生既要掌握使用智能工具加工信息的方法，也要具备审慎判断、主动核验与负责任表达的意识，最终形成“会用、善辨、能改、守规”的人工智能应用观念。二、课标依据与教学内容分析普通高中信息技术课程强调数字化学习与创新能力培养，要求学生能够根据解决问题的需要选择合适的技术工具，合理管理数字化信息，并在实践过程中形成信息安全意识与责任意识。人工智能内容并不只关注算法原理，还应让学生经历智能技术处理信息的过程，比较人工加工与智能加工的差异，理解智能技术的优势、边界及风险。“利用人工智能技术加工信息”是连接数据、算法与数字化生活的重要节点。文本情感分析具有数据容易获得、结果直观可见、评价标准相对清晰等特点。学生能够输入几句真实评论，观察工具对“正面、负面、中性”等倾向的判断，再通过调整提示语、补充语境、拆分信息等方式优化输出结果。这一过程既体现了人工智能在信息提取、语义理解和内容生成方面的作用，也为讨论误判、偏见、隐私保护与虚假生成提供了真实情境。教学中需要把握三个关键词。第一是“任务”，人工智能工具必须由明确任务驱动，不能让学生停留于随意提问；第二是“证据”，任何输出结果都应回到原始文本和提示语中检验；第三是“责任”，发布、改写或引用结果前应核验事实，尊重个人信息，避免把机器生成内容直接等同于真实结论。三、学情分析高一学生接触生成式人工智能、翻译软件、语音识别系统和推荐平台的机会较多，对“人工智能”一词并不陌生，但这种熟悉常常停留在使用体验层面。部分学生能够熟练使用工具，却不知道输入内容、模型能力与输出质量之间存在联系；部分学生对工具抱有明显依赖倾向，容易把流畅、完整的表述当成可靠的结论；也有学生因表述模糊而得不到理想结果，从而产生“工具不好用”的简单判断。学生的差异还体现在语言组织能力、数据分析能力和数字工具使用经验上。为此，本课采用任务单统摄学习过程，通过基础任务保障所有学生达成核心目标，通过进阶任务支持能力较强的学生比较不同提示语对结果的影响。小组合作不是形式上的围坐，而是明确分工，由材料管理员、提示词设计者、结果核验员和汇报员共同完成任务，并在汇报前进行角色轮换。评价应关注学习过程中的思维变化。学生最初可能认为人工智能“准”或“不准”，经过实例比对后，应逐步发展为能够说出“在什么条件下较准确，在什么情况下会出现偏差，偏差可能由什么造成”。这种从结论判断走向过程分析的转变，是本课最重要的学习增量。四、教学目标（一）信息意识学生能够结合校园和社会生活中的具体问题，识别需要利用人工智能技术进行加工的信息类型，知道输入信息的完整性、真实性和规范性会影响处理结果。面对工具输出，不盲目采信，也不简单否定，能够形成证据意识与核验习惯。（二）计算思维学生能够将“分析评论情感倾向”这一具体问题拆解为信息输入、指令设定、结果生成、样本比对和结论修正等步骤，能通过调整提示词、补充限定条件和分组处理数据改进加工效果，初步理解任务表达与机器输出之间的关系。（三）数字化学习与创新学生能够选择一种文本智能分析工具完成学习任务，运用截图、表格、批注等方式记录操作过程，比较人工判断与智能判断的差异，并尝试把工具结果转化为结构清晰的分析报告。学有余力的学生可以设计不同提示语，观察输出差异，总结可迁移的使用策略。（四）信息社会责任学生能够识别文本分析中的隐私与伦理风险，不输入真实姓名、联系方式等敏感信息；能够对训练数据偏差、语境缺失和指令误导造成的误判进行初步解释；能够明确标注人工智能辅助完成的内容，愿意为自己的加工结论负责。五、教学重点与难点教学重点是理解人工智能加工信息的一般过程，掌握“明确需求—组织材料—设计指令—获得结果—验证修正”的操作路径，并能结合实例评价工具输出的合理性与局限。教学难点是理解人机协同中的责任关系。学生需要认识到，人工智能工具虽然能够快速处理信息，但任务目标的确定、材料的选择、结果的核验与最终表达仍由使用者主导。教师应通过可观察的误判案例，引导学生发现智能输出的边界，而不是抽象地告知“人工智能可能出错”。六、教学准备教师课前准备若干组经过脱敏处理的文本材料，包括校园食堂评论、学习平台使用反馈、阅读体验分享和智能客服对话片段。每组材料包含正面、负面、掺杂和歧义表达，让学生有机会比较不同复杂程度下的分析结果。教师还应准备两种可用的文本智能工具操作演示材料、学习任务单、过程记录表和成果评价量规。设备方面，保证学生能够正常访问指定的数字工具或教师提供的离线模拟数据。若网络环境不稳定，可采用教师统一演示、学生分组分析本地数据的方式进行。所有示例均不得包含可识别个人身份的敏感信息。学生提前完成一分钟前测，回答三个问题：你用过哪些人工智能工具；你认为它在哪类信息加工工作中最有优势；遇到工具输出错误时会怎样处理。七、教学策略本课采用任务驱动、对比探究与合作学习相结合的教学策略。课堂不先讲授抽象概念，而从一次“看似正确却并不完全可靠”的评论分析演示切入，让学生在认知冲突中意识到验证的重要性。随后布置小组任务，使学生在真实操作中归纳使用方法。教师通过对比不同小组的提示语与输出结果，引导学生形成可迁移的策略。学习任务采用“基础任务+进阶任务”分层设计。基础任务要求每名学生在体验中掌握完整流程；进阶任务鼓励学生比较人工判断与机器判断、分析错误原因、设计更优指令。课堂评价不再是单一的结果核对，而是覆盖指令设计、过程记录、证据核验、团队协作和伦理意识五个维度。八、教学过程（一）情境导入：一段评论背后的真实需求教师投影一组关于校园食堂的短评论：“菜品种类比上学期多了，但排队时间明显变长”；“味道改善不大，服务人员的态度还不错”；“周末窗口开得太少，早餐选择很有限”；“最近加了新的自选窗口，感觉很方便”。教师提出问题：学生会相关部门希望快速了解同学们对食堂服务的总体看法，如果每个人都要在十分钟内完成几十条甚至几百条评论的初步整理，人工逐条阅读是否高效？学生通常会产生两种观点：人工阅读更准确，但速度慢；智能工具速度快，但可能判断不准。教师顺势追问：能否完全交给工具处理？学生需要说明理由。教师展示工具对其中一条评论的分析示例，突出“菜品种类变多了”与“排队时间变长”同时存在，结果可能被简单标为正面或负面，进而引出本课核心任务——如何借助人工智能合理加工带有复杂语义的文本信息。（二）任务解读：明确“做什么”和“做到什么程度”教师发放任务单，将任务明确为四个方面：一是从给出的校园服务评论中提取主要观点；二是判断评论的情感倾向，可参考正面、负面、中性和混合四类；三是输出简要分析报告，说明主要意见和改进建议；四是对工具结果进行人工核验，指出至少一处需要修正或补充的地方。任务的合格标准不是“得到一份漂亮答案”，而是能够在报告中清楚写清原始材料、提示语、智能输出和人工修正意见。教师特别强调，文本中的敏感信息应预先隐藏，不能把未经核对的结果直接用于公开汇报。学生在思考任务目标时，要先讨论“我们希望工具完成哪一部分，人还要负责哪一部分”，再进入操作。这样的设计能够防止把智能工具当成替代思考的主体，而是作为提升效率和扩展视角的辅助工具。（三）教师示范：从模糊提问走向结构化指令教师选取一条评论现场演示两次输入。第一次输入为“帮我分析这条评论”。多数学生会发现，工具可能给出较为笼统的判断，甚至遗漏否定、转折和附加条件。第二次输入调整为“请阅读以下校园服务评论，提取其主要问题与肯定之处，判断整体情感倾向，若同时包含肯定与否定，请标记为混合，并列出判断依据。评论内容为……”通过对两次输出的比较，学生直观看到任务表达越具体，工具越容易接近预期结果。教师进一步示范如何在结果中查找“证据”。例如，当工具把“服务人员态度不错，但等待太久”判为负面时，教师要求学生回到原文寻找支持依据。若学生认为应标记为混合，就要说明哪一信息带来正面评价，哪一信息带来负面评价。教师板书并提炼出操作链条：阅读材料、明确任务、设计提示语、执行分析、核验结果、修改表达。整个过程使用日常语言组织，不以复杂算法概念替代学生的真实理解。（四）小组实践：人工智能加工校园评论信息学生按照小组分工开展实践，每组领取10—15条经过脱敏处理的评论文本。材料管理员负责确认材料编号，提醒组内成员不得录入个人隐私信息；提示词设计者根据任务目标撰写输入指令；操作员负责在指定工具中执行分析；结果核验员逐条比对工具结论与原文；汇报员记录有代表性的正确结果和误判结果，并准备两分钟的展示。在操作过程中，教师提醒学生采用表格记录数据。表格字段包括样本编号、主要观点、工具判断、人工判断、是否一致、误判原因和修正建议。学生完成一轮工具分析后，必须进行人工复核。若小组与工具意见不同，先检查提示语是否清楚，再检查材料是否含有转折、反问、双重否定或背景依赖。必要时，可通过拆分评论、补充任务说明、要求输出“依据句”等方式进行第二轮分析。教师巡视时不直接纠正每一步操作，而是提出启发性问题。如“这条情感为混合的评论，你们在指令中有没有提供混合选项”“这一结果看起来合理，但依据是否来自原文”“如果把‘还不错，但排队太久’看成完全正面，可能带来什么决策风险”“你们的修正是在工具提示下完成，还是经过人工复核后再确定”。问题聚焦思维过程，能够促使学生始终保持证据意识。（五）成果展示：从答案汇报走向方法交流每组选择一至两个最具代表性的案例进行汇报。汇报内容包括原始评论、所用提示语、工具输出、人工核验意见以及本组最终结论。教师要求展示时使用简洁语言，重点说明“为什么采用这个指令”“错误出在哪个环节”“修正后的判断依据是什么”。在小组汇报中，常见结果是：综合句式明确的评论判断较稳定；含转折关系或多种对象并列的评论更容易出现偏差；当提示语要求列出判断依据时，结果更便于人工检查；当要求给出“总体结论”但不允许细分时，混合信息可能被误归入某一类别。学生通过对比能够发现，工具不是只需“一片空白地接收任务”，而是需要清晰的目标、分类规则和核验要求。教师及时汇总各组经验，形成一份全班共享的提示语设计要点：说明任务对象；给出分类标准；要求输出依据；限定结果格式；提示存在歧义时可标记待确认；避免诱导性表达；涉及敏感信息时先做匿名化处理。学生将这些要点补充进自己的学习手册，形成可迁移的实践策略。（六）难点突破：机器为什么会“看似合理却出错”教师选取小组中出现的典型误判作为共学材料。一条评论写道：“新窗口的菜价格便宜，排队也比以前短，只是可选菜品少一些，更适合赶时间的人。”如果工具将其标记为负面，教师带领学生回到原文逐句拆解：先列出优点，再列出不足，最后判断整体倾向。随后追问，工具为何可能受到“可选菜品少”这一否定词影响？如果训练材料中常见表达是“菜品少所以不满意”，模型可能作出类似联想；如果输入任务没有明确“需要比较优缺点”，输出也容易过于单一。教师用通俗方式解释文本智能分析的工作特点：它不是像人一样真正知道现场情况，而是基于已有语言规律、上下文线索和模型能力给出概率上较合理的答案。学生无需掌握复杂算法术语，但要理解“模型输出合理性”与“现实真实性”并不完全一样。教师强调，核验是人机协同中的必要环节，不是对人工智能的否定，而是对使用者专业判断和责任承担的体现。（七）拓展辨析：人工智能加工信息的边界在哪里教师再次组织短时讨论，提出三个问题。第一，能否把教师对学生的课堂表现描述直接输入公共智能平台？学生应考虑隐私保护与数据安全，得出“不宜直接输入，必要时先匿名化处理”的结论。第二，能不能完全依据智能分析结果形成学校管理决策？学生应认识到，工具可以辅助初步整理，却需要结合人工复核和多方信息。第三，工具生成的条理清晰建议是否可以直接署名发布？学生应明确，辅助写作不等于事实核实，发布前仍需标注、审校并对内容负责。教师把讨论结果凝练为三句话：能用的地方大胆用，涉及隐私的地方谨慎用，输出结果要负责地用。不同于抽象口号，学生的判断来自刚才亲手处理的例子，更容易形成稳定认知。此环节也为后续学习生成式人工智能、数据伦理和智能系统评价奠定价值基础。（八）课堂小结：把经验整理成可见规律学生和教师共同完成课堂知识图谱。图谱中心是“人工智能辅助信息加工”，向外延伸四个分支：任务表达、信息输入、结果判断与责任边界。任务表达包括目标清晰、规则明确、格式规范；信息输入包括材料真实、内容完整、隐私脱敏；结果判断包括对照原文、检查依据、识别误判；责任边界包括人工复核、合理使用、诚实标注。教师不要求学生背诵固定的“流程定义”，而是鼓励用自己的语言概括。例如：“我学会了先告诉工具要做什么，再检查它做得怎么样”；“人工智能能提高速度，但最后判断还得靠证据”；“提示语不是一句随口的话，而是任务说明书”。这些表达已经体现出从操作体验到方法意识的转变。（九）分层作业：从课堂任务走向真实应用基础作业：选择三条日常生活中的合法公开评论，自行设计提示语，完成情感倾向与主要观点分析，并附上一段人工核验说明。要求标注原始文本来源类型，不直接提交可识别个人身份的信息。提升作业：比较同一组材料分别采用模糊提示语与结构化提示语后的输出差异，写一份100字左右的改进报告，重点说明哪项改进最有效，为什么。挑战作业：围绕校园学习支持系统、图书借阅服务或班级活动反馈，设计一份小型调查任务，收集不超过20条真实但需匿名化处理的数据，使用智能工具完成初步整理，再形成含图表的分析简报。简报必须标明哪些部分由人工智能辅助完成，哪些结论由本人复核后确认。九、板书设计板书采用“流程+判断”双栏结构。左侧呈现一般流程：明确需求、准备材料、设计指令、执行分析、核验结果、修正输出。右侧呈现判断要点：原文是什么、依据在哪里、是否有歧义、是否涉及隐私、是否需要人工介入。下方保留一个动态更新区域，用于课堂中记录各组发现的误判规律和优秀提示语策略，使板书真正服务于学习活动的展开，而不是静态展示结论。十、学习评价设计评价采用过程性评价与表现性评价结合的方式。过程性评价关注学生是否积极参与工具使用、是否完整填写任务记录表、是否认真比对原文与输出结果；表现性评价关注最终报告是否体现需求分析、指令设计、证据核验和责任意识。优秀作品应做到问题清楚、步骤完整、判断有据、修正合理、表达规范。评价量规分为四个维度。第一维是任务理解，评价学生能否准确描述加工目标与分类要求；第二维是指令设计，评价提示语是否具体、结构化、可执行；第三维是结果核验，评价能否识别错误并用原文证据支撑观点；第四维是责任意识，评价能否保护隐私、注明来源并承担内