高中信息技术必修一6.1认识人工智能教学设计-高一AI感知探究课

高中信息技术必修一6.1认识人工智能教学设计——高一AI感知探究课一、教学设计的立意起点本课选自粤教版高中信息技术必修一《数据与计算》第六章第一节，是整本教材由"数据处理"走向"智能计算"的转折点，也是学生第一次以学科视角而非生活经验视角去审视人工智能。高一学生对人工智能并不陌生，他们每天被推荐算法包围，刷脸进校、拍照搜题、语音助手随口可用，但"用得到"不等于"懂得起"。多数学生头脑中的AI形象停留在科幻电影或短视频渲染的层面，要么神化为无所不能，要么矮化为聊天玩具。本课设计的根本任务，就是把这种混沌的感性认知拆解重组，帮助学生建立"人工智能是模拟、延伸和扩展人类智能的技术体系"这一学科化理解，并为后续机器学习的符号学习埋下伏笔。二、课标依据与学情诊断课标对本模块的学业要求是：通过对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。据此，本课不承担编程实现AI的任务，而承担"概念建构、体验辨析、伦理启蒙"三重使命。学情方面，学生在第五章已经历数据采集、编码与可视化表达的完整训练，具备"数据驱动"的初步意识，这是理解"人工智能为何依赖大数据"的认知锚点。不利因素在于：学生的知识来自碎片化的网络信息，存在"AI就是机器人""AI会思考""AI很快取代人类"三类典型迷思，教学设计必须以具身体验和认知冲突予以纠正。三、教学目标定位信息意识维度：学生能够列举人工智能在感知、认知、决策层面的典型应用，判断生活场景中哪些属于真正的AI系统，哪些只是自动化程序的伪装，形成辨别"智能"与"伪智能"的直觉。计算思维维度：学生能够用"输入数据、模型处理、输出结果"的框架描述一个AI系统的工作过程，初步理解人工智能从"人工规则"走向"数据驱动"的范式转变，能把"下陷井棋的专家系统"与"自学习的图像识别"区分开来。数字化学习与创新维度：学生能够规范使用生成式AI工具完成一次有明确的任务指令、过程追问、结果校验的探究活动，体会"会提问比会答题更重要"。信息社会责任维度：学生能够结合AI换脸、信息茧房、算法歧视等真实案例，讨论技术能力与伦理边界的关系，初步形成"能力越强、责任越大"的技术价值观。四、教学重难点及突破策略重点：人工智能的概念内涵及其在信息社会中的典型应用。难点：理解"数据驱动"与"规则驱动"两种实现路径的本质差异，破除"AI像人一样思考"的迷思。突破策略是让学生在课堂中亲手制造一次"AI失败"——用对抗样本或刁钻问题让识图AI、对话AI出错，从失败现象反推机器智能的机制局限，这比任何讲解都更有穿透力。五、教学方法与资源准备采用情境体验法、问题链驱动法、小组辩论法相结合。课前准备：机房联网环境，教师提前在国产大模型平台创建班级体验账号；准备三组素材，包括AlphaGo对弈片段剪辑、AI识别"斑马线与巴士广告"出错的经典图片、某地AI监考误判考生作弊的新闻报道；设计学习单四张，分别对应"感知、探究、对比、思辨"四个环节。六、教学过程环节一：情境导入——一场人机对话的真假之辨（约7分钟）上课伊始，教师大屏幕投放两段文字对话，一段来自真人客服，一段来自AI客服，均围绕"快递丢失如何处理"展开。学生投票判断哪段是AI所写。结果揭晓时故意制造意外：得票最高的"AI候选"其实是真人。教师顺势追问：我们凭什么判断一段语言背后是不是机器？判断的依据是相似性还是本质？由此引出本课核心问题：什么是人工智能，机器拥有智能的边界在哪里。这一设计的意图在于用一次判断失误激活学生的元认知——你以为你认识AI，其实你并不认识。环节二：概念建构——从"涌现的体验"到"严谨的定义"（约10分钟）教师不直接给出定义，而是让学生先在学习单上写下自己心中的AI定义，随后展示三则材料：1956年达特茅斯会议的历史场景、教材中人工智能的学科定义、阿尔法元从零开始自学围棋三天战胜前辈的经过。学生对照修正自己的定义，小组提炼出AI的三个关键词：模拟人类智能、依赖计算系统、能够完成需要智能才能完成的任务。教师补充人工智能诞生与发展的三次浪潮与两次低谷，重点讲清楚一个事实：每一次寒冬都源于"承诺超出能力"，每一次复苏都源于"算力、数据、算法的共振"。学生在历史脉络中理解：今天的AI热潮不是凭空而来，而是三次技术要素同时成熟的产物。环节三：具身探究——让AI在你面前"翻车"（约12分钟）这是本课的高潮环节。各小组领取探究任务：第一组向图像识别工具投喂经过裁剪、遮挡、翻转的日常物品照片，记录识别成功率的变化曲线；第二组向对话AI连续追问一个它容易"一本正经地胡说八道"的冷门问题，如编造一位不存在的历史人物并要求其评价，观察AI是否虚构事实；第三组用带有方言口音和背景噪声的语音测试语音识别系统的容错边界。每组填写探究记录表，回答三个问题：AI做对了什么？做错了什么？你推测它为什么会错？汇报环节教师追问到底：图像识别为什么认不出侧放的椅子？因为它没有"看见"椅子，它只是在比对像素统计特征。对话AI为什么虚构人物？因为它生成的是"最像答案的文字序列"，而不是"经过求证的事实"。由此，学生在亲历失败的基础上自然得出本课最关键的理解：当前AI本质上是强大的模式匹配与统计推理系统，它没有意识、没有理解、没有常识意义上的"懂"。教师板书这一结论并强调：知道AI会怎么错，比知道AI能做什么，更接近智能的真相。环节四：对比辨析——两条技术路线的正面交锋（约8分钟）教师呈现两个微型案例的伪代码逻辑：案例甲是公司考勤系统，"若人脸匹配度大于阈值则放行"，整条规则由工程师手写；案例乙是垃圾邮件过滤器，工程师不提供规则，只提供十万封标注好的邮件，让程序自行总结特征。学生完成任务：指出二者的决策依据分别来自哪里，若环境变化（员工戴口罩、垃圾邮件改头换面），哪个系统更容易失效，更新代价谁更高。讨论后师生共同建构认知框架：符号主义路线由人赋予规则，透明可控但僵化；连接主义与数据驱动路线由机器归纳规律，灵活强大但像黑箱、依赖数据质量。教师点明：今天大放异彩的深度学习属于后者，这就是"数据是新时代的燃料"这一判断的技术根源，也与第五章所学数据处理知识形成呼应。环节五：伦理思辨——能力越强，边界越要清楚（约6分钟）教师播放AI换脸诈骗新闻速览，抛出辩论题：AI技术本身没有善恶，是否意味着开发者无需为滥用负责。正反双方各陈词一分钟，教师不评判胜负，而是引导学生把争论沉淀为三条基本共识：其一，数据采集须尊重知情与授权；其二，AI生成内容应当可被识别与追溯；其三，关键决策场景必须保留人的最终判断权。教师补充我国新一代人工智能治理原则中"发展负责任的人工智能"的导向，使学生意识到伦理不是技术的对立面，而是技术行稳致远的护栏。环节六：总结升华与分层作业（约2分钟）师生共同回顾本课的认知路径：从"辨不清AI"到"说得清概念"，从"看得见应用"到"拆得开机制"，从"惊叹能力"到"审视边界"。教师以一句话收束：认识人工智能，最终是为了认识人类自己智能的独特价值，以及人与机器协作的未来位置。分层作业设计：基础层，绘制一张"我的一天与AI相遇地图"，标注至少五个AI应用场景并判断其技术类型；提高层，撰写三百字微评论《如果让AI批改我的作文》，须包含一个支持理由与一个反对理由；挑战层，尝试用课堂上学到的"对抗思维"设计一个让校园AI系统出错的测试方案，并说明该方案对改进系统的价值。七、板书设计主板书以一棵"智能之树"呈现：树根为算力、数据、算法三大支柱，树干为人工智能概念的界定，两个主枝分别为规则驱动与数据驱动两条路线，树冠挂满感知智能、认知智能的应用果实，树旁立一块警示牌，书写伦理与责任。副板书动态记录环节三中学生发现的"AI失败清单"，作为最鲜活的课堂生成资源。八、教学评价设计评价贯穿全程且指向素养。过程性评价关注三张学习单的完成质量，重点看探究记录中"推测出错原因"一栏是否超越了"它不够聪明"的浅层表述；表现性评价聚焦辩论环节中论据的真实性与逻辑性；结果性评价依托分层作业的完成度，尤其看重挑战层方案中体现的批判性思维。评价主体上引入小组互评与自我反思，让学生在评价他人辨析质量的过程中再次锤炼自己的辨析标准。九、教学预设与反思要点本课最大的不确定性在于联网AI工具的现场表现，教师须准备离线素材包作为预案，确保工具失效时探究环节可用预设的对照数据替代。其次，环节三