高中信息技术选择性必修《智能+X：推动社会进步》教学设计

高中信息技术选择性必修《智能+X：推动社会进步》教学设计一、课标定位与教材分析本课选自浙教版高中信息技术选择性必修模块《人工智能初步》第四章第一节。课程标准对本模块的要求是：学生应了解人工智能的发展历程、典型应用及其对社会生产生活的深刻影响，能够辩证分析智能技术带来的机遇与挑战，形成正确的技术价值观和社会责任感。本节内容处于全书的收束位置，既是对前面知识与推理、搜索求解、机器学习等技术原理的应用升华，也是引导学生从技术学习者转向技术思考者的关键一课。教材以"智能+X"组织内容，即智能技术与制造、医疗、交通、教育、农业等行业深度融合所产生的变革。这里的"X"不是点缀，而是学生理解技术价值的入口。若只教技术名词，课堂会沦为术语的罗列；若只谈社会现象，又会流于泛泛的时事评论。本课设计的核心策略是：以一个真实的行业改造任务为载体，让学生带着前面学过的算法知识去解剖"智能+X"项目的运行机理，并在解剖过程中自然触达伦理、就业、安全等社会议题，实现知识、能力与价值观的统一。二、学情分析授课对象为高二年级选修本模块的学生。从知识储备看，学生已学习过Python基础、数据采集与处理、简单机器学习模型（如k近邻、决策树）的体验性实践，具备"训练数据—模型—预测"的基本认知框架。从生活经验看，学生是移动支付、短视频推荐、外卖配送的深度使用者，对智能应用有丰富的感性体验，但这种体验多为消费端视角，缺乏对技术背后行业逻辑的理解。学情中的三个难点需要正视。其一，学生容易将"智能"神秘化，认为人工智能无所不能，需要破除技术万能论；其二，学生对"社会进步"的理解停留在便利层面，对技术替代就业、算法偏见等隐性代价缺乏感知；其三，部分学生编程基础薄弱，教学设计必须提供分层任务，避免实践环节成为少数人的表演。三、教学目标信息意识：能从新闻、生活场景中识别"智能+X"应用的典型案例，说出其解决的核心问题与传统方案的差异。计算思维：能以"数据输入—模型处理—决策输出—反馈优化"的链条分析一个智能系统的运行机理，绘制其工作流程图。数字化学习与创新：能借助开源平台或教师提供的半成品程序，完成一个小型智能分类/预测实验，并对结果进行评估与解释。信息社会责任：能就智能技术带来的就业结构变化、隐私风险、算法公平等问题表达有依据的观点，初步形成负责任使用技术的态度。四、教学重点与难点教学重点：理解"智能+X"模式中技术要素与行业需求结合的逻辑；能够解剖一个智能应用系统的工作链条。教学难点：辩证认识智能技术推动社会进步的双重效应，避免技术万能论与技术恐惧论两种极端；将前面学过的机器学习原理迁移到真实行业情境中解释现象。五、教学策略与资源准备本课采用"情境驱动—模型解剖—动手验证—价值思辨"的四段式教学结构，总课时为两课时连排（每课时45分钟）。课前准备：1.教师搭建好三个体验站点的半成品程序：智能分拣图像识别演示（预训练模型）、基于历史数据的用量预测小实验（提供数据集与代码框架）、语音交互体验接口。2.每组平板电脑或机房一人一机，安装好编程环境，数据集提前下发。3.准备三组行业案例素材包：智慧医疗影像辅助诊断、智能制造质检产线、城市智慧交通信号控制，每组素材包含背景介绍、数据来源说明、典型问题清单。4.设计学习单，包含任务记录表、流程图绘制区、思辨讨论观点记录区。六、教学过程（一）情境导入：一张CT片引发的讨论（约8分钟）上课伊始，教师不讲概念，先投放一段两分钟的真实情境视频：某县医院放射科医生一天需要阅片数百份，引入智能辅助诊断系统后，系统先行筛出疑似结节影像并标注位置，医生的工作效率提升，漏诊率下降。教师顺势抛出三个问题：系统替医生做了什么？它没有替医生做什么？如果系统判断错了，责任算谁的？学生自由发言，教师只在黑板上记录关键词，不做评判。三个问题分别对应本节的三条线：技术功能线（能做什么）、技术边界线（不能做什么）、社会责任线（出错怎么办）。教师点明：今天我们不当系统的使用者，而是当解剖师和评审员，拆解像这样"智能+医疗"的系统。设计意图：用单一行业的强情境聚拢注意力，三个问题的层级恰好覆盖本课三个维度的目标，为后续探究建立认知支架。（二）概念建构：什么是"智能+X"（约7分钟）教师引导学生从刚才的案例中反向归纳。智能辅助诊断系统的本质是什么？学生在教师追问下逐步拼出链条：大量标注好的医学影像数据是原料，机器学习模型从数据中学习病灶特征是加工过程，输出疑似区域的概率判断是产品，医生采纳与否形成反馈并持续优化模型。教师板书通用链条：数据输入→特征学习/模型推理→辅助决策→人在回路→反馈迭代。随后给出界定："智能+X"即人工智能技术体系与某一行业（X）的深度融合，其标志不是简单地把电脑搬进车间或诊室，而是用数据驱动的智能模型重构该行业原有的工作流程。此处组织一次快速对比辨析，防止概念泛化：医院给病人发就诊短信提醒算不算"智能+医疗"？网上挂号平台算不算？学生讨论后明确：信息化不等于智能化，区别在于是否存在基于数据学习的预测与决策环节。这一辨析是概念精确化的关键一跳，避免学生把一切数字化手段都装进"智能+X"的筐里。（三）分组解剖：三条行业线的项目化探究（约20分钟）全班分为三大组，每组领取一个案例素材包。A组任务（智能+制造）：某空调厂质检产线过去靠人工目检电路板焊点，漏检率高且工人易疲劳。引入视觉检测系统后，摄像头拍摄电路板图像，模型判断焊点是否合格并驱动机械臂剔除次品。学生需要完成：在素材包中找出数据来自哪里、模型输出意味着什么、误检和漏检哪一种代价更高、为什么系统仍保留人工抽检岗位。B组任务（智能+交通）：某城市在主干道部署智能信号控制系统，路口摄像头与地磁传感器实时采集车流量，模型动态调整红绿灯时长，高峰期通行效率提升。学生需要回答：该系统和我们学过的哪些算法思想有关？为什么简单的定时配时被取代？极端天气导致传感器数据异常时系统可能出什么状况？C组任务（智能+医疗）：延续导入案例深入解剖，重点探究训练数据的来源与标注成本、模型给出的是结论还是概率、为什么规定系统只作辅助而最终签字权在医生。三组任务的设计暗藏统一骨架：每个案例都必须回答数据来源、模型作用、人机分工、失效场景四个问题。教师巡视指导，对进度慢的小组用"假如没有传感器""假如训练图片全是白天拍的"这类反问句点拨，而不是直接给答案。探究结束后，每组用两分钟汇报，并在黑板的共用表里填写各自案例的四格答案。学生会发现：三个行业天差地别，解剖出的骨架却惊人一致——这就是"智能+X"的方法论内核。迁移由此发生。（四）动手验证：一个微型智能实验（约20分钟）理解了骨架，还要摸一摸血肉。本环节安排分层实操。基础层任务（全体必做）：教师提供一份某园区每日用电量的历史数据（含日期、气温、是否工作日、用电量四列），以及一份留有空的Python代码框架。学生的任务是补全三处关键代码：划分训练集与测试集、调用库函数训练预测模型、输出预测误差。代码总量不超过十五行，框架注释已示意每一步的作用。运行成功后，学生用模型预测下周一的用电量，并记录预测值与真实值的偏差。提高层任务（学有余力者选做）：更换模型参数或换用另一种算法（如从线性回归换成决策树回归），比较哪一个模型预测更准，并尝试解释原因。教师在此环节要盯住的并非代码对错，而是三个认知落点：第一，让学生说出"模型是用历史数据喂出来的"，呼应前面"数据是原料"的论断；第二，引导学生观察预测误差永远不为零，理解智能系统输出的是概率性判断而非真理，这为后面的辩证讨论埋下伏笔；第三，请完成实验的学生回答一个问题——这个小小的用电预测模型，如果是电网公司在用，它属于"智能+什么"？学生自然答出"智能+能源"，完成从模仿到归属判断的跃迁。对于编程基础确实薄弱的学生，教师提供"观察员"角色卡：可以不写代码，但须全程记录同桌的操作步骤、运行结果与报错处理过程，并在汇报时讲解实验结论。分层不等于放弃，角色不同，思维要求一致。（五）价值思辨：进步的另一面（约20分钟）这是本课的高潮与重心。教师在黑板上写下一句话：智能技术推动社会进步，这句话完整吗？教师依次投放三则材料，组织观点交锋。材料一：某物流企业上线智能分拣系统后，分拣中心用工从三百人降到四十人，被替代的多为中年女工。讨论问题：效率提升是进步，那这二百六十人的安置问题，是技术的问题还是社会的问题？材料二：某地求职者发现招聘平台的简历筛选模型对女性简历的评分系统性偏低，原因是历史招聘数据中男性录用率更高，模型忠实地"学"会了偏见。讨论问题：算法是中立的吗？偏见来自机器还是来自数据背后的历史？材料三：智能音箱长期监听家庭环境音以等待唤醒词，厂商声称数据匿名处理，但曾发生语音片段被外包审核人员听到的案例。讨论问题：便利与隐私的交换，边界应该由谁划定？思辨采用"观点—证据—修正"三步规则：学生表达观点时必须引用本课探究过的案例或实验作为证据，听取他人反驳后允许修正自己的观点并说明理由。教师控制节奏，确保讨论不滑向情绪宣泄，始终把落点拉回技术层面：偏见可以通过数据清洗和公平性约束缓解，失业可以通过再培训和岗位结构调整缓冲，隐私可以通过本地计算和严格授权保护——技术的问题需要技术与社会治理的双重努力。最后师生共同修正黑板上的那句话，形成共识表述：智能技术为社会进步提供了强大动力，但进步不会自动发生，它取决于数据的质量、模型的边界、制度的约束和人的选择。板书保留"智能+X"链条图与这句共识，构成本课的完整认知图景。（六）总结提升与作业布置（约15分钟）总结不走寻常路。教师请学生完成一次"概念迁移速写"：从"智能+农业""智能+教育""智能+养老"中任选一个，用课上的四问骨架（数据、模型、人机分工、失效场景）在五分钟内搭出一个设想的应用方案，写在便签纸上贴到公告板。教师选取三张有代表性的进行现场点评，重点关注学生是否意识到数据获取的可行性与伦理限制。课后作业分两层。基础作业：采访一位家长或社区工作者，记录其工作中哪些环节已被智能技术改变、哪些环节他们认为不应被机器替代，写出三百字访谈纪要。拓展作业：查阅我国关于算法治理、生成式人工智能管理的相关规定，为今天实验中"用电预测模型如果用于居民电费定价"写一份简短的风险提示。两项作业一个走向生活，一个走向政策，延续课堂的双线结构。七、板书设计主板书区居中呈现核心链条：数据输入→模型学习→辅助决策→人在回路→反馈迭代。上方书写课题"智能+X：推动社会进步"，下方记录三条行业案例的四格解剖表。副板书区记录课堂生成性内容：导入环节的三个原始问题、思辨环节修正后的共识表述。板书随教学进程逐步生成，体现知识建构的过程性。八、教学评价设计过程性评价占主体。概念理解通过辨析环节的口头作答评价；案例解剖通过小组填写的四格表与汇报质量评价；实验环节通过学习单上的代码补全、预测结果与误差解释评价；思辨环节依据"观点—证据—修正"规则记录学生的论证质量。终结性评价依托课后作业，访谈纪要看信息收集与社会观察能力，风险提示看责任意识的达成度。评价标准事前以学习单量规形式告知学生，做到教学评一致。九、教学特色与预设反思本设计的三处用心值得在教研中讨论。其一，以"四问骨架"贯穿多行业案例，把学知识点升级为学方法，回应了新课标对学科大概念的追求。其二，动手实验有意设计成"小切口、真模型"，用十五行代码撬动对智能本质的理解，避免