高中信息技术必修一人工智能及其应用复习教学设计

高中信息技术必修一人工智能及其应用复习教学设计本设计面向普通高中春季高考信息技术备考，对应必修一第六章“人工智能及其应用”。课时按两课时连排设计，每课时45分钟，中间以10分钟微任务衔接；若学校只能安排单课时，可将“模型体验”压缩为演示，把“备考迁移”留作课后闯关。教学定位不是重讲一遍新授课，而是把分散在感受人工智能、认识机器学习、理解数据与算法、辨析伦理风险、完成简单智能应用设计等内容重新织成一张可作答、可迁移、可反思的网。春招命题常把概念放在真实情境中考，学生容易把“人工智能很强大”挂在嘴边，却在题目问到“训练集与测试集为何要分开”“验证码属于哪类应用”“推荐系统可能带来什么偏差”时失分。本课以“能判断、会解释、敢质疑、可设计”为总线索，把教材知识转译成考场可调用的心智动作。一、教材与考向定位本章在必修一中处于“数据与计算”向“信息系统与社会”过渡的位置。前面学生已经接触数据采集、编码、算法初步与程序控制，本章要把这些经验抬升到智能系统层面：数据不再只是被处理的对象，还是模型形成的原料；算法不再只是确定步骤，还可能在统计规律中生成规则；系统不再只追求正确输出，还要面对误差、偏差、公平与安全。春招并不要求学生推导反向传播，也不要求背诵深度网络结构，但常要求识别应用类型、说明基本流程、比较人类智能与机器智能、判断某种自动化是否算人工智能、分析数据质量对结果的影响、提出一条可执行的伦理改进建议。备考中应抓住四条高频线。第一条是概念边界：人工智能、机器学习、深度学习三者不能画等号，符号主义与连接主义只作常识性区分，重点是“规则由人给出”与“规律从数据中学出”的差异。第二条是流程链条：提出问题、采集数据、清洗标注、划分数据集、训练模型、评估调优、部署应用、持续监测。题目常在其中挖空，学生要能补出缺失环节并说明理由。第三条是评价指标：准确率、召回率、误报与漏报在不同场景代价不同，医疗筛查重漏报代价，垃圾邮件过滤重误伤体验，门禁识别还要考虑民族、年龄、光照条件下的公平性。第四条是社会影响：便利与风险同生，个人信息保护、算法歧视、深度伪造、责任归属、就业结构调整，都要落到具体行为建议，不写空泛口号。二、学情研判高三春招班学生对人工智能有生活经验：刷短视频被推荐、拍照识花、语音转文字、导航预测到达时间、网购“猜你喜欢”。经验带来亲近感，也带来误判。常见问题有三类。其一是把“自动”等同“智能”，例如认为定时浇水装置已具备人工智能；其二是把“准确率高”等同“可用”，忽略样本偏差与场景变化；其三是在开放题里语言漂浮，能写“保护隐私”，写不出“采集前告知目的、最小必要采集、脱敏存储、设置保留期限、提供删除入口”。此外，部分学生计算基础薄弱，对“训练误差低而测试误差高”只会背“过拟合”三个字，不能结合例子解释“模型记住了噪声而非规律”。教学要照顾两类学生：基础薄弱者需要可套用的判断句式，如“先问目标是否明确，再问数据是否代表真实场景，后问错误代价由谁承担”；学有余力者需要台阶进入迁移任务，如比较两套校园考勤方案并给出风险评估。课堂语言必须少术语堆砌，多可检验动作：圈出题干中的对象、数据、任务、评价；在选项旁写“识别、生成、决策、控制”的功能类别；把伦理担忧改写成“谁受损、因何受损、怎样降低”。三、教学目标知识目标：学生能说出人工智能的核心特征，区分规则驱动与数据驱动，列举感知智能、认知智能、决策与控制在生活中的对应实例；能按顺序复述智能应用开发的基本流程，指出每步常见失误；能解释训练集、验证集、测试集的分工，理解准确率不足以单独评价模型。能力目标：学生能从一道情境题中抽取任务类型、数据来源、输出结果与评价方式；能用少量语句完成“判断—依据—风险—建议”的作答结构；能对熟悉的应用提出一处可实现的改进，如为校园图书推荐加入“新颖度”约束，为语音听写设置方言补充样本。素养目标：学生形成对智能技术的审慎态度，不神化也不污名化；在讨论人脸识别、学情画像、作文自动评分时，能把效率、公平、尊严、安全放在同一张桌上权衡；意识到技术方案背后有价值排序，写下一条自己会遵守的使用边界。四、重点难点与突破路径重点是“流程与判断”：智能系统怎样从问题到数据再到模型与应用，考场怎样快速识别考的是哪一环。难点是“评价与伦理”：同样九成准确率，在不同场景可能一优一劣；同一项技术，在便利与侵害之间只隔一层授权。突破不用讲授加时，而用三枚“锚件”。锚件一是对比卡：左侧“恒温箱超过28摄氏度启动风扇”，右侧“根据历史天气、土壤湿度和作物长势预测明日浇水量”，学生用色笔标出规则、数据、概率输出，直观看到自动化与机器学习的分界。锚件二是错题切片：把三道往届模拟题切成题干、陷阱、正解、迁移四栏，课堂只追“陷阱为什么诱人”。锚件三是风险账本：每个智能应用都记四笔账，省了什么、耗了什么、误判谁、泄露何物，写成短句，开放题自然有骨。五、教学资源与前置任务资源坚持低门槛高思维。硬件可用手边的计算机教室或普通教室加投屏；若不能联网，教师预置离线材料：三张应用截图、两组小规模数据表、一份模型评估简表、六张伦理情境卡。软件不必追新，能展示分类演示即可，表格软件足以完成“手写规则识别天气建议”的小实验。前置任务在上课前一天布置：学生记录自己24小时内遇到的三个“疑似人工智能”场景，写清输入是什么、输出是什么、自己是否被询问过授权；再从教材第六章找出三个最容易混的概念，各举一个生活例。课堂不检查“找得全不全”，而抽查“例子是否足以区分概念”。六、教学过程环节一，入场定标，8分钟。黑板只写一句：“会用的也会错，会错的要会评。”学生把前置任务中的一个场景贴到黑板四区：感知识别、预测推荐、自然语言、控制执行。教师不命名正确区，只问三件小事：它看见了什么，它输出了什么，它错一次会怎样。一名学生说“小区门禁认出人脸”，输入是摄像头画面与底库特征，输出是开或不开，错一次可能把住户关在门外或放进陌生人；另一名学生说“音乐日推”，输入是播放、跳过、收藏，输出是下一首歌，错一次只是体验下降。教师顺势把两类后果写在旁边：安全型错误与体验型错误。此刻不展开理论，只让全班意识到：评价智能系统先看错误落在谁身上。座位单收到一张“判断尺”，印有四问：目标是识别、生成、预测还是控制？数据来自哪里，是否足够像真实使用？结果如何评价，漏掉与错杀哪个更贵？系统出错后，人能否纠正？这把尺贯穿全课。环节二，概念回炉，12分钟。教师投出四个句子：A“按照空气质量指数分档触发新风”；B“从十万条历史工单中归纳故障征兆”；C“把朗读音频转成文字”；D“根据课文自动生成三道辨析题”。学生不举手，改成在句旁写“规则、学习、感知、生成”中的一个或两个词。统计后分歧集中在A与B：A像智能却因为阈值由人设定而归入自动控制，B没有拟人外形却因规律来自样本而归入机器学习。教师把共识压成两行板书：人工智能看任务是否涉及感知、理解、决策、学习等能力；机器学习常见特征是以样本改进表现，而非把每种情形都写死。深度学习只点到：它常在图像、语音、文本中自动抽取层次特征，算机器学习的一支，考试遇到不必展开网络层数，能说明“数据量大、特征不一定人工设计、算力需求高”即可。此处安排30秒快问：验证码选红绿灯是不是训练，用户点选同时也在产生标注，为什么平台要控制题目难度？学生用一句话答“既挡机器，又不把人逼退，还持续获得带答案样本”，概念便从静态定义转入动态机制。环节三，流程建模，18分钟。以“校园食堂菜品满意度预测”为假想项目，全班一起走流程，走得不顺处正是考点。教师给出原始材料：两周消费记录、窗口排队时长、菜品剩余量、天气、是否考试周、30份手写意见。学生分组把材料拖入流程格：问题定义、数据可得性、清洗标注、划分数据、选择模型、训练、评估、上线、复核。争议点很快出现：有组想把“满意度”直接用消费次数代表，另一组反对，理由是便宜菜被高估，口味重但价格高的菜被低估；有组把手写意见全删除，另一组指出少量文本正能解释“分量足但仍差评”的原因。教师不评判立场，要求每组写出一个可检验改进：给满意度设置多维量表，价格敏感度单独记录；意见文本先抽样人工标注，再看能否训练情绪倾向；把考试周单独建特征，避免把紧张期的排队焦躁误记为菜品质量。流程中的数据集划分用一小盒棋子做类比。黑子代表正常评价，白子代表异常评价，若前十颗黑后十颗白依次取出，训练集会蒙住模型；洗牌后再分，才接近真实分布。学生口述分工：训练集负责“学”，验证集负责“调参和选择”，测试集只能在最后碰一次，像正式考试不能边考边改答案。教师在旁补一句考点化表达：划分不是礼节，是为估计未见过数据上的表现；若把测试集反复用于挑选模型，分数会虚高。接着给出指标小题：100份反馈中系统判对88份，准确率是88÷100；但它把12条强烈投诉误判成满意，若投诉漏报代价高，这个88%并不体面。学生计算召回方向：投诉共20条，找出15条，召回为15÷20；再讨论为何不能无限提高敏感度，因为正常评价被误拦会增加人工复核。公式以文本呈现：满意度识别召回率=被找出的真实投诉数÷真实投诉总数。学生看到指标不是背名词，而是在保护某个具体的人。环节四，模型体验，20分钟。不追求训练真实网络，改做“人肉特征工程”。每组拿到24张校园天气决策卡，字段有温度、湿度、风速、云量、昨日降水、活动类型，标签为是否适合室外大课间。要求组内先写三条人工规则，再只看数据修正规则，最后在隐藏6张卡上测试。多数组第一次规则类似“温度高于26且无雨则适合”，测试时被“湿度高、风速低、云量少却闷热”的样本击中；有组把“昨日降水”纳入，解释了塑胶场地湿滑但体感不错的反例。教师收束到三点：特征选错，模型再巧也徒劳；规则过细会背题般套住旧样本；留一手从不参与制定的卡，才能知道规则是否敢见新天。此节语言保持朴素，学生却能感到“泛化”“过拟合”“特征工程”不再抽象。若时间紧，隐藏卡减为3张，保留“先用直觉、再用数据打脸”的节奏。体验后接入真实应用辨认。屏幕依次出现语音输入、拍照搜题、作文批改建议、宿舍用电异常提醒、景区客流预测，学生用四问尺快速标注。拍照搜题引出边界讨论：识别题目字符是感知，匹配题库是检索与排序，若直接给答案，学习评价可能失真；作文批改建议涉及语言生成与价值判断，分数可以辅助，排名不宜独断；宿舍用电异常提醒可能发现违规电器，也可能把科研样机的正常峰值当危险，处置前必须留人工确认。每个应用只给60秒，训练学生在考场上迅速落笔“对象—依据—限度”。环节五，评价攻坚，15分钟。这一环节专治“会算率，不懂场景”。同一组数字换三张外衣。外衣一，课堂签到人脸识别，100人中识别正确95人，错误主要发生在戴口罩与侧光；外衣二，流行病初筛模型，100名受检者中实际患病10人，系统找出8人，却把30名健康者标为待复核；外衣三，广告点击预测，100次展示找对62次兴趣。学生分别写下“最不能接受的错误”与“可承受成本”。签到系统漏识学生，靠人工补签可修复，但误放陌生人进校不可接受；初筛宁可让健康者复核，也要压缩漏诊；广告错推只是打扰，透明度与关闭权更关键。教师把结论留白给学生填：准确率是一把小尺，风险是一张地图；尺量长度，图标出悬崖。随后给出作答句式，要求抄在错题本扉页：“本题评价对象是……；错误分为误报与漏报；在……情境中，……代价更高；故除准确率外还应看……，并设置……兜底。”句子朴素，能把散点收成结构。环节六，伦理与治理，20分钟。四张情境卡分到四角，学生流动阅读并在角落地贴写“受损者、机制、缓释”。卡一：招聘简历筛选把某类院校历史录取少误判为能力差；卡二：短视频推荐让多看争议内容的学生越走越窄；卡三：课堂专注度分析用抬头频率推定认真程度；卡四：社区独居老人呼救终端将呼吸音持续上传云端。讨论不做好人坏人对立，只追踪机制。简历筛选的坑在历史数据含着旧门槛，模型把偏见当规律；推荐系统的坑在目标函数偏爱停留时长，极端内容更黏人；专注度分析把外显行为当内在品质，容易惩罚安静思考者；呼救终端救急有功，持续上传却把卧室变成观察点。缓释要可落地：最小采集、目的限定、敏感属性隔离、离线优先、异常才上传、可申诉、可删除、周期审计、第三方抽查、高风险场景保留人工终裁。教师提醒，开放题别写“加强监管”四字收工，监管要落到“谁在什么时点看哪份日志，发现偏差后停哪功能，怎样通知受影响者”。此处安排一个小辩论，题签是“校园是否应使用情绪识别辅助心理预警”。正反各两分钟，反方常胜不是因为技术无用，而是因为他们更容易指出稳定边界：情绪识别只能触发关怀邀请，不得生成处分依据；结果不进综合素质档案；学生有权关闭而非被默认开启；异常提示须由心理教师复核；数据到期销毁。教师点评强调：春招开放题的高分并不靠立场激进，而靠边界清楚；能写出“可用在哪里、绝不用于哪里”的答案，比喊“谨慎使用”更有分。环节七，备考迁移，25分钟。进入整卷化操练，材料为三题分层。基础题像判断与选择，要求30秒一题，考概念边界；中档题给出智能垃圾分类箱投放数据，问训练前还要补哪类样本、为何晚间图像准确率下降、怎样设置误投放惩罚；挑战题要求为学校设计“图书漂流智能推荐”方案，120字内完成流程、指标与伦理。教师口令明确：基础题不解释，中档题写两行依据，挑战题必须出现“人工复核”和“退出机制”之一。巡查时看学生是否还写“提高技术水平”这类虚词，发现即令其改成动作：补充阴雨天样本、按年级分层抽样、把“借去未读”列为负反馈、每月抽样审查看是否只推畅销书。中档题讲评用“错题变形”而非逐句念答案。原题陷阱在“夜间识别差就换更贵摄像头”，学生改出四层：先查照明与角度，再补夜间标注样本，再按错误类型看是瓶罐混淆还是污损遮挡，最后若仍不足，把自动开门降为人工确认。变形追问：若错误集中在某品牌深色包装，可能是什么偏差？学生答“样本代表性不足，采集时光线与货架单一”，这比背“数据偏差”更近得分点。挑战题通过投影仪展示两份匿名答案，一份堆功能，一份写明“不给心理标签、可一键清空足迹、推荐列表固定保留两成非历史偏好”，全班投票哪份更像可上线系统。标准不是技术炫，而是出了事能否找到阀门。环节八，课堂收束与个别叮嘱，7分钟。收束不做颂扬，改用“三句带走”：看见自动化，先问规则是否写死；看见模型，先问数据像不像明天；看见便利，先问错误落在谁身上。学生把判断尺四问再缩成四词：任务、数据、代价、兜底，写在教材章页空白处。教师布置差异化出口卡：基础生完成10个概念配对与一道流程补全；中层生整理三道错题，按“题干对象—误判原因—正确抓手”重写；优生选做一份小研究，比较家里两款推荐应用在不同账号下的差异，只观察不破解，不抓取他人信息，写300字现象与边界。下课前留一个静默问题：当系统替你节省时间，它是否也替别人决定了你看见什么？不回答，带进作业。七、板书设计主板分为三区。左区标题“边界”：自动控制写死规则，机器学习从样本改规则，深度学习善处理图文声但费数据。中区标题“链条”：问题、数据、标注、划分、训练、评估、上线、回看；测试集只终考，验证集用来选路。右区标题“落点”：错误分误报漏报，代价看场景；伦理四笔账是省时、耗能、误判、泄露；高风险处留人工门。板书不追求花，保留可拍照复习的骨头；学生课后照着三栏能重建整章。八、评价设计过程评价看三件事：贴场景时是否说出输入输出；流程建模时是否为数据代表性争过一次；伦理卡上是否写出可执行缓释。结果评价用三档量规。达标：概念不混，流程顺序正确，能算准确率并指出其局限。良好：能结合场景选择指标，指出训练测试分离意义，建议中有人工复核。优秀：在陌生情境中识别隐含偏差，提出兼顾效率与权利的边界，语言短而可核验。开放题评分拒绝字数崇拜：出现对象、依据、风险、缓释、兜底各给分；空话如“科技是把双刃剑”不加分，除非后接“刃口指向谁、刀柄握在谁手”的具体说明。测验样例嵌入日常而非另起大考。例一：判断“酒店送餐机器人沿固定轨道避让障碍属于强人工智能”，正解为错，理由落在环境感知有限、任务单域、不能迁移到新目标。例二：某识花软件春季准确率高、秋季大叶枯黄时误判增多，问最可能原因，期待答案是样本季节覆盖不足与目标外观漂移，而非“算法不行”。例三：为学校出入管理提两条边界，接受答案如“访客临时人脸当日删除”“识别失败必须转人工且不得累计负面记录”。这些题目不求偏难怪，而求每一问都能回扣教学主线。九、作业与延伸作业分三层且不越隐私红线。巩固层：完成概念地图，节点不超过八个，连线必须标注关系词，如“属于、依赖、评估、制约”。应用层：选择一个家用智能功能，记录三天的三次错误，给每次错误归类为感知环境变化、数据样本不足、目标设定偏差、交互提示不清；不得上传家人正脸与语音原文件，只用文字描述。挑战层：设计“操场拥挤度提示”最小方案，限定只采集入口计数与时段，不做人脸识别；写出推出前要问校方的五个问题，例如计数误差在雨天如何校准、保留多长时间、是否用于评价班级纪律、学生能否查看汇总口径、系统误报时广播如何致歉。提交物强调可审查，凡是需要“偷偷记下同学行为”的做法一律不合格。延伸阅读不列链接，只给方向：教材中信息系统社会责任章节、个人信息保护相关法律的常识条款、学校信息化管理制度中的数据审批表。鼓励学生读制度胜过读神话；一项技术能否进校园，常取决于申报表上“保存期限、访问权限、应急预案”三栏能否填清。十、不同课时的弹性处理若只有一课时，删除模型体验中的隐藏卡，保留“人工规则被数据修正”的最短循环；伦理四卡减为两卡，必须保留一个高风险安全场景与一个高频低危推荐场景，用对比撑起评价观。若有三课时，第三课时做小型试卷手术：不讲新知，把学生近期错题按“概念边界、流程缺口、指标误用、伦理空泛”分成四堆，每堆配一名小组长领修，修的标准是把答案改成能交给非专业教师看懂的话。机房条件不足时，所有训练改为纸面数据表；关键不在屏幕，而在学生亲手把样本从一个框挪到另一个框，感到分布一变、结论就晃。对春招生的补差给“随身错词表”：把“人工智能等于机器人、深度学习一定更准、数据越多越公正、自动化就是智能化、准确率高可上线”列为高危句；每句后写半句纠正，如“数据多可能偏见也更齐”。对培优生给“追加一问”：所有方案必问退出成本，推荐系统能否冷启动但不追踪儿童，考勤系统能否在疫情后降级为刷卡，模型提供者更换时历史数据如何迁移。春招未必考这么深，深度能反哺表达稳定。十一、教学风险与应对最大的课堂风险是谈伦理变成喊口号，或谈技术陷入名词雨。应对靠“案例先于名词、动作先于评价”。当学生说“要保护隐私”，教师追问“少收哪一