高中信息技术必修1人工智能及其应用单元教学设计

高中信息技术必修1人工智能及其应用单元教学设计本教学设计面向高中一年级学生，对应粤教版（2019）高中信息技术必修1《数据与计算》第六章"人工智能及其应用"。本章是全书的收束章节，承载着从"会用技术"走向"理解技术、审视技术"的育人跃升任务。学生此前已经历数据、算法、程序设计的完整学习链条，具备了用计算思维解决问题的初步经验，本章要回答的核心问题是：机器为何会"思考"，智能从何处来，人应当如何与智能共处。一、教材分析本章教材沿"认识人工智能—剖析典型应用—体验智能工具—反思社会影响"的逻辑展开，内容涵盖人工智能的概念与发展历程、专家系统与机器学习的基本原理、智能信息处理工具的使用、人工智能对社会生活的深刻影响。与前五章的关系是承上启下：数据采集与编码是智能的原料，算法与程序是智能的骨架，本章则让学生看到数据、算法、算力三者汇合之后迸发的力量。教材处理的难点在于"度"的把握。讲浅了，学生停留在"会聊天、会下棋"的猎奇层面；讲深了，涉及神经网络、梯度下降等数学内容，超出必修要求。因此本设计确立的处理策略是：原理层面讲"思想"不讲"公式"，应用层面讲"机制"不讲"操作"，价值层面讲"思辨"不讲"结论"，让学生在可感、可做的活动中建构对人工智能的整体认识。二、学情分析授课对象为高一年级学生。此前问卷显示，九成以上学生使用过语音助手、拍照搜题、短视频推荐等智能应用，近半数学生接触过生成式人工智能工具，但能说出其背后原理的学生不足百分之五。学生普遍存在三类认识偏差：一是把人工智能等同于机器人，将其具象化为"人形机器"；二是把智能神秘化，认为机器拥有类似人的意识；三是把智能万能化，认为人工智能"什么都会、永远正确"。学生的已有经验是宝贵的教学资源。他们刚学完用Python处理数据、设计算法解决问题，具备从"数据—算法—结果"链条理解机器行为的基础。教师应顺势引导：机器下棋的"聪明"，本质上是搜索与评估算法的执行；推荐系统的"懂你"，本质上是数据画像与相似度计算的结果。破除神秘感的过程，正是理性确立的过程。三、教学目标信息意识方面，学生能够主动识别日常场景中的人工智能应用，感知数据质量对智能系统表现的制约作用，形成对智能技术既敏感又审慎的态度。计算思维方面，学生能够用"数据、算法、算力"三要素框架分析典型智能应用的工作原理，能用流程图描述机器学习"训练—测试—应用"的基本过程，能针对一个真实问题提出应用人工智能的初步解决方案。数字化学习与创新方面，学生能够选择并使用至少一种智能工具（如文字识别、语音识别、图像分类体验平台）完成学习任务，能对比人工处理与机器处理的效率差异并做出合理解释。信息社会责任方面，学生能够围绕算法偏见、隐私保护、就业冲击、生成内容的真实性等议题展开有理有据的讨论，初步形成"善用而不滥用、发展而不失控"的技术伦理观。四、教学重点与难点教学重点是理解人工智能的基本概念及其在不同领域的典型应用，能够剖析智能系统工作的一般过程。教学难点有两个。其一是理解"机器学习是让机器从数据中归纳规律，而非人把规则逐条写进去"这一核心思想，这与学生此前学习的"程序员写好全部指令、程序照做"的经验形成认知冲突。其二是引导学生对人工智能的双刃剑效应形成辩证认识，避免盲目乐观或一概排斥。五、教学方法与教学环境教学方法采用情境体验法、问题驱动法、小组合作探究法与辩论活动法相结合。教学环境为具备网络的计算机教室，配置人工智能体验平台账号、任务学习单、小组展示用多媒体设备。课时安排为四课时：第一课时认识人工智能，第二课时剖析智能应用原理，第三课时体验与实战，第四课时主题思辨与单元总结。六、教学过程（一）第一课时：机器何以能"看"会"听"——认识人工智能环节一：情境导入，制造认知冲突（约8分钟）教师现场演示三组对比材料：一段语音输入被正确转写为文字；一张手写数字照片被识别；一段从未见过的图片被标注出"猫""狗"。随后抛出问题：这台电脑并没有被告诉"每一笔手写数字长什么样"，它为什么认得？学生基于已有程序设计经验的第一反应往往是"程序员写好了所有情况"。教师顺势揭示矛盾：世界上不存在两张完全相同的手写字，规则写不完，那机器的本领从哪来？本节课由此立项。环节二：概念建构，回溯发展脉络（约15分钟）学生阅读教材并完成任务单第一项：用自己的话给人工智能下定义，并找出教材中界定人工智能的关键词。教师组织交流后归纳：人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门学科，其目标是让机器能够完成通常需要人类智能才能完成的任务。随后师生共同梳理发展脉络，教师不采用平铺直叙的讲授，而是给出四个关键节点卡片——1956年达特茅斯会议提出概念、专家系统在特定领域的成功、1997年"深蓝"战胜国际象棋世界冠军、以深度学习为代表的新一轮浪潮，请学生排序并推测每个节点间"高潮—低谷—再高潮"的原因。学生讨论后发现：早期人工智能依赖人把知识写成规则（专家系统），遇到常识与海量知识的瓶颈而陷入低谷；数据的海量积累、算法的突破与算力的跃升共同催生了新一轮繁荣。这一环节无形中把"数据、算法、算力"三要素的种子埋下。环节三：生活寻踪，绘制智能地图（约12分钟）小组开展"我身边的人工智能"头脑风暴，按"智能感知（能看会听）、智能认知（会理解会推理）、智能决策（会规划会推荐）、智能生成（会创作）"四类归类整理，并派代表用磁贴贴到黑板对应区域。教师引导学生观察：四类能力之间有递进关系吗？学生发现感知是基础，认知与决策建立在感知之上，生成则是近年才大规模走进生活的能力。教师点拨：画出这张"能力地图"的意义在于，今后看到任何智能产品，都能迅速判断它解决了哪类问题、大概用了什么思路。环节四：小结与悬念（约5分钟）师生共同完成本节课知识结构图：概念—历程—三要素—应用领域。教师留下悬念：下一节课我们将拆开两个具体的智能系统，看看"数据如何变成智能"，请每位同学带一个自己最想知道原理的智能应用问题来上课。（二）第二课时：从数据到智能——剖析典型应用原理环节一：问题回应，聚焦两个案例（约5分钟）从学生上节课提出的问题中选取两个最具代表性的：手写数字识别（感知类）与购物网站个性化推荐（决策类）。教师说明剖析问题的统一框架：它要解决什么问题？它需要什么数据？它的"聪明"由什么步骤实现？环节二：案例剖析一，手写数字识别（约15分钟）教师分步演示一个简化版的识别过程。第一步，数字图像被切分为像素网格，每个像素有灰度值，一张图片变为一组数字——学生立刻认出这正是第二章数据编码的知识。第二步，系统事先"见过"成千上万张已标注答案的手写数字图片，从大量样本中归纳出"7通常上部有横、中部有斜线"之类的统计特征。第三步，新图片进来，计算它与各类特征的匹配程度，输出概率最高的类别。教师引导学生对比：上学期我们写程序，是人把规则想清楚了写成代码；而这里，规则没有被写出来，是机器从数据里"学"出来的。教师板书对比：传统编程是"规则加数据得答案"，机器学习是"数据加答案得规则"。这一对比直击学生的认知冲突点，是本章最关键的思维跃迁。随后师生共同绘制机器学习基本流程图：收集并标注数据、训练得到模型、用测试数据检验、应用于新数据。环节三：案例剖析二，个性化推荐（约12分钟）教师提问：购物网站为什么总能猜中你想买什么？学生结合经验给出猜想。教师引导小组完成任务单：梳理推荐系统需要收集哪些数据（浏览记录、购买记录、搜索关键词、停留时长等），推测"相似的人买的东西可能也适合你"这一朴素逻辑如何实现。教师用二维表格简示"用户—商品"评分矩阵，说明相似度计算的思想：把你和千万用户放在同一张表里比较，找到与你口味最接近的一群人，把他们喜欢而你没见过的商品推给你。环节四：归纳提升，回归三要素（约8分钟）两组案例剖析完毕，教师组织全班归纳：两个系统领域不同、任务不同，但共性是什么？学生提炼出共同结构：海量数据提供原料，算法规定学习或计算的方法，强大算力保证海量计算可行。教师强调这就是理解一切人工智能应用的钥匙，并要求学生课后用这把钥匙去分析一个自选应用，写成百字小报告。（三）第三课时：亲手触碰智能——工具体验与实践环节一：体验任务发布（约5分钟）教师发布三项任选体验任务：用语音识别工具完成一段课文朗读并统计正确率；用文字识别工具识别印刷体与手写体各一页并对比效果；在图像分类体验平台上训练一个"识别苹果与香蕉"的微型模型。任务单要求记录三组信息：操作过程、识别准确率、失败案例的特征描述。环节二：分组实践，教师巡视指导（约22分钟）学生以四人为小组开展体验。巡视中发现的关键现象要及时转化为教学资源：有小组发现手写潦草字识别率骤降；有小组发现朗读时环境嘈杂会导致转写出错；做图像分类的小组发现，训练图片里苹果都是在白背景上拍的，换一张桌面上的苹果照片，模型就认错。教师不急于给出解释，而是引导小组把现象记录在任务单的"我的疑问"栏中。环节三：现象归因，深化数据观（约10分钟）各组汇报发现，教师把问题归纳为三类挂在黑板上：输入质量差（噪音、潦草）、训练数据单一（背景单一）、任务超出能力边界（让语音工具识别方言古语）。全班共同得出结论：机器不"天生聪明"，它只擅长处理与它学过的数据相似的问题；数据的质量与覆盖范围决定了智能的天花板。教师顺势提出"垃圾进，垃圾出"的工程箴言，并请学生反思：一个人工智能系统出错时，应该指责机器吗？还是应该追问数据与算法设计者？这一问题为第四课时的伦理讨论埋下伏笔。环节四：效率对比与任务收束（约8分钟）各组用一分钟计时，对比人工录入与智能识别的效率差异，填入对比表并做出解释：机器在大批量、规范化任务上效率远超人工，但在模糊、创造性、常识性判断上仍可能出错。教师总结：正确的人机关系不是替代，而是分工——机器做重复与计算，人做判断与创造。（四）第四课时：智能时代的尺度——思辨与总结环节一：新闻情境，引出议题（约6分钟）教师呈现三则材料：某招聘系统的简历筛选被曝对特定院校存在倾向；有人利用生成式工具炮制逼真谣言图片；某地引入智能系统辅助医生阅片使诊断效率显著提升。提问：同样的人工智能，为何一面创造价值，一面制造麻烦？环节二：结构化辩论（约18分钟）辩题为"人工智能的发展利大于弊还是弊大于利"。班级分为正反两方，教师要求不喊口号，每条论据必须包含"事实加分析"两个成分，并鼓励使用前三节课积累的知识作为弹药。辩论中学生会自然触及：训练数据若带有社会偏见，模型会复刻甚至放大偏见；人脸与行为数据的大规模采集涉及隐私边界；生成内容真假难辨动摇信息信任基础；自动化可能造成部分职业岗位收缩，同时催生新职业。教师在双方陈词间隙做精准追问，例如"算法本身会故意歧视人吗""如果数据来自现实社会，偏见该由谁负责纠正"，把讨论从情绪拉向理性。环节三：共识建构（约10分钟）辩论不设胜负。师生共同提炼三条共识：其一，技术本身中立，问题的根源常在数据与使用方式；其二，社会监督、法律法规与行业规范必须与技术创新同步生长，我国已出台生成式人工智能服务管理的相关规范，正是这一逻辑的体现；其三，对个人而言，拥抱智能时代的正确姿势是提升自身不可替代的能力——批判性思维、创造力与同理心，并学会把智能工具当作放大器而非替代品。环节四：单元总结与作业布置（约6分钟）教师带领学生完成四课时知识的整体建构，形成"概念与发展—数据算法算力三要素—典型应用与原理—工具与体验—伦理与责任"的完整链条。布置分层作业：基础层面，绘制本章思维导图；发展层面，完成第二课时布置的三要素分析报告；拓展层面，以"假如我是人工智能产品的设计者"为题写一段设计准则，说明自己将如何规避至少一种已知风险。七、板书设计主板书以知识结构树呈现：顶端为"人工智能及其应用"，下分三支——"是什么"（概念、发展历程）、"怎么学"（数据、算法、算力；训练—测试—应用流程）、"怎么办"（工具体验、伦理与责任）。副板书动态生成，记录学生辩论中的精彩论据与体验环节的失败案例。八、教学评价设计评价贯穿全过程、覆盖三维度。过程性评价方面，依据任务单记录学生概念建构、案例剖析、工具体验的完成质量，占比六成；表现性评价方面，第四课时的辩论从"论据质量、逻辑严密、倾听回应"三个维度由师生共同打分，占