高中信息技术三年级选择性必修自然语言处理教学设计

高中信息技术三年级选择性必修自然语言处理教学设计本教学设计面向高中信息技术课程《人工智能初步》模块中“自然语言处理”一节，适用于已完成人工智能基本概念与机器学习初步学习的高中学生。整体设计以“机为何能懂人言”为核心问题，以真实任务驱动学生经历“体验—探究—建模—应用—反思”的完整学习链条，落实信息意识、计算思维、数字化学习与创新、信息社会责任四大学科核心素养。一、教学分析（一）教材分析“自然语言处理”是人工智能领域应用章节的关键一节，承接前序“人工智能概述”与“机器学习基础”，为后续“计算机视觉”“智能机器人”等内容提供方法参照。教材以机器翻译、语音识别、智能问答等典型应用切入，介绍自然语言处理的基本流程：语料收集、分词、特征提取、模型训练与结果输出。本节内容概念密集、技术抽象，若停留在名词讲解层面，学生易形成“听过即忘”的浅层学习。因此教学必须将抽象流程转化为可操作、可观察、可验证的学习活动，让学生在动手实践中建构对“机器理解语言”的本质认识。（二）学情分析授课对象为高三年级学生，已具备以下基础：其一，在必修模块中学习了Python基本语法，能够阅读简单代码并调用第三方库；其二，通过前期学习了解了人工智能、机器学习、神经网络的基本概念，知道“数据投喂—模型训练—预测输出”的一般范式；其三，日常生活中高频使用语音助手、输入法、翻译软件，对自然语言处理产品有丰富的感性经验。同时存在明显困难：一是对“词如何变成数字”缺乏直观认识，词向量、词嵌入等概念抽象；二是容易将自然语言处理神秘化，认为机器“真正理解”了语言，缺乏技术批判意识；三是面对开放性任务时，部分学生方案设计能力薄弱，需要脚手架支持。（三）教学目标1.知识与理解：说出自然语言处理的典型应用场景；描述自然语言处理的一般流程及各环节作用；解释分词、词向量、情感倾向等基本概念。2.技能与运用：能调用jieba分词库对中文文本进行分词处理；能利用词频统计和情感分析工具对一段真实文本进行量化分析并解读结果。3.思维与方法：经历“提出问题—处理数据—观察结果—解释规律”的探究过程，体会用计算的方法研究语言问题的思路，发展类比迁移与批判性思维能力。4.态度与责任：辨析机器“理解”语言与人类理解语言的本质差异，理性看待自然语言处理技术的能力边界，关注语料偏见、隐私泄露等伦理问题。（四）教学重难点重点：自然语言处理的基本流程；分词与文本量化分析的原理及实践。难点：词向量表示的直观理解；对机器“理解”语言之限度的辩证认识。（五）教学策略与资源准备采用情境导入、任务驱动、实验探究、小组协作相结合的策略。硬件环境为配备网络机房，软件环境为Python3.x运行环境，预装jieba、snowNLP（或等效情感分析库）、wordcloud库，配置在线大语言模型体验入口备用。教师预置三个语料文件：某短篇小说片段、某商品五百条用户评论、一段含歧义与网络新词的对话文本。学生两人一组，共用一台终端。二、教学过程（一）情境导入：一句“难倒”机器的话（5分钟）教师在大屏展示两句话，请语音助手分别朗读并翻译：第一句“我想起来了”，第二句“中国队大胜美国队”与“中国队大败美国队”。学生发现，第一句因语境缺失而出现两种断句与语调，第二句两个反义动词竟表达几乎相同的赛果，机器翻译时而出错。教师顺势提问：我们每天对手机说话、打字、翻译，机器似乎“懂”我们的话。可为什么这样简单的句子它会栽跟头？机器到底是怎样“处理”我们的语言的？学生自由发言，教师板书关键词：断句、歧义、语境。随后揭示本节核心问题——如何让机器把人类的自然语言变成它能计算的“原料”，并从原料中榨取出意义。这一导入用学生亲历的产品失误制造认知冲突，把抽象课题锚定在真实体验上。（二）新知建构一：从应用版图到处理流程（10分钟）教师组织学生进行“头脑风暴填图”：每组在导学案空白地图上填出自己接触过的自然语言处理应用。学生填出智能语音助手、机器翻译、输入法联想、客服机器人、作文批改、弹幕关键词、舆情监控等。教师引导归类，形成四大类：语言生成、语言理解、语言转换、语言分析。接着教师提出递进问题：这些应用千差万别，背后有没有一条共同的“流水线”？以“手机语音助手回答‘明天北京天气如何’”为例，师生共同还原处理链条：语音转文字→分词→识别关键词与意图→查询数据→组织答案→语音合成。教师强调，无论应用形态如何变化，机器处理语言大体遵循“语料输入—文本预处理—特征提取—模型处理—结果输出”的基本流程。其中文本预处理的第一步，就是让机器先把连续的字符流“切开”，这就是分词。此处教师引入一个朴素而关键的观点：计算机只认识数字。人类语言要想被处理，必须先经历“符号化”与“数值化”两道关。这个观点为后续难点埋下伏笔。（三）实验探究一：亲手做一次分词（12分钟）任务卡A：打开教师提供的代码模板，调用jieba库对小说片段进行分词，观察输出结果。模板代码仅十余行，核心语句为：导入jieba库；读取文本；调用精确模式分词函数；以斜杠连接输出。学生运行后看到“我/来到/北京大学/……”的分词效果。教师要求各组在文本中挑出三处机器切得“对”和三处切得“可疑”的地方。学生很快发现：专有名词被切开，如把某校名切成多个碎词；“研究生命起源”被切成“研究生/命/起源”，产生歧义。任务卡B：向自定义词典中添加组内发现的三个被错切的词，重新运行，对比前后结果。学生看到自己“教”机器认词后输出变准，真切体会到：分词不是神迹，而是“词典匹配+统计概率”的工程方案，词典质量与语料规模直接决定效果。教师在此点拨：中文没有空格作天然边界，分词是中文信息处理的第一道坎；英文虽有空格，却另有词形还原等问题。学生由此理解，自然语言处理的每一步都在与语言的模糊性搏斗。（四）新知建构二：词如何变成数字（8分钟）教师抛出问题：分词之后，词还是符号，机器仍然“算”不了它，怎么办？引导学生回忆必修中字符编码的知识——字符靠编码变数字。但单个编码无法表达词与词的关系。教师用坐标图直观演示词向量思想：大屏展示一个简化的二维平面，“国王”“王后”两点距离很近，“男人”“女人”两点距离相近，且“国王减男人加女人”方向指向“王后”附近。教师说明：研究者让模型在海量语料中学习，把每个词表示成一串数字（向量），语义相近的词在向量空间中距离相近。词与词的关系，第一次变成了可以加减运算、可以测量距离的对象。课堂微练习：若已知“巴黎之于法国”如同“东京之于日本”，请学生用语言描述这种对应如何被向量捕捉。学生在讨论中领悟：向量把“关系”本身也编码了进去。教师强调，这一“词嵌入”思想是当代大语言模型的基石之一，教材并未要求掌握数学推导，但必须理解其思想精髓——意义被映射为可计算的几何位置。（五）实验探究二：让机器读出评论的“情绪”（12分钟）任务卡C：各组打开商品评论语料，运行情感分析脚本（调用情感分析库的sentiment接口），程序输出每条评论的情感倾向值（取值0到1，越接近1越正面）。学生观察输出表格：数条措辞激烈的差评被判定为高分，引发困惑。小组成员对照原文排查，发现是反语、反问让机器“上当”——“好家伙，三天就坏，质量真是‘好’极了”被判为高度正面。教师组织交流：为什么机器会误判？学生归纳：机器依赖词语表面的情感倾向统计，读不懂反语、语气和文化语境。教师进而布置小组子任务：统计全部评论的情感分布，筛选出评分低于0.3的评论，概括消费者集中抱怨的三个问题，形成给小商家的“改进建议一句话”。各组汇报，如“物流破损”“客服响应慢”“说明书看不懂”。语言数据第一次在学生手中转化为可行动的决策依据。教师小结升华：我们刚刚完成的“收集语料—分词—特征量化—模型判断—解释结果”，正是舆情分析、产品反馈挖掘的真实工作流的微缩版。同时，反语误判提醒我们，模型的结论永远需要人来核验。（六）思辨研讨：机器真的“理解”了吗（8分钟）教师呈现两类材料：其一，大语言模型写出通顺诗歌的片段；其二，同一模型在被追问事实细节时编造出根本不存在的文献。正反材料并置，抛出辩论题：机器是否“理解”了语言？小组讨论后各方陈词。甲方观点：能对话、能写作、能答题，就是理解。乙方观点：机器只是基于概率预测下一个词，没有体验、没有意图，谈不上理解。教师不急于裁决，而是引导学生回到本节亲历的证据：分词靠词典与统计，情感判断靠倾向值累加，词向量靠共现规律——一切“懂”的表象，底层都是数据与计算。进而达成基本共识：自然语言处理实现了对语言形式层面的高度模拟与功能替代，在特定任务上可媲美甚至超越人工，但其“理解”与人类的理解在机制上存在本质差异。教师将讨论延伸至责任维度：既然模型靠语料学习，语料中的偏见、错误信息、个人隐私会不会被一并“学”进去并放大？学生结合生活实例谈到地图导航中的地名误差、智能客服对老年用户的不友好、训练数据泄露风险。教师点明：技术越深入生活，使用者的核验意识与开发者的责任意识越不可缺位。这正是课程标准所强调的信息社会责任在本节的落点。（七）课堂小结与延伸任务（5分钟）师生共同完成板书结构化回顾：一条流程（输入—预处理—特征提取—模型处理—输出），两项实践（分词、情感分析），一个观念（语言数值化），一份清醒（理解之辨与伦理之思）。分层布置课后任务：基础层——完成教材本节练习，绘制自然语言处理流程思维导图；进阶层——用课堂代码对自选文本（校运会新闻、班级群聊天记录脱敏版）做分词与词频统计，生成词云图并附百字解读；挑战层——体验一款大语言模型，设计三个问题分别考察其知识准确性、逻辑推理与价值倾向，撰写三百字测评报告，下节课交流。三、板书设计主板书以流程图居中呈现：语料输入→分词等预处理→词向量特征提取→模型处理→结果输出。左栏记录应用版图四类，右栏记录实验发现：词典影响分词、反语骗过情感模型、向量表达词间关系。底部两行点睛：语言→数字→意义之桥；能力之强与理解之限并存。四、教学评价设计本课采用过程性评价与表现性评价结合。过程性评价依托三张任务卡：任务卡A关注能否正确运行并找出分词错误，任务卡B关注能否通过自定义词典改进结果并解释原因，任务卡C关注数据解读的合理性与建议的针对性，均采用“完成—部分完成—需支持”三级量规，教师巡视中即时记录。表现性评价落点是小组汇报与辩论发言，重点观察学生是否用本课证据支撑观点，而非空谈态度。课后分层作业分别对应识记、应用、批判创新三个层级，作业结果纳入单元学习档案袋。五、教学反思（预设）本课设计有两个关键支点：一是把“流程”做成“实验”，让学生在改词典、读误判中亲手触摸技术机理，避免