高中信息技术必修1《探秘人工智能》实践探究型教学设计

高中信息技术必修1《探秘人工智能》实践探究型教学设计本教学设计面向高中一年级学生，对应教科版（2019）高中信息技术必修1第二单元第2节"探秘人工智能"，以作业设计与课堂教学一体化为线索，构建"感知—体验—探究—反思"四级递进的学习路径，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、设计理念人工智能既是本册教材在知识与技能维度上的高原，也是学生信息社会责任培育的敏感地带。本设计摒弃"教师讲授概念、学生背诵术语"的传统路径，将作业前置、课中、课后三个时段贯通，让学生在真实任务中触摸人工智能的运行机理，在试错与讨论中形成对技术的审慎态度。设计遵循三条基本原则。第一，以真实问题驱动，所有任务均取材于学生可感知的生活场景，如人脸解锁、语音助手、智能推荐。第二，以分层作业支架不同学力水平，基础层保底概念理解，提高层要求动手体验，拓展层鼓励跨学科探究。第三，以表现性评价替代纸笔测验，评价证据来自任务产出物与学习过程记录。二、教材与学情分析本节课隶属必修1"计算与问题解决"模块的后段，学生已完成数据处理、算法与程序实现的初步学习，具备用Python编写简单程序的能力。教材围绕"什么是人工智能、人工智能如何工作、人工智能带来什么"三个问题展开，内容涉及符号主义、连接主义与行为主义三大流派，以及机器学习、深度学习的基本思想。学情层面，高一年级学生对人工智能充满新鲜感，但认知普遍存在三重偏差：其一，把人工智能等同于机器人，将"形体"误认为"智能"；其二，把深度学习神秘化，认为机器"自己长出了意识"；其三，对算法偏见、隐私泄露等伦理议题缺乏敏感度。作业设计必须直面这三处认知洼地。三、教学目标学生完成本单元学习后，能够用自己的语言界定人工智能，并能从功能维度区分感知智能、认知智能与计算智能的层级差异；能够借助图形化机器学习平台训练一个图像分类模型，描述"数据—训练—预测"的基本流程，理解模型准确率与训练数据质量的关系。学生能够在小组协作中剖析一个真实应用案例，梳理其数据采集、特征提取、模型决策的技术链条，绘制结构示意草图；能够就"校园引入人脸识别考勤是否妥当"这类议题，从便利性、隐私权、算法公平性多个角度陈述立场并举证，形成初步的技术伦理判断能力。学生能够在课后拓展任务中体验生成式工具辅助学习，记录人机协同的差异感受，总结"机器擅长什么、人必须守住什么"的边界意识。四、重难点解析教学重点为机器学习的核心思想——从数据中习得规律而非由人显式编程。突破策略是采用"教机器认猫狗"的体验活动，让学生在调高、调低样本数量的操作中直观看见准确率曲线随数据量变化，从感受上升为概念。教学难点为理解模型抽象能力与过拟合现象。突破策略是设置"陷阱任务"：向学生提供一组全部拍摄于白背景的猫的图片用于训练，随后用花丛中的猫测试，模型识别失败。失败本身就是最好的教材，学生由此理解训练数据分布对模型的约束。五、教学过程（一）课前预热：概念摸底作业上课前三天，教师在学习平台发布两项轻量任务。任务一，让学生填写短语接龙："提到人工智能，我想到______"，词云自动生成并在课堂首屏呈现，教师据此掌握班级认知起点。任务二，请学生回家采访一位家庭成员："你生活中什么时候接触过人工智能？"收集三至五个实例，作为课堂案例库的原始素材。预热作业控制在十分钟以内，不评分只标记参与度，目的在于把学生的生活经验引进课堂，使后续讲解有锚点可挂靠。（二）情境导入（五分钟）课堂开始，教师播放两段视频：一段是工业机器人精准焊接，一段是语音助手答非所问的"翻车"集锦。画面切换后抛出核心问题："同样顶着人工智能的名号，为什么一个近乎完美，一个笑话百出？智能的边界到底在哪里？"学生在词云与视频的双重刺激下进入探究状态。教师顺势公布本课驱动性任务："为学校科技节设计一张'人工智能体验站'展板，需要向参观者讲清楚人工智能是什么、怎么工作、该不该担心它。"任务贯穿全课，最终产出物即为过程性评价依据。（三）活动一：人工智能辨真伪（十分钟）学生四人一组，领取十张应用卡片，涵盖自动驾驶、机械闹钟、推荐算法、普通计算器、智能音箱、搜索引擎排序等。小组讨论后把卡片分为"属于AI"与"不属于AI"两类，并在记录单上写下分类理由。各组展示分歧最大的两张卡片，教师不直接裁判，而是引导对比：计算器执行的是人事先写死的指令，推荐算法却从用户行为数据中归纳出偏好模式。分岐在比较中消解，人工智能"从数据中学习、对新情况作出响应"的特征由学生自己说出，教师只在黑板上补全概念框架。此环节设置过程性观测点：能否举出反例修正自己初始的判断。观测结果记入小组学习档案。（四）活动二：让机器学会认猫（二十分钟）本活动是课内核心作业。两人一台机器，使用图形化机器学习平台，采集本班同学的笑脸与板脸照片各二十张作为训练集，训练"情绪分类器"，再用即时拍摄的照片测试识别效果。操作分三轮推进。第一轮，每组仅提供每类五张样本，记录识别正确率；第二轮，样本增至每类二十张，再测正确率；第三轮，加入光照强烈、侧脸等"刁钻"样本做压力测试。学生填写三列对照表：样本规模、测试情境、识别表现。教师在巡视中捕捉典型现象：有的组发现样本多时识别稳定，有的组发现同一模型在斜视照片前彻底失效。这些鲜活的失败案例被投屏共享，成为理解"数据决定模型上限"的直接证据。活动收尾，教师用板书梳理出机器学习的基本流程：收集数据、标注数据、训练模型、测试评估、投入使用。学生对照自己的操作步骤逐项勾连，抽象流程与个人经验完成焊接。（五）活动三：伦理辩论微论坛（十分钟）教师呈现情境：某中学拟在教室门口安装人脸识别系统，自动统计考勤并分析学生课堂抬头率。支持方强调管理效率，反对方担忧隐私与监控压力。小组抽取立场卡，用三分钟内部商量，随后各方派出代表在一分钟内陈述两条论据。辩论中出现的高频论据——便利、安全、知情同意、数据保管责任、误识别风险——被教师即时归类写在黑板两侧。教师最后点明：技术可行不等于社会可接受，工程师之外的法律、伦理、心理视角同样参与决策。本环节的产出是每人在便签上写下一句"我的人工智能底线"，贴上班级共识墙。（六）课堂小结（五分钟）师生共同回看驱动性任务的三问。学生对照活动记录单，口头补全展板内容的三个板块：人工智能的定义与边界、机器学习的基本流程、应用中必须直面的伦理约束。教师将学生的表述提炼为关键词，与课前词云并列展示，直观呈现认知的变化。教师布置课后作业，说明分层结构与提交方式，提示学生两周内完成并纳入单元总评。六、课后作业设计（一）基础层：概念图绘制学生以"人工智能"为中心节点完成概念图，必须涵盖三大流派、机器学习与深度学习的关系、不少于四个应用实例、两条伦理风险。评价看三点：结构层级是否清晰、概念间连线是否标注关系词、实例是否恰切。预期用时三十分钟。（二）提高层：案例解剖报告学生从中离线感受最强的一个人工智能应用入手，撰写六百字左右的解剖报告，回答四个问题：它采集什么数据、数据如何变成决策、它在什么情况下会出错、出错后谁承担责任。教师提供写作支架与优秀样例标题，但不提供内容模板，保留学生的表达个性。（三）拓展层：人机协作风物志学生选取一项真实学习任务——如写一首咏秋的短诗、整理一份历史人物年表——先独立完成，再请生成式工具完成同一任务，逐项比较两者在准确性、创造性、细节质感上的差异，撰写三百字反思札记，主题聚焦"机器替代不了的究竟是什么"。此作业自愿选做，完成者在单元评价中获得加分。（四）弹性与支援机制学有困难的学生可申请降低概念图的层级要求，聚焦基础概念连线；家庭缺乏设备的学生可在午休时间使用机房完成体验任务；报告类作业允许以图文海报、三分钟口述视频等多元形式提交，评价标准等值折算。七、评价设计本单元评价采用"三三制"。课堂过程占三成，依据小组分类活动记录单、实验对照表、辩论发言质量打分；课后作业占四成，基础层必做计入合格线，提高层质量决定等级，拓展层贡献附加分；学习态度与协作表现占三成，由组内互评与教师观察共同生成。评价量规提前向学生公开。以提高层报告为例，"问题剖析"维度分三档：能复述应用现象为一档，能说明数据与决策的因果关系为二档，能预判失效场景并提出改进设想为三档。学生据此自查修改，评价从终点站变为加油站。八、板书设计主板书分三区。左区呈现概念辨析，写"预设指令"与"数据学习"的对照；中区绘制机器学习流程图，五个环节以箭头贯通；右区列伦理议题关键词，便民、隐私、公平、责任四词围成一圈，寓意相互牵制不可偏废。副板书随时记录学生生成的问题与金句，下课前拍照归档，作为班级数字学习档案的一部分。九、教学反思预设本设计的风险点有三。其一，图形化平台对网络依赖较强，课前须完成连通性