高中信息技术高一年级“探秘人工智能”单元教学设计

高中信息技术高一年级“探秘人工智能”单元教学设计一、设计理念与课标依据本课依据《普通高中信息技术课程标准（2017年版2020年修订）》对必修模块1“数据与计算”的要求设计。课标在“人工智能初步”相关内容中明确提出，学生应通过典型实例剖析，了解人工智能的概念、发展历程与主要应用，体验人工智能的实现过程，辩证认识人工智能对人类社会发展的影响。本课将“认识—体验—剖析—反思”作为学习主线，让学生在真实情境中完成从感性认知到理性建构的跨越。教科版（2019）必修1第5单元承担着衔接“数据处理”与“人工智能初步”的桥梁作用。5.2节“探秘人工智能”的核心不在于让学生掌握算法细节，而在于破除对人工智能的迷信与恐惧，形成“人工智能是数据、算法、算力共同作用的结果”这一基本观念。因此，本课教学坚持三条原则：一是体验先于概念，先让学生“用起来”，再追问“为什么”；二是拆解重于接受，通过剖析一个具体智能系统的运作过程，把“黑箱”变成“灰箱”；三是思辨贯穿始终，引导学生以负责任的态度看待技术。二、教材分析本单元在教材中的位置具有承上启下的意义。此前学生已经学习了数据的采集、编码与处理，掌握了用程序解决问题的基本方法，具备了理解“数据驱动”的知识基础。5.2节主要包括三部分内容：人工智能的含义与发展历程、人工智能的典型应用与实现原理、人工智能对社会的影响。教材以“智能客服”“机器翻译”“人脸识别”等贴近学生生活的案例展开，为教学提供了良好的情境支架。教材的编写逻辑是从现象到本质，但高中生的认知难点正在于此：他们能熟练列举应用，却难以解释应用背后的机制；他们对人工智能怀有强烈兴趣，却往往把兴趣停留在猎奇层面。教学中必须补充可视化、可操作的学习支架，例如借助在线的人工智能体验平台（图像识别体验、手写数字识别、情感分析演示等），让学生在动手操作中建立“输入—处理—输出”的系统观。三、学情分析授课对象为高一年级学生，他们生活在智能设备普及的环境中，对语音助手、推荐算法、人脸解锁等应用有丰富的感性经验，这是本课最有价值的教学起点。问卷调查（课前通过问卷星完成，班级46人中42人每天接触智能应用，但仅有7人能大致说出“机器学习”的含义）表明：学生的认知呈现“三多三少”——案例积累多、原理理解少；使用经验多、批判思考少；技术热情多、责任意识少。此外，高一学生抽象逻辑思维正在形成，能够接受“模型”“训练”“特征”等经过简化处理的科学概念，但对数学化的表达（如神经网络的权重计算）存在畏难情绪。教学中宜用类比和图示替代公式推导，保留概念的科学性，降低表达的抽象度。四、教学目标信息意识方面，学生能够识别生活中的人工智能应用，主动分析其数据来源与处理方式，判断一项技术是否属于人工智能范畴，并能说出判断依据。计算思维方面，学生通过剖析“手写数字识别”案例，理解人工智能系统“获取数据—训练模型—测试应用”的基本流程，能用流程图描述一个简单智能系统的工作过程，体会“让机器从数据中学习规律”与传统程序“人把规律写成代码”的本质区别。数字化学习与创新方面，学生能够利用在线人工智能开放平台完成至少两项体验任务，记录输入与输出，分析识别错误的原因，并提出改进设想。信息社会责任方面，学生能够结合具体案例（如算法偏见、隐私泄露、深度伪造）讨论人工智能带来的伦理与安全问题，初步形成“技术开发应有边界、技术应用应有温度”的价值观。五、教学重难点教学重点是人工智能的基本概念、主要应用领域及“数据、算法、算力”三要素的作用关系。教学难点是理解机器学习的基本思想，即机器如何从大量数据中归纳规律并用规律完成预测。突破策略是采用“教小孩认苹果”的类比贯穿始终：给孩子看大量苹果图片（数据），孩子会自己总结出颜色、形状等特征（训练），之后见到新的苹果能认出来（预测），认错了就纠正（反馈优化）。类比之后再用可视化演示加以印证，使抽象原理落地。六、教学准备与课时安排教师准备：多媒体课件、联网机房、三个体验平台账号（图像分类体验、语音识别体验、情感倾向分析体验）、小组任务单、评价量表。学生准备：课前完成在线问卷，并尝试与任意一款智能应用对话一次，截图记录一次“答非所问”或“令人惊艳”的瞬间。本课安排2课时，每课时45分钟。第一课时侧重认知与体验，第二课时侧重剖析与思辨。七、教学过程（一）第一课时环节一：情境导入——“它是智能的吗”（约7分钟）教师现场演示对手机语音助手提问三个问题：“今天天气如何”“帮我给妈妈发条消息”“你爱我吗”。前两个回答流畅，第三个回答巧妙地回避了问题。教师顺势抛出问题链：它听懂我的话了吗？它是怎么知道的？它有感情吗？学生自然会分成两派意见。教师不急于评判，而是在黑板上记录分歧点。这一设计的意图是把学生日常熟视无睹的经验变成值得探究的问题，同时暴露前概念——不少学生认为语音助手“像人一样在思考”，这正是本课要修正的迷思概念。环节二：体验探究——与人工智能过招（约15分钟）学生两人一组，按任务单依次完成三项体验：任务一，图像识别体验。上传教师提供的六张图片（包含一只半遮挡的猫、一张卡通狗、一盘红烧鱼），记录平台的识别结果与置信度。预期结果是正常猫的照片识别准确，半遮挡与卡通图片出现误判或低置信度。任务二，语音转写体验。一名学生用普通话朗读一段话，另一名学生用方言或较快速度朗读同一段话，对比转写准确率。任务三，情感分析体验。输入两句意思相近但表达方式不同的评语，如“这部电影太精彩了”和“这部电影也太‘精彩’了吧”，观察机器对讽刺语义的理解能力。每组填写记录表：输入了什么、输出了什么、是否准确、猜测原因。教师巡视时重点追问“为什么会错”，把学生的注意力从结果引向过程。学生通常会给出“因为它没见过这种图”“方言和它学的不一样”等朴素解释，这正是引入“训练数据”概念的绝佳时机。环节三：概念建构——人工智能是什么（约13分钟）教师基于体验中的“错误分析”，引导学生归纳：机器的识别能力来自它“见过”的大量数据，而不是天生的聪明。由此给出本课的核心概念结构图：人工智能是让机器模拟人类智能行为的技术，其背后依赖三个支柱——数据是原料，算法是方法，算力是引擎。三者缺一不可：没有数据，算法无从学习；没有算法，数据只是堆积；没有算力，再好的想法也只能停留在纸面。随后教师用“教小孩认苹果”的类比讲解机器学习的基本思路，并与学生已经学过的编程经验对比：传统程序是人把规则一条条写清楚，机器照做，规则之外概不负责；机器学习是人提供大量样例，机器自己归纳规则，归纳得好不好取决于样例的质量和数量。教师用一句话凝练区别：“传统编程是我们把规律告诉计算机，机器学习是让计算机自己发现规律。”接着用时间轴简述人工智能发展的三起两落：1956年达特茅斯会议提出概念，八十年代专家系统热潮后因局限遇冷，2012年后深度学习借助大数据和GPU算力重新崛起。强调一个观点：人工智能的每次低谷与高潮，本质上都是数据、算法、算力三者条件是否成熟的反映。环节四：小结与过渡（约10分钟）学生完成思维导图填空：用“数据、算法、算力、训练、模型、预测”六个词，串联描述一次图像识别的全过程。教师选取两名学生的作品投屏点评，纠正“模型就是程序”等不准确表述，明确模型是训练得到的规律集合，算法是得到模型的方法。布置课后微任务：回家找一个人工智能应用，思考它的数据从哪里来，下节课分享。（二）第二课时环节五：深度剖析——拆解一个智能系统（约12分钟）教师以“校园人脸识别闸机”为对象，带领全班共同拆解：数据层，注册时采集的人脸照片经过标注存入数据库；算法层，系统提取面部关键特征点并计算相似度；算力层，实时比对需要服务器快速响应；反馈层，识别失败时转入人工通道并记录样本。学生分组领取不同的真实系统（智能翻译、导航路况预测、电商推荐、作业批改软件），按“输入什么数据—可能用什么方法—输出什么结果—出错会怎样—可能带来什么风险”五个问题完成剖析报告框架，写在小组白纸上。此环节训练的是把复杂系统还原为可分析结构的计算思维，教师巡视时对“算法层”允许学生保留猜想，但要求标注“推测”字样，培养严谨表达的习惯。环节六：价值思辨——硬币的另一面（约18分钟）教师呈现三个真实情境并组织小型辩论：情境一，某招聘平台的简历筛选系统被曝对女性求职者打分偏低，因为它学习的是过去十年的录用数据，而过去十年该行业男性比例高。讨论问题：机器错了吗？数据“中立”吗？学生逐渐意识到，历史数据中的偏见会被机器忠实地放大，技术中立只是表象。情境二，短视频平台依据观看时长推荐内容，部分同学陷入“刷到停不下来”的状态。讨论问题：算法了解你，是服务还是操控？自由选择与算法引导的边界在哪里？情境三，一段以假乱真的“名人讲话”视频实为深度伪造。讨论问题：当“眼见”不再“为实”，我们应当依赖什么做判断？辩论采用“立场—理由—证据”的发言规范，每组至少发言一次。教师最后归纳三点共识：人工智能放大的是社会已有的规则，包括好的和不好的；享受便利的同时应关注个人数据的让渡；每一位未来的学习者都可能成为技术的建设者，今天的态度决定明天的产品。环节七：总结与拓展（约10分钟）全班共同回答第一课时留下的悬问：“语音助手懂我吗？”预期学生能达成这样的认识：它处理的是语音信号与文字的概率关联，擅长在数据覆盖的范围内给出回应，所谓“理解”与人类意义上的理解仍是两回事。教师肯定这一表述的严谨性，并指出这正是“探秘”的意义——既不神化，也不轻视。课后作业分两层：基础层，绘制一张“我身边的人工智能”概念地图，标注每项应用依赖的数据与可能的风险；提升层，选做——尝试用图形化机器学习工具训练一个区分两种手势的简易模型，记录训练数据量与识别准确率的关系。八、教学评价设计本课采用过程性评价与表现性评价相结合的方式。过程性评价依托三张表单：体验记录单考察观察与归因能力，系统剖析框架考察结构化思维，辩论发言记录考察论证质量。表现性评价以“校园人工智能应用倡议海报”为终结性作品，要求学生面向全校同学介绍一项智能应用的原理与使用建议，评价维度包括科学性（原理表述准确）、完整性（兼顾便利与风险）、表达力（面向非专业读者清晰呈现）三个等级指标，采用学生互评占四成、教师评价占六成的方式合成。评价标准前置发放，让学生在创作之初就明确“好作品长什么样”，以评促学。九、板书设计主板书采用概念结构式：中央为“人工智能”，向左延伸“是什么——模拟人类智能的行为”，向下延伸三个支柱“数据、算法、算力”，向右延伸流程“数据→训练→模型→预测”，上方延伸价值议题“偏见、隐私、真伪”。副板书动态记录学生在导入环节与辩论环节生成的关键观点，体现课堂的生成性。十、教学反思与改进预设本课最大的风险在于体验环节的网络稳定性与平台访问速度，须准备离线视频素材作为备用方案，确保即使断网，