高中二年级信息技术《人工智能研究内容与应用》教学设计

高中二年级信息技术《人工智能研究内容与应用》教学设计一、教材与学情分析本课选自人教中图版（2019）高中信息技术选择性必修4《人工智能初步》第一章第三节，是学生从"感知人工智能"走向"理解人工智能"的关键节点。前两节学生已经知晓人工智能的基本概念与发展历程，但对"人工智能究竟研究什么""这些研究如何转化为现实应用"缺乏系统认识。本节内容承上启下，既是对人工智能知识版图的梳理，又为后续学习机器学习、神经网络等技术原理奠定认知框架。授课对象为高二年级学生。他们身处智能技术包围之中：用手机语音助手查天气、刷短视频接受算法推荐、用翻译软件完成作业，对人工智能应用有丰富的生活体验，但认知呈现"三多三少"的特点——感性体验多、理性归纳少；碎片化了解多、体系化建构少；消费端使用多、技术原理追问少。部分学生将人工智能等同于机器人或聊天程序，概念边界模糊。教学中需要从学生熟悉的现象切入，引导其完成从"使用者"到"理解者"再到"负责任的设计者"的角色跃升。二、教学目标信息意识方面：学生能够从日常生活场景中主动识别人工智能技术的存在，辨析"自动化程序"与"人工智能系统"的区别，形成对智能技术边界的敏感判断力。计算思维方面：学生能够按照"感知—认知—决策—行动"的逻辑线索，将纷繁的应用案例归类到知识表示、机器感知、机器学习、自然语言处理、智能决策等研究领域中，初步建立学科知识图谱。数字化学习与创新方面：学生能够借助在线实验平台体验图像识别、语音合成的基本过程，并能针对校园真实问题提出可行的智能化改造方案。信息社会责任方面：学生能够讨论人脸识别、算法推荐等应用中的隐私与公平问题，形成"技术向善"的价值立场，理解技术能力越强、伦理约束越要前置的道理。三、教学重点与难点教学重点：人工智能主要研究内容的梳理与界定，包括知识表示与推理、搜索与规划、机器感知、机器学习、自然语言处理、多智能体系统等方向；典型应用与研究内容之间的对应关系。教学难点：理解"研究内容"与"应用产品"之间一对多、多对一的映射关系。一个产品往往融合多项研究成果，例如智能音箱同时涉及语音识别、语义理解、知识检索和语音合成。学生容易将产品形态误当作研究分类的依据，需要通过拆解活动予以纠正。四、教学准备教师准备：多媒体课件、人工智能体验平台账号（图像识别开放平台与语音合成演示页）、"应用—研究内容"分类卡片一套（含24个案例）、课堂任务单、校园智能化改造情境素材。学生准备：课前完成"我一天中遇到的人工智能"记录单，至少列举三个场景并标注自己认为用到的技术。五、教学过程（一）情境导入：一封来自2030年的"投诉信"（约5分钟）教师投影一封虚拟信件：2030年，一位高中生写信投诉——"我的闹钟根据我的睡眠数据擅自推迟了叫醒时间，导致我迟到；家里的冰箱未经我同意就把饮食记录同步给了保险公司的健康评估系统；学校的刷脸闸机把我认成了隔壁班的同学。"教师提问：这封信里出现了哪些技术？它们分别属于人工智能研究的哪个方向？学生自由发言，大多能说出"人脸识别""数据分析"，但无法给出上位概念。教师顺势点题：要规范地使用和审视智能技术，首先要看清人工智能这座"大厦"由哪些"支柱"构成。今天我们就来绘制这座大厦的结构图。设计意图：以未来情境制造认知冲突——学生熟悉应用却说不清研究归类，由此产生学习的内在必要性。信件中埋下的隐私与误判问题，也为课末的伦理讨论预留伏笔。（二）活动一：从体验到归纳——机器感知与机器学习（约12分钟）教师引导学生打开在线图像识别体验页，学生用手机拍摄讲台上的粉笔盒、水杯、自己的手掌上传识别，观察系统给出的标签与置信度数值。随后教师演示"故意刁难"：上传一张被遮挡一半的粉笔盒照片、一张手写的潦草"7"字，识别准确率明显下降。教师组织讨论：机器"看懂"图片经历了哪几步？系统为什么会出错？出错说明了什么？学生结合体验得出结论：摄像头相当于机器的"眼睛"，这是机器感知；系统靠大量图片"见过世面"才认得准，这是机器学习中的训练；识别不准说明模型的好坏取决于数据与算法。教师板书两个研究方向的简要定义：机器感知——让机器具备类似人类视觉、听觉、触觉的信息获取能力，涵盖计算机视觉、语音识别与合成、传感器融合；机器学习——让机器从数据中自动发现规律、改进自身性能的方法体系，是当前人工智能的核心引擎。教师强调二者的关系：感知是入口，学习是大脑成长的方式，感知获取的数据正是学习所需的"粮食"。（三）活动二：卡片分类——构建研究内容全景图（约15分钟）每组领取一套案例卡片，内容包括：AlphaGo落子决策、导航软件规划回家路线、智能客服回答问题、翻译App整句互译、扫地机器人绕开拖鞋、专家系统辅助医生诊断、无人机编队协同表演、手写试卷自动批改等。任务要求：小组讨论后将卡片归入五个"研究抽屉"——知识表示与推理、搜索与智能规划、机器感知与模式识别、机器学习、自然语言处理；允许一张卡片放入多个抽屉，但必须说明理由。学生分类过程中，教师巡视并捕捉典型分歧。例如有小组把"导航规划路线"放入"机器学习"，教师追问：地图是预先给定的知识，系统用的是最短路径的搜索算法，还是靠数据训练的模型？学生反思后认识到搜索与规划属于经典人工智能的符号主义路线，与数据驱动的机器学习分属不同范式。各组展示分类结果后，教师用一张结构图收拢：人工智能研究的骨架可概括为"机器如何获取知识（感知与数据）—如何存储和表达知识（知识表示）—如何利用知识进行思考（推理、搜索、规划、学习）—如何与人及环境交互（自然语言处理、机器人与多智能体）"。同时指出，自动驾驶汽车这样的复杂应用几乎调动了所有研究方向，足见划分是为了理解的方便，现实系统往往是多方向的协同工程。（四）活动三：微型设计——校园智能化方案（约10分钟）教师发布任务：校园图书馆存在"找书难、占座久、归还乱"三个痛点，请各组任选一个，提出初步的人工智能改进方案，要求说清三点——方案用到哪些研究方向、数据来源是什么、可能带来什么副作用。学生方案示例：用计算机视觉识别座位占用状态并推送到预约系统，数据来自摄像头，副作用是可能拍到同学的个人行为，涉及隐私；用自然语言处理做图书馆智能问答机器人，帮助学生按描述找书，副作用是回答错误时可能误导学生，需要人工兜底。教师点评时不评价方案巧拙，而是评价"研究内容定位是否准确、风险意识是否到位"，把评价标准显性化，让学生看到本节知识如何转化为真实的设计能力。（五）总结与升华：回到那封投诉信（约3分钟）教师重现导入中的投诉信，请学生用本课术语重新解读：睡眠数据推断属于机器学习与数据挖掘，饮食记录共享涉及数据伦理而非技术缺陷，刷脸认错人是机器感知中模型泛化能力不足的问题。学生发现，一节课之前模糊的"高科技"印象，如今可以拆解为具体的研究范畴与责任边界。教师结语：理解人工智能的结构，不只是为了会使用它，更是为了在技术面前保持清醒的判断力和建设者的姿态。六、板书设计主板书采用"大厦结构图"：底层地基为数据与算力；四根支柱依次为知识表示与推理、搜索与规划、机器感知、机器学习；顶层横檐为自然语言处理与智能系统应用。副板书留作学生讨论中生成的问题区，保留真实的思维痕迹。七、作业设计基础类：绘制一张"人工智能研究内容思维导图"，要求五个主干方向下各配至少两个应用实例，并用箭头标注应用与研究方向之间多对多的对应关系。实践类：采访一位家长或社区工作者，了解其工作中可以使用人工智能改进的环节，写成三百字左右的微型访谈报告，注明对应的研究方向。拓展类：观看一段自动驾驶事故新闻，从技术（感知局限、决策算法）与伦理（责任归属、隐私边界）两个角度各写一段评析。八、教学反思预设本节课堂知识密度较高，概念易抽象化，教学成败的关键在于三条经验的落实：一是所有概念都从可操作、可感知的活动中生长出来，