高中一年级信息技术必修一认识人工智能教学设计

高中一年级信息技术必修一认识人工智能教学设计一、教材与学情分析本课选自粤教版（2019）高中信息技术必修一《数据与计算》第六章"人工智能及其应用"的第一节。教材在这一节中要解决三个问题：人工智能是什么，人工智能从哪里来，人工智能能做什么。教材的编排思路是从生活现象切入，经由概念辨析走向技术溯源，最后落到应用领域与价值判断。这样的编排符合高一学生的认知规律，也给教师留出了较大的二次开发空间。高一学生在日常生活中已经接触过大量人工智能产品。他们用手机刷脸解锁，用语音助手定闹钟，刷短视频时被推荐算法"投喂",也在新闻里听过ChatGPT、AlphaGo这样的名字。但需要注意的是，这种"接触过"不等于"理解了"。课前访谈显示，多数学生对人工智能的认识停留在三个误区上：一是把人工智能等同于机器人，认为"长得像人才叫智能";二是把人工智能神化，觉得它无所不能、即将取代人类；三是把人工智能神秘化，以为它是普通人无法理解的"黑科技"。这三种偏差恰恰构成了本节课的教学增量所在——把学生零散的感性经验,转化为结构化的理性认识。从课标要求看，本模块强调"通过剖析典型案例，了解人工智能的基本概念、发展历程和应用领域，辩证认识人工智能对人类社会的影响"。这提示我们，本节课不能只讲概念罗列，必须让学生在真实任务的体验与拆解中建立认识，在思辨讨论中形成态度。二、教学目标1.信息意识。学生能够从日常生活中识别出人工智能应用实例，区分"使用了人工智能技术的系统"与"普通自动化程序",并能说明判断依据。2.计算思维。学生能够以"感知—认知—决策—行动"的基本框架，对人脸识别、语音助手等典型应用进行功能拆解，初步理解人工智能系统处理问题的基本流程，知道机器学习"从数据中学习规律"与人工编程"按规则执行"的本质区别。3.数字化学习与创新。学生能在教师指导下体验图像识别、文字识别等开放平台工具，围绕一个真实问题提出利用人工智能技术解决的初步设想。4.信息社会责任。学生能够结合具体案例，从便利与风险两个维度讨论人工智能的社会影响，对"人工智能是否会取代人类"等议题形成有理有据的个人观点。三、教学重点与难点教学重点是人工智能的基本概念与"智能"的判断标准，即什么样的系统可以被称为人工智能系统。突破方式是让学生在多个实例的对比中自主归纳，而非直接告知定义。教学难点是理解"机器学习从数据中学习"这一核心机制，因为这涉及高一学生尚未接触的算法与统计思想。处理策略是借助"教机器认猫"的类比活动和可感知的可视化演示，只要求学生理解"数据—训练—模型—识别"的大致脉络，不深入数学细节，把精确性让渡给可理解性，把深度留给后续章节。四、教学方法与课前准备本课采用情境体验、案例分析、小组协作、思辨讨论相结合的方式展开。教师准备如下材料：学校门口人脸闸机的使用照片、语音助手对话录屏、手写数字识别在线演示页面的链接、一组"是AI还是不是AI"的判断卡片，以及供小组讨论用的案例包（包含AI换脸诈骗、智能辅助诊断、算法推荐沉迷、自动驾驶事故四条新闻摘要）。学生机房保证每人一机或可两人协作，网络畅通。五、教学过程（一）情境导入：一段"被拒之门外的早晨"上课伊始，教师播放自制短片：一个学生早晨到校，在闸机前刷脸，屏幕显示"识别失败";他把口罩摘下来重试，顺利通过；进教室后他对着手机说"帮我定一个今晚九点的闹钟",语音助手照做；课间他打开购物软件，首页恰好推送了他昨天想买的那款球鞋。播放结束后，教师只问一个问题：这三件事里，哪一件使用了人工智能？学生的回答会出现分化。有人三件都选，有人只选刷脸，理由五花八门。教师不急于评判，把学生的分歧板书在黑板上，顺势点明本课任务：今天这节课结束时，我们要能够说清楚，判断一个系统是不是人工智能，到底依据什么。这一环节用时约五分钟。设计的意图在于制造认知冲突——学生自以为熟悉的事物，经不起一句"依据是什么"的追问。冲突一旦被点燃，后续的概念学习就有了内在动力。（二）概念建构：什么是人工智能教师发放判断卡片，每组拿到八个案例：红绿灯定时切换系统、自动感应水龙头、手机人脸解锁、翻译软件、电梯按楼层停靠、围棋程序AlphaGo、计算器、智能客服。学生小组讨论，将八个案例分成"是人工智能"与"不是人工智能"两类，并写出一句话说明分类标准。讨论中，教师巡视并捕捉有代表性的观点。典型分歧出现在红绿灯和感应水龙头上：不少学生把它们归入人工智能，理由是"它们会自己工作"。教师抓住这一点反问：感应水龙头"知道"你伸手了吗？它是怎么"知道"的？学生逐步意识到，水龙头只是红外传感器触发了开关，它不认识"手",换成一片树叶晃动它同样出水；而人脸解锁不一样，它能从一张脸中辨认出"这是张三还是李四",具有对信息的识别与判断能力。在充分表达之后，师生共同归纳：人工智能是让机器模拟、延伸和扩展人的智能的技术科学，其关键特征在于能够感知环境、理解信息、学习规律并作出判断与决策，而不是简单执行固定指令。教师将这一特征提炼为板书上的三个词：感知、认知、决策。随后学生用这三个词回头检验八个案例，原先的判断分歧基本消解——红绿灯按固定时长切换，不感知车流，不算；有些城市的自适应红绿灯会依据实时车流调整配时，那就算。同一个事物，技术内核不同，归属就不同，这个辨析让学生对概念的理解从"贴标签"走向"看机制"。此环节约十分钟。教师需要守住一条底线：定义不是背出来的，是学生在辨析中"用"会了之后由教师帮助言明的。如果一上来就让学生齐读定义，本节课的思维含量会被砍掉一半。（三）历史探源：人工智能的三次浪潮概念建立之后，学生自然会产生一个疑问：这么好的技术，是最近几年才有的吗？教师用一条时间轴组织接下来的教学。教师先讲一个细节：1950年，图灵在一篇论文里提出一个思想实验——如果一台机器在问答中让人无法分辨它是人还是机器，我们能否说它具备智能？这就是著名的图灵测试。请学生思考：今天的语音助手能通过图灵测试吗？学生大多会说"快能了，但还差点"。教师要补一句：这个标准是七十年前提出的，而人类追到现在才刚刚摸到边，可见这条路并不平坦。随后，教师沿时间轴梳理三次浪潮。第一次兴起于二十世纪五六十年代，以逻辑推理为核心，人们让计算机证明数学定理、下简单棋局，乐观情绪高涨，甚至有人预言二十年内机器将全面超越人类。但当时的计算机存储与运算能力有限，数据匮乏，承诺无法兑现，研究经费被大幅削减，人工智能进入第一次寒冬。第二次浪潮出现在二十世纪八十年代，专家系统兴起，人们把领域专家的知识整理成规则灌进计算机，在医疗诊断、地质勘探等狭窄领域取得成效，但规则的获取与维护成本极高，系统不会学习，知识更新依赖人工，热潮再度退去。第三次浪潮从二十一世纪初持续至今，其标志是机器学习的成熟，尤其是深度学习在图像识别、语音处理、自然语言理解上的突破。讲到这里，教师点出最关键的一问：前两次都失败了，这一次凭什么不一样？让学生先猜，再给出三个条件：一是互联网积累了海量数据，机器有了"学习材料";二是芯片算力成千上万倍地提升，训练复杂模型成为可能；三是深度学习算法让机器能从数据中自动提取特征，不必再由人逐条编写规则。数据、算力、算法，三者齐备，才有了今天的大模型，才有了能与人流畅对话的智能助手。教学中可以穿插一个具身化的类比帮助学生理解"learningfromdata"。教师说：你教一个三岁的孩子认猫，会给他写一本"猫的判断规则手册"吗？不会。你只是带他看很多猫，指给他看，他自己看多了就会了。机器学习的思路与此类似——给机器看成千上万张标注好的猫的图片，让它从中自己总结出猫的形状规律。这一句话，把深度学习最核心的直觉送到了学生面前，而无需一个数学公式。当然，教师也要提醒：孩子看几只猫就能举一反三，机器往往需要几万张图片，机器在某些方面很强，在另一些方面远不如人，这为后面的辩证讨论埋下了伏笔。这一环节约十分钟。历史的讲述不为记流水账，而为让学生懂得一个道理：技术的爆发从来不是天降奇迹，而是长期积累、条件成熟后的水到渠成。（四）动手体验：让机器认出你的手写数字认识不能停留在听与说。学生打开教师准备好的在线手写数字识别页面，在画板上手写0到9的数字，观察机器的实时识别结果。体验任务设计为三个递进的层次。第一层，工整书写，记录识别准确率；第二层，故意把数字写歪、写连笔、写到角落，观察识别是否仍然正确；第三层，写一些"陷阱",比如把7加上一横、把4写成不封口的形状，看机器会不会认错。体验结束后，各组汇报发现。普遍现象是：写得工整几乎全对，写得潦草错误率明显上升。教师追问：为什么机器会认错？它"看到"的到底是什么？结合演示引导学生理解：在这台机器眼中，手写的数字不是一个符号，而是一幅由像素构成的图像，它比对的是图像特征与它从海量训练样本中学到的规律。你写的形状偏离了它见过的"典型样子",它就会判断失误。这恰恰从反面印证了上一环节得出的结论——机器的智能高度依赖它见过的数据，数据里没有的，它不会。有学生在体验中会提出："我写的连笔字机器认错了，可我同桌一眼就看出来了，机器是不是还挺笨的？"这是个极好的发言。教师应当肯定，并把问题抛给全班：人在什么地方比机器强？机器又在什么地方远超人类？学生列举：人擅长举一反三、常识判断、情感理解；机器擅长海量记忆、高速运算、不知疲倦地重复。由此自然引出结论——人工智能是人的智能的延伸与补充，而非简单的替代关系。这一环节约十分钟，是整节课思维密度最高的部分。教师必须克制替学生总结的冲动，让结论从学生自己的体验证据中长出来。（五）领域拓展：人工智能在何处落地体验过技术之后，视野要拉开。教师用一张"应用地图"组织全班共建：黑板中央写"人工智能",四周预留六大分支——智能制造、智能交通、智慧医疗、智慧教育、智能家居、智慧农业。每个小组认领一个领域，用两分钟列举该领域中至少两个真实应用，并尝试用"感知—认知—决策"的框架描述其中一个是如何工作的。例如智慧医疗组可能举出影像辅助诊断：系统"看"CT片是感知，将影像特征与海量病例的规律比对是认知，给出病灶位置提示与恶性概率是决策，最终的诊断仍由医生作出。智能交通组可能讲自动驾驶的分级，讲到目前量产车多为辅助驾驶，驾驶员仍需负责。教师在各组汇报后补充两到三个学生不易想到的案例，如农业中的病虫害图像识别、制造业中的产品缺陷检测，并用一句话收束：判断应用多寡的标准只有一个——哪里有数据，哪里需要识别、预测与决策，哪里就有人工智能的身影。此环节约八分钟。教师要注意控制汇报节奏，点到为止，避免把本课讲成"应用展览会",重心始终在"它如何工作"而不在"它能干什么"的猎奇上。（六）思辨研讨：便利背后的另一副面孔一节课若只讲人工智能的好处，对学生的教育是不完整的。教师分发案例包，四个案例分别是：某地市民被AI换脸合成的视频骗走资金；某医院引入辅助诊断系统后误诊率下降，但伦理委员会仍在讨论责任归属；某学生反映短视频平台"越刷越停不下来";某企业用算法自动筛选简历，被发现对特定群体存在系统性偏差。每组抽取一个案例，围绕三个问题讨论：这项技术带来了什么好处？它潜藏着什么风险？如果你是设计者或管理者，会用什么办法规避风险？讨论五分钟后集中交流。交流中，教师要引导学生把零散担忧上升为结构化的认识：数据隐私——人脸、声纹等生物信息一旦泄露无法像密码一样更换；算法偏见——训练数据中存在的偏差会被模型复制甚至放大；安全滥用——同样的识别与生成技术既可以服务社会也可以用于欺诈；责任界定——当系统出错，开发者、使用者、数据提供方各负什么责任，规则尚在完善。同时强调，国家已出台关于个人信息保护和算法治理的相关法规，技术本身无善恶，关键在制度的笼子与使用者的底线。教师最后把话题交还给个人：回到课前那个刷屏的问题——人工智能会取代人类吗？请每个学生用一句话写下自己的观点，交给小组长汇总后宣读几条。教师不再点评对错，只强调：这个问题的答案不取决于技术本身，而取决于我们今天如何学习它、使用它、约束它。你们是未来规则的制定者。此环节约十分钟。思辨的意义不在于得出统一结论，而在于让学生习惯于用"双刃剑"的眼光打量任何一项强大技术，这正是信息社会责任素养的落点。（七）课堂小结与作业布置教师带领学生沿板书回顾本课主线：一个判断标准——是否具备感知、认知、决策的智能特征；一条发展脉络——三次浪潮与数据、算力、算法三大条件；一种工作方式——从数据中学习规律；一副辩证眼光——看见价值，也看见风险。课前提出的三个误区在此被逐一击破：人工智能不等于机器人，它更多以软件形态存在；它并非无所不能，离开数据它寸步难行；它也不神秘，其基本原理已在我们这节课的亲身体验之中。课后作业分两个层次。基础作业：完成一份"我身边的人工智能"调查单，记录家庭或校园中三处人工智能应用，用本课框架写一段话说明其中一处的工作机制。拓展作业（选做）:围绕"在校园里，哪件事最适合交给人工智能去做"写一段两百字左右的设想，要求同时写明预期效果和需要防范的风险。下节课将从中选取优秀设想，作为学习"人工智能的实现方式"时的讨论素材。六、板书设计主板书采用框架式结构。上方居中写课题"认识人工智能"。其下分四栏：第一栏"什么是智能——感知、认知、决策",并附人脸解锁与感应水龙头的对比小图；第二栏"从何处来——三起两落，数据+算力+算法";第三栏"如何工作——数