高中信息技术学业水平合格考人工智能专题复习教学设计

高中信息技术学业水平合格考人工智能专题复习教学设计一、教学分析本设计面向高中信息技术学业水平合格性考试的复习教学，对应必修一与必修二中的人工智能相关内容，适用于全国通用版本的合格考总复习阶段。人工智能是合格考中的高频考点，覆盖人工智能的概念界定、发展历程、核心技术、典型应用以及伦理规范五大板块。从近年各省市的真题分布看，该专题在选择题中出现频率稳定，多以生活情境判别、技术归类和伦理判断的方式呈现，难度定位为了解与理解层级，但学生失分率并不低，根源在于概念边界模糊、术语望文生义。授课对象为高一年级合格考备考学生。学情上，学生日常接触语音助手、人脸识别、短视频推荐等应用，感性素材丰富，但普遍存在三个认知误区：把人工智能等同于机器人或科幻作品中的人形机器；把机器学习与自主学习混为一谈，认为系统会无缘无故变聪明；把专家系统与深度学习不加区分。复习课的任务不是新授，而是帮学生把零散的感性认识整理成经得起命题者检验的概念结构。教学目标定位于四个维度。一是信息意识，能识别生活场景中的人工智能应用并判断其技术类型。二是计算思维，能用数据、算法、算力三要素分析具体的人工智能系统。三是数字化学习的迁移能力，能把教材概念准确套用到陌生试题情境。四是信息社会责任，能辨析人工智能应用中的隐私、偏见与安全问题。教学重点为人工智能的概念内涵、机器学习与深度学习的关系、人工智能典型应用与技术的对应。教学难点为区分"能感知"与"能推理"两个能力层级，以及在陌生情境中准确归类。课时安排两课时，本设计为第一课时，侧重概念体系与应用辨析；第二课时进入真题演练与错题重构。二、教学准备教师课前整理本省市近三年合格考真题中所有人工智能相关题目，按考点归纳成五类：概念判断类、技术与应用配对类、机器学习原理类、发展史类、伦理价值类。教师准备一份包含二十个生活场景的判别清单，如刷脸支付、扫地机器人自动避障、语音输入法、天气预报数值模拟、银行大额转账人工审核等，其中混入若干并非人工智能的自动化程序作为干扰项。学生课前完成一份十分钟的前置自测，内容为十个判断题，教师通过在线答题系统即时回收数据，统计每题的错误率，作为课堂讲评的起点。自测中特意设置两题陷阱，一是"扫地自动拐弯的机器人一定使用了人工智能技术"，二是"用了机器学习方法的软件完成安装后不再需要数据和算力"。三、教学过程（一）情境导入：一次"翻车"的判别（8分钟）上课伊始，教师投屏展示课前自测的统计结果：全班四十三人中，认为"扫地机器人自动拐弯必然用了人工智能"的有三十一人，认为"安装好的机器学习软件不再依赖数据"的有二十七人。教师不急于公布正确答案，而是播放一段二十秒的视频：一辆老旧的自动导引车在仓库里沿地面磁条行驶，碰到障碍后原地等待警报。教师提问：这台小车会避开障碍吗？它算不算人工智能？学生产生分歧后，教师再播放第二段视频：一台搭载了视觉识别系统的配送机器人，在拥堵的走廊中主动绕行，避让行人并重新规划路线。请学生对比两台设备的差别，用自己的话说明"智能"到底体现在哪里。在学生的描述中，教师捕捉关键词：感知环境、做出判断、调整行为。由此引出本节课的复习主线——合格考命题人所说的"人工智能"，核心判据是机器能否表现出感知、推理、学习、决策这类与人类智能相似的能力，而不是它长得像不像人、是不是会动。（二）概念重构：人工智能的边界在哪里（15分钟）教师板书一个清晰的判别框架。人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。复习时要求学生抓住三个动词：模拟的是感知，延伸的是推理，扩展的是学习与决策。为帮助学生建立边界意识，教师组织一次快速判别练习，逐项分析。计算器按固定规则完成四则运算，属于程序化的自动执行，不是人工智能。文字处理软件的拼写检查基于词典比对，属于规则匹配，不是人工智能。手机的语音助手能理解自然语言并给出回应，涉及自然语言理解，属于人工智能。人脸识别闸机通过图像感知完成身份比对，属于人工智能中的模式识别应用。天气预报的数值模拟依靠物理方程和高速计算，是科学计算而非人工智能。教师强调一条应试策略：题目中出现"自动"二字不等于出现人工智能。判断的落脚点是机器是否表现出感知外界、理解信息、从经验中改进、做出决策这类能力。自动化设备执行的是人类预先写好的固定规则，环境稍有变化就会失效；人工智能系统则能在一定范围内处理未曾预设的情况。随后教师梳理发展史，用一条时间轴呈现三次浪潮。第一次浪潮源于二十世纪五十年代，符号推理与逻辑证明占据主导，达特茅斯会议被视为学科诞生的标志。第二次浪潮以专家系统和知识工程为代表，因知识获取困难与计算能力不足陷入低谷。第三次浪潮由机器学习特别是深度学习驱动，大数据提供了燃料，算力提升提供了引擎，图像识别、语音识别相继突破实用门槛。合格考对这一部分的考查多停留在标志性事件与代表人物的识记，教师提醒学生记住达特茅斯会议、图灵测试以及深度学习崛起这三个锚点即可。关于图灵测试，教师简要解释其思想：如果一台机器在对话中让提问者无法分辨对方是人还是机器，就可以认为它具有智能。这一思想的考查方式通常是判断描述正误，学生需要知道图灵测试检验的是"行为上像不像智能"，而非机器内部是否真正拥有意识。（三）核心突破：机器学习是怎么"学"的（20分钟）这一环节是本节课的重心。教师用一个手掌大小的类比切入：传统程序是"人把规则写死，机器照做"；机器学习是"人给出大量样例和判断标准，机器自己从数据中归纳出规则"。学生在学案上画出二者的对照示意：传统方式由"规则加数据"产出"答案"，机器学习由"数据加答案"产出"规则"，再用规则处理新数据。教师务必澄清一个高频错误：机器学习不是机器自学成才。训练过程需要人为准备数据、标注答案、选择模型、设定评价标准，所谓"学习"特指模型参数在数据驱动下被自动调整的过程。因此回应课前的自测陷阱：一个用机器学习开发的软件，部署之后本身的推理过程也许不再更新，但它的能力仍然建立在训练阶段消耗的大量数据与算力之上，脱离数据谈机器学习是空对空。在机器学习的类型上，教师按合格考的识记要求介绍三类。监督学习使用带标签的数据训练模型，例如给出一万张标注为"猫"或"狗"的图片，训练完成后模型能识别新图片中的猫狗。无监督学习不依赖人工标注，让机器自行发现数据中的结构与分组，如电商系统把购物习惯相近的用户聚成若干群体。强化学习通过与环境反复交互、依据奖励与惩罚调整策略，棋类对弈程序是典型代表。教师为每一类配一道真题口吻的小判断，学生举牌表态，教师即时讲评。关于深度学习与机器学习的关系，教师用包含关系图呈现：人工智能是最大的圈，机器学习是其中的子集，深度学习又是机器学习中以人工神经网络为主要方法的分支。深度学习之所以"深"，是指神经网络层数多，能够逐层提取特征——识别一张人脸时，底层的神经元感知明暗边缘，中间层组合出眼睛、鼻子等局部，高层再组合成完整的面部结构。这一层层抽象的机制使深度学习在图像、语音、自然语言处理上取得突破，但它对数据量和算力的需求也最大。为检验理解，教师给出三个情境，学生判断分别涉及何种技术。情境一：某平台给新用户推荐与兴趣相近的老用户爱看的内容，涉及聚类思想。情境二：医院用大量已标注病理结果的医学影像训练辅助诊断系统，属于监督学习下的图像识别。情境三：四足机器人通过反复摔倒与成功的反馈学会在复杂地形行走，属于强化学习。讲评时教师着重让学生说出判断依据，而非只报答案，训练"给理由"的表达习惯，这是合格考综合题中常被忽视的得分点。（四）应用归类：把生活场景对号入座（12分钟）教师把本节开始前准备的二十个场景投屏展示，要求学生按照技术类别归入五个栏目：计算机视觉类、语音识别与合成类、自然语言处理类、智能决策与推荐类、不属于人工智能类。归类过程中暴露的问题集中在两处。其一，学生把"语音转文字"与"理解用户意图"混为一谈。教师说明：语音识别只负责把声波转成文字，相当于"听得清"；后续的意图理解属于自然语言处理，相当于"听得懂"。语音助手的完整链路是识别、理解、决策、合成，四个环节对应不同技术。其二，学生把搜索引擎的关键词检索当成自然语言理解，教师点明二者的差距：传统检索匹配字面，智能问答需要分析语义并生成回答。归类结束后，教师引导学生做一层抽象：无论哪一类应用，背后都离不开数据、算法、算力三要素。数据是原料，没有大量高质量的数据，模型无从训练；算法是方法，决定如何从数据中提取规律；算力是保障，深度学习时代的模型训练依赖大规模并行计算。教师提醒学生，三要素常以填空或选择形式出现，且命题人喜欢把"数据"偷换成"程序"，需提高警惕。结合上一轮复习中学生易丢分的题型，教师补充强调几组易混对应关系：刷脸门禁属于计算机视觉而非语音识别；自动驾驶是感知、决策、控制多种技术的综合系统，不能简单归入单一类别；工业机器人若只按预定轨迹重复动作则不属于人工智能，只有具备视觉检测、路径自适应等能力才涉及智能技术。（五）价值辨析：智能时代的责任判断（10分钟）合格考对信息社会责任的考查常结合人工智能热点。教师呈现两则简短案例。其一，某招聘平台用算法筛选简历，被发现对女性求职者存在系统性低估，原因在于历史招聘数据本身就带有偏见，算法把偏见学了进来。其二，一款换脸应用允许用户把视频中人物的面孔替换为他人的脸，引发肖像权与安全争议。围绕案例，学生分组讨论三个问题：问题的责任主体是机器还是设计、使用机器的人？训练数据的偏差会带来哪些连锁后果？作为使用者应当遵守哪些基本底线？小组代表发言后，教师归纳出合格考层面的答题要点：人工智能系统的偏差源于数据与模型设计，责任在人；应坚持合法、正当、必要地收集与使用数据；要警惕算法歧视与信息茧房；深度合成内容涉及肖像权与信息安全；再先进的算法也不应替代与人身安全、重大权益相关的最终人工决策。教师特别强调答题措辞的分寸：面对伦理类选择题，凡宣称"人工智能终将替代人类""算法天然客观公正"或"技术本身有罪"的极端表述，通常都不正确。正确的立场是肯定技术价值、正视现实风险、强调人的主体责任。（六）课堂小结与当堂检测（10分钟）教师带领学生用一张思维导图收束本课：顶端是人工智能的定义与图灵测试，向下分出发展历程三条脉络、机器学习三条路径、应用四类场景、三要素与伦理底线。学生对照导图在学案空白处自行复述，遇卡点即时翻书标注。随后进行五分钟当堂检测，共六道题，全部取自近年真题改编。一题为概念判断，区分自动化程序与人工智能系统。一题为归属判断，问深度学习、机器学习、人工智能的包含关系。一题给出电商用户分群情境，判断属于哪类学习方法。一题要求写出人工智能三要素。一题判断图灵测试的含义。一题为伦理立场选择。教师现场采集答题数据，错率超过三成的题目在下节课开始时回炉。作业分为两层。基础层：完成配套讲义中本专题的二十道选择题，错题写明错误原因。提升层：从自己的生活中选取一个人工智能应用，用不超过三百字说明它涉及哪些技术、依赖什么数据、可能存在什么风险，下节课选取三份在全班分享讲评。四、板书设计板书以中轴对称布局。中央书写"人工智能：模拟、延伸、扩展人的智能"。左侧自上而下依次列出发展历程、图灵测试；中部为机器学习，向下分出监督、无监督、强化三支，并用大括号标注深度学习是机器学习的子集；右侧为应用四类与数据、算法、算力三要素；最下方一行写伦理底线：责任在人，数据合规，拒绝极端表述。五、教学实施建议本设计的判别练习与归类活动依赖当场的生成性反馈，教师需控制每组讨论的时长在两分钟以内，保证课堂节