高中信息技术选修5智能和人工智能教学设计

高中信息技术选修5智能和人工智能教学设计一、教材定位与内容解构本课题取自教科版高中信息技术选修5《人工智能初步》第一章第一节“智能和人工智能”，处在整本教材的概念门槛位置。学生此前在必修模块中接触过算法、程序设计、数据处理与信息系统，知道机器能够按指令执行任务，却很少被迫追问一个更根本的问题：执行得快是否等于聪明，结论正确是否等于理解，自动完成是否等于智能。本节课的价值不在于罗列人工智能应用，而在于帮助学生建立“智能—人工智能—机器智能边界”的初级框架，为后续知识表示、搜索、机器学习、智能体等内容铺垫稳定概念地基。教材以人类智能为参照，引出人工智能的研究对象、基本特征与实现路径。文本表面平和，内部却有三处容易滑向浅层记忆：其一，把智能讲成定义背诵，学生记住了“感知、记忆、思维、学习、适应”等词，却不会在新情境中判断一个系统是否表现出智能；其二，把人工智能讲成产品清单，课堂热闹，概念空心；其三，把图灵测试讲成逸闻趣事，忽略它作为行为主义判据的启发与局限。本教学设计着力扭转这三类偏向，用可观察任务、可辩论证据和可迁移问题促使概念生成。高中信息技术课程强调计算思维、数字化学习与创新、信息社会责任。本课虽偏概念，却不止于概念。判断一个系统是否智能，需要抽象关键特征，需要把自然语言描述转化为可检验指标，需要比较人类与机器在感知、推理、学习、创造上的差异，也需要讨论误判带来的伦理后果。教师不宜替学生给出终点答案，而应提供足够张力的问题链，让答案在证据中逐渐显形。二、学情研判与教学起点授课对象为高中选修人工智能方向的学生，多数处于高二学段。他们能熟练使用手机语音助手、拍照搜题、推荐系统、人脸解锁和生成式工具，对“AI很厉害”有直观感受，却常把“能对话”误认为“已理解”，把“算得快”误认为“会思考”，把“训练数据多”误认为“有常识”。一部分学生从科普视频中获得“弱人工智能、强人工智能、超人工智能”等名词，但名词之间缺乏逻辑连接；另一部分学生习惯接受标准答案，面对开放判断容易等待教师裁决。学生已有三块可利用经验：一是程序经验，知道条件、循环、函数与数据；二是生活经验，见过推荐、导航、翻译、识别、问诊辅助等系统；三是哲学萌芽，愿意讨论机器有没有意识，却缺少方法把玄思拉回可观察行为。教学应从熟悉经验切入，制造认知冲突，再引导学生用证据修正直觉。起点问题定为：音箱听懂你说“我冷了”，它真的知道你冷吗。这个问题具体、低门槛、高争议，能把定义、能力、意图和伦理同时带进课堂。三、教学目标学生能够说出智能的多维表现，包括感知环境、提取信息、形成记忆、进行推理、解决问题、语言交流、学习适应与目标导向行为，并能用实例说明各维度不是孤立存在，而是在任务中协同出现。学生能够区分人工智能作为学科、技术、系统与产品的不同含义，能用“模拟、延伸、扩展人类智能”的表述解释研究目标，同时意识到模拟不等于复制，扩展不承诺意识。学生能够解释图灵测试的基本设想、价值与漏洞，理解行为相似不能充分证明内在理解，能举出中文屋思想实验对“只按规则操作符号是否等于理解”的挑战。学生能够初步分辨规则驱动系统与数据驱动系统的差异，能从输入、表示、推理或学习、输出、反馈五个环节描述一个简单智能应用的工作链条。学生能够就一个具体应用作出“是否智能”的分层判断，写出两条支持证据和一条保留意见，体现从直观断言走向证据论证。学生在讨论人脸扫描、校园监控、作业批改、自动生成内容等场景时，能识别误识别、偏见放大、责任归属与隐私边界问题，形成谨慎使用与主动说明的态度。四、教学重点、难点与关键突破教学重点落在“智能不是单一能力，而是在情境中完成目标的一组协同能力”。衡量学生是否真正掌握，不看能否默写定义，而看能否面对陌生案例拆解出感知、表示、决策、学习、反馈等要素，并指出哪一环强、哪一环弱。教学难点有两处。第一处是理解与行为的区分。学生会问：如果一个系统在所有测试中都像人，凭什么说它不理解。此处不宜陷入意识哲学泥潭，可把焦点放在判据性质上：图灵测试提供的是外部行为判据，中文屋质疑的是符号操作能否生成意义。第二处是“学习”与“被列入程序”的区别。学生常把海量规则库当作学习，需要让其看到人工写规则、系统从数据调整参数、根据反馈改变策略三者之间的差别。关键突破采用“三问法”：它从哪里获得信息，它内部改变了什么，它在新情境中是否仍有效。只要学生持续追问这三句，就能从功能惊叹转向机制分析，从名词消费转向概念判断。五、教学资源与环境准备教室需要可分组讨论的座位，每组四人，配置一台可联网终端或教师统一控制演示。准备三类材料：第一类为短视频或现场演示，包含语音助手误解指令、图像识别把猫认成狗、导航在临时封路时重新规划；第二类为若干案例卡片；第三类为判断记录单。材料不宜炫酷堆砌，须服务概念分析。教师课前完成三项自查：所选案例是否暴露失败而非只展示成功；问题是否允许两种合理答案；评价是否奖励证据而非声量。若课堂只能证明人工智能无所不能，教学已经失败，因为学生没有获得判断边界的机会。六、教学过程环节一，以“被听懂”的错觉opening情境。教师现场对语音助手说：“我有点冷。”助手回答天气、播放歌曲或调高空调温度，视现场设备而定。教师追问：刚才发生了什么。学生容易回答“它听懂了”。教师继续压问：它收到的是声波还是文字，若设备只做了关键词匹配，能否算听懂；若它联动空调，是因为它关心你，还是规则把“冷”映射到温控指令。此环节不急着给定义，而是黑板记录学生原话，分成三列：它看见了什么，它做了什么，它凭什么这样做。学生在记录中自然发现，“听懂”至少包含识别语音、理解意图、选择动作，还可能包含环境状态。教师只补充少量术语，避免提前封口。环节二，从生活词到学科词。学生阅读教材中关于智能的描述后，不直接背书，而完成“拆词”任务：把“智能”拆成可观察表现，并给出生活反例。比如记忆力强不等于会解决问题，能背诵棋谱不等于会下棋，会模仿语气不等于理解情绪。每组写出三个表现和两个反例。教师汇集答案，形成临时共识：智能体现为适应性地达成目标。一个系统在变化环境中保持目标、获取信息、修正行动，越接近这种能力，越值得被称为具有智能特征。随后明确人工智能的研究企图：用人工方法在机器上实现上述能力的一部分，让机器完成原本需要人类智能的任务。强调“一部分”三字，防止学生把课程目标理解为制造完整人脑。环节三，图灵测试作为判据而非神话。教师讲述设想：评判者隔着屏障与人和机器用文字交谈，若机器长期让评判者无法稳定区分，便可认为它表现出类似人的对话智能。学生先判断该测试看重内在结构还是外部表现。多数能答出重外部表现。教师再问：这个判据为什么伟大。答案应落在它把哲学难题转换成可操作比较，避免纠缠“机器有没有灵魂”，转而观察是否能在任务中通过检验。随后展示局限。安排两名学生模拟对话，一名扮演只查检索表的机器，不许理解语义，只能照表回答；一名提问。若问题限定在表格覆盖范围，机器表现流畅；一旦问题需要跨页整合、承认不知、处理讽刺，机器露馅。教师引出中文屋：屋内的人不懂中文，只按英文规则处理中文符号，外部看来对答如流，内部仍可能无意义理解。学生要说出核心张力：行为通过不等于理解发生，符号操作不必然产生语义。此处教师须把握火候。目标不是让学生否认人工智能，而是让其建立谦逊判据：当我们说系统智能时，要说明在什么任务、什么范围、什么证据上成立。成熟的表达是“它在受限对话中表现出语言智能迹象”，而不是“它已经像人一样懂”。环节四，五要素透视常见系统。每组领取一张案例卡：校园门禁人脸识别、垃圾分类拍照识别、围棋程序、作文自动批改、短视频推荐、医院影像辅助诊断、智能音箱家居控制。学生按统一表头分析：输入是什么，如何表示，靠规则还是靠数据，输出何种决策，错误由谁承担，是否能在反馈中改进。以门禁识别为例，输入是摄像头帧，表示不是“张三的脸”这种完整概念，而是特征向量；旧系统可能依赖人工设计特征，新系统多用模型从样本学习；输出是放行或拒绝；错误不止技术问题，还会让学生迟到、被误判或隐私泄露；若系统只用固定阈值而不复核失败样本，就很难谈学习。围棋程序能赢不代表理解棋道如人，它是在规则完备、目标清晰、搜索与评估极强的封闭任务中胜出。作文批改能抓结构与常见语病，却可能在立意新颖、反讽表达上失真。教师巡视时只问三句：证据在哪，替换条件还成立吗，失败后系统会不会变。学生汇报必须把术语连回案例，例如不说“用了深度学习很先进”，而说“它把像素压缩成特征，训练样本偏向正面清晰人脸，所以侧脸逆光时错误上升”。环节五，规则驱动与数据驱动的初步分野。教师板书两条路径。路径甲由人把知识写成规则：若体温高于阈值且咳嗽，则提示就医；规则清楚，可解释，维护成本高，遇到例外脆弱。路径乙由样本进入模型：系统调整内部参数，使输出尽量接近标注结果；能处理复杂模式，却可能继承数据偏差，解释困难，出了错难以追问哪条规则负责。用一个微型活动呈现差别。教师给出十个“校园垃圾图片文本描述”，一组手写判别规则，另一组只统计词频，看“瓶”“纸”“果皮”出现与类别关系。规则组能解释，但遇到“奶茶杯”这种复合物开始补规则；统计组发现高频词有用，却被“可回收宣传单上印着果皮图片”误导。学生由此理解：智能实现并非单选题，工程系统常混合规则、检索、模型与人工兜底。环节六，强人工智能、弱人工智能与适用边界。学生已听过名词，此处要求给出演算式定义而非口号。弱人工智能指面向特定任务设计并表现出智能行为的系统，可在限定指标上超人，却不把能力自由迁移到无关领域。强人工智能指向广泛、灵活、可自我延展的理解与行动能力，目前没有公开证据表明已经达成。讨论超人工智能更适合作为风险思辨，不宜当作临近事实渲染。教师设计一组迁移题：会下围棋的系统能否直接诊断肺炎；能翻译新闻的系统能否明白法庭证词中的利害；会写情诗的系统能否为失恋者负责。学生答“不能”时，必须归因于目标、数据、责任与情境结构不同，而不是笼统说“还不够强”。这一步把分级名词落回可论证边界。环节七，第一次形成性判断。教师抛出半开放问题：自动浇水花盆是不是人工智能。学生分层作答。最低层，若只是定时通电，它是自动化；中间层，若读取土壤湿度并阈值启停，具备感知与反馈，仍可主要归为自动控制；更高层，若结合天气预报、植物种类、历史蒸腾数据调整策略，并在异常枯叶时改变模型，则开始出现课程意义上的人工智能特征。该题故意不设唯一答案，训练学生按证据分级，避免把“带电”“会动”“联网”误当智能。课堂小结不由教师宣布，而由学生改写最初那句“它听懂了”。学生需要把句子改成更严谨版本，例如：“它把语音转成文字，在有限指令集中匹配到温控意图，并执行设备联动；我没有证据证明它理解寒冷体验。”教师收集三条佳句投屏，作为概念内化的可见成果。环节八，伦理不是课后附言。教师展示校园场景：门口闸机记录学生到离校时间，平台根据表情估计课堂专注，系统给家长推送“疑似走神”。学生讨论四个问题：数据从哪来，判断错算谁的孩子吃亏，模型目标是谁设定，学生能否知情并退出。讨论须落到制度设计：最小必要采集、明确用途、人工复核通道、算法说明、保留异议记录、定期评估偏差。此处避免空喊“要负责任”，改为责任链追问。开发者设定目标函数，学校采购并决定用途，教师不能把系统提示当作处分证据，家长有权知道评价依据，学生不应被不可质疑的标签定义。人工智能越进入教育现场，越需要把速度让位给可申诉性。环节九，课堂收束与迁移作业。回到本课核心：智能是目标导向下感知、表示、推理、学习、行动与适应的协同；人工智能以机器模拟、延伸和扩展这些能力；判断某系统是否智能，要限定任务、证据、边界与责任。学生完成出门条：写下一个你认为最像人的机器行为，一个最不像人的机器破绽，一个你愿意让它参与决定的事项，一个绝不应交给它单独决定的事项，并说明理由。作业分三层。基础层整理本课概念图，不用软件也可手绘。提高层选择一个家用设备，按五要素拆解并标注失败场景。挑战层设计一个“反图灵测试”问题集，专考讽刺、沉默、矛盾回忆、价值取舍与承认无知，说明每题试图暴露何种能力缺口。下节课用十分钟抽样答辩，重点看追问质量而非辞藻。七、板书设计主板书以一棵概念树呈现，不做满屏定义。树根写“目标与环境”，主干写“智能”，分枝依次写感知、表示、记忆、推理、学习、语言、行动、适应；右侧另立一枝写“人工智能”，标注模拟、延伸、扩展；两树之间画一条可来回的线，写上“对照而非复制”。下方留判断区，固定三问：信息何来，内部何变，新境何效。边角列伦理四词：知情、最小、复核、申诉。副板书保留生成性空间，记录学生说出的粗糙但真切的句子。教师不急于擦改错别字般的表述，而在旁边写更严谨版本，让学生看到语言如何随思想变精确。八、评价设计评价采用过程证据与产出证据结合。过程证据看小组能否用统一表头拆解案例，能否在追问下移出“我觉得”进入“因为输入、规则、反馈显示”。产出证据看判断记录单是否含限定语：在什么任务、对什么人、到什么精度、失败怎么办。高分不颁给最崇拜技术的组，而颁给能同时指出能力与代价的组。等级描述力求可观察。达到基础水平的学生能复述概念并举一个正例；良好水平能区分自动化、规则系统与学习系统，能解释图灵测试为何有用又为何不足；优秀水平能在新案例中主动引入偏差、迁移、责任与申诉，且用词克制。对把“人工智能”写成“人工智慧”却论证清晰者，不苛扣名词；对术语堆叠却无证据者，