高中一年级信息技术探秘人工智能与机器学习入门教学设计

高中一年级信息技术探秘人工智能与机器学习入门教学设计本设计面向高中一年级信息技术必修课程，对应教科版2019必修1中“探秘人工智能”的学习主题，按两至三课时弹性实施，核心任务不是让学生记住若干名词，而是让其在可观察、可操作、可争辩的活动中理解“人工智能为何能识别、会预测、也可能犯错”。普通高中信息技术课程强调信息意识、计算思维、数字化学习与创新、信息社会责任的协同生长，本课以真实感知为入口，以数据、算法、算力、模型、评价五要素为骨架，把学生从“会喊人工智能”带到“能说清它怎样工作、何处可靠、何处失当”。课堂不把智能包装成神秘黑箱，也不把它简化为几行代码，而是让学生在体验图像识别、规则判断、样本训练、偏差讨论与方案设计中，逐步形成对智能系统的朴素模型：输入数据，经过表示与计算，得到输出；输出好坏要回到目标、数据和场景中接受检验。本单元的核心情境设为“校园门口是否需要一台会识别异常拥堵的智能提示屏”。学生容易对入口闸机、成绩单预测、短视频推荐、人脸门禁、语音助手有零散经验，却常把三件事混为一谈：一是把自动播放误认为理解，二是把高准确率误认为公平，三是把复杂界面误认为可靠。教学据此组织成三条线：明线是“体验—拆解—试做—评判—表达”，暗线是“人如何定义问题，机器就如何学习答案”，价值线是“越能影响他人的系统，越需要被说明、被约束、被追责”。三条线在每一个活动中同时推进，避免知识课与德育课两张皮。学情方面，高一学生具备基本的移动应用经验，能进行浏览器操作、文件整理和简单表格统计，部分学生在初中接触过图形化编程，少数学生能写出Python顺序结构程序，但多数学生对训练集、测试集、特征、标签、过拟合、偏差这些概念仅存模糊印象。他们可能复述“人工智能就是机器人”，也可能认为“网络越大数据越多就越聪明”。因此教学起点要低门槛：先从人如何区分猫狗、教师如何批改客观题、路口交警如何判断拥堵谈起，再过渡到机器为何需要样本、特征和反馈。高阶目标不拔到公式推导，也不陷入框架安装；学生要能在教师提供的半成品材料中完成观察、改动参数、解释现象，并据此说明一个智能系统的边界。教学目标确定为四种素养的可观测表现。信息意识方面，学生能识别生活场景中数据被采集、标注、使用和留存的位置，能说出“没有数据记录并不等于问题不存在，只可能是问题没有被看见”。计算思维方面，学生能把“识别操场上是否聚集”分解为输入图像、提取人数estimate、比较阈值、触发提示、记录误报等步骤，理解分解、抽象、模式识别与算法思想在智能任务中的位置。数字化学习与创新方面，学生能使用免编程的图像分类体验工具或教师封装好的示例程序，完成二分类实验，并依据混淆矩阵口径解释“听起来很高的正确率为何仍可能不可用”。信息社会责任方面，学生能围绕便利、隐私、公平、安全提出至少两条约束条件，知道技术方案必须连同使用规则一起设计。教学重点落在三处：一是理解人工智能系统从样本中学习规律，而不是被逐条告知全部答案；二是能用“目标—数据—模型—评价—场景”五问法分析一个智能应用；三是能识别准确率之外的代价，如误伤个体、放大偏见、泄露隐私、削弱人的判断。教学难点在于让学生接受“好的分数不等于好的系统”，并能把这种认识转化为设计动作，例如调整阈值、补充样本、保留人工复核、限定使用范围。突破策略是把抽象风险具体化：同一张班级合照，不同光线、口罩、角度会改变识别结果；同一个闸机模型，在上学高峰与午间空档表现不同；同一正确率，对普通提醒和纪律处分的意义完全不同。教学资源准备强调稳、净、可替换。机房保证外网可控访问，备用离线包；教师预置三类材料：一类是体验型材料，如可现场训练的图像分类页面、垃圾分类小样本库、校园道路人流量照片组；一类是拆解型材料，包括“规则判断”和“机器学习”两套流程卡、标注任务单、误判记录表；一类是思辨型材料，含门禁、推荐、作业批改、赛事评分四个简短案例，所有案例均隐去真实姓名与可识别信息。评价材料包括课堂观察表、小组实验单、项目量规和出门口条。技术上不设统一编程门槛，代码只作为可观察对象出现，保证编程基础薄弱的学生也能凭证据参与讨论，基础较好的学生可阅读教师给出的简化伪代码并改写条件。第一课时的导入控制在七分钟以内，问题要窄。教师同时展示两张照片：清晨空荡的校门与雨后拥堵的校门，问“若只给你三秒，你凭什么说右边的风险更高”。学生通常会说人数、伞面密度、车辆混行、家长停留。教师继续追问：“这些依据能不能写成规则？若写成了‘人数大于八十即拥堵’，树荫下四十名学生撑伞是否会被误判？”学生在反驳中意识到，人靠整体经验，机器靠可被计算的线索；人理解场景，机器只看到被允许进入的数据。此时板书只留下五个词：目标、数据、算法、算力、评价，并说明本单元不急着定义人工智能，而先学会拆解它。概念建构采用“两次命名”的办法。第一次命名来自学生：让各组给“会识图、会聊天、会推荐”的系统起一个共同上位词，多数会落到“智能”“学习”“自动”。教师不立即裁决，而是呈现三个反例：自动门按红外开合，不算理解行人；计算器按固定法则运算，不算学习经验；聊天程序给出流畅句子，却可能不知道事实。第二次命名再由学生修正：人工智能不是会动就叫智能，也不等于速度快，它更接近“在明确目标约束下，利用数据与计算完成原本需要部分人力判断的任务”。这个定义不追求学术完备，追求能区分、能提问、能检验。感知体验环节以“训练一个能分清可回收物与其他垃圾的小分类器”为任务。每组领取二十张裁剪好的校园垃圾图片，其中可回收物含饮料瓶、纸箱、旧试卷，其他垃圾含果皮、餐巾纸、污染包装袋。学生先按人的标准分到两摞，再记录分歧图片，例如沾油的纸箱到底是可回收还是污染其他。教师强调标签不是天然而成，而是人根据用途定出的边界；同一物体在不同制度下会得到不同标签。随后学生在体验工具中上传样本，观察模型对新增图片的输出。这里不要求讲神经网络层级，只要求记录三件事：哪些样本一学就会，哪些样本总被混淆，增加样本后哪类错误下降。学生由此发现，机器学到的“像不像”与人类规定的“该不该回收”并不天然一致。体验活动必须紧跟冷静记录，否则会变成热闹演示。每组填写实验单第一栏：目标句写成“辅助值周生在午餐后快速提醒投放错误”，不是“做一个人工智能”；输入写清图片尺寸、拍摄距离、光线条件；输出写清只有两类，不给“不确定”选项会造成什么后果。教师巡堂时少说“很好”，多问“你的模型把油润纸箱判成可回收，失去的是分类纯度还是行政效率”。学生在追问中开始区分不同类型的错：把其他垃圾判进可回收会污染再生流程，把可回收判进其他垃圾主要造成浪费。两种错同名“错误”，代价不同，这为后面阈值与评价埋下钉子。从体验转向原理时，用“手写规则”与“样本学习”对照。教师给出判断“是否带伞”的两套方案。规则方案写成：若图片上方出现深色弧形区域，且区域边缘近似连续，则记为可能带伞；若反光点强且地面有雨痕，则提高置信。学习方案则是：收集带伞与不带伞图片，标好类别，让程序寻找颜色、轮廓、纹理与类别之间的统计关联。学生分组列出两种方案各自怕什么：规则怕场景变化，怕没想到的情况；学习怕样本偏，怕标注错，怕把相关当因果。教师把两句关键判断写在黑板：规则把人懂得的清楚世界交给机器执行，学习把人暂时说不清的模式交给数据逼近；两者都可能有效，也都必须接受场景检验。此处引入一个极简可视化算式，统一口径而不展开推导：正确率＝被判对的样本数÷全部测试样本数。教师随即给出十张测试图成绩表，其中九张普通晴日图全对，一张暴雨图全错，表面正确率九成，关键场景全军覆没。学生用笔画出“总分好看”和“关键处失败”的张力，再讨论如果该模型用于安全提醒，能否只看正确率。此时不出现复杂术语堆砌，只引入必要口径：把实际为正却漏掉叫漏报，把实际为负却警报叫误报；安全场景更怕漏报，资源场景更怕误报。学生要知道评价指标来自价值排序，不是从公式里自动长出善意。为让“偏差”可感，安排一次标注再分配。教师把先前垃圾图片中的饮料瓶全部换成运动会后灯光更暗的照片，再让模型重测，正确率普遍下滑；随后只给一半小组补充夜景样本，另一半维持原样。比较结果后，学生直观看到“见过的世界”塑造模型能力。教师把话题引向更严肃处：若一个系统只见过某些脸型、某些口音、某些字体，它对未见过的群体更低效，低效落在谁身上，谁就被迫适应机器。这里没有口号，只有一句可操作的结论：样本是一份关于“谁被算在内”的选择。第一课时收束用三分钟出门口条，不采用默背定义。学生需完成一句连续表达：“我想用智能方法解决____，输入是____，最重要的评价不是总分而是____，我愿意为它加上的限制是____。”教师回收后按四要素快速分类，发现共性问题：目标常写得过大，输入常写成“很多数据”，限制常写“注意安全”这类空话。下一课时开头便以这些真实句作为修订对象，保证教学连续，学生能感到自己的表达被使用，而不是被收走。第二课时以“把一句话改成能测试的方案”开场。教师展示三句学生原话：“做一个识别校园霸凌的人工智能”“判断同学是否认真听讲”“提醒食堂排队太长”。全班先用五问法体检：目标能否观察，数据能否合法取得，输出由谁使用，错误谁承担，不用技术能否更好。第三句最容易落地，第一句最危险，第二句最容易越界。教师指出难点不在模型，而在问题边界：把管理冲动交给摄像头，会把教育关系改成监控关系；把短暂走神等同不认真，会把多样学习状态压扁。信息技术教师的责任恰在此处显现，既要教可能性，也要守住不能交给机器的部分。核心活动“校园智能提示屏”进入方案拼装。每组收到目标卡、数据卡、模型卡、评价卡、约束卡各若干，需在十分钟内拼出一套可辩护流程。目标卡可选“连廊拥堵提示”“实验室耗材不足提醒”“图书馆静音区异常响动提示”“操场雨天积水提示”；数据卡标明来源，含摄像低分辨率人流计数、人工填报、传感器读数、课程时间表；模型卡分为规则阈值、相似案例检索、统计分类三档，不承诺神秘高精度；评价卡要求写明误报漏报代价；约束卡必须出现“最小采集”“定期删除”“人工复核”“可申诉”中的至少两项。学生发现，真正难的是把“聪明”和“克制”放在同一张图上。拼装后进行走廊互评，规则是“赞美必须指向证据，质疑必须提出替代”。A组设计连廊拥堵提示，输入采用摄像头做人数估计，B组质疑隐私风险，建议降级为红外计数只保留数量不保留图像；A组答辩说数量在雨天与社团活动时分布不同，需结合课程表，接受保留数量、不留人脸的修改。C组做图书馆响动提示，初始方案按分贝阈值报警，D组指出翻书与咳嗽短时尖声会误报，建议用持续时长与时段规则，并把“提醒同学”改成“提醒管理员巡看”。在互评中，学生自然使用目标、数据、误报、漏报、复核这些词，教师只在记录板上抽取精彩改写，不打断交锋。教师随后示范一次“从原型到说明”的升格。以“操场雨后积水提示”为例，不成熟说法是“摄像头看见水就报警”；成熟说法写成：每日seventhperiod后取固定机位低清图像，目标是向物业提示可能影响次日晨练的大面积积水，输入不包含学生正脸，模型只需区分“反光水面占比高”“低”“不确定”，不确定一律转人工；连续两次误报即停用一周复查；所有图像二十四小时内删除，统计结果用于改进排水而非评价班级。学生看到，专业并不体现为术语密度，而体现为每个名词都能落到一连串可检查动作：谁采、采什么、存多久、谁能看、错了谁改、如何退出。原理深化只打开一扇门：让学生认识“特征”不再神秘。教师展示三组简化描述：颜色直方差异明显，边缘密度差异一般，文字区域占比对包装识别有效。学生用眼睛就能猜哪类特征利于识别纸箱，哪类特征会被背景草地干扰。教师说明，传统方法常由人挑选特征，深度学习倾向让多层计算自动形成表示；但不论谁挑，训练都不会脱离评价目标。板书不出现网络拓扑名词轰炸，而写下一行朴素逻辑：表示越贴近任务，样本越省力；表示越贪多，越容易把无关巧合学进去。基础较强的学生课后可读教师递进的伪代码，基础一般的学生掌握这句即可支撑讨论。课堂设置一次“反例诊所”，专门纠偏常见迷思。迷思一：数据越多越好。反例是重复上传同一天同一角度照片，数量膨胀而信息贫瘠。迷思二：模型复杂必然高级。反例是简单阈值在稳定通道中更透明、更易维护。迷思三：屏幕显示置信度高就值得相信。反例是训练与测试同源时会制造虚高信心。迷思四：人工智能中立无错。反例是标签制度先行决定了“什么叫对”。每纠一例，学生需在记录单补一句可执行办法：去重、留外部测试、拆分关键场景、审标签来源、保留人工入口。这样的诊所把学生从仰望技术拉回判断技术。项目整合阶段，小组要把原型话本压缩成半页设计说明，同时做一张风险提示贴。半页说明固定四栏：服务对象、最小输入、判断流程、退出机制；风险提示贴只写最痛一条，不写套话。展示不追求PPT美观，要求每组用九十分钟内能真实采集或模拟的数据说清系统明天会怎样工作。旁听组拿“找茬币”，可投入最薄弱处；得币最多处不是失败，而是下一迭代优先点。教师强调工程文化：能被发现弱点的方案比看似圆满的方案更接近可靠，因为它允许学校在不完美中安全试错。第三课时可安排为评价与公共表达，也可并入第二课时后半。若单独成课，开场即示弱：教师故意给出一份高分但危险的方案，例如“识别课堂抬头率并给专注度打分，正确率八成八”。学生先按旧习惯被分数吸引，再用本课五问拆解：抬头不等于思考，低头演算可能被罚，摄像头改变行为本身，分数一旦关联评价会诱导表演。随后全班共同改写为合理用途：仅用于教师自我反思，按时长匿名聚合，不生成个人榜，不进评优，不接受家长实时查看。此环节的价值在于让学生亲历“技术方案被制度重新塑形”的过程，知道伦理不是课后感想，而是参数、权限与流程。评价设计取消一次性死记，采用过程性证据加表现性任务。过程证据包括实验单、互评发言、修订痕迹；表现性任务为期末可并入项目档案的微型作品。量规分四级：起步级能复述概念但不能连接场景；进阶级能完成体验并记录错误；熟练级能用五问法拆解陌生系统并提出一处有效改进；迁移级能把评价指标与人群影响相连，设计出含退出机制的方案，并能用具体数据说明取舍。每一条都可观察：不是“态度认真”，而是“是否主动把人脸数据降级为计数”；不是“思维活跃”，而是“能否指出某正确率不能覆盖关键时段”。教师评语同样去空话，只写下一步可验证动作。分层任务保证不同基础学生都有可得挑战。全体学生完成体验、记录、互评与半页说明；学有余力者尝试把“是否拥堵”的规则阈值改成分时段阈值，或用伪代码描述“不确定转人工”的分支；对编程暂时吃力的学生，提供流程图拖拽板，要求其把误判案例归入漏报或误报并说明代价。分层不是降低期待，而是让抽象责任以不同抓手进入学习：有人改参数，有人改流程，有人改话术，最后都能回答同一个根本问题——这台机器凭什么介入校园生活。板书采用左右对照而非满屏定义。左板写“机器看见了什么”，下列输入、特征、样本、标签、测试；右板写“人要守住什么”，下列目标、边界、误伤、复核、退出。中间以双向箭头连接，箭头旁只写一句：输入越省事，责任越不能省。这样的板书学生拍照后仍有复习价值，因为它不包装结论，而保留冲突。课后可让学生在便签上补一个家中或社区场景，贴到对应侧，形成持续生长的“智能边界墙”。信息技术教室因此不只是操作房间，也成为讨论公共技术秩序的场所。作业分短、中、长三档。短作业当天完成：记录一次被算法安排的经历，如推荐、导航、验证码，标注数据从哪来、利益归谁。中作业一周内完成：采访一名教职工对智能门禁或排课系统的真实感受，整理成三条事实、两条担忧、一条建议，训练区分体验与传闻。长作业为小组选做：给学校写一封不超过六百字的“谨慎引入建议”，主题必须是具体系统，例如考场身份核验、体测计数、图书盘点；要求包含一个不做的理由。教师批改时优先看证据，其次看结构，坚决不给“科技改变世界”式空泛句高分。实施中常见风险需要预案。若体验平台不可用，改用预装离线样本与投屏演示，学生照样完成误判分类；若讨论滑向对某品牌的吹捧或贬低，教师拉回可检验指标；若学生把隐