高中信息技术必修1《人工智能的应用》教学设计

高中信息技术必修1《人工智能的应用》教学设计一、教学定位与设计理念本课选自粤教版（2019）高中信息技术必修1《数据与计算》第六章"人工智能及其应用"第二节"人工智能的应用"。教材在上一节帮助学生建立对人工智能的整体认知之后，将视线引向智能制造、智能家居、智能教育、智能交通、智能安防、智能医疗、智能物流等具体领域，引导学生从"知道人工智能是什么"走向"理解人工智能正在做什么、能做什么、不能随意做什么"。本课的教学定位不是应用领域的清单式罗列，而是以"场景解剖—原理透视—边界思辨"为主线，带领学生完成三次认知跨越：从生活现象中识别人工智能的存在，从典型案例中剖开技术运作的机理，从社会争议中思考技术应用的边界。这样的设计意图在于，必修1面向的是全体高一学生，他们中的绝大多数未来不会成为算法工程师，但一定会成为人工智能深度嵌入的世界里生活的公民。课程教给他们的，应当是一种结构化的判断力——面对任何一个"智能产品"，能迅速提出三个问题：它靠什么数据工作？它的决策依据是什么？它可能在哪里出错、伤害谁？二、学情分析授课对象为高一年级学生，具备三个有利条件：其一，他们的生活经验中天然携带丰富的人工智能触点，短视频推荐、人脸支付、语音助手、扫地机器人都是日常经验，为案例教学提供了可直接调动的认知资源；其二，经过前五章数据与计算的学习，学生已经初步建立"数据—算法—输出"的计算思维框架，具备理解"人工智能依赖数据训练"这一核心观念的脚手架；其三，此年龄段学生价值判断正在成型，对公平、隐私、责任等议题有天然的敏感度和表达欲。同时存在三个明显障碍：一是认知停留在"用过"层面，缺乏"解构"意识，学生能列举应用却说不出应用背后的共性机制；二是容易滑向两个极端——要么神化人工智能，认为机器无所不能；要么妖魔化，因个别负面新闻全盘否定；三是表达能力不足以支撑深度讨论，需要教师提供结构化的表达支架。教学须对此有针对性回应。三、教学目标信息意识方面，学生能够从日常场景中主动识别人工智能应用的介入点，感知数据作为核心生产资料在智能系统中的地位，形成对"智能背后必有数据支撑"的直觉判断。计算思维方面，学生能够以"输入数据—模型处理—输出决策—反馈优化"的通用框架，对至少三个人工智能应用案例进行结构化剖析，抽象出不同领域应用背后的共性运作逻辑。数字化学习与创新方面，学生能够借助在线体验工具体验图像识别、文本生成等典型应用，并通过刻意"刁难"系统的方式探测其能力边界，形成基于实证的评估习惯。信息社会责任方面，学生能够围绕算法偏见、隐私让渡、责任归属等真实争议议题展开有理据的讨论，初步形成"技术应用须以人的权益为标尺"的伦理立场。四、教学重难点教学重点放在两个层面：一是梳理人工智能在制造、医疗、交通、教育等领域的典型应用形态，理解其实现的基础条件；二是归纳各类应用背后共通的工作机制，即从数据到模型再到决策的基本通路。教学难点在于应用边界的讨论。学生容易在"能做什么"上侃侃而谈，却在"该不该做、做错了谁负责"上失语。教师需要通过精心设计的两难情境，把边界问题从抽象原则转化为可感、可辩的具体冲突。五、教学准备教师准备：多媒体教室设备、可联网的机房环境；图像识别在线体验平台的演示账号；三组案例素材包，分别为"智能医疗影像辅助诊断""城市智能交通信号优化""校园人脸识别考勤系统"的图文与短视频材料；小组任务单；用于思辨环节的两则新闻剪辑——某招聘平台算法被曝性别偏好、某地智能音箱误唤醒引发的隐私投诉。学生准备：课前通过问卷星完成"我身边的人工智能"微调查，提交三个自己或家人真实使用过的智能应用实例，并标注使用频率与满意程度。该数据将在课堂导入环节直接生成词云，成为本班独有的教学起点。六、教学过程（一）情境导入：一张属于自己的AI生活图谱上课伊始，教师不急于开讲，而是将课前问卷结果实时投屏：全班四十六名学生提交的一百三十余条应用实例，经词频统计后生成词云。"抖音推荐""人脸解锁""导航避堵""作业帮搜题""小爱同学"等词条醒目突出。教师顺势抛出一连串引导：这份图谱中，哪些应用你感知到了它"在思考"？哪些只是程序的机械执行？扫地机器人撞开拖鞋继续前行，和导航软件为你绕行一场临时交通管制，二者的"聪明"是同一种聪明吗？学生讨论中自然出现分歧：有人认为扫地机器人也算智能，有人认为那只是红外感应的机械反应。教师不急于裁判，而是板书两种观点，点明本节课的任务——学完之后，要用更精细的标准重新回答这个开场问题，并自愿修正自己的立场。设计意图：用学生自己生产的数据作为导入素材，既尊重其已有经验，又制造了真实的认知冲突。让学生带着未决的问题进入新知，比直接给出定义更能维持四十分钟的学习张力。（二）新知建构之一：应用领域全景扫描教师依托教材框架，带领学生快速扫描六大应用领域，但扫描方式不是平铺直叙，而是每个领域只呈现一个"戏剧性瞬间"。智能制造领域，播放一段三十秒的无人工厂视频：机械臂翻转、焊接火花飞溅，车间空无一人。教师提示学生注意观察质检环节——高速摄像机以肉眼不可能的速度捕捉产品表面微米级划痕。智能医疗领域，展示一张肺部CT影像，标注出算法标出的微小结节，并给出对比数据：在三甲医院试点中，辅助系统将早期肺结节检出率提升近两成，而单张影像的阅片时间从数分钟压缩至数秒。智能交通领域，呈现某城市"城市大脑"的运行画面：信号灯配时不再固定，而是随实时车流密度动态调整，试点区域高峰拥堵时间显著缩短。智能教育领域，教师就地取材：演示一个拍照搜题应用如何识别手写公式、匹配题库、生成分步解答。智能物流与智能安防各以一幅图景带过：分拣仓库里穿梭的橙色机器人方阵，以及地铁站的人脸闸机。扫描结束后，教师提出本环节的关键问题：这六个领域看似天差地别，但它们共享着同一套底层语法。请小组讨论三分钟，尝试用一句话概括这套语法。各组汇报后，师生共同收敛出核心框架：所有人工智能应用都遵循"感知输入—数据建模—决策输出—反馈迭代"的通路。摄像头与传感器负责感知，历史数据喂养出模型，模型对当前情境作出判断，判断结果被记录并用于优化下一轮判断。教师将该框架以流程图形式板书：感知输入→数据建模→决策输出→反馈迭代↑＿＿＿＿＿＿＿＿＿＿＿＿＿↓设计意图：领域扫描保证知识覆盖面，符合课标对内容广度的要求；"戏剧性瞬间"保证每个领域在学生心中留下情感锚点；而"找共同语法"的任务把六根散线拧成一股，实现从零散见识到结构认知的关键一跃。（三）新知建构之二：案例解剖——把一只应用拆开来看本环节进入深度学习。三组学生分别领取不同案例包，按统一任务单完成解剖，十五分钟后轮换汇报。第一组解剖"智能医疗影像辅助诊断"。任务单要求回答：系统的输入是什么形式的数据？训练模型所用的数据从何而来、由谁标注？输出的结论以什么方式呈现给医生？如果系统漏报了一个结节，可能的原因是什么？学生在素材中发现一段关键说明——某模型在东部三甲医院数据上训练后，用于西北地区基层医院时准确率明显下降。这组汇报时提出了令人印象深刻的推论：模型的能力边界由它"见过"的数据决定，没见过的人群就是它的盲区。第二组解剖"城市智能交通信号优化"。学生发现，该系统的决策依据是摄像头与地磁线圈采集的实时车流，优化目标是全域通行效率而非单个路口的等待公平，于是出现了有趣的推论：为了让主干道畅通，支路等待时间可能被人为拉长。效率与公平在此处并非天然一致。第三组解剖"校园人脸识别考勤"。这组学生的讨论最为激烈，因为他们发现这个系统的决策对象是"我们自己"。素材中列出了滑稽的失败案例——双胞胎互刷成功、戴口罩导致识别失败、照片翻拍骗过旧版活体检测。学生在笑声中意识到：每一个智能系统在便利的另一面都挂着一份失误清单。三组汇报完毕，教师引导全班回到黑板上的通用框架，逐格填入三案例的具体内容，并提炼出三条共性发现：其一，数据决定模型的眼界；其二，优化目标隐含价值取向；其三，任何系统都有失败模式，而且失败往往由最弱势的使用者承担代价。设计意图：解剖式学习迫使学生越过"好用不好用"的消费层面，进入"如何工作、为何失效"的机制层面。三案例分别对应医疗、公共治理、校园生活，由远及近，最后一个案例直指学生自身，认知冲击自然引发对下一环节伦理讨论的内在需求。（四）思辨深化：技术应用的边界在哪里教师投放第一则新闻：某大型招聘平台被曝出简历筛选算法系统性降低女性简历权重，原因是训练数据来自过去十年的录用记录，而这些记录本身就携带行业性别偏见。教师提出问题链：算法歧视是故意的吗？程序员的代码里写了"歧视女性"这四个字吗？偏见是怎么溜进机器的？学生在讨论中逐步触达核心：模型只是忠实地学习了历史，而历史本身不平等。机器没有发明偏见，却在以工业化的效率复制和放大偏见。有学生当场引用第二环节的结论——"数据决定模型的眼界"，并修正为"被污染的过去会污染机器判断的未来"。第二则新闻关于智能音箱误唤醒持续录音。教师转换提问角度：当你享受"喊一声就开灯"的便利时，你让渡了什么？这笔交易是自愿的吗？家里的访客同意了吗？随后组织一场八分钟微型辩论，辩题为"校园人脸识别考勤的利大于弊还是弊大于利"。正反方各陈词两轮。教师不参与评判，只在黑板上记录双方援引的论据，辩论结束后带领学生审视论据结构：正方论据多指向效率与安全管理，反方论据多指向隐私与出错风险。教师点破——这不是一道有标准答案的题，而是一项需要持续权衡的公共决策；真正重要的是，你们已经学会把"效率账"和"权利账"分开算，再放在一起权衡。设计意图：思辨环节对应信息社会责任素养的落地。两则新闻一远一近，辩论题取自学生刚解剖过的案例，确保人人有话可说。教师把自己定位为讨论的组织者而非结论的发布者，这一克制本身就是示范——在技术伦理问题上，成熟的态度是审慎权衡而非急于站队。（五）实践检验：我当质检员——探测系统的边界理论思辨之后，学生回到机房，开展十五分钟的"刁难实验"：利用在线图像识别平台，每人自选五张图片测试系统，要求其中至少两张带有"陷阱"——逆光、遮挡、罕见角度、艺术化处理或易混淆物体。学生记录系统的识别结果、置信度与错误模式，并尝试解释错误原因。课堂即时生成的发现五花八门：有学生用一张猫的油画骗过了系统，识别结果显示为"兔子"；有学生发现同一张墨水瓶照片，换白色背景后识别准确率骤降；还有学生上传了教师事先准备的手写数字图片，发现潦草的"7"被判为"1"。教师收集若干典型案例投屏点评，把学生的零散发现归纳回"感知输入—数据建模"框架：识别失败不是系统"笨"，而是输入超出了训练数据的覆盖范围。随后布置延伸思考：如果你来改进这个系统，你会优先做什么？多数学生的回答指向"喂给它更多、更多样的数据"，教师肯定这一直觉，并补上一句——这正是当今整个人工智能行业每天都在做的事，你们刚才完成的，是一次微缩版的算法工程实践。（六）课堂收束：回到开场那张词云教师将开场词云重新投屏，请学生用本课建立的框架重新分类自己与家人的智能应用：哪些强的感知输入端？哪些依赖大规模历史数据？哪些的错误后果轻微、哪些一旦出错代价沉重？学生发现，占词云主体的娱乐推荐和语音助手属于"错了也无妨"的轻决策应用，而医疗、交通类应用则是"错一次就是大事故"的重决策领域。教师顺势给出本节课的落脚点：判断人工智能应用价值的标尺有两把——技术上看它的数据与模型边界，伦理上看它出错时由谁承担代价。两把尺子配合使用，才是一个数字公民面对智能世界的完整姿态。最后三分钟，学生完成出门条，写下三句话：今天我确认的一个判断；今天我被推翻的一个想法；我还想追问的一个问题。教师课后随机抽取若干条，作为下一节课的导入素材和评价反馈的依据。七、板书设计主板书呈现本课筋骨：左侧为应用领域一览，中央为"感知输入—数据建模—决策输出—反馈迭代"循环图，右侧为讨论中生成的三条共性发现与两把标尺。副板书随讨论即时生成，记录学生的精彩表述与未决问题，体现课堂的生长性。八、作业设计基础性作业：绘制一张"家庭人工智能应用解剖图"，任选家中一种智能设备，用本课框架标注其输入、模型数据来源推测、输出形式与已知失败案例。拓展性作业：以小组为单位开展"校园智能化改造提案"活动，选择一个校园痛点场景（食堂排队、图书馆座位管理、校园安全巡查等），设计一个人工智能应用方案，方案中必须包含"数据从哪来""出错怎么办""谁会受伤害"三个强制栏目。此作业呼应思辨环节，防止学生在畅想应用时只画便利不画代价。九、教学评价评价摒弃单一纸笔测验，采用三维复合方式。过程性评价依托任务单完成质量与小组解剖汇报的表现，侧重观察学生能否在框架约束下完整表述应用机制；表现性评价依托辩论与刁难实验，侧重观察学生论据的援引能力与实证意识；结果性评价依托出门条与作业，侧重判断学生是否真正内化了两把标尺。评价量表在课前发放至各小组，让学生从一开始就知道"好表现"长什么样子。十、教学反思预设本课容量偏大，领域扫描与案例解剖的时间配比需根据班级实际弹性调整。预计实施