高中信息技术必修1人工智能应用体验活动过程教学设计

高中信息技术必修1人工智能应用体验活动过程教学设计教材地位与内容分析粤教版高中信息技术必修1《数据与计算》第六章围绕人工智能展开，6.3节将视线从技术原理转向应用体验，而"活动过程"这一部分承担着把抽象概念转化为可操作任务的关键职能。学生在前面的学习中已经接触了数据编码、算法描述与程序设计的基本方法，具备了一定的计算思维基础，但对人工智能的认知大多停留在"手机语音助手""刷脸支付"这类生活表层，缺乏对机器如何从数据中学习、如何形成判断的内在理解。本节课的价值不在于灌输新知识，而在于设计一条由浅入深的活动链，让学生亲手做出一个能"识别"与"判断"的小作品，在活动中体会特征提取、模型训练、结果评估这三个核心环节。学情分析授课对象为高一年级学生。这一阶段的学生动手意愿强，对新鲜工具接受快，但普遍存在两个问题。其一是"重操作、轻思考"，喜欢照着步骤点击，却不愿追问每一步背后的道理；其二是"重结果、轻过程"，作品能跑通便满足，对识别错误、数据偏差等现象缺乏探究耐心。针对这两点，活动设计采用"任务驱动加结构化记录单"的方式，把学生的好奇心率引到可观察、可讨论的问题上。课前教师已在机房部署好图形化机器学习平台与配套数据集，确保课堂时间全部用于思考与实践，而不是消耗在环境配置上。教学目标知识与技能方面，学生能够说出机器学习的一般流程，即准备数据、提取特征、训练模型、测试评估；能够在可视化平台上完成一次完整的图像分类训练，并解释训练样本数量与识别准确率之间的关系。过程与方法方面，学生通过小组协作完成"采集—训练—测试—改进"的循环，经历一次微缩版的工程实践，逐步形成用数据说话、用实验验证的习惯。情感与价值观方面，学生在亲眼见到模型因为数据偏差而产生误判之后，能够初步建立对人工智能的审慎态度，理解技术并非天然正确，算法的"偏见"往往来自人的疏忽。教学重点与难点教学重点是让学生在真实操作中理解数据如何决定模型的能力。教学难点有两处：一是"特征"这一概念不可见、不可摸，学生容易把分类成功归因于"电脑聪明"；二是评估环节需要引入准确率的简单计算，部分学生面对数据容易退缩。突破策略是借助生活类比与可视化图表，把抽象过程图示化，把计算过程表格化。教学方法与课前准备本课以项目式学习为主线，辅以讲授、演示与小组讨论。课前准备包括：每组一台安装有图形化机器学习工具的计算机、活动记录单、两组预置图像数据集（猫狗图片各若干、手写数字图片若干）、情境任务卡。教师另备一份"问题数据集"，即混入标注错误图片的训练集，用于后半程的对比实验。课时安排为两课时连排，共九十分钟。教学过程第一环节：情境导入，提出真问题（约8分钟）上课伊始，教师在大屏幕上展示两张照片：一张是本校食堂后厨的分拣台，一张是某快递分拨中心的自动分拣流水线。教师提出问题：食堂阿姨一眼就能分出烂苹果和好苹果，机器要做到这件事，需要经历哪些步骤？学生自由发言，答案五花八门——"装摄像头""编程序""联网查资料"。教师不急于评判，而是把学生的回答按"感知、判断、执行"三类归拢到黑板上，形成一张粗糙的流程草图，随后指出：今天这节课，每组同学都要亲手教会电脑完成一次类似的判断任务，看看这张草图是否经得起实践的检验。这一导入刻意选择校园场景，其目的在于拉近技术与学生的距离。食堂分拣是学生们每天路过却未必留意的真实需求，问题真实，探究才有动力。第二环节：类比搭桥，理解训练的本质（约10分钟）教师用一个生活类比瓦解"特征"的抽象性。教师讲述：一个从没见过麻雀的孩子，大人带他看了十只麻雀，告诉他注意"体型小、羽毛褐、叫声碎"，下次他见到第十一只就能认出来。教师随即追问：如果大人只给他看过两只，或者把十只麻雀的照片里混进了三只斑鸠却没告诉他，结果会怎样？学生很快得出结论：认得少会认错，教错了更会认错。教师顺势板书三个关键词：样本、特征、误判。并明确告知学生，机器学习的道理与此完全一致，区别只在于机器提取的特征是图像的像素分布而非人的观感。至此，本课最核心的概念框架已在类比中悄然建立，且未使用任何令人生畏的术语堆砌。第三环节：初阶活动——训练一只"猫狗分辨器"（约20分钟）各小组打开图形化平台，领取任务卡。任务卡上只有三行要求：第一，用平台提供的各三十张猫狗图片完成训练；第二，用预留的十张测试图检验模型，把每次识别结果记录在记录单上；第三，小组讨论哪几张图被认错了，猜测原因并写下来。学生操作时，教师巡视但不代劳，只回答操作疑问，不回答结果疑问。预计会出现的典型现象包括：姿态怪异或角度刁钻的猫被认成狗、毛色相近的图片误判率高。每当有小组惊呼"认错了"，教师便引导其把错图贴到演示区。活动结束时全班已积累出五六张典型误判样本，为下一环节的讨论备足了弹药。教师组织短暂交流，请两到三组汇报误判猜测。教师将学生的猜测归纳到"样本不够多、样本不够全、样本不够干净"三点，并在黑板上画出一条示意曲线：横轴为训练样本数量，纵轴为识别准确率，曲线先陡升后趋缓。学生亲眼看到自己测出的数据点落在这条曲线上，"数据决定能力"这一判断便不再是教材上的句子，而是自己实验的产物。第四环节：进阶活动——人为制造一次"数据污染"（约20分钟）教师发放第二个任务：每组把训练集中的五张狗的图片故意标注为猫，重新训练，再用同样的十张测试图检验，把两次的识别结果逐条对比填入记录单表格。对比结果是震撼的：准确率明显下降，且错误集中在与那几张被污染图片特征相近的测试图上。教室里会出现此起彼伏的"怎么会这样"。教师此时引出本课的价值讨论：如果这套系统不是识别猫狗，而是筛查简历、辅助诊断、审核贷款，被污染的五个样本意味着什么？学生讨论后，教师点拨：算法不会凭空产生偏见，它只是忠实地放大了数据里既有的问题；数据由人采集、由人标注、由人选择，责任链的每一环都站着人。这一环节是本课的点睛处。技术课容易上成操作课，唯有让学生亲手制造并感受一次"技术失灵"，审慎使用的意识才真正长在心里，而非印在卷面答案上。第五环节：评估量规与展示交流（约15分钟）各组依据记录单整理出本组的两次实验数据，计算准确率。准确率按准确率＝识别正确的图片数÷测试图片总数×100%计算，结果以百分数形式填入小组展示页。每组派一名代表用两分钟完成展示，展示须包含三要素：第一次实验的准确率、污染实验的准确率、本组对差异原因的解释。教师依据量规现场点评。量规从三个维度展开：实验操作规范、数据记录完整、解释有理有据。点评时教师坚持只说证据、只问逻辑，不作空泛表扬。例如面对"污染后准确率从九成降到六成"的小组，教师追问：下降的三成里，被错判的是哪一类图？为什么偏偏是它们？把学生的注意力始终压回到数据本身。第六环节：课堂小结与拓展延伸（约10分钟）教师带领学生回到黑板上的初始流程草图，用一节课得来的经验修正它：感知对应数据采集，判断对应模型训练与测试，执行对应系统部署，并在三者旁边补上一个此前无人提及的环节——评估与监督。一张由学生实践修正后的流程图，比任何现成图示都更有说服力，学生经历了一次完整的"猜测—验证—修正"，这正是科学方法的真身。作业设计为分层任务。基础任务：完成记录单剩余部分，写出本组两次实验的完整结论。进阶任务：思考校园生活中还有哪些场景可以套用"采集—训练—评估"的流程解决，写一份不超过二百字的设想。选做任务：回家观察一款语音助手，记录它在什么情况下会听错，尝试用本课学到的原理解释。板书设计板书分为左右两区。左区为主线流程：样本→特征提取→训练→测试→评估，箭头首尾相连，暗示这是一个可以循环改进的圆环。右区为讨论生成区，依次写下"样本不够多、不够全、不够干净"与"数据有偏，模型必偏"。下课前，左区那张被修正的草图与右区的警示语共同构成本课的知识骨架与价值锚点。教学反思预设从同行评议的角度审视本设计，有三处值得在课后重点回看。其一，两课时连排的时间分配对操作慢的小组可能偏紧，污染实验环节若被压缩，全课最有价值的讨论便会失色，实施时宁可舍弃展示环节的数量也要保住讨论质量。其二，准确率的计算对个别学生仍是障碍，记录单上应预埋算式框架，让计算服务于结论而非制造新困难。其三，"数据偏见"的价值引导要克制分寸，点到为止，让学生基于自己的实验数据得出结论，胜过