高一信息技术《探秘人工智能》教学设计

高一信息技术《探秘人工智能》教学设计一、教学基本信息教材版本：教育科学出版社（2019）《信息技术》必修一《数据与计算》第二章第五节。授课对象为高一年级学生，课时安排为两课时连排（90分钟）。本课所在单元以"用计算机计算"为主线，前两节学生已经历了用算法和程序解决问题的完整过程，本节则在此基础之上引出人工智能这一计算科学发展的重要分支，让学生在体验、探究与思辨中理解人工智能的基本概念、典型应用、核心思想及其社会影响，为后续学习机器学习的初步内容奠定基础。二、课标要求与内容分析《普通高中信息技术课程标准（2017年版2020年修订）》在必修模块1"数据与计算"中明确要求学生"通过人工智能典型案例的剖析，了解智能信息处理的巨大进步和应用潜力，认识人工智能在信息社会中的重要作用"。本节教材以"认识人工智能—了解人工智能的主要研究领域与应用—初步感知人工智能的实现原理与伦理问题"为线索展开。教学处理的重心不在于知识的罗列，而在于让学生经历"体验现象—提出猜想—探究原理—反思影响"的科学探究过程，将神秘的技术黑箱逐层打开，形成既不过度神化也不盲目抵触的理性技术观。三、学情分析授课班级为高一学生，年龄在十五六岁之间，是伴随智能音箱、短视频推荐、人脸支付成长起来的一代。他们对人工智能有丰富的感性经验和强烈的好奇心，但认知呈现三个典型特征：其一，把人工智能等同于机器人，混淆载体与内核；其二，认为人工智能"无所不能"或"就是科幻电影里的威胁"，判断来源多为影视作品和网络碎片信息；其三，此前几节已经学习了算法与Python编程的基础知识，具备"计算可以解决问题"的初步认识，但尚未理解"让机器从数据中自动获得规律"这一与传统编程截然不同的范式。这三点正是本课教学的切入点与着力点。四、教学目标信息意识方面，学生能够主动发现生活中人工智能应用的实例，辨析其背后处理的信息类型，认识到人工智能已成为信息社会的基础设施之一。计算思维方面，学生能够理解"人工编写规则"与"机器从数据中学习规则"两种问题求解路径的本质差异，初步建立数据、算法、算力驱动智能的整体认识，能用流程化的语言描述"训练—识别—反馈"的基本过程。数字化学习与创新方面，学生能够借助在线人工智能体验平台开展探究实验，记录实验现象，分析实验结果，并尝试用给定的简易工具训练一个图像分类小模型。信息社会责任方面，学生能够结合具体案例讨论隐私保护、算法偏见、深度伪造等伦理议题，形成负责任地使用和评价人工智能技术的态度。五、教学重点与难点教学重点：人工智能的概念及其主要研究领域；人工智能解决问题的基本思想与传统程序的区别。教学难点：对"机器学习是让计算机从数据中发现规律"这一抽象思想的理解；辩证看待人工智能的能力边界与社会影响。六、教学方法与课前准备教学方法采用情境体验法、任务驱动法、对比探究法与合作研讨法相结合。课前准备包括：机房安装联网环境及必要软件，教师准备TensorFlowPlayground网页版、在线手写数字识别演示页面、TeachableMachine网页版体验账号；准备学生探究任务单（人手一份打印稿）、小组记录用电子表格模板；教师提前录制两段素材视频，一段为自动驾驶道路实测片段，一段为深度伪造换脸案例片段；黑板侧方提前张贴"人工智能猜想墙"海报纸。七、教学过程第一环节：情境导入，制造认知冲突（约8分钟）上课伊始，教师不宣布课题，而是直接在大屏幕上展示三张图片：一张是明代画作中的仕女，一张是聊天机器人给出的流畅对话截图，一张是机器人在工厂中精准装配零件的画面。教师提问："这三张图背后，有一件共同的东西在起作用，猜猜是什么？"学生很快说出"人工智能"。教师追问："那什么是人工智能？请每人在猜想墙上用一句话写下你的理解，不写名字。"学生写下的答案五花八门："人工智能就是会思考的机器""人工智能就是机器人""人工智能是装了芯片的大脑""人工智能就是能打败人类的程序"。教师将这些便签快速归类投屏，指出其中的分歧点：有人强调"像人一样思考"，有人强调"帮人干活"，有人把人工智能和机器人画了等号。教师顺势点明课题："今天我们不背定义，我们用一节课的时间，像科学家一样把这个熟悉又陌生的概念'探秘'清楚。"板书课题：5.2探秘人工智能。设计意图：以匿名猜想墙收集前概念，既保护了表达的安全感，又让学生固有的模糊认识外显化，为后续的概念建构制造认知冲突；教师刻意不先给定义，把学生置于探索者的位置。第二环节：体验活动，感知智能形态（约12分钟）教师发布三个并行的体验任务，学生四人一组轮转完成，每组在任务单上记录"它做了什么、我猜它怎么做到的"。任务一，对话挑战。学生与在线聊天程序进行三分钟自由对话，尝试用各种问题"考倒"它，记录对话中最像人的一句话和最露怯的一句话。任务二，慧眼识图。学生在在线手写数字识别页面随意书写数字0至9，观察系统识别的正确率，并故意书写潦草、残缺、变形的数字，观察系统何时会"犯错"。任务三，比划猜谜。学生使用摄像头与在线姿态识别小应用互动，摆出手势或动作让程序判断类别。体验结束后，教师组织快速分享。学生普遍发现：聊天程序聊古诗词头头是道，问它"我同桌昨天穿的什么颜色"却答非所问；手写数字写得规范时几乎全对，故意写一个断笔的"8"就被认成"3"。教师抓住这一细节追问："它没有上小学，为什么认识数字？它又是凭什么把你的'8'错认成'3'的？"学生沉默，这正是本课要解决的核心问题。教师板书问题链：第一问，它为什么"认识"东西？第二问，它的"认识"和我们的认识一样吗？第三问，它会不会错，错了谁负责？设计意图：三组体验分别对应人工智能的典型领域——自然语言处理、计算机视觉、感知交互，让抽象领域在具体体验中落地；故意设计"让它犯错"的操作，为后面讲解"基于统计概率的识别"埋下伏笔。第三环节：对比探究，揭开核心原理（约25分钟）这是本课的重头戏。教师首先带领学生回顾旧知："上一节我们用Python写过判断闰年的程序，计算机为什么能判断得又快又准？"学生回答："因为我们把所有的规则都写清楚了，能被4整除不能被100整除，或者能被400整除。"教师总结并板书："人定规则，机执行——这是传统程序解决问题的模式。"紧接着教师抛出新问题："现在请写一段程序，识别一张图片里是不是猫。规则怎么写？有胡须？狗也有。尖耳朵？折耳猫没有。"学生在讨论中迅速达成共识：图片识别这件事，人无法事先把规则写全。教师顺势引出："科学家换了一条路——不给规则，给例子。给机器看成千上万张猫的照片和非猫的照片，让它自己去发现'什么样的像素组合更像猫'。这种从数据中自己总结规律的方式，叫机器学习。"为了让学生真切"看见"这个过程，教师演示TeachableMachine：现场让一名学生面对摄像头，分别采集"戴眼镜"和"不戴眼镜"两类图像各五十张，点击训练，十几秒后模型生成，再请另一名戴眼镜的学生测试，系统给出了高置信度的判断。学生发出惊叹。教师追问三个层层递进的问题："机器看到的照片是什么？"引导学生得出：是像素，是数据。"它判断的依据是规则条文吗？"学生答：不是，是它从样本中总结的统计特征。"如果我训练时只采集了教室日光灯下的画面，拿到昏暗环境里识别率会怎样？"学生推理出：会变差，因为它的经验来自数据，数据之外它就不知道了。教师此时给出概念点睛："人工智能是研究如何制造智能机器或智能系统来模拟、延伸人类智能的科学。当前主流的人工智能，本质上是用数据喂出来的统计模型——它强大的地方和犯错的根源，都在这五个字里。"随后教师用板书画出对比表：传统程序是"规则+数据→答案"，机器学习是"数据+答案→规则（模型）"，箭头方向的变化一目了然。讲解过程中教师引入"数据、算法、算力"三要素，说明三者如同灶、菜谱与火候，缺一不可，并简要介绍我国近年来在人工智能基础研究与应用上的进展，增强学生的科技自信。为巩固理解，教师布置小组辨析任务：给出六个生活场景（计算器求平均值、导航躲避拥堵推荐路线、银行ATM点钞、短视频个性化推送、电梯按楼层停靠、无人车识别红绿灯），请小组判断哪些属于人工智能应用并说明理由。学生争论的焦点集中在"导航推荐路线"与"ATM点钞"上，教师引导学生以"是否从数据中学习、是否能处理无法预先穷举规则的问题"为判据，最终达成共识。设计意图：用"闰年程序"与"识猫难题"的正反对比制造思维张力，使学生自己"发现"传统编程范式的局限，从而让机器学习的引入成为思维的必然结果而非知识的灌输；现场训练模型的演示把抽象原理变为可见过程，三要素的归纳则帮助学生建立结构化认识。第四环节：案例研讨，直面伦理边界（约20分钟）教师播放深度伪造换脸案例视频片段：一段以假乱真的"名人讲话"视频最终被证实为伪造。播放结束后教室安静下来。教师提出问题串："这段视频的技术和我们刚才训练眼镜模型用的是同一类技术。技术本身有错吗？如果你收到一条父母发来的语音借钱消息，现在的你还敢直接转账吗？"随即开展"技术双刃剑"微型辩论。全班分为四个研讨组，分别抽到四个议题卡：议题一，人脸识别的便利与隐私边界（结合小区刷脸门禁案例）；议题二，算法推荐的贴心与信息茧房（结合短视频使用体验）；议题三，人工智能替代岗位的利与忧（结合无人超市、智能客服案例）；议题四，深度伪造与信息真实性（结合刚才的视频）。每组研讨五分钟，形成"一个担心、一个建议"，写在任务单上并派代表发言。交流中涌现出许多令人惊喜的观点：有小组提出"刷脸进门很方便，但我的脸是能改的密码吗？密码泄露了可以换，脸泄露了怎么办"；有小组指出"推荐算法只给我看我喜欢的，我的世界会越活越小"；还有小组辩证地说"历史每次技术革命都淘汰了旧岗位也创造了新岗位，关键是我们自己要有不被替代的本领"。教师逐一点评并提升："大家今天谈到的，正是全世界科学家、立法者共同面对的问题。我国已经出台了关于算法推荐管理和深度合成管理的相关规定。技术越强大，驾驭它的人越需要理性、良知与责任感。人工智能能替代的是技能，替代不了的是你们此刻的思考。"设计意图：伦理教育最忌空泛说教，本环节以真实案例和贴近学生的议题引发真思考、真讨论，把信息社会责任的培养落在具体情境中；学生的惊人之语也证实了高中生完全具备开展技术伦理思辨的潜能。第五环节：总结建构与分层延伸（约10分钟）教师引导学生回看猜想墙："现在，请把你上课前写的那句话在心里修改一遍，你愿意怎么重新定义人工智能？"随机请三名学生口头修改，教师点评后再展示教材中的规范表述，学生发现自己在修改中已逼近科学概念，学习的成就感油然而生。师生共同完成板书上的知识框架：人工智能的概念——从"像人一样思考"的四条研究路径讲起（从热的达特茅斯会议一笔带过）；三大要素：数据、算法、算力；两大范式对比：人工规则与机器学习；典型应用领域：计算机视觉、自然语言处理、语音识别、智能机器人；一个清醒的立场：善用、慎用、负责任地用。布置分层作业：基础层，完善任务单上的对比表与概念图；拓展层，回家用手机或电脑体验一项此前未用过的人工智能应用，写一百五十字的体验分析，重点写"它可能用了什么数据、可能在哪里犯错"；挑战层，选学教材配套的简单机器学习拓展材料，下次课用两分钟向同学分享。设计意图：以"回到猜想墙"实现首尾呼应，概念建构在学生的自主修改中完成而非在教师的宣读中结束；分层作业兼顾不同学力学生，把课堂探究延伸到校外真实情境。第五环节之外的两分钟弹性时间，教师预留用于答疑或处理当堂生成的精彩问题。八、板书设计主板书居中书写课题"5.2探秘人工智能"，下方分四栏展开：第一栏"是什么"——模拟、延伸人类智能的科学；第二栏"靠什么"——数据、算法、算力三足鼎立；第三栏"怎么算"——左右对比传统程序（规则+数据→答案）与机器学习（数据+答案→模型）；第四栏"怎么看"——强大源于数据，局限也源于数据，善用、慎用、负责任地用。黑板右侧保留"猜想墙"区域，上下课两端的学生笔迹形成直观的学习证据。九、教学评价设计本课评价采用过程性评价与表现性评价相结合的方式。评价指标嵌入任务单，设置四个观测维度：体验记录的完整性、辨析任务中说理的逻辑性、伦理研讨中观点的深度、概念修正的准确性。评价主体包括学生自评、小组互评与教师点评。具体操作上，教师在巡场时用手机抓拍典型学习瞬间，课末选取两至三份代表性任务单投屏讲评，让评价本身成为又一次学习。课后将优秀拓展作业汇编成班级《人工智能见闻录》电子小报，持续发酵学习成果。十、教学反思要点本课设计预判了三处可能的教学风险并预置对策。其一，体验平台若因网络问题无法访问，教师已准备本地缓存的演示视频和离线版的识别小工具作为备用方案，"探秘"的主线不因技术故障而中断。其二，现场训练模型的环节可能因光线、样本量问题出现识别效果不佳的情况，这恰恰成为讲解"数据质量决定模型质量"的天然生成性资源，教师要敢于让学生看到"失败"，失败的实验比完美的演示更有教育