小学六年级信息技术《Python趣味编程-初识人工智能应用》教学设计

小学六年级信息技术《Python趣味编程——初识人工智能应用》教学设计一、教材分析与课程定位本课为《Python少儿趣味编程》校本课程模块三“智能创造入门”的第17课，承接前十六课变量、循环、函数、列表、字典、模块导入、文件操作、异常处理及网络请求等核心语法与编程思维训练。课程面向已具备六个月以上Python基础、能独立完成文本类小游戏与数据可视化小项目的六年级学生。教材选取“图像识别""语音合成""文本情感分析"三个典型AI应用场景，引导学生调用百度AI开放平台、百度千帆大模型平台等成熟云端API，在可控代码量内体验“数据—模型—应用”完整链路。课程定位于“体验式理解与迁移式应用”，不要求学生掌握神经网络数学原理，但要求能读懂API文档、构造请求参数、解析JSON响应、处理异常分支，并能在真实场景中评估识别准确率与响应延迟，为初中阶段机器学习建模课程奠定工程直觉。二、学情分析与学习者画像目标班级共42名学生，男女比例接近1:1。经前测问卷与过往作品评估，学生分为三梯队：第一梯队12人，掌握面向对象封装、异步协程基础，能自主阅读英文文档；第二梯队22人，熟练使用requests库完成GET/POST请求，JSON路径提取偶有失误；第三梯队8人，循环嵌套与字典嵌套仍需教师脚手架支持。认知特点上，学生对“AI”概念多源于智能音箱、人脸闸机、作文批改APP等生活场景，存在“AI全能论”与“代码即魔法”双重误区。情感态度上，第一梯队渴望技术深度，第三梯队恐惧报错红字。分层教学策略将围绕“同一任务、异阶挑战、共享成果”展开。三、课程目标与核心素养对标依据《义务教育信息科技课程标准（2022年版）》六年级学段要求，结合ISTE学生标准1.5“计算思维者”与1.6“创造性沟通者”，确立本课三维目标：1.信息意识：能辨析生活场景中“规则型程序”与“数据驱动型AI”的本质差异，理解训练数据偏差对模型公平性的影响，在调用人脸检测接口时主动测试不同肤色、年龄、遮挡样本，记录准确率差异。2.计算思维：能将“拍照—上传—识别—反馈”流程拆解为输入预处理、API请求构造、响应解析、结果可视化四个模块，用流程图表示异常分支（网络超时、QPS限流、置信度阈值判断），并用Python函数封装复用。3.数字化学习与创新：在“智能相册分类器”项目中，综合运用PIL图像压缩、base64编码、多线程并发请求、tkinterGUI构建，完成从单张图片测试到批量文件夹自动归类的迭代开发，代码行数控制在150行以内，单次识别延迟<2秒。4.信息社会责任：明确人脸、声纹属于生物识别信息，严禁上传他人照片或录音至云端，本地测试仅使用教师提供的脱敏素材包，代码中显式删除临时文件，培养隐私保护第一反应。四、重点、难点与破解策略重点：HTTPPOST请求构造（Headers、Body、multipart/formdata）、JSON层级解析（嵌套字典/列表索引）、置信度阈值与业务逻辑耦合。难点：异步并发控制下的UI响应冻结问题、API密钥安全管理（配置文件分离与gitignore）、模型误判情况下的降级交互设计。破解策略：（1）请求构造可视化：引入Postman风格“请求构建器”半成品代码，学生仅补全关键字段，聚焦参数语义而非语法细节。（2）JSON路径游戏化：设计“寻宝地图”练习，用键名链条定位目标值，如result.face_list[0].location.left，配合在线JSONPath测试器即时反馈。（3）线程与UI解耦：提供ThreadWorker模板类，封装信号槽机制，学生只需重写run()与on_finished()，避免直接操作tkinter主线程导致崩溃。（4）密钥托管机制：统一使用环境变量加.config.ini双模式，首课演示密钥泄露导致账号封禁真实案例，建立“代码上传前必查配置”肌肉记忆。五、教学资源与环境准备硬件：机房42台联网PC（i5/8G/SSD），教师机投屏，备用4G随身WiFi应对校园网限流。每桌配置LogitechC270摄像头1个，用于实时采集测试。软件：Anaconda环境预装Python3.11、requests、Pillow、tkinter、pythondotenv、customtkinter美化库。素材包含：标准人脸集（不同年龄/种族/表情/遮挡各20张，共200张）、干扰图集（风景、宠物、文档截图50张）、情感语料库（正向/负向/中性短文各100条）、配置文件模板config.ini.example。平台：百度AI开放平台教师班级账号（预创建应用，分配子账号AK/SK，QPS限制调至50），千帆平台ErnieBotturbo调用额度每生1000次/课时。网络：预检所有API域名（aip.baidubce、qianfan.baidubce）在机房可达，平均延迟<80ms。六、教学过程设计（四课时，每课时40分钟）【第一课时：协议解剖与首次调用】导入（5分钟）教师展示两段视频：视频A为1990年代专家系统“MYCIN”诊断流程图（规则硬编码），视频B为同一症状输入当前大模型诊断建议（概率输出）。学生用便利贴写出三个差异关键词贴白板，引出“确定性规则vs概率模型”核心张力。教师补充：今天我们不训练模型，只做“模型调用者”，像用积木搭房子——积木是云端API，胶水是HTTP协议。新知建构（15分钟）1.协议三要素拆解：教师在终端实时curl演示：curlXPOST"https://aip.baidubce/rest/2.0/face/v3/detect?access_token=xxx"\H"ContentType:application/json"\d'{"image":"base64_string","image_type":"BASE64","face_field":"age,beauty,expression"}'逐行对应讲解：URL端点与版本号、Query参数鉴权、Header声明载荷格式、Body携带业务数据。学生在手册填写“协议解剖表”，对应位置写出Pythonrequests对应参数（params、headers、json/data）。2.Base64编码必要性：演示直接上传二进制报错400，再用base64.b64encode转码成功。类比“快递只能寄纸条不能寄实物”，引导学生理解文本协议传输二进制的工程妥协。3.AccessToken获取机制：展示OAuth2.0客户端凭证流程序列图，强调token有效期30天、刷新策略、不可硬编码。学生完成“Token全生命周期管理”流程图绘制。指导实践（18分钟）任务：“最小可行性识别器”——读取本地test.jpg，调用人脸检测，控制台打印人数、首人脸年龄、颜值分、表情标签。分层任务单：基础版（第三梯队）：填空代码，补全image读取、base64编码、params字典、response.json()解析路径。进阶版（第二梯队）：完整独立编写，增加异常捕获（ConnectionError、KeyError、JSONDecodeError），打印耗时毫秒数。挑战版（第一梯队）：封装FaceDetector类，实现__init__读取配置、detect(image_path)返回标准字典、__enter__/__exit__支持with语句自动释放。教师巡查重点：config.ini是否加入.gitignore、base64字符串是否decode('utf8')、置信度字段是否存在性判断。典型错误集锦实时投屏复盘：TypeError:expectedstringgotbytes、KeyError:'face_list'、IndexError:listindexoutofrange（无人脸时）。总结提升（2分钟）学生口述“请求响应”完整生命周期，教师板书关键节点：本地文件→字节流→Base64字符串→JSON载荷→HTTPS传输→云端推理→JSON响应→字典解析→业务对象。布置课后微任务：用手机拍3张不同光照自拍，放入素材包，下节课测试鲁棒性。【第二课时：批量处理与可视化交互】导入（3分钟）展示上课时学生提交的耗时数据箱线图（教师提前统计），引出“单张测试不代表批量性能”。提出驱动问题：如何让非程序员同学也能用这个工具？新知建构（12分钟）4.遍历与过滤：os.walk递归获取图片路径，扩展名白名单机制（.jpg/.png/.jpeg/.bmp/.webp），PIL验真防损坏文件。5.并发加速原理：对比串行/多线程/协程三版本耗时（教师预录演示视频），重点讲解GIL对CPU密集型无效、对IO密集型有效、tkinter主线程阻塞导致界面假死。引入“生产者消费者”模型：主线程只管UI与队列，工作线程只管请求与回调。6.结果持久化：CSV表头设计（文件名、人数、主脸年龄、主脸颜值、表情、置信度、耗时、错误信息），便于Excel二次分析。指导实践（22分钟）项目：“智能相册分类器”MVP版。界面需求：选择源文件夹、选择输出根文件夹、开始/停止按钮、进度条、日志滚动区、完成弹窗。核心逻辑：•点击开始：校验路径、读取配置、实例化Worker线程池（固定4线程）、禁用开始按钮。•Worker循环：从任务队列取路径→压缩长边≤1024px→Base64→请求→解析→按表情标签建立子文件夹（happy/sad/angry/neutral/none）→复制文件→写入CSV→发射进度信号。•主线程槽函数：更新进度条、追加日志、统计成功/失败计数。•停止按钮：设置停止标志、等待线程池join(2s)、强制terminate、恢复按钮状态。分层支架：基础版：提供完整UI骨架代码（customtkinter布局已写好），学生仅实现process_single_image()与on_task_finished()两个方法。进阶版：提供Worker基类，学生继承重写，自行设计CSV写入与文件夹创建逻辑。挑战版：要求实现“断点续传”（记录已处理MD5至sqlite）、支持拖拽文件夹入窗口、增加“仅归类人脸≥1张”复选框。教师巡查重点：线程安全更新UI（必须用after或信号）、临时压缩图片是否清理、网络异常时是否重试3次指数退避。总结提升（3分钟）邀请3组代表演示，全班投票“体验最流畅”“错误处理最友好”“界面最美观”三奖项。教师强调：工程不是跑通一次，而是应对“网络抖动、磁盘满、用户乱点”的健壮性。布置课后任务：优化日志格式为结构化JSONLines，便于ELK分析。【第三课时：多模态拓展与大模型对话】导入（4分钟）播放语音合成对比样本：机械音（pyttsx3离线）vs自然音（百度TTS在线）vs克隆音（千帆定制音色）。提问：如果给盲童读绘本，选哪个？为什么？引出“场景决定技术选型”，引入大模型语义理解能力。新知建构（16分钟）7.千帆平台调用范式变化：从RESTful转为OpenAI兼容格式（chat/pletions），介绍messages数组结构（system/user/assistant角色）、temperature/top_p/penalty参数工程意义。8.流式响应处理：SSE（ServerSentEvents）协议解析，迭代器yield逐token输出，实现打字机效果。演示requests.post(stream=True)与iter_lines()配合。9.提示词工程入门：COSTAR框架（Context,Objective,Style,Tone,Audience,Response）实战，对比零样本/少样本/思维链在“改写作文”任务上的差异。10.多模态输入：image_url字段支持Base64DataURI，演示“上传数学题截图→模型逐步解析→语音朗读答案”全链路。指导实践（18分钟）任务：“AI作文批改助手”迭代开发。输入：文本框粘贴作文（或读取.txt）、单选“小学生/初中生/高中生”年级、复选“详细批注/仅给分/口语化语音反馈”。流程：11.构建systemprompt：角色设定为“资深语文教师”，输出格式固定为JSON（总分、维度得分、优点、建议、修改版）。12.调用chat/pletions，stream=True，前端实时渲染Markdown。13.若勾选语音：取批改建议文本→调用TTS接口→pygame播放/保存mp3。14.结果导出：Markdown报告+音频文件打包zip。分层任务：基础版：固定systemprompt，仅实现单轮对话、非流式调用、结果MessageBox显示。进阶版：流式渲染、JSON输出解析校验（jsonschema）、TTS集成、异常重试。挑战版：支持上下文多轮追问（如“针对第二段展开”）、实现RAG检索范文库（FAISS向量索引预建好）、增加Token计费估算显示。教师巡查重点：APIKey轮换机制、敏感词过滤（百度内容审核接口集成）、长文本截断策略（滑动窗口/摘要压缩）。总结提升（2分钟）学生填写“模型能力边界记录表”：记录3个模型答非所问案例、2个幻觉案例、1个安全拦截案例。教师讲解：大模型是概率压缩器，非知识库，验证与兜底是工程师责任。预告下课时：综合项目设计与伦理审查。【第四课时：综合项目发布与伦理审查】导入（3分钟）展示某校学生作品“AI考勤系统”因误判导致纠纷的新闻截图，提问：如果你是开发者，上线前必须做什么测试？引出“红队测试”与“影响评估”概念。综合实战（30分钟）挑战赛制：4人小组，自选题目（从备选池抽签或自提经教师批准），40分钟完成原型+3分钟路演+2分钟问答。题目池：15.“盲道障碍物巡检员”：摄像头实时采集→目标检测（共享单车/垃圾桶/积水）→语音播报位置→生成巡检日志。16.“方言故事机”：语音识别（方言模型）→大模型续写→方言TTS播放→绘本插图生成（SDAPI）。17.“食堂营养分析师”：拍照菜品→食材识别/热量估算→膳食宝塔对比→生成建议海报。18.“古诗配画生成器”：输入古诗→大模型拆解意境→提示词工程→生成4幅国风插图→制作翻页电子书。19.“考试监考辅助”（仅本地推理）：人脸核验+多人检测+低头/转头/遮挡报警→本地日志不上云。必须包含要素：配置文件隔离密钥、异常分支覆盖率≥80%（pytestcov）、README含伦理风险声明与缓解措施、界面可由非开发者操作。路演与评审（7分钟）评审维度（权重）：功能完整性30%、代码规范与复用20%、异常处理健壮15%、隐私合规设计15%、创新与体验10%、团队分工协作10%。评审团：教师+两位学生代表（轮流担任）。使用统一评分表，现场打分公示。总结与延伸（5分钟）教师发布“青少年AI开发者倡议书”六条：数据最小化、知情同意、可解释性、人工兜底、持续监测、拒绝滥用。全班签名拍照留档。推荐进阶路径：Coursera《AIforEveryone》、Fast.ai《PracticalDeepLearning》、参加全国青少年人工智能创新挑战赛、申请百度星河社区开发者认证。作业：撰写1500字《我的AI工程第一课复盘》，含架构图、踩坑榜、伦理反思、下一步计划，提交至班级GitHubOrganization仓库（含Actions自动跑测试）。七、分层作业与评价体系过程性评价（60%）：•每课时出口票：3道选择题（API参数/异常类型/线程安全）+1道开放题（今天最困惑的工程决策），电子表单自动统计。•代码提交：Gitmit信息规范（feat/fix/docs/refactor）、PR模板填写完整、通过flake8/black/mypy预检查。•协作贡献：GitHubInsights贡献图、Issue讨论深度、CodeReview评论质量。终结性评价（40%）：•综合项目成品（按评审维度打分换算）。•复盘文章（评分细则：技术细节准确性30%、工程思维体现30%、伦理反思深度20%、文字表达20%）。•同伴互评：每组匿名评价其他3组，占个人分10%权重。分层作业包：A包（巩固）：补全课堂代码注释、绘制5个API调用时序图、整理个人错误笔记库。B包（拓展）：为“智能相册”增加人脸聚类功能（face_recognition库）、实现Web版（FastAPI+Vue3单页）。C包（研究）：复现论文《MobileNetV3onRaspberryPi》量化部署、调研联邦学习在校园数据隐私保护中的应用、撰写调研报告投稿校刊。八、教学反思与迭代计划执行后复盘记录（教师专用，持续更新）：1.网络波动导致首课时成功率仅68%，第二课时引入重试机制后提升至95%