高中信息技术高一年级AI听说之旅第一课时教学设计

高中信息技术高一年级AI听说之旅第一课时教学设计一、教材与课标定位本课选自高中信息技术课程“人工智能初步”模块，是学生接触人工智能感知交互技术的第一课。普通高中信息技术课程标准（2017年版2020年修订）将“人工智能基础”列为选择性必修内容，其中明确要求学生“了解人工智能常见应用领域”“能利用现成的人工智能工具完成简单的智能应用体验”。本课承载着从“知道人工智能”到“体验人工智能”的关键跨越。与后续第二课时侧重语音合成原理、第三课时侧重语音识别技术不同，本课聚焦于“AI听说”这一复合应用场景，通过语音识别与语音合成的综合体验，帮助学生建立对人工智能交互系统整体工作流程的初步认知。从知识体系看，本课是“感知—理解—应用”教学链条中的感知起点；从素养培育看，本课着力发展学生的信息意识与数字化学习创新能力。二、学情分析本课授课对象为高一年级学生。此前学生在初中阶段已了解人工智能的基本概念和典型应用，但大多停留在“听说过”“用过语音助手”的层面，极少有人思考过语音助手背后的技术逻辑。从认知发展水平看，高一学生具备较强的逻辑思维能力和探究欲望，能够完成简单的对比分析与归纳总结，但在抽象建模方面仍需要具体情境支撑。课前调查显示：约86%的学生使用过手机语音助手，但能准确说出语音识别基本流程的不足5%；约72%的学生认为“机器听得懂人说话”，对AI听说的误解主要集中于“机器像人一样理解语义”。这一认知偏差正是本课教学的切入点和突破点。三、教学目标1.能复述“采集—转换—匹配—反馈”的AI听说基本工作流程，准确说出语音识别与语音合成各自的功能定位。2.能使用至少一种AI听说工具完成录音转文字、文字转语音的实践操作，并对结果进行质量评价。3.能结合具体案例，分析影响语音识别准确率的外部因素（如口音、噪声、多音字），提出合理的改进策略。4.通过体验与反思，建立对人工智能技术“可用与局限并存”的辩证认识，增强技术应用中的信息安全意识。四、教学重难点重点：AI听说系统的基本工作流程；语音识别与语音合成的功能差异。难点：理解语音识别中“声学模型—语言模型”协作机制；能够针对识别错误提出合理归因。五、教学策略与媒体环境本课采用“体验先行—问题驱动—建模归纳—迁移应用”的教学策略。教学环境为网络机房，配备教师控制台、学生机（每台配耳机麦克风）、局域网共享工具。使用的主要工具包括：讯飞听见（网页版录音转文字）、Edge浏览器内置朗读功能、剪映App字幕识别功能（教师演示备用）。所有工具均无需注册即可使用核心功能，最大限度降低操作门槛。六、教学过程（一）情境导入：一句方言难住了谁上课伊始，教师播放一段用四川方言朗读的绕口令录音：“四是四，十是十，十四是十四，四十是四十。”随后打开手机语音助手，尝试让助手识别这段录音。语音助手给出的文字结果与原文大相径庭，课堂上学生发出一阵笑声。教师顺势追问：“为什么这个号称智能的助手听错了？它真的在‘听’吗？如果是你，你能听懂这句方言吗？”学生回答能听懂，教师继续追问：“你能听懂，但机器听不懂，那机器的‘听’和人的‘听’有什么区别？这背后藏着怎样的技术秘密？”这一情境取材于学生熟悉的日常生活，方言识别失败制造了认知冲突，驱动学生带着问题进入本课学习。用时约4分钟。（二）动手体验：让机器“听写”一段话教师将学生分为四人小组，每组从以下两个任务中选择一个完成（用时12分钟）：任务A：标准普通话听写。一人朗读教材第3课课后阅读材料（约80字），另一人使用讯飞听见网页版进行实时录音转文字，记录识别结果并保存。任务B：带干扰的听写。一组使用耳机播放轻音乐作为背景噪声，另一人朗读同样的材料并用讯飞听见录音转文字，记录结果。操作前，教师通过教师控制台广播演示一遍完整流程：打开网页—允许麦克风权限—点击开始录音—朗读—停止录音—查看结果—复制文本至共享文档。教师强调：只需记录识别文本与原文的差异，不必追求完美结果。学生在实践过程中，教师巡回指导，重点关注两类问题：一是麦克风权限设置不当导致无法录音，二是部分学生朗读速度过快导致识别效率明显下降。对于后者，教师及时提醒放慢语速、咬字清晰，为后续归因环节积累素材。小组完成后，教师请两个不同任务的小组代表展示结果。任务A组通常能获得95%以上的正确率，任务B组的正确率可能降至60%至80%。教师将两组成果并排投影展示，请全班观察差异。（三）聚焦问题：识别结果为何出现偏差教师引导全班对照两个小组的识别结果，展开分析。投影上展示一组典型对照案例：原文：人工智能正在改变人们的学习方式。任务A识别结果：人工智能正在改变人们的学习方式。任务B识别结果：人工智能正在改变人们的学西方式。教师提问：“‘学习’变成了‘学西’，问题出在哪里？请结合刚才的操作体验，先在小组内讨论，试着提出你的归因假设。”学生讨论后，各组分享观点。教师将典型假设分类板书在电子白板的思维导图中：外部噪声干扰、朗读速度与清晰度、麦克风收音质量、成语或专有名词的语义匹配。在此基础上，教师追问：“噪声影响的是机器的‘耳朵’，还是‘大脑’？要回答这个问题，我们需要知道机器接收到声音之后，究竟做了什么。”此环节用时约8分钟。学生的多种假设自然引出“机器内部处理机制”的探究需求，实现了从现象观察向原理探寻的过渡。（四）原理建模：AI听说的四步流程教师结合动画演示，逐步展示语音识别与语音合成的完整工作流程，边演示边与学生已有经验建立关联。第一步：声音采集。麦克风将声波振动转换为电信号，再经模数转换生成数字音频。教师用示波器软件展示“学习”一词的波形图，让学生直观看到声音的物理形态。第二步：特征提取。数字音频被切分为10至30毫秒的短帧，每一帧被提取出梅尔频率倒谱系数等声学特征。教师打比方：“这一步是给声音拍照，但拍的不是照片，而是声音的‘身份证号’。”学生在此不必掌握公式细节，重点在于理解特征是一组数字向量。第三步：模式匹配。系统将特征向量与声学模型库中的海量语音样本进行概率匹配，得出若干候选音节；再借助语言模型，根据词语搭配概率选择最可能的文字序列。教师用“学习”与“学西”举例：这两个词发音相近，但“学习”在日常生活中出现的频率远高于“学西”，所以语言模型会倾向于输出“学习”。这正解释了噪声环境下机器“听岔”的深层原因——不是耳朵坏了，而是证据不足时猜错了。第四步：文本输出与反馈。识别结果被转换为文字显示，或进一步经语音合成（TTS）用语音播报出来。教师随后补充语音合成的基本原理：系统先将文本切分为字词，查询每个字词对应的发音代码，再通过波形拼接或参数合成生成连续的语音流。教师播放两段合成语音对比：一段是用早期拼接技术合成的机械感明显的语音，另一段是当前基于神经网络的自然合成语音。学生能明显听出差异，教师借此指出技术迭代带来的体验提升。演示结束后，教师请学生一起完成流程图填空（电子白板交互完成）：声音采集→特征提取→模式匹配→文本输出→（可选）语音合成。学生逐项说出，教师同步补充关键细节。此环节为全课核心，用时约12分钟。（五）案例辩论：AI合成声音能骗过你吗教师播放一段短视频：某地不法分子利用AI语音合成技术冒充他人声音进行电信诈骗，受害人因声音与亲友相似而转账受骗。视频约45秒，来源于央视新闻公开报道。播完后，教室里安静了片刻。教师抛出一个辩论性话题：“有人说，技术进步必然带来新的风险，所以应该限制AI语音技术发展。你同意吗？请用本课所学知识或生活经验支撑你的观点。”学生分正反两方进行三分钟简短辩论。正方观点集中于技术滥用风险、监管困难；反方观点集中于技术本身中性、应用价值巨大、可通过声纹识别等技术反制。教师在倾听过程中不打断、不评判。辩论结束后，教师总结：“技术没有善恶，关键在于使用者的选择和制度的约束。AI听说技术能帮助视障人士‘听’文字，也能被用于欺诈。作为信息时代的公民，我们既要善用工具，也要保持警惕。任何时候，收到涉及钱财的语音信息，通过多渠道核实身份都是必要的。”此环节渗透法治意识与信息安全素养，用时约7分钟。（六）迁移创新：设计一个AI听说应用教师布置本课拓展任务，要求学生在课后24小时内以个人或小组形式完成：请为校园生活设计一个AI听说应用的创意方案。方案需包含：场景名称（如课堂重点语音速记助手、校园失物招领语音播报墙、英语口语发音智能陪练）、目标用户、核心功能、用到的技术环节、预期的便利与潜在风险。以思维导图或图文小报形式提交至学习平台。同时布置分层挑战作业，学生任选其一：基础层：用本课所学工具，将语文课本中的任意一首古诗朗读后转成文字，对照检查识别准确率，写一段100字左右的体验记录。进阶层：收集三个生活中语音交互失败的案例（如对着电视喊语音助手、方言对话等），分析失败原因并写出改进思路。挑战层：查阅资料了解端到端语音识别与传统的“声学模型+语言模型”有何不同，绘制对比表格并配以口头说明。教师明确要求：所有作业中不得出现真实姓名、家庭住址等个人隐私信息；使用公共工具时注意阅读隐私条款，了解声音数据将被如何使用。此环节用时约5分钟。（七）课堂小结：用三个关键词沉淀课程临近结束时，教师请每位学生在学习平台上发布一个关键词和一句解释，概括自己本课最大的收获。几分钟内，大屏滚动展示学生答案。典型答案包括：“流程——原来机器听写要经过四步”“概率——识别其实是在猜”“局限——有噪音就不行了”“责任——技术要有人管”。教师选取三四个有代表性的答案进行回应，最后整体收束：“今天这节课，我们借助AI听说工具走了一段从现象到原理、从体验到反思的旅程。机器能听、能说，靠的不是魔法，而是清晰的流程控制与海量的数据支撑。未来你们还会在更多场景中遇到AI，希望每当你们使用它时，都能记得今天问过的那个问题——它到底是怎么做到的？”七、教学评价设计本课采用过程性评价与终结性评价相结合的方式。课堂表现评价关注小组合作参与度、观点表达质量，记录于教师观察量表。学习成果评价分为两个维度：创意方案评分维度包括场景可行性、技术表述准确性、风险考量完整度；作业评分注重分析与反思深度、格式规范程度、有无真实隐私泄露。具体评分量规如下：评价维度|优秀（90100）|良好（7589）|待改进（6074）流程理解|能准确画出完整流程图并解释每步作用|能画出流程图但个别步骤解释不清|只能部分复述流程归因能力|能从声学与语言两个层面分析识别错误|能从单一层面分析原因|仅描述现象不能归因技术应用|熟练完成工具操作且能启用额外功能|能完成基本操作但出现可避免的错误|操作需要教师指导安全与责任|主动指出隐私风险并提出防范措施|在提示下能意识到风险|未体现相关意识八、教学反思本课的设计核心在于“用真实的失败引发真实的思考”。方言识别失败的导入、噪声干扰下的听写实验，都让学生亲历AI系统的“不完美”，这种真实感远比展示完美技术更利于批判性思维培养。在试教过程中发现，学生对于“机器听错”的探究热情远超预期，部分小组主动尝试用不同口音重复实验，这种自发的变式实验值得肯定。需要改进之处主要有三。其一，时间分配上，辩论环节容易超出预设，需要教师具备较强的控场能力