2026-2027初中人教版信息科技人工智能专册每课教学设计含教学计划

信息科技|人工智能专册教学设计 人教版2026—2027学年PAGE1/SECTIONPAGES1初中信息科技人工智能专册教学设计（2026—2027学年）教学计划一、课程依据与编写说明本册教学设计依据《义务教育信息科技课程标准（2022年版）》编写，对应“人工智能与智慧社会”内容模块。课程标准把信息科技课程要培养的核心素养确定为信息意识、计算思维、数字化学习与创新、信息社会责任四个方面，并以数据、算法、网络、信息处理、信息安全、人工智能六条逻辑主线组织课程内容。人工智能是六条主线中综合性最强、与学生生活距离最近的一条，也是本专册的落点。课程标准对“人工智能与智慧社会”模块的要求可以概括为三句话：学生能认识和感受人工智能的魅力，知道人工智能发展必须遵循的伦理道德规范，认识智慧社会这一新型社会形态下的新机遇与新挑战。这三句话对应本册的三种课型：前四单元解决“是什么、怎么实现”，第五单元解决“该怎么做人做事”，第六单元解决“我能做出什么”。教学设计据此把全册主线定为“生活联结—技术感知—伦理启蒙”，内容框架按“现象—本质—社会—价值”四层递进，避免把人工智能课上成软件操作课，也避免上成玄而又玄的概念课。本册共六个单元三十课，按每周一课时、每课时四十分钟安排，第一学期完成第一至第三单元（第1—15课），第二学期完成第四至第六单元（第16—30课）。每课均按“教材分析、核心素养目标、教学重难点、教学方法、教学过程、作业设计、结语、板书设计”八个板块撰写，教学过程按环节分段并标注分钟数，教师讲解内容以可直接照读的原文呈现，师生互动给出操作步骤与具体话术。二、学情分析初中学生是人工智能产品的重度使用者，却是人工智能原理的轻度理解者。他们每天用人脸解锁、语音输入、拍照搜题、短视频推荐，却普遍认为“手机聪明是因为它里面有个小人”。这种“用得多、懂得少”的状态，是本册教学的起点，也是最大的教学资源。从思维发展看，七至九年级学生正处在具体形象思维向抽象逻辑思维过渡的阶段，能接受符号与规则，但需要实物、图示和操作作支撑。因此本册在文本生成、图像生成等抽象内容上大量采用“卡片排序”“手工演算”“纸笔模拟”等低门槛活动，先让学生用手做一遍，再让机器做一遍，最后让学生说出机器为什么这样做。从差异看，同一班级内学生的编程经验差距明显：部分学生参加过社团或竞赛，能读写简单程序；部分学生只会打字和上网。教学设计在每个探究环节都设置“基础任务—进阶任务—挑战任务”三层，基础层保证人人过关，进阶层保证大多数人跳一跳够得着，挑战层给学有余力的学生留出空间。三、教学目标（全册）（一）总目标学生能用自己的话说明人工智能是什么、能做什么、不能做什么；能通过体验与模拟，说出文本、图像、声音、视频四类内容智能生成的基本思路；能用决策树、知识图谱、分类与聚类等方法完成简单的智能推理任务；能在智慧社会情境中辨析人工智能带来的便利与风险，形成负责任使用人工智能的态度；能在一学期内完成一个小组人工智能项目并作出说明。（二）分单元目标第一单元（第1—4课）：能列举身边的人工智能应用并说明其智能之处，能说出人工智能的定义与三类实现方式，能区分数据、算法、算力三项技术基础的作用。第二单元（第5—9课）：能说明文本被切分为词元的过程，能解释统计方法如何生成文本，能说出语义编码与注意力机制的作用，能分析影响文本生成质量的若干因素。第三单元（第10—15课）：能说出图像特征提取的基本思路，能解释风格迁移与图像生成的区别，能描述“文字生成图像”的流程，能说明声音与视频智能生成的关键环节。第四单元（第16—20课）：能用决策树完成分类推理，能读懂简单的知识图谱，能区分分类与聚类，能说明推理模型“会思考”的含义与限度。第五单元（第21—24课）：能举例说明人工智能对个人生活、产业创新、社会治理的影响，能就隐私、偏见、责任归属等问题表达有依据的观点。第六单元（第25—30课）：能完成井字棋对弈、出行方式推荐、环境播报、人脸识别、手写数字识别、模型玩游戏六个项目中的至少四个，能说明项目中用到的数据、算法与评价方法。四、教学进度安排（一）第一学期教学进度周次课次课题核心任务评价方式11身边的人工智能建立“身边人工智能清单”清单完整度22什么是人工智能人机能力对比表对比表质量33人工智能的实现方式三种实现方式配对配对正确率44人工智能的技术基础数据算法算力三角模型模型解说55文本处理的基本单位手工切分词元切分准确率66统计与文本生成二元统计接龙接龙合理性77文本的语义编码词向量距离排序排序说明88注意力与文本生成注意力权重标注标注合理性99文本生成的影响因素变量对照实验实验记录1010图像特征的提取特征卡描述图像描述命中率1111图像的风格迁移风格与内容分离作品说明1212图像的生成方式生成方式分类分类正确率1313根据文字生成图像提示词改写提示词迭代记录1414声音的智能生成语音合成体验体验报告1515视频的智能生成分镜脚本设计脚本完整度16—学期复习与作品展评单元作品展示展评量规17—期末测评纸笔测评加实操综合评定（二）第二学期教学进度周次课次课题核心任务评价方式116决策树与智能推理手绘决策树树结构合理性217知识图谱与智能推理绘制小型图谱关系准确度318分类辅助推理完成分类任务分类准确率419聚类辅助推理手工聚类分组分组依据说明520会“思考”的推理模型推理链对比推理链质量621智慧社会与个人生活生活场景调研调研记录722智慧社会与智能创新创新方案构思方案可行性823智慧社会与智能治理治理案例评议评议观点924智能向善与伦理道德伦理困境辩论辩论表现1025与机器下井字棋完成对弈程序程序可运行1126推荐出行方式完成推荐程序推荐合理性1227智能环境播报助手完成播报程序播报准确度1328人脸识别完成识别体验识别记录1429手写数字识别完成识别体验识别准确率1530训练模型玩游戏完成训练与测试训练曲线16—项目答辩小组项目答辩答辩量规17—学期总结与结业展示全册作品集作品集评定五、教学实施建议（一）课时结构建议四十分钟的课，建议按“五分钟导入、二十五分钟探究、七分钟练习、三分钟小结”分配。探究环节不超过三个活动，每个活动必须有一个可交付的小成果，例如一张卡片、一份清单、一段记录。没有成果的活动容易变成热闹的空转。（二）设备与资源建议人工智能专册的教学不必依赖高配置机房。文本生成、图像生成、声音生成等内容，可用教师机演示加学生纸笔模拟的方式完成；第六单元的项目可用图形化编程平台实现，也可用不插电的桌游版本替代。凡涉及在线生成工具，须使用学校统一提供的账号，禁止学生用个人账号上传人脸、声音等生物特征信息。（三）差异化实施建议对基础薄弱的学生，降低“写”的要求，提高“说”和“选”的要求，例如用选择、连线、排序代替代码编写；对学有余力的学生，增加“改一改”“换个条件再试一次”的开放性任务，鼓励他们发现规则背后的规律。作业设计统一采用“基础题、拓展题、实践题”三层，允许学生自选两层完成。（四）评价建议坚持“教—学—评”一致性，每课的评价点与当课的核心任务对应，不以记忆性提问作为主要评价手段。过程性评价占六成，包括课堂任务单、小组互评、作品说明；终结性评价占四成，包括学期作品展评与纸笔测评。评价结果以描述性语言呈现，指出学生“做到了什么、还可以怎么做”，避免只给分数。第一单元走进人工智能单元教材分析本单元是全书起点，承担“破冰”与“立标”两项任务。破冰，是打破学生对人工智能的神秘感与恐惧感；立标，是建立本册后续所有内容都要用到的三个基本坐标：人工智能是什么、怎么实现、靠什么支撑。从课程标准看，本单元对应“人工智能的基本概念和常见应用”与“人工智能的实现方式”两部分内容。教材按“现象—概念—方式—基础”的顺序编排：第1课从生活现象入手，第2课提炼概念，第3课讲实现路径，第4课讲技术底座。这个顺序符合初中学生从具体到抽象的认知规律，教学时不宜打乱。本单元的教学难点不在概念本身，而在概念的边界。学生容易把“自动化”当成“人工智能”，把“会动”当成“会想”。因此四课都要反复使用同一个判断工具：这件事机器是“按固定规则做”，还是“从数据中学会做”。这个判断工具将在第二、三、四单元反复出现。第1课身边的人工智能一、教材分析本课是专册的开篇，教材从学生每天接触的场景切入，列举智能音箱、人脸解锁、拍照识物、导航避堵、短视频推荐等应用，引导学生发现人工智能并不遥远。教材的核心不是罗列应用，而是让学生学会用“它替我做了什么判断”这一问句去识别智能。教材还设置了“人工智能与自动化设备的区别”这一辨析点，为第2课的定义学习作铺垫。本课内容看似简单，实则承担着建立学习兴趣与建立判断标准的双重任务。若只停留在“说一说你用过什么”，学生会觉得这是小学的信息课；若一上来讲定义，学生又会觉得这是天书。恰当的处理是：先用大量生活实例把课堂烧热，再用一个反例把温度降下来，让学生在“这也算人工智能吗”的争论中自己摸到判断的门槛。二、核心素养目标信息意识：能主动从日常使用的数字产品中识别出人工智能功能，并说出该功能处理了什么信息、替代了人的哪项判断。计算思维：能初步运用“输入—处理—输出”的框架描述一个人工智能应用的工作过程。数字化学习与创新：能使用至少一种数字工具完成“身边人工智能清单”的整理与呈现。信息社会责任：能意识到人工智能应用在带来便利的同时会收集个人信息，初步形成保护个人信息的意识。三、教学重难点教学重点：识别身边的人工智能应用，并能说出其“智能”体现在何处。教学难点：区分人工智能与普通自动化设备，理解“会判断”与“按设定动作”的差别。四、教学方法情境教学法、谈话法、小组合作探究法、对比辨析法。五、教学过程（一）情境导入（5分钟）教师活动：播放一段三十秒的校园生活混剪视频，画面依次出现刷脸进校、语音输入法、拍照搜题、导航避堵、短视频推荐。播放结束后不作解释，直接提问。教师语言：“同学们，刚才这段视频里没有一个人说自己用了人工智能，但这段视频从头到尾都在用人工智能。我先不告诉你们它在哪儿，我给你们三十秒，看看谁能找出三个。找出来的同学，我请他当我们这节课的‘人工智能侦探’。找不到的也别急，侦探也是从实习生干起的。”学生活动：同桌互说，举手抢答。教师语言：“好，三位侦探请起立。第一位说刷脸进校，第二位说语音输入，第三位说导航避堵。我全部认可，但我还要追问一句：刷脸进校，机器到底替你做了什么？它不是在给你开门，开门是门卫师傅的活儿；它是在判断‘这张脸是不是你’。判断，才是人工智能的活儿。今天这节课，我们就干一件事——把身边那些‘会判断’的机器，一个个揪出来。”（二）新课研讨（12分钟）教师活动：出示四组生活场景图，组织“是还是不是”的快速判断。教师语言：“第一组，教室里的声控灯。你喊一声，它亮；你走了，它灭。请问，它有人工智能吗？认为有的举手。好，一半人。我提示一句：它只认‘有没有声音’，不认‘是谁在说话’，更不认‘这句话是什么意思’。它像一个只听音量不看内容的门卫，声音够大就放行。这叫自动化，不叫人工智能。第二组，手机相册自动把‘猫’的照片归到一起。这个呢？它得先看懂照片里是猫还是狗，这就不是听音量了，这是看图。所以它算。第三组，电梯按楼层。第四组，输入法猜你下一句想说什么。请大家用一分钟，把四组场景分成两堆，并给每一堆起个名字。”学生活动：四人小组分类，把结果写在学习单上。教师语言：“我听到两个很好的名字，一堆叫‘只会照做’，一堆叫‘会看会猜’。我把它写规范一点：只会照做的，是自动化；会看会猜的，是人工智能。判断的关键只有一条——它有没有从数据里学到东西，能不能对没见过的情形作出判断。声控灯没见过你的声音，也不需要见；相册认猫，是看了成千上万张猫的照片才学会的。这就是分水岭。”（三）合作探究（13分钟）教师活动：布置“身边人工智能清单”任务，提供三栏表格：应用名称、它处理的信息、它替人做的判断。教师语言：“现在请各组完成一张清单，至少写六项。注意，第三栏最难，也最重要。不要写‘它很方便’，要写‘它替我判断了什么’。比如智能音箱，它处理的是我的声音，它替我判断的是‘这句话是让我放歌还是让我报天气’。写不出来的，说明你还没找到它的‘脑子’在哪儿。给你们八分钟，写完贴到黑板上，我们做一次‘侦探成果展’。”学生活动：小组填写清单，张贴，互评。教师语言：“我看了一圈，有两组写得特别到位。一组写‘外卖软件猜我想吃什么’，它处理的是我的浏览记录，判断的是我的口味；另一组写‘红绿灯根据车流调整时长’，它处理的是摄像头拍到的车辆数，判断的是该放哪边先走。这两项都抓住了‘判断’。也有一组写‘电饭锅煮饭’，这个我要打个问号——它按时间断电，还是按米量判断？如果是前者，那是自动化；如果是后者，那就有了一点智能的影子。这个问号，留给你们课后去查。”（四）巩固练习（7分钟）教师活动：出示五道判断题，学生用手势作答，教师逐题点评。教师语言：“第一题，自动感应水龙头。是自动化。第二题，地图软件预测前方拥堵。是人工智能，它根据历史车流数据判断。第三题，计算器算加法。不是，它只是执行固定运算。第四题，购物软件给你推荐商品。是，它根据你的行为数据判断你可能喜欢什么。第五题，扫地机器人绕开拖鞋。是，它得识别障碍物。五题全对的同学，恭喜，你们已经具备‘人工智能侦探’的基本资格；错一两题的也别灰心，侦探也是从认错人开始的。”（五）课堂小结（3分钟）教师语言：“今天这节课，我们只学了一个问句：它替我做了什么判断？记住这个问句，你走到哪儿都能认出人工智能。下一节课，我们要回答一个更难的问题：这些会判断的机器，到底算不算‘智能’？到时候我会请你们给人工智能下一个定义，下得好不好，就看今天这张清单扎不扎实。”六、作业设计基础题：整理一份家庭人工智能清单，写出五项应用及其“替人做的判断”。拓展题：采访一位家人，记录他认为“最像人工智能”的家电，并用本课标准判断是否成立。实践题：连续三天记录自己被人工智能“猜中”的次数，例如输入法猜词、推荐视频、导航预判，写一段一百字的观察日记。七、结语人工智能不是远在天边的实验室产物，而是藏在每一次刷脸、每一次语音、每一次推荐里的判断。学会提问“它替我判断了什么”，学生就从被动的使用者变成了清醒的观察者，这正是信息意识的起点。八、板书设计身边的人工智能一、找一找：刷脸、语音、推荐、导航二、分一分（一）自动化：按设定动作（二）人工智能：从数据中学会判断三、问一问：它替我做了什么判断第2课什么是人工智能一、教材分析本课在第一课的现象梳理基础上提炼概念。教材给出的定义是：人工智能是研究和开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。教材围绕“模拟、延伸、扩展”三个动词展开，并配有人类智能与人工智能的能力对比内容，帮助学生理解人工智能的长处与边界。这个定义对初中生而言偏长，直接背诵没有意义。教学的关键是把定义拆成学生能摸得着的三块：模拟，是学人做事；延伸，是做人做不到的事；扩展，是做人也想不到的新事。三块讲清，定义自然就立住了。教材中“人工智能能否取代人”的讨论是本课的价值观落点，必须留足时间，不能因为赶进度而略过。二、核心素养目标信息意识：能依据定义判断一项技术是否属于人工智能，并能说明理由。计算思维：能把人的智能分解为感知、推理、学习等能力，并与机器的对应能力作比较。数字化学习与创新：能用图示或表格整理人机能力对比的结论。信息社会责任：能理性看待人工智能的能力与局限，既不盲目崇拜也不无端恐惧。三、教学重难点教学重点：理解人工智能定义中“模拟、延伸、扩展”三层含义。教学难点：辩证认识人工智能与人类智能的关系，说清“不能取代”的具体理由。四、教学方法概念解析法、对比分析法、辩论法、案例教学法。五、教学过程（一）情境导入（5分钟）教师活动：出示两张图，一张是学生用计算器算两位数乘法，一张是学生用人工智能工具写一段作文开头。教师语言：“先看第一张，计算器三秒算完，你算了三十秒。第二张，人工智能十秒写出一段开头，你可能要十分钟。问题来了：既然机器都比人快，那是不是机器比人聪明？我请两位同学说说。一位说‘快不等于聪明’，另一位说‘写作文那个确实厉害’。两位都有道理。今天我们把这个问题掰开：人工智能到底智能在哪儿，又笨在哪儿。”（二）新课研讨（15分钟）教师活动：逐句拆解教材定义，配合三个案例。教师语言：“教材给的定义是：人工智能是研究和开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。这句话有点长，我们把它拆成三段来吃。第一段，‘模拟人的智能’。什么叫模拟？就是学人做事。人脸识别学的是人眼看脸，语音识别学的是人耳听音。机器不是天生会看会听，它是照着人的样子学。第二段，‘延伸人的智能’。什么叫延伸？就是做人做不到的事。人一眼看一张脸，机器一秒看十万张；人记不住十年的天气，机器记得住。延伸不是比人强，是把人的能力放大到人做不到的尺度。第三段，‘扩展人的智能’。什么叫扩展？就是做人想不到的新事。比如把一段文字直接变成一段视频，人做不到，机器做到了，这是开了一条新路。”学生活动：在教材定义上做三色标注，分别标出“模拟”“延伸”“扩展”。教师语言：“标注完的同学，请用一句话回答：你手机里的语音助手，属于模拟、延伸还是扩展？我听到有人说‘都是’。这个答案很聪明。语音助手先模拟人的听觉，再延伸人的听力范围，最后扩展出一种人机对话的新方式。所以定义里的三个动词不是三选一，而是一条链子，一环扣一环。”教师活动：出示人机能力对比表，组织填写。教师语言：“现在请各组填一张表，左边写人的能力，右边写机器的能力，中间写‘机器强在哪儿、弱在哪儿’。给你们六分钟。填的时候注意，不要写‘机器什么都不会’，也不要写‘机器什么都会’，这两种答案都不及格。”学生活动：小组填表，代表汇报。教师语言：“三组汇报得很有水平。第一组说，机器在记忆和计算上强，在共情上弱；第二组说，机器在重复劳动上强，在提出新问题上弱；第三组说，机器写得快，但写不出自己经历过的事。第三组这句话，我要抄在黑板上。机器没有童年，没有外婆家的院子，没有考砸后的心情，所以它写出来的东西再通顺，也少了一点‘人味’。这不是机器的缺陷，这是人的底气。”（三）辩论活动（12分钟）教师活动：组织三分钟立场陈述加六分钟自由辩论，辩题“人工智能会不会取代老师”。教师语言：“辩题是：人工智能会不会取代老师。正方观点是会，反方观点是不会。先给双方各一分钟准备，再各用一分钟陈述，然后自由辩论。规则只有一条：说观点必须带理由，理由必须带例子。‘我觉得’三个字后面如果接不出‘因为’，就请坐下。”学生活动：分组辩论，记录员记录要点。教师语言：“辩论很精彩。正方说人工智能能一对一辅导、不知疲倦、不会发脾气；反方说老师会看你的眼神，知道你昨晚没睡好。我做个总结，不站队。人工智能能取代的是‘讲知识’这部分，取代不了的是‘看见人’这部分。老师看见的不只是你的分数，还有你今天为什么低着头。这就是教材说的‘模拟、延伸、扩展’——它可以延伸人的能力，但扩展不出人的情感。所以答案不是会不会，而是哪些会、哪些不会。”（四）巩固练习（5分钟）教师语言：“三道题。第一，判断下列哪项不属于人工智能：自动售货机、智能翻译、人脸支付。答案是自动售货机，它只按投币金额出货。第二，用定义中的三个动词，说明扫地机器人智能在哪儿。第三，写一句你想对人工智能说的话，不超过二十字。第三题没有标准答案，我只收一句最有意思的，下节课念给大家听。”（五）课堂小结（3分钟）教师语言：“今天我们啃下了一个长定义。记住三个动词：模拟、延伸、扩展。也记住一句话：机器算得快，不等于想得深。下节课我们去看，这些会模拟、会延伸、会扩展的机器，究竟是用哪几种方式造出来的。”六、作业设计基础题：抄写并用自己的话解释人工智能定义中的三个动词，各举一例。拓展题：完成一份“人机能力对照表”，至少列出六项能力并标注强弱。实践题：与家人讨论“人工智能能否取代医生”，整理双方观点，写一段一百五十字的短评。七、结语定义不是用来背的，是用来判断的。当学生能用“模拟、延伸、扩展”三个动词去衡量一项新技术，他们就不再被各种宣传语牵着走，而有了自己的判断尺。八、板书设计什么是人工智能一、定义：模拟、延伸、扩展人的智能二、三层含义（一）模拟：学人做事（二）延伸：放大人做不到的能力（三）扩展：开出人想不到的新路三、边界：算得快不等于想得深第3课人工智能的实现方式一、教材分析本课回答“人工智能是怎么造出来的”。教材介绍了符号主义、连接主义、行为主义三种实现路径，分别对应基于规则的推理、基于数据的神经网络学习、基于环境反馈的行为训练。教材用下棋、识别、避障等例子说明三条路径的差别，并指出当前主流应用多采用连接主义方法。三种主义的名字对初中生偏学术，教学时应把它们翻译成三句大白话：把知识写成规则、让机器从数据里自己找规律、让机器在试错中学会动作。教材的重点不在名词记忆，而在让学生理解“同一个问题可以有不同的解法”，这正是计算思维中“方案多样性”的体现。二、核心素养目标信息意识：能识别一项人工智能产品大致采用了哪种实现方式。计算思维：能针对同一任务提出不同的实现思路，并比较其优劣。数字化学习与创新：能用简单工具或纸笔模拟一种实现方式的基本流程。信息社会责任：能认识到不同实现方式在可解释性与数据依赖上的差异，理解技术选择背后的责任。三、教学重难点教学重点：说出三种实现方式的基本思路与典型应用。教学难点：理解连接主义方法“从数据中学习”与符号主义方法“按规则推理”的本质差别。四、教学方法类比教学法、任务驱动法、模拟体验法、小组讨论法。五、教学过程（一）情境导入（5分钟）教师活动：出示同一任务的三种解法——识别一张手写数字“7”。教师语言：“假设我们要让机器认出这个‘7’。有三条路。第一条，告诉它：先找一横，再找一竖斜着下来，两笔交叉就是7。第二条，给它看一万张写着7的图片，让它自己总结7长什么样。第三条，让它随便猜，猜对了给糖，猜错了重来，猜一万次。三条路都能到终点，但走法完全不同。今天我们就走这三条路，看看哪条最靠谱。”（二）新课研讨（14分钟）教师活动：分三段讲解三种实现方式，每段配一个课堂模拟。教师语言：“第一条路，把知识写成规则。这条路叫符号主义。它的思路是：人先把知识整理成一条条规则，机器照着规则推理。比如医生看病的专家系统，规则是‘如果发烧且咳嗽，则考虑呼吸道感染’。优点是讲得清、查得到，出错能追到哪条规则；缺点是规则写不完。你想想，识别一只猫要写多少条规则？有毛、有尾巴、有胡须、会叫——可是没毛的猫呢？三条腿的猫呢？规则永远写不全，这就是它的天花板。”学生活动：小组尝试为“判断一个水果是不是苹果”写规则，限时三分钟，统计能写几条。教师语言：“三分钟，最多的一组写了十一条规则。我念两条：‘红色、圆形、有果柄’。那我拿一个青苹果来，第一条就倒了。这就是符号主义的困境——现实世界太滑，规则抓不住。”教师语言：“第二条路，让机器从数据里自己找规律。这条路叫连接主义，现在最火。它的思路是：不告诉机器规则，只给它大量例子，让它自己调参数。就像教小孩认猫，你不用讲猫的生物学特征，你指着一百只猫说‘这是猫’，他就慢慢会了。这条路的好处是能处理规则写不清的问题，坏处是它说不清自己为什么这么判断。你问它‘你为什么认为这是猫’，它只能回答‘因为我的参数觉得像’。”教师语言：“第三条路，让机器在环境中试错。这条路叫行为主义。它的思路是：不预设规则，也不靠大量标注，让机器在环境里动，做对了加分，做错了扣分，慢慢学会一套动作。扫地机器人撞了墙会退回来，退多了就学会了绕。这条路特别适合需要连续动作的任务，比如走路、抓取、开车。”学生活动：三人一组，用“猜数字”游戏体验三种方式：一人写规则、一人凭历史猜、一人靠反馈试错。教师语言：“刚才的游戏里，写规则那位同学最快，因为他知道范围；靠历史猜的同学中等，因为信息不够；靠反馈试错的同学最慢，但最后也猜对了。这说明什么？没有最好的方法，只有最合适的方法。任务简单、规则清楚，用规则；任务复杂、例子多，用学习；任务需要连续动作，用试错。”（三）对比分析（10分钟）教师活动：出示对比表，组织填写与讨论。教师语言：“请各组填这张表，四栏：实现方式、核心思路、典型应用、主要短板。填完我们做一个判断：为什么现在的人脸识别、语音助手大多用连接主义？给两分钟讨论。”学生语言预设：“因为规则写不完”“因为数据多”“因为效果好”。教师语言：“都对。我补一句：因为这些问题‘说不清但认得出’。你能说清你怎么认出你妈的脸吗？说不清，但你一眼就认得出。凡是人说不清的事，规则方法就吃力，学习方法就占优。反过来，凡是必须讲清理由的事，比如银行审批贷款，规则方法反而更受信任。这就是技术选择背后的责任问题。”（四）巩固练习（8分钟）教师语言：“三道配对题。智能客服按关键词回复，属于哪种？符号主义。短视频推荐根据你的观看记录推内容，属于哪种？连接主义。机器人学走路摔了很多次才学会，属于哪种？行为主义。再来一道思考题：如果让你做一个‘校园垃圾分类助手’，你会选哪种方式？为什么？请写三句话，一句选方式，两句说理由。”（五）课堂小结（3分钟）教师语言：“三条路，三种思路：写规则、学数据、试错误。记住一句话：方法没有高下，合适才是本事。下节课我们往下挖一层，看看这三条路都得靠什么才能走通。”六、作业设计基础题：用一句话分别概括三种实现方式，并各举一例。拓展题：为“识别同学是否戴眼镜”设计两种实现方案，说明各自需要的条件。实践题：观察家中一件智能设备，推测它采用了哪种实现方式，写一段一百字的推理说明。七、结语技术路线的选择从来不是纯粹的技术问题。理解三种实现方式，学生就理解了“为什么有的机器讲得清道理，有的机器只会给答案”，这是走向理性使用人工智能的第一步。八、板书设计人工智能的实现方式一、符号主义：把知识写成规则二、连接主义：从数据中找规律三、行为主义：在试错中学会动作四、选择原则：任务定方法第4课人工智能的技术基础一、教材分析本课讲人工智能的三大支柱：数据、算法、算力。教材用“燃料、发动机、马力”或类似的比喻说明三者关系，并通过案例说明数据质量、算法选择和算力规模如何共同决定人工智能的水平。教材还提到数据标注、模型训练等基本环节。本课容易上成名词课，三个词讲完就下课。要避免这一点，必须让三个词“动”起来：让学生亲手体验数据不够会怎样、算法选错会怎样、算力不足会怎样。教材中的案例可以改造为课堂实验，用纸笔和计时器就能完成，不需要真实训练模型。二、核心素养目标信息意识：能识别一项人工智能应用背后的数据来源，并对数据质量作出初步判断。计算思维：能理解数据、算法、算力三者的相互制约关系，并用它解释现实中的技术现象。数字化学习与创新：能通过简单实验体会三个要素对结果的影响。信息社会责任：能认识数据采集与使用中的隐私与授权问题，形成规范使用数据的意识。三、教学重难点教学重点：说出数据、算法、算力各自的作用及三者关系。教学难点：理解三者的相互制约，能解释“为什么数据多了效果不一定更好”。四、教学方法实验探究法、比喻教学法、案例分析法、小组合作法。五、教学过程（一）情境导入（5分钟）教师活动：出示两张手写数字识别结果图，一张识别正确，一张把“8”认成“3”。教师语言：“同一个模型，为什么一张认对，一张认错？有人说是机器笨，有人说是图片糊。我先给三个选项：数据不够、算法不好、算力不足。你们先猜，猜完我们做实验验证。科学的态度是：先猜，再验，最后认账。”（二）新课研讨（15分钟）教师活动：分三段讲解三大基础，每段配一个微型实验。教师语言：“第一根柱子，数据。数据是人工智能的粮食。没有数据，再聪明的算法也是空转。但数据不是越多越好，是越‘对’越好。什么叫对？三个字：全、准、代表。全，是覆盖各种情况；准，是标注没错；代表，是能代表真实世界。我举个例子，如果训练人脸识别的照片全是晴天拍的，那阴天它就容易认错，因为数据不全。”学生活动：实验一，用十张手写数字卡片训练“人肉识别器”，再用三张模糊卡片测试。教师语言：“刚才的实验，十张卡片训练出来的‘识别器’，遇到模糊的就懵了。这不是你们笨，是数据不够全。真实的人工智能也一样，它见过的世面，就是它的能力边界。”教师语言：“第二根柱子，算法。算法是加工数据的方法。同一堆数据，用不同算法，效果可能差很远。就像同一袋面粉，会做的人做馒头，不会做的人做疙瘩。算法决定了机器‘怎么学’。有的算法学得快但容易学偏，有的算法学得慢但稳。选算法，本质是选一种学习策略。”教师语言：“第三根柱子，算力。算力是机器干活的速度。训练一个大模型，可能要成千上万块芯片连续算很多天。算力不够，再好的想法也只能停在纸上。这就像你要搬一座山的土，工具再好，只有一把小铲子，也得搬到下辈子。”学生活动：实验二，限时一分钟完成二十道两位数加法，记录完成数量，体会“算力”的直观含义。教师语言：“一分钟做完二十道的同学请举手。做完十道的呢？这就是算力差异。人和人之间差一倍，机器和机器之间可能差一千倍。所以大公司能训练大模型，小团队只能用小模型，不是想法不行，是马力不够。”（三）关系建模（10分钟）教师活动：组织学生用三角图表示三者关系，并解释相互制约。教师语言：“请画一个三角形，三个顶点分别写数据、算法、算力，三条边上写它们的关系。比如数据与算法之间写‘算法决定怎么用数据’，算法与算力之间写‘算力决定算法能跑多大’，数据与算力之间写‘数据越多越费算力’。画完请回答一个问题：为什么数据多了，效果不一定更好？”学生语言预设：“因为数据可能有错”“因为算力跟不上”“因为算法消化不了”。教师语言：“三个答案都成立，这就是三角关系的美妙之处。数据多了，如果标注不准，等于往面粉里掺沙子；如果算力不够，等于粮食堆在门口搬不进厨房；如果算法不合适，等于用筛子装水。所以做人工智能不是堆资源，是配资源。”（四）巩固练习（7分钟）教师语言：“三道判断题。第一，只要数据足够多，人工智能一定很聪明。错，还要看质量和算法。第二，算力越强，模型效果一定越好。错，还要看数据和算法是否匹配。第三，使用别人的照片训练人脸模型不需要征得同意。错，这涉及个人信息保护。第三题不是技术题，是做人题，请记住。”（五）课堂小结（3分钟）教师语言：“数据是粮食，算法是菜谱，算力是灶火。三样齐了，才能做出一桌菜。少一样，或者配比不对，菜就难吃。第一单元到此结束，从下节课开始，我们正式进入人工智能的‘厨房’，先看它怎么做文字这道菜。”六、作业设计基础题：用一句话解释数据、算法、算力，并画出三者关系图。拓展题：调查一款常用的人工智能应用，推测它需要哪些数据、可能用什么算法、需要多少算力。实践题：写一段一百五十字的短文，谈谈“如果让你设计一个校园智能应用，你最担心数据出什么问题”。七、结语人工智能不是魔法，是资源、方法与工具的组合。理解这一点，学生就不会被“黑科技”三个字唬住，而会追问：它用了什么数据，用了什么方法，花了多少力气。八、板书设计人工智能的技术基础一、数据：粮食，要全、准、代表二、算法：菜谱，决定怎么学三、算力：灶火，决定能跑多大四、关系：三角互制，配比取胜第二单元文本的智能生成单元教材分析本单元是全册技术含量最集中的一段，用五课时间把“机器怎么写出一段话”这件事拆成五个台阶：先切词，再统计，再编码，再加注意力，最后看影响因素。教材的编排逻辑非常清晰，是一条从表面到内部的认知路径。从课程标准看，本单元主要落实“算法”与“人工智能”两条主线，重点培养计算思维。教材不要求学生会写模型代码，但要求他们能说清每一步在做什么、为什么必须这么做。因此教学必须坚持“先手工、后机器”的原则：凡是能用手做一遍的，绝不直接放视频；凡是能让学生自己算出来的，绝不直接给结论。本单元的难点在第7课和第8课。语义编码与注意力机制是当前大模型的核心，也是最抽象的部分。教材的处理办法是用“词与词的距离”“看句子时眼睛停在哪里”这类生活化类比来降低门槛。教学时应充分利用这些类比，但也要在类比之后补一句“类比只是拐杖，拐杖用完要扔掉”，防止学生把类比当成本质。第5课文本处理的基本单位一、教材分析本课讲计算机如何把一段文字拆成可处理的小块。教材指出，计算机并不直接理解句子，它先把文本切分为词元，再对词元编号，形成数字序列后才能计算。教材介绍了按字切分、按词切分、按子词切分三种常见方式，并说明切分方式会影响后续处理的效果。本课是第二单元的地基。地基没打牢，后面讲统计、编码、注意力都会悬空。教材的难点在于“为什么不能整句处理”。学生的直觉是“一句话就是一个整体”，教学必须打破这个直觉，让他们看到整句无法计算、切分后才能计算。教材中的分词歧义例子是本课最生动的素材，应当充分使用。二、核心素养目标信息意识：能意识到文本进入计算机后会被转化为数字，理解数字化表示的基本思想。计算思维：能按规则对文本进行切分，并说明不同切分方式的适用情形。数字化学习与创新：能使用工具或手工方法完成简单文本的切分与统计。信息社会责任：能认识中文切分中的歧义现象，理解技术处理语言的局限。三、教学重难点教学重点：理解词元的概念，掌握按字、按词、按子词三种切分方式。教学难点：理解切分歧义产生的原因，说明切分粒度对后续处理的影响。四、教学方法任务驱动法、动手操作法、对比分析法、游戏教学法。五、教学过程（一）情境导入（5分钟）教师活动：在黑板上写一句话“南京市长江大桥”，请学生断句。教师语言：“请看这七个字：南京市长江大桥。请一位同学上来加斜线断句。好，你断成‘南京市／长江大桥’。再请一位，你断成‘南京市长／江大桥’。两位都没错，因为这句话本来就有两种读法。这就是中文的麻烦，也是中文的乐趣。计算机读这句话的时候，也会遇到同样的麻烦。今天我们就来看看，计算机是怎么把一句话拆开吃的。”（二）新课研讨（14分钟）教师活动：讲解词元概念，演示三种切分方式。教师语言：“计算机处理文字，第一步不是理解，是拆分。拆出来的小块，叫词元。为什么要拆？因为计算机只会算数，不会看句子。你把一整句塞给它，它没法算；你把它拆成一个个小块，每个小块编个号，它就能算了。就像食堂打饭，整锅端给你没法吃，得先分到餐盘里。”教师语言：“拆法有三种。第一种，按字拆。‘南京市长江大桥’拆成南、京、市、长、江、大、桥七个字。好处是简单，字就那么几千个，谁都认识；坏处是字太小，意思散了。‘长’和‘江’分开，就丢了‘长江’这个意思。第二种，按词拆。拆成南京、市、长江大桥。好处是意思完整；坏处是词太多，而且新词不断出现，词典追不上。第三种，按子词拆。把词再切成更小的常见片段，比如‘长江大桥’切成‘长江’和‘大桥’。好处是兼顾了效率和覆盖率，坏处是切出来的片段有时候人看着别扭。”学生活动：完成切分任务单，用三种方式切分同一段话。教师语言：“请用三种方式切分这句话：‘人工智能正在改变我们的生活。’按字切，十四个字；按词切，人工智能、正在、改变、我们、的、生活；按子词切，人工、智能、正在、改变、我们、的、生活。三种结果摆在一起，你发现什么？粒度越细，块越多，计算越简单但意思越散；粒度越粗，块越少，意思越完整但词典越难编。这就是切分的取舍。”（三）游戏体验（12分钟）教师活动：组织“切词接力”游戏，体验切分歧义。教师语言：“现在玩游戏。我在屏幕上出一句话，各组用三十秒切分，切完举牌。第一句：‘乒乓球拍卖完了’。有两种切法：乒乓球拍／卖完了，乒乓球／拍卖／完了。第二句：‘咬死了猎人的狗’。也有两种。第三句：‘我喜欢上一个人’。这句有三种。请各组把三种都写出来。”学生活动：小组竞赛，展示切分结果。教师语言：“三句都切出来的组请举手。很好。现在思考一个问题：计算机遇到这种句子，它怎么知道该选哪种切法？答案是：它不一定知道。它靠统计，看哪种切法在以前的语料里更常见。所以机器切词会出错，出错的原因不是它笨，是语言本身就有歧义。这就是为什么有时候翻译软件会闹笑话。”（四）巩固练习（6分钟）教师语言：“两道题。第一，把‘今天天气很好我们一起去操场跑步’按词切分，至少切出六个词。第二，说明为什么大模型多用子词切分而不是按词切分。提示：想想新词怎么办，想想词典有多大。”（五）课堂小结（3分钟）教师语言：“今天学了三个字：切、编、算。先切块，再编号，最后计算。切分是文本智能生成的第一道工序，工序虽小，决定了后面所有的活儿干得好不好。下节课我们看，切好的这些小块，怎么被用来生成新的句子。”六、作业设计基础题：用三种方式切分一句自己写的二十字左右的句子，比较结果差异。拓展题：收集三个因切分歧义产生误解的例子，例如广告语、店名、网络流行语。实践题：统计一段两百字课文中的高频词，列出出现次数最多的五个词。七、结语切分看似琐碎，实则是机器理解语言的第一道门。学生亲手切过、错过、争论过，才会真正明白：机器读文字，读的不是意思，是编号。八、板书设计文本处理的基本单位一、词元：机器能算的最小块二、三种切分（一）按字：简单，意思散（二）按词：完整，词典难（三）按子词：折中，主流三、歧义：语言自带，机器靠统计第6课统计与文本生成一、教材分析本课讲早期文本生成的基本原理：统计。教材通过“根据前一个词预测下一个词”的例子，说明机器如何利用大量文本中的词频与搭配规律生成句子。教材介绍了统计语言模型的基本思想，并指出这种方法的局限：它懂搭配，不懂意思。本课是把学生从“切分”带入“生成”的关键一步。教材的例子通常很朴素，比如“我爱北京天安门”，但朴素正是它的价值：学生能亲手算出概率，能亲眼看到机器“接龙”的过程。教学应把重点放在“算”上，让学生用纸笔统计、用骰子抽样，体会概率如何变成句子。二、核心素养目标信息意识：能理解大量文本数据是统计生成的基础，认识数据规模对结果的影响。计算思维：能用统计方法计算词的出现概率，并用它完成简单的文本接龙。数字化学习与创新：能借助表格工具完成词频统计与概率计算。信息社会责任：能识别统计生成文本的机械感与事实性错误，形成对机器生成内容的审慎态度。三、教学重难点教学重点：理解基于统计的下一个词预测方法。教学难点：理解统计方法“懂搭配不懂意思”的局限。四、教学方法实验法、游戏法、数据分析法、案例对比法。五、教学过程（一）情境导入（5分钟）教师活动：出示两段文字，一段是人写的，一段是统计模型生成的。教师语言：“两段话，一段是人写的，一段是机器写的。请判断哪段是机器写的。第一段：‘秋天的校园，银杏叶落了一地，踩上去沙沙响。’第二段：‘秋天的校园，银杏叶落了一地，踩上去非常非常舒服，让人感到十分愉快。’多数同学选了第二段。理由是什么？‘太顺了’‘词太满’‘没有细节’。你们的语感很准。机器写的东西，往往语法没错，但少了点人味。今天我们就来看看，这种‘太顺’是怎么来的。”（二）新课研讨（15分钟）教师活动：讲解统计生成的基本思路，现场做词频统计。教师语言：“统计生成的核心只有一句话：看前面，猜后面。假设我们有一万句以‘今天’开头的话，其中六千句后面接‘天气’，两千句接‘下午’，一千句接‘早上’，剩下的接别的。那么机器看到‘今天’，就会以六成概率接‘天气’。它不知道‘今天’是什么意思，它只知道‘今天’后面常常跟‘天气’。这就是统计。”学生活动：统计给定语料中“我”后面接的词，计算频率。教师语言：“请看这段三百字的语料，找出所有‘我’后面的词，统计次数。三分钟。好，结果出来了：‘我’后面接‘们’十二次，接‘的’八次，接‘觉得’五次，接‘想’三次。那么如果让机器接‘我’，它最可能接什么？‘们’。这就是它的第一反应。它没有想法，只有习惯。”教师语言：“再进一步，如果看前面两个词呢？‘我觉得’后面常接什么？统计一下。‘我觉得’后面接‘可以’四次，接‘应该’三次，接‘这个’两次。看两个词比看一个词准，这就是二元、三元统计的由来。看的前文越多，猜得越准，但需要的语料也越多。这就是为什么大模型要读那么多书。”学生活动：用骰子或随机数表做抽样接龙，生成一句话。教师语言：“现在做接龙。每组拿到一张词表，每个词后面标了概率。用骰子决定接哪个词，一人接一个，接出一句话。接完念出来。第一组接出‘我觉得今天天气很好我们去公园’。这句话通不通？通。有没有意思？没有。这就是统计生成的样子：通顺，但平淡。因为它只学了搭配，没学意思。”（三）局限分析（10分钟）教师活动：出示统计生成的典型错误案例，组织分析。教师语言：“看三个例子。第一个，‘鱼在水里飞’。语法没错，主谓宾齐全，但事实错了。第二个，‘他喝了一杯面包’。搭配错了。第三个，‘这个问题很重要，所以这个问题很重要’。重复了。三个错误说明什么？说明统计方法只会看‘前面常跟什么’，不会判断‘这样对不对’。它像一个背了很多范文但不懂事的学生，句子能仿，道理不通。”学生语言预设：“那它为什么还能用”“是不是语料不够”。教师语言：“问得好。语料再多，也只能减少错误，不能消除错误。因为有些错误不是概率问题，是常识问题。鱼会不会飞，不是统计能回答的，是理解能回答的。这就引出了下一课：怎么让机器‘懂’一点意思。答案是，把词变成能算距离的东西。”（四）巩固练习（7分钟）教师语言：“两道题。第一，给定语料中‘学习’后面接‘很’五次、接‘方法’三次、接‘成绩’两次，问机器最可能接什么，概率是多少。第二，写一句统计模型可能生成但不合常理的句子，并说明错在哪里。”（五）课堂小结（3分钟）教师语言：“统计生成，说白了就是高级接龙。它靠海量语料学会搭配，靠概率决定下一个词。它很会模仿，但不太懂事。下节课，我们给词装上‘坐标’，让它知道词和词之间谁离谁近。”六、作业设计基础题：完成一段五十字语料的词频统计，写出出现最多的三个词。拓展题：用“看前两个词猜下一个词”的方法，手工生成一句十个词左右的句子，并评价其通顺度。实践题：找一段机器生成的文字，标出其中“通顺但没意思”的句子，写一段一百字的分析。七、结语统计让机器学会了说话的样子，却没教会它说话的意思。理解这一点，学生就能看穿那些“看起来很顺”的文字背后的空洞，也能更珍惜人类表达中那些不按概率出牌的部分。八、板书设计统计与文本生成一、核心：看前面，猜后面二、方法：词频统计，概率抽样三、特点：通顺但平淡四、局限：懂搭配，不懂意思第7课文本的语义编码一、教材分析本课讲如何让机器“懂”一点词的意思。教材引入词向量的思想：把每个词表示成一串数字，意思相近的词，数字也相近。教材用“词与词的距离”说明语义关系的可计算性，并举例说明“国王减男人加女人约等于女王”这类经典现象。本课是第二单元的分水岭，从“数数”进入“算意思”。教材的抽象度较高，必须借助直观手段。教学的关键是让学生亲手把词放到一个二维平面上，用距离判断相似度，从而体会“意思可以变成位置”。教材中的类比运算不宜讲深，点到为止即可，重点是建立“语义可计算”的观念。二、核心素养目标信息意识：能理解文本语义可以被转化为数值表示，认识数据表示方式的多样性。计算思维：能用向量距离比较词的相似度，理解抽象概念的可计算化。数字化学习与创新：能使用表格或图示工具完成简单的词向量可视化。信息社会责任：能意识到词向量可能携带语料中的偏见，形成对技术中立性的批判意识。三、教学重难点教学重点：理解词向量用数字表示语义、用距离表示相似的基本思想。教学难点：理解多维向量与语义关系的对应，说明“意思相近则距离近”的道理。四、教学方法直观演示法、类比法、动手建模法、讨论法。五、教学过程（一）情境导入（5分钟）教师活动：出示搜索“苹果”的结果，一部分是水果，一部分是手机。教师语言：“我搜‘苹果’，出来两堆东西：一堆能吃，一堆能打电话。计算机怎么知道我要哪个？如果它只认字，它分不清；如果它懂意思，它就知道‘苹果’和‘手机’有关系，‘苹果’和‘水果’也有关系。问题是，计算机怎么‘懂’意思？今天我们就给它装一个‘意思坐标’。”（二）新课研讨（15分钟）教师活动：讲解词向量的基本思想，现场做二维定位。教师语言：“办法很简单：给每个词一串数字。比如‘猫’是（0.8，0.2），‘狗’是（0.7，0.3），‘汽车’是（0.1，0.9）。这串数字就是词的坐标。坐标相近，意思相近。你看猫和狗，两个数都差不多，所以它们是一类；汽车跟它们差得远，所以不是一类。计算机不会读‘猫’这个字，但它会算两个坐标离得多近。这就是语义编码。”学生活动：在二维坐标系中为十个词定位，计算两两距离。教师语言：“请把黑板上这十个词放到坐标纸上：猫、狗、老虎、汽车、火车、飞机、苹果、香蕉、米饭、面条。放的时候凭感觉，觉得意思近的就放近点。放完用尺子量一量猫和狗的距离、猫和汽车的距离。你会发现，意思近的确实挨得近。这不是巧合，这是语义在空间里的样子。”教师语言：“真实的大模型不是二维，是几百维甚至几千维。维度越多，能表达的关系越细。二维只能分‘动物’和‘交通工具’，几百维就能分出‘会跑的动物’‘会飞的动物’‘能吃的动物’。维度就像抽屉，抽屉越多，东西分得越细。”学生活动：完成“找最近邻”任务，为给定词找出三个最相近的词。教师语言：“给‘老师’找三个最近的词。有组写‘教师、学生、课堂’，有组写‘教师、讲台、粉笔’。哪组更好？第一组更接近语义关系，第二组更接近场景关系。这说明什么？说明‘近’有很多种近法，有的是同类，有的是常一起出现。机器分得清吗？分不太清，它只知道数字近。这就是它的聪明，也是它的糊涂。”（三）偏见讨论（10分钟）教师活动：出示词向量偏见的经典现象，组织讨论。教师语言：“有个现象值得警惕。如果训练语料里‘医生’常和‘他’一起出现，‘护士’常和‘她’一起出现，那么模型学到的坐标就会把‘医生’往‘男性’那边推，把‘护士’往‘女性’那边推。机器没有偏见，但它会忠实地学下语料里的偏见。这就像一面镜子，照出了我们自己的问题。请问：这个责任该由谁负？写语料的人？训练模型的人？还是使用模型的人？”学生活动：小组讨论三分钟，代表发言。教师语言：“三组观点都有道理。我的看法是：三方都有责任，但使用者最容易被忽视也最该被提醒。因为你们是最终决定‘信不信它’的人。看到模型说‘护士多半是女性’，你要能反问一句：这是事实，还是数据里的老习惯？”（四）巩固练习（7分钟）教师语言：“两道题。第一，给‘夏天’找两个语义最近的词，并说明理由。第二，如果模型把‘家庭’和‘女性’算得很近，可能是什么原因造成的？请写两句话。”（五）课堂小结（3分钟）教师语言：“今天我们给词装上了坐标。意思变成了位置，相似变成了距离。机器从此能算‘像不像’。但记住，它算的是数据里的像，不是道理上的对。下节课，我们看它怎么在一句话里决定‘该看哪个词’。”六、作业设计基础题：为八个词在坐标纸上定位，并计算三组词的距离。拓展题：解释“意思相近的词坐标相近”这一说法，并举一个反例说明它的局限。实践题：收集一个因语料偏见导致模型输出不当的例子，写一段一百五十字的评析。七、结语语义编码让机器从“认字”走向“认意思”，这是人工智能的一大步。但坐标是人给的，语料是人写的，机器学到的“意思”里，始终有人的影子。看清这一点，才算真正读懂了这项技术。八、板书设计文本的语义编码一、做法：词变成一串数字二、原理：坐标近，意思近三、维度：抽屉越多，分得越细四、警惕：语料有偏见，模型会照学第8课注意力与文本生成一、教材分析本课讲注意力机制，是当前文本生成模型的核心。教材用“读句子时眼睛会重点看某些词”作类比，说明模型在生成每个词时会给前文不同位置分配不同权重。教材通过简单的权重示意，展示“它”指代谁这类问题的解决思路。本课是全册最抽象的一课。教材的类比很好，但类比容易让学生以为注意力就是“看”。教学必须补上关键一步：注意力是算出来的权重，不是主观的选择。课堂应安排手工计算权重的活动，让学生用数字而不是感觉来理解“关注”。二、核心素养目标信息意识：能理解上下文对理解词义的作用，认识信息之间的关联性。计算思维：能用权重表示关注程度，理解加权求和的含义。数字化学习与创新：能通过表格或图示呈现注意力分配过程。信息社会责任：能认识模型“关注错地方”可能带来的误判，形成审慎判断的习惯。三、教学重难点教学重点：理解注意力机制给上下文分配不同权重的基本思想。教学难点：理解权重的计算与加权求和的过程。四、教学方法类比教学法、手工演算法、图示法、问题导向法。五、教学过程（一）情境导入（5分钟）教师活动：出示一句有指代的话，请学生找出“它”指什么。教师语言：“看这句话：‘小明把书放进书包，因为它太重了。’‘它’指什么？多数人说书。再看：‘小明把书放进书包，因为它太小了。’‘它’指什么？多数人说书包。同样一个‘它’，为什么指的不一样？因为你们看句子的时候，眼睛在不同的词上停留的时间不一样。第一句你盯着‘书’，第二句你盯着‘书包’。这种‘重点看某处’的能力，就叫注意力。”（二）新课研讨（15分钟）教师活动：讲解注意力的计算思路，现场做权重分配。教师语言：“机器没有眼睛，它怎么‘重点看’？它给每个词打一个分数，分数高的就多看。这个分数，叫权重。比如刚才第一句，机器给‘书’打0.6，给‘书包’打0.2，给‘小明’打0.1，给其他词打0.1。加起来是1。然后它按这个比例把各个词的信息混在一起，混出来的结果就偏向‘书’。所以它判断‘它’指书。”学生活动：为第二句分配权重，并说明理由。教师语言：“请给第二句分配权重，四个词，加起来等于1。有组给‘书包’0.5，‘书’0.2，‘小明’0.2，其他0.1。理由是什么？‘太小了’形容书包更合理。这个理由很好，说明你们不是乱打分，是依据语义打分。机器也是这样，它依据词与词的关系打分。”教师语言：“这里有个关键点要讲清：权重不是人手工设的，是模型自己学出来的。模型看了海量句子，慢慢学会‘太小了’这种词应该多关注前面的容器类名词。所以注意力不是规则，是经验。它学得好，就关注得准；学得偏，就关注得错。”学生活动：完成“注意力标注”任务，在一段文字上标出每个词应关注的词。教师语言：“请在这段话上做标注：‘妈妈买了苹果，孩子们抢着吃，因为它们很甜。’给‘它们’标出该关注的词。多数组标了‘苹果’。为什么不是‘孩子们’？因为‘甜’形容苹果。这个判断你们用了常识，机器用的是统计。两条路殊途同归，但机器那条路在没见过的句子上更容易翻车。”（三）对比实验（10分钟）教师活动：出示注意力分配不同的两个结果，组织分析。教师语言：“看两个生成结果。输入是‘他走进教室，看见老师站在讲台上，他’，结果一接‘坐下了’，结果二接‘讲课了’。哪个更合理？第一个。为什么？因为‘他’指学生。如果模型把注意力错放在‘老师’上，就会接‘讲课了’。这就是注意力出错的样子。它不一定是语法错，是‘看错人’。”学生语言预设：“那怎么改”“多训练就行吗”。教师语言：“多训练能改善，但不能根治。因为语言里指代本来就模糊。人能靠情境补，机器只能靠统计猜。所以用生成工具时，遇到指代不清的句子，最好自己改写清楚，别指望机器猜对你的心思。”（四）巩固练习（7分钟）教师语言：“两道题。第一，为‘小猫追着毛线球跑，它玩得很开心’中的‘它’分配权重，写出三个主要词的权重并说明理由。第二，用一句话解释‘注意力就是给上下文打分’这个说法对不对，为什么。”（五）课堂小结（3分钟）教师语言：“注意力，说到底是三个动作：打分、归一、加权。打分看关系，归一保公平，加权出结果。它让机器学会了‘抓重点’。下节课我们看，除了注意力，还有哪些因素在影响它写出来的东西。”六、作业设计基础题：为三个含指代的句子标注“它”应关注的词，并说明理由。拓展题：用表格为一个五词句子分配注意力权重，写出加权结果。实践题：找一段机器生成的、指代混乱的文字，改写清楚，并说明原句为什么会混乱。七、结语注意力机制让机器从“平均地看”变成“有重点地看”，这是文本生成质量跃升的关键。但重点抓得准不准，取决于它学过的经验，也取决于我们给它的句子够不够清楚。八、板书设计注意力与文本生成一、现象：读句子会重点看某处二、做法：打分、归一、加权三、来源：权重是学出来的经验四、风险：关注错位导致误判第9课文本生成的影响因素一、教材分析本课是第二单元的收束课，把前四课的内容整合起来，讨论影响生成质量的多种因素：训练数据的规模与质量、模型参数规模、提示词的写法、生成参数设置、任务本身的难度。教材强调同一模型在不同条件下输出差异明显，提示词的质量往往决定结果的好坏。本课的价值在于把技术知识转化为使用能力。学生学完前四课，知道了机器怎么写字；学完本课，要知道怎么让机器写得更好。教材中的提示词对比案例是本课的核心素材，应让学生亲手改写、亲手对比，体会“问得好才答得好”。二、核心素养目标信息意识：能判断生成结果质量的优劣，并分析影响质量的可能因素。计算思维：能通过控制变量的方法，找出影响生成结果的关键因素。数字化学习与创新：能通过迭代优化提示词，提升生成结果的质量。信息社会责任：能认识生成内容的可靠性问题，形成核实与标注的习惯。三、教学重难点教学重点：说出影响文本生成质量的主要因素。教学难点：用控制变量法分析单一因素的作用，掌握提示词优化的基本方法。四、教学方法实验探究法、对比法、迭代优化法、小组合作法。五、教学过程（一）情境导入（5分钟）教师活动：出示同一个问题的两种问法及两种回答。教师语言：“同一个模型，我问它‘写个关于春天的作文’，它给我一段‘春天来了，万物复苏，大地一片生机’。我又问它‘以初二学生的口吻，写一段两百字的春天校园片段，要有声音和气味’，它给我一段有鸟叫、有青草味、有篮球拍地声的文字。同一个模型，差距为什么这么大？因为第二个问题问得好。今天我们就研究：什么在影响它写得好不好。”（二）新课研讨（15分钟）教师活动：讲解五类影响因素，重点讲提示词。教师语言：“影响因素有五类。第一类，数据。它读过的书越多越杂，能写的话题越广。第二类，模型规模。参数越多，能记住的规律越细，但也不是越大越好，大了费电、慢了费时。第三类，提示词。这是你能控制的部分，也是最容易被忽视的部分。第四类，生成参数。比如让它更保守还是更大胆，保守就稳但平淡，大胆就活但容易跑偏。第五类，任务难度。写请假条和写小说，难度天差地别。”教师语言：“重点讲提示词。好的提示词要交代四件事：角色、任务、要求、样例。角色，是让它以什么身份写；任务，是写什么；要求，是多长、什么风格、给谁看；样例，是给它一个参照。四件事交代清楚，它就不容易跑偏。就像你让同学帮你带饭，只说‘带个饭’，他可能带回来一碗白饭；你说‘带一份不要辣的番茄炒蛋盖饭，多加饭’，他基本不会错。”学生活动：分组改写提示词，完成三轮迭代。教师语言：“现在做三轮迭代。第一轮，用最简提示词：‘介绍人工智能’。第二轮，加上角色和要求：‘以初中信息科技老师的身份，用三个生活例子向初一学生介绍人工智能，两百字以内’。第三轮，再加样例和限制：‘不要用专业术语，每个例子不超过两句话’。每轮把结果记在任务单上，比较差异。”学生活动：记录三轮结果，小组汇报。教师语言：“三组汇报很有代表性。第一轮的结果像百科词条，第二轮像老师讲课，第三轮像老师给小学生讲课。同一件事，三种说法。这说明提示词不是玄学，是沟通。你会跟人沟通，就会跟机器沟通，只是要更具体、更有耐心。”（三）控制变量实验（10分钟）教师活动：组织单因素对比实验。教师语言：“科学一点，我们做控制变量。同一个任务，只改一个条件。第一组只改长度要求，从一百字改到三百字；第二组只改受众，从同学改成家长；第三组只改风格，从严肃改成幽默。其他条件全部不变。做完填表：改了什么、结果变了什么、说明什么。”学生语言预设：“长度变了内容就变多了”“受众变了用词就变了”“风格变了例子就变了”。教师语言：“总结得很好。这说明每个因素都有独立作用，但也会互相影响。所以优化提示词不是一次到位，是反复试。试三次不行就试五次，试到它写出你要的东西为止。这个过程，叫迭代。”（四）巩固练习（7分钟）教师语言：“两道题。第一，把‘写一份读书笔记’改写成一条完整提示词，包含角色、任务、要求三项。第二，机器生成的内容可以直接抄进作业吗？请写三句话说明理由，其中至少一句提到核实。”（五）课堂小结（3分钟）教师语言：“文本生成的质量，一半靠模型，一半靠你会不会问。数据、规模、参数你改不了，提示词你能改。把提示词写好，是这一单元最实用的本事。第二单元到此结束，下一单元我们换一种媒介，从文字走向图像、声音和视频。”六、作业设计基础题：写出三条完整提示词，分别用于写通知、写说明、写故事开头。拓展题：对同一任务做三次提示词迭代，记录每次结果差异并分析原因。实践题：用生成工具完成一份三百字的学习小结，标注哪些内容经过自己核实修改。七、结语会提问，是人工智能时代最重要的能力之一。学生学会把模糊的愿望翻译成清晰的要求，不仅能让机器写得更好，也能让自己想得更清楚。八、板书设计文本生成的影响因素一、五类因素：数据、规模、提示词、参数、任务二、提示词四要素：角色、任务、要求、样例三、方法：控制变量，反复迭代四、底线：生成内容须核实第三单元图像、声音与视频的智能生成单元教材分析本单元把视角从文字转向多模态内容。教材按“看懂图像—改造图像—生成图像—生成声音—生成视频”的顺序编排，先讲机器如何提取图像特征，再讲风格迁移与生成方式，最后扩展到声音与视频。这个顺序体现了一个基本逻辑：先会看，才会改；先会改，才会造。从课程标准看，本单元主要落实“信息处理”与“人工智能”两条主线。教材不追求讲清生成模型的数学原理，而是让学生理解“特征—变换—生成”这条技术链。教学应大量使用对比实验：同一张图换风格、同一段文字换提示词、同一句话换音色，让学生在差异中看出规律。本单元的难点在第10课和第13课。特征提取抽象，提示词工程则需要反复试错。教材对这两处都提供了操作性的活动，教学时应保证活动时间，宁可少讲一个概念，也要让学生亲手做一遍。第10课图像特征的提取一、教材分析本课讲计算机如何“看懂”图像。教材指出，图像在计算机中是一堆像素数值，机器通过提取边缘、颜色、纹理等特征来识别对象。教材介绍了特征提取的基本思路，并用简单示例说明不同特征对识别的贡献。本课是图像部分的地基。学生容易误以为机器看图和人看图一样，一眼就懂。教学要打破这个误解，让他们看到机器看到的是一格一格的数字。教材中的像素放大图和特征描述活动是本课的关键素材，应充分利用。二、核心素养目标信息意识：能理解图像在计算机中的数字化表示，认识数据与感知的关系。计算思维：能提取图像的主要特征并用语言或符号描述，理解特征对识别的作用。数字化学习与创新：能使用工具观察图像的像素构成与特征分布。信息社会责任：能认识图像识别中的隐私问题，形成规范使用图像数据的意识。三、教学重难点教学重点：理解像素与特征的概念，掌握边缘、颜色、纹理三类基本特征。教学难点：理解机器通过特征组合识别对象的过程。四、教学方法观察法、动手操作法、类比法、小组探究法。五、教学过程（一）情境导入（5分钟）教师活动：出示一张被极度放大的照片局部，学生猜是什么。教师语言：“看这张图，一格一格的方块，有深有浅。猜猜这是什么？有人说是马赛克，有人说是棋盘。我把图缩小，你们再看——是一只猫的眼睛。刚才那些方块，就是像素。计算机看这张照片，看到的就是这些方块，它看不到猫。它得从方块里找出规律，才能知道这是猫。今天我们就学它怎么找规律。”（二）新课研讨（14分钟）教师活动：讲解像素与特征，演示特征提取。教师语言：“先讲像素。一张照片放大到极致，就是无数个小方格，每个方格有一个颜色值。计算机存的就是这些数值。它不知道什么是猫，它只知道第几行第几列是什么颜色。所以它要‘看懂’，必须先从数值里找出有用的信息，这些信息就叫特征。”教师语言：“特征有三类最常见。第一类，边缘。哪里颜色突然变了，哪里就是边缘。猫的轮廓、桌子的边、字的笔画，都是边缘。第二类，颜色。整块区域偏红还是偏蓝，这是颜色特征。第三类，纹理。粗糙还是光滑，规则还是杂乱，这是纹理特征。机器把这三类特征组合起来，就能大致判断这是什么。”学生活动：为三张图各写五条特征描述，交换猜测。教师语言：“请给这三张图各写五条特征，只写特征，不写名称。比如‘有一条长边缘’‘大面积绿色’‘纹理细密’。写完交换，让对方猜是什么图。猜对率高的组，说明特征写得准。这个活动说明什么？说明识别靠的不是‘看整体’，是‘抓特征’。人也是这样，你认出一位同学，靠的是发型、身高、走路姿势这些特征，不是靠把他整个人扫描一遍。”（三）特征组合探究（12分钟）教师活动：组织“特征拼图”活动，体验特征组合识别。教师语言：“现在做拼图。每组拿到六张特征卡，三张描述动物，三张描述交通工具。请把特征卡组合起来，判断它们分别属于什么。注意，单张卡往往判断不了，要组合。比如‘有四条腿’加‘有长尾巴’加‘会爬树’，大概率是猫。‘有轮子’加‘有窗户’加‘很长’，大概率是公交车。组合越多，判断越准。”学生语言预设：“那特征多了会不会乱”“会不会认错”。教师语言：“会乱，也会认错。特征太多，有些是干扰；特征太少，判断不了。所以机器要学的是‘哪些特征重要’。这个‘学’，就是下一课要讲的训练。今天先记住一句话：机器看图，看的是特征，不是整体。”（四）巩固练习（6分钟）教师语言：“两道题。第一，写出识别‘一只戴眼镜的人’需要的三个关键特征。第二，如果一张照片光线很暗，哪些特征会受影响？请写两点。”（五）课堂小结（3分钟）教师语言：“像素是原料，特征是线索。机器从一堆数字里找出边缘、颜色、纹理，再组合成判断。下节课我们看，它怎么在保留内容的同时，把一张照片的画风换掉。”六、作业设计基础题：为家中一件物品拍摄照片，写出五条可用于识别的特征。拓展题：比较同一物体在白天和夜晚照片中的特征差异，说明光线对识别的影响。实践题：用手机放大一张照片到像素级，截图并标注三处明显特征。七、结语看懂图像，是人工智能走向多模态的第一步。学生理解“机器看的是特征”，就不会再神化图像识别，也能更清楚地知道它在什么情况下会看走眼。八、板书设计图像特征的提取一、像素：图像的数字原料二、三类特征（一）边缘：颜色突变处（二）颜色：区域色调（三）纹理：粗糙或光滑三、识别：特征组合，抓关键第11课图像的风格迁移一、教材分析本课讲如何把一张图的“画风”换成另一张图的风格，同时保留原图内容。教材介绍了内容与风格分离的基本思想，并用名画风格迁移到照片的例子说明效果。教材还讨论了这类技术的应用与风险，例如艺术创作与伪造图片。本课趣味性强，学生参与度高，但也容易停留在“好玩”层面。教学要在好玩之后追问两个问题：机器怎么把内容和风格分开？这种技术被滥用怎么办？前者是技术理解，后者是价值判断，两者都不能少。二、核心素养目标信息意识：能辨别风格迁移作品与原图的差异，理解技术对视觉信息真实性的影响。计算思维：能理解内容与风格分离的处理思路，说明迁移的基本流程。数字化学习与创新：能使用工具完成一次风格迁移并说明参数作用。信息社会责任：能认识深度伪造的风险，形成不传播、不轻信可疑图片的习惯。三、教学重难点教学重点：理解内容与风格分离的思想及风格迁移的基本流程。教学难点：说明机器如何分别提取内容特征与风格特征。四、教学方法体验法、对比分析法、案例讨论法、项目式学习法。五、教学过程（一）情境导入（5分钟）教师活动：出示一张校园照片和它的名画风格版本。教师语言：“这张是我们学校门口，这张也是我们学校门口，只不过它变成了水墨画的样子。树还是那棵树，门还是那道门，但味道全变了。这叫风格迁移。请注意，它没有换内容，只换了画风。就像同一个人换了件衣服，人还是那个人。今天我们就研究：机器怎么给他换衣服，又不换人。”（二）新课研讨（14分钟）教师活动：讲解内容与风格分离的思想。教师语言：“机器做这件事，分两步。第一步，把原图拆成两部分：内容，是画的是什么，比如一棵树、一扇门；风格，是怎么画的，比如笔触、色彩、明暗。第二步，把原图的内容，套上新图的风格，重新画一遍。听起来简单，做起来难，难在怎么把这两样分开。”教师语言：“机器怎么分？它还是靠特征。内容特征，看的是物体的形状和位置，比如树的轮廓在哪儿；风格特征，看的是颜色分布和纹理规律，比如整体偏灰、笔触粗。它把这两类特征分别提取出来，再把内容特征和风格特征重新组合，就得到新图。这就像做菜，食材是内容，做法是风格，换个做法，食材还是那些食材。”学生活动：观察三组迁移前后对比图，填写差异表。教师语言：“请填这张表，三栏：内容保留了什么、风格改变了什么、哪些地方不自然。第三栏最重要，那是技术的破绽。有组写‘树枝边缘糊了’，有组写‘人脸颜色怪’，这些观察很专业。技术不完美的地方，往往就是识破伪造的线索。”（三）伦理讨论（12分钟）教师活动：出示伪造图片案例，组织讨论。教师语言：“风格迁移本身是中性的，但用的人不一样，结果就不一样。有人用它做文创，有人用它做假图。请问：如果有人用这项技术把一张普通照片改成‘某地受灾’的样子发到网上，谁该负责？做技术的人？发图的人？还是转发的人？”学生活动：三方观点分组陈述，教师归纳。教师语言：“三方都有责任，但责任大小不同。做技术的人要设置使用限制，发图的人要承担法律后果，转发的人至少要有一点怀疑精神。你们现在能做的，就是第三件事：看到特别震撼的图，先别急着转，先想