2026-2027初中人教版信息科技人工智能专册每课教学设计附教学计划

信息科技|人工智能专册教学设计 人教版初中PAGE1/SECTIONPAGES1初中信息科技人工智能专册教学设计（2026—2027学年）一、编写说明与使用指引本册教学设计依据《义务教育信息科技课程标准（2022年版）》编写，对应人教版初中信息科技人工智能专册三十课内容，供2026—2027学年七年级两个学期连续使用。设计的基本立场有三条：一是把人工智能当作"可理解的技术"而不是"神秘的黑箱"，每一课都要让学生看见技术背后的数据、算法与模型；二是把课堂当作"可操作的实验室"而不是"可观看的演示厅"，每一课都安排学生动手的环节；三是把伦理与责任放在与技术同等重要的位置，让学生在使用中形成判断力。本册的体例统一为八个板块：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。其中教学过程采用"环节—教师讲解—学生活动—设计意图"的叙述方式，教师讲解部分给出可直接使用的完整话术，互动环节给出具体操作步骤与对话脚本，便于一线教师尤其是新任教师照用、老教师取用。关于课时的安排，本册按"每课至少一课时、每课时40分钟"执行，重点难点课安排两课时，全册共36课时。每课时教学设计正文不少于3000字，教师讲解内容按40分钟课堂节奏展开，可直接作为讲稿使用。关于教材原文的呈现，凡涉及课本核心概念、定义、原理表述与活动任务，均在"教材分析"或"教学过程"中以"教材原文"引出并加引号呈现，便于教师在讲解时与课本对照。教师可依据本校实际教材印次微调文字，但概念口径保持一致。关于差异化，本册在每一课的教学过程中都设置了"分层任务"与"弹性支持"两处设计：基础层学生完成模仿性任务，进阶层学生完成迁移性任务，拓展层学生完成创造性任务；对设备不足的学校，每一课都给出"无网替代方案"，用纸笔、卡片、实物演示完成同样的思维训练。关于语言风格，本册主张教师语言幽默但不油滑，幽默的落点是"把复杂讲简单"，而不是"把严肃讲轻浮"。所有玩笑都服务于概念理解，不涉及学生外貌、成绩、家庭等敏感话题。二、课程依据与教材定位（一）课程标准依据《义务教育信息科技课程标准（2022年版）》确立信息意识、计算思维、数字化学习与创新、信息社会责任四个方面作为课程核心素养，课程内容围绕数据、算法、网络、信息处理、信息安全、人工智能六条逻辑主线组织。人工智能不是义务教育阶段的独立课程，而是作为一条逻辑主线贯穿始终，按学段螺旋上升，七至九年级属于第四学段，是人工智能从"体验感知"走向"原理理解"与"创新设计"的关键阶段。课标在九年级设置"人工智能与智慧社会"模块，包含"人工智能的基本概念和常见应用""人工智能的实现方式""智慧社会下人工智能的伦理、安全与发展"三部分内容。本册三十课正是这一模块的细化与展开：第一单元对应基本概念与常见应用，第二、三单元对应实现方式中的生成式技术路径，第四单元对应推理这一智能的核心能力，第五单元对应伦理、安全与发展，第六单元对应项目化综合实践。课标同时要求"合理利用数字化平台、工具和资源""运用线上实验、模拟、仿真等方式引导学生自主学习、合作学习"。本册的教学方法设计以此为据，凡涉及模型训练、参数调节、生成体验的内容，均安排在机房联网环境下完成；凡涉及原理推演的内容，均设计为可离线完成的纸笔或实物活动。此外，中央电化教育馆发布的《中小学人工智能技术与工程素养框架》从"人工智能与人类""人工智能与社会""人工智能技术""人工智能系统设计与开发"四个领域描述中小学生应具备的素养。本册在单元编排上与之呼应：第一、五单元偏重"与人类""与社会"，第二、三、四单元偏重"技术"，第六单元偏重"系统设计与开发"。（二）教材内容结构本册教材共六个单元三十课，结构上呈现"认知—技术—社会—实践"的递进关系。第一单元"走进人工智能"是全册的认知起点，四课分别解决"人工智能在哪里""人工智能是什么""人工智能怎么做出来""人工智能靠什么支撑"四个问题，完成从生活现象到技术概念的第一次抽象。第二单元"文本的智能生成"与第三单元"图像、声音与视频的智能生成"是技术原理的主体部分。第二单元沿"文本如何变成数字—如何用统计生成—如何用语义编码—如何用注意力生成—哪些因素影响生成"的线索展开，第三单元沿"图像特征如何提取—风格如何迁移—图像如何生成—文字如何变成图像—声音如何生成—视频如何生成"的线索展开。两个单元的共同逻辑是：任何生成式人工智能，本质都是"把内容变成数字，在数字空间里做运算，再把运算结果变回内容"。第四单元"智能推理的应用"从生成转向推理，用决策树、知识图谱、分类、聚类、推理模型五种技术路径，回答"机器如何做判断"这一问题。这一单元是计算思维培养密度最高的部分，也是与数学学科交叉最深的部分。第五单元"智慧社会与智能向善"把技术放回社会，从个人生活、智能创新、智能治理、伦理道德四个层面，引导学生理解技术的社会后果与个人的责任边界。第六单元"AI项目工坊"是综合实践单元，六个项目分别指向博弈、优化、交互、识别、识别进阶与强化学习，覆盖本册主要技术路径，可作为学期末的综合测评载体。（三）学情分析七年级学生的人工智能经验呈现明显的"使用多、理解少"特征。他们熟悉语音助手、拍照搜题、智能推荐、AI绘画，但多数人把这些功能理解为"手机很聪明"，而不是"数据加算法加算力的结果"。这种"黑箱化"的理解如果不加干预，会演变为两种极端：一种是盲目信任，把AI输出当作标准答案；一种是盲目恐惧，认为AI终将取代人类。同时，七年级学生的思维正处于从具体形象思维向抽象逻辑思维过渡的阶段，对"向量""概率""注意力"这类抽象概念的直接讲授效果很差，必须借助可视化、可操作、可类比的支架。本册在每一课的原理讲解中都设计了类比与可视化活动，例如用"词袋与秤"类比统计生成，用"聚光灯"类比注意力机制，用"二十问猜谜"类比决策树。在技术操作层面，七年级学生的键盘输入速度、文件管理能力、平台注册与登录能力差异较大。本册的分层任务设计以此为依据，基础层任务不依赖打字速度，进阶层任务允许使用模板与半成品，拓展层任务才要求完整创作。三、教学计划（2026—2027学年）（一）总体安排全学年共36课时，上学期18课时完成第一至三单元，下学期18课时完成第四至六单元。每周1课时，按每学期18个教学周安排，遇节假日顺延，机动课时用于单元复习与项目答辩。学期单元课次课时周次核心任务上学期第一单元走进人工智能第1—4课4第1—4周建立人工智能的基本概念框架上学期第二单元文本的智能生成第5—9课6第5—10周理解文本生成的统计与语义原理上学期第三单元图像、声音与视频的智能生成第10—15课8第11—18周理解多模态内容的生成路径下学期第四单元智能推理的应用第16—20课6第1—6周掌握五类推理技术的应用逻辑下学期第五单元智慧社会与智能向善第21—24课4第7—10周形成技术伦理判断与社会责任意识下学期第六单元AI项目工坊第25—30课6第11—16周完成六个综合实践项目下学期复习、测评与项目答辩全册2第17—18周单元复习、期末测评、成果展示（二）上学期教学进度上学期以"认识—理解"为主，学生从身边的人工智能现象出发，逐步进入文本生成与多模态生成的技术原理。这一学期的评价重点是概念理解的准确性与技术流程的完整性，不追求作品精美。周次课次与课题课时主要活动评价方式第1周第1课身边的人工智能1校园AI寻踪、AI身份标签制作观察记录单第2周第2课什么是人工智能1人机能力对比辩论、定义要素拆解概念图第3周第3课人工智能的实现方式1规则、学习、生成三条路径对比实验路径匹配练习第4周第4课人工智能的技术基础1数据、算法、算力三要素模拟三要素关系图第5周第5课文本处理的基本单位1分词接力、词表构建分词结果单第6周第6课统计与文本生成2词频统计、二元模型接龙生成文本对比第7周第7课文本的语义编码2词向量类比、语义坐标绘制语义地图第8周第8课注意力与文本生成1聚光灯游戏、上下文权重标注注意力热力标注第9周第9课文本生成的影响因素1提示词变量控制实验实验记录表第10周第二单元复习与单元测评1知识梳理、限时测评单元测评卷第11周第10课图像特征的提取1像素网格、边缘检测体验特征描述单第12周第11课图像的风格迁移2内容与风格分离实验迁移作品对比第13周第12课图像的生成方式1生成对抗过程模拟生成方式辨析第14周第13课根据文字生成图像1提示词迭代创作提示词迭代记录第15周第14课声音的智能生成1声波可视化、语音合成体验声音特征卡第16周第15课视频的智能生成1帧序列与运动生成体验分镜脚本第17周第三单元复习与作品展评1多模态作品展评展评量规第18周期末复习与测评1全册知识梳理、期末测评期末测评卷（三）下学期教学进度下学期以"应用—创造"为主，学生在掌握推理技术的基础上进入社会议题讨论与项目实践。这一学期的评价重点是问题解决能力、协作能力与伦理判断能力，作品要求可运行、可解释、可展示。周次课次与课题课时主要活动评价方式第1周第16课决策树与智能推理2二十问猜谜、决策树绘制决策树作品第2周第17课知识图谱与智能推理1实体关系抽取、图谱搭建图谱作品第3周第18课分类辅助推理1特征分类、混淆矩阵解读分类实验报告第4周第19课聚类辅助推理1手动聚类、聚类结果解释聚类分析单第5周第20课会"思考"的推理模型1思维链对比实验推理过程记录第6周第四单元复习与测评1五类推理技术对比梳理单元测评卷第7周第21课智慧社会与个人生活1一日AI生活图谱生活影响分析第8周第22课智慧社会与智能创新1智能创新案例调研调研简报第9周第23课智慧社会与智能治理1治理场景角色扮演角色任务单第10周第24课智能向善与伦理道德1伦理困境辩论立场陈述第11周第25课与机器下井字棋1博弈策略设计对局记录第12周第26课推荐出行方式1多因素决策建模推荐方案第13周第27课智能环境播报助手1传感器数据播报播报脚本第14周第28课人脸识别1人脸特征与识别流程识别流程图第15周第29课手写数字识别1模型训练与调参训练记录第16周第30课训练模型玩游戏1强化学习试错训练训练曲线第17周项目答辩与成果展示1小组答辩、互评答辩量规第18周学年复习与期末测评1全册梳理、期末测评期末测评卷（四）教学实施建议第一，坚持"先体验、后原理、再应用"的顺序。每一课都从学生可感知的现象或可操作的工具入手，再回到原理，最后落到应用任务。切忌一上课就讲定义，那会让七年级学生在三分钟内完成从"好奇"到"走神"的转变。第二，坚持"可视化优先"。凡是抽象概念，都要找到可视化载体：词频用柱状图，词向量用坐标平面，注意力用颜色深浅，决策树用分支图，聚类用散点分组。可视化不是装饰，而是七年级学生理解抽象概念的必要通道。第三，坚持"低门槛、高天花板"。基础任务保证人人能完成，拓展任务保证学有余力的学生有挑战。同一节课内允许不同小组处在不同任务层级，评价标准按层级分别设定。第四，坚持"技术为思维服务"。机房操作的时间要控制，一般不超过课堂总时长的三分之一。更多时间应留给讨论、推演、解释与反思，因为本册的目标是培养计算思维，而不是培养软件操作员。第五，坚持"安全与伦理前置"。凡涉及上传照片、录音、个人信息的内容，课前必须明确告知数据用途与保存期限，并给出不上传的替代方案。这不是附加要求，而是本册的教学内容本身。第六，坚持"无网也能上"。每一课都准备了离线替代方案，用卡片、纸笔、实物完成同样的思维训练。设备条件不理想的学校，可以完整实施本册而不降低思维含量。（五）评价方案本册采用"过程性评价为主、终结性评价为辅"的方式。过程性评价占60%，包括课堂任务单、小组合作表现、作品完成度与反思记录；终结性评价占40%，包括两次单元测评、一次期末测评与一次项目答辩。过程性评价采用三级量规：合格水平要求完成基础任务并说清基本概念；良好水平要求完成进阶任务并能解释技术流程；优秀水平要求完成拓展任务并能提出改进方案或指出技术局限。量规在每单元开始时向学生公布，避免评价黑箱。项目答辩采用"作品+说明+质疑回应"三段式。作品要求可运行或可演示；说明要求讲清"用了什么技术、为什么这样设计、遇到什么问题、怎么解决"；质疑回应要求回答评委与同学的两个提问。答辩评分中，技术实现占40%，原理解释占30%，伦理考量占20%，表达与合作占10%。四、第一单元走进人工智能第1课身边的人工智能（1课时）一、教材分析本课是全册的开篇，承担"破冰"与"定位"双重任务。教材从学生日常接触的智能设备切入，列举智能音箱、人脸识别门禁、智能推荐、语音输入、智能导航等场景，引导学生发现人工智能已经渗透到生活的各个角落。教材的核心观点是：人工智能不是实验室里的稀罕物，而是已经进入日常生活的普通技术；判断一个系统是否属于人工智能，关键看它是否具备感知、学习、决策等类人能力，而不是看它是否"高科技"。教材原文要点如下。"人工智能已经走进我们的生活。用语音唤醒智能音箱播放一首歌，用手机拍一张照片就能识别出是什么花，打开购物软件会看到自己可能喜欢的商品，这些看似平常的功能背后，都有人工智能在默默工作。""人工智能是指让机器表现出类似人类智能行为的技术。它能够感知环境、理解语言、学习知识、做出判断。""我们身边的人工智能，有的看得见，比如会跳舞的机器人；有的看不见，比如手机里的推荐算法。"教材安排了两个活动：一是"找一找"，在教室里、家里、上学路上找出至少五个人工智能应用；二是"分一分"，把找到的应用按"感知类""学习类""决策类"分类。这两个活动看似简单，实则是本册第一次训练学生的"技术识别"能力。本课的难点不在概念本身，而在"边界"。学生容易把一切自动化设备都当成人工智能，例如把声控灯、自动门、计算器也算作人工智能。教材没有直接给出判定标准，需要教师在课堂上通过对比帮助学生建立边界意识。二、核心素养目标信息意识方面，学生能够主动观察并识别生活环境中的人工智能应用，能说出至少五个人工智能应用及其所解决的问题，形成对技术环境的敏感度。计算思维方面，学生能够用"感知—学习—决策"三个环节描述一个人工智能应用的工作过程，初步建立"把复杂系统拆成环节"的思维习惯。数字化学习与创新方面，学生能够使用简单的记录工具（纸质记录单或电子表格）整理观察结果，并用标签、分类等方式对信息进行初步加工。信息社会责任方面，学生能够说出人工智能应用带来的便利与潜在风险各一条，初步意识到技术使用需要规则与边界。三、教学重难点教学重点是识别人工智能应用并说明其功能，建立"人工智能就在身边"的直观认知。教学难点是区分"人工智能"与"普通自动化"，理解人工智能的核心在于具备感知、学习或决策能力，而不是简单地执行预设指令。四、教学方法情境教学法、观察法、分类归纳法、小组合作学习法、对比辨析法。五、教学过程#####（一）情境导入：三分钟"翻车"现场（5分钟）教师开场故意制造一个小意外：对着教室里的智能音箱（或手机语音助手）说一句略带方言口音的话，让它"打开窗帘"。教师讲解："同学们，刚才我请这位'电子同事'帮我开窗帘，它回了我一句'好的，正在为你播放《窗帘》'。这首歌我从来没听过，估计它也没听过。这就是我们今天要聊的主角——人工智能。它有时候聪明得让人害怕，有时候笨得让人想笑。今天这节课，我们就来给它做一次'人口普查'，看看它到底藏在我们身边的哪些角落。"教师继续："先立个规矩。这节课我们不背定义，我们做侦探。侦探的第一课是什么？是认人。我们要认的这个人，名字叫人工智能，它有很多张脸，有的长在音箱上，有的长在摄像头里，有的干脆没有脸，藏在手机后台。"设计意图：用真实的"翻车"现场打破学生对人工智能"无所不能"的想象，同时用"侦探"角色设定激发参与动机，为后续的观察活动做情绪铺垫。#####（二）新课讲授一：什么是人工智能（8分钟）教师讲解："教材里有一句话，请大家翻到第2页，跟我一起读：'人工智能是指让机器表现出类似人类智能行为的技术。它能够感知环境、理解语言、学习知识、做出判断。'这句话里有四个动词，我把它写在黑板上：感知、理解、学习、判断。这四个动词就是人工智能的四张'身份证'。"教师在黑板上写下四个词，并在每个词后面画一个方框。教师讲解："第一个，感知。就是'看得见、听得着'。手机拍照能认出是人脸还是猫脸，这是感知。第二个，理解。就是'听得懂'。你对语音助手说'我有点冷'，它把空调温度调高，这是理解，因为它听懂的不是'冷'这个字，而是'冷'背后的需求。第三个，学习。就是'越用越会'。你刷视频，它越推越准，这是学习。第四个，判断。就是'拿主意'。导航软件告诉你走哪条路最快，这是判断。"教师提问："现在请大家判断一件事：教室门口的声控灯，人一走过就亮，它算人工智能吗？"预设学生回答："算，因为它能感知到人。"教师回应："这个回答很有侦探气质，但我要给它打个问号。声控灯确实能'感知'声音，但它只会做一件事：有声音就通电，没声音就断电。它不会学习，不会判断，也不会理解。它更像一个'条件反射'的电灯，而不是一个'会思考'的电灯。所以，判断一个东西是不是人工智能，不能只看它会不会'感应'，还要看它会不会'学习'和'判断'。"教师板书判定口诀："能感知只是入门，会学习才算进门，能判断才是自己人。"设计意图：用口诀把抽象标准转化为可记忆的判断依据，同时通过声控灯这一反例，帮助学生建立概念边界。#####（三）新课讲授二：人工智能的三张面孔（10分钟）教师讲解："教材把人工智能分成三类，我们叫它三张面孔。第一张脸，感知类。它的本事是'看懂、听懂、认出来'。人脸识别门禁、语音输入法、拍照识花，都属于这一类。第二张脸，学习类。它的本事是'从数据里找规律'。你刷短视频越刷越上头，购物软件总能猜中你想买什么，背后都是学习类人工智能。第三张脸，决策类。它的本事是'拿主意'。导航软件规划路线、外卖平台派单、自动驾驶汽车避让行人，都属于这一类。"教师在黑板上画出三栏，分别写"感知类""学习类""决策类"。教师讲解："这三张脸不是互相排斥的，很多应用是三张脸叠在一起。比如人脸识别门禁，先'看'到你的脸（感知），再'比对'数据库里的照片（学习的结果），最后'决定'开不开门（决策）。所以我们在分类的时候，要看它'主要'在做哪件事。"教师发放"AI身份标签"卡片，每张卡片上写一个应用名称，共十二张：智能音箱、人脸识别门禁、拍照识花、语音输入法、短视频推荐、购物推荐、导航规划、外卖派单、智能扫地机器人、自动感应水龙头、计算器、电子闹钟。教师讲解操作步骤："现在每组拿到十二张卡片。第一步，小组内轮流读卡片，每张卡片读一遍，确保每个人都认识。第二步，讨论每一张卡片属于哪一类，把卡片放到黑板上对应的栏目下面。第三步，找出你认为'不是人工智能'的卡片，把它单独放在一边，并准备一句话理由。给大家六分钟。"学生活动：小组讨论、分类、张贴卡片。教师巡视指导话术："这一组把扫地机器人放在感知类，理由是它能'看见'障碍物。我想追问一句：它看见障碍物之后，是绕过去还是撞上去？如果是绕过去，那它是不是做了一个'判断'？所以它可能不止一张脸。""这一组把计算器单独拿出来了，理由是什么？很好，计算器算得比人快，但它只会按固定规则算，不会学习，也不会判断。这个理由站得住。"设计意图：通过卡片分类这一低门槛操作，让全体学生参与概念辨析；通过"找出不是人工智能的卡片"这一逆向任务，强化概念边界。#####（四）课堂活动：校园AI寻踪（10分钟）教师讲解："接下来我们做一次实地侦查。教材里有一个活动叫'找一找'，要求找出身边至少五个人工智能应用。我们把范围缩小到校园，因为校园是我们最熟悉的地方。请大家以小组为单位，在教室里和走廊上找，找到之后填在记录单上。记录单有三列：应用名称、它解决了什么问题、它属于哪一类。"教师发放记录单，说明填写要求："第一列写名称，比如'教室门口的摄像头'。第二列写它解决了什么问题，比如'记录进出人员，保障安全'。第三列写类别，感知类、学习类、决策类，或者写'不确定'。写'不确定'不扣分，但要在旁边写一句你的疑问。"教师补充安全与规范要求："活动范围是教室和本楼层走廊，不进入其他班级，不触碰设备，不拍摄他人面部。时间五分钟，听到我拍手就回到座位。"学生活动：分组侦查、填写记录单。教师巡视时使用引导话术："你盯着这个摄像头看了很久，它在做什么？它只是录像，还是在做人脸比对？如果只是录像，那它是'记录'，不一定是'智能'。这个问题很好，先记下来。""饮水机的显示屏能显示水温，这算人工智能吗？它只是把传感器读到的数字显示出来，没有学习也没有判断，所以更接近'自动化'。"设计意图：把教材的"找一找"活动落到校园真实场景，既降低实施难度，又增强代入感；通过"不确定"栏鼓励学生保留疑问，为后续课程埋下伏笔。#####（五）交流分享与辨析（5分钟）教师组织分享："请三个小组各派一位'首席侦探'，用一分钟汇报你们找到的最有意思的一个应用，并说明理由。"学生汇报后，教师进行点评与追问。教师话术示例："第一组找到了'食堂的刷脸支付'，理由是它不用带饭卡。这个观察很生活化。我要追问：刷脸支付只用了'感知'吗？它还要比对数据库里的照片，还要判断你的账户里有没有钱，所以它是三张脸都用上了。""第二组找到了'图书馆的自助借还机'，说它是决策类。我们来看看，它做的其实是'扫条码—查记录—改状态'，规则是固定的，没有学习过程。所以它更接近自动化系统。这个区别很重要，我们下节课还会专门讲。"教师总结："今天我们做了两件事。第一件，认出了人工智能的四张身份证：感知、理解、学习、判断。第二件，给它分了三类：感知类、学习类、决策类。请大家记住一句话：人工智能不是魔法，它是一套能感知、能学习、能判断的技术。"设计意图：通过汇报与追问，把学生的零散观察提升为结构化认识；通过教师的两次追问，再次强化"人工智能与自动化的区别"这一难点。#####（六）课堂小结（2分钟）教师讲解："这节课我们从一个'翻车'的音箱开始，最后做成了一份校园AI地图。请大家在记录单背面写一句话：今天我最意外的一个发现是什么。不用长，一句话就够。"学生书写，教师随机抽取两位学生分享。教师收束："有同学写'原来我每天刷的视频是被算法安排的'，这句话有点扎心，但很准确。算法安排你看到什么，这件事本身没有好坏，关键是我们知不知道它在安排。知道，你就有了选择权；不知道，你就只能被安排。这就是我们学这门课的意义。"设计意图：用一句话反思收束课堂，把技术认知引向自主意识，为第五单元的伦理内容做铺垫。#####（七）分层任务与弹性支持基础层任务：完成记录单上的五个应用，并正确分类至少三个。进阶层任务：在记录单上增加一栏"如果没有它，生活会怎样"，写出每个应用消失后的替代方案。拓展层任务：找出一个"看起来像人工智能但其实不是"的设备，写出一百字说明，讲清它为什么不算。弹性支持：对观察能力较弱的学生，提供"校园AI线索卡"，卡上给出五个提示位置（门口、走廊、教室、饮水处、食堂），降低寻找难度。对表达困难的学生，允许用画图代替文字描述。无网替代方案：本课不依赖网络，全部活动可离线完成。六、作业设计基础作业：完成"我家的AI清单"，列出家中至少五个人工智能应用，标注类别与用途，用表格形式呈现。进阶作业：采访一位家人，记录他或她最依赖的一项人工智能功能，并写出这项功能带来的一个便利与一个隐患。实践作业：为班级设计一张"AI使用提示卡"，用不超过五十字提醒同学在使用人工智能时需要注意的一件事。七、结语人工智能的第一课，不是教学生"敬畏技术"，而是教学生"看见技术"。当学生能够在教室门口、在食堂窗口、在手机屏幕里认出那些默默工作的算法，他们与技术的关系就从"被动使用"变成了"主动理解"。这种转变看似微小，却是信息素养生长的起点。愿每一个学生都能成为自己数字生活的"侦探"，而不是"乘客"。八、板书设计第一单元走进人工智能第1课身边的人工智能一、人工智能的四张身份证（一）感知：看得见、听得着（二）理解：听得懂需求（三）学习：越用越会（四）判断：拿得出主意二、人工智能的三张面孔（一）感知类：识别、输入、识花（二）学习类：推荐、预测、画像（三）决策类：规划、派单、避障三、判定口诀能感知只是入门，会学习才算进门，能判断才是自己人第2课什么是人工智能（1课时）一、教材分析本课在第一课"认出人工智能"的基础上，进一步回答"人工智能到底是什么"。教材从"人的智能"入手，通过对比人的感知、记忆、推理、创造等能力，引出人工智能的定义与特征，并明确指出人工智能与人类智能的本质差异：人工智能是在特定任务上模拟人类智能的技术系统，它没有意识、没有情感、没有真正的理解。教材原文要点如下。"人的智能表现在很多方面：能看、能听、能说、能记、能想、能创造。人工智能就是让机器在这些方面表现出类似人的能力。""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。""人工智能擅长处理规则明确、数据充足的任务，但在需要情感、创造和道德判断的场合，它仍然力不从心。"教材安排了一个"人机对比"活动，让学生列举人和机器各自擅长与不擅长的事情，并讨论"机器能否取代人"这一问题。教材还设置了"人工智能的三个层次"的阅读材料，介绍弱人工智能、强人工智能与超人工智能的概念区分，并说明当前应用基本属于弱人工智能。本课的教学价值在于建立"理性技术观"。七年级学生对人工智能的想象往往两极分化：要么认为它无所不能，要么认为它只是玩具。教材通过人机对比，把学生拉回中间地带，形成"有能力的工具"这一准确认识。二、核心素养目标信息意识方面，学生能够辨析人工智能与人类智能的差异，能举例说明人工智能在哪些方面超越人类、在哪些方面不及人类。计算思维方面，学生能够把人的智能活动分解为若干可描述的能力要素，并理解人工智能是对这些要素的分别模拟。数字化学习与创新方面，学生能够利用对比实验的方法验证自己对人工智能能力的判断，形成"用证据说话"的习惯。信息社会责任方面，学生能够理性看待人工智能的能力边界，不盲目崇拜也不盲目恐惧，形成对技术的审慎态度。三、教学重难点教学重点是理解人工智能的定义与基本特征，掌握人工智能与人类智能的差异。教学难点是理解"模拟"与"拥有"的区别，即人工智能模拟人类的智能行为，但并不拥有人类的意识与情感。四、教学方法对比辨析法、辩论法、案例分析法、概念图法、小组合作学习法。五、教学过程#####（一）情境导入：一场不公平的比赛（5分钟）教师在屏幕上展示两组任务：第一组是"三秒钟内算出987×654"，第二组是"三秒钟内说出你最好的朋友为什么是你最好的朋友"。教师讲解："今天我们先来一场比赛，选手是人和机器。第一题，三秒钟算出987×654。我请一位同学上来，同时我用计算器。预备——开始。"学生与计算器同时作答，计算器明显更快。教师讲解："第一局，机器完胜，而且胜得毫无悬念。人类选手的表情有点复杂，我理解。第二局，三秒钟内说出你最好的朋友为什么是你最好的朋友。这次我请机器先来。"教师现场向语音助手提问："请你说说你最好的朋友为什么是你最好的朋友。"语音助手给出通用回答，全班笑。教师讲解："机器给了一段很工整的话，但你们听出来了吗？它没有朋友。它说的每一句都对，但每一句都不是真的。这就是今天这节课要解决的问题：人工智能到底'智能'在哪里，又'不智能'在哪里。"设计意图：用一场刻意设计的"不公平比赛"制造认知冲突，让学生在笑声中直观感受人机差异，为定义学习提供经验基础。#####（二）新课讲授一：人的智能有哪些（8分钟）教师讲解："要理解人工智能，先要理解人的智能。教材第6页有一句话：'人的智能表现在很多方面：能看、能听、能说、能记、能想、能创造。'我把它拆成六项能力，写在黑板上。"教师板书六项：看（视觉）、听（听觉）、说（语言）、记（记忆）、想（推理）、创造（创新）。教师讲解："这六项能力，人和机器各有强弱。我们一项一项看。第一项，看。人的眼睛很厉害，能在昏暗的光线下认出老朋友，但人看一万张图片会累，机器不会。机器看一百万张图片只需要几分钟，但它认不出'这张照片拍得很有感觉'里的'感觉'。第二项，听。人能在嘈杂的食堂里听清对面同学说话，这叫'鸡尾酒会效应'，机器在嘈杂环境下的语音识别准确率会明显下降。第三项，说。人能即兴讲一个笑话，机器能生成语法正确的句子，但笑话好不好笑，它自己不知道。"教师继续："第四项，记。人记东西会忘，这叫遗忘曲线；机器记东西不会忘，但也不会'想起来'。第五项，想。人能从一个线索跳到另一个看似无关的线索，这叫联想；机器的推理是沿着规则走的，走不出规则就没有路。第六项，创造。人能写出'床前明月光'，机器能写出押韵的句子，但那是从海量文本里学来的组合，不是从心里长出来的。"教师提问："所以，人工智能是'什么都会'，还是'什么都会一点'？"预设学生回答："什么都会一点。"教师回应："这个回答很准。更准确地说，人工智能是'在特定任务上很强，在通用能力上很弱'。它在算数、识别、检索这些规则明确的任务上远超人类，但在理解、共情、创造这些需要体验的任务上还差得远。"设计意图：通过六项能力的逐项对比，把"人工智能很强"这一笼统印象细化为"强在哪里、弱在哪里"的具体认识。#####（三）新课讲授二：定义里的三个关键词（10分钟）教师讲解："现在我们来读定义。教材第6页：'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。'这句话很长，我们抓三个关键词：模拟、延伸、扩展。"教师板书三个词并逐一解释。教师讲解："第一个词，模拟。就是'照着人的样子做'。人脸识别模拟人的眼睛，语音识别模拟人的耳朵，机器翻译模拟人的语言转换能力。注意，是'模拟'，不是'成为'。模拟出来的东西像，但不是。就像蜡像馆里的人像，像到你会吓一跳，但它不会跟你握手。"教师继续："第二个词，延伸。就是'把人做不到的做到'。人记不住一亿条数据，机器能；人不能同时盯着十万个路口，机器能；人算不出一万位圆周率，机器能。延伸的意思是，人工智能不是复制人，而是补人的短板。"教师继续："第三个词，扩展。就是'做出人没做过的事'。比如用人工智能预测蛋白质结构，比如用生成模型设计新分子，这些不是人原来会做的事的复制，而是开辟了新的可能。"教师提问："请用'模拟''延伸''扩展'三个词，分别给一个例子。"学生举例，教师点评。教师话术示例："有同学说导航是'延伸'，因为人记不住所有路。这个例子很准。有同学说AI画画是'扩展'，因为人也能画。这里要区分：如果AI只是模仿某位画家的风格，那是模拟；如果它创造出一种人没有过的视觉语言，那才叫扩展。目前多数AI绘画还停留在模拟和组合的层面。"设计意图：通过拆解定义中的三个动词，把长定义转化为三个可理解、可举例的概念，降低记忆负担，提高理解深度。#####（四）课堂活动：人机能力擂台赛（10分钟）教师讲解："接下来我们做一个擂台赛。规则是这样的：我在屏幕上给出十二项任务，每组选出三项'人必胜'的任务和三项'机必胜'的任务，并各写一句理由。三分钟讨论，然后我们开擂台。"屏幕展示十二项任务：背诵圆周率一百位、识别一张模糊的老照片里是谁、安慰一个考试失利的朋友、在十万张图片里找出所有红颜色的车、写一首符合平仄的五言绝句、在陌生城市找到最近的医院、判断一句话是不是讽刺、同时监控一百个路口的车流、给一首曲子配和声、理解'他心里下了一场雨'这句话、把一篇论文翻译成英文、决定该不该把病人的病情告诉家属。学生分组讨论并填写任务单。教师组织开擂："第一组认为'背诵圆周率一百位'是机必胜，理由是什么？"学生回答后教师点评："理由成立。但我要补一句：机器背圆周率不是'背'，是'算'。它不需要记住，它只需要计算。这就是人和机器在'记忆'这件事上的根本差异。"教师继续："第三组把'决定该不该把病人的病情告诉家属'放在人必胜，理由是什么？"学生回答后教师点评："这个任务机器确实做不了，不是因为它不够聪明，而是因为它不承担后果。判断不只是逻辑问题，还是责任问题。谁做决定，谁承担后果，这是人工智能目前无法跨越的一条线。"教师总结："十二项任务里，凡是规则明确、数据充足、结果可验证的，机器占优；凡是需要体验、共情、价值判断、承担责任的，人占优。这不是机器不够努力，而是它的'智能'和人的'智能'本来就不是同一种东西。"设计意图：通过擂台赛的形式，把抽象的能力对比转化为具体的任务判断，同时引出"责任"这一伦理维度，为第五单元埋线。#####（五）概念辨析：三个层次的误读（4分钟）教师讲解："教材里有一段阅读材料，讲人工智能的三个层次：弱人工智能、强人工智能、超人工智能。我用三句话概括。弱人工智能，是'只会做一件事的专家'，比如只会下棋、只会识脸。强人工智能，是'什么都能干的多面手'，能像人一样处理各种任务。超人工智能，是'全面超越人类'的假想存在。"教师强调："这里要澄清一个常见误读。现在市面上的所有人工智能产品，包括那些能写文章、能画画的生成式模型，都属于弱人工智能。它们看起来什么都会，其实是在大量任务上分别训练出来的'专家集合'，而不是一个真正通用的'大脑'。它们没有自我，没有目标，没有'想做什么'这回事。"教师提问："那为什么它们看起来那么像人？"教师自答："因为它们学了太多人的表达。它们读过的东西比我们多几万倍，所以它们说话像人。但'说话像人'和'是人'是两件事。鹦鹉学舌学得再像，也不知道自己在说什么。"设计意图：澄清"生成式人工智能等于强人工智能"这一普遍误读，帮助学生建立准确的技术定位。#####（六）课堂小结（3分钟）教师讲解："今天我们做了三件事。第一，把人的智能拆成六项能力，逐项对比。第二，把定义拆成三个关键词：模拟、延伸、扩展。第三，澄清了一个误读：现在的人工智能都是弱人工智能。"教师请学生完成一句话填空："人工智能像一个______，因为______。"学生分享，教师点评。教师收束："有同学说'人工智能像一个特别勤奋的实习生，什么都能干一点，但什么都要人把关'。这个比喻我很喜欢，因为它说出了一个关键：人工智能再强，也需要人来定方向、做判断、担责任。这句话，我们后面还会反复遇到。"设计意图：用比喻填空的方式检验理解，同时把"人在回路"这一重要观念植入学生认知。#####（七）分层任务与弹性支持基础层任务：完成人机能力擂台赛任务单，正确归类至少八项任务。进阶层任务：选择一项"人机各有优势"的任务，设计一个人机协作方案，说明人和机器各做什么。拓展层任务：写一段两百字的短文，题为"如果我的同桌是人工智能"，要求写出它在哪些方面帮得上忙、在哪些方面帮不上忙。弹性支持：对抽象概念理解困难的学生，提供"能力对比卡"，用图标与短句呈现六项能力的强弱；对表达困难的学生，允许用口头汇报代替书面作业。无网替代方案：擂台赛任务单可全部纸质完成，语音助手演示可改为播放提前录制的音频。六、作业设计基础作业：整理"人机能力对比表"，列出六项能力，分别写出人和机器的优势。进阶作业：观察一次自己使用人工智能助手的经历，记录它答对和答错的地方，分析答错的原因属于"数据不足""规则不清"还是"无法理解情境"。实践作业：和家人讨论"家里哪件事最应该交给人工智能做，哪件事最不应该"，记录讨论结果并写出自己的判断理由。七、结语理解人工智能，最重要的不是记住定义，而是建立分寸感。知道它能做什么，才不会把它当万能钥匙；知道它不能做什么，才不会把它当洪水猛兽。这种分寸感，是学生在智能时代安身立命的基本功。当学生能够平静地说出"这件事机器比我强，那件事我做比机器好"，他们就已经站在了技术的主人位置上。八、板书设计第2课什么是人工智能一、人的六项智能（一）看（二）听（三）说（四）记（五）想（六）创造二、定义三关键词（一）模拟：照着人的样子做（二）延伸：把人做不到的做到（三）扩展：做出人没做过的事三、三个层次（一）弱人工智能：单项专家（二）强人工智能：通用多面手（三）超人工智能：假想存在四、一句话机器模拟智能，人承担责任第3课人工智能的实现方式（1课时）一、教材分析本课回答"人工智能是怎么做出来的"。教材把人工智能的实现方式归纳为三条主要路径：基于规则的实现、基于学习的实现、基于生成的实现，并指出三条路径各有适用场景，实际系统往往是多条路径的组合。教材原文要点如下。"让人工智能工作，常见的有三种方式。第一种是规则驱动，把人解决问题的经验写成一条条规则，让机器照着规则执行。第二种是数据驱动，给机器大量例子，让它自己从例子里总结规律。第三种是生成驱动，让机器学会数据的分布，从而创造出新的内容。""规则驱动适合问题清晰、规则稳定的场景；数据驱动适合规则难以言说但例子充足的场景；生成驱动适合需要创造新内容的场景。"教材设计了一个"三条路径"的对比活动，用"识别垃圾邮件""识别手写数字""生成一首小诗"三个任务，让学生判断分别适合哪种实现方式。教材还提示，规则驱动的优点是透明可解释，缺点是难以覆盖所有情况；数据驱动的优点是适应性强，缺点是需要大量标注数据且难以解释。本课是学生第一次接触"实现方式"这一工程视角，教学重点不在于让学生掌握具体算法，而在于建立"不同问题用不同方法"的工程思维。二、核心素养目标信息意识方面，学生能够识别常见人工智能产品背后的实现路径，理解技术选择与问题特征之间的关系。计算思维方面，学生能够把一个问题拆解为"规则可描述"与"规则难描述"两类，并据此选择合适的实现方式。数字化学习与创新方面，学生能够通过简单的对比实验，验证不同实现方式在同一任务上的表现差异。信息社会责任方面，学生能够理解不同实现方式在可解释性、数据依赖、公平性方面的差异，形成对技术选择的审慎态度。三、教学重难点教学重点是理解规则驱动、数据驱动、生成驱动三种实现方式的基本思路与适用场景。教学难点是理解"规则难以言说"这一现象，即为什么有些事人做得很好却说不清怎么做，从而理解数据驱动的必要性。四、教学方法任务驱动法、对比实验法、案例分析法、体验式学习法、小组合作学习法。五、教学过程#####（一）情境导入：教外婆认猫（5分钟）教师讲解："今天我们先讲一个生活场景。假设你外婆从来没见过猫，你要教她认猫。你会怎么说？"学生七嘴八舌回答："有胡子""有四条腿""会喵喵叫""毛茸茸的"。教师讲解："好，我们把这些规则写下来：有胡子、四条腿、会喵喵叫、毛茸茸。现在问题来了。第一，一只剃了毛的猫，毛不毛茸茸？第二，一只三条腿的猫，算不算猫？第三，一只不会叫的猫，算不算猫？"学生发现规则总有漏洞。教师讲解："这就是人工智能遇到的第一个难题：有些事，人一眼就能判断，但说不出判断的规则。你外婆看一眼就知道那是猫，但你让她写规则，她写不出来。怎么办？教材给了三种办法，我们今天就来学这三种办法。"设计意图：用"教外婆认猫"这一贴近生活的场景，直观呈现"规则难以言说"的困境，为三种实现方式的引出提供问题基础。#####（二）新课讲授一：规则驱动——把经验写成说明书（8分钟）教师讲解："第一种办法，规则驱动。思路很简单：人把经验总结成规则，机器照着规则执行。教材第10页说：'规则驱动，把人解决问题的经验写成一条条规则，让机器照着规则执行。'"教师在黑板上写出一个简单的规则系统：如果邮件标题含"中奖"，则判为垃圾邮件如果邮件正文含"点击链接领取"，则判为垃圾邮件如果发件人不在通讯录且含附件，则判为可疑邮件教师讲解："这就是一个最简单的垃圾邮件过滤器。它的优点是明明白白，你能看懂每一条规则，出了问题也能改。它的缺点也很明显：骗子换个说法，比如把'中奖'改成'恭喜您获得'，规则就失效了。你补一条规则，他再换一个说法。这场仗，人永远追不上骗子。"教师提问："那规则驱动还有用吗？"教师自答："非常有用。凡是规则清晰、变化不快的场景，规则驱动都是首选。比如电梯的运行逻辑、红绿灯的配时、银行的转账限额，这些用规则驱动最可靠，因为它可解释、可追责。医院的分诊系统、税务的申报校验，也大量使用规则驱动。"教师强调："规则驱动的核心优势是'可解释'。出了问题，你能指着某一条规则说'是这里错了'。这在医疗、金融、司法这些需要问责的领域，是决定性的优势。"设计意图：通过垃圾邮件的例子，让学生同时看到规则驱动的优势与局限，避免形成"规则驱动过时了"的片面印象。#####（三）新课讲授二：数据驱动——让机器自己找规律（10分钟）教师讲解："第二种办法，数据驱动。思路是：我不告诉你规则，我给你一万个例子，你自己总结。教材第10页说：'数据驱动，给机器大量例子，让它自己从例子里总结规律。'"教师用"认猫"的例子继续："回到外婆认猫。这次我们不写规则了，我们给机器看一万张猫的照片、一万张不是猫的照片，告诉它哪些是猫、哪些不是。看完了，它自己总结出一套'猫的样子'。这套'样子'它说不出来，但它能用。你给它一张新照片，它能判断。"教师讲解："这就是数据驱动的核心：用例子代替规则。它的优点是适应性强，能处理那些'说不清但看得见'的问题。它的缺点有三个。第一，需要大量数据，一万张照片不是小数目。第二，需要标注，得有人一张一张告诉机器'这是猫''这不是猫'，这叫'标注'，很费人力。第三，它不可解释，你问它为什么判断这是猫，它只能告诉你'因为像'，说不出具体理由。"教师补充："教材里提到'识别手写数字'这个任务，就是典型的数据驱动。为什么？因为每个人的字都不一样，你没法写规则说'一横一竖就是1'，有人写1带钩，有人写1带底。规则写不完，只能用例子教。"教师组织小实验："现在做一个体验。我在屏幕上展示十张手写数字图片，请大家判断是几。然后我告诉大家，如果让你写规则来判断这些数字，你能写出几条？"学生尝试后发现规则难以覆盖。教师讲解："这就是为什么手写数字识别必须用数据驱动。规则写不出来，但例子给得出来。"设计意图：通过手写数字这一教材案例，让学生亲身体验"规则失效"的场景，从而理解数据驱动的必要性。#####（四）新课讲授三：生成驱动——学会创造新内容（8分钟）教师讲解："第三种办法，生成驱动。思路是：让机器学会数据的'样子'，然后造出新的。教材第10页说：'生成驱动，让机器学会数据的分布，从而创造出新的内容。'"教师用类比解释："打个比方。规则驱动是'照菜谱做菜'，菜谱上写什么就做什么。数据驱动是'尝遍百家菜，自己琢磨出做菜的门道'。生成驱动是'尝遍百家菜之后，自己发明一道新菜'。前两种是判断，第三种是创造。"教师讲解："生成驱动的典型应用是写文章、画画、作曲、做视频。它的原理是：机器从海量数据里学到了'什么样的内容看起来合理'，然后按照这个'合理感'一点一点造出新内容。它造出来的东西不一定是真的，但一定'像真的'。"教师强调一个关键点："生成驱动有一个特点，叫'幻觉'。它会一本正经地编造不存在的事实，因为它追求的是'像'，不是'真'。这一点非常重要，后面第9课我们会专门讲。"教师提问："那么，判断一首诗是人写的还是机器写的，容易吗？"学生讨论后教师回应："不容易，而且越来越不容易。但有一个线索：机器写的诗往往'工整但空'，它押韵、对仗都没问题，但缺少具体的生活经验。'床前明月光'里有一个人真的睡不着，机器写不出这种睡不着。"设计意图：通过"照菜谱—尝百家—发明新菜"的类比，把三种实现方式的差异讲清楚；同时提前埋下"幻觉"这一重要概念。#####（五）课堂活动：三条路径配对赛（7分钟）教师讲解："现在做一个配对赛。屏幕上有九个任务，每组要判断每个任务最适合哪种实现方式，并说明理由。三分钟讨论，然后抢答。"屏幕展示九个任务：判断邮件是否为垃圾邮件、识别手写数字、生成一段产品文案、计算个人所得税、识别照片里有没有戴口罩、把一段中文翻译成英文、给一首诗续写下一句、判断贷款申请是否通过、生成一张风景插画。学生分组讨论，教师组织抢答。教师点评示例："'计算个人所得税'，这题有陷阱。有人选数据驱动，理由是'数据多'。但个税的计算规则是国家规定的，清清楚楚写在税法里，这种情况必须用规则驱动，因为要可解释、可追责。你不能跟纳税人说'机器觉得你该交这么多'。"教师继续："'判断贷款申请是否通过'，这题三种都有人选。实际系统里往往是组合：先用规则驱动做硬性筛查，比如年龄、收入门槛；再用数据驱动做风险评估；最后由人做最终审批。这就是教材说的'实际系统往往是多条路径的组合'。"教师总结："选哪种方式，不看哪个更高级，看三个问题：规则说得清吗？例子够不够？需不需要创造新内容？三个问题问完，答案就出来了。"设计意图：通过九个任务的配对，让学生练习"按问题特征选方法"的工程思维；通过个税与贷款两个案例，强调可解释性与组合使用的重要性。#####（六）课堂小结（2分钟）教师讲解："今天我们学了三种实现方式。规则驱动，靠人写规则；数据驱动，靠例子找规律；生成驱动，靠学习造新内容。三者不是替代关系，是分工关系。"教师请学生用一句话概括三者的区别，随机抽取分享。教师收束："最后送大家一句话：人工智能不是一种技术，是一类技术的集合。遇到一个新的人工智能产品，先别问'它有多智能'，先问'它是怎么实现的'。问对了问题，答案才有意义。"设计意图：用"问对问题"收束，强化工程思维，避免学生陷入"比谁更智能"的浅层比较。#####（七）分层任务与弹性支持基础层任务：完成九项任务的配对，正确至少六项。进阶层任务：选择一个校园场景（如食堂排队、图书借阅、考勤），设计一个包含两种以上实现方式的方案。拓展层任务：找出一个"规则驱动失效"的真实案例，分析失效原因，并提出改进思路。弹性支持：对抽象理解困难的学生，提供"三条路径对照卡"，用图示呈现三种方式的输入、过程、输出；对操作困难的学生，允许只完成基础层任务。无网替代方案：全部活动可纸质完成，手写数字图片可打印。六、作业设计基础作业：整理三种实现方式的对比表，从"输入""过程""优点""缺点""典型应用"五个维度比较。进阶作业：观察一款自己常用的人工智能应用，推测它用了哪种或哪几种实现方式，写出推测依据。实践作业：设计一个"校园垃圾分类助手"，说明你会用哪种实现方式，为什么，需要哪些数据。七、结语三种实现方式，本质是三种解决问题的思路：把经验写下来，把例子摆出来，把规律学进去。学生未必需要记住这些名词，但需要形成一种习惯——遇到问题时先问"这个问题的规则说得清吗"。这种提问方式，比任何具体算法都更持久。技术会更新，提问的能力不会过时。八、板书设计第3课人工智能的实现方式一、规则驱动（一）做法：人写规则，机器执行（二）优点：可解释、可追责（三）缺点：覆盖不全、追不上变化二、数据驱动（一）做法：给例子，机器找规律（二）优点：适应性强（三）缺点：要数据、要标注、难解释三、生成驱动（一）做法：学分布，造新内容（二）优点：能创造（三）缺点：会幻觉、难辨真假四、选择三问规则说得清吗例子够不够要不要创造第4课人工智能的技术基础（1课时）一、教材分析本课回答"人工智能靠什么支撑"。教材从数据、算法、算力三个维度阐述人工智能的技术基础，并指出三者缺一不可：数据是原料，算法是方法，算力是工具。教材还介绍了人工智能发展史上的几次起伏，说明技术突破往往发生在三要素同时具备的时刻。教材原文要点如下。"人工智能的运转离不开三个基础：数据、算法和算力。数据是人工智能的'粮食'，算法是人工智能的'方法'，算力是人工智能的'体力'。""没有数据，算法无从学习；没有算法，数据只是数字；没有算力，再好的算法也跑不起来。""人工智能的发展不是一帆风顺的，它经历过几次高潮和低谷。每一次突破，往往是因为数据、算法、算力中的某一项取得了关键进展。"教材设计了一个"三要素"分析活动，让学生选择一个人工智能应用，分析它需要什么数据、用什么算法、需要多少算力。教材还提供了"数据质量"的讨论材料，指出数据偏差会导致算法偏见，例如训练数据中某一群体样本过少，模型对该群体的识别准确率就会下降。本课的知识点看似简单，实则承载着重要的价值观教育：技术不是凭空出现的，它依赖资源、依赖投入、依赖选择，而这些选择背后有伦理问题。二、核心素养目标信息意识方面，学生能够从数据、算法、算力三个维度分析人工智能系统的构成，理解技术实现的资源依赖。计算思维方面，学生能够用"输入—处理—输出"的框架描述人工智能系统的工作流程，理解数据与算法在其中的作用。数字化学习与创新方面，学生能够通过模拟活动体验数据质量对结果的影响，形成"数据要可靠"的意识。信息社会责任方面，学生能够理解数据偏差导致算法偏见的机制，形成对数据采集与使用的责任意识。三、教学重难点教学重点是理解数据、算法、算力三要素及其相互关系。教学难点是理解数据偏差如何导致算法偏见，以及为什么"数据越多越好"是一个误解。四、教学方法类比教学法、模拟实验法、案例分析法、小组合作学习法、讨论法。五、教学过程#####（一）情境导入：一道菜的三个条件（5分钟）教师讲解："今天我们从做饭说起。假设你要做一道番茄炒蛋。你需要什么？"学生回答："番茄、鸡蛋、锅、火、会做。"教师讲解："对，四样东西：食材、厨具、火候、手艺。缺一样都做不成。食材不新鲜，做出来难吃；没有火，做不熟；不会做，做出来是黑暗料理。人工智能也一样，它要做成一道'智能的菜'，也需要四样东西。教材把它归纳成三样：数据、算法、算力。"教师板书三个词，并在旁边写上"粮食""方法""体力"。教师讲解："数据是粮食，算法是方法，算力是体力。今天我们就来看看，这三样东西是怎么凑成一桌菜的。"设计意图：用做饭这一人人熟悉的场景类比，把抽象的技术要素转化为具象的生活要素，降低理解门槛。#####（二）新课讲授一：数据——人工智能的粮食（8分钟）教师讲解："先说数据。教材第14页说：'数据是人工智能的"粮食"。'这个比喻很准。人吃不饱就没力气，机器没有数据就学不会。"教师讲解："数据有很多种。图片是数据，文字是数据，声音是数据，视频是数据，你每天走路的步数、刷手机的时间、点外卖的记录，全都是数据。人工智能的'食量'很大，一个图像识别模型可能要看成千上万张图片才能学会认猫。"教师强调数据质量："但数据不是越多越好，还要看质量。教材里有一段讨论，说数据偏差会导致算法偏见。我举个例子。假设我们要训练一个识别'医生'的模型，给它看了一万张医生照片，其中九千张是男性。模型学完之后，看到一位女医生，可能会判断'这不是医生'。这不是模型坏，是它吃的东西偏了。"教师提问："那怎么办？"教师自答："两个办法。第一，让数据更均衡，各种情况都要有。第二，让人来检查，发现偏差就纠正。所以数据这件事，不只是技术问题，还是责任问题。谁采集数据，谁就要对数据的代表性负责。"设计意图：通过"医生识别"的例子，把数据偏差这一抽象问题具体化，同时引出数据伦理，为第五单元铺垫。#####（三）新课讲授二：算法——人工智能的方法（8分钟）教师讲解："再说算法。教材说：'算法是人工智能的"方法"。'方法是解决问题的步骤。你有一堆食材，怎么切、怎么炒、先放什么后放什么，这就是方法。"教师用具体例子说明："以识别猫为例。算法要做的事是：第一步，把图片变成数字，因为机器只认数字；第二步，从数字里找出特征，比如边缘、颜色、形状；第三步，根据特征判断这是不是猫。这三步听起来简单，做起来极难，因为'猫'的样子千变万化。"教师讲解："教材里提到的'神经网络'，就是一种算法。它的灵感来自人脑的神经元连接方式。你可以把它想象成一张巨大的网，每个节点做一点点判断，然后把判断结果传给下一层。一层一层传下去，最后得出一个结论。单个节点很笨，但几百万个节点连起来，就能做出很聪明的判断。"教师补充："算法的好坏，直接影响结果。同样一堆数据，用不同的算法，效果可能差很远。这就是为什么人工智能领域有那么多研究者在研究算法，他们是在找'更好的方法'。"设计意图：用"三步走"和"巨网"两个类比，把算法与神经网络这两个抽象概念讲得可感可知。#####（四）新课讲授三：算力——人工智能的体力（7分钟）教师讲解："第三样，算力。教材说：'算力是人工智能的"体力"。'体力就是干活的力气。算法再好，没有足够的计算能力，也跑不起来。"教师讲解："算力用什么衡量？简单说，就是一台机器一秒钟能做多少次计算。人脑大约有八百六十亿个神经元，每个神经元和其他神经元有上千个连接，这个复杂度极其惊人。要模拟这样的计算，需要非常强大的计算设备。"教师补充："算力的提升，是人工智能近几年爆发的重要原因之一。以前训练一个模型要几个月，现在可能几天甚至几小时。这不是因为算法突然变聪明了，而是因为'体力'上来了。"教师提问："那算力是不是越大越好？"教师自答："不一定。算力越大，耗电越多，成本越高。有研究指出，训练大型模型的能耗相当于几百个家庭一年的用电量。所以算力这件事，也要讲效率，也要讲环保。这就是为什么'绿色人工智能'成为一个重要议题。"设计意图：通过能耗问题，把算力从"技术指标"引向"资源与环保"，拓展学生的技术视野。#####（五）课堂活动：三要素拆解实验（8分钟）教师讲解："现在做一个拆解实验。每组选一个人工智能应用，从数据、算法、算力三个方面分析它。我给大家三个参考应用：智能音箱、拍照识花、短视频推荐。也可以自己选。"教师发放分析表，说明填写要求："第一栏写应用名称。第二栏写它需要什么数据，尽量具体，比如'不同口音的语音指令'。第三栏写它可能用什么算法，写不出具体名字就写思路，比如'先听清再理解'。第四栏写它对算力的要求，写'高''中''低'并说明理由。"学生分组填写，教师巡视。教师指导话术："你们组选智能音箱，数据栏写'语音'，太笼统了。想一想，它要听懂不同年龄、不同口音、不同语速的人说话，数据里应该包含什么？对，要有老人、小孩、方言、嘈杂环境。这样写才具体。""算力栏你们写'高'，理由是什么？因为要实时响应。这个理由很好，实时性确实是算力要求高的原因。"设计意图：通过拆解实验，让学生把三要素从概念转化为可分析的工具，同时训练"具体化"的表达习惯。#####（六）数据偏差小实验（4分钟）教师讲解："最后做一个小实验，看看数据偏差有多可怕。我在屏幕上展示两组数据。第一组是某班级的体育成绩，男生二十人、女生五人。第二组是同一个班级，男女生各十五人。假设我们要用这些数据训练一个'预测体育成绩'的模型，哪一组更可靠？"学生讨论后回答。教师讲解："第一组的问题不是数据少，是比例失衡。模型会学到'体育好的是男生'这个错误规律，因为样本里男生多。第二组虽然总数一样，但比例均衡，模型学到的规律更接近真实。"教师强调："所以数据这件事，关键不是'多'，是'代表性'。你喂给它什么，它就学成什么样。喂偏了，它就偏了。这就是为什么采集数据的人要有责任心。"设计意图：用极简的对比实验，让学生直观理解"代表性"这一数据质量核心指标。#####（七）课堂小结（2分钟）教师讲解："今天我们学了三样东西：数据是粮食，算法是方法，算力是体力。三样缺一不可。我们还学了一个重要提醒：数据要均衡，算法要检验，算力要节约。"教师请学生用一句话回答："如果只能改进一样，你会改进哪一样？为什么？"学生分享，教师点评后收束："这个问题没有标准答案，但它有一个共同的思路：先找短板。哪个环节最弱，就先补哪个。这就是工程师的思维方式。"设计意图：用开放式问题收束，训练学生的系统思维与优先级判断能力。#####（八）分层任务与弹性支持基础层任务：完成三要素分析表，正确填写至少一个应用。进阶层任务：分析同一个应用在三要素上的"最强项"与"最弱项"，提出改进建议。拓展层任务：查阅资料，了解一次人工智能发展史上的技术突破，分析它突破了哪个要素。弹性支持：对分析困难的学生，提供"三要素提示卡"，列出常见数据种类、常见算法思路、算力等级判断标准。无网替代方案：全部活动可纸质完成，数据对比实验用打印材料。六、作业设计基础作业：完成"三要素"笔记，用自己的话解释数据、算法、算力分别是什么。进阶作业：选择一个自己熟悉的人工智能应用，写出它的数据来源可能有哪些，并指出一个可能存在的偏差风险。实践作业：调查家中一件智能设备，查阅说明书或包装，找出它需要联网、需要采集哪些数据，写一份简短的"数据使用说明"给家人看。七、结语数据、算法、算力，这三样东西听起来很技术，其实很朴素：有什么料，用什么法，出多大力。学生理解了这三样，就理解了人工智能不是凭空降临的魔法，而是资源、方法与劳动的结晶。更重要的是，他们会明白：喂给机器什么样的数据，机器就会长成什么样的"性格"。这份责任，最终落在使用技术的人身上。八、板书设计第4课人工智能的技术基础一、数据：粮食（一）种类：图、文、声、视、行为（二）关键：代表性，不是数量二、算法：方法（一）步骤：变数字—找特征—作判断（二）神经网络：多层连接的巨网三、算力：体力（一）衡量：单位时间计算次数（二）约束：能耗与成本四、关系三样缺一不可，短板决定上限五、第二单元文本的智能生成第5课文本处理的基本单位（1课时）一、教材分析本课是第二单元的起点，回答"计算机如何看懂文字"这一问题。教材指出，计算机不认识汉字，也不认识字母，它只认识数字，因此必须先把文本切分成更小的单位，再把这些单位转换成数字，才能进行计算。教材把这一过程概括为"分词—编号—表示"三步。教材原文要点如下。"计算机并不认识文字。在计算机看来，一段文字只是一串字符编码。要让计算机处理文本，首先要确定处理的基本单位。""中文文本处理的基本单位通常是'词'。与英文不同，中文的词与词之间没有空格分隔，因此需要先进行分词。""分词之后，每个词会被赋予一个编号，文本就变成了一串数字。这串数字就是计算机能够处理的形式。"教材安排了一个"分词接力"活动，给出一段没有标点的文字，让学生尝试切分，并比较不同切分方式带来的理解差异。教材还介绍了"词表"的概念，说明词表的大小会影响模型的表达能力与计算成本。本课的知识点看似基础，实则是理解一切文本生成技术的前提。学生如果不能理解"文本先变成数字"，后续的词频统计、词向量、注意力机制都将成为空中楼阁。二、核心素养目标信息意识方面，学生能够理解文本在计算机内部的表示形式，形成"信息需要编码"的基本认识。计算思维方面，学生能够把连续的文本切分为离散的单位，理解"分而治之"在文本处理中的应用。数字化学习与创新方面，学生能够使用简单工具完成分词与词频统计，体验从文本到数据的转换过程。信息社会责任方面，学生能够意识到分词歧义可能带来的误解，形成对语言处理结果审慎核对的态度。三、教学重难点教学重点是理解分词的必要性与基本方法，掌握"分词—编号—表示"的转换流程。教学难点是理解中文分词的歧义问题，即同一串字符可能有多种合理切分，切分不同则意义不同。四、教学方法任务驱动法、游戏化教学法、对比分析法、动手操作法、小组合作学习法。五、教学过程#####（一）情境导入：一句话的三种读法（5分钟）教师在黑板上写下一串字："下雨天留客天留我不留"。教师讲解："这句话没有标点，请大家试着读一读，并加上标点。"学生尝试，出现多种读法。教师请三位学生分别读出自己的版本。教师讲解："第一位同学读的是'下雨天留客，天留我不留'，意思是主人不想留客。第二位同学读的是'下雨天，留客天，留我不？留！'，意思是主人热情挽留。第三位同学读的是'下雨，天留客，天留我不留'，意思又变了。同一串字，三种意思，谁都没读错，只是切分不同。"教师继续："这就是今天这节课的核心问题：计算机要理解文字，第一步就得决定怎么切。切错了，后面全错。这件事在人工智能里有个专门的名字，叫'分词'。"设计意图：用经典的无标点句子制造歧义体验，让学生亲身感受"切分决定意义"，为分词概念提供直观经验。#####（二）新课讲授一：计算机眼中的文字（7分钟）教师讲解："先解决一个更基础的问题：计算机认识字吗？"教师停顿，等学生回答。教师讲解："答案是：不认识。在计算机眼里，没有'猫'这个字，只有一串编码。比如汉字'猫'在常用的编码标准里对应一个数字，计算机存的是这个数字，不是那只猫。教材第18页说：'计算机并不认识文字。在计算机看来，一段文字只是一串字符编码。'"教师板书："文字→编码→数字"。教师讲解："所以，计算机处理文本，本质上是处理数字。但这里有个问题：如果按'字'来处理，一个字一个单位，那'人工智能'就是四个单位，'人工'和'智能'的关系就丢了。所以我们需要更大的单位，那就是'词'。"教师补充："英文有个天然优势，单词之间有空格，'IloveAI'三个词分得清清楚楚。中文没有空格，'我爱人工智能'七个字连在一起，计算机不知道哪里该断。这就是中文分词要解决的问题。"设计意图：从"计算机不认识字"这一反直觉事实切入，打破学生"计算机懂中文"的错觉，为分词的必要性建立逻辑前提。#####（三）新课讲授二：分词的三条路（10分钟）教师讲解："中文分词有三条常见思路。第一条，按词典切。准备一本大词典，从左到右扫，能匹配上词典里的词就切出来。这叫'基于词典的分词'。它的优点是快、准，缺点是遇到词典里没有的新词就傻眼，比如网络新词、人名地名。"教师板书："词典法：查字典，匹配就切"。教师继续："第二条，按统计切。统计大量文本里哪些字经常连在一起出现，连得紧的就当成一个词。这叫'基于统计的分词'。它的优点是能发现新词，缺点是需要大量语料，而且有时候会切出奇怪的组合。"教师板书："统计法：看谁跟谁常在一起"。教师继续："第三条，按理解切。让模型先理解整句话的意思，再决定怎么切。这叫'基于理解的分词'。它最准，但也最慢、最复杂。现在的大模型基本走这条路。"教师板书："理解法：先懂意思再切"。教师举例说明歧义："看这个例子：'乒乓球拍卖完了'。这句话有两种切法。第一种，'乒乓球拍/卖完了'，意思是球拍卖光了。第二种，'乒乓球/拍卖/完了'，意思是乒乓球被拍卖了。两种切法都合法，到底哪种对，要看上下文。如果前面在说体育用品店，那多半是第一种；如果前面在说拍卖会，那就是第二种。"教师强调："这就是分词的难点：不是切不出来，是切出来不止一种。人靠上下文判断，机器要靠算法判断，而算法有时候会判断错。"设计意图：用"乒乓球拍卖完了"这一经典歧义句，让学生直观理解分词歧义的复杂性，同时引出"上下文"这一后续课程的核心概念。#####（四）课堂活动：分词接力赛（10分钟）教师讲解："现在我们做一个分词接力赛。我在屏幕上给出一段话，每组用斜线把它切开，切完之后我们对比，看哪一组的切法最合理。"屏幕展示："南京市长江大桥欢迎您"。教师说明规则："第一步，每组独立切分，把结果写在任务单上。第二步，组内讨论，选出你们认为最合理的一种切法。第三步，派代表上台写在黑板上。时间四分钟。"学生活动，教师巡视。教师组织对比："第一组切的是'南京市/长江大桥/欢迎/您'。第二组切的是'南京/市长/江大桥/欢迎/您'。第二组这个切法，语法上成立，但语义上很荒唐，因为'江大桥'不是常见人名。第三组切的是'南京市/长江/大桥/欢迎/您'，也成立。"教师提问："那计算机怎么知道该选哪一种？"教师自答："靠概率。它统计大量文本，发现'南京市'出现的次数远多于'南京市长'，'长江大桥'出现的次数远多于'江大桥'，于是选概率最高的那种。这就是统计法的思路。"教师追加任务："再来一句：'结婚的和尚未结婚的'。这句怎么切？"学生尝试后发现极难，教师讲解："这句可以切成'结婚的/和/尚未结婚的'，也可以切成'结婚的/和尚/未结婚的'。前者说的是两类人，后者说的是和尚。这就是分词歧义的极端案例，人也要想一会儿。"设计意图：通过两个真实歧义句的切分比赛，让学生在操作中体会分词的难度，同时理解"概率"在分词中的作用。#####（五）新课讲授三：从词到数字（6分钟）教师讲解："切完词，下一步是编号。教材说：'分词之后，每个词会被赋予一个编号，文本就变成了一串数字。'"教师在黑板上写一个简易词表：1我2爱3人工智能4学习5今天教师讲解："有了这个词表，'我爱人工智能'就变成了'13'，'今天我爱学习'就变成了'5124'。计算机处理的就是这串数字。"教师提问："那词表里没有的词怎么办？"教师自答："有两个办法。一是给一个特殊的编号，叫'未知词'，统一处理。二是把没见过的词拆成更小的单位，比如拆成字。现在的大模型多用第二种，因为它们要处理各种各样的文本，词表不可能穷尽。"教师补充："词表的大小是个权衡。词表大，表达能力强，但计算成本高；词表小，计算快，但很多词表示不了。这就像字典，收字多的字典厚，查起来慢；收字少的字典薄，但常常查不到。"设计意图：通过简易词表演示，把"文本变数字"这一抽象过程具体化；通过词表大小的权衡，培养学生的工程权衡意识。#####（六）课堂小结（2分钟）教师讲解："今天我们走了三步：分词、编号、表示。分词是把句子切开，编号是给词发身份证，表示是把文本变成数字。这三步走完，计算机才能开始'读'文本。"教师请学生回答一个问题："如果分词切错了，后面会发生什么？"学生回答后教师收束："切错了，编