高中信息技术选修5教学设计：基于问题解决的“其他应用”模块实践探究

高中信息技术选修5教学设计：基于问题解决的“其他应用”模块实践探究教学背景与设计理念选修5“人工智能初步”是高中信息技术课程中衔接前沿科技与基础素养的重要模块。本节课“1.2.6其他应用”是继专家系统、模式识别、自然语言处理等典型应用之后，引导学生拓宽视野、建立系统化认知的关键节点。依据《普通高中信息技术课程标准（2017年版2020年修订）》中关于“人工智能初步”模块的学业要求——学生应能描述人工智能技术在其他领域的典型应用，认识人工智能对社会发展的影响，并能利用人工智能技术解决简单实际问题——本课以“问题解决”为主线，采用“情境—探究—迁移”三段式教学策略，引导学生在真实案例中理解人工智能技术的跨界融合与创新价值，培养学生的信息意识、计算思维与数字化学习与创新能力。本课面向高二年级学生。学生已在前序课时中系统学习过人工智能的基本概念、核心算法（如决策树、贝叶斯分类）及典型应用领域（如图像识别、语音识别、专家系统），具备一定的Python编程基础与项目实践经验。然而，学生对人工智能应用的理解仍以单点技术为主，缺乏跨领域、综合性视野。因此，本课旨在打破学科壁垒，通过“其他应用”这一开放性主题，引导学生从技术维度、伦理维度与社会维度展开多维探索，实现知识的结构化建构。教学目标一、知识与技能目标。学生能够列举人工智能在医疗健康、智慧教育、智能交通、文化艺术、环境保护等至少五个非典型领域的具体应用案例，并能运用思维导图工具梳理各类应用背后的核心技术支撑（如计算机视觉、自然语言处理、机器学习、知识图谱等）。学生能够通过小组协作，选择某一特定应用场景，分析其需求背景、技术原理、实现路径与社会效益，形成结构化的案例分析报告。二、过程与方法目标。通过观看微视频、研读案例材料、小组头脑风暴、数字化工具协同创作等多元学习活动，学生经历“发现需求—分析技术—评价影响—提出方案”的完整问题解决流程，掌握基于PBL（问题导向学习）的探究方法。通过课堂展示与互评，提升学生的批判性思维与表达交流能力。三、情感态度与价值观目标。学生能够辩证认识人工智能技术应用的双重效应，既看到其提升效率、改善生活的积极价值，也关注隐私保护、算法偏见、就业结构变化等社会伦理议题，树立负责任的技术使用意识。通过了解我国在人工智能应用领域的创新成就，增强民族自豪感与科技报国的使命感。教学重难点教学重点：人工智能技术在非典型领域的应用案例及其核心技术支撑；应用案例的多维度分析框架（需求—技术—价值—风险）。教学难点：引导学生从现象描述走向技术原理剖析，能够从具体案例中归纳出人工智能应用的一般规律；在案例分析中建立伦理思辨维度，避免技术崇拜或技术恐惧的极端倾向。教学准备教师准备：多媒体课件（含人工智能在医疗影像诊断、智能阅卷系统、城市智慧交通调度、AI艺术创作等方面的短视频素材）；分组案例研读包（共四套，每套包含文字材料、数据图表、二维码链接等）；在线协作平台（如腾讯文档或钉钉文档）预建小组协作空间；学习任务单（含案例分析的支架式问题链）；课堂评价量表（含自评、互评、师评三个维度）。学生准备：课前通过“学习通”平台观看教师推送的三段微视频（AI辅助农作物病虫害识别、AI助力古籍数字化修复、AI驱动个性化学习路径推荐），并完成预习思考题：“这三个应用分别使用了哪些核心技术？它们与传统软件有何本质区别？”携带笔记本电脑或平板设备，提前注册在线协作平台的账号。教学过程一、情境导入：一图激起千层浪（约8分钟）课堂伊始，教师在大屏幕上展示一张引人深思的信息图：一个组合图标，左侧是一枚听诊器，右侧是一块调色板，中间是一个大脑形状的电路连接图。教师提问：“大家看到这张图，能联想到哪些跨界组合？如果告诉各位，这代表当今人工智能正在开拓的新疆域，你们能猜出几个落地方向？”学生自由发言，答案可能涉及智能医疗、艺术创作等。教师不急于点评，而是播放一段90秒的短视频合集，依次呈现：AI系统在0.5秒内完成肺结节CT影像标注并给出良性恶性概率；AI机器人根据博物馆藏品风格现场创作一幅水彩画；无人驾驶清扫车在凌晨自动规划路径完成校园保洁。视频结束后，教师追问：“这三个场景分别发生在哪个领域？它们背后有没有共性技术？今天的课题，就是共同解锁这些‘其他应用’背后的秘密。”随后，教师板书课题“1.2.6其他应用”，并同步展示本课的学习目标。这一环节旨在激活学生前备知识，制造认知冲突，激发探究兴趣。需要特别指出的是，教师不直接给出“其他应用”的定义，而是让学生在后续探究中自主生成概念理解。二、知识建构：四组案例，多维透视（约18分钟）教师将学生按异质分组原则分为四个“专项探究组”，每组领取一个案例研读包。每个研读包包括：背景介绍（300字左右）、核心技术解析（含局部代码或算法流程图）、社会应用价值的数据图表、争议讨论素材（正方反方观点节选）。四组案例分别为：第一组，智慧医疗组。案例对象为某三甲医院部署的AI辅助诊断系统。研读包材料涵盖该系统对早期糖尿病视网膜病变筛查的敏感性数据（敏感度达94.5%，高于人类医生的平均88.2%），以及技术原理图——基于卷积神经网络的图像分类模型。材料同时附有患者隐私保护的相关讨论。支架问题链：该系统解决了什么传统痛点？哪些关键算法支撑了其核心功能？你认为AI诊断能完全替代医生吗？为什么？第二组，智慧交通组。案例对象为某一线城市的全域智能信号灯控制系统，该系统利用强化学习算法，实时分析全天候车流数据，动态调整红绿灯配时方案。材料数据显示，试点区域平均通行时间缩短17.3%，高峰拥堵指数下降23%。材料中嵌有一个简化版的Qlearning更新公式，让学生直观感受算法如何从经验中学习。支架问题链：该系统如何感知环境状态？奖励函数可能如何设计？该系统的推广可能面临哪些阻力？第三组，智慧教育组。案例对象为AI自适应学习平台，其可根据学生的答题序列与耗时数据，构建知识图谱中每个知识点的掌握概率模型，进而推送个性化练习题与学习视频。研读包中包含一组模拟知识状态转移图，以及贝叶斯知识追踪的核心思想说明。支架问题链：平台如何判断学生“会了”还是“蒙对了”？个性化推荐的底层逻辑是什么？这种教育方式对教师角色有何挑战？第四组，艺术创作组。案例对象为基于生成对抗网络（GAN）的AI绘画系统及AI音乐作曲系统。材料展示了一幅由AI生成的油画作品及其风格迁移过程图，以及一段简谱片段，该片段由AI模仿巴赫风格创作而成。材料中标注了生成器与判别器的对抗训练机制，并附有关于“AI作品是否具有艺术价值”的正反方评论。支架问题链：生成器和判别器的关系是不是就像“造假者”与“鉴定师”？如果AI创作了旋律，版权应该归谁？你如何区分AI艺术品与人类艺术品？各组在12分钟内完成研读、组内讨论，并用在线协作平台记录关键结论。此环节强调真实情境下的深度学习，学生不仅阅读文本，还需分析数据、理解算法逻辑、思考伦理争议，实现从“知道是什么”到“明白为什么”的跃升。教师在巡视中不直接给出答案，而是采用追问策略，例如对智慧交通组提示：“想一想，如果突然有大面积道路施工，历史数据失效，强化学习模型能快速适应吗？这暴露了什么问题？”对艺术创作组问道：“当AI的创作越来越逼真，我们评价‘美’的标准本身会不会发生改变？”三、深度研讨：跨组合璧，碰撞火花（约10分钟）四组完成初步汇报后进行“跨组互访”环节。每组各派一名代表“移驻”到下一组，带来问题与见解。例如，智慧医疗组代表来到智慧交通组，提出疑问：“医疗AI面临严格的合规审查，你们交通系统在试运行阶段出现了哪些安全事故？如何划分责任？”智慧教育组代表来到艺术创作组，提出讨论：“个性化学习本质上是算法对学生能力的‘画像’，这是否也是一种算法偏见？艺术AI的‘创作’是否也存在数据偏差？”这一环节设计意图在于：打破单一案例思维，促使学生发现不同应用领域间的共通问题（数据质量、算法可解释性、责任归属、伦理边界），从而为后续总结提升做好铺垫。教师在此过程中记录学生发言中的关键生成点，为总结环节的归纳提供素材。四、方法提炼：建构“AI应用三维分析模型”（约10分钟）教师引导学生回到黑板前的白板，通过头脑风暴汇集各组讨论中的高频词汇。学生可能提出“数据”“算法”“效率提升”“成本降低”“隐私”“算法偏见”“失去岗位”“人机协作”等。教师将这些词汇按逻辑关系组织，逐步建构出“AI应用三维分析模型”：技术维度：数据基础（数据获取、清洗、标注）、算法与算力（模型选择、训练策略、推理优化）、验证与迭代（测试集、评估指标、版本更新）。应用维度：需求定位（解决什么痛点）、集成边界（与现有系统的融合深度）、体验设计（人机交互界面、反馈机制）。社会维度：经济效益（投入产出比、就业影响）、伦理合规（隐私保护、算法公平、可解释性）、文化影响（审美变革、认知重塑）。教师在白板上画出三维坐标系，每个象限用关键词语标注。然后引导学生运用该模型，快速对课堂开始时三段微视频中的“AI古籍数字化修复”案例进行三维分析。例如：技术维度上，该应用使用OCR光学字符识别加自然语言处理，对破损古籍的文字进行识别与补全；应用维度上，解决了古籍专家手工修复效率低、孤本难以共享的问题；社会维度上，面临的主要争议在于数字化版本是否完全保留原本的笔触质感。此环节实现了从具体到抽象的思维进阶。五、项目实战：校园场景微方案设计（约15分钟）教师发布本课的核心挑战任务：“请各小组运用刚才建构的三维分析模型，为我们的校园设计一个‘AI其他应用’微方案。要求：不能重复课堂上已有的案例领域（医疗、交通、教育测评、艺术创作），且方案必须具备可行性、创新性与价值性。各小组有10分钟讨论并用在线文档撰写方案，随后进行1分钟电梯演讲。”各组讨论热烈。可能涌现的方向包括：基于计算机视觉的校园食堂剩餐检测与营养分析系统；利用语音合成与自然语言理解的课间心理倾诉AI树洞；通过无人机图像识别进行校园植物病虫害监测与养护建议平台；基于大数据与协同过滤的社团推荐系统，帮助新生匹配适合的社团；AI辅助的实验室安全规范智能监控系统，自动检测未穿实验服或操作错误行为并即时提醒。各小组完成方案后，依次进行电梯演讲。演讲要求严格控制在60秒内，包含四个要素：目标用户与核心需求、核心技术支撑、预期价值、最大风险及应对策略。未演讲组利用在线评价量表对方案进行互评打分。教师选择两个典型方案进行简要点评。以“校园食堂剩餐监测系统”为例，教师点评时可提点：该方案在技术维度上采用目标检测算法（如已学过的YOLO框架精简版）识别不同餐盘中的剩余食物，需求定位准确——学校食堂长期存在食物浪费问题，数据客观可采集；社会维度上的创新点在于，与智慧后勤管理平台对接后可生成每周浪费报告，配合德育处开展节约教育，实现数据驱动育人。风险在于学生可能因监控产生抵触情绪，因此需在方案设计中加入隐私保护机制——仅统计餐盘整体残留体积，不拍摄人脸，不采集个体就餐行为数据。教师进一步提问：“如果你是这个方案的负责人，你会如何说服学生会同意实施？”以此训练学生的协商与批判性思维。六、总结提升：技术向善，青年担当（约4分钟）教师引导学生回归本课核心问题：“通过今天的探究，你对人工智能‘其他应用’产生了哪些新认知？”学生可能回应领域之广超出预期，技术并不神秘而在于场景发现，任何应用都有双刃剑效应等。教师在学生发言基础上进行总结：第一，人工智能的“其他应用”并非零散技术堆砌，而是核心三要素（数据、算法、算力）在特定场景中的创造性重组。真正拉开差距的不是算法本身，而是对人性需求的洞察力——最优秀的应用工程师，往往是最敏锐的生活观察者。第二，技术没有价值观，但技术应用饱含价值观。垃圾分类AI可以提升城市文明，也可以被滥用于人群监控；智能推荐系统可以促进学习，也可以制造信息茧房。每位未来的开发者都应把伦理思考内化为技术习惯，设计之初就融入公平、透明与可追责原则。第三，我国在AI应用领域已取得举世瞩目的成就，从AI辅助农作物病虫害识别保障粮食安全，到AI病理分析助力优质医疗资源下沉，再到AI古籍修复守护文化根脉。同学们正处在人工智能爆发的时代，希望你们既仰望星空，又脚踏实地，在真实场景中发现真问题，用有温度的技术解决真需求。教师结语：“今天课堂上诞生的每一个校园微方案，都是你们作为未来数字公民的责任宣言。请大家记住，最伟大的人工智能应用，或许尚未被发明——而发明者，可能就在这个教室之中。”教学评价与反馈本课采用过程性评价与总结性评价相结合的方式。过程性评价包括三方面：课堂参与度（通过小组发言频次与质量评估）、协作能力（通过在线文档的编辑记录评估各成员贡献度与互助情况）、方案设计质量（通过评价量表中的创新性、可行性、完整性三个维度打分）。总结性评价为课后拓展作业：学生个人完成一篇500字的“AI其他应用案例评析短文”，要求运用三维分析模型，选择一个课上未讨论过的应用场景（如AI在考古断代、法律援助、心理危机干预、体育战术分析、海洋垃圾清理等方向），分析其技术内核、应用价值与潜在风险，并发表个人见解。该作业通过在线平台提交，教师将在下节课选择优秀作品进行展示交流。教师课后根据课堂观察记录与在线协作痕迹，对各组学习效果进行精准画像，为后续“机器学习初步”章节的教学调整提供依据。对于在协作中参与度较低的学生，教师将在课后进行一对一交流，了解困难并给予针对性支持；对方案设计突出的学生，可推荐其参加青少年科技创新大赛人工智能专项。教学反思本课的设计聚焦于“开放而有边界”的理念。开放性体现在案例选择的多元性与方案设计的自由性，边界则体现为三维分析模型的稳定框架与学生讨论的伦理规范。从实际教学效果预估来看，学生可能在第二阶段出现案例研读深度不均衡的问题——对艺术创作组可能更感兴趣，而对智慧教育组的数据模型存在理解困难。因此，支架式问题链的设计必须分层，确保每个小组都有可由所有成员共同完成的基础问题，同时设置挑战性追问供学有余力的学生探索。另外，“其他应用”并非一个封闭的知识单元，其本质是让学生形成“从技术到场景再到价值”的迁移能力。后续教学中，教师应有意识地开展跨单元整合，例如在“机器学习”章节引导学生回顾本课的四组案例，用监督学习与强化学习的视角重