高中信息技术必修1《初识人工智能》教学设计_第1页
高中信息技术必修1《初识人工智能》教学设计_第2页
高中信息技术必修1《初识人工智能》教学设计_第3页
高中信息技术必修1《初识人工智能》教学设计_第4页
高中信息技术必修1《初识人工智能》教学设计_第5页
已阅读5页,还剩3页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

高中信息技术必修1《初识人工智能》教学设计一、教材与学情分析《初识人工智能》是粤教版(2019)普通高中教科书《数据与计算》必修模块第六章的首课。教材以“感知—理解—创造”为主线,安排了图像识别体验、概念辨析、机器学习模拟、典型应用分析四个核心板块。该课旨在引导学生从现象入手,穿透技术表象,建立“人工智能=数据+算法+算力”认知模型,为后续“探索机器学习”“体验神经网络”奠基。学生已完成“数据编码”“数据采集与预处理”“可视化”等模块学习,具备数据思维雏形,会用Python处理CSV、绘制图表。但对“智能”本质认知多停留在科幻电影或营销话术层面,易将自动化脚本、规则引擎等同于人工智能。部分学生因缺乏线性代数、概率论基础,对梯度下降、反向传播等数学机制产生畏难情绪。教学需避开数学黑箱,用可视化工具、离线建模游戏将抽象原理具象化,同时引入算法偏见、深度伪造等伦理议题,回应核心素养中“信息社会责任”要求。二、教学目标1.信息意识:能辨析弱人工智能与强人工智能边界,识别生活中基于规则系统与基于数据驱动系统的本质差异,形成“智能源于数据拟合”科学认知。2.计算思维:掌握监督学习“标注—训练—预测”基本范式,能用训练集/测试集划分、特征工程、过拟合与欠拟合判别等术语描述建模流程,完成鸢尾花分类或手写数字识别最简建模实践。3.数字化学习与创新:熟练使用TeachableMachine、TensorFlowPlayground等零代码平台,设计控制变量实验对比学习率、隐藏层节点数对收敛速度影响,产出可复现的实验报告。4.信息社会责任:分析人脸识别滥用、推荐算法信息茧房、训练数据版权争议等典型案例,从数据合规、算法透明、结果可解释三维度提出治理建议,践行“人机协同、技术向善”价值观。三、重难点与突破策略重点:监督学习完整链路的体验式构建。难点:高维特征空间线性不可分与神经网络非线性映射机制的直观理解。突破策略:采用“三阶递进”教学脚手架。第一阶“离线建模”,用感知机模拟卡牌游戏,学生扮演神经元手工调整权重,体会“试错—修正”本质;第二阶“可视化解剖”,TensorFlowPlayground实时渲染决策边界演变,将抽象损失函数下降转化为动态几何图像;第三阶“代码复现”,提供去除繁琐预处理的JupyterNotebook模板,聚焦模型架构搭建与超参数调优,降低认知负荷。四、教学策略与环境准备采用“双主体、三环节、四评价”模式。教师为认知引导者、工程实践导师;学生为知识建构者、伦理审视者。环节设计为“认知冲突—模型构建—价值升华”。评价体系包含课堂观察量表、实验报告评分卡、同伴互评表、伦理论辩演讲评分表。硬件环境:机房配备GPU显存≥4GB工作站30台,预装Anaconda、VSCode、Chrome离线扩展包。软件资源:教师自制鸢尾花数据集(含噪声版/纯净版)、手写数字采集网页端、课件嵌入式可执行代码块。应急预案:断网时切换至本地离线版TeachableMachine、预训练好的.h5模型文件供推理演示。五、教学过程(一)情境导入:生活中的“隐形智能”8分钟教师打开课件首页,不讲学习目标,直接投屏三段15秒视频:视频A为某外卖APP骑手路线规划动态演示,视频B为医院病理切片AI辅助筛查癌变细胞,视频C为学生熟悉的短视频推荐流翻拍画面。提问:“哪些属于人工智能?凭什么?”学生三人小组急速讨论90秒,指定汇报。预设回答聚焦“自动”、“准确”、“像人”。教师不评价对错,追问:“Excel自动求和、红绿灯定时控制、自动售货机投币出货,它们自动准确,为什么不叫人工智能?”制造认知冲突。引导学生抓住“适应性”“泛化能力”“数据驱动”三个关键词,完成从现象到本质的第一次跃迁。板书核心概念:人工智能=数据驱动的函数逼近器。(二)概念构建:拨开迷雾见真章12分钟1.定义溯源与分级。展示1956年达特茅斯会议提案片段、图灵测试原文、麦卡锡定义。对比“符号主义逻辑推理”“连接主义神经网络”“行为主义智能体”三大流派演进脉络。用“下围棋—识别猫—开车”三个任务,对照弱/强/超人工智能分级标准,学生完成思维导图填空。2.核心要素三角模型。教师演示“数据—算法—算力”动态平衡图:拖动数据量滑块,观察准确率曲线;切换CPU/GPU训练时长对比;替换逻辑回归/随机森林/MLP模型,记录F1分数变化。学生记录观察结论:“数据定上限,算法逼上限,算力定速度”。3.规则系统vs学习系统对辨。分发“垃圾邮件过滤器”纸质案例卡。A组设计关键词黑名单规则,B组设计朴素贝叶斯训练流程。现场模拟新型诈骗话术“恭喜中奖,需缴纳手续费”测试。A组规则失效,B组模型因训练集含相似语料成功拦截。总结:规则系统解决“已知已知”,学习系统应对“已知未知”。(三)核心体验:动手训练“小模型”25分钟任务一:TeachableMachine三分类图像识别(10分钟)学生打开教师部署在局域网的离线版页面。任务:采集“石头、剪刀、布”手势各50张样本,训练模型,测试识别率。教师巡场重点指导:光照不均导致的样本分布偏移、背景干扰引发的特征耦合、样本数量不平衡造成的类别偏向。学生在实验记录单填写:数据集规模、训练耗时、混淆矩阵、误判案例分析。任务二:TensorFlowPlayground螺旋线分类挑战(15分钟)目标:用最少隐藏层、最快收敛完成四色螺旋线分离。教师演示基线模型:两层[8,8]Tanh激活,学习率0.03,2000轮损失0.12。学生分组调参,竞赛规则:损失<0.05且轮数<500者胜出。关键观察点:①仅用X1、X2原始特征,无论怎么调参,决策边界始终为直线,无法拟合螺旋。②勾选“特征工程”栏下X1²、X2²、sin(X1)、cos(X2)后,单层4节点即可完美分离。③ReLU激活收敛快但边界锯齿感强,Tanh边界平滑但易陷鞍点。教师适时冻结屏幕,引导学生复盘:特征工程本质是人工将非线性问题映射到线性可分空间;深度学习核心在于“自动特征学习”,由隐藏层自动组合基础特征。板书:浅层网络+人工特征≈深层网络+原始特征。(四)深度探究:算法与伦理的双重奏18分钟案例一:某招聘AI简历筛选系统因训练数据含历史性别偏见,系统性降低女性候选人评分。学生分组研读简化版审计报告,从数据采集、特征选择、评价指标三环节定位偏见源头,设计去偏策略:对抗去偏、重加权采样、反事实数据增强。各组派代表在“算法审计会”陈述方案,同伴按“可行性、公平性、工程成本”打分。案例二:文生图模型版权争议。展示某画师风格被LoRA微调模型完美复刻,画师维权遭驳回判例。引入“数据清洗—模型训练—推理生成”全链条权利归属讨论。教师补充欧盟《人工智能法案》分级监管框架、中国《生成式人工智能服务管理暂行条例》核心条款。学生以“开发者、用户、监管者、原创作者”四角色进行圆桌辩论,形成《AI生成内容标识与溯源倡议书》草案。(五)总结提升:构建认知结构图5分钟教师不逐条复述知识点,而是展示一张空白概念图骨架,邀请学生上台补全节点与连接线。节点包括:感知层(数据)、认知层(模型)、决策层(推理)、评价层(指标)、伦理层(治理)。连接线标注动词:驱动、拟合、优化、泛化、约束。全班共同完成后,教师补充专家版概念图对比,强调“迁移学习”“联邦学习”“神经符号融合”三个延伸方向,指明选修模块学习路径。(六)作业设计:分层延伸与迁移基础层(必做):完成KaggleTitanic生存预测入门赛,提交代码与特征工程心得(≤500字),体会缺失值填充、独热编码对模型影响。进阶层(选做):使用MobileNetV2迁移学习,在自采校园植物叶片数据集(≥5类,每类≥80张)上微调,部署为微信小程序“扫叶识树”,录制演示视频。探究层(挑战):阅读《AttentionIsAllYouNeed》核心段落,用PyTorch从零实现单头注意力机制,可视化注意力权重热力图,解释其如何捕捉长距离依赖。伦理层(全员):撰写《我的AI红线清单》,列出未来职业中拒绝使用AI的三个场景及理由,下学期期中互评。六、板书设计板书采用左中右三栏动态生成。左栏“知识脉络”:定义→分级→三要素→学习范式(监督/无监督/强化)→典型架构(MLP/CNN/RNN/Transformer)。中栏“核心体验流”:采集→清洗→标注→划分→建模→训练→评估→部署→监控,关键节点贴便利贴标注学生易错点。右栏“伦理锚点”:偏见来源表、隐私保护技术路线(联邦学习/差分隐私/可信执行环境)、生成式AI治理四原则(可追溯、可审计、可监管、可信赖)。课末拍照上传班级云盘,作为复习资料。七、教学反思与迭代建议实施后发现三个关键问题。一是学生对“过拟合”理解停留在“训练集准测试集不准”口号层面,缺乏方差偏差分解视角。下轮教学将在Playground环节引入“模型复杂度误差”双曲线动画,强制学生画出训练/验证误差随隐藏层节点数变化曲线,标注最优容量区间。二是伦理辩论易流于情绪宣泄,缺乏技术约束条件下的方案设计。拟引入“模型卡”规范,要求学生为案例一填写标准化模型卡,包含预期用途、性能指标切片、局限性、伦理风险评估四栏,倒逼技术理性表达。三是分层作业完成率两极分化严重,进阶层仅15%学生尝试。计划建立“技术领航员”互助小组,每组配置一名有深度学习项目经验

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论