3.1 初识语言大模型　教学设计 2024-2025学年川教版（2024）初中信息科技七年级下册

课 题 3.1初识语言大模型 课 标 理 念 本课时以“数据的价值”为核心，围绕信息意识、计算思维、数字化学习与创新、信息社会责任四大核心素养展开，旨在通过系统的教学活动，使学生深刻理解数据的价值，并掌握相关技能。 课 标 要 求 一、内容要求​​ 通过情境导入环节，引导学生思考属性设计的重要性，理解有序数据与无序数据在查询效率上的差异。随后，通过DSL查询语句的学习，包括基础查询、复杂查询以及分组统计与创新设计等实践活动，使学生逐步掌握DSL查询语句的编写技巧，理解逻辑运算符在查询条件组合中的作用。同时，借助AI工具的应用，学生将学会如何辅助数据查询，并手动修正AI生成的查询语句，培养批判性思维和解决问题的能力。最后，通过课堂总结和作业布置等环节，巩固学生所学知识，提升他们的实际应用能力，为后续的数据处理和分析工作做好准备。 二、学业要求​​ 过学习，学生应能深刻理解数据分类与查询的价值，以及属性设计对统计结果的直接影响，从而培养起敏锐的信息意识。同时，学生应熟练掌握DSL查询语句的基本语法，能够独立编写单条件与多条件查询语句，展现出扎实的计算思维。此外，学生还应能熟练使用AI工具辅助数据查询，设计个性化资源库，体现出数字化学习与创新的能力，为未来的学习和工作打下坚实的基础。 重点:掌握与语言大模型交互的基本技巧，包括提问方式、提供背景知识和角色定义等。 难点:理解语言大模型的“大数据、大参数、大算力”特点;能够根据不同需求，灵活运用交互技巧获得满意的结果。 内容 分析 ​本课是四川教育出版社出版的七年级下册《信息科技》中的第三单元《第节初识语言大模型》。本节作为第三单元的开篇，重点介绍语言大型这一前沿技术。通过学习，学生将了解语言大模型的概念、特点，掌握与它交互的基本技巧，能学会利用语言大模型解决生活中的问题，帮助学生更直观地理解其重要性。为后续应用语言大模型奠定基础，对于拓宽学生的科技视野、培养创新思维具有重要意义: 学 情 分 析 本课授课对象是初一年级学生,他们已经具备一定的数据处理和信息表达能力，也接触过智能助手、在线翻译工具。但是,对于人工智能领域的语言大模型,他们可能仅停留在听说阶段，对其特点、应用和使用技巧知之较少。同时，学生在与语言大模型交互方面经验不足,需要通过实践来提升与语言大模型协同工作舒的能力。 学 习 目 标 信息意识:让学生了解语言大模型在信息时代的广泛应用，提高对新兴技术的敏感度，认识到技术对信息处理和学习方式的作用。 计算思维:通过理解语言大模型的特点和交互技巧，培养学生分析技术背后逻辑的能力，学会运用技术解决实际问题的思维方法 数字化学习与创新:鼓励学生尝试使用语言大模型，激发在数字化环境下探索新知识、创造新内容的兴趣和能力，提升数字化学习素养。 信息社会责任:引导学生正确看待语言大模型，培养学生在使用新技术时的责任意识，合理地利用技术。 评价任务 学习过程 学习目标 评价任务 教师活动 学生活动 设计意图 通过辨别AI生成内容与人类创作的差异，认识语言大模型的技术边界，形成对新兴技术特征的敏感性 1. 学生能正确区分真实诗句与AI仿写，回答判断依据（如押韵规律、意象逻辑性） 2. 能列举AI模仿写作所需的技术要素 1、 分别展示使用语言大模型生成和现实中诗人写的关于餐食的古诗。 案例诗句一（真实诗句）： 《食后》 菜剪三秋绿，飧炊百日黄。 胡麻山麨样，楚豆野麋方。 始暴松皮脯，新添杜若浆。 案例诗句二（AI仿写） 《暮炊》​ 柴火煨新黍，炊烟绕晚阳。 刀砧分玉脍，鼎镬泛椒香。 慢炖三更露，闲温一岁霜。 浮生炊黍熟，不必问黄粱。 提问:这两首古诗中,哪一首是人类写的?哪一首是A1写的? 2、引导讨论，为什么AI能模仿人类写作?它需要哪些技术支持? 3、教师引出什么是语言大模型。 1. 观察范例，思考问题。 学生思考并举手回答 从猜一猜的活动入手，激发学生的学习兴趣，引导学生思考，从面引出语言大模型，为后续教学做好铺垫。 理解大数据、大参数、大算力的技术逻辑，能用生活化类比解释抽象概念（对应课标要求"分析技术背后逻辑的能力"）。 1. 能用"厨师三要素"类比解释大数据、大参数、大算力的作用 2. 能举例说明参数优化过程（如减少逻辑错误） 大家都知道我们生活中的AI非常强大，让我们AI这么聪明的三大秘密武器是大数据、大参数、大算力。 ①大数据 大数据：食材——AI的“知识源泉”​类比：食材是烹饪的基础，正如数据是AI学习的原料。新鲜的西红柿、鸡蛋、调味料决定了菜肴的品质，而AI的“食材”是文字、图片、语音等海量信息。 训练AI识别“猫”，需要喂给它10万张标注好的猫图片（如暹罗猫、橘猫等），就像厨师需要精选优质食材 若食材不新鲜（数据质量差），例如用模糊的“马赛克猫”训练，AI会像厨师做出黑暗料理一样输出错误结果 ②大参数 大参数：菜谱—AI的“知识结晶” 类比：菜谱是厨师经验的总结，而大参数是AI从数据中提取的规律。菜谱中的“盐少许”需厨师根据经验调整，大参数则通过数值化存储知识（如“盐=3.5克”）。 案例： 千亿级参数（如GPT-3）：像一位拥有百万道菜经验的主厨，能根据用户需求（如“低卡饮食”）自动调整“火候参数”（如减少油脂配比）； 参数优化：类似厨师通过“试菜反馈”微调盐量，AI通过训练误差反向修正参数值，避免输出“太咸”（逻辑错误）或“夹生”（信息不全）。 ③大算力 大算力：灶火——AI的“能量引擎” 类比：猛火灶能快速烹饪大餐，算力决定了AI处理数据的速度和规模。家用小灶（CPU）炒一盘菜需10分钟，而工业级灶台（GPU集群）可同时处理100锅菜肴。 案例： 训练GPT-3相当于让厨师不眠不休练习500年，实际通过上万块GPU并行计算，将时间压缩到几个月。 华为盘古气象模型预测台风路径，需调用相当于一个小城市用电量的算力资源，如同用火箭级灶火精准控制 将语言大模型与厨师做菜进行生活化类比，让学生理解语言大模型的大数据、大参数、大算力的特点，将抽象概念具象化，降低理解门槛,帮助学生理解。 1. 掌握需求拆解与逻辑运算符应用（计算思维） 2. 通过优化提问提升信息获取效率（数字化学习与创新） 1. 利用角色定义实现个性化需求适配（数字化学习与创新） 2. 在用户画像设计中隐去真实身份信息（信息社会责任） 1. 规范使用背景知识时保护隐私数据（信息社会责任） 2. 理解结构化数据对AI输出的影响（计算思维） 1. 能独立编写精准查询语句（含对象+具体要求） 2. 对比分析模糊/精准提问的结果差异（如蛋白质含量匹配度） 1. 能根据用户画像（小明信息卡）设计角色定义模板 2. 对比普通提问与专家模式的结果专业性差异 1. 能规范补充背景知识（如用编号代替真实姓名） 2. 验证补充知识后的结果可信度（如热量值是否在合理区间） 我们已经知道了语言大模型的特点，那如何让它听懂我们的需求呢?接下来,我们一起来学习“如何与 AI对话”! 实践活动1:模糊提问VS精准提问(10分钟) 1.使用语言大模型搜索以下问题: 提问 A:推荐一份早餐。 提问B:推荐适合初中生的早餐，含蛋白质和蔬菜，准备时间小于10分钟。 2.引导学生思考并讨论如下问题: (1)两种提问方式搜出来的结果是否一致? (2)两种提问方式的侧重点分别是什么? (3)你认为哪种提问方式更合适?为什么? 引导总结: 明确对象+具体要求=精准答案。 实践活动2:角色定义——让AI变身专家（10分钟） 小明的信息卡 姓名:小明 年龄:14岁 身高:155cm 体重:70kg 问题:不爱吃早饭，不爱吃蔬菜,爱吃薯片，爱喝可乐，每天运动不足10分钟。 1.根据小明的情况，为不爱吃早饭的小明设计合适的早餐。 2.如果你是一名营养师再次为小明设计营养早餐。 3.对比两种不同的提问方式,请同学评价哪种更合适。 4.请同学总结提问技巧。 实践活动3:(文档补丁-一给 AI“知识”(3分钟) 教师提问: 1.如果想用语言大模型给每个同学提供合适的营养早餐，可以怎样快速生成呢? 2.教师演示为语言大模型提供背景知识，让模型学习后再生成结果，结果更真实可信。 3.教师强调注意在语言大模型中注意隐私的保护。如姓名用编号来代替。 教师总结:给模型提供背景知识后，模型的回答更真实更具有针对性。 实践活动1学生明确分组,并用当贝AI语言大模型提问，观察出现的结果，对比结果差异。 学生回答： (1) 结果不一致 (2) A同学的侧重点是早餐;B同学的侧重点是初中生的早餐,含蛋白质和蔬菜,制作制作时长。 (3) B同学提问更合适，因为有具体的要求。 实践活动二： 1. 学生针对小明的情况,为他设计合适的早餐。 2. 作为一名营养师再次为小明设计营养早餐。 3. 学生对比分析。 4. 尝试总结出技巧。 通过三个递进式的实践操作，引导学生总结出与语言大模型交互的基本技巧，培养学生的观察和分析能力，从而提高解决问题的能力。 辩证看待AI生成内容的可靠性 1. 能列举3个AI可能出错的场景（如数学计算、时效信息） 2. 制定《中学生AI使用公约》草案（包含伦理条款） 1.引导学生思考AI生成的内容一定正确吗？ 2.AI时代下，作为中学生的我们应该怎么做呢? 讨论并总结:AI是工吗?具，使用者需理性判断。 引导学生正确看待语言大模型，培养学生在使用新技术时的责任意识，合理地利用技术， 教学流程图 板书设计 作业和拓展活动 设计 请根据自己的学习情况让AI给自己制定一个适合自己的学习计划 教学反思与改进 学科网（北京）股份有限公司 $$