第一单元第四课《人工智能的技术基础》《机器学习的基本过程》教学设计2025-2026学年人教版初中信息科技人工智能专册

该初中信息科技教学设计聚焦《机器学习的基本过程》，以“森林食物失窃案”侦探情境导入，通过“收集线索-分析关键线索-形成心理画像-抓捕验证”的破案流程为支架，类比引出数据收集、特征提取、模型训练、应用评估的机器学习步骤，搭建具象到抽象的认知桥梁。 特色在于“隐喻贯穿+实操体验+伦理思辨”。用侦探“心理画像”类比“模型”，契合计算思维的分解与建模；借助英荔AI平台让学生亲历豪猪刺猬图片识别模型训练，落实数字化学习与创新；设计“混入猫咪图片致模型错误”实验，强化信息社会责任。学生在情境与实操中理解抽象概念，教师借助类比和工具突破重难点，提升教学效果。

2025年第二届“学科网杯”全国中小学课件大 赛教学设计模板 教学设计 课程基本信息 课题 《机器学习的基本过程》 课型 新授课 学科 信息科技 年级 九年级 学段 初中 版本章节 教学目标 1. 信息意识：能感知数据（线索）是机器学习（推理）的基础。 2. 计算思维：将机器学习过程分解为数据收集、特征提取、模型训练、预测应用等步骤。 3. 数字化学习与创新：能通过AI平台体验从数据到模型的完整过程。 4.信息社会责任：能通过案例理解数据偏见对模型的危害，建立负责任使用数据的意识。 教学重难点 教学重点：以侦探破案为类比，理解机器学习的基本过程。 教学难点：“模型”作为“抽象画像”的理解。 学情分析 九年级学生正处于从具象思维向抽象逻辑过渡的关键期，对“机器学习”这类抽象概念缺乏系统认知，但他们对故事、探案和新技术充满好奇。本课以“AI侦探”为核心隐喻，将数据、特征、模型等专业术语转化为“线索”、“关键线索”、“心理画像”等具象概念，有效契合了学生的认知水平。通过案例代入和思辨实验，既能激发学习兴趣，又能引导他们理解技术背后的原理与社会责任，符合该学段的认知发展需求。 教学准备 一、教师准备 课件与媒体：制作精美的PPT课件，内含“侦探破案”动画情境、特征对比图、清晰的算法步骤图以及课堂小结用的动态思维导图。 图像数据集：提前分类准备好豪猪、刺猬的清晰图片各10-20张，用于模型训练。 测试图片：准备几张未用于训练的、特征明显的豪猪或刺猬图片，以及用于制造偏见的“猫咪”图片。 二、学生准备 知识预热：简单思考“人工智能是如何学会识别人脸的？”或观看一个简短的AI应用视频，带着问题进入课堂。 三、环境与设备 1.场地：多媒体教室，确保网络稳定。 2.设备：投影设备、音响、教师演示用计算机。 教学过程 教学任务 教学内容 设计意图 创新设计(含AI应用) 一、情境导入：神秘案件（预计时间：5分钟） 激发学生兴趣，引出本课核心隐喻——侦探破案。 教师以“我是老师，今天我们一起当侦探”开场。 创设“森林食物失窃案”情境，介绍老侦探带新侦探破案的背景。 引导学生共同发现“案发在夜间”、“现场有刺”等关键线索。 利用学生好奇心和探案故事的神秘感，快速吸引注意力，为后续将机器学习过程与破案过程类比奠定坚实基础。 “锚点情境”导入。整个课程从完整、有趣的故事开始，而非直接抛出技术概念，使学习在叙事中自然发生。 所有侦探破案相关的视频，均使用豆包生成图片，即梦AI生成视频。 2、 建立联系：从神探到AI先驱（预计时间：5分钟） 建立人类学习与机器学习之间的桥梁，初步引入核心概念与先驱人物。 1.明确点破侦探流程（收集线索→分析→画像→验证）即为一个学习过程。 2.引出本课核心：“机器学习就是在培养一位AI侦探”。 3.介绍先驱者亚瑟·塞缪尔，简单介绍机器学习的历史。 4.用AI给图灵智能体打电话，并用“拼乐高的说明书”生动类比“算法”。让学生理解算法的概念。 完成从具象故事到抽象概念的第一次跳跃，让学生理解“算法”就是步骤与方法，降低陌生感。介绍先驱，增加课程的科学性与历史深度。 “生活化”概念转化。用“说明书”类比“算法”，将高深术语转化为学生触手可及的生活经验，实现高效认知迁移。 亚瑟·塞缪尔的视频是使用即梦AI将图片生成视频，再用剪影AI进行剪辑。 算法概念的介绍环节是使用豆包AI，给图灵智能体打电话。 3、 新知探究：培养AI侦探（预计时间：20分钟） 利用英荔AI训练平台的图像识别，教师先演示并讲解。 利用英荔AI训练平台的图像识别，让学生亲历机器学习全流程，理解数据、特征、模型等核心概念。 数据收集：在平台创建项目，上传分类好的豪猪与刺猬图片。强调图片是AI的“粮食”，并解释“数据预处理”（如裁剪为正方形）的作用。 特征提取：展示图片集，解释AI正在自动扫描、对比，寻找如体型、刺的长短等“关键区别特征”。 模型训练：点击“训练模型”，观察进度条。强调AI正在后台进行高强度“脑力训练”，最终形成《鉴别宝典》——即“模型”。 应用评估：用全新的图片测试训练好的模型，展示其识别能力，完成“毕业考试”。 通过可视化、步骤化的演示，将机器学习的“黑箱”过程透明化、直观化。每一步都与侦探破案的步骤紧密对应，强化理解。 “过程可视化”与“隐喻贯穿”。将不可见的计算过程变为可见的进度条和识别结果；同时，“看图鉴”、“形成宝典”、“毕业考试”等表述，始终贯穿“培养侦探”的初始隐喻，保持情境不脱节。 体验AI训练的过程使用“英荔AI训练平台”。 四、思辨升华：有偏见的侦探（预计时间：5分钟） 利用英荔AI训练平台的图像识别，引导学生认识数据质量的决定性作用，初步建立AI伦理观。 学生利用英荔AI训练平台的图像识别，体验AI错误识别的过程。 教师演示“陷阱”：在“豪猪”数据中故意混入几张猫咪图片，重新训练模型。 展示模型“指猫为猪”的错误结果。 引导学生讨论：为什么AI会变糊涂？并引申到现实案例。 总结：数据质量决定了AI的“品行”，强调“信息社会责任”。 通过制造认知冲突（AI犯了低级错误），引发学生深度思考。将教学从技术层面向社会伦理层面升华，培养学生的批判性思维和责任感。 “伦理陷阱”实验设计。通过主动设计一个会出错的实验，让学生直观感受“垃圾进，垃圾出”（Garbage in, garbage out）的原则，教训深刻，远比正面说教更有力量。 体验AI错误识别的过程使用“英荔AI训练平台”。 五、课堂小结与展望（预计时间：5分钟） 系统梳理知识点，升华课程主题，激励学生。 使用动态思维导图，左右分栏对比“人类侦探步骤”与“机器学习流程”，进行系统总结。 强调学习的本质是相通的：从数据/线索中提取特征/规律，形成模型/能力。 鼓励学生：未来的AI世界正等待你们去创造，用高质量的数据和聪明的算法，塑造更智慧、更公正的明天。 通过视觉化工具（思维导图）强化记忆结构，形成系统性知识网络。用激励性语言结尾，将课堂所学与学生的未来联系起来，埋下科学的种子。 “双线归一”式总结。思维导图将贯穿全课的“明线（侦探）”与“暗线（AI）”完美融合，清晰揭示了类比逻辑的全貌，体现了教学设计的完整性与艺术性。 作业设计 一、概念初识 请查阅资料或根据理解，简单解释以下术语： 算法： _______________________________________________ 数据： _______________________________________________ 模型： _______________________________________________ 二、生活联想 想一想，生活中哪些地方可能用到了机器学习技术？ （例如：手机人脸解锁、语音助手等） 板书设计/课堂小结 《机器学习的基本过程》板书设计 一、 主板书区域（居中） 主题：侦破一起案件，解锁一种智能 （左侧：侦探破案线）               （右侧：机器学习线） 收集线索               → 数据收集 （图标：放大镜、脚印）             （图标：图片集、数据库） 分析关键线索 （如：有刺）  → 特征提取 （图标：思维气泡、高亮笔）           （图标：AI大脑、扫描光束） 形成心理画像            → 模型训练 （图标：侦探侧写图）               （图标：齿轮、大脑神经网络） 抓捕验证               → 应用评估 （图标：对勾、确认图章）            （图标：测试结果“豪猪！”） 算法 = 说明书（步骤） 模型 = 学会的方法（不是答案！） 偏见数据 → 偏见AI 信息社会责任 教学反思 本节课以“AI侦探”为核心隐喻贯穿始终，成功地将机器学习的抽象过程转化为学生可理解的侦探破案故事，课堂氛围活跃，学生代入感强。教学重难点通过具象类比和平台可视化演示得以有效突破。 然而，教学过程中也发现，部分学生在理解“模型是内化方法而非具体答案”这一概念时仍有困惑，未来可考虑增加一个“模型迁移”的小环节（如：用训练好的模型识别一张豪猪漫画），通过对比“记住所有图片”和“学会判断方法”的区别，来强化这一核心观念。 此外，“数据偏见”的思辨环节效果显著，触发了学生热烈讨论。这启示我们，人工智能启蒙教育绝不能止步于技术原理，更应尽早融入伦理思考，方能培养出负责任的未来创造者。 —8— 学科网（北京）股份有限公司 $