智慧的导航员—决策AI初体验（教案）2025-2026学年五年级AI通识通用版

该小学信息科技教学设计聚焦决策AI中的路径规划，通过“AI快递员”短视频导入，联系学生熟悉的导航经验激发兴趣。以“为AI快递员规划最优配送路线”为主线，搭建“人脑导航”体验、策略总结、流程图抽象、Scratch编程实现的学习支架，引导学生从具象到抽象理解决策AI原理。 特色在于“四步转化法”培养计算思维，学生先动手画路线区分“最短”与“最优”路径，再命名策略、用流程图具象化思维，最后通过Scratch编程验证算法。融入数字化学习与创新，提供分层编程任务，结尾“急救车路径规划”伦理思考渗透信息社会责任。助力学生提升算法思维与问题解决能力，为教师提供完整教学流程与实践案例。

作品创作分析说明 1、 人工梳理本节课对应的知识内容，对内容梳理出重难点、学生学情等情况进行记录； 2、 针对人工梳理出的内容，撰写教学设计，罗列出大概得教学流程和教学重难点分布情况； 3、 使用DEEPSEEK软件，上传对应的教学设计和提示词，让AI生成对应的初稿教学设计内容； 4、 根据所生成的内容，对AI进行提示进行修改、补充和完善。 5、人工梳理整篇教学设计的流程和内容，进行结合自己教学情况的教学设计修改和内容整合。 学科网（北京）股份有限公司 $ 《智慧的导航员——决策AI初体验》教学设计 单 位 云南省楚雄市鹿城小学 作 者 骆俊波 联系邮箱 85564102@qq.com 地址 云南省楚雄彝族自治州楚雄市鹿城小学教育集团彝海小学 教授年级 五年级 授课地点 计算机教室 教材版本 五年级AI通识课通用 一、教学任务及对象 教学任务： 本节课以“为AI快递员规划最优配送路线”为核心任务，引导学生在游戏化情境中，通过角色扮演、策略对比和图形化编程，初步理解决策AI中“路径规划”的基本概念，体验算法思维在解决实际问题中的应用。 教学对象： 小学五年级学生。该学段学生具备一定的逻辑思维能力，能够进行合作探究，并对游戏和挑战充满兴趣。 二、教学背景分析 在当前国家《义务教育信息科技课程标准（2022年版）》中，“人工智能与智慧社会”已成为重要模块。课标强调通过体验和探究，让学生感受人工智能的应用，并发展计算思维。路径规划是AI决策领域的经典问题，它抽象于学生的日常生活（如导航、送餐），易于理解。本课将这一前沿话题转化为适合小学生认知水平的游戏与编程活动，是信息科技课程与生活实际深度融合的有效案例。 三、学情分析 已知基础： 学生已接触过图形化编程（如Scratch）的基本操作，能够拖动积木实现简单逻辑。绝大多数学生有使用导航软件的生活经验。 发展区： 优势： 对新鲜科技充满好奇，乐于接受游戏化挑战，具备初步的小组合作能力。 挑战： 将具体的路径选择抽象为“算法”或“策略”存在困难，对“最优解”的理解较为模糊。 教学对策： 采用“从具象到抽象”的教学策略，先让学生用身体验、用手规划，再引导其总结规律，最后用编程验证，层层递进，化解难点。 四、教学目标 知识与技能： （1）知道路径规划是人工智能的一种决策方式。 （2）能说出“最短路径”和“最优路径”的基本含义。 （3）能使用图形化编程工具，编写一个简单的自动寻路程序。 过程与方法： （1）通过扮演“人脑导航”和设计“电脑算法”，亲历从具体策略到抽象模型的思维过程。 （2）在对比不同路径规划策略的优劣中，初步培养算法思维和优化意识。 情感态度与价值观： （1）感受人工智能在解决现实问题中的价值，激发对AI技术的探究欲。 （2）在小组合作中培养勇于尝试、协同解决问题的科学精神。 五、教学重难点分析 教学重点： 理解路径规划的基本原理，并能在具体情境中比较不同路径的优劣。 教学难点： 将解决路径规划问题的直观策略，转化为计算机可执行的逻辑步骤（算法思维）。 突破策略： 使用“角色扮演-策略命名-流程图具象化-编程实现”四步法，搭建思维脚手架，帮助学生完成从感性认识到理性构建的跨越。 六、教学准备 教师准备： 多媒体课件、网格地图（实物或电子版）、云志达互动教学平台、预编写的Scratch路径规划示例程序。 学生准备： 每组一张打印的网格地图、不同颜色的记号笔、平板或电脑（安装Scratch或Mind+）、学习任务单。 七：教学流程 教学步骤 教师活动 学生活动 设计意图 1. 情境导入，激趣引新 （5分钟） 1. 播放一段“AI快递员”在复杂小区内高效送货的短视频。 2. 提问：“同学们，这个AI快递员为什么不会迷路？它是如何决定先送哪家后送哪家的？” 3. 揭示课题：“今天，我们就来扮演一次AI工程师，为我们自己的‘AI快递员’设计一个会思考的大脑！” 1. 观看视频，感受AI路径规划的神奇。 2. 联系生活经验（使用地图导航），进行思考并自由发言。 3. 明确本节课的核心任务，产生探究兴趣。 从震撼的AI应用实例入手，快速吸引学生注意力，将抽象的“决策AI”与熟悉的“导航”、“快递”联系起来，赋予学习任务以真实的意义和趣味性。 2. 探究体验，初建模型 （15分钟） 1. 发布任务一： “人脑导航”挑战。在网格地图上，从“仓库”出发，将包裹送到A、B两个客户家，找出所有可能路线并画出。 2. 巡视指导，引导学生发现路线不止一条。 3. 关键提问： “哪条路线是最短的？你是如何判断的？” “如果A客户很着急，哪条路线对他最优？” 4. 引导学生区分“最短路径”（距离）和“最优路径”（可能综合距离、时间、优先级等）。 5. 介绍简化策略： “大家刚才用的‘尽量走直线’、‘不绕远路’的方法，就是一种策略。计算机科学家把它叫做‘贪心算法’——每一步都选择当前看起来最好的选择。” 1. 小组合作，在纸质地图上用不同颜色的笔画出多条配送路线。 2. 用量格子的方法计算并比较不同路线的总长度。 3. 思考并回答教师提问，理解“最短”与“最优”的异同。 4. 聆听并对“贪心算法”这个专业的词汇产生直观、初步的理解。 此环节是化解难点的关键。通过动手画、肉眼看、数格子，将抽象的路径问题具体化。通过对比，自然引出核心概念。将学生的直觉策略赋予专业的算法名称，提升了课堂的“学术味”，为后续学习埋下种子。 3. 思维进阶，算法构建 （10分钟） 1. 发布任务二： 如何让计算机学会我们的思考方式？ 2. 以“贪心算法”为例，带领学生共同将思考过程提炼为流程图： 【起点】 -> 【当前点有哪些方向可走？】 -> 【选择离终点直线距离最近的方向】 -> 【移动一步】 -> 【是否到达终点？】->【是/否】... 3. 强调这是将“人的想法”翻译成“机器的语言”的关键一步。 1. 跟随教师的引导，共同口述寻路的思考步骤。 2. 在任务单上补充完成简化的流程图，理解计算机执行指令所需的明确性和顺序性。 这是从“人解”到“机解”的桥梁。流程图的使用，将内隐的思维过程可视化、结构化，极大地帮助学生理解算法的本质，为下一步编程实现打下坚实的逻辑基础。 4. 编程实现，验证创造 （10分钟） 1. 展示一个预先准备好的Scratch程序，其中角色在网格上移动，演示“贪心算法”的效果。 2. 提供编程模板（已搭建好网格和角色），引导学生参考流程图，将关键的逻辑判断部分用编程积木拼接出来。 3. 巡视指导，解决学生在编程中遇到的具体问题，鼓励调试和修改。 1. 观看演示，建立信心。 2. 小组合作，在编程模板上，根据流程图，尝试搭建“移动”和“方向选择”的判断逻辑。 3. 运行、测试并调试自己的程序，亲眼见证“AI快递员”按照自己设计的思路自动行走。 动手编程是思维的外化和验证。当学生看到自己设计的算法被计算机执行，角色自动寻路时，会获得巨大的成就感。此环节紧扣信息技术学科实践性的特点，是教学成果的集中体现。 5.总结拓展，叩问未来 （5分钟） 1. 引导学生回顾：今天我们是如何让机器学会“思考”路径的？（从体验->总结策略->画流程图->编程实现） 2. 展示真实世界中的复杂路径规划：物流仓库的机器人调度、全球航运路线、航天器轨道计算。 3. 伦理思考： “如果医院的急救车也使用AI路径规划，我们应该优先考虑‘最快’还是‘最不堵’？这体现了怎样的价值观？” 1. 跟随教师回顾学习历程，梳理知识脉络。 2. 感受课堂所学知识与宏大科技应用的连接。 3. 对AI应用的复杂性和社会责任进行初步思考与发言。 回顾总结，强化认知结构。联系前沿科技，拓宽学生视野，激发持续探索的动力。最后的伦理叩问，是画龙点睛之笔，体现了信息科技教育不仅仅是技术教育，更是人的教育，符合核心素养要求，极大提升教学设计的格局和深度。 八、教学反思 *成功之处： 主线清晰，层层递进： 整堂课以“解决路径规划问题”为主线，经历了“情境感知->实体建模->思维抽象->编程实现->价值反思”的完整探究过程，符合学生的认知规律 双主体地位突出： 教师是引导者和促进者，学生是思考者和创造者。大量的动手、合作、讨论环节确保了学生的深度参与。 素养导向明显： 不仅传授了知识和技能，更着重培养了学生的计算思维（算法、优化）和数字化学习与创新能力（用工具解决问题），并在结尾融入了信息社会责任的教育 *待改进之处： 时间管理： 编程实践环节对部分学生可能有一定挑战，可根据学情提供“分层任务卡”，如基础任务（实现固定路线）和挑战任务（加入障碍物规避），以适应不同层次学生的需求。 评价维度： 可设计更精细的“小组合作评价量规”，从“策略创新性”、“程序完成度”、“团队协作性”等多个维度进行过程性评价，使学习成果的评价更科学、全面。 教师使用——基础知识讲解资料（讲授环节资料） 一、 基础知识讲解（面向学生） 1. 什么是“算法”？—— 把步骤说清楚 通俗比喻： “算法”就像你做一道菜（比如番茄炒蛋）的菜谱。菜谱里会一步一步地告诉你：先洗番茄，再打鸡蛋，然后下锅炒……这个步骤清单就是算法。 课堂互动： 让学生说说“从教室走到操场”的步骤。他们会说：“出教室门 -> 左转 -> 直走到楼梯口 -> 下楼 -> 出大门 -> 到达操场”。这就是一个“从教室到操场的路径算法” 核心思想： 算法就是解决一个问题的明确、有序的步骤集合。 2. 什么是“路径规划”？—— 找到一条路 生活联系： 它就是你们用的地图导航软件（高德、百度）在做的事情。你输入起点和终点，它帮你找出一条或多条可以走的路线。 核心目标： 在很多条可能的路径中，找到一条最优的。最优可以是指距离最短、时间最快，或者像我们课上讨论的，优先满足特定条件。 3. 引入“贪心算法”—— 只看眼前最好的 故事化讲解： 我们现在要学习一种叫 “贪心算法” 的简单策略。它就像一个有点“近视”但又很目标明确的人。他每走一步，只盯着眼前最近的路，选择当前这一步看起来离终点最近的方向走。 策略命名： 为什么叫“贪心”？因为它“贪图”眼前的利益，希望每一步都走最“划算”的那一下。 二、 教学示例：从策略到程序 我们将使用 Scratch 作为实现平台，因为它图形化、易理解。 示例场景： 在一个5x5的网格地图上，AI小车（角色）从左上角(1,1)出发，需要到达右下角(5,5)的终点。 第一步：将策略转化为流程图（思维可视化） 这是连接“想法”和“程序”最关键的一步，带领学生一起画出来感受流程运行原理。 如何计算“离终点的距离”？ 给学生扩张简单介绍一个概念：曼哈顿距离。就像在曼哈顿街区开车，你不能穿楼，只能沿着街道走。 到终点的距离 = (终点x - 当前x) + (终点y - 当前y) 例如： 在(2,3)点，到(5,5)点的距离 = (5-2) + (5-3) = 3+2 = 5。 第二步：Scratch编程实现（积木化） 假设我们的小车角色是一个箭头，舞台背景是一张网格图。 1. 初始化与变量程序 当前x： 记录小车所在的列。 当前y： 记录小车所在的行。 【scratch程序一思路】： 当绿色旗帜被点击 将角色大小设定为 (50) （调整大小以适应网格） 将 [当前x v] 设为 (1) 将 [当前y v] 设为 (1) 移到 x: (-180) y: (180) （根据你的网格坐标调整，移动到(1,1)的位置） 全部擦除 // 清空画笔 落笔 // 准备画出行走路径 2. 核心循环与决策逻辑程序 这部分是教学的重点，直接对应流程图。 【scratch程序二思路】： 重复执行直到 <(当前x) = (5) 与 (当前y) = (5)> （循环直到到达终点(5,5)） 如果 <(当前x) = (5)> 那么 （如果已经到最右边，只能向下） [将 [当前y v] 增加 (1)] 否则 如果 <(当前y) = (5)> 那么 （如果已经到最下边，只能向右） [将 [当前x v] 增加 (1)] 否则 （这就是“贪心算法”的判断！计算向右走一步后，离终点的距离） 将 [向右距离 v] 设为 (((5) - ((当前x) + (1))) + ((5) - (当前y))) （计算向下走一步后，离终点的距离） 将 [向下距离 v] 设为 (((5) - (当前x)) + ((5) - ((当前y) + (1)))) 如果 <(向右距离) < (向下距离)> 那么 [将 [当前x v] 增加 (1)] （ 向右走更近，选择向右） 否则 [将 [当前y v] 增加 (1)] （否则选择向下） end end End （移动到新位置并画线） 在 (1) 秒内滑行到 x: ((-180) + ((当前x) - (1)) * (90))) y: ((180) - ((当前y) - (1)) * (90))) （上面的计算是根据网格间距（例如90像素）将(当前x,当前y)转换为舞台坐标） end 说 [成功送达！] (2) 秒 （ 到达终点！） 抬笔 3. 教学演示与调试 运行程序： 让学生观察小车是如何一步一步“思考”并移动到终点的。它会画出走过的路径。 故意“设坑”：在路径上放一个“障碍物”（比如一个红色的格子），然后问学生：“我们的‘贪心’AI会怎么走？它会绕开吗？” 结果学生会发现，这个简单的AI会卡在障碍物前面，因为它只会选择“当前”最好的，看不到全局。 引导升级： “这说明我们的算法还有改进空间！更高级的AI（如A*算法）会像一个有远见的人，能‘绕远’来避开障碍，最终找到通路。同学们课后可以挑战一下！” 三、 分层任务梯度设计预设： 基础任务（全体完成）： 理解流程图，并在老师提供的程序框架上，补充完整“贪心判断”部分的积木。 进阶任务（大部分学生）： 尝试修改终点坐标，观察AI是否能正确到达。 挑战任务（学有余力）：在网格中设置一个障碍物，并修改算法，让AI能够识别障碍并选择另一条路（例如，遇到障碍物就固定向下/向右绕）。 引入“能量”概念，不同路径消耗能量不同，让AI规划“最省能量”的路线。 1 学科网（北京）股份有限公司 $