第28课 大数据助力智能（教学设计）-2025-2026学年四年级全一册信息技术人教版

《第28课 大数据助力智能》教学设计 教学目标 知识与技能：了解大数据在拍照识花、智能对弈等场景的应用；掌握拍照识花的核心数据支撑和工作原理；能说出人工智能应用中大数据的作用。 过程与方法：通过动手体验、小组讨论、原理分析等活动，培养观察探究和逻辑思维能力；学会从生活场景中发现大数据的应用价值。 情感态度与价值观：感受大数据对人工智能的赋能作用，提升利用大数据解决实际问题的兴趣；培养对人工智能和大数据科技的探索热情。 教学重难点 重点：认识拍照识花、智能对弈背后的大数据支撑；理解大数据在人工智能应用中的核心作用。 难点：理清拍照识花的工作原理，区分机器计算与人工计算的异同，理解大数据如何推动人工智能实现智能决策。 教学准备 教师准备：多媒体课件及课堂练习素材；调试好计算机教室的多媒体设备。 教学过程 1、 课堂导入：情境激趣，引出主题（5 分钟） 1.情境提问：教师展示迎春花、荷花、三角梅的高清图片，提问：“同学们，这几种花大家认识吗？如果在公园遇到不认识的花，你们会怎么知道它的名字？” 引导学生自由发言（如问家长、查百度、用识花软件），教师对学生的答案进行肯定。 2.现场演示：教师拿出提前准备的月季实物，用拍照识花 APP 现场拍摄识别，展示识别结果（花名、科属、特征），提问：“机器为什么能一秒认出这朵花？它的‘大脑’里藏了什么秘密？” 3.引出主题：“机器的‘聪明’，靠的不是凭空猜测，而是背后海量的大数据支持。今天我们就一起学习《大数据助力智能》，亲手体验、层层探索，揭开大数据让人工智能变聪明的奥秘！”（板书课题：第 28 课 大数据助力智能） 二、学习活动一：分组体验大数据应用，记录感受（8 分钟） 核心任务：让学生亲手体验拍照识花、智能对弈，直观感受大数据带来的智能效果，为后续探究做铺垫。 1.任务布置：将学生分为两大组，A 组（识花组）：用拍照识花 APP 识别教师准备的花卉实物 / 图片，每人至少识别 2 种，记录 “识别速度、识别结果是否准确”；B 组（对弈组）：用智能对弈小程序与 AI 下围棋 / 象棋，每人下 3-5 步，记录 “AI 走棋速度、自己是否能赢 AI”。组长负责组织，确保每人都能操作。 2.动手体验：学生分组操作，教师巡视指导，解决设备操作问题（如 APP 打开方式、拍照对焦、小程序进入方法），提醒学生认真记录体验感受。 3.分享交流：邀请 2-3 名学生（识花组、对弈组各 1-2 名）分享体验，教师引导学生总结：“拍照识花速度快、准确率高，智能对弈棋艺高、走棋快”，并追问：“这些智能应用的优秀表现，背后到底靠什么支撑？” 引发学生思考，自然过渡到下一环节。 三、学习活动二：探究拍照识花背后的大数据（12 分钟） 核心任务：从 “数据支撑 - 原理解析 - 拓展应用” 三层，让学生掌握拍照识花的核心逻辑，理解 “海量图像数据 + 特征比对” 是智能识别的关键。 环节 1：探究拍照识花的大数据支撑（3 分钟） 1.教师提问：“机器能识别花朵，首先需要‘认识’各种各样的花，它的‘花库’里有什么？” 展示中国植物图像库数据：“截至 2024 年 7 月，这个库收录了 627 科、79974 种植物，共 1700 多万幅图片，每一张图片都对应着花名、科属等信息。” 2.强调：“这 1700 多万幅图片和对应的信息，就是拍照识花的核心大数据，机器提前学习了这些数据，才能识别我们拍摄的花朵。”（板书：拍照识花→数据支撑：中国植物图像库（海量花卉图片 + 名称 / 特征数据）） 环节 2：解析拍照识花的四步工作原理（5 分钟） 1.教师展示拍照识花流程图（采集图片→提取特征→特征比对→输出结果），结合迎春花案例，分步讲解，让抽象过程具象化： 第一步：采集图片：用 APP 拍摄花朵，获取花朵的图像数据（就像机器 “看” 到了这朵花）； 第二步：提取特征：机器从图片中提取花朵的关键特征，如迎春花 “黄色花瓣、6 枚瓣片、单生于叶腋”（就像机器 “记住” 了这朵花的特点）； 第三步：特征比对：机器将提取的特征，与中国植物图像库中 1700 多万幅花卉的特征数据逐一对比（就像机器 “翻字典” 找匹配的花）； 第四步：输出结果：对比后找到最匹配的花卉，显示花名、科属等信息（就像机器 “说出” 花的名字）。 2.互动提问：“如果机器的‘花库’里没有某朵花的图片数据，能识别出来吗？” 引导学生回答：“不能”，强化 “数据是基础” 的认知。 环节 3：拓展应用，迁移原理（4 分钟） 1.小组讨论（2 分钟）：教师提问：“如果把‘花朵’换成其他物体，拍照识花的原理还能用到哪里？” 让学生 4 人一组讨论，将答案写在任务单上。 2.分享讲解（2 分钟）：邀请小组代表发言，教师结合课件展示人脸识别、无人驾驶车辆识别的应用，解析其与拍照识花的相同原理：均依托 “专属图像大数据 + 四步识别法”，如人脸识别需要 “人脸图像库”，车辆识别需要 “车辆图像库”。（板书：拓展应用：人脸识别、无人驾驶车辆识别） 四、学习活动三：对比人机计算，理解大数据对智能对弈的赋能（10 分钟） 核心任务：从 “阿尔法围棋的学习过程 - 数据来源 - 人机计算异同” 三个维度，让学生理解大数据如何让机器实现 “智能对弈”，突破教学难点。 环节 1：铺垫情境，引出阿尔法围棋（2 分钟） 1.教师提问：“同学们下过棋吗？下棋小白和下棋高手的区别是什么？” 引导学生回答：“高手经验多、能预判对手走法、知道哪步棋更有利”。 2.教师介绍：“有一个 AI 叫阿尔法围棋，它的棋艺比人类世界冠军还高，它没有老师教，全靠自己‘学习’，它是怎么学会下棋的呢？” 引发学生好奇。 环节 2：解析阿尔法围棋的学习过程与数据来源（3 分钟） 1.教师展示阿尔法围棋的六步学习过程（学习规则→观察高水平比赛→自己练习→记住经验→预测对手→不断进步），强调每一步都离不开大数据： · 观察学习：看了3000 万盘人类高水平围棋比赛的数据，学习棋手的走法； · 自己练习：自我博弈490 万盘，积累海量的博弈数据，记住 “哪步棋更有利”。 2.板书：智能对弈（阿尔法围棋）→学习数据：3000 万盘人类比赛数据 + 490 万盘自我博弈数据。 环节 3：小组讨论，区分人机计算的异同（5 分钟） 1.任务布置：教师提出两个讨论问题，让学生 4 人一组讨论，将答案填写在任务单的表格中： · 问题 1：阿尔法围棋的大数据起到了什么作用？ · 问题 2：机器计算（阿尔法围棋）和人工计算（人类下棋）有什么相同点和不同点？ 2.小组讨论：教师巡视指导，引导学生从 “经验积累、学习速度、存储量、预判能力” 等角度思考。 3.总结梳理：邀请小组代表发言，教师补充并板书人机计算的异同： · 相同点：都需要积累经验，都需要预判对手走法； · 不同点：人类靠长期练习积累有限经验，机器靠大数据快速积累海量经验；人类思考速度慢，机器计算 / 比对速度快。 4.延伸提问：“你们还知道哪些体育项目用大数据实现科学训练？”（如乒乓球动作分析、篮球投篮数据统计），强化大数据的应用价值。 五、课堂总结与拓展提升（5 分钟） 环节 1：师生共同总结，梳理核心知识点（3 分钟） 1.教师引导学生回顾本节课内容，结合板书，共同梳理核心要点： · 大数据应用：拍照识花、智能对弈、人脸识别、无人驾驶等； · 核心逻辑：大数据是人工智能的基础，海量数据支撑智能应用，让机器更高效、更聪明； · 关键原理：智能识别靠 “图像大数据 + 四步识别法”，智能对弈靠 “海量棋谱数据 + 自我博弈数据”。 2.教师强调：“大数据不仅能助力智能识别、智能对弈，还能应用在天文、医疗、交通等各个领域，点亮我们的生活。” 环节 2：布置分层拓展任务，落实课后探究（2 分钟） 1.基础任务（必做）：和家长一起体验拍照识花 APP，识别家里 / 小区的 3 种植物，记录植物名称和识别过程，说说背后的大数据作用。 2.提升任务（选做）：查阅资料，了解银河系中心黑洞 “人马座 A*” 的画像拍摄使用了哪些数据，分析大数据在其中的作用，下节课分享。 3.观察任务（必做）：寻找身边 1 个其他的大数据智能应用（如淘宝智能推荐、语音助手），记录其应用场景，猜测背后的大数据支撑。 板书设计 第 28 课 大数据助力智能 一、拍照识花 1.数据支撑：中国植物图像库（627 科、1700 余万幅花卉图片 + 名称 / 特征数据） 2.工作原理：采集图片→提取特征→特征比对→输出结果 3.拓展应用：人脸识别、无人驾驶车辆识别（专属图像大数据） 二、智能对弈（阿尔法围棋） 1.学习数据：3000 万盘人类比赛数据 + 490 万盘自我博弈数据 2.大数据作用：快速积累海量经验，精准预判对手走法 三、人机计算的异同 · 相同：积累经验、预判走法 · 不同：人类（经验有限、速度慢）；机器（大数据、经验海量、速度快） 核心：大数据→人工智能的基础，赋能智能更高效！ 教学反思 本节课以实操体验为核心，通过拍照识花、智能对弈等活动，引导四年级学生探究大数据与人工智能的关联，基本达成教学目标。实物识花和 AI 对弈的动手环节充分调动学生积极性，将抽象的大数据转化为具象的图像库、棋谱数据，让学生直观感知数据的支撑作用，小组讨论也有效培养了合作探究能力。 教学中仍有不足：部分学生对 “特征提取与比对” 的抽象过程理解浅薄，仅停留在流程记忆；少数小组分析人机计算异同时思路狭窄，需教师过多引导；个别学生设备操作不熟练，影响体验进度，且拓展应用举例较少，未充分结合学生日常接触的智能场景。 后续将用趣味小游戏类比特征提取，设计讨论提示卡梳理思考角度，课前增加设备操作指导，同时结合智能推荐、语音识别等生活案例，让学生更真切感受大数据的应用价值。 学科网（北京）股份有限公司 $