第9课 人工智能中的机器学习 教学设计 2025-2026学年浙教版初中信息科技八年级下册

初中信息科技课时备课 课 时 概 况 课 题 八年级下册第九课《人工智能中的机器学习》 课时序号 教师 备课时间 年 月 日 上课时间 年 月 日 教 学 设 计 学习内容分析 课标相应内容要求：《信息科技课程标准》要求学生初步了解人工智能中机器学习的基本原理，能识别机器学习在生活中的常见应用，体会数据、算法在人工智能技术中的核心作用。 主要内容：本课包含机器学习的基本原理、有监督学习与无监督学习的核心特征、机器学习的生活应用三部分核心内容。 望远镜思维——纵向联系：本课之前，学生已经学习了人工智能三大技术基础、语音识别、图像识别、人工智能常用算法等内容，为本课原理探究提供了知识基础；本课是对人工智能技术从应用到原理的深化，也为后续《智能创意》一课的实践，以及九年级人工智能安全与伦理的学习奠定了认知基础。 放大镜思维——横向逻辑：本课遵循“情境引入→原理建构→实践应用”的逻辑主线，从学生熟悉的生活体验出发，先对比人类学习建构机器学习的核心概念，再区分两类常见机器学习方式的差异，最后落脚到解决真实生活问题，层层递进落实“人工智能核心是数据、算法、算力”的大概念要求。 学习对象分析 1. 心理和思维特点：八年级学生抽象逻辑思维逐步发展，但仍依赖具象的案例和动手体验支撑，对人工智能类新鲜内容有较强的探究欲望，喜欢参与互动式、体验式的学习活动。 2. 已有知识基础和生活经验：学生已经掌握人工智能的基本概念、三大技术基础，体验过语音识别、图像识别等人工智能应用；同时学生是机器学习产品的深度用户，日常接触短视频推荐、个性化购物推荐、智能输入法联想等功能，有丰富的生活体验。 3. 典型认知误区：① 认为“人工智能就是机器学习”，比如学生觉得ChatGPT、智能导航都是机器学习，不知道还有很多传统规则式人工智能不属于机器学习；② 认为“机器学习和普通编程一样，都是人给计算机定好所有规则”，比如学生默认苹果分类就是人给计算机写好“红色是红富士、绿色是青苹果”的规则，不知道机器学习是计算机自己从数据中归纳规则；③ 认为“机器学习训练样本越多，准确率一定越高”，比如学生觉得加1000个样本的准确率一定会比10个样本高，不知道错误标注的样本越多反而会降低模型准确率。 学习目标 1. 通过对比人类学习和机器学习的过程，能准确说出机器学习的基本原理，能解释“训练”“模型”两个核心概念的含义。 2. 通过探究假设情景和动手实验，能总结有监督学习和无监督学习的核心特征，准确说出两者的区别和适用场景。 3. 能列举3个以上生活中机器学习的应用案例，能针对具体的生活问题选择合适的机器学习方式解决。 教学重难点 教学重点：机器学习的基本原理，有监督学习与无监督学习的核心特征 教学难点：理解机器学习“从数据中自动归纳规则”的本质，正确区分两种学习方式的适用场景 教学方法 情境教学法、实验探究法、对比归纳法、小组合作学习法 学习资源 硬件环境：多媒体计算机教室，学生人手一台联网计算机 软件环境：英荔AI在线机器学习工具、Kimi人工智能助手、主流浏览器 教学资源：苹果分类标注样本包、学生实验记录单、水果店问题情境包 教学准备：提前调试在线工具、预发实验记录单、预设学生操作常见问题解决方案 学习过程 【活动描述】展示两个不同的抖音首页截图：一张是教师的抖音首页，全部推送健身内容；一张是本班学生的抖音首页，全部推送动漫剪辑内容。提出问题：同一个APP，为什么两个人刷到的内容完全不一样？背后是谁在做推荐？引导学生提出猜想。 【学生活动】结合自己刷短视频、逛购物APP的经历，思考问题，分享自己的猜想，多数学生能说出“是APP根据我喜欢的内容推荐的”，但说不清推荐的机制。 【教师活动】展示两张截图，引出问题，总结学生的猜想，点明：个性化推荐的核心就是本课要学习的机器学习，今天我们就一起来探究机器学习到底是怎么工作的。 【设计意图】从学生每天都接触的真实场景切入，引发认知冲突，快速激发学生的学习兴趣，自然引入本课主题，拉近知识和生活的距离。 【学习过程-建构】 活动1：原理探究——对比人类学习与机器学习 【活动描述】给出带具体数据的对比案例：老师教小朋友认苹果，给小朋友展示10张标注好“红富士”的图片，10张标注好“青苹果”的图片，小朋友看完后自己总结两种苹果的特征，拿到新的苹果就能自己分类。请4人小组讨论，对比这个过程，说一说如果让计算机完成同样的苹果分类任务，过程会是什么样的？填写对比表格。 【学生活动】小组讨论，对比人类学习和计算机学习的过程，填写表格（包含学习素材、是否提前知道分类、学习过程、输出结果四个对比项），派代表分享小组讨论结果。 【教师活动】展示对比案例，发放对比表格，巡视指导小组讨论，总结学生发言，提炼核心概念：机器学习就是计算机通过大量数据，自动归纳特征、总结规则，生成“模型”，这个学习过程叫做“训练”，训练好的模型就可以对新的未知数据做出判断。点明机器学习和传统编程最核心的区别：传统编程是人给计算机定规则，机器学习是计算机自己从数据里学规则。 【设计意图】通过带具体数据的对比案例，让学生自主生成机器学习的核心概念，把抽象的原理具象化，符合八年级学生的认知发展特点，突破“机器学习本质”这一难点。 活动2：场景探究——区分两类机器学习方式 【活动描述】给出两个假设的水果店情景，请小组探究：情景1：水果店老板已经整理好200张标注好品种的苹果图片（红富士、青苹果、蛇果各有标注），想要让计算机自动分拣新来的苹果，该让计算机怎么学？情景2：老板进了一批未知品种的新苹果，想要让计算机帮把特征相似的苹果归为一类，提前不知道每个苹果的品种，该让计算机怎么学？请小组讨论两个情景的差异，提出学习方式的猜想。 【学生活动】小组讨论两个情景的差异，能发现第一个情景有提前分好类的标注数据，第二个情景没有任何标注，提出猜想：第一个用带标注的数据学习，第二个不用标注自己分类。 【教师活动】总结学生的猜想，引出两个核心概念：第一种用带标签（标注）数据学习的方式叫做有监督学习，一般用于分类、预测任务；第二种用无标签数据学习的方式叫做无监督学习，一般用于发现数据内部的结构和模式。 【设计意图】通过假设情景探究，让学生自主建构两种机器学习方式的核心差异，避免教师直接灌输概念，培养学生的探究能力。 【学习过程-应用】 【活动描述】学生两人一组完成两个应用任务：任务1：打开英荔AI在线工具，体验有监督学习训练苹果分类模型，分别测试10个样本、50个样本、100个样本的识别准确率，记录到实验单上；任务2：结合所学知识，完成三个问题：①水果店自动分拣苹果用哪种学习方式？②给水果店不同顾客推送个性化优惠券用哪种？③把未知偏好的顾客分组，用哪种学习方式？ 【学生活动】两人分工合作，一人操作一人记录实验数据，完成测试后回答三个问题，小组分享自己的实验结果和结论。 【教师活动】巡视课堂，解决学生操作问题，组织小组分享，点评结论，纠正学生的认知误区：比如指出样本多不一定准确率高，如果样本标注错误，反而会降低准确率。 【设计意图】通过真实的动手体验和问题解决，把建构的概念落地，检验学生对知识的掌握程度，在应用中纠正认知误区，落实“做中学”的理念。 【学习过程-梳理】 【活动描述】围绕三个核心问题梳理本课知识：①什么是机器学习？它和传统编程最核心的区别是什么？②有监督学习和无监督学习的核心区别是什么？分别适用于什么场景？引导学生一起梳理知识框架。 【学生活动】依次回答三个问题，回顾本课学习的核心内容，整理自己的知识体系。 【教师活动】总结梳理：本课我们从日常的个性化推荐切入，探究了机器学习的核心原理，区分了两种常见的机器学习方式，解决了水果店的真实问题，机器学习是当前人工智能的核心技术，正在改变我们生活的方方面面。 【设计意图】帮助学生将零散的知识结构化，形成完整的认知，呼应开头的情境，形成学习闭环。 板书设计 一、机器学习的本质 从数据中自动归纳规则 → 核心：训练、模型 二、常见机器学习方式 1. 有监督学习：带标签→分类/预测 2. 无监督学习：无标签→发现模式 三、机器学习改变生活 评价设计 评价维度： 1. 概念理解：能否准确说出机器学习原理和两种学习方式的区别 2. 实验操作：能否独立完成模型训练，准确记录实验数据 3. 问题解决：能否针对具体问题正确选择对应的机器学习方式 4. 合作交流：能否积极参与小组讨论，主动分享自己的观点 评价方式： 概念理解→师评；实验操作→自评+互评；问题解决→互评+师评；合作交流→自评+师评 教学反思 亮点：1. 从学生熟悉的日常场景切入，用问题贯穿整节课，学生参与度高，能有效激发探究欲望；2. 把抽象的机器学习概念转化为具象的对比、探究和动手体验，符合八年级学生的认知特点，较好突破了难点；3. 提前预设学生的典型认知误区，在应用环节针对性纠正，落实了信息科技核心素养。 改进设想：1. 如果能给不同层次的学生设计分层任务，基础层完成苹果分类，提高层尝试猫狗分类拓展训练，就能更好满足不同学生的学习需求；2. 如果让学生自主体验小样本的无监督分类活动，而不是仅由教师演示，学生的体验会更深刻；3. 如果增加10分钟探究“样本质量对准确率的影响”的小活动，就能更好纠正“样本越多准确率一定越高”的误区，教学效果会更完美。 学科网（北京）股份有限公司 $