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 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》要求学生初步体验人工智能典型应用，了解机器学习的基本过程，认识数据、算法在人工智能中的核心作用，能针对简单问题提出基于人工智能的解决方案。 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特点、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：本课是八年级下册第二单元《智能技术初体验》的第4课，本单元前3课的语音识别、图像识别学习为学生积累了AI应用体验基础，第8课《人工智能中的算法》为探究机器学习原理提供了方法支撑；本课学习是AI应用从“体验”到“原理探究”的进阶，也为后续第10课《智能创意》的实践应用，以及九年级人工智能安全与发展、高中人工智能模块的深入学习奠定基础。 放大镜思维——横向逻辑：本课以“解决水果店分拣问题”为主线，遵循“真实问题引入→核心概念建构→实践体验应用→知识梳理总结”的逻辑，落实“人工智能三大技术基础是数据、算法、算力”“机器学习是人工智能核心技术，不同学习方式适配不同场景”的大概念，从具象体验到抽象概念层层递进，符合八年级学生的认知规律。 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，但仍依赖具象案例支撑，对人工智能产品充满好奇，喜欢动手体验类的学习活动，排斥纯理论的灌输式学习。 2. 已有知识基础和生活经验：学生作为数字原住民，日常长期使用个性化短视频推荐、AI图像分类、智能语音助手等机器学习产品；此前已经学习了人工智能基本概念、三大技术基础、语音与图像识别技术，有一定的算法基础，能够完成简单的平台操作任务。 3. 典型认知误区：①认为所有人工智能都是程序员提前写好所有规则，比如认为短视频推荐就是程序员提前把内容固定分类推送给用户，不知道机器学习是计算机从海量用户数据中自动归纳规则实现推荐；②认为机器学习和人类学习的逻辑完全不同，觉得电脑学习只是纯粹的计算，不理解机器学习的底层逻辑和人类认识新事物的逻辑高度相似；③分不清有监督学习和无监督学习的适用场景，比如认为所有AI分类任务都是有监督学习，不知道给一堆无标注的用户消费数据让AI自动分组就是无监督学习。 学习目标 1. 通过对比人类认识苹果和人工智能认识苹果的过程，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. 通过动手体验英荔AI平台的苹果分类训练，能总结有监督学习的核心特点，通过对比教师演示的无监督分类过程，能准确说出有监督学习与无监督学习的核心区别。 3. 能针对生活中不同的人工智能应用场景，选择合适的机器学习方式解决真实问题，体会机器学习对提升生活效率的价值。 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点 教学难点：理解机器学习从数据中自动归纳规则的核心逻辑，准确区分两种机器学习方式的适用场景 教学方法 情境教学法、实验探究法、对比分析法、小组合作法 学习资源 硬件环境：多媒体计算机教室，每两位学生一台联网计算机 软件环境：英荔AI实验平台、Kimi人工智能助手、网页版互动答题工具 教学资源：苹果分类实验记录单、水果店真实场景案例包、实验用苹果图片样本 教学准备：提前调试平台网络，预传实验样本，课前分发实验记录单 学习过程 【活动描述】创设“果缤纷水果店招聘AI改造助理”的真实情境：老板每天进货约1000斤苹果，包含红富士、青苹果、蛇果3个品种，人工分拣需要花费2小时，还经常出错，老板希望能用人工智能解决自动分拣问题，引发学生思考解决方案，引入本课。 【学生活动】倾听情境介绍，观察水果店人工分拣的实拍素材，思考解决方向，主动发言分享自己的初步想法。 【教师活动】播放水果店人工分拣的1分钟实拍小视频，抛出核心问题：“如果让你开发一个AI分拣系统，你打算怎么教AI认识不同品种的苹果？”引导学生进入思考。 【设计意图】用贴近学生生活的真实问题引入，让学生带着解决实际问题的目标进入学习，有效激发学生的参与动机，自然引出本课主题。 【学习过程-建构】 活动1：原理探究——对比人类与AI的学习过程，生成机器学习概念 【活动描述】给出具体对比案例：一个从未见过苹果的3岁小孩，家长每次拿一个苹果都会告诉他品种，给小孩看10个红富士、10个青苹果、10个蛇果的样本后，小孩就能认出新的苹果。请学生分小组讨论2分钟：类比人类学习的过程，我们该怎么教AI认识苹果，推导AI的学习流程。 【学生活动】4人小组讨论，对比人类学习过程推导AI学习思路，派代表分享小组讨论结果。 【教师活动】归纳学生的推导思路，提炼机器学习核心流程：给AI展示大量带品种标签的苹果图片→AI从图片中自动总结不同品种的特征→得到能区分品种的模型→输入新苹果图片就能输出分类结果。给出机器学习的定义，强调核心差异：传统编程是人给电脑定死规则，机器学习是电脑自己从数据中学习规则，“训练”是学习过程，“模型”是学习得到的规则结果。 【设计意图】用学生熟悉的人类学习过程做类比，把抽象的机器学习原理具象化，让学生自主生成核心概念，突破“机器学习自动归纳规则”这一认知难点。 活动2：场景假设——探究两种机器学习方式的核心差异 【活动描述】给出两个假设任务，请学生对比差异，提出猜想：任务1：我们已经有30张标注好品种的苹果图片，要训练AI分拣新苹果，AI该怎么学？任务2：供货商送来一堆没标注的苹果，我们也不知道有几个品种，让AI把相同特征的苹果归为一类，AI能做到吗？两个任务的学习过程有什么不同？ 【学生活动】对比两个任务的条件差异，思考AI学习过程的不同，提出自己的猜想并分享。 【教师活动】总结学生的猜想，引出核心概念：用带标签的数据学习，解决分类预测问题，就是**有监督学习**；用无标签的数据学习，让AI自己找数据特征分组，就是**无监督学习**。 【设计意图】通过不同条件的假设场景，让学生自主发现两种学习方式的核心差异，完成核心概念的建构，为后续实践体验做好铺垫。 【学习过程-应用】 【活动描述】设置三层应用任务：①两人小组动手体验：在英荔AI平台完成苹果分类的有监督学习训练，分别测试“10张样本/30张样本”“背景干净/背景复杂样本”对模型准确率的影响，填写实验记录单；②观察演示：教师用Kimi人工智能演示无监督分类，给Kimi12张无标注的混合水果图片，让Kimi自动分类，学生观察分类结果；③场景应用：回归水果店的三个实际问题，学生选择合适的机器学习方式：自动分拣苹果→？给不同顾客推荐适配的苹果商品→？自动分组发现不同顾客的消费偏好→？ 【学生活动】①小组分工，一人操作一人记录，完成不同参数的模型训练，记录准确率结果；②观察Kimi的无监督分类过程，总结无监督学习的特点；③独立完成三个场景的方案选择，主动分享自己的判断。 【教师活动】①巡视课堂，帮助遇到操作问题的小组，提示学生对比不同参数下的准确率差异；②演示无监督分类过程，引导学生总结两种学习方式的区别；③组织学生分享方案选择结果，点评纠正错误认知。 【设计意图】通过动手体验把抽象概念转化为具体实践，通过真实场景的应用检测学生的概念掌握情况，落实“做中学”的理念，提升学生问题解决能力。 【学习过程-梳理】 【活动描述】以“帮水果店完成AI改造”的主线，梳理本节课的核心知识脉络，引导学生反思学习收获。 【学生活动】跟着教师引导回顾学习过程，梳理核心概念，分享自己的学习收获。 【教师活动】引导梳理：我们从水果店分拣的真实问题切入→对比人类学习，建构了机器学习、训练、模型的核心概念→通过场景对比，区分了有监督和无监督学习→动手体验模型训练，解决了水果店的多个实际问题。最后总结：机器学习的核心是“数据越充分，训练越到位，模型越准确”，我们身边绝大多数人工智能应用的背后，都有机器学习的支撑。 【设计意图】用贯穿整课的情境把知识结构化，帮助学生形成完整的知识体系，强化核心概念的理解。 板书设计 一、机器学习原理 过程：数据→训练→模型→预测 核心：计算机自动从数据中学习规则 二、机器学习分类 1. 有监督学习：带标签→分类预测 2. 无监督学习：无标签→找规律分组 三、生活应用：分拣、推荐、用户分组 评价设计 评价维度： 1. 课堂参与：积极参与小组讨论，主动提出解决思路 2. 实验操作：能按要求完成模型训练，准确记录实验数据 3. 概念理解：能正确区分有监督与无监督学习，说出核心特点 4. 问题解决：能针对不同场景正确选择合适的机器学习方式 评价方式： 自评（填写实验记录单后的自我评价，占30%）、互评（小组间互评实验完成质量，占30%）、师评（结合课堂表现与场景应用结果评价，占40%） 教学反思 亮点：1. 整课用“水果店AI改造”的真实情境贯穿，感知-建构-应用-梳理形成完整闭环，符合八年级学生的认知特点，学生课堂参与度高；2. 用人类认识新事物的过程类比机器学习原理，把抽象概念具象化，通过动手实验突破难点，落实了做中学的理念，核心概念的掌握效果较好；3. 两个建构活动层层递进，符合从具象到抽象的认知规律，学生能自主生成概念，不是被动接受知识。 改进设想：1. 如果能给接受能力较快的小组额外设置一个小型的无监督学习体验任务，而不只是教师演示，就能更好满足不同层次学生的学习需求；2. 如果课前提前收集学生自己日常使用AI产品的经历，课堂上结合学生自己的案例分析，会更贴近学生实际，代入感更强。 学科网（北京）股份有限公司 $