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》要求学生初步了解机器学习的基本概念与核心原理，体验机器学习的一般过程，能区分常见的机器学习类型，感受机器学习在解决实际问题中的应用价值。 主要内容：本课包括机器学习的基本原理、有监督学习与无监督学习的特征区别、机器学习的实际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，本单元前三课语音识别、图像识别技术的学习，以及前一课人工智能算法的探究，为学生理解机器学习奠定了认知基础；本课的学习又为后续第十课智能创意的实践、九年级人工智能安全与发展的学习做好了铺垫，是人工智能学习从应用体验到原理探究的关键转折点。 放大镜思维——横向逻辑：本课以“解决水果店分拣痛点”为主线，从生活需求出发，先通过类比人类学习建构机器学习的核心概念，再对比探究两种常见机器学习类型的特征，最后应用知识解决真实问题，层层递进落实“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学习方式”等大概念，符合从具象到抽象、从感知到应用的认知逻辑。 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正逐步发展，但仍依赖具象案例支撑，对人工智能新技术充满好奇心，喜欢动手体验、探究式学习，排斥纯理论的灌输式教学。 2. 已有知识基础和生活经验：学生作为数字原住民，日常频繁接触机器学习产品，比如短视频个性化推荐、智能语音助手、拍照识物等，已经学习过人工智能的基本概念、三大技术基础，也体验过语音识别、图像识别等人工智能应用，具备一定的认知基础。 3. 典型认知误区：① 认为所有人工智能都属于机器学习，比如把提前设定好固定规则的简单人机对话也当成机器学习，不清楚机器学习的核心是自主从数据中总结规则；② 认为机器学习和普通编程一样，都是人给计算机设定好所有判断规则，比如认为AI分拣苹果就是人把红富士的所有颜色、形状特征都一一告诉计算机，不知道计算机是自己从数据中总结规律；③ 混淆有监督学习和无监督学习的适用场景，比如把电商平台给用户分群归类当成有监督学习，不知道该场景属于无监督学习。 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，正确解释“训练”“模型”两个核心术语的含义。 2. 通过观察体验两种分类过程，能总结出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。 3. 能针对生活中3种不同的机器学习应用场景，正确判断所使用的机器学习类型，体会机器学习解决实际问题的价值。 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特征区别 教学难点：理解机器学习是计算机从数据中自主总结规律，能正确区分不同场景的机器学习类型 教学方法 情境教学法、实验探究法、对比分析法、小组合作学习法 学习资源 硬件环境：两人一台联网计算机的多媒体教室 软件环境：谷歌浏览器、英荔AI机器学习体验平台、Kimi人工智能助手 教学资源：苹果分类标注数据集、课堂实验记录单、缤纷水果店情境素材 教学准备：提前调试平台访问权限，分发实验记录单与平台网址，提前准备无监督分类演示案例 学习过程 【活动描述】构建“缤纷水果店招聘AI改造助理”的真实情境，给出具体痛点：水果店每天进货120箱混装苹果，包含红富士、青苹果、蛇果3个品种，人工分拣需要2个工人花3小时完成，不仅人工成本高，还容易分错。请学生以AI助理的身份思考解决方案，引出本课主题。 【学生活动】倾听情境介绍，观察水果店人工分拣的现场图片，思考并交流自己想到的解决办法，提出用人工智能自动分拣的方案。 【教师活动】展示水果店分拣场景图片，抛出老板的真实需求，引导学生思考：传统人工分拣的核心痛点是什么？能不能用人工智能技术解决这个问题？顺势引出本课课题《人工智能中的机器学习》。 【设计意图】用真实的劳动场景痛点切入，贴近学生生活感知，激发学生解决问题的内驱力，让学生带着任务进入学习，避免空泛的课题引入。 【学习过程-建构】 活动1：原理探究——对比人类与AI的学习过程 【活动描述】给出具体对比案例：一个从来没见过苹果的小孩，大人给他看50张已经标注好品种的苹果图片（18张红富士、16张清苹果、16张蛇果），告诉小孩每个图片对应的品种，小孩看完后就能自己区分新的苹果。请学生小组讨论，推测人工智能要学会区分苹果，会按照什么过程学习，总结机器学习的核心特征。 【学生活动】4人一组讨论3分钟，对比人类学习过程，推测人工智能的学习过程，记录讨论结果，小组代表分享讨论结论。 【教师活动】展示人类学习与机器学习的对比图，归纳学生发言，总结核心概念：机器学习就是让计算机通过大量数据，自动总结规律、改进性能，获得识别、预测等能力的过程；学习的过程叫做训练，学习得到的规律叫做模型，模型可以简化表示为y=f(x)，输入新数据就能输出对应的结果。引导学生对比：之前学的普通编程是人给计算机定好所有规则，机器学习是计算机自己从数据中总结规则，破解认知误区。 【设计意图】用具象的生活化对比，把抽象的机器学习原理转化为学生可感知的案例，让学生自主生成核心概念，突破“机器学习是人定所有规则”的典型误区。 活动2：类型探究——两种机器学习情景对比 【活动描述】设置两个假设情景，请学生结合刚才的原理探究，思考两种情景下机器学习的不同特征：情景1：水果店老板已经整理好50张标注好品种的苹果图片，要训练AI分拣新的苹果，这是什么学习方式？情景2：老板有100张没有标注品种的苹果图片，想让AI把外形相似的苹果自动归为一类，这是什么学习方式？ 【学生活动】观察教师演示的无监督分类过程，对比有监督学习的特征，填写对比表格，总结两种学习的特征，判断两个情景对应的学习类型。 【教师活动】演示Kimi模拟无监督分类的过程：输入12张未标注品种的苹果图片，让Kimi按照特征自动分类，展示分类结果；讲解核心定义：有监督学习使用带标签（已知类别）的数据训练，多用于分类、预测任务；无监督学习使用无标签的数据训练，多用于发现数据中的结构与模式；引导学生得出结论：情景1对应有监督学习，情景2对应无监督学习。 【设计意图】通过真实情景的对比探究，让学生自主区分两种机器学习的特征与适用场景，突破混淆两种学习类型的认知误区。 【学习过程-应用】 【活动描述】回归“缤纷水果店AI升级”的主题，给出三个真实待解决问题，请学生分组判断每个问题适合用哪种机器学习方式，并说明理由：① 自动分拣混合品种的苹果（已经有200张标注好品种的苹果样本）；② 给到店顾客分组，给不同喜好的顾客推送不同的苹果产品（只有顾客的消费记录，没有提前给顾客分类）；③ 训练AI挑出坏果，从进货中筛选出不达标苹果（已经有1000张标注好“好果/坏果”的样本）。 【学生活动】每组讨论5分钟，整理本组的判断和理由，选出代表分享成果，其他组补充修正。 【教师活动】出示三个问题，巡视各组讨论，点评各组的判断结果，总结规律：有监督学习适合已经明确分类、需要对新数据做预测的场景，无监督学习适合不知道分类、需要挖掘数据内在规律的场景。 【设计意图】用贯穿全程的真实情境问题，让学生应用新知解决实际问题，巩固核心概念，形成完整的学习闭环，体现做中学的理念。 【学习过程-梳理】 【活动描述】沿着“发现水果店痛点→探究机器学习原理→区分两种学习类型→解决水果店问题”的学习主线，梳理本课核心知识点，构建清晰的知识框架。 【学生活动】跟着教师的引导，回顾本课核心概念，补充完善自己的课堂笔记。 【教师活动】梳理总结：我们从水果店分拣苹果的真实痛点，感知了机器学习的应用需求；通过对比人类学习，建构了机器学习“从数据中自主总结规律”的核心原理；通过对比探究，区分了有监督学习和无监督学习的特征与适用场景；最后应用知识解决了水果店的多个实际问题，机器学习是当前绝大多数人工智能应用的核心基础，改变了我们解决问题的方式。 【设计意图】梳理知识结构，强化学习逻辑，让核心概念更加清晰，帮助学生建立结构化的知识体系。 板书设计 一、机器学习 核心：从数据中自主总结规律 术语：训练（过程）、模型（结果） 二、有监督学习 →带标签数据·分类预测 三、无监督学习 →无标签数据·发现结构 评价设计 评价维度： 1. 情境参与度：是否主动思考问题，积极参与小组讨论 2. 概念理解度：能否准确说出机器学习原理，区分两种学习类型 3. 任务完成度：能否正确判断不同应用场景的机器学习类型 4. 合作交流度：是否主动分享观点，配合小组完成探究任务 评价方式：自评（30%）+ 小组互评（30%）+ 教师评价（40%） 教学反思 亮点：用贯穿全程的缤纷水果店情境，把抽象的机器学习概念转化为具象的真实问题，符合八年级学生的认知特点；通过对比探究突破认知误区，避免了纯理论讲授的枯燥，学生参与度较高，核心概念落实到位。 改进设想：如果能预留足够时间让学生动手体验无监督学习过程，而不是仅做教师演示，学生对两种学习方式的理解会更深刻；如果增加拓展探究环节，让学生调整模型参数，探究样本数量对识别准确率的影响，学生对机器学习过程的体验会更充分。 学科网（北京）股份有限公司 $