第五单元+人工智能的实现方式—设计一款无人驾驶智能车 +探索1 搜索与推理（第一课时）+教学设计2025-2026学年苏科版初中信息科技九年级全一册

课时编号 002 备课时间 上课时间 课　　题 第五单元 探索1 搜索与推理（第一课时） 教学目标 信息意识 1.理解搜索算法是人工智能解决路径问题的核心技术，感知其在无人驾驶、导航、物流配送等场景的广泛应用，增强对 AI 技术落地能力的认知。 2.了解穷举搜索、深度优先、宽度优先、启发式搜索的应用差异，提升对 AI 算法技术原理的敏感度与信息甄别能力。 计算思维 1.掌握搜索算法的核心定义，能拆解最短路径问题的解决逻辑，理解 “遍历 - 寻找最优” 的算法思维。 2.对比深度优先与宽度优先搜索的原理，能分析路径规划中的搜索效率问题，培养路径抽象、递归推理与算法优化的计算思维。 数字化学习与创新 1.完成 “最短路径” 的路径规划实践，利用平台工具体验深度优先 / 宽度优先算法，提升数字化工具操作与算法验证能力。 2.结合无人驾驶场景，尝试设计简易的路径规划方案，培养算法思维的创新应用与系统设计能力。 信息社会责任 1.认识搜索算法对智慧交通、高效生活的推动作用，理解技术优化对社会效率的提升意义。 2.理性看待算法的局限性（如穷举法的效率瓶颈），培养科学、严谨、创新的技术观。 教学重点 1.搜索算法的核心概念与应用场景（路径规划）。 2.深度优先搜索（DFS）与宽度优先搜索（BFS）的基本原理与路径遍历规则。 教学难点 1.理解深度优先搜索的 “递归回溯” 逻辑与宽度优先搜索的 “层级拓展” 逻辑。 2.分析不同搜索算法在无人驾驶场景中的效率差异与适用场景。 教学方法 教法：情境教学法、实验探究法、对比分析法、小组合作指导法 学法：实操体验法、逻辑梳理法、迁移应用法、讨论探究法 教学准备 硬件：多媒体教室、计算机、投影设备 软件：PPT 课件、江苏省中小学信息科技课程平台（DFS/BFS 算法演示模块）、路径规划动画 素材：区域路况图（图 5-1）、抽象路况网格（图 5-2）、算法对比卡片、太湖生态岛自动驾驶案例、生活导航 APP 截图 分组：4 人一组，设操作员、记录员、分析员、发言人 教　学　过　程 教学环节 教师活动 学生活动 设计意图 一、情境导入，聚焦路径（5 分钟） 1.播放太湖生态岛自动驾驶短视频，提问：“无人驾驶智能车如何从起点自动行驶到出口？它遇到复杂路况时，如何选择最短路径？” 2.展示图 5-1 区域路况图，引出任务：“车辆从入口到出口，如何避开黑色建筑？哪一条是最短路径？” 3.引出课题：“今天我们探究人工智能的核心实现方式 —— 搜索算法，用算法思维解决无人驾驶的路径问题。” 1.观看视频，感知无人驾驶的便捷，思考路径规划问题。 2.观察区域图，尝试手绘最短路径，进入探究状态。 3.明确本节课核心任务：理解搜索算法原理。 1.用真实无人驾驶场景导入，激发兴趣，落实信息意识。 2.手绘路径建立 “问题意识”，为算法原理理解提供现实参照。 二、新知探究 1：搜索算法与穷举法（8 分钟） 1.讲解搜索算法概念：利用计算机高性能，枚举问题的部分 / 所有解，利用知识逐步求解放法的技术。 2.重点讲解穷举法： 原理：遍历所有可能路径，找到最优解。 特点：适合路径规划，利用计算机高速执行优势。 新案例：外卖配送车遍历所有配送点规划路线、快递车优化园区投递路径3.结合图 5-1 讲解：无人驾驶智能车的路径规划离不开搜索算法，穷举法是基础。 1.理解搜索算法与穷举法的核心概念。 2.分析生活中穷举法的应用案例，构建算法与生活的关联。 3.明确搜索算法是无人驾驶的导航基础。 1.从概念入手，搭建算法认知框架，落实计算思维。 2.补充生活案例，让学生理解算法的普适性，拓展视野。 三、实践探究 1：深度优先搜索（DFS）（12 分钟） 1.展示图 5-2 抽象路况，讲解深度优先搜索： 核心规则：“先上后下、先左后右”（或预设规则），沿一条路走到头（递归拓展）。 回溯机制：遇到死路/重复点，退回前一个顶点（回溯），继续探索其他方向。 特点：属于盲目搜索，遍历所有路径。 2.布置小组任务： 任务 1：按 “先上后下、先左后右” 规则，找出车辆从 (0,0) 到 (4,4) 的所有路径。 任务 2：登录信息科技课程平台，体验 DFS 算法演示，观察搜索过程。3.巡视指导，重点帮助学生理解 “递归” 与 “回溯” 的逻辑，纠正路径重复的错误。 4.小组分享：DFS 搜索规则是什么？搜索过程有什么特点？ 1.学习 DFS 原理，拆解递归与回溯的逻辑。 2.小组合作，在网格图上推导路径，记录探索过程。 3.体验平台算法，直观观察搜索流程，验证手动推导结果。 4.总结 DFS 的 “一条路走到黑” 的搜索特性。 1.核心实践环节：通过手动推导 + 软件验证，深度理解 DFS 逻辑，突破教学难点。 2.培养协作与逻辑推理能力，落实数字化学习与创新。 四、实践探究 2：宽度优先搜索（BFS）（12 分钟） 1.对比 DFS，讲解宽度优先搜索： -核心思想：以初始点为中心，逐层拓展顶点（先访问相邻点，再访问邻接的邻接点）。 核心步骤：入队→出队→拓展邻居→重复。 特点：盲目搜索，能保证找到最短路径（层级最短）。 2.布置小组任务： 任务 1：按图 5-2，用 “逐层访问” 规则，推导从 (0,0) 到 (4,4) 的路径。 任务 2：在平台上体验 BFS 算法，对比与 DFS 的差异。 3. 组织讨论学习： 问题 1：DFS 和 BFS 找最短路径，谁效率更高？ 问题 2：为什么 BFS 更适合无人驾驶实时导航？ 4.总结：BFS 层级拓展，适合最短路径；DFS 深度递归，适合遍历所有场景。 1.学习 BFS 原理，理解 “层级拓展” 的逻辑。 2.小组合作完成路径推导，对比两种算法的搜索流程。 3.参与讨论，分析效率差异，理解算法适用场景。 4.明确 BFS 在无人驾驶决策中的优势。 1.用对比法帮助理解 BFS，强化计算思维中的算法比较能力。 2. 讨论环节深化对算法效率的理解，为后续应用设计铺垫。 五、拓展与总结：启发式搜索与社会责任（5 分钟） 1.介绍启发式搜索（A * 算法）： 核心：利用问题特殊信息（如距离、方向）引导搜索，缩小范围。 例子：自动驾驶结合路况实时信息优化路径，导航 APP 避开拥堵。 2.生活・科技・社会：讨论 “为什么太湖生态岛要启动自动驾驶项目？”3.课堂总结：搜索算法是 AI 实现的基础，DFS/BFS 是基础，启发式算法是优化，三者协同服务无人驾驶。 4.布置作业：预习推理算法，思考无人驾驶如何做决策。 1.学习启发式搜索概念，理解其高效性。 2.讨论自动驾驶的社会价值，增强科技自信。 3.梳理本节课知识：DFS/BFS/ 启发式的关系。 4.明确课后预习任务。 1.拓展知识深度，理解算法进化逻辑，落实信息意识。 2.渗透社会责任，引导学生认识技术对社会发展的推动。 教学反思 学科网（北京）股份有限公司 学科网（北京）股份有限公司 学科网（北京）股份有限公司 学科网（北京）股份有限公司 $