16《决策树与智能推理》教学设计-2025-2026学年人教版初中信息技术（人工智能专册）

该初中信息科技教学设计聚焦决策树原理与智能推理，通过“周末吃什么”的日常选择情境导入，衔接前期AI生成内容知识，构建“生活经验—决策树概念—智能推理”的学习支架，引导学生理解逐层决策逻辑。 特色在于情境化教学降低抽象难度，手动构建宠物领养决策树培养计算思维，自动推理工具体验提升数字创新，医疗案例讨论强化信息社会责任。“做中学”方法让学生在实践中理解技术，助力教师落实核心素养，提升课堂效率。

第16课《决策树与智能推理》教学设计 一、教学基本信息 课程名称 决策树与智能推理 课时安排 1课时（45分钟） 适用学段 义务教育初中阶段 学科领域 信息科技 对应教材章节 第四单元 智能推理的应用 第16课 核心素养目标 本节课围绕决策树与智能推理的核心原理，结合新课标要求，落实以下核心素养目标： 1. 信息意识：理解决策树的基本原理，能够明白自动构建决策树、自动推理的工作逻辑，建立对智能推理的客观认知。 2. 计算思维：能够通过手动构建决策树的过程，理解特征区分度的作用，能够衔接之前的数据分析的知识，建立知识的关联。 3. 数字创新：能够通过操作决策树工具，体验AI自动推理的过程，能够主动思考该技术在医疗、教育中的创新应用场景。 4. 信息社会责任：认识到智能决策系统的局限性，能够理解人机协同的重要性，树立合理使用AI辅助决策的意识，不盲目依赖AI。 二、教学重难点 教学重点 理解决策树的基本原理，能够明白自动构建决策树、自动推理的过程，完整体验智能推理的过程。 教学难点 理解特征区分度的作用，明白决策树构建的核心逻辑，能够理解智能决策系统的局限性，建立人机协同的观念。 三、教学准备 教师准备 1. 制作教学课件，包含导入案例、决策树的介绍，提前准备好体验的任务单，按小组分装。 2. 提前准备好《决策树分析器》《猫狗领养预测》软件，在学生终端完成部署，同时准备备用的演示视频应对突发情况。 3. 准备小组积分评价表，用于课堂过程性评价，调动学生的活动参与积极性。 学生准备 1. 提前回顾之前学的数据分析的内容，梳理自己的疑问，准备课堂分享。 2. 携带个人学习终端，提前确保设备电量充足，能够正常运行课堂工具。 3. 准备课堂笔记本，用于记录课堂知识点与活动收获。 四、教学过程（含教-学-评闭环） （一）情境导入：我们是怎么做选择的？（5分钟） ■ 教师活动： 1. 提问学生：“大家平时周末，会纠结吃什么吗？比如，先想，要不要做饭？然后，有没有食材？然后，有没有时间？最后，决定是自己做还是点外卖？大家有没有发现，我们做选择，就是一步步提问？” 2. 衔接之前的知识：“之前我们学了，AI能生成图像、声音、视频，那AI能不能也像我们一样，帮我们做决策？今天我们就来学，决策树与智能推理。” ■ 学生活动： 1. 结合自己的生活经验，分享自己做选择的过程； 2. 产生对智能决策的探究兴趣，明确本节课的学习目标。 ■ 设计意图：用学生熟悉的做选择的日常场景，引发学生的探究兴趣，同时衔接之前的AI相关的知识，让学生快速建立知识的关联，聚焦本节课的主题。 ■ 评价要点：观察学生的课堂参与度，是否能够结合自己的生活经验，是否对导入的问题产生探究欲望，快速进入学习状态。 （二）探究1：什么是决策树？（10分钟） ■ 教师活动： 1. 讲解决策树的基本原理：“决策树，就是把我们做选择的过程，变成一棵树，起点的问题，叫根节点，中间的问题，叫分支节点，最后的结论，叫叶节点，从根到叶的路径，就是我们的决策路径。” 2. 给学生展示午餐选择的决策树，让他们分组，说说，“愿意做饭，有条件，时间充足”，最后是什么结果？还有，“不愿意做饭”，又是什么结果？ 3. 给学生讲专家系统，就是用决策树，把专家的经验存起来，帮我们做决策，比如医疗、金融的专家系统。 ■ 学生活动： 1. 理解决策树的基本概念，明白根节点、分支节点、叶节点的意思； 2. 分组分析午餐决策树的路径，理解决策的过程； 3. 了解专家系统的应用，明白决策树的作用。 ■ 设计意图：用日常的午餐选择的例子，让学生直观理解决策树的原理，把抽象的概念，变成他们能懂的日常场景，降低理解的难度。 ■ 评价要点：观察学生的参与度，是否能够理解决策树的基本概念，是否能够分析决策路径，落实计算思维的培养。 （三）探究2：我们怎么手动构建决策树？（15分钟） ■ 教师活动： 1. 给学生展示宠物领养的表格，提问：“我们能不能根据这些数据，自己建一个决策树，预测猫狗会不会被领养？” 2. 引导学生分组，计算不同特征的区分度：比如，按年龄分，幼年的是不是都被领养了？成年的呢？按品种分，猫和狗的情况呢？哪个特征，能把数据分的更清楚？ 3. 引导学生，选区分度最大的年龄，作为第一个节点，然后，再对剩下的成年的数据，选下一个区分度最大的特征，一步步构建决策树，然后，用这个树，预测新的猫狗会不会被领养。 ■ 学生活动： 1. 理解特征区分度的作用，明白选区分度大的特征的原因； 2. 分组计算不同特征的区分度，一步步构建决策树； 3. 用构建好的决策树，预测新的猫狗的领养情况，记录自己的发现。 ■ 设计意图：通过手动构建决策树的过程，让学生直观理解决策树的构建逻辑，不用讲专业的术语，就用区分度，让他们能懂，提升他们的逻辑思维能力。 ■ 评价要点：观察学生的计算情况，是否能够理解区分度的作用，是否能够完成决策树的构建，落实计算思维的培养。 （四）探究3：AI怎么自动帮我们做决策？（15分钟） ■ 教师活动： 1. 讲解：“手动建决策树，数据少的时候还行，数据多了，就太麻烦了，所以，AI可以自动帮我们建，它自动分析数据，找区分度最大的特征，然后生成决策树，还能自动帮我们推理，做预测。” 2. 引导学生打开《决策树分析器》，导入宠物领养的数据，自动生成决策树，然后，打开《猫狗领养预测》，输入特征，预测领养情况，体验自动推理的过程。 3. 给学生讲医疗决策的案例，引导学生讨论：“AI的决策，是不是一定对？我们能不能完全依赖它？”，引导学生明白，AI是辅助工具，要人机协同，不能盲目依赖。 ■ 学生活动： 1. 体验自动构建决策树的过程，明白自动推理的原理； 2. 操作预测工具，体验自动推理的过程，感受AI的作用； 3. 讨论医疗决策的案例，明白AI的局限性，建立人机协同的观念。 ■ 设计意图：通过动手体验自动构建和自动推理的过程，让学生直观理解智能推理的原理，同时通过医疗的案例，引导学生理解AI的局限性，建立人机协同的观念，落实信息社会责任。 ■ 评价要点：观察学生的操作情况，是否能够理解自动推理的过程，是否能够建立人机协同的观念，落实信息社会责任的培养。 五、课后任务 本节课的课后任务采用选做模式，学生可根据自己的兴趣选择其一完成，不增加学生的学业负担： 1. 实践体验：试试你能找到的决策树工具，比如成绩预测的，输入你的成绩，预测一下，写个200字的小感想。 2. 探究思考：想想，决策树的技术，还能用来干啥？比如帮我们选兴趣班？或者帮我们选志愿？写个小想法。 3. 拓展任务：想想，我们平时用的AI推荐，是不是也用了决策树？写个小总结。 下次课将选取优秀成果进行班级展示，优秀作品可纳入班级墙报展示。 六、板书设计 本节课板书采用边讲边写的方式，核心内容如下： 决策树与智能推理 1. 决策树：逐层提问，一步步决策 2. 构建：优先选区分度最大的特征 3. 自动构建+自动推理，AI帮我们做决策 4. AI是辅助，人机协同才靠谱 5. 不盲目依赖，合理使用！ 学科网（北京）股份有限公司 $