《 第 16 课 决策树与智能推理》 教学设计--2026-2027学年人教版初中信息科技人工智能专册

该初中信息科技教学设计聚焦“决策树与智能推理”核心知识点，以日常午饭选择案例导入，梳理分支判断逻辑，结合医院问诊、宠物领养等AI实例引出决策树，搭建从生活场景到智能推理的学习支架，帮助学生理解决策树结构与智能推理原理。 此资料特色在于情境贴近生活、探究层层深入，通过宠物领养数据手动构建决策树培养计算思维，借助软件实操体验AI自动建模提升数字化学习与创新能力，辩证分析决策树局限强化信息社会责任。为教师提供完整教学流程，助力学生从具象到抽象理解AI推理，落实核心素养培养。

第 16 课 决策树与智能推理 科目 信息技术 教材 人教版 核心素养目标 信息意识：发现生活中分支判断场景，知晓决策树在智能诊断、筛选中的用途；计算思维：学会拆分问题，认识根节点、分支节点、叶节点，借助分层判断建模推理过程；数字化学习与创新：依托案例和软件搭建简易决策树模型；信息社会责任：理解数据影响 AI 判断，理性看待人工智能给出的决策结果。 教学重难点 重点：理解决策树各组成部分含义，掌握手动搭建决策树的步骤，看懂 AI 依靠决策树完成智能推理的流程。难点：理解特征区分度的意义，学会挑选最优判断条件，辩证看待决策树模型存在的局限性，明白数据质量会影响模型判断的准确率。 教学过程——主要思路 环节一：情境导入，引出课题 教师活动：教师出示日常选择午饭的思考过程，依次抛出问题：今天是否想吃面食？想吃面食选面条，不想吃面食再看天气，天气晴朗选择汉堡，阴雨天气选择馄饨。随后提出疑问，我们脑海里层层选择的过程，能不能交给计算机完成。接着展示医院简易问诊系统、宠物领养智能筛选的实例，告诉学生人工智能完成判断，依靠的就是决策树。顺势引出本节课课题：决策树与智能推理。 学生活动：跟随教师问题梳理自己选择午餐的思考步骤，认真观看 AI 进行判断的实例，思考计算机模仿人类思考的方式，简单说一说自己心中人工智能做选择的原理，带着疑问进入新课学习。 设计意图：选取贴近学生日常吃饭的案例，降低抽象知识的入门门槛，把人脑层层判断的过程可视化，让学生初步感知分支判断逻辑；借助真实的 AI 应用实例，调动学生好奇心，明确本节课的学习内容，落实信息意识的培养。 环节二：新知讲授，认识决策树基本结构 教师活动：教师结合午饭选择案例，讲解决策树的四大组成部分：根节点代表最先判断的条件，也就是第一个问题；内部节点是后续继续判断的条件；分支代表每一个选择；叶节点代表最后得出的结论。利用结构图再次讲解：根节点只有 1 个，内部节点可以有多个，叶节点不会再有后续分支。之后再次举例，播放垃圾分类的判断逻辑，提问学生找出垃圾分类案例当中对应的根节点、内部节点、分支和叶节点。针对学生回答出现的错误进行细致纠正，总结通用规律：决策树本质就是把人的经验拆分成一条条 if‑then 的判断条件，计算机顺着分支走完路径得出最终结果，这个过程就是智能推理。 学生活动：认真识记根节点、内部节点、分支、叶节点的概念；独立分析垃圾分类案例，标出各个节点；小组内互相说一说决策树的推理逻辑，明白智能推理就是计算机沿着分支完成判断。 设计意图：依托生活化案例拆解专业名词，避开深奥理论，帮助学生建立具象认知；通过案例辨析加深理解，把人脑逻辑转化为计算机分支判断逻辑，锻炼学生拆分问题的能力，培育计算思维；让学生懂得智能推理并不是凭空猜测，而是依据既定条件逐层判断得出结果。 环节三：合作探究，手动构建简易决策树 教师活动：教师出示宠物领养数据表，给出特征：年龄（幼年、成年）、品种（猫、狗）、性格（活泼、安静）、最终结果（可以领养、不予领养）。教师向学生介绍区分度的概念：一个特征划分之后，结果越统一，区分度越高，优先选用区分度最高的条件当作根节点。组织学生 4 人为一组开展探究任务：第一步对比年龄、品种、性格三个特征，判断哪一项区分度最高；第二步把区分度最高的条件设置成根节点；第三步对于划分之后依旧存在两种结果的数据，继续挑选下一个区分度较高的特征当作内部节点；第四步完成整棵决策树绘制。教师巡视各个小组的讨论情况，对于找不到最优特征、绘制逻辑混乱的小组进行针对性指导。全部小组完成之后，请小组代表上台展示绘制的决策树，讲解选择每一个节点的理由。教师进行点评总结：搭建决策树核心原则就是优先选取区分度最大的特征，不断缩小判断范围，直到得出唯一结果，形成完整推理路径。 学生活动：小组成员分工合作，逐条分析表格当中的数据，对比各项特征的区分度；按照教师给出的步骤，在草稿纸上画出决策树；上台展示成果，讲解自己小组选择判断条件的依据；认真倾听其他小组的思路，对比不同选择条件带来的结果差异。 设计意图：采用项目式探究任务，让学生亲身经历整理数据、筛选特征、分层判断、得出结论的全过程，深度理解决策树的搭建逻辑；小组协作能够培养学生合作探究的习惯；学生自主选择节点，体会挑选特征对于最终推理结果的影响，将计算思维落地；同时让学生明白人工构建决策树，数据量变大之后工作量会急剧增加，为后面 AI 自动生成模型做好铺垫。 环节四：实操体验，AI 自动生成决策树模型 教师活动：教师提出问题，当有成百上千条宠物信息的时候，人工绘制决策树费时费力，这时人工智能如何完成任务。教师打开配套的决策树分析软件，导入 pet‑csv 数据集，演示操作步骤：第一步导入整理清洗之后的数据集；第二步软件自动计算各个特征的区分度；第三步程序自动生成可视化决策树；第四步输入新宠物的各项特征，模型自动给出领养结果。教师强调，计算机内部还是沿用我们手动搭建的原理，只是机器可以高速运算，快速计算出区分度，自动筛选最优判断条件。之后布置自主操作任务，学生打开电脑里的决策树分析工具，完成两项任务：第一查看 AI 生成的决策树，找出根节点、内部节点和叶节点；第二自己输入 3 组全新宠物信息，观察模型给出的推理结果，并且对照之前手动绘制的树状图，对比判断结果是否一致。教师提醒学生留意，如果原始数据集里面错误数据较多，AI 的推理结果也会出错。 学生活动：认真观看教师的操作演示，了解 AI 自动建模的流程；自主运行软件，查看机器生成的决策树；输入测试数据，记录模型给出的判断结果；对比手动建模与 AI 建模得出的结论，思考机器推理的优缺点；小组之间讨论数据质量对于 AI 模型产生的影响。 设计意图：由手动建模过渡到数字化工具建模，让学生感受数字化工具的优势，落实数字化学习与创新素养；学生自主实操，近距离看到 AI 智能推理的实现方式，破除人工智能神秘化印象；引导学生发现数据的重要性，明白垃圾数据会降低 AI 判断的准确度，为树立信息社会责任打下基础。 环节五：拓展延伸，辩证分析决策树的应用与局限 教师活动：教师展示现实当中决策树的落地场景：医疗问诊系统借助决策树依据症状判断患病可能性；银行依靠决策树判断贷款人员的还款风险；网课平台通过决策树判断习题对错，推送对应的巩固练习题。随后引导学生思考决策树存在的不足：第一遇到复杂问题，决策树分支过多，模型变得庞大；第二如果初始的数据带有偏见，人工智能也会产生偏见；第三只能够根据给定特征判断，无法自主学习新条件。教师继续拓展，科学家为了解决单一决策树的缺点，将很多棵决策树组合在一起，形成随机森林模型，大幅度提高 AI 推理准确率。最后抛出问题：人工智能依靠决策树给出建议，人类要不要完全听从 AI 的决定？教师总结：AI 只能给出参考意见，最终重大选择依旧需要人类判断，我们既要合理利用人工智能，又不能盲目迷信机器给出的答案。 学生活动：列举生活当中见过的智能判断实例；结合本节课所学内容，说出决策树的优势和弊端；交流讨论 AI 决策能不能代替人类做重大选择，发表自己的看法；懂得数据偏见会造成 AI 偏见，以后理性看待人工智能给出的建议。 设计意图：联系社会实例拓宽学生视野，让学生感受到人工智能服务生活；客观剖析模型缺陷，避免学生过度神化 AI；引导学生明白人类才是最终决策者，树立正确的人工智能观念，增强信息社会责任；拓展随机森林相关知识，拓展学生知识面，为后续更深层次的人工智能学习埋下伏笔。 环节六：梳理归纳，课堂总结升华 教师活动：教师带领学生分层梳理本节课知识：第一层基础知识，回顾根节点、内部节点、分支、叶节点的概念；第二层核心方法，搭建决策树优先选择区分度最高的特征；第三层实现方式，人工构建适合少量数据，大数据依靠 AI 自动生成决策树完成智能推理；第四层价值思考，合理利用数据可以让人工智能更好服务人类，不良数据会带来错误推理结果。之后布置课后拓展任务：选取周末出行这件事，自主设计一棵出行选择决策树，画出节点和分支；查阅资料了解随机森林的简单原理。 学生活动：跟随教师回顾本节课全部知识点，在笔记本整理知识框架；完成课后思考任务，认真绘制出行决策树；课余时间查阅资料，拓展人工智能相关知识。 设计意图：分层梳理知识点帮助学生巩固本节课所学，完善自己的知识体系；课后实践任务再次强化分支建模思想，锻炼学生计算思维；课后查阅资料培养学生自主学习的习惯，持续提升数字化学习能力。 环节七：课堂评价，查漏补缺 教师活动：教师结合本节课学生课堂发言、小组合作情况、软件实操完成度、课后任务规划四个维度进行综合评价。针对本节课出现的共性问题再次讲解：很多同学在挑选内部节点时容易忽略区分度原则，仅仅依靠主观想法设置判断条件，无论是人工建模还是 AI 建模，区分度都是选取节点的核心依据。对于学有余力的学生，鼓励他们尝试用简易代码搭建微型决策树；对于基础薄弱的学生，让他们再次梳理案例当中的各个节点，夯实基础。 学生活动：对照教师指出的问题反思自己课堂当中出现的疏漏；基础薄弱的同学重新理解决策树节点划分依据；能力较强的同学尝试拓展学习简单代码，进一步提升自己的能力。 设计意图：借助课堂评价及时发现学生的薄弱之处，分层安排后续学习任务，做到因材施教；再次巩固本节课重难点，加深学生对智能推理原理的理解，全面落实四维核心素养，完成本节课整体教学目标。 1 / 2 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 学科网（北京）股份有限公司 $