《第18课 分类辅助推理》 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“分类辅助推理”核心知识点，通过展示垃圾邮件拦截、AI医疗诊断、图片分类等日常案例导入课题，以问题链引导学生从生活现象探究技术原理，搭建从生活经验到AI分类逻辑的学习支架。 该资料亮点在于拆解AI分类四步流程培养计算思维，借助文本分类工具实操（输入歧义语句发现模型误判）提升数字化学习与创新能力，通过AI医疗责任划分等伦理讨论强化信息社会责任，助力学生理解技术原理与局限，便于教师落实核心素养目标。

第18课 分类辅助推理 科目 信息技术 教材 人教版 核心素养目标 信息意识：发现生活里分类辅助推理实例，体会数据特征对分类结果的作用；计算思维，拆解 AI 分类步骤，理解特征编码‑模型匹配‑推理判定的运行逻辑；数字化学习与创新，借助文本分类工具开展实操，尝试分析分类偏差；信息社会责任，理性看待 AI 误判问题，树立人工智能伦理意识，客观认识智能技术利弊 教学重难点 教学重点：掌握分类辅助推理的概念，理清数据采集、特征编码、模型运算、结果推理的完整流程，熟悉垃圾邮件识别、医疗诊断等现实应用场景。教学难点：理解非数值信息转为数字特征的原理，明白模型依靠标注样本学习规律，辩证看待 AI 分类的局限性，区分人工推理和机器辅助推理的异同。 教学过程——主要思路 一、情境导入，引出课题 教师活动 教师依次展示日常案例：邮箱自动拦截垃圾邮件、医生借助 AI 系统查看病例给出参考诊断、拍照软件区分猫和狗的图片，提出系列问题：人工逐个辨别海量邮件效率很低，计算机凭什么快速区分垃圾邮件？AI 判断图片类别时是依靠什么进行思考？机器完成判断的过程和我们人为推理思考有哪些相同之处？随后引出本节课主题：分类辅助推理，告诉学生分类是人工智能实现机器推理的基础方式，计算机通过学习海量样本特征完成推理判断，以此开启本节课探究学习。 学生活动 学生认真观看案例内容，结合自己平时使用手机和电脑的经历思考问题，自由发表自己的猜想，部分学生会认为电脑只是依靠关键词完成判断；在教师引导下意识到电脑并不是简单匹配文字，背后存在一套完整的推理逻辑，初步感知分类辅助推理。 设计意图 选用学生日常熟悉的应用场景，拉近人工智能知识和学生生活的距离，避开抽象难懂的专业术语，激发学生好奇心；通过问题链打破学生浅层认知，把生活现象转化为课堂探究问题，自然引出新课内容，落实信息意识素养，让学生明白人工智能就在身边。 二、新知探究一：理解分类辅助推理基本概念 教师活动 教师先给学生区分日常分类和 AI 分类的不同：我们平时整理书本、区分水果，是依靠生活经验人为定下分类标准；人工智能中的分类辅助推理，是计算机借助大量标注好的训练数据，提取事物关键特征，计算待测数据和已知类别匹配程度，再结合预设推理规则给出判定结果，机器分类之后辅助人类做出最终决策。 教师继续补充核心要点：AI 分类属于监督学习，训练阶段的数据必须提前标注好类别，例如垃圾邮件样本提前标记 “正常邮件”“诈骗邮件”；分类完成后推理引擎启动对应规则，这就是 “辅助推理” 的含义，机器给出判断结果，最终决定权依旧掌握在人的手里。随后抛出问题：如果没有提前标注的样本，人工智能能不能完成分类辅助推理？ 学生活动 学生仔细研读概念内容，勾画关键词：标注数据、提取特征、匹配程度、辅助推理；针对教师提出的问题展开小组讨论，经过交流得出结论：没有标注样本，模型无法学习特征和类别之间的联系，就不能完成分类；同时明白机器只起到辅助作用，人类才是最终决策者。 设计意图 把概念拆解分层讲解，先区分人工分类和机器分类，降低概念理解难度；抓住监督学习、辅助推理两个核心关键点，纠正学生 “人工智能可以全权做决定” 的片面认知，为后续学习模型运行原理打好基础，锻炼学生归纳概括的计算思维。 三、新知探究二：剖析智能分类四步运行流程 教师活动 教师结合教材内容，把分类辅助推理完整流程划分为四个步骤：数据采集、特征编码、模型匹配计算、输出结果并开展后续推理，分步细致讲解每一环。 第一步数据采集：以垃圾邮件举例，系统收集邮件正文、发件地址、标题、里面的网络链接等全部原始内容，这些原始文本属于非数值信息，计算机没办法直接识别文字；手写数字识别时，采集图片里面每一个像素的明暗信息。 第二步特征编码，这是整个过程的关键环节。教师着重讲解：计算机只能读懂数字，因此要把文字、图片、音频转化成数值向量。垃圾邮件里统计 “免费”“中奖”“返利” 等词语出现的次数；手写图片把每一个像素转化为 0‑255 之间的数字，把图片变成数字矩阵，这一步就是特征编码。教师举例提问：一段邮件里 “中奖” 出现 5 次、“优惠券” 出现 3 次，怎么把它变成一组数字？ 第三步模型匹配计算：前期海量标注样本经过训练之后形成分类模型，模型里面内置算法，计算当前特征数值和垃圾邮件样本特征的相似度，算出这封邮件属于垃圾邮件的概率值，讲解 KNN 算法简单原理：距离越近，归属同一类别的可能性越高，只用通俗语言介绍，不展开复杂公式。 第四步输出类别并辅助推理：当概率数值高于设定阈值，模型判定为垃圾邮件；之后推理引擎启动规则，自动把邮件隔离，同时提醒用户谨防诈骗；如果概率偏低就归入正常邮件。教师再次提问：特征编码环节如果选取的特征不合理，会不会导致最后分类出错？ 学生活动 学生跟随教师讲解依次理解四个步骤，在笔记本梳理四步流程；针对教师提出的例子进行思考，明白词语出现频次就是对应数值；小组探讨特征选取带来的影响，得出结论：提取的特征不准确，模型计算就会出现偏差，AI 就会发生误判；学生梳理得出：原始数据‑转成数字‑算法计算‑给出结论‑执行推理规则，完整理解机器工作逻辑。 设计意图 把抽象的人工智能算法拆解成四个循序渐进的步骤，借助垃圾邮件、手写数字两个通俗案例，避开复杂代码，把抽象模型具象化；让学生懂得计算机只认识数字，理解特征编码的核心作用，在拆解问题、分析原理的过程落实计算思维；引导学生发现 AI 分类存在缺陷，为后面探讨人工智能伦理埋下伏笔。 四、新知探究三：开展数字化实操，体验文本分类推理 教师活动 教师打开配套的文本分类器软件，布置课堂实操任务。首先讲解软件使用方法：在输入框中输入文本内容，软件会自动提取语句关键词进行特征编码，调用后台训练好的模型，判断文本是积极情绪还是消极情绪，输出分类结果并且给出置信度数值。 教师设置分层任务：基础任务，输入三句不同情感的句子，观察分类结果和置信度高低；进阶任务，输入一句带有歧义的句子，观察模型会不会出现误判，分析误判产生的原因；拓展任务，小组思考，怎样修改文本特征，提高分类模型的判断准确率。教师在教室巡回走动，查看学生操作情况，适时进行点拨，引导学生留意语境对于分类结果的影响，同一个词语放在不同语境含义会发生变化，机器很难理解语境含义，这也是 AI 局限所在。实操结束之后，组织学生分享自己的实验发现。 学生活动 学生打开电脑端文本分类工具，独立完成基础任务，记录置信度数值；进阶任务中学生输入歧义语句，发现模型给出的结果和自己的判断不一致；小组之间相互交流探讨，总结出错的因素：模型只统计词语出现次数，理解不了上下文语境，训练样本不够全面；拓展任务里提出增加语境类训练样本、扩充多样化语句素材、优化特征筛选条件等改进方案；学生代表依次发言，展示自己的实验结果，说出自己收获。 设计意图 借助数字化工具让学生亲身感受分类辅助推理全过程，由被动听课转变为动手探究；分层任务照顾不同学习水平的学生；学生自己发现 AI 的短板，跳出 “人工智能万能” 的误区；在使用数字工具、合作探究问题中落实数字化学习与创新素养，将课本理论和实操实践结合起来。 五、新知探究四：拓展应用案例，辩证看待技术价值 教师活动 教师分别讲解教材中的两大典型应用场景。第一个场景：AI 辅助医疗诊断。系统采集患者检查报告、身体症状、既往病史，提取关键数据完成特征编码；经过医疗样本模型计算之后，给出患病可能性和判断依据；医生参考 AI 给出的推理结果拓宽诊断思路，减少经验不足带来的漏诊误诊；但是 AI 只能提供参考意见，最终诊疗方案依旧由医生确定。第二个场景：智能垃圾分类。摄像头拍摄垃圾图片，模型识别物体特征，自动区分可回收垃圾、厨余垃圾，帮助人们快速完成分类；但是遇到外形相似物品时，AI 很容易分类错误。 接下来组织全班开展辩论思考：AI 分类辅助推理给我们生活带来便利的同时，还存在哪些隐患？抛出深度问题：如果 AI 医疗系统判断失误造成损失，责任是程序员、使用者还是人工智能本身？垃圾邮件分类过程中系统读取邮件内容，会不会造成我们的隐私泄露？引导学生明白人工智能技术有利也有弊端，我们既要享受科技红利，也要重视数据隐私、算法偏见、责任划分等伦理问题，国家需要出台对应的法律法规约束人工智能的使用，开发者不断优化模型，使用者理性看待 AI 给出的结果，不能盲目完全相信机器判断。 学生活动 学生认真聆听案例介绍，再次巩固分类辅助推理四步流程；围绕教师提出的伦理问题展开深度思考，自由发表看法，大部分同学认为人工智能不能承担法律责任，开发者和使用者都需要承担对应责任；学生意识到 AI 在读取数据时会接触个人私密信息，会存在隐私泄露风险；学生总结得出：AI 是人类的工具，人类主导人工智能，技术发展必须遵守法律和道德。 设计意图 拓展课本案例，把分类推理知识延伸到医疗、环保领域，拓宽学生知识面；通过伦理话题引发学生深度思考，跳出只学习技术原理的层面；引导学生理性客观评价人工智能，自觉保护个人信息，遵守网络相关规范，落实信息社会责任素养，树立正确科技价值观。 六、课堂归纳，构建知识体系 教师活动 教师带领学生梳理本节课全部知识点，以思维导图的形式整理本节课内容：分类辅助推理含义‑监督学习特点‑四步运行流程‑现实应用‑技术利弊。教师再次进行总结：分类辅助推理就是机器依靠标注样本学习特征，通过特征编码完成计算推理，给人类提供决策参考；特征提取质量、训练样本数量直接决定模型判断效果；人工智能只是辅助工具，人类拥有最终决策权。最后设置课后实践任务：第一个任务，观察生活里的分类辅助推理实例，最少找出 3 个例子；第二个任务，结合校园场景，简单设计一个利用分类辅助推理解决校园问题的方案，例如图书归类、食堂菜品智能推荐。 学生活动 学生跟随教师梳理本节课知识，整理笔记，查漏补缺，完善自己的知识框架；认真记下课后任务，规划课后完成思路；学生回顾整节课学习内容，说出自己本节课学到的知识，讲出自己对于人工智能新的理解。 设计意图 师生共同梳理知识点，帮助学生内化本节课重点内容，构建完整知识框架；课后任务把课堂所学迁移到现实场景，引导学生学以致用，鼓励学生运用人工智能的思想解决身边问题，进一步提升数字化创新能力。 七、课堂总结升华 教师活动 教师进行最后总结：当今时代人工智能飞速发展，分类辅助推理作为智能推理的基础形式，已经悄悄改变我们的生活；我们既要弄懂人工智能底层运行逻辑，明白机器思考的方式，也要保持独立思考，理性看待算法给出的结果；作为新时代青少年，努力学习科技知识，未来参与人工智能技术研发，设计更加公平安全的智能模型，让人工智能更好服务人类社会。 学生活动 学生认真聆听教师寄语，感悟科技发展带来的机遇，树立认真学习信息科技知识的信念；明白学习人工智能知识不只是懂得原理，更要坚守道德底线，努力成长为数字时代负责任的青少年。 设计意图 升华课堂主题，把本节课知识和时代发展、学生未来成长联系在一起；实现四维核心素养整体落地，让学生不仅学会课本知识，还树立科学的技术观念，完成本节课育人目标。 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 $