《第 19 课 聚类辅助推理》 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“聚类辅助推理”核心知识点，通过校园自然分组、电商用户划分等生活化情境导入，对比上节课分类辅助推理（已知标签）的特点，以新旧知识冲突搭建学习支架，引出无预设类别下自动分组的推理逻辑。 此资料亮点在于情境贴近学生生活，通过对比表格清晰辨析聚类与分类差异，结合体质分组项目式实践任务落实四步流程，培养计算思维与信息社会责任，学生能在实例应用中提升问题解决能力，教师可依托完整教学环节高效开展教学。

第 19 课 聚类辅助推理 科目 信息技术 教材 人教版 核心素养目标 信息意识：发现生活里聚类实例，明白数据相似性是聚类的基础；计算思维，区分聚类与分类，理解无预设类别下自动分组的推理逻辑；数字化学习与创新，依托案例梳理聚类工作步骤；信息社会责任，客观看待聚类算法利弊，尊重数据隐私，理性看待智能技术对生活的影响。 教学重难点 教学重点：掌握聚类辅助推理概念，理清聚类和分类的本质差异，熟悉聚类的数据收集、特征计算、自动分组、结果呈现四步流程。教学难点：理解相似性判断原理，体会分组数量、特征选择会改变聚类结果，学会用聚类思想分析现实问题。 教学过程——主要思路 环节一：情境导入，感知聚类现象 教师活动：教师结合学生日常校园场景进行提问，操场上有的同学聚集在一起打球，一部分同学围坐在一起聊天，还有同学独自散步。大家并没有提前约定分组标准，却自然而然形成不同群体。再展示电商平台划分消费人群、天文软件划分星群的实例，抛出思考问题，机器在不清楚类别名称的前提下，依靠什么完成分组，引出本节课课题聚类辅助推理。随后回顾上节课分类辅助推理的知识，举例识别猫狗图片，事先已经确定类别标签，机器按照既定标签完成判断。 学生活动：认真思考教师提出的问题，结合生活经验说出自己对自然分组的理解，回顾分类推理特点，对比案例产生疑问，机器没有提前知道类别怎么完成分组，在笔记本上记下本节课学习主题，主动交流生活里类似自发分组的事例。 设计意图：利用贴近学生日常的场景降低新知识陌生感，借助新旧知识对比制造认知冲突，激发学生探究欲望，初步让学生体会分类和聚类的不同前提条件，为后续概念学习做好铺垫，落实信息意识素养。 环节二：新知探究一，理解聚类辅助推理概念 教师活动：教师出示教材当中的定义，聚类辅助推理属于人工智能无监督学习方式，机器不提前获取类别名称和类别数量，依靠数据自身特征计算相似程度，自动把特征相近的数据划为一类。接着拆解关键词，重点讲解无预设类别、特征相似性、自动分组三个核心词汇，结合星图案例开展讲解，星图里的圆点代表星星，亮度、距离就是星星的数据特征，算法计算距离远近和亮度差异，自动把相近的星星归为一组。教师继续补充通俗解释，分类是老师提前分好小组名单，学生对号入座；聚类是同学们自由相处，志趣相近的人自然结成小组。 学生活动：认真研读教材概念，勾画关键词，结合教师举出的星图案例理解相似性的含义，在小组内相互说一说自己对无预设类别的理解，尝试用自己的话语复述聚类辅助推理的含义，区分监督学习和无监督学习。部分学生提出疑问，如果选取的特征不一样，最后分组结果会不会改变，小组内部展开简短讨论。 设计意图：由教材定义入手，通过生活化比喻把抽象的人工智能概念通俗化，破除学生对 AI 算法高深难懂的刻板印象；引导学生抓住概念核心要素，锻炼学生提炼关键信息的能力，初步培育计算思维。 环节三：新知探究二，辨析聚类与分类的区别 教师活动：教师出示对比表格，从学习类型、类别情况、工作目标、典型实例四个维度展开对比。分类属于监督学习，提前确定类别和特征，匹配已知标签，例子是垃圾邮件辨别；聚类是无监督学习，没有预设类别，挖掘数据隐藏规律，例子是平台划分用户群体。教师继续设置课堂任务，给出 4 道判断题，猫狗识别、根据同学爱好划分兴趣小组、水果按照已知名称归类、系统自动把浏览短视频的用户归为一类，让学生区分属于分类还是聚类。之后针对易错点细致讲解，二者最终形式都是分组，但是推理前提完全不同，分类是已知答案匹配数据，聚类是分析数据寻找答案。 学生活动：学生自主填写对比表格，独立完成判断题，做完之后小组内部核对答案，相互讲解判断理由。学生梳理总结核心区别：分类事先知道分组结果，聚类机器自主寻找分组结果。学生举出更多实例，比如把一堆没有命名的古诗片段自动划分作者属于聚类，考试批改选择答案属于分类。小组推选代表分享自己总结的结论。 设计意图：采用表格对比、习题巩固的方式突破本节课重点内容，解决学生容易混淆聚类和分类的问题；通过实例拓展加深理解，引导学生进行抽象概括，锻炼学生对比分析、归纳总结的能力，深度发展计算思维。 环节四：新知探究三，掌握聚类辅助推理完整流程 教师活动：教师依托教材内容明确聚类推理分为数据收集、特征计算、自动分组、结果呈现四个步骤，以划分班级兴趣小组为例分步讲解。第一步数据收集，设计调查问卷，统计每位同学喜欢运动、阅读、音乐、绘画的情况；第二步特征计算，计算同学兴趣重合度，重合项目越多，相似值越高；第三步自动分组，算法依据相似值高低，划分运动达人、文艺爱好者、阅读爱好者；第四步结果呈现，用表格形式展示分组名单，教师讲解计算机内部依靠距离公式完成相似度计算，初中阶段不用计算公式数值，只需要明白距离越小代表相似度越高即可。之后教师抛出拓展思考问题，如果改变分组数量，原本划分 3 个小组改成划分 2 个小组，分组结果会发生怎样变化。 学生活动：跟随教师讲解依次理解四个步骤，在草稿纸上写下四步名称，结合兴趣分组案例复述每一步的具体任务；针对分组数量的问题展开探讨，分组数量变化，小组涵盖人员就会调整，特征选取不同，分组结果同样改变。小组合作更换案例，选择整理散乱的古文片段，依次梳理聚类四步流程，小组内部分工阐述每一步的具体工作内容。 设计意图：借助贴近班级生活的案例拆解算法流程，把看不见的计算机内部推理过程具象化；通过更换案例练习，让学生内化聚类流程，明白聚类结果会受特征和分组数量影响，化解本节课难点，让学生学会拆解问题，养成算法思维。 环节五：案例拓展，认识聚类技术现实应用 教师活动：教师分领域展示聚类在现实当中的应用场景。日常生活领域，购物软件依据浏览、购买数据聚类划分顾客群体，实现商品精准推送；科研领域，天文软件依靠星星亮度、距离聚类划分星系，地质软件分析岩石数据区分岩石种类；文化领域，人工智能对文章用词、句式聚类，辨别文章的作者；公共管理领域，交通系统依靠车流数据聚类，划分拥堵路段，合理调配红绿灯时长。教师辩证分析聚类的优缺点，聚类可以减轻人工工作量，高效挖掘隐藏规律，但是聚类过度收集个人浏览记录、爱好信息，容易造成个人隐私泄露。 学生活动：认真聆听案例介绍，梳理不同领域聚类发挥的作用，在学习清单上记录对应的实例；针对隐私泄露问题发表自己看法，提出平台要规范使用收集到的数据，不能随意向外泄露用户信息。学生开动脑筋，说出自己知道的聚类应用，短视频软件根据观看记录推送喜欢的视频、运动软件划分健身人群。学生分组讨论聚类给我们带来便利的同时存在哪些隐患。 设计意图：拓宽学生视野，让学生明白人工智能服务于各行各业，感受科技的强大；辩证看待聚类算法的优势和弊端，引导学生重视个人隐私，遵守网络规范，落实信息社会责任这一素养。 环节六：实践任务，运用聚类思想开展探究 教师活动：教师布置课堂实践任务：假设现在要对班级同学的体质情况进行聚类分组，帮助体育老师安排课后锻炼小组。教师引导学生按照聚类四步完成整体规划。数据收集环节确定身高、体重、跑步速度三个参考特征；特征计算环节，同学之间各项数值越接近相似度越高；自动分组环节，划分体能优秀组、体能中等组、体能偏弱组；结果呈现环节整理分组清单，给体育老师提出锻炼建议。教师巡视各个小组开展情况，对于思路模糊的小组进行引导点拨，提醒学生聚类的核心是依靠特征判断相似度。完成基础任务之后设置进阶任务，更换特征，只选取跑步速度和耐力两项指标，再次规划分组方案，对比两次分组结果，思考特征选择对聚类结果带来的影响。 学生活动：全体学生以小组为单位开展探究任务，小组内部分工，一部分同学确定选取的数据特征，一部分同学分析相似性判断依据，一部分同学规划分组结果，最后整合内容，写出完整聚类实施步骤。完成基础任务后开展进阶任务，对比两次分组结果得出结论，选取的特征不同，最后分组情况不一样。每个小组整理完成之后推选发言人，依次上台展示本组的规划方案，讲解自己的设计思路，其他同学认真倾听，指出方案里存在的不足，给出优化建议。 设计意图：以项目式任务开展课堂实践，学生把本节课学到的理论知识落地应用；小组合作模式锻炼沟通协作能力，自主设计方案，实现知识迁移；通过更换特征完成进阶任务，加深学生对聚类难点的理解，提升数字化学习与创新素养。 环节七：课堂梳理，构建整体知识框架 教师活动：教师带领学生整体梳理本节课全部内容，首先回顾聚类辅助推理定义，接着再次区分聚类和分类的核心差异，复述聚类推理的四步流程，列举聚类在不同领域的应用，客观看待聚类技术的利弊。教师进行总结升华，聚类是人工智能无监督学习的典型代表，机器不再局限于人类给定答案，自主挖掘数据里面潜藏的规律，未来人工智能还会不断发展，同学们既要学会利用智能技术方便学习生活，也要时刻保护自身的数据隐私。教师设置简短思考题：未来聚类算法还可以帮助我们解决哪些学习和生活当中的问题，引导学生长远思考。 学生活动：跟随教师梳理本节课知识点，构建知识框架，整理课堂笔记，把重点内容再次巩固记忆。独立思考思考题，踊跃发言，聚类可以用来整理错题，把同类错题归纳在一起；聚类可以分析自己的作息数据，改善作息习惯；聚类可以整理学习资料，把同类知识点归纳整理。学生畅谈自己今后使用智能软件时保护隐私的做法，不随意填写个人信息，关闭不必要的权限。 设计意图：整体复盘本节课所学，帮助学生构建系统化知识框架，加深记忆；引导学生把聚类思想运用到日常学习当中，实现学以致用；树立正确科技观念，完成四维核心素养综合落地。 环节八：课后作业布置，巩固延伸知识 教师活动：教师布置分层课后作业。基础作业：画出分类和聚类对比表格，写出聚类四步流程，举出两个聚类应用实例。拓展作业：自主搜集 K‑means 算法的基础常识，简单了解计算机实现聚类的常用算法；结合家里日常情况，运用聚类思想规划家里储物柜物品摆放方案，写下设计过程。鼓励学生课后查阅资料，继续了解人工智能里面无监督学习的其他应用。 学生活动：记录课后作业，按照自己的学习情况合理完成任务。基础作业夯实课堂所学内容，拓展作业主动查阅资料，拓展人工智能相关知识面，把聚类思想用到家庭生活当中，持续锻炼算法思维。 设计意图：分层作业兼顾不同学习水平的学生，基础作业巩固课堂重点，拓展作业延伸课堂知识，引导学生课后自主开展数字化学习，持续提升综合素养，做到课上学习课下延伸。 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 $