《第 26 课 推荐出行方式》 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AI出行推荐模型构建，涵盖数据集处理、决策树与神经网络算法。通过导航软件情境导入，引出项目任务，拆解为数据集制作、模型构建、训练、评测优化，形成递进式学习支架。 特色在于真实情境驱动项目式学习，通过数据清洗编码、算法对比探究培养计算思维，编程平台实操提升数字化学习与创新能力，融入数据隐私和绿色出行教育落实信息社会责任。实例如小组合作完成数据集、对比决策树与神经网络准确率，助力学生掌握AI建模，为教师提供完整教学流程和实操案例。

第 26 课 推荐出行方式 科目 信息技术 教材 人教版 核心素养目标 信息意识：挖掘距离、天气、费用等出行数据价值，辨别有效信息； 计算思维：把出行选择问题拆解，理解决策树和神经网络的建模原理； 数字化学习与创新，借助编程平台搭建出行推荐模型； 信息社会责任，懂得合理运用 AI 技术，注重出行数据隐私，树立绿色出行理念。 教学重难点 教学重点：梳理影响出行方式的各项要素，掌握数据集处理方法，区分决策树、神经网络两种推荐算法的运行逻辑。 教学难点：理解模型训练原理，排查数据预处理出现的问题，结合实际场景对比算法优劣，对 AI 推荐结果进行合理优化改进。 教学过程——主要思路 环节一：情境创设，抛出项目任务 教师活动：教师展示日常导航软件的推荐界面，向学生提出问题，大家平时出行时，导航 APP 为什么有的时候推荐步行，有时候推荐打车或者乘坐公交？AI 是依据哪些条件给出最后的出行方案。接着引出本节课项目任务，我们自主搭建人工智能程序，让计算机根据条件智能推荐合适出行方式。教师进一步说明本节课整体学习脉络，依次完成数据集制作、决策树模型构建、神经网络模型训练、模型评测改进四项内容。 学生活动：结合自己日常出行经历，独立思考并说出自己选择出行方式的参考条件，小组内互相交流讨论，归纳出行距离、天气状况、花费多少、路况拥堵情况、个人偏好等条件，明白本节课要完成的项目任务。 设计意图：从学生熟悉的真实生活场景入手，唤醒学生的信息意识，让学生明白 AI 推荐并不是凭空判断，背后依靠大量数据与算法支撑，将生活问题转化为课堂探究任务，激发学生主动探究的积极性，自然引出本节课学习内容。 环节二：要素剖析，完成出行数据集构建 教师活动：教师讲解人工智能项目开展的基础就是数据，推荐出行方式的第一步就是制作合格数据集。依次讲解数据集完整制作流程：收集原始数据、整理分类数据、清洗剔除无效数据、标准化数据格式。教师展示一份杂乱的原始出行记录，里面包含空白数据、错误填写内容、重复记录，带领学生分析不合格数据带来的后果，错误数据会导致后期 AI 模型判断出现偏差。教师出示已经整理好的特征标签，把距离分为近、中、远；天气分为晴朗、下雨、大风；出行目的分为上学、游玩、通勤；出行结果分为步行、骑行、公交、私家车。教师讲解要把文字信息转化为数字编码，计算机才可以识别读取，给学生演示文字转数字的设置方法，距离近用 0 表示，中用 1 表示，远用 2 表示，天气晴朗 0、下雨 1、大风 2。教师下发课堂练习素材，指导学生分组完成数据清洗与编码转换。教师巡视各个小组，及时纠正学生数据处理时出现的错误，提醒学生不要随意篡改原始出行信息。 学生活动：小组分工合作，一部分同学筛选原始出行数据，删除空白、重复、矛盾的数据；另一部分同学对照编码规则，把文本信息转化为数字形式；剩下成员检查数据集，核对编码内容。完成之后每组推选成员汇报本组整理数据集的思路。学生在操作过程中体会数据清洗的重要性，总结数据质量会直接决定 AI 推荐结果是否靠谱。 设计意图：把复杂的人工智能项目进行任务分解，落实计算思维中抽象和数据处理的思想。学生亲手完成数据筛选、标准化处理，明白数据是人工智能的基础，提升学生甄别有效信息的能力，同时培养学生严谨细致的数据处理习惯，为后面模型训练做好铺垫。 环节三：原理探究，搭建基于决策树的推荐模型 教师活动：教师提出问题，数据集准备完成之后，计算机依靠什么逻辑进行判断。教师先用通俗的例子讲解决策树原理，决策树就像层层判断题，依次判断距离远近、天气情况，一步步筛选得出出行方案。教师在黑板绘制简易出行决策树结构图，第一层判断出行距离，距离较近继续判断天气；距离较远再判断出行预算，逐层往下分支，最后输出出行方式。之后教师打开编程学习平台，给出基础代码框架，分步讲解代码含义：导入决策树库、读取刚刚整理完成的数据集、划分训练数据和测试数据、创建决策树模型、执行训练、输入条件得出推荐结果。教师分步演示代码运行过程，重点讲解训练集和测试集的作用，用大部分历史数据让机器总结判断规则，少量数据用来检验模型效果。教师抛出拓展思考问题，决策树模型的优点是什么，同时存在哪些不足之处。 学生活动：学生先脱离电脑，手动梳理判断条件，画出简易决策树分支图；之后参照教师给出的代码，输入程序语句，运行代码，分别输入几组不同条件，查看程序给出的出行方案；小组讨论之后总结决策树优缺点，优点是推理过程清晰、运行速度快，缺点是只能依靠固定条件判断，遇到复杂多变的路况时推荐不够灵活死板。学生在运行代码的时候遇到报错问题，组内成员先互相讨论解决，解决不了再向老师求助。 设计意图：遵循由浅入深的认知规律，先通过手绘结构图理解算法逻辑，再进行代码实操。学生在编写调试代码的过程中学会建模方法，发展计算思维。学生自主总结模型优缺点，养成辩证看待算法的习惯，而不是一味认为 AI 给出的结果都是完全合理的。 环节四：深入进阶，体验神经网络智能推荐模型 教师活动：教师进行过渡讲解，决策树依靠人为设定判断条件，如果出行条件变得复杂，比如早晚高峰、节假日、道路施工，固定的判断规则就不够适用，接下来学习人工神经网络模型。教师利用结构图简单讲解神经网络三层结构：输入层、隐藏层、输出层，距离、天气、费用等数据输入进输入层，隐藏层自主学习数据之间的内在联系，最后输出层给出出行方案。对比决策树，神经网络不需要人为逐条设定判断条件，机器自主学习海量历史数据，自动找到各项要素之间的联系，适配更加复杂的出行场景。教师展示简化版神经网络代码，讲解隐藏层参数的含义，调整神经元数量会改变模型学习效果。教师指导学生运行神经网络代码，用和决策树一样的测试数据，对比两种模型给出的出行方案。教师设置探究任务，更改隐藏层神经元个数，观察推荐结果发生的变化，引导学生发现神经元过少模型学习不足，神经元过多会出现过拟合问题，遇到陌生场景判断出错。教师举例说明过拟合的现实问题，模型只记住课堂里面的数据，放到真实复杂路况下推荐结果不合理。 学生活动：运行神经网络程序，输入相同测试条件，把神经网络和决策树得出的出行方式进行对比记录；调整神经元参数，多次运行程序，观察推荐结果变化；小组探讨过拟合产生的原因，思考怎样减少过拟合问题，比如扩充数据集、合理设置神经元数量。学生对比两种模型之后说出自己的看法，决策树规则透明，神经网络自主学习适应性更强。 设计意图：在掌握基础算法之后进行进阶学习，学生对比两种模型的运行特点，理解不同算法适用场景，学会根据问题选择合适算法。学生自主调整参数观察模型变化，锻炼数字化学习与创新能力，明白人工智能模型并不是设置完成就一劳永逸，需要不断调试优化。 环节五：综合测评，完成模型效果分析与优化 教师活动：教师讲解模型训练完成之后，不能直接投入使用，必须进行效果评估。教师给出准确率的计算方式，测试数据里面推荐结果符合现实情况的数量除以总测试样本就是准确率。教师下发测试数据集，让学生分别计算决策树模型和神经网络模型的准确率。教师继续抛出深度思考问题：AI 给出的出行方案一定适合所有人吗？系统采集我们日常出行数据时，会不会带来隐私泄露问题；为了提倡低碳出行，我们能不能在算法里面加入绿色出行权重，优先推荐公共交通。教师组织全班开展课堂辩论：导航软件获取我们的出行数据利弊分别是什么，引导学生客观看待智能出行。教师布置优化任务，小组结合本地出行特点，在数据集里面加入早晚高峰、节假日等新特征，再次训练模型，提升 AI 推荐准确率。教师巡查各组优化情况，对于添加特征不合理的小组给出针对性指导意见。 学生活动：计算两种模型准确率，结合准确率数值判断模型好坏；学生自由发言，说出 AI 出行推荐的优势和隐患，明白出行数据属于个人隐私，平台使用出行数据需要得到本人同意；小组结合本地交通现状，新增路况特征，完善数据集，再次训练模型，对比优化前后模型准确率的变化。学生完成优化之后每组派代表展示改进之后的 AI 出行推荐系统，讲解本组优化思路。 设计意图：让学生掌握模型评价方法，学会用客观数据评判模型优劣，进一步深化计算思维。通过探讨数据隐私、绿色交通，落实信息社会责任，懂得合理规范使用人工智能技术，树立科技向善的思想；通过自主优化模型，实现知识迁移，培养创新实践能力。 环节六：归纳梳理，拓展延伸课堂所学 教师活动：教师带领学生整体梳理本节课全部内容，按照数据集制作‑决策树模型‑神经网络‑模型优化这条主线回顾知识，再次总结：高质量的数据是前提，合适的算法是核心，后期调试优化必不可少。教师进行课外拓展，现在城市智慧交通系统，就是依靠海量出行数据和深度学习算法，帮助城市合理调度车流，缓解城市拥堵。教师布置课后任务，学生回家之后调研家人选择出行方式的关注点，扩充更多出行样本，继续完善出行推荐模型；同时思考 AI 除了出行推荐，在生活中还有哪些场景用到决策树或者神经网络算法。 学生活动：跟随老师回顾本节课重难点知识，整理课堂笔记；认真聆听拓展内容，感悟人工智能对现代城市建设的帮助；记下课后任务，规划课后完善 AI 模型的思路。学生说出本节课自己学到的收获，谈一谈以后面对人工智能产品时会秉持怎样的态度。 设计意图：梳理课堂知识，构建完整知识体系，巩固本节课所学内容；把课堂知识延伸到现实城市建设当中，拓宽学生眼界；课后实践任务继续锻炼学生数字化创新能力，让学生做到学以致用，实现课堂学习和现实生活紧密相连。 环节七：课堂总结，升华价值观念 教师活动：教师进行最后的总结，今天我们不再只是人工智能的使用者，而是模型的设计者。大家亲手完成了 AI 出行推荐项目，明白了导航软件背后的技术原理，看到数据和算法带给生活便利的同时，也要守住隐私安全底线。未来人工智能还会深度改变交通方式，希望同学们努力学好信息技术，以后运用所学技术开发更加智能环保的出行系统，用科技服务社会。 学生活动：认真聆听教师总结，深化本节课学习感悟，树立认真学习信息技术的决心，明白作为数字时代的青少年，既要学会运用智能技术，也要肩负信息社会责任。 设计意图：升华课堂育人目标，把知识学习上升到价值层面，让学生体会科技服务生活的意义，落实四维核心素养的整体育人目标，完成本节课的全部教学任务。 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 $