《第三单元 人工智能的本质 —— 我为校园增 “智慧”- 探索 1 人类学习与机器学习》导学案 2026-2027学年苏科版信息技术九年级全一册

该初中信息科技导学案聚焦“人类学习与机器学习”，引导学生对比二者异同，掌握机器学习核心流程，结合校园智能场景理解AI应用原理。通过课前预习案梳理基础概念，课中以新生识校园与门禁识别场景对比导入，搭建从生活感知到理论探究的学习支架。 以校园真实场景为载体，通过对比表格、流程拆解等探究活动，结合思维导图构建知识体系，培养计算思维与信息意识。习题设计关联生活、纠正认知误区，引导学生辩证看待AI，树立合理应用智能技术的信息社会责任，提升数字化学习与创新能力。

初中信息“导·学·练”课堂导学案 年级 科目 信息 周次 设计者 序号 班级 主题与课时 第三单元 人工智能的本质 —— 我为校园增 “智慧”- 探索 1 人类学习与机器学习 课型 新授 审核人 学校审核 姓名 课标要求 依据初中信息科技课程标准，本节课要求学生对比人类学习与机器学习的差异与共性，掌握机器学习的基本内涵与核心流程，建立人工智能“学习迭代”的基础认知。结合校园真实场景感知智能技术应用原理，初步形成数据驱动的思维方式，能简单辨析人机学习的优劣，树立合理运用人工智能、辩证看待智能技术的信息素养。 学习目标 信息意识：感知人机学习的本质区别，关注校园人工智能应用的学习逻辑。 计算思维：通过对比探究，梳理机器学习数据输入、模型训练、迭代优化的核心流程。 数字化学习与创新：依托校园场景探究，尝试分析智能设备的学习原理。 信息社会责任：辩证看待机器学习的优势与局限，理性使用智能工具，树立正确的人工智能应用观念。 重难点 重点：人类学习与机器学习的异同点，机器学习的基本核心流程。 难点：理解机器学习“数据驱动、迭代优化”的本质，区分人类主观思辨学习与机器程序化学习的核心差异，能结合校园智慧场景解读机器学习的应用逻辑，突破“人工智能等同于人类智能”的认知误区。 学习过程 （一）课前预习案 为帮助学生提前感知本节课核心知识，搭建课堂探究基础，贴合教材知识点设置预习习题，引导学生自主梳理基础概念、观察生活现象、初步辨析核心问题，培养自主学习与信息观察能力。预习案无难度梯度壁垒，侧重基础知识感知与生活场景关联，为课中深度探究做好铺垫。 1. 填空题 （1）人类学习是通过________、思考、实践、总结，逐步积累知识与技能，形成主观认知与经验的过程。 （2）机器学习是人工智能的核心，是让计算机通过________自主学习规律、优化模型、提升能力，无需人工逐条编程的学习方式。 （3）机器学习的基础三要素是数据、________、算力。 （4）校园中的智能门禁、人脸识别打卡设备，核心依托________技术实现精准识别与自主优化。 （5）人类学习具备主观性、创造性和________，能够举一反三、灵活迁移知识。 2. 选择题 （1）下列不属于人类学习特点的是（） A. 主观思考、灵活迁移 B. 创造性解决新问题 C. 完全依赖海量数据 D. 结合生活经验思辨判断 （2）机器学习的核心本质是（） A. 人工手动输入所有答案 B. 从海量数据中自主总结规律 C. 完全复刻人类思维 D. 无需迭代优化，一次成型 （3）下列校园应用中，运用了机器学习技术的是（） A. 普通电子时钟计时 B. 智能阅卷系统批改试卷 C. 传统黑板板书教学 D. 纸质图书借阅登记 （4）相较于人类学习，机器学习的优势是（） A. 具备创新思维 B. 处理海量数据速度快、精度高 C. 拥有情感判断能力 D. 能自主突破算法局限 3. 判断题 （1）机器学习可以完全替代人类学习，拥有人类的主观思维和创造力。（） （2）没有海量、有效的数据支撑，机器学习无法完成模型训练和优化。（） （3）人类学习可以依靠少量经验举一反三，机器学习需要足量数据支撑才能精准判断。（） （4）校园智能保洁机器人的避障功能，是通过机器学习迭代优化实现的。（） 4. 简答题 （1）简单列举2个校园中运用机器学习技术的智能设备或应用场景。 （2）结合自身学习经历，简要说说人类学习最核心的特点是什么？ 5. 预习思考探究题 认真阅读教材对应内容，结合生活观察思考：同样是“学习识别物品”，人类同学识别校园花草、同学面孔的学习过程，和智能摄像头识别校园人员、物品的学习过程有什么直观区别？请简要写出你的初步想法。 （二）课中探究案 本节课中，学生将以自主探究、小组合作、案例分析、对比总结的方式完成深度学习，围绕“人类学习与机器学习”核心主题，从概念辨析、异同对比、流程拆解、场景应用、误区纠正五个维度开展探究学习，逐步突破重难点，构建完整的知识体系，同步提升核心素养。 探究活动一：情境导入，初识人机学习（基础感知） 【情境素材】校园日常两大场景：场景一，七年级新生入校后，通过一周的观察、记忆、交流，慢慢认识全班同学、熟悉校园环境；场景二，校园人脸识别门禁，在录入全校师生人脸数据后，经过系统训练，能够快速识别进出人员、区分师生与外来人员，且使用时间越久，识别准确率越高。 【课堂探究习题】 1. 对比两个校园场景，说一说新生认识校园和同学的过程，与人脸门禁识别人员的过程，最大的直观区别是什么？ 2. 结合情境思考：门禁系统为什么需要提前录入大量人脸数据？不录入数据能否实现精准识别？ 3. 初步总结：什么是人类学习？什么是机器学习？尝试用简洁的语言分别定义。 【小组讨论任务】4人一组，结合预习内容和课堂情境，交流各自的观点，统一小组核心结论，梳理人类学习和机器学习的基础特征，每组推选一名代表进行课堂发言。 【探究总结铺垫】通过情境探究可以发现，人类学习依靠感官体验、主观思考和经验积累，具备灵活性和主动性；而机器学习必须依托数据支撑，依靠系统运算和规律总结完成识别与判断，无主观思维，这是二者最核心的初始差异。 探究活动二：深度辨析，对比人机学习异同（核心重点） 结合教材核心知识点，通过表格梳理、问题探究的方式，深度拆解人类学习与机器学习的相同点与不同点，精准掌握本节课重点知识。 1. 完善对比表格，梳理核心差异与共性 对比维度 人类学习 机器学习 学习依托条件 学习思维特点 知识迁移能力 迭代优化方式 优势能力 2. 深度探究问答题 （1）人类学习可以通过少量知识点、少量经验实现举一反三，比如学会识别一朵月季花，就能自主识别所有月季花。请分析机器学习能否做到这一点？为什么？ （2）机器学习和人类学习的相同点是什么？这也是人工智能能够模拟人类智能的核心基础，请结合教材内容简要说明。 （3）结合校园学习场景，举例说明人类学习的创造性和主观性是机器学习无法替代的。 【小组合作探究】小组内分工梳理表格内容，逐一研讨问答题，结合教材原文修正观点，杜绝主观臆断，确保结论贴合知识点。教师巡视指导，解答学生疑惑，引导学生抓住“数据驱动vs经验思辨”的核心差异。 探究活动三：拆解流程，洞悉机器学习本质（教学难点） 教材明确指出，机器学习不是简单的程序运行，而是一个持续迭代、不断优化的完整过程，这也是人工智能实现“智慧升级”的核心原理。本节课结合校园智能阅卷系统案例，拆解机器学习完整流程，突破教学难点。 【案例素材】校园智能阅卷系统的升级过程：第一步，学校录入海量标准答案、满分试卷、错题样本数据；第二步，系统通过算法分析数据，总结答题规范、得分要点、常见错误规律；第三步，系统开展模拟阅卷训练，不断调整判断标准；第四步，正式投入使用，阅卷过程中持续积累新试卷数据，不断优化阅卷精度、减少误判。 【课堂探究习题】 1. 结合上述案例，完整梳理机器学习的四大核心流程，依次填写空缺： 数据采集与预处理→________→模型评估→________ 2. 思考探究：为什么智能阅卷系统使用时间越久，阅卷准确率越高？体现了机器学习的什么特点？ 3. 难点辨析题：很多同学认为“机器学习和人类刷题学习是一样的”，请结合机器学习流程和人类学习逻辑，辨析这一观点是否正确，并说明理由。 4. 拓展探究：结合机器学习三要素（数据、算法、算力），分析校园智能门禁识别精度不断提升的原因。 【深度点拨】人类刷题是理解知识、掌握方法、提升思维的主观学习过程，具备思辨和创新能力；而机器“刷题”是统计数据、固化规律、优化模型的程序化过程，无理解、无思维，仅依靠数据和算法完成迭代，这是二者本质区别，也是本节课最难理解的核心知识点。 探究活动四：场景应用，助力智慧校园建设（素养提升） 本单元主题为“我为校园增‘智慧’”，本节课所学的人机学习原理，是所有校园人工智能应用的底层逻辑。通过场景探究，让学生将理论知识与校园实践结合，实现知识迁移，提升数字化创新与信息社会责任素养。 【校园智慧场景素材】智能考勤、智能垃圾分类识别、校园智能导览机器人、课堂智能学情分析系统、校园安防智能巡检设备。 【探究任务】 1. 从上述校园场景中任选一个，简要分析其运用的机器学习原理，说明它是如何通过“数据训练—迭代优化”实现智慧服务的。 2. 创新思考题：结合本节课所学知识，说一说我们可以如何利用机器学习技术，优化校园现有智能设备，让校园更加智慧便捷？ 3. 素养思辨题：机器学习给校园生活、学习带来了很多便利，但也存在一定局限。请简要分析校园人工智能应用中，机器学习存在的不足，以及我们应该如何正确看待、合理使用校园智能设备。 探究活动五：课堂巩固，错题辨析查漏补缺 结合本节课重难点，设置课堂巩固习题，帮助学生夯实知识、纠正认知误区，精准掌握人机学习的核心知识点，规避常见易错点。 1. 填空题 （1）机器学习的本质是________驱动的智能迭代过程。 （2）人类学习独有的核心特征是具备________和创造性思维。 （3）机器学习四大流程中，________是实现设备持续优化的关键环节。 2. 选择题 （1）下列关于人机学习的说法正确的是（） A. 机器学习拥有自主创新能力 B. 人类学习可脱离数据和经验积累 C. 机器学习需要持续迭代优化 D. 人类学习精度永远高于机器学习 （2）校园智能学情分析系统能够精准分析学生错题短板，其核心原理是（） A. 人工手动统计数据 B. 机器学习分析海量答题数据，总结学习规律 C. 系统自主思考学生问题 D. 随机判断学生学习情况 3. 辨析问答题 有人说“人工智能的机器学习越发达，未来就可以完全替代人类学习和人类工作”，请结合本节课知识，判断该观点是否正确，并说明理由。 探究活动六：课堂总结，构建知识体系 学生自主梳理本节课知识框架，完成思维导图式总结，梳理核心知识点：人机学习的定义、异同点、机器学习三要素、机器学习四大流程、校园应用场景与素养认知。小组内互相补充完善，最终形成完整的知识体系，实现当堂知识当堂掌握。 【拓展延伸】课后自主观察校园或生活中的人工智能设备，分析其机器学习的应用逻辑，记录1个自己发现的智能场景学习原理，为后续智慧校园创新设计积累素材。 板书设计 探索1 人类学习与机器学习 1. 两大学习定义 人类学习：经验、思考、创造、主观迁移 机器学习：数据驱动、算法运算、迭代优化 2. 核心异同 同：均可积累经验、优化能力 异：人类→主观、创造、灵活迁移；机器→数据、精准、高速运算 3. 机器学习三要素：数据、算法、算力 4. 机器学习流程：数据采集→模型训练→模型评估→迭代优化 5. 应用：智慧校园各类智能设备 6. 素养：辩证看待、合理应用、人机协同 参考答案 （一）课前预习案答案 1. 填空题 （1）观察 （2）海量数据 （3）算法 （4）机器学习 （5）灵活性 2. 选择题 （1）C （2）B （3）B （4）B 3. 判断题 （1）× （2）√ （3）√ （4）√ 4. 简答题 （1）示例：校园人脸识别门禁、智能阅卷系统、智能垃圾分类设备、校园安防巡检机器人等（任意2个即可）。 （2）示例：人类学习具有主观性和创造性，能够结合已有经验灵活迁移知识，通过思考理解知识本质，可自主解决全新问题，具备举一反三的学习能力。 5. 预习思考探究题 示例：人类识别面孔、花草依靠视觉观察、主观记忆和经验积累，看几次就能记住，还能自主分辨细微差异，可灵活适应变化；智能设备识别需要提前录入海量数据，依靠系统对比运算完成识别，无法自主理解事物本质，没有主观记忆和思考能力。 （二）课中探究案答案 探究活动一答案 1. 新生认识校园和同学是主动观察、主观记忆、交流思考的主观学习过程，无需海量数据；门禁识别是依托提前录入的人脸数据，通过系统运算对比完成的程序化识别，无主观思考。 2. 因为机器学习依托数据驱动，数据是机器学习的基础；不录入有效数据，系统无法总结识别规律，不能实现精准识别。 3. 人类学习：人类通过观察、思考、实践、总结，积累知识技能、提升认知的主观过程。机器学习：人工智能依托数据、算法、算力，自主总结规律、优化模型、提升能力的程序化学习过程。 探究活动二答案 1. 对比表格完整答案 学习依托条件：人类（感官体验、生活经验、少量素材）；机器（海量、有效、标准化数据） 学习思维特点：人类（主观思辨、有情感、有认知）；机器（无主观思维、程序化运算、无情感） 知识迁移能力：人类（灵活迁移、举一反三、适配新场景）；机器（迁移性弱，仅适配训练数据场景） 迭代优化方式：人类（思考总结、实践反思、自主提升）；机器（依托新数据、算法迭代、系统优化） 优势能力：人类（创新创造、灵活应变、情感判断、思辨能力）；机器（海量数据处理、高速运算、精度高、无疲劳） 2. 深度探究问答题 （1）不能。机器学习没有主观理解能力，无法举一反三，只能依托训练过的数据规律完成判断，未经过数据训练的场景和内容，无法精准识别和判断。 （2）相同点：二者都可以通过持续积累、反复实践实现能力提升和自我优化。这是人工智能能够模拟人类学习、实现智能升级的核心基础。 （3）示例：课堂上学生可以结合知识点自主思考、创新解题方法，提出全新的疑问和观点，开展创新性学习探究；而智能学习设备只能按照预设算法和数据给出固定答案，无法自主创新、思辨提问，体现了人类学习的不可替代性。 探究活动三答案 1. 模型训练；迭代优化 2. 因为阅卷过程中系统会持续采集新的试卷数据，不断完成模型评估和迭代优化，修正判断误差；体现了机器学习持续迭代、动态优化、越用越精准的特点。 3. 观点错误。人类刷题是理解知识、梳理思路、提升思维能力的主观学习过程，具备思辨和创新能力；机器刷题是统计数据、固化规律、优化运算模型的程序化过程，无知识理解、无思维提升，二者本质完全不同。 4. 随着校园人脸数据不断积累（数据），识别算法持续优化升级（算法），设备运算性能不断提升（算力），三要素持续完善，让门禁系统识别精度不断提升。 探究活动四答案 1. 示例：智能考勤系统。提前录入全校师生人脸、班级、作息等海量数据，通过算法训练形成考勤识别模型，使用中持续采集考勤数据，迭代优化识别精度，快速完成师生考勤统计、异常考勤预警，实现智慧考勤服务。 2. 示例：可以利用机器学习优化校园垃圾分类设备，通过持续训练各类垃圾数据，提升细微垃圾的识别精度；优化学情分析系统，精准匹配学生薄弱知识点，推送个性化学习资源。 3. 不足：机器学习依赖数据，数据偏差会导致判断失误，无主观思辨能力，无法处理突发、全新场景；正确做法：理性看待智能设备的辅助作用，不过度依赖，以人类自主学习、主观判断为主，智能技术为辅，规范、合理、安全使用校园智能设备。 探究活动五答案 1. 填空题 （1）数据 （2）主观思维 （3）迭代优化 2. 选择题 （1）C （2）B 3. 辨析问答题 观点错误。机器学习仅能模拟人类部分智能，依托数据和算法完成程序化运算，无主观思维、无创新创造、无情感思辨能力；人类学习具备灵活性、创造性、思辨性，能够突破固有规律、解决全新问题，因此机器学习永远无法完全替代人类学习与人类工作，二者是人机协同、互补赋能的关系。 ( 1 / 3 ) 目标领航 任务驱动 评价镶嵌 赢在课堂 学科网（北京）股份有限公司 学科网（北京）股份有限公司 $