资源简介

《4.1 认识人工智能》教学设计
一、教材分析
本课时是人教版信息技术教材必修一《数据与计算》中“4.1认识人工智能”的内容，是第四章走进智能时代的第1课时。
1. 课标要求
新课标详细的阐述了学科信息素养，学科信息素养分别是信息意识、计算思维、数字化学习与创新、信息社会责任。新课标也强调了紧密围绕学科核心素养，凸显“学主教从、以学定教、先学后教”的专业路径，具体从领会学科核心素养、把握学习本质，重构教学方式，创设数字化学习环境4个维度，引导学生全面提升信息素养，养成终身学习习惯。教师通过提供丰富的资源，帮助学生掌握概念，了解原理，认识价值，学会分析问题，形成多元理解能力，成为合格时代公民。本节课从引导学生正确的认识人工智能，体验人工智能技术，理解人工智能技术的核心，培养学生的信息意识和数字化学习与创新，同时引导学生正确看待技术，培养学生的信息社会责任，从而提升学生的信息素养。
2. 本节的作用与地位
本章教材以“智能交互益拓展”为主题，开展项目活动，了解人工智能的产生、发展以及对人们日常生活的影响，体验并了解人工智能的关键技术。
本节教材以体验活动为主线，让学生在体验人工智能实例的同时，了解人工智能的产生与发展，体会人工智能对社会发展的影响通过典型实例理解人工智能技术，感受人工智能魅力。本节内容是学生进一步学习人工智能相关技术的基础，是后续学习内容的铺垫。他将带领学生了解人工智能，认识并体验人工智能相关技术，理解人工智能的核心技术——机器学习。是学生进一步增强信息意识、提高数字化学习与创新能力。
二、学情分析
1.知识基础
本章是信息技术必修1教材的最后一章，在之前的课程学习中，学生已经认识数据、会使用程序解决简单的问题，能使用计算机对生活中的问题进行数据处理与分析，学会了基础的数据收集、处理和分析的知识与技能。但人工智能技术是用计算机模仿人类大脑的工作方式，尝试进行识别、理解、学习与推理的技术，是信息技术发展的热点之一。与一般的信息处理技术相比，人工智能技术在求解策略和处理手段上都有着独特的风格。学生对此知识了解较少，在生活中可能使用到但没有注意。
2. 认知特征
本课学习对象是高中一年级的学生，这个阶段的学生已经具有一定的逻辑思维能力和学习的自觉性，但还需要教师及时、合理、周详地引导。由于学生的认知能力，可能他们在生活中有接触到人工智能的应用，但是大部分同学并没有意识到这就是人工智能。他们对人工智能没有深层次的认识，对生活中的人工智能的应用没有了解，对人工智能的应用价值更没有了解，也没有意识到人工智能技术对社会的影响。
3. 非智力因素
作为学生，好奇和强烈的求知欲对学习本课来说是很好的前提。大部分学生都比较喜欢科幻故事和科幻电影，对人工智能充满了好奇，非常想探索其中的奥秘。我们正好利用学生的好奇和兴趣，通过展示我们生活中人工智能的应用实例，简要剖析其中奥秘，让学生打破“人工智能”的神秘感，引领学生们进入一个奥秘无穷的领域。但是他们在自主思考方面还不主动、合作与探究的意识和技能等方面还比较欠缺。
三、教学目标
1.三维教学目标
·知识与技能目标：
了解人工智能的产生与发展，体会人工智能对社会发展的影响。
通过实例理解人工智能技术及其应用。
理解人工智能的核心——机器学习，明白人工智能与机器学习都是模拟或延伸人的智能与学习。
·过程与方法目标：
体验典型的人工智能实例。
参与经典人工智能操作。
联系各学科学习情况，畅想人工智能可以模拟、延伸和扩展哪些人的智能，哪些人类学习方法可以用于机器学习。
·情感态度价值观目标：
感受人工智能的魅力，感受利用人工智能工具处理信息的优势，激发创新思维，促进合作学习与分享学习心得。
2.核心素养指向
通过微课、项目探究培养信息意识，体验数字化学习与创新活动。
通过经典实例的体验，人工智能技术的讨论，正确认识人工智能技术，增加信息意识、了解计算思维，激发学习兴趣，了解人工智能技术的发展对于社会生活的影响，提高使用人工智能技术解决问题的意识和能力，认识信息社会责任
四、教学重点难点
1.教学重点
体验典型的人工智能实例，对人工智能和机器学习的理解
2.教学难点
对人工智能和机器学习的理解
五、教学理念
坚持以人为本，以学生为主体，以教师为主导。学主教从、以学定教、先学后教
坚持建构主义学习理论，利用项目学习、合作学习与探究学习，引发学生思考，将人的智能与人工智能、人的学习与机器学习联结起来思考。
坚持STEAM教育理念，引发学生跨学科思考。注重培养学生自主数字化学习与创新能力。
六、教学方法
1.利用课前自主微课学习与案例探究，在理解基础的前提下开展新项目学习。
2.项目探究、分组合作体验、交流分享，在交流中提升对于人工智能技术、生活中的应用、相关技术的理解。
七、教学环境
移动设备（教学平板、手机、PC操作的话，准备耳麦用于语音输入）
讯飞听见等语音识别。
八、教学过程设计
教学环节 教学活动 学生活动 设计意图
课前 阅读讨论教材133页《人机博弈》案例，观看微课《机器学习》并思考。 讨论案例 观看微课 思考问题 制作汇报材料 引起学生兴趣，自主合作探究学习。
课中 （认识） 1.小组汇报人机博弈的思考，全班共同讨论。 2.介绍人工智能的产生、概念。 3.介绍我国人工智能的发展史。 交流、分享 全班同学共同讨论分析 通过交流，了解人工智能的产生与发展
课中 （体验） 项目参与“语音识别” 分组体验、讨论 分享经验 总结提升 （讯飞听见等自选主题体验分享） 通过分组体验、讨论、分享；让学生探究人工智能技术及其实际应用
项目参与“图像识别”
项目参与“人脸变换”
项目参与“机器翻译”等
课中 （理解） 探讨人工智能相关技术 理解机器学习、深度学习的含义。 已观看微课视频，汇报交流 了解人工智能相关技术：机器学习、深度学习
课中 (展望与小结) 小结本课知识点，评价与展望，畅想未来人工智能发展。 小结 思考 课堂小结、提升认识，情感升华
课后 总结课程，从反馈中改善。 完成课后作业， 注意观察生活中是人工智能技术应用并思考其应用原理。 加深理解记忆 思考人工智能在生活中的应用，强化生活应用
九、学习效果评价
1. 评价主体
该课采用多主体参与评价，包括教师评价、小组互评、小组自评。
2. 评价内容
评价内容包括三部分：小组探究评价、小组协作互助评价和课后达标测验。
3. 评价方式
课堂学习成果评价和小组协作互助评价都采用量表的方式，让学生和教师在线填写。在评价结束之后，自动生成评价结果，学生登录网络学习平台，查看老师、同伴和自我评价的结果。
课堂结束后，学生登录网络学习平台完成课后达标测验的测试题，完成后，即自动生成检测结果。
4. 评价标准
评价总分=小组探究评价表得分（50）+小组协作互助评价表得分（35）+课后达标测验（15）
小组探究评价：以小组为单位，对研究成果进行汇报，参考以下标准进行评价。
小组探究记录表（_______年______月______日）
汇报主题与内容
小组成员 学生：
小组学习过程记录
一级指标 二级指标 分值 小组自评 小组互评 教师评价
汇报内容 观点明确，内容完整，条理清晰，有创新独特理解 25
紧扣主题，联系生活，能运用多学科知识技能分析、无科学性错误 25
研究报告 排版合理，恰当使用多媒体元素 10
汇报者表现 表达自然、清晰 5
回答问题有针对性 5
合作学习 分工明确 10
善于收集整理资料，小组共享 15
集体荣誉感强烈 5
小组协作互助评价：小组内部对成员参考以下标准进行评价（每一项满分5分）。
编号 题目 成员1 成员2 成员3 成员4
1 在大部分时间里他（她）踊跃参与，表现积极。
2 他（她）的意见总是对我很有帮助。
3 他（她）经常鼓励/督促小组其他成员积极参与协作。
4 他（她）能够完成该做的那份工作和学习任务。
5 我对他（她）的表现满意。
6 他（她）对小组的贡献突出。
7 如果还有机会我很愿意与他（她）再分到一组。
8(共14张PPT)
人教版高中信息技术必修一《数据与计算》
4.1 认识人工智能
人工智能的产生：
1956年在美国达特茅斯学院的一次学术研讨上提出。
人工智能的定义（《人工智能标准蓝皮书（2018）》）
利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
一、 什么是人工智能？
我国人工智能发展
吴文俊院士提出的几何定理证明的“吴氏方法”对人工智能理论研究做出了很大贡献。“吴文俊人工智能科学技术奖”奖励我国人工智能领域有成就和创新的个人和项目。
我国在语音识别技术、视觉识别技术等方面处于世界领先水平；在自适应学习、直觉感知、综合推理、混合智能和群体智能等领域已初步具备跨越发展的能力。
人工智能产业生态的三层基本架构
基础资源层：主要是计算平台和数据中心，属于计算智能；
技术层：通过机器学习建模，开发面向不同领域的算法和技术，包含感知智能和认知智能；
应用层：主要实现人工智能在不同场景下的应用。
基础资源支撑
AI生态逐步形成：基础资源+技术+应用
智能交互
人机交互技术主要研究人与计算机之间的信息交互。包括人到计算机和计算机到人的信息交换两部分。
语音交互功能探究与思考
【原理探究】
1. 语音采集 完成音频的获取、采样、编码
2. 语音识别 语音信息转换为机器可识别的文本信息
3. 语意理解 根据识别转换成的文本或命令完成相应的操作
4. 语音合成 完成文本信息到语音信息的转换
【应用实践】
智能电器、智能导航、智能家居（如：智能音箱、手机智能助手等）
图像识别与生物特征识别
体验手写输入，传图识字、人脸验证等操作
【原理探究】
图像识别是利用计算机对图像处理、分析和理解，以识别各种不同模式的目标和对象的技术。图像识别技术是以图像的主要特征为基础的。
生物特征识别技术，是在图像识别基础上发展起来的，是利用生物的特征（如：指纹、虹膜、人脸等）进行识别。生物特征识别是通过个体生理特征或行为特征对个体身份进行识别认证的技术。主要是对生物特征进行取样，从中提取唯一特征，并转换为相应的代码，并进一步将这些代码组合成具有代表性特征模板。识别时进行比对、判断。
【应用实践】交警违章抓拍、人脸签到、指纹签到、图文识别、拍立淘等
自然语言处理
体验公众微信号中的智能交互
【原理探究】
自然语言处理技术主要研究人与计算机之间利用自然语言进行有效通信、交流的各种理论和方法。主要研究领域：
机器翻译 从一种自然语言到另外一种自然语言的翻译
语意理解 利用计算机技术对文本篇章理解，并回答相关问题
问答系统
计算机像人类一样用自然语言与人交流，人们向问答系统提交用自然语言表达的问题，系统返回关联性较高的答案
【应用实践】语音控制、siri、小娜、小爱音箱
二、人工智能技术体验探究
典型实例 技术应用 体验实践
语音识别 语音输入、语音控制 体验语音输入法
图文识别 OCR、车牌识别 体验OCR、传图识字
生物特征识别 人脸识别、指纹识别 体验人脸识别
机器翻译 在线翻译、翻译软件 体验在线翻译google
机器人 机器人
机器学习
【原理探究】
机器学习研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身性能，是人工智能技术的核心。
深度学习是“深度神经网络的学习”，是机器学习的一个重要领域。
机器学习的分类
推理期
知识期
机器学习期
人工智能的三个研究阶段
1950s
1970s
1980s
基于符号知识表示 通过演绎推理技术
基于符号知识表示 通过获取和利用领域知识 建立专家系统
神经网络第二个高潮 NP(non-deterministic polynomial-time)难题 中获重大进展 助力大量现实问题
神经网络
第一个高潮期
神经网络以深度学 习之名再次崛起 大幅提升感知智能 准确率
2017
90s中期
统计学习登场并占据主流，支持向量机、核方法为代表性技术
提出支持向量、VC维等概念
统计学的研究成果经由机器学习 研究，形成有效的学习算法
联结学派对大脑进行逆向分析 灵感来自于神经科学和物理学 产生的是“黑箱”模型 神经网络可归置此类
符号学派将学习看作逆向演绎 并从哲学、心理学、逻辑学中寻求洞见 代表包括决策树和基于逻辑的学习
机器学习&深度学习
从以“推理”为重点到以“知识”为重点，再到以“学习”为重点
机器可以自动“学习”的算法，即从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。目前，机器学习=“分类”
人工智能 > 机器学习 > 深度学习
给以下场景中的机器学习方式分分类：
1.一家广告平台需要根据相似的人口学特征和购买习惯将中国人口分成不同的小组，以便广告客户可以通过有关联的广告接触到他们的目标客户。
2.你想让某网站图片从已标记的图片库里识别出一张钟南山的照片。
3.某网站根据你过去看过的与一键三连的视频选择推荐你首页的视频。
课堂小结
机器学习研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身性能，是人工智能技术的核心。
人工智能
利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
课堂小结
语音识别
图文识别
生物特征识别
机器翻译
机器人

展开更多......

收起↑