重大社2024初中信息科技八下人工智能第三单元教学设计 .pdfVIP

单元教学设计

（一）单元基本信息

学科信息科技实施年级八年级下设计者刘勇

《课程标准》模块人工智能与智慧社会

单元名称人工智能的实现方式

单元课时4~5课时

（二）单元教学规划

1.单元概述

1.1核心概念

本单元属于《义务教育信息科技课程标准（2022年版）》“人工智能与智能社会”模块

中的“人工智能的实现方式”部分内容。

本部分的课标内容要求：

（1）通过对比不同的人工智能应用场景，初步了解人工智能中的搜索、推理、预测和

机器学习等不同实现方式。

（2）通过分析典型案例，对比计算机传统方法和人工智能方法处理同类问题的效果。

本单元设计的核心概念有机器学习等。借助人工智能案例和综合实践项目等帮助学生探

究人工智能的原理，让学生初步了解人工智能中的搜索、推理、预测和机器学习等不同实现

方式，同时结合典型案例感受计算机传统方法和人工智能方法处理同类问题的不同效果。

机器学习（MachineLearning）是实现人工智能的主流方法，它有一个显著的特点，也

是机器学习最基本的做法：从观测数据出发寻求规律，利用这些规律对未来数据或无法观测

的数据进行预测。机器学习可分为监督学习、非监督学习和强化学习。

数据是对客观事物的一种数字化表示，可以是文本、图像、语音、视频等。

特征是从数据里抽象出来的，用于描述数据的一些特点。

标签是对数据的标注，用来标识数据的种类。

监督学习是有标签参与的学习。

非监督学习是没有标签参与的学习。

分类是预测目标属于哪类。

回归是预测目标的某一种特征的数值。

聚类是一种非监督学习算法，会自动地把一组数据分成多个类别。

KNN算法（K-NearestNeighbor）即K最近邻算法，是一种常用的分类算法，这种算

法需要用到物品相似性的度量。

强化学习算法的过程是开始什么都不懂，什么想法都没有，然后通过不断地尝试，从错

误中学习，最后找到规律，学会达成目标的方法。

搜索和优化是人工智能中的基本算法。搜索是人工智能求解问题中的常见处理方法，如

人脸识别中先通过人脸检测提取出特征，随后再据此对存储人脸特征的数据库进行搜索、对

比，最后按照相似度排序返回结果。

推理是根据已有的知识和逻辑规则，从已知的事实或前提中得出新的结论或推断。

贝叶斯原理是概率论中的一项重要原理，即根据已知信息和新的证据来重新评估事件的

概率。

1.2内容结构

本单元构建的结构化知识体系为人工智能的实现方式，包含搜索、推理、预测、机器学

习。

1.3教学过程

1.4育人价值

让学生在完成“校园自助诚信超市”的项目主题活动过程中，初步了解人工智能技术基

于不同的实现方式，实现像人一样认知、思考和学习。通过探索典型案例，让学生亲历人工

智能技术不同的实现过程与方法，发挥自主探究的学习能力，产生学习兴趣，形成数字和学

习与创新能力，进一步增强利用人工智能技术服务人类发展的责任感。

2.单元学情分析

8年级的学生基本了解人工智能的发展和概念，对人工智能常见的应用充满兴趣，已具

备一定的自主探究能力。但人工智能的实现方式对学生来说是一个更深层次的内容，大部分

学生没有深入了解人工智能技术的基本实现过程，不能进行深层分析和理解实现方式。需要

学生通过团队探究、合作、信息共享，对经典案例进行剖析，逐步形成核心素养。

3.教学环境

人工智能应用框架、AI开放平台、网络探究协作平台等。

4.单元教学目标

了解人工智能中的搜索、推理、预测和机器学习等概念。

通过体验人工智能应用框架，初步了解实现人工智能的常见算法。

通过分析典型案例，对比计算机传统方法和人工智能方法处理同类问题的效果。

通过实例体验机器学习在人工智能中的重要性，客观认识人工智能给社会带来的新力

量；同时增强利用人工智能促进社会发展的责任。

5.教学过程

课时（包括课名）任务序号教学主要任务

任务1实地考察本地