跨学科主题学习 第一节《建立主题学习资源库》教案川教版信息科技七年级下册.doc

跨学科主题学习第一课《建立主题学习资源库》教学设计

课题

建立主题学习资源库

单元

建立主题学习资源库

学科

信息科技

年级

七年级

核心素

养目标

信息意识：能应用本地语言大模型，生成本地主题学习资源库，提高对人工智能技术在教育和学习中应用的认识。

计算思维：能够利用AI工具进行数据分析和问题解决，例如在建立学习资源库时进行数据整理和分析。

数字化学习与创新：综合应用语文、数学、艺术等多学科知识解决实际问题，发展跨学科思维、培养团队合作与项目管理能力。

信息社会责任：能够意识到在享受AI带来的便利的同时，也要承担起保护信息安全、维护网络秩序的责任。

教学重点

能应用本地语言大模型，生成本地主题学习资源库。

教学难点

能够综合应用语文、数学、艺术等多学科知识解决实际问题。

教学过程

教学环节

教师活动

学生活动

设计意图

导入新课

跨学科主题第一节《建立主题学习资源库》：

学习目标

1.能应用本地语言大模型，生成本地主题学习资源库。

2.综合应用语文、数学、艺术等多学科知识解决实际问题。

3.发展跨学科思维、培养团队合作与项目管理能力。

人工智能技术已渗入我们生活的方方面面。如何让其促进我们的学习呢?本章让我们应用前面所学知识，建立自己的主题学习资源库，让学习变得更便捷、更高效!

语言大模型(LargeLanguageModel，简称LLM)是人工智能领域中自然语言处理的一个重要分支。它是具有海量参数、利用深度学习技术训练出来的语言模型。

本项目通过调查分析同学们学习过程中关注的主题领域制订“建立主题学习资源库”项目方案，借助本地语言大模型生成智能的“本地主题学习资源库”，提升学习效率与质量。

搭建本地语言大模型按照之前学习的内容，学生在教师指导下搭建本地语言大模型，并确保其正常运行。

上传学习资料学生将收集到的学习资料上传到本地语言大模型中，让模型学习这些资料。

应用本地语言大模型通过建立本地主题学习资源库，帮助学生应用本地语言大模型生成学习资源，提升学习效率。

综合应用多学科知识通过解决实际学习问题，引导学生综合应用语文、数学、艺术等多学科知识，培养跨学科思维。

讲授新课

一、项目需求分析

1.主题调研

以小组为单位，调查了解同学们在学习过程中对哪些主题学习资源库感兴趣，针对相应的主题，通过查阅资料、发放问卷、交流访谈等，完成下表。

2.确定主题

小组可以对“数学错题学习资源库”“语文古诗文学习资源库”“英语单词学习资源库”“音乐欣赏资源库”“传统名画知识库”等选题进行研讨，在充分听取同学意见后，选定项目主题。

二、项目方案制定

根据选定的项目主题，结合小组成员兴趣与特长，制订合适的项目整体方案，确定项目作品形式及技术方案，完成下表。

我们可以直接询问人工智能语言大模型:建立一个某学科的“错题集”，需要注意哪些问题?以下是某个人工智能语言大模型做出的回答:

1.主题学习资源属性设计:需要一种高效、易于阅读和维护的数据结构来存储主题学习资源。

2.自动化生成:可以利用整理好的主题学习资源数据集、开源语言大模型，建立主题学习资源库。

3.个性化定制:支持根据自己的学习需求，定制个性化的主题学习资源库。

4.易于查阅:主题学习资源库应支持智能检索和查阅。

三、项目实施

根据项目方案，小组通过团队合作实施项目。在实施的过程中，要充分考虑使用者对主题学习资源库的需求，切实解决项目调研中发现的问题，尽可能达成项目目标，同时考虑项目措施的针对性、可行性和有效性。下面以“数学错题学习资源库”为例介绍项目实施的过程。

1.设计主题学习资源属性

使用标记语言设计学习资源属性。如图示是“数学错题学习资源库”属性设计范例。

2.建立主题学习资源库

以“数学错题学习资源库”为例，通过本地搭建开源语言大模型，输入收集的数学错题数据集，建立数学错题学习资源库。参考步骤如下:

准备主题学习资源数据集:收集一定数量的学习资源数据，并按数学错题集属性设计进行标记，整理成所选的标记语言格式。

搭建语言大模型:按照开源语言大模型的搭建步骤，在本地部署语言大模型。

提交主题学习资源数据集:将准备好的主题学习资源数据集提交给语言大模型，建立个性化的主题学习资源库。

应用主题学习资源库:向语言大模型提问，获得相应答案。如:请将我所有出错的题列表显示;或者:请将我还需向老师请教的错题，显示出来。想想看，这样提问与之前的题库有什么关系?

3.更新优化主题学习资源数据集

可以通过手动或导入标记语言格式的主题学习资源数据集，维护更新已建立的主题学习资源库。

四、项目评价

请以小组为单位在班级内展示你们设计并完成的主题学习资源库项目，根据下表进行自评，并根据评价结果完善优化。

项目结束后，同学们可以继续完善主题学习资源库，例如:增加新的主题学习资源数据、优化主题