中小学人工智能课程 第13节：AI的“学习成果”——模型的训练与测试 教案.docxVIP

第13节：AI的“学习成果”——模型的训练与测试

一、基本信息

课程名称：初中人工智能基础

课时主题：AI的“学习成果”：模型的训练与测试

适用年级：九年级

课时时长：40分钟

核心定位：以“模型=数据+算法的学习结晶”为核心，拆解“训练-测试-优化”闭环流程，通过在线实验让学生直观体验模型生成过程，理解数据质量与模型效果的关联，培养“科学验证”的思维习惯

二、教学目标

（一）知识目标

能说出AI模型的通俗定义（“算法+数据训练后形成的智能模板”），明确模型与数据、算法的关联（数据是原料，算法是工具，模型是成品）；

能完整描述模型“训练-测试-优化”的三步流程，说出每个环节的核心任务（训练：学规律；测试：验效果；优化：补短板）；

能举例说明数据质量（准确性、完整性）对模型效果的影响（如模糊数据导致模型识别错误）。

（二）能力目标

通过“在线训练图像识别模型”实验，提升观察、记录、分析实验数据的实践能力；

通过“模型测试错误原因分析”小组任务，培养从“数据-算法”双维度排查问题的逻辑能力；

通过“模型优化方案设计”，强化“发现问题-解决问题”的应用能力。

（三）情感目标

破除“AI模型是神秘黑箱”的认知误区，感受“亲手创造模型”的成就感；

体会“反复迭代”的科学研究方法（训练→测试→优化→再训练），培养严谨的探究态度；

理解“数据质量决定模型上限”的核心逻辑，呼应前期数据隐私保护的伦理意识。

三、教学重难点

（一）教学重点

AI模型的本质与关联：

定义类比：“学生做练习题（数据）→用解题方法（算法）→掌握解题思路（模型）”，模型是AI“学会技能”的具体体现；

核心关联：数据（原料）→算法（加工工具）→模型（成品），三者缺一不可（如无数据，算法无法训练；无算法，数据无法转化为规律）；

模型“训练-测试-优化”三步流程：

环节

核心任务

关键操作（以图像识别模型为例）

目标结果

训练

算法从数据中学习规律

上传“苹果、香蕉、橙子”图片（各10张），算法提取特征（颜色、形状）

模型初步“认识”三种水果

测试

验证模型识别准确率

上传新的水果图片（未参与训练），记录“识别正确/错误”次数

计算准确率（如80%）

优化

解决测试中的错误，提升模型效果

补充“易混淆水果”图片（如青苹果vs青橙子），调整算法参数

准确率提升（如95%）

数据质量的三大影响因素：

准确性：数据无错误（如将“梨”标为“苹果”会导致模型认错）；

完整性：覆盖多种场景（如只传“红苹果”，模型会认错“青苹果”）；

多样性：数据包含不同形态（如苹果的正面、侧面、局部特写）。

（二）教学难点

理解“模型学习规律”的抽象过程：算法并非“记住数据”，而是从数据中提取共性特征（如苹果的“红色+圆形+凹陷果蒂”），需用“学生总结解题规律”类比突破；

区分“训练数据”与“测试数据”：学生易混淆“用同批数据训练和测试”，需强调“测试数据必须是模型未见过的”，否则准确率虚假（如学生用做题的卷子当考试卷，成绩不真实）；

设计科学的优化方案：学生可能仅想到“增加数据量”，需引导从“数据补充（补易混淆案例）”“算法调整（优化特征提取方式）”双维度设计方案。

四、教学准备

多媒体资源：PPT（含模型定义类比图、流程步骤表、数据质量影响案例图）、“手写数字识别模型训练”短视频（2分钟，展示训练→测试→优化过程）、在线AI实验平台（GoogleTeachableMachine，提前测试网络稳定性）；

教具材料：“模型流程卡片”（训练、测试、优化环节卡片，含任务描述）、“数据质量对比卡”（如“清晰苹果图vs模糊苹果图”“红苹果vs青苹果”）、“实验记录表”（含数据量、准确率、错误类型栏）；

课前准备：让学生提前用手机拍摄3类物品图片（如“文具：笔、橡皮、尺子”，每类5张，不同角度），用于课堂训练模型；提醒学生带耳机（实验平台可能有音效）。

五、教学过程（详细版）

（一）情境导入：“学生做题”的启发（5分钟）

类比创设：教师展示两张图片：左图“学生做数学练习题（10道一元一次方程）”，右图“学生掌握‘移项变号’解题思路，能解新方程”；

互动提问：“学生为什么能解新方程？关键是什么？”（引导学生说出“做练习题（数据）+学会解题方法（算法）→掌握解题思路（能力）”）；

课题引出：“AI也一样——通过‘数据（类似练习题）’和‘算法（类似解题方法）’，最终会形成‘模型（类似解题思路）’，这就是AI的‘学习成果’。今天我们就来亲手训练一个AI模型，看看