高中信息技術選擇性必修4人工智能初步《第三章智

能之力:賦能之術》大單元整體教學設計

一、內容分析與整合

（一）教學內容分析

本單元的教學內容選自浙教版高中信息技術選擇性必修4《人工智能初步》

的第三章《智能之力：賦能之術》。該章節詳細闡述了人工智能技術在數據處理與

分析中的三大核心應用：知識挖掘、模式識別以及創意智能。通過本章的學習，

學生不僅能夠理解人工智能的基本概念和技術原理，還能掌握人工智能在實際生

活中的應用方法，提升對人工智能技術的認知與應用能力。

知識挖掘：本節主要介紹了數據挖掘的基本概念、流程以及常用方法，如K-

means聚類、關聯挖掘等。學生將了解如何從海量數據中提取有價值的信息和知

識，并學習應用這些知識和信息來指導決策和管理。

模式識別：本節詳細講解了模式識別的基本原理和方法，包括基于手工規則、

數據建模以及深度學習等技術的模式檢測方法。學生將學習如何從數據中學習特

定類別的共有模式，并利用這些模式進行分類和識別，如人臉識別、語音識別等。

創意智能：本節探討了創意智能的概念和實現方法，特別是生成對抗網絡

（GAN）在數據合成中的應用。學生將了解生成模型的基本原理，學習如何利用

生成對抗網絡等技術合成新的數據，如圖像生成、音樂創作等。

（二）單元內容分析

本單元的教學內容緊密圍繞人工智能在數據處理與分析中的應用展開，旨在

培養學生的信息意識、計算思維、數字化學習與創新能力以及信息社會責任°具

體內容分析如下：

信息意識：通過知識挖掘的學習，學生將增強對信息的敏感度和價值判斷力,

學會從海量數據中提取有用信息，為決策提供支持。模式識別和創意智能的學習

將幫助學生理解信息技術在數據處理與分析中的重要性，形成對信息技術的積極

態度。

計算思維：本單元的教學內容強調計算機科學領域的思想方法在信息處理中

的應用。學生將通過學習數據挖掘、模式識別和創意智能等技術，掌握抽象、建

模、算法設計等計算思維的核心要素，提升問題解決能力。

數字化學習與創新：通過本章的學習，學生將掌握數字化學習資源和工具的

使用方法，學會利用信息技術進行自主學習和協作學習。創意智能的學習將激發

學生的創新思維，鼓勵他們利用所學知識進行創造性實踐。

信息社會責任：在學習人工智能技術的同時，學生將了解信息技術應用中的

倫理道德和社會責任問題。他們將學會在信息技術應用過程中遵守法律法規和倫

理準則，積極維護信息安全和公共利益。

（三）單元內容整合

本單元的教學內容以人工智能在數據處理與分析中的應用為主線，將知識挖

掘、模式識別和創意智能三大核心內容有機整合在一起。通過理論講解、案例分

析、實踐操作等多種教學方式，引導學生深入理解人工智能技術的原理和應用方

法，提升他們的信息素養和綜合能力。

在教學過程中，我們將注重理論與實踐相結合，通過設計豐富的實踐活動和

項目任務，讓學生在實踐中掌握所學知識，提升問題解決能力和創新能力。我們

還將關注學生的學習過程和體驗，及日寸反饋學習成果，激發他們的學習興趣和積

極性。

二、《普通高中信息技術課程標準（2017年版2020年修訂）》分解

（-）信息意識

能夠根據解決問題的需要，自覺、主動地尋求恰當的方式獲取與處理信息：

在知識挖掘部分，學生將學習如何根據需求從海量數據中提取有價值的信息

和知識，為決策提供支持。

在模式識別和創意智能部分，學生將學會利用信息技術手段對信息進行加工

處理和分析，以滿足不同問題的需求。

敏銳感覺到信息的變化，分析數據中所承載的信息，采用有效策略對信息來

源的可靠性、內容的準確性、指向的目的性作出合理判斷:

在學習數據挖掘技術時，學生將了解數據預處理的重要性，學會對原始數據

進行清洗、轉換和規約，以提高數據質量和分析結果的準確性。

在模式識別和創意智能的應用中，學生將學會對識別結果和合成數據進行評

估和分析，判斷其可靠性和準確性。

對信息可能產生的影響進行預期分析，為解決問題提供參考：

通過學習知識挖掘技術，學生將能夠利用挖掘到的知識和信息來指導決策和

管理，提高問題解決效率。

在模式識別和創意智能的學習中，學生將學會利用識別結果和合成數據來優

化和創新解決方案，為實際問題提供有效參考。

(-)計算思維

在信息活動中，能夠采用計算機科學領域的思想方法界定問題、抽象特征、

建立結構模型、合理組織數據：

在知識挖掘部分，學生將學習如何對數據進行聚類分析和關聯挖掘，以發現

數據中的隱含模式和知識。

在模式識別部分，學生將學會利用手工規則、數據建模和深度學習等方法對

數據進行抽象和建模，以實現準確的分類和識別。

在創意智能部分，學生將了解生成模型的基本原理和方法，學會利用生成對

抗網絡等技術對數據進行合成和創新。

通過判斷、分析與綜合各種信息資源，運用合理的算法形成解決問題的方案:

在學習數據挖掘技術時，學生將掌握各種數據挖掘算法的原理和應用方法，

能夠根據實際需求選擇合適的算法來解決問題。

在模式識別和創意智能的學習中，學生將學會利用算法對識別結果和合成數

據進行優化和創新，以提高解決方案的質量和效率。

總結利用計算機解決問題的過程與方法，并遷移到與之相關的其他問題解決

中：

通過本單元的學習，學生將掌握利用信息技術解決問題的基本過程和方法,

并能夠將這些方法遷移到與之相關的其他領域和問題中。

學生將學會從數據處理與分析的角度出發，思考如何利用人工智能技術來解

決實際問題，提升他們的跨學科應用能力。

（三）數字化學習與創新

能夠認識數字化學習環境的優勢和局限性，適應數字化學習環境：

在學習過程中，學生將充分利用數字化學習資源和工具（如Python編程環

境、Keras深度學習框架等）進行自主學習和協作學習。

學生將了解數字化學習環境的優勢和局限性，學會在數字化學習環境中進行

有效的信息獲取、處理和交流。

掌握數字化學習系統、學習資源與學習工具的操作技能，用于開展自主學習、

協同工作、知識分享與創新創造：

在知識挖掘、模式識別和創意智能的學習中，學生將掌握相關軟件工具（如

sdkit-leam、Keras等）的操作技能，用于數據處理、模型訓練和結果分析等任務。

學生將利用這些工具進行自主學習和協作學習，分享學習資源和成果，共同

解決問題和創新創造。

在數字化學習與創新過程中形成對人與世界的多元理解力：

通過本單元的學習，學生將了解人工智能技術在數據處理與分析中的應用方

法和前景，形成對人工智能技術的深入理解和認識。

學生將學會從多元視角出發思考人與世界的關系以及信息技術在其中的作

用和影響，提升他們的批判性思維和創新能力。

（四）信息社會責任

具有一定的信息安全意識與能力，能夠遵守信息法律法規，信守信息社會的

道德與倫理準則：

在學習過程中，學生將了解信息安全的重要性和相關法律法規的要求，學會

保護個人隱私和數據安全。

學生將遵守信息社會的道德與倫理準則，在使用信息技術進行數據處理與分

析時尊重他人的知識產權和隱私權益。

在現實空間和虛擬空間中遵守公共規范，既能有效維護信息活動中個人的合

法權益，又能積極維護他人合法權益和公共信息安全：

在進行數據挖掘、模式識別和創意智能等實踐活動時，學生將遵守公共規范

和技術標準，確保數據處理的合法性和合規性。

學生將積極維護信息安全和公共利益，防止數據泄露和濫用等違法行為的發

生。

關注信息技術革命所帶來的環境問題與人文問題；對于信息技術創新所產生

的新觀念和新事物，具有積極學習的態度、理性判斷和負責行動的能力：

在學習人工智能技術的過程中，學生將關注信息技術革命所帶來的環境問題

與人文問題，思考如何平衡技術發展與社會責任的關系。

學生將對信息技術創新所產生的新觀念和新事物保持開放和理性的態度，積

極學習和探索新技術的應用前景和潛在風險，為未來的可持續發展做出貢獻。

三、學情分析

(-)已知內容分析

在進入高中信息技術選擇性必修4《人工智能初步》的第三章《智能之力：

賦能之術》的學習之前，學生們已經具備了一定的信息技術基礎。通過之前的學

習，學生已經了解了信息技術的基本概念、計算機硬件與軟件的基礎知識、算法

與程序設計的基本思想、網絡基礎知識以及信息系統與社會的關系等內容。特別

是在必修課程模塊1《數據與計算》中，學生們已經掌握了數據與信息的關系、

數據處理的基本方法、算法與程序設計的基本流程，以及通過實際問題解決來體

驗程序設計的基本過程。在選擇性必修課程模塊的學習過程中，學生們也接觸到

了數據管理與分析、數據結構等進階內容，對數據的重要性及其在信息技術中的

應用有了更深刻的認識。

具體來說，在已知內容方面，學生們能夠：

描述數據與信息的特征：理解數據編碼的基本方式，知道數據與信息的關系。

掌握數據處理的基本方法：包括數據采集、分析和可視化表達的基本方法，

能夠利用軟件工具或平臺對數據進行整理、組織、計算與呈現。

理解算法與程序設計：掌握一種程序設計語言的基本知識，能夠使用程序設

計語言實現簡單算法，解決實際問題。

認識信息系統與社會的關系：了解信息系統的組成與功能，知道信息系統在

社會中的應用及其重要性。

這些已知內容為學生學習第三章《智能之力：賦能之術》提供了堅實的基礎，

使得他們能夠更好地理解和應用數據挖掘、模式識別和創意智能等高級概念。

（―）新知內容分析

本章《智能之力：賦能之術》主要包含三個部分內容：數據挖掘（知識挖掘）、

模式識別和創意智能。這三部分內容構成了人工智能初步學習的重要框架，旨在

讓學生理解人工智能如何通過對數據的處理、學習和合成來賦能于社會生活。

數據挖掘（知識挖掘）：數據挖掘是從海量數據中發現隱性模式或隱含知識的

計算過程。學生將學習如何通過聚類方法、關聯分析等手段，從數據中挖掘出有

價值的信息和知識。這部分內容要求學生理解數據預處理的重要性,掌握K-means

聚類等經典算法，并能夠應用這些知識解決實際問題。

模式識別：模式識別是從數據中學習某個類別的共有模式，然后基于該共有

模式實現數據分類。學生將學習基于手工規則、數據建模和深度學習等核心的模

式識別算法，理解這些算法的基本原理和應用場景，并能夠運用這些知識解決實

際問題。

創意智能：創意智能是從數據出發，學習數據產生的規律，然后基于這個規

律來合成新的數據。學生將了解生成模型的基本理念，學習生成對抗網絡（GAN）

等生成模型，理解其在圖像生成、文本創作等領域的應用，并能夠初步嘗試使用

這些技術進行創意實踐。

這些新知內容不僅要求學生掌握一定的理論知識和算法原理，還要求學生具

備將所學知識應用于實際問題的能力，這對學生的綜合素養提出了較高的要求。

（三）學生學習能力分析

根據學生的學習基礎和認知特點，我們可以對學生的學習能力進行如下分析:

邏輯思維能力：經過初中階段和高中必修課程的學習，學生已經具備了一定

的邏輯思維能力，能夠理解較為復雜的算法和程序設計思想。這種邏輯思維能力

為學生學習數據挖掘、模式識別等需要嚴謹邏輯推理的內容提供了基礎。

自主學習能力：高中階段的學生已經具備了一定的自主學習能力，能夠通過

查閱資料、觀看教學視頻等方式自主學習新知識，這種自主學習能力有助于學生

在學習數據挖掘、模式識別和創意智能等較為前沿的內容時，能夠主動探索、深

入學習。

實踐操作能力：通過之前的程序設計、數據管理等課程學習，學生已經掌握

了一定的實踐操作能力，能夠運用所學知識解決實際問題。這種實踐操作能力為

學生在學習本章內容時，進行數據挖掘、模式識別和創意智能的實踐提供了保障。

團隊合作能力：在項目學習和實踐活動中，學生需要與他人合作完成任務。

這種團隊合作能力有助于學生在學習過程中相互幫助、共同進步，特別是在進行

創意智能實踐時，能夠集思廣益、發揮集體智慧。

學生在學習能力上也存在一定的差異。部分學生在邏輯思維、自主學習和實

踐操作等方面表現較為突出，而部分學生則可能在這些方面存在不足。在教學過

程中，教師需要針對不同學生的學習能力進行差異化教學，以滿足不同學生的學

習需求。

（四）學習障礙突破策略

針對學生在學習數據挖掘、模式識別和創意智能等內容日寸可能遇到的學習障

礙，我們可以采取以下策略進行突破：

加強基礎知識復習：對于部分在數據和信息處理基礎方面存在不足的學生，

教師可以通過復習必修課程模塊1《數據與計算》的相關內容，幫助學生鞏固基

礎知識，為后續學習打下堅實的基礎。

提供豐富的學習資源：教師可以為學生提供豐富的學習資源，包括教學視頻、

在線課程、電子書籍等，幫助學生自主學習新知識。教師還可以組織學生參加線

上線下的講座、研討會等活動，拓寬學生的視野，激發學生的學習興趣。

開展項目式學習：通過項目式學習的方式，讓學生在實際操作中掌握數據挖

掘、模式識別和創意智能等知識和技能。教師可以設計一些貼近學生生活實際的

項目任務，如通過數據挖掘分析學生行為數據、利用模式識別技術實現圖像分類

等，讓學生在完成任務的過程中提升實踐能力。

實施差異化教學：針對不同學生的學習能力和興趣特點，實施差異化教學。

對于學習能力較強的學生，教師可以提供更深層次的學習內容和挑戰性問題；對

于學習能力較弱的學生，教師可以給予更多的指導和支持，幫助他們克服學習困

難。

加強團隊合作與交流：鼓勵學生之間的團隊合作與交流，通過小組討論、協

作學習等方式，讓學生在互動中相互學習、共同進步。教師還可以組織學生進行

成果展示和交流活動，讓學生分享自己的學習心得和體會，增強學生的學習信心

和動力。

注重實踐與反思：在實踐操作過程中，注重引導學生進行反思和總結。讓學

生思考自己在實踐過程中遇到的問題和困難，以及如何通過調整策略和方法來解

決問題。通過反思和總結，幫助學生不斷提升自己的實踐能力和解決問題的能力。

通過以上策略的實施，我們可以有效地突破學生在學習數據挖掘、模式識別

和創意智能等內容時可能遇到的學習障礙，提升學生的學習效果和學習興趣。

四、大主題或大概念設計

本大單元主題為“智能之力：賦能之術”，圍繞人工智能在數據處理、知識挖

掘、模式識別以及創意智能等方面的應用展開教學。通過本單元的學習，學生將

深入理解人工智能的基本原理、核心技術和應用場景，培養在人工智能領域的探

索精神和創新意識，提升其信息素養和計算思維能力。

五、大單元目標敘寫

(-)信息意識

信息敏感性：學生能夠敏銳地感知到人工智能技術在數據處理和知識挖掘中

的重要性，理解其在日常生活和社會發展中的廣泛應用。

信息價值判斷：學生能夠準確判斷不同數據源的可靠性和信息內容的準確性,

識別出有價值的數據和信息，為后續的知識挖掘和模式識別提供基礎。

信息安全意識：在數據處理和知識挖掘過程中，學生能夠意識到信息安全的

重要性，了解并遵守相關的信息安全法律法規和倫理準則。

（-）計算思維

抽象與建模：學生能夠運用計算思維，對復雜問題進行抽象化處理，建立合

理的數學模型或計算模型，以便進行高效的數據處理和知識挖掘。

算法設計與實現：學生能夠設計和實現基本的算法，如聚類算法、關聯規則

挖掘算法等，用于數據分析和知識挖掘，理解算法的基本思想和應用場景。

問題解決能力：學生能夠運用計算思維，通過算法和程序解決實際問題，如

通過模式識別技術實現圖像或語音識別等。

（三）數字化學習與創新

數字化工具應用：學生能夠熟練掌握常用的數字化工具和技術，如Python編

程語言、機器學習框架等，用于數據處理、知識挖掘和模式識別等任務。

自主學習與合作學習：在數字化學習環境中，學生能夠利用網絡資源和工具

進行自主學習和合作學習，共同解決復雜問題，提升學習效率和質量。

創新思維培養：通過創意智能的學習和實踐，學生能夠激發創新思維，嘗試

將人工智能技術應用于新領域或新場景，創造新的價值。

（四）信息社會責任

倫理道德意識：學生能夠理解并遵守信息社會的倫理道德準則，在使用人工

智能技術口寸，注重保護個人隱私和數據安全，不侵犯他人的合法權益。

法律法規意識：學生能夠了解并遵守與人工智能相關的法律法規，如數據保

護法、知識產權法等，確保人工智能技術的合法合規應用。

社會責任感：學生能夠認識到人工智能技術對社會發展的積極影響和潛在風

險，積極參與人工智能技術的推廣和應用，為社會發展貢獻自己的力量。

六、大單元教學重點

數據挖掘與知識發現：重點講解數據挖掘的基本概念、方法和應用，包括數

據預處理、聚類分析、關聯規則挖掘等，幫助學生理解如何從海量數據中發現有

價值的知識和模式。

模式識別與分類：詳細介紹模式識別的基本原理、算法和應用，如基于手工

規則的模式檢測、基于數據建模的模式檢測以及基于深度學習的模式檢測等，讓

學生掌握模式識別技術的基本方法和應用技巧。

創意智能與數據合成：講解創意智能的基本概念和應用場景，如圖像合成、

樂曲編輯和詩詞創作等，引導學生理解生成模型的基本原理和實現方法，培養學

生的創新能力和實踐能力。

七、大單元教學難點

算法理解與實現：數據挖掘、模式識別和創意智能等技術涉及復雜的算法和

數學模型，學生需要具備一定的數學基礎和編程能力才能理解和掌握這些算法。

在教學過程中需要注重算法的直觀解釋和編程實踐的結合，幫助學生逐步建立起

算法思維。

數據質量與預處理：數據挖掘和模式識別的效果很大程度上取決于數據的質

量。在實際應用中，數據往往存在噪聲、缺失和不一致等問題，需要進行有效的

預處理。如何讓學生理解和掌握數據預處理的方法和技巧是本單元的教學難點之

一O

創新思維的培養：創意智能部分要求學生具備創新思維和實踐能力，能夠運

用所學知識解決實際問題并創造出新的價值。創新能力的培養并非一朝一夕之功,

需要教師在教學過程中注重啟發式教學和案例教學，激發學生的創新意識和實踐

能力。

通過本大單元的教學，學生將深入了解人工智能的基本原理和技術應用，掌

握數據挖掘、模式識別和創意智能等關鍵技術，培養其在人工智能領域的探索精

神和創新意識，提升其信息素養和計算思維能力。學生還將增強信息安全意識、

倫理道德意識和社會責任感，為未來的學習和工作奠定堅實的基礎。

八、大單元整體教學思路

《普通高中信息技術課程標準（2017年版2020年修訂）》明確指出，高中信

息技術課程旨在全面提升學生的信息素養，通過精煉學科大概念、吸納學科前沿

成果，構建具有時代特征的學習內容，著重培養學生的信息意識、計算思維、數

字化學習與創新和信息社會責任。基于這一指導思想，針對浙教版高中信息技術

選擇性必修4《人工智能初步》中的第三章《智能之力：賦能之術》的教學內容，

我設計了以下大單元整體教學思路。

(-)教學目標設定

本單元的教學目標設定涵蓋信息意識、計算思維、數字化學習與創新以及信

息社會責任四個維度，旨在通過教學活動，全面提升學生的信息素養，使其能夠

適應未來信息社會的發展需求。

1.信息意識

(1)學生能夠敏銳地感知到數據在信息時代的重要價值，理解數據挖掘、模

式識別和創意智能對人類社會的影響。

(2)學生能夠主動尋求并獲取與數據挖掘、模式識別和創意智能相關的最新

信息和技術發展動態，具備對新技術和新應用的敏感度。

(3)學生能夠根據解決問題的需要，恰當地選擇數據挖掘、模式識別和創意

智能的方法和工具，有效提取和利用信息。

2.計算思維

(1)學生能夠運用計算機科學領域的思想方法，對數據挖掘、模式識別和創

意智能中的問題進行抽象、建模和設計解決方案。

(2)學生能夠通過要輯推理和算法設計，對數據挖掘、模式識別和創意智能

中的復雜問題進行分解、轉化和求解。

(3)學生能夠總結和遷移利用計算思維解決問題的過程與方法，將其應用到

其他相關領域的問題解決中。

3.數字化學習與創新

(1)學生能夠適應數字化學習環境，利用數字化工具和資源進行數據挖掘、

模式識別和創意智能的學習與實踐。

(2)學生能夠掌握數據挖掘、模式識別和創意智能的基本方法和技術，創造

性地解決實際問題，形成創新作品。

(3)學生能夠積極參與數字化學習與創新活動，通過項目合作、在線交流等

方式，與他人分享學習成果和創意想法。

4.信息社會責任

（1）學生能夠遵守信息法律法規和倫理道德規范，在數據挖掘、模式識別和

創意智能的應用中，保護個人隱私和信息安全。

（2）學生能夠認識到數據挖掘、模式識別和創意智能技術對社會發展的雙刃

劍效應，具備理性判斷和負責任行動的能力。

（3）學生能夠積極關注信息技術發展所帶來的社會問題和倫理挑戰，如算法

偏見、隱私泄露等，并思考相應的解決方案。

（-）教學內容分析

本章《智能之力：賦能之術》主要介紹了人工智能賦能人類社會的三種代表

性技術：知識挖掘、模式識別和創意智能。具體內容包括：

1.知識挖掘

知識挖掘是通過聚類方法、關聯挖掘等手段，從海量數據中提取隱含知識的

過程。學生需要了解數據預處理、聚類分析、關聯規則挖掘等基本概念和方法，

并能夠通過實例操作，體驗知識挖掘的過程和結果。

2.模式識別

模式識別是從數據中學習特定類別的共有模式，并基于這些模式進行分類和

識別。學生需要掌握基于手工規則、數據建模和深度學習等模式識別方法，理解

不同方法的優缺點和適用范圍，并能夠運用這些方法解決實際問題。

3.創意智能

創意智能是從數據出發，學習數據產生的規律，并基于這些規律合成新的數

據。學生需要了解生成模型的基本概念，掌握生成對抗網絡等代表性方法，并能

夠通過實例操作，體驗創意智能的應用過程和效果。

（三）學情分析

高中學生在經過信息技術必修課程的學習后，已經具備了一定的信息技術基

礎知識和基本技能。對于人工智能這一前沿領域，學生可能還缺乏深入的了解和

實踐經驗。在教學過程中，需要充分考慮學生的認知水平和興趣點，通過生動有

趣的實例和互動環節，激發學生的學習興趣和積極性。

（四）教學策略與方法

為了實現上述教學目標，本單元將采用以下教學策略與方法：

1.項目式學習

通過設計一系列與數據挖掘、模式識別和創意智能相關的項目任務，引導學

生主動探索和實踐。在項目實施過程中，學生可以分組合作，共同設計解決方案、

收集數據、分析數據、實現功能，并最終展示成果。通過項目式學習，學生可以

深入理解知識挖掘、模式識別和創意智能的原理和應用，同時培養團隊合作精神

和創新能力。

2.案例教學

選取具有代表性的案例，如電商平臺商品推薦、人臉識別門禁系統等，通過

案例分析，引導學生理解數據挖掘、模式識別和創意智能在實際場景中的應用。

案例教學可以幫助學生將抽象的概念和方法具體化、生動化，提高學習的針對性

和實效性。

3.實驗操作

安排專門的實驗環節，讓學生親自動手進行數據預處理、聚類分析、關聯規

則挖掘、模式識別、創意智能生成等操作。通過實驗操作，學生可以加深對知識

挖掘、模式識別和創意智能的理解和掌握，同時培養動手能力和解決問題的能力。

4.在線學習與交流

利用網絡平臺和資源，如在線課程、學習論壇等，為學生提供更加靈活多樣

的學習方式。學生可以在線觀看教學視頻、查閱學習資料、提交作業和實驗報告，

并與教師和其他同學進行交流和討論。在線學習與交流可以拓寬學生的學習視野,

增強學習的互動性和趣味性。

（五）教學評價與反饋

為了評估學生的學習效果和促進教學改進，本單元將采用多元化的教學評價

與反饋機制：

1.過程性評價

關注學生在項目實施、案例分析、實驗操作等過程中的表現，通過觀察、記

錄、提問等方式，及時給予學生反饋和指導。過程性評價可以幫助學生及時發現

和糾正問題，提高學習的效率和效果。

2.成果展示與評價

組織學生進行項目成果展示和交流活動，通過展示作品、分享經驗、回答問

題等方式，展示學生的學習成果和創新能力。邀請教師、專家和同學對展示成果

進行評價和打分，以全面評估學生的學習效果。

3.反思與總結

在教學結束后，組織學生進行反思和總結活動，回顧學習過程中的收獲和不

足，思考未來的學習方向和目標。教師也要對整個教學過程進行反思和總結，分

析教學目標的達成情況、教學策略的有效性以及存在的問題和改進方向。

（六）教學實施步驟

本單元的教學實施步驟可以分為以下幾個階段：

1.導入階段

通過介紹人工智能的發展歷程、應用前景和社會意義，激發學生的學習興趣

和積極性。明確本單元的學習目標和內容要求，為后續學習做好鋪墊。

2.知識講解階段

分別講解知識挖掘、模式識別和創意智能的基本概念、原理和方法。通過實

例演示和案例分析，幫助學生理解抽象的概念和方法。安排課堂練習和互動環節,

加深學生對知識點的理解和掌握。

3.項目實踐階段

設計一系列與數據挖掘、模式識別和創意智能相關的項目任務，引導學生分

組合作進行項目實施。在項目實踐過程中，教師要提供必要的指導和支持，幫助

學生解決遇到的問題和困難。鼓勵學生發揮創新思維和創造力，探索新的解決方

案和應用場景。

4.成果展示與評價階段

組織學生進行項目成果展示和交流活動，展示各自的學習成果和創新能力。

通過展示作品、分享經驗、回答問題等方式，展現學生的學習成果和團隊合作精

神。邀請教師、專家和同學對展示成果進行評價和打分，以全面評估學生的學習

效果。

5.反思與總結階段

在教學結束后，組織學生進行反思和總結活動。回顧學習過程中的收獲和不

足，思考未來的學習方向和目標。教師也要對整個教學過程進行反思和總結，分

析教學目標的達成情況、教學策略的有效性以及存在的問題和改進方向。通過反

思和總結活動，為后續的教學改進提供參考和借鑒。

（七）教學資源與工具

為了支持本單元的教學實施，需要提供以下教學資源與工具：

L教材與教輔資料

選用浙教版高中信息技術選擇性必修4《人工智能初步》教材作為主要教學

資源。可以配備相關教輔資料如習題集、實驗指導書等，以幫助學生鞏固所學知

識和提高實踐能力。

2.網絡平臺與資源

利用網絡平臺和資源如在線課程、學習論壇等，為學生提供更加靈活多樣的

學習方式。學生可以在線觀看教學視頻、查閱學習資料、提交作業和實驗報告,

并與教師和其他同學進行交流和討論。

3.實驗環境與工具

配備必要的實驗環境和工具如計算機、數據挖掘軟件、模式識別工具、創意

智能生成平臺等，以支持學生的實驗操作和項目實踐。確保實驗環境和工具的安

全性和可靠性，保障學生的實驗安全和學習效果。

（八）教學反思與改進

在教學結束后，教師要對整個教學過程進行反思和總結。分析教學目標的達

成情況、教學策略的有效性以及存在的問題和改進方向。通過反思和總結活動，

為后續的教學改進提供參考和借鑒。鼓勵學生提出寶貴的意見和建議，以不斷優

化教學設計和提高教學質量。

通過以上大單元整體教學思路的設計和實施，旨在全面提升學生的信息素養

和創新能力，使其能夠適應未來信息社會的發展需求。通過豐富多樣的教學活動

和互動環節，激發學生的學習興趣和積極性，促進其全面發展。

九、學業評價

在《普通高中信息技術課程標準(2017年版2020年修訂)》的指導下，針對

浙教版高中信息技術選擇性必修4《人工智能初步》第三章《智能之力：賦能之

術》的教學內容，本學業評價旨在全面評估學生在信息意識、計算思維、數字化

學習與創新以及信息社會責任四個方面的學科核心素養達成情況。通過明確的教

學目標、學習目標和評價目標，結合多樣化的評價方式和活動，確保評價的全面

性、公正性和有效性。

(-)信息意識

教學目標：

學生能夠根據解決實際問題的需要，自覺、主動地尋求恰當的方式獲取與處

理信息。

學生能夠敏銳感覺到信息的變化，分析數據中所承載的信息，采用有效策略

對信息來源的可靠性、內容的準確性、指向的目的性作出合理判斷。

學生在合作解決問題的過程中，愿意與團隊成員共享信息，實現信息的更大

價值。

學習目標：

理解數據挖掘、模式識別和創意智能的基本蹴念及其在人工智能領域的應用。

能夠識別并區分不同類型的信息源，如結構化數據、非結構化數據等。

在處理和分析數據時，能夠評估信息的可靠性和準確性，確保數據質量。

評價目標：

情境一：在數據挖掘任務中，學生能夠根據問題需求選擇合適的數據挖掘算

法，并評估算法的適用性和數據質量。

評價活動：設計一個數據挖掘項目，要求學生選擇數據集，應用聚類分析或

關聯挖掘算法，并撰寫項目報告，分析算法選擇和數據質量的理由。

評價標準：學生能夠清晰闡述數據挖掘的目的、過程、結果及數據質量評估

方法，表現出對信息來源可靠性和內容準確性的敏銳判斷。

情境二：在模式識別任務中，學生能夠識別并解釋不同模式識別算法的工作

原理和適用場景。

評價活動：組織一次小組討論，要求學生分析人臉識別、行為辨識等模式識

別技術的實際應用案例，討論其優缺點及潛在應用。

評價標準：學生能夠準確描述模式識別算法的工作原理，結合具體案例分析

其適用性和局限性，展現出對信息價值的判斷力。

情境三：在創意智能任務中，學生能夠理解生成對抗網絡等創意智能技術的

基本原理，并探討其在藝術創作、圖像生成等領域的應用。

評價活動：開展一次創意智能技術應用展示會，要求學生準備一份PPT或視

頻，介紹生成對抗網絡的基本原理及其在某一具體領域的應用案例。

評價標準：學生能夠清晰闡述生成對抗網絡的工作原理，結合實際案例展示

其應用價值，表現出對新技術敏感度和適應性的能力。

(-)計算思維

教學目標：

學生在信息活動中能夠采用計算機科學領域的思想方法，界定問題、抽象特

征、建立結構模型、合理組織數據。

學生能夠通過判斷、分析與綜合各種信息資源，運用合理的算法形成解決問

題的方案。

學生能夠總結利用計算機解決問題的過程與方法，并遷移到與之相關的其他

問題解決中。

學習目標：

掌握數據挖掘中的聚類分析、關聯挖掘等算法的基本原理和實現方法。

理解模式識別中手工規則、數據建模和深度學習等算法的工作原理和適用場

景。

掌握生成對抗網絡等創意智能技術的基本原理和實現方法。

評價目標：

情境一：在數據挖掘任務中，學生能夠運用聚類分析或關聯挖掘算法解決實

際問題，并展示算法的實現過程和結果。

評價活動：設計一個數據挖掘實踐任務，要求學生應用K-means聚類算法或

Apriori關聯挖掘算法對給定數據集進行分析，并撰寫實踐報告。

評價標準：學生能夠正確實現算法，對聚類結果或關聯規則進行合理解釋，

表現出抽象問題特征、建立結構模型的能力。

情境二：在模式識別任務中，學生能夠設計并實現一個基于深度學習的模式

識別模型，解決圖像識別或語音識別等實際問題。

評價活動：組織一次模式識別模型設計競賽，要求學生利用深度學習框架（如

TensorFlow或PyTorch）設計并實現一個圖像識別或語音識別模型，對給定數據

集進行測試。

評價標準：學生能夠設計合理的模型結構，選擇合適的超參數，對模型性能

進行準確評估，展現出運用算法解決問題的能力。

情境三：在創意智能任務中，學生能夠利用生成對抗網絡等創意智能技術生

成新的數據或圖像，并展示其應用價值。

評價活動：開展一次創意智能技術應用競賽，要求學生利用生成對抗網絡或

其他創意智能技術生成新的圖像或數據，并撰寫技術報告，闡述其應用價值。

評價標準：學生能夠正確實現生成對抗網絡或其他創意智能技術，生成具有

創新性的圖像或數據，對技術應用價值進行合理闡述，表現出遷移計算機解決問

題方法的能力。

（三）數字化學習與創新

教學目標：

學生能夠認識數字化學習環境的優勢和局限性，適應數字化學習環境，養成

數字化學習與創新的習慣。

學生能夠掌握數字化學習系統、學習資源與學習工具的操作技能，用于開展

自主學習、協同工作、知識分享與創新創造。

學習目標：

能夠利用數據挖掘、模式識別和創意智能等技術解決實際問題，提高數字化

學習與創新能力。

能夠利用數字化學習工具和資源，進行自主學習和協作學習，提升學習效率

和質量。

評價目標：

情境一：在數據挖掘任務中，學生能夠利用數字化學習工具和資源，如Python

編程語言、數據挖掘庫（如scikit-learn）等，進行數據挖掘實踐。

評價活動：組織一次數據挖掘實