浙教版（2023）八年级下册人工智能中的机器学习教案

这是一份浙教版（2023）八年级下册人工智能中的机器学习教案，共24页。教案主要包含了活动描述，学生活动，教师活动，设计意图，学习过程-建构，学习过程-应用，学习过程-梳理等内容，欢迎下载使用。
课 时 概 况
课 题
八年级下册第9课 人工智能中的机器学习
课时序号
教师
备课时间
年 月 日
上课时间
年 月 日
教 学 设 计
学习内容分析
课标相应内容要求：《信息科技课程标准（2022年版）》初中阶段“人工智能初步”模块要求学生了解机器学习的基本原理与常见类型，能结合实例说明机器学习在日常生活中的应用，体会人工智能技术对社会生活的影响。
主要内容：本课包含机器学习的基本原理、有监督学习与无监督学习的概念辨析、机器学习的生活应用三个核心模块，通过水果分类的具象案例拆解抽象的机器学习过程。
望远镜思维——纵向联系：本课是八年级下册第二单元“智能技术初体验”的核心进阶课，本单元前3课“语音识别技术”“语音合成技术”“图像识别技术”为学生提供了人工智能应用的感知基础，第8课《人工智能中的算法》为机器学习的原理探究提供了逻辑铺垫；本课是从“算法体验”到“智能实现”的跃升，同时为第10课《智能创意》的项目实践提供技术逻辑支撑，也为九年级智能预测、高中人工智能深度学习内容的进阶学习打下基础。
放大镜思维——横向逻辑：本课以“缤纷水果店智能化改造”为主线，遵循“问题提出→原理抽象→类型辨析→应用落地”的认知逻辑，从生活具象问题出发，先通过人类学习与机器学习的对比拆解核心原理，再通过两类学习方式的对比辨析概念差异，最后回归真实问题解决，实现从具象到抽象再到具象的认知闭环，落实“计算思维”“信息社会责任”核心素养。
学习对象分析
1. 心理和思维特点：八年级学生处于具象思维向抽象思维过渡的阶段，对动手实践、情境化探究的兴趣远高于纯理论讲授，喜欢角色扮演、任务闯关类的课堂活动，对“人工智能”这类前沿科技有强烈的好奇心，但对抽象的技术原理接受度较低，对脱离生活的概念讲解容易产生畏难情绪。
2. 已有知识基础和生活经验：学生是机器学习产品的深度“原住民”，日常使用短视频个性化推荐、智能语音助手、拍照识物、翻译软件等应用，有丰富的使用体验；知识层面已经掌握人工智能三大要素（数据、算法、算力），了解图像识别、语音识别的基本功能，学习过人工智能算法的基础逻辑。
3. 典型认知误区：①误以为“人工智能的规则都是程序员提前写好的”，比如认为拍照识苹果是程序员提前把所有苹果的特征录入程序，不知道是机器自主从数据中总结规则；②混淆有监督和无监督学习的适用场景，比如觉得“所有分类任务都用有监督学习就行”，不知道给用户群体打标签这类没有提前标注标准的场景，用无监督学习的成本更低；③片面追求机器学习的准确率，忽略实际需求与成本的匹配，比如学生在实验中得到92%的分类准确率时会觉得实验失败，认为必须达到100%才可用，忽略水果店场景中90%以上的准确率就可以减少90%的人工工作量，剩余少量错误可通过快速人工复检解决，不需要为了提升5%的准确率花费数倍的训练成本。
学习目标
1. 通过对比“人类认苹果”和“机器认苹果”的过程，能准确说出机器学习“数据→训练→模型→预测”的基本流程，区分“数据、训练、模型”三个核心术语的含义。
2. 通过“苹果分类”“用户分组”两类任务的探究，能总结出有监督学习、无监督学习的核心特征，能说出2种以上两类学习方式的适用场景。
3. 能结合“缤纷水果店改造”的真实情境，选择合适的机器学习方法解决3种以上不同的店铺经营问题，体会机器学习对生产效率的提升作用。
教学重难点
教学重点：机器学习的基本原理，有监督学习与无监督学习的核心特征
教学难点：有监督学习与无监督学习的适用场景辨析，机器学习核心术语的逻辑关联
教学方法
情境教学法、对比探究法、实验操作法、小组合作法
学习资源
硬件环境：联网计算机教室、多媒体投影设备
软件环境：英荔AI机器学习平台、Kimi人工智能助手、“水果店方案选择”交互网页
教学资源：苹果分类数据集（含红富士、青苹果、蛇果三类共120张标注图片、80张未标注图片）、100条水果店无标注用户消费记录、实验记录单、知识点微视频
教学准备：提前调试平台访问权限、预存数据集到学生机桌面、提前完成2人小组分组（1人操作1人记录）
学习过程
【活动描述】构建“缤纷水果店AI改造助理”的角色扮演情境，出示水果店真实经营痛点：①每天进货的3类苹果（红富士、青苹果、蛇果）混杂，人工分类每天要花2小时，每月人工费多支出3000元；②想根据顾客消费记录发优惠券，不知道怎么给顾客分群体；③想做智能语音点单，让系统听懂“要甜的红富士”这类口语化需求。请学生作为AI改造师先思考初步解决思路。
【学生活动】1. 观看水果店人工分类的实拍视频，直观感受人工分类的低效；2. 小组讨论2分钟，提出初步解决思路，比如用图像识别分类苹果、用大数据分析用户。
【教师活动】1. 播放实拍视频，出示水果店每月人工成本的真实账单数据；2. 提问引发认知冲突：“之前我们学的图像识别是怎么实现的？程序员能不能把世界上所有苹果的样子都写进程序里？”3. 引出本节课核心任务：用机器学习技术完成水果店的3项智能化改造。
【设计意图】用真实的经营数据、实拍场景切入，避免空泛情境，让学生直观感受到机器学习的应用价值，引发认知冲突，激发探究欲望，同时明确贯穿全课的主线任务，让后续所有活动都围绕主线展开，增强课堂连贯性。
【学习过程-建构】
★活动1：原理探究——人类认苹果VS机器认苹果
【活动描述】给出具体对比任务：一个3岁小孩认苹果，和一个机器学习模型认苹果，分别统计两类学习方式的相关参数：小孩先看10个红富士（大人告知类别）、10个青苹果、10个蛇果，再拿新苹果判断，准确率约85%；给机器学习模型提供3类苹果各100张标注图片，训练10分钟后，判断新图片的准确率约92%。请学生对比两个过程，填写对比表格，总结机器学习的核心原理。
【学生活动】1. 小组讨论3分钟，填写对比表格（维度：学习主体、学习素材、学习过程、学习结果、准确率）；2. 小组代表分享对比结果，比如“小孩的学习素材是实物，机器的素材是图片数据；小孩的学习结果是脑子里的苹果印象，机器的学习结果是‘模型’”；3. 尝试用自己的话总结机器学习的定义。
【教师活动】1. 出示对比任务的具体数据（10个样本vs100个样本、85%准确率vs92%准确率）；2. 巡视小组讨论，引导学生提炼“数据输入→反复训练→生成模型→预测新数据”的流程；3. 总结机器学习的核心定义：机器学习是让计算机从大量标注/未标注的数据中自动总结规则、生成模型，再用模型对新数据做出判断的过程，强调“模型”就是学习的结果，可以类比为数学函数y=f(x)，输入x（新的苹果图片）就能输出y（苹果类别）。
【设计意图】用具体的样本数量、准确率数据做对比，把抽象的机器学习过程和学生熟悉的人类学习过程做锚定，让学生自主生成概念而非被动接受定义，同时明确三个核心术语的逻辑关系，突破原理难点。
★活动2：类型探究——带标签和不带标签的差异
【活动描述】设置两个假设情景，探究数据标签对学习方式的影响：情景A：给你300张苹果图片，每张都标好了“红富士/青苹果/蛇果”的标签，要完成苹果自动分类任务；情景B：给你300条用户的水果店消费记录，没有提前标注“高消费/中消费/低消费”的标签，要完成用户群体分类任务。请学生思考两个情景的差异，分别设计对应的机器学习方案，总结两类学习方式的依存条件。
【学生活动】1. 小组讨论2分钟，分析两个情景的数据核心差异：一个有提前标注的明确标签，一个没有预设分类标准；2. 思考：没有标签的情况下能不能让机器分类？可以按照什么规则分？3. 尝试总结两类学习方式的适用条件：有标签的数据用“有人教”的学习方式，没标签的数据用“自己找规律”的学习方式。
【教师活动】1. 出示两个情景的具体素材（标注好的苹果图片样例、无标注的消费记录样例）；2. 提问引导：“如果情景B里有10000条消费记录，我们提前给所有用户打标签的人工成本是不是太高了？”让学生理解无监督学习的必要性；3. 明确两个核心概念：有监督学习用带标签的数据训练，适合有明确分类标准的预测、分类任务；无监督学习用无标签的数据训练，适合发现数据的隐藏规律、群体聚类任务。
【设计意图】通过两个假设情景的对比，让学生自主探究“数据标签”这一核心变量对学习方式的影响，理解两类学习方式不是人为定义的，而是根据数据条件和任务需求选择的，突破两类学习方式辨析的难点。
【学习过程-应用】
【活动描述】回归“缤纷水果店改造”的3个初始问题，加1个拓展问题，让学生分组选择合适的机器学习方法解决，完成实验记录单：①苹果自动分拣任务；②用户群体分类发优惠券任务；③智能语音点单的语义理解任务；④拓展任务：水果店的短视频账号想给本地潜在用户推水果广告，用什么机器学习方法？要求每个任务都说明选择的学习类型、依据，以及需要准备的数据集。
【学生活动】1. 2人小组合作，在英荔AI平台完成有监督学习的苹果分类实验：上传3类各100张标注苹果图片，设置训练参数（迭代次数10、批处理大小8、学习率0.01），训练后用20张新图片测试，记录准确率；2. 观察教师演示用Kimi做无监督学习的用户消费记录分类过程；3. 完成4个任务的方案设计，填写记录单，小组代表分享方案。
【教师活动】1. 指导学生完成平台操作，用学生熟悉的场景解释参数含义：迭代次数=一套练习题做几遍，批处理大小=做几道题对一次答案，学习率=做题的速度；2. 演示无监督学习的消费记录分类过程：给Kimi输入100条无标签的消费记录，让它自动分成3类，展示分类结果（高频买高端水果、高频买平价水果、偶尔消费）；3. 巡视小组方案设计，引导学生说明选择依据，比如“苹果分类有明确的类别标准，用有监督学习；用户群体分类没有提前的标签，用无监督学习”；4. 点评学生方案，总结两类学习方式的常见应用场景：有监督学习用于图像识别、语音识别、垃圾邮件过滤；无监督学习用于用户画像、推荐系统、异常检测。
【设计意图】用贯穿全课的水果店真实任务做应用载体，让学生把刚学到的原理用到真实问题解决中，通过动手操作实验深化对有监督学习的理解，通过观察演示理解无监督学习的应用，避免空泛的概念辨析，落实“用技术解决真实问题”的目标。
【学习过程-梳理】
【活动描述】用“主线复盘”的方式梳理全课内容，从“水果店的三个烦恼”出发，串联整个学习过程，最后拓展到机器学习在生活中的其他应用。
【学生活动】1. 跟着教师的引导复盘全课：遇到水果店的问题→对比人类和机器的学习过程明白了机器学习原理→区分了两类学习方式的差异→给水果店做了改造方案；2. 分享自己还知道哪些生活里的机器学习应用，比如导航的拥堵预测、外卖的配送时间预测。
【教师活动】1. 结合板书核心要点复盘，强调三个核心逻辑：机器学习的核心流程是“数据→训练→模型→预测”；两类学习方式的核心差异是训练数据有没有标签；技术的选择要匹配实际需求和成本；2. 拓展提问：“机器学习是不是万能的？如果训练数据里有错误的标签，模型会怎么样？”引导学生思考数据质量对机器学习的影响，为后续人工智能伦理内容的学习做铺垫。
【设计意图】用主线复盘的方式让知识结构化，避免零散的知识点记忆，同时拓展延伸引发学生的深层思考，衔接后续课程内容，提升元认知。
板书设计
一、机器学习基本原理：数据→训练→模型→预测
二、两类学习方式
1. 有监督学习：带标签数据，分类/预测
2. 无监督学习：无标签数据，找规律/聚类
三、应用：匹配需求，解决真实问题
评价设计
● 评价维度（4个）
1. 原理理解：能否准确说出机器学习的基本流程，区分“数据、训练、模型”三个核心术语
2. 概念辨析：能否准确区分有监督和无监督学习的核心差异，说出2种以上适用场景
3. 实践操作：能否顺利完成英荔AI平台的苹果分类实验，准确记录实验数据
4. 问题解决：能否为水果店的4个任务选择合适的机器学习方法，说明合理依据
● 评价方式
1. 自评：填写实验记录单的自评部分，对自己的课堂参与度、原理掌握程度打分
2. 互评：小组内互相检查方案设计的合理性，给出1条改进建议
3. 师评：教师结合学生的实验操作情况、方案分享情况，给出等级评价（优秀/良好/合格/待改进），对有创新的方案给予额外表扬
教学反思
亮点：1. 整课用“缤纷水果店改造”的真实情境贯穿始终，所有活动都围绕主线展开，学生代入感强，课堂参与度高，课后抽样显示90%的学生能准确说出两类学习方式的核心差异；2. 用“人类认苹果”和“机器认苹果”的具象对比，把抽象的原理拆解成学生熟悉的场景，有效降低了认知难度，突破了重难点；3. 动手实验和理论讲解结合，学生通过操作真实感受到了参数变化对准确率的影响，避免了纯理论的空泛讲授。
改进设想：1. 如果能给学生提供无监督学习的动手操作平台，而非仅教师演示，就能让学生更直观地感受无监督学习的过程，对两类学习方式的差异理解会更深刻；2. 如果能增加“错误标签对模型的影响”的小实验，比如给10%的苹果图片贴错标签，让学生训练后观察准确率的变化，就能更好地引导学生理解数据质量的重要性，为后续的人工智能伦理学习做更充分的铺垫；3. 如果能增加分层拓展任务，给学有余力的学生提供“调整参数优化准确率”的探究任务，就能满足不同层次学生的学习需求。