初中信息技术浙教版（2023）八年级下册人工智能中的机器学习教案

这是一份初中信息技术浙教版（2023）八年级下册人工智能中的机器学习教案，共21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
八年级下册第二单元第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）》“人工智能初步”模块要求学生知道机器学习是实现人工智能的重要途径，能描述机器学习的基本过程，了解有监督学习、无监督学习的基本特点，能举例说明机器学习的应用价值。
主要内容：本课包含三部分核心内容：一是机器学习的基本原理与“数据-训练-模型”核心要素；二是有监督学习、无监督学习的特征与区别；三是机器学习在生活中的典型应用与场景选择。
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”的核心原理课，单元前三课“语音识别、语音合成、图像识别”为学生积累了人工智能应用的感性体验，第8课“人工智能中的算法”为机器学习原理探究提供了逻辑基础；本课为第10课“智能创意”的实践开展提供技术支撑，同时为九年级“智能预测与无人机”“人工智能伦理与安全”单元的学习，以及高中阶段人工智能深度内容的学习奠定认知基础。
放大镜思维——横向逻辑：本课以“缤纷水果店智能升级”的真实问题为主线，遵循“具象情境引入→抽象原理探究→实践应用落地”的认知逻辑：先从学生熟悉的生活场景提炼问题，再通过人类学习与机器学习的对比推导核心原理，接着通过假设情景探究两类学习方式的差异，最后回归真实问题解决，层层递进落实计算思维、信息意识核心素养。
学习对象分析
1. 心理和思维特点：八年级学生（13-14岁）抽象逻辑思维逐步发展，但仍依赖具象案例支撑认知，对人工智能类新奇内容好奇心强，乐于参与角色扮演、动手操作类任务，具备一定的小组合作探究能力。
2. 已有知识基础和生活经验：生活层面，学生是机器学习产品的深度用户，日常使用短视频推荐、智能语音助手、拍照识物、AI翻译等应用，对AI的使用体验十分熟悉；知识层面，已掌握本单元前3课人工智能识别类应用的特点，学习过第8课人工智能算法的基本逻辑，知道人工智能运行依赖数据、算法、算力三大要素。
3. 典型认知误区：
① 误以为AI的“智能”是天生的，例如认为Siri本来就能听懂人类语言，不知道其背后是大量语音数据训练的结果；
② 混淆传统程序与机器学习的逻辑，例如认为所有计算机程序都是人类提前写好规则（如之前学的Pythn分支结构要提前写判断条件），不知道机器学习是计算机自主从数据中总结规则；
③ 分不清两类学习的适用场景，例如认为所有分类任务都用有监督学习，不知道没有提前标注类别的情况下（如给未知品种的水果分类）需要用无监督学习。
学习目标
1. 通过“人类识别苹果vs机器学习识别苹果”的对比探究，能准确描述机器学习的基本原理，说出“数据、训练、模型”三个核心要素的关联；
2. 通过AI平台动手实验与无监督学习模拟体验，能区分有监督学习和无监督学习的核心特征，至少举出2个两类学习的生活应用实例；
3. 能针对“缤纷水果店智能升级”的3个具体问题，选择合适的机器学习方式设计解决方案，体会机器学习的实用价值。
教学重难点
教学重点：机器学习的基本原理，有监督学习、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区别与适用场景，模型参数对训练效果的影响
教学方法
情景式教学法、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（学生每人1台设备）、教师多媒体演示设备
软件环境：英荔AI工具平台、Kimi人工智能助手、“水果店方案选择”交互网页
教学资源：苹果标注数据集（红富士、青苹果、蛇果各50张标注图片、100张无标注图片）、实验记录单、参数说明卡片
教学准备：提前调试平台访问权限、预做实验确认参数效果、拍摄水果店情景视频
学习过程
【活动描述】播放1分钟实景拍摄的“缤纷水果店老板的烦恼”小视频：老板说明每天进货的3种苹果（红富士、青苹果、蛇果）混装，2名员工要花40分钟才能分拣完成，每月因分类错误定价损失近2000元，邀请学生担任“AI改造助理”，设计智能分拣方案。
【学生活动】观看视频后小组讨论1分钟，提出初步解决思路，梳理核心需求：快速、准确地自动完成苹果分类。
【教师活动】播放视频后抛出问题“不用人工的话，AI怎么实现自动分类？今天要学的机器学习就是实现这个需求的核心技术”，引出本课主题。
【设计意图】用学生身边的水果店场景切入，搭配具体的时间、损失数字，让学生感受到问题的真实性，以“AI改造助理”的角色代入激发学习动机，为后续的原理探究和实践环节做好铺垫。
【学习过程-建构】
▶ 活动1：原理探究——人类vs机器学习认苹果
【活动描述】设置对比探究任务：给3岁小孩看10张标注“红富士”的图片学习，之后测试2张新的红富士图片，识别准确率为50%；给AI模型输入500张带品种标注的三类苹果图片训练，之后测试100张新图片，识别准确率可达92%。让学生对比两者的学习过程，自主推导机器学习的核心概念。
【学生活动】先讨论“3岁小孩学会认红富士的步骤”，总结出“看标注样本→记住特征→判断新样本”的过程；再对比AI的学习过程，梳理两者的共同点与差异，填写对比表格，推导机器学习的定义和核心要素。
【教师活动】抛出对比问题后引导学生梳理人类学习的逻辑，展示AI训练的具体数据，在学生讨论后总结：机器学习和人类学习逻辑相似，是计算机通过大量标注/未标注数据训练，自动总结特征规则生成模型，再用模型处理新数据的过程；明确“模型是训练得到的规则，可类比为函数y=f(x)，输入x（苹果图片）即可输出y（苹果品种）”。
【设计意图】用具体的样本数量、准确率数字做对比，把抽象的机器学习过程和学生熟悉的人类学习行为绑定，让学生自主探究生成概念而非被动接受，理清“数据-训练-模型”的逻辑关联，突破核心概念理解难点。
▶ 活动2：分类逻辑探究——有监督vs无监督学习的差异
【活动描述】设置两个递进的假设情景：情景A：老板已经把过去1个月进货的1000斤苹果按3个品种做好标注，共有1500张带品种标签的苹果图片；情景B：老板第一次进口新品种苹果，不知道有多少个品种，也没有提前标注，只有2000张刚拍摄的苹果图片。让学生小组讨论两种情景下分别该如何让AI完成分类，探究两类学习方式的依存关系。
【学生活动】小组讨论3分钟，分别给出两个情景的解决方案，梳理两种方案的核心差异：是否有提前的标签标注、分类目标是“匹配已知类别”还是“发现未知类别”，填写两类学习方式的特征对比表。
【教师活动】巡视讨论过程，引导学生思考“如果没有提前告诉AI有哪几类，AI分类的依据是什么？”，在学生汇报后总结：情景A的学习方式为有监督学习，需要带标签的数据训练，适用于已知类别的预测/分类任务；情景B的学习方式为无监督学习，使用无标签数据训练，适用于发现数据的内在结构和未知类别；梳理两者的依存关系：有监督学习标注成本高但准确率可控，无监督学习无需标注但分类结果需要人工校验，两者可结合使用。
【设计意图】通过两个假设情景让学生自主探究两类学习方式的适用前提和核心差异，避免死记硬背概念，理解“是否有标注数据决定学习方式选择”的依存关系，突破教学难点。
【学习过程-应用】
【活动描述】回归“缤纷水果店智能升级”的真实需求，给出3个具体问题让学生小组设计解决方案，同时完成动手实验：用英荔AI平台上传标注苹果图片训练有监督学习模型，测试不同样本数量（20张vs50张）、不同学习速率（0.1vs0.5）下的识别准确率，记录实验结果。
【学生活动】1. 小组讨论3个问题的解决方案：① 自动分拣已知的3种苹果用什么学习方式？② 老板想根据用户购买记录发放优惠券，不知道用户可分为几类群体，用什么学习方式？③ 想让AI听懂顾客说“要脆甜的红苹果”的需求，该怎么训练模型？2. 两人一组完成AI平台模型训练实验，记录不同参数下的准确率，总结影响模型效果的因素；3. 每组派代表汇报方案和实验结果。
【教师活动】发放实验记录单，讲解平台操作步骤和参数含义（将学习速率类比为“学习步长，太大容易漏掉知识点，太小学习效率低”，迭代次数类比为“知识点复习次数”），巡视指导学生操作，在学生汇报后点评方案合理性，拓展介绍机器学习的其他生活应用：短视频推荐是无监督学习发现用户喜好，人脸支付是有监督学习匹配人脸库。
【设计意图】用贯穿始终的水果店场景问题，让学生把刚学到的概念落地到实际问题解决中，通过动手实验直观感受参数对模型效果的影响，深化对概念的理解，体会机器学习的实用价值。
【学习过程-梳理】
【活动描述】采用“思维导图填空”的方式，带领学生梳理本课核心知识点，联系后续学习内容。
【学生活动】跟着教师引导填写思维导图空白部分：机器学习的核心要素是____、____、____；有监督学习需要____数据，适用于____场景；无监督学习用____数据，适用于____场景；分享自己本节课印象最深的知识点。
【教师活动】展示半完成的思维导图，引导学生回顾全课学习路径：从水果店真实问题出发，探究机器学习原理，对比两类学习方式，最终完成方案设计；补充说明下节课将使用本节课学到的知识开展智能创意实践，拓展机器学习的应用场景。
【设计意图】通过结构化梳理帮助学生整合零散知识点，形成完整知识体系，同时关联后续课程，保证单元学习的连贯性。
板书设计
一、机器学习基本原理
核心逻辑：数据 → 训练 → 模型（y=f(x)）
二、两类机器学习方式
1. 有监督学习：带标签数据 → 已知类别分类/预测
2. 无监督学习：无标签数据 → 发现未知结构/模式
三、应用：按需选择学习方式解决实际问题
评价设计
▷ 评价维度（4个）：
1. 原理理解：能否准确描述机器学习的基本原理，说清三个核心要素的关联；
2. 概念区分：能否准确区分有监督、无监督学习的特征和适用场景；
3. 实践操作：能否顺利完成AI平台模型训练实验，准确记录实验数据；
4. 问题解决：能否针对水果店的3个问题设计合理的解决方案。
▷ 评价方式：
1. 自评（30%）：对照知识点清单和实验记录单，给自己的课堂表现打分；
2. 互评（30%）：小组内互相评价方案合理性和实验参与度；
3. 师评（40%）：根据课堂提问回答情况、实验完成度、方案汇报情况综合打分。
（等级标准：优秀=全部达标且能拓展举例；良好=全部达标；合格=基本达标；待改进=未达半数要求）
教学反思
亮点：
1. 用“缤纷水果店”的真实情景贯穿全课，从问题引入到原理探究再到应用解决形成完整学习闭环，学生代入感强，课堂参与度可达90%以上；
2. 采用对比探究、情景假设的方式让学生自主生成概念，而非被动灌输抽象知识，有效降低了机器学习相关概念的理解难度，抽样检测显示学生对核心概念的掌握率可达85%；
3. 动手实验环节将抽象参数和学生熟悉的日常学习行为类比，学生易理解，能直观感受到参数对模型效果的影响，有效落实了计算思维的培养。
改进设想：
1. 如果能提前准备更多不同品类的水果/物品数据集，让学生自主选择分类对象而非统一使用苹果，学生的探究兴趣会更高；
2. 如果能增加1个拓展任务，让学生尝试用无监督学习完成用户购买记录的分类，会让学生对无监督学习的体验更深刻；
3. 对于基础薄弱的学生，如果能提前提供参数设置的参考区间，可避免学生因参数设置不合理导致模型准确率过低，打击学习积极性。