1

2019 教科版 高中信息技术 选择性必修 4 人工智能

初步《第 3 单元 机器学习与深度学习》大单元整体

教学设计[2020 课标]

一、内容分析与整合

二、《普通高中信息技术课程标准（2017 年版 2020 年修订）》

分解

三、学情分析

四、大主题或大概念设计

五、大单元目标叙写

六、大单元教学重点

七、大单元教学难点

八、大单元整体教学思路

九、学业评价

十、大单元实施思路及教学结构图

十一、大情境、大任务创设

十二、单元学历案

2

十三、学科实践与跨学科学习设计

十四、大单元作业设计

十五、“教-学-评”一致性课时设计

十六、大单元教学反思

一、内容分析与整合

（一）教学内容分析

本单元的教学内容聚焦于“人工智能初步”中的“机器学习与深度学习”

主题，这是信息技术领域的前沿技术，具有广泛的应用前景。本单元通过三个

小节的内容，逐步引导学生了解机器学习的起源与发展、机器学习的原理、分

类与内涵，以及人工神经网络与深度学习的基础知识和应用。

机器学习的起源与发展：这一部分内容旨在让学生了解机器学习的基本概

念和发展历程，通过简单的在线游戏（如 FlappyBird ）体验机器学习的特点，

并了解机器学习在人工智能领域的核心地位。

机器学习的原理、分类与内涵：本小节深入剖析机器学习的基本原理，包

括感知器的工作原理、决策树的应用等，同时介绍机器学习的分类，如归纳学

3

习、类比学习等，并探讨机器学习与人类学习的异同。

人工神经网络与深度学习：此部分介绍人工神经网络的基本概念和逻辑结

构，通过简单的人工神经网络程序体验其学习过程，并进一步探讨深度学习的

概念、应用及其局限性。

（二）单元内容分析

本单元的教学内容逻辑清晰，层次分明，逐步深入。从机器学习的基本概

念和发展历程入手，逐步过渡到机器学习的原理、分类与内涵，最后聚焦于人

工神经网络与深度学习的深入探讨。每个小节都包含了理论讲解、实例分析和

实践活动，旨在帮助学生全面理解并掌握相关知识。

理论讲解：通过详细的文字描述和图表展示，帮助学生理解机器学习的基

本概念、原理和应用场景。

实例分析：通过具体的案例（如 FlappyBird 游戏、感知器工作原理、决

策树应用等），让学生在实际情境中感受机器学习的魅力。

实践活动：设计了一系列动手实践活动（如编写简单的人工神经网络程序、

体验深度学习应用等），让学生在实践中巩固所学知识。

（三）单元内容整合

4

本单元的教学内容紧密围绕“机器学习与深度学习”这一主题展开，各小

节之间相互关联、层层递进。通过整合教学内容，可以帮助学生构建完整的知

识体系，理解机器学习与深度学习在人工智能领域的重要地位和应用价值。

知识体系的构建：从机器学习的基本概念入手，逐步深入到原理、分类、

内涵以及人工神经网络与深度学习的探讨，形成一个完整的知识体系。

实践活动的串联：通过设计一系列相关的实践活动，让学生在实践中逐步

掌握机器学习与深度学习的相关技能，提高解决实际问题的能力。

跨学科融合的尝试：本单元的教学内容不仅涉及信息技术领域的知识，还

融合了数学、统计学等多学科的内容，有助于培养学生的跨学科思维和综合能

力。

二、《普通高中信息技术课程标准（ 2017 年版 2020 年修订）》分解

（一）信息意识

对信息的敏感度：通过了解机器学习的起源与发展历程，学生能够认识到

信息技术领域的快速发展和变革，从而对信息技术的新进展保持高度的敏感度。

对信息价值的判断力：通过学习机器学习的基本原理和应用场景，学生能

够理解机器学习在人工智能领域的重要价值，学会从众多信息中筛 选出 有价值

5

的内容进 行 深入学习和应用。

信息 安 全意识：在探讨机器学习与人类学习的异同以及深度学习的应用时，

引导学生关 注 信息 安 全问题，理解在信息技术应用中保 护 个人 隐私 和信息 安 全

的重要性。

（二）计 算 思维

形 式化 表 达 ：在学习感知器的工作原理和决策树的应用时，引导学生 将 实

际问题形 式化为 数学 模型或算法 问题，培养其形 式化 表 达 的能力。

抽象 与建 模 ：通过探讨机器学习的分类和内涵以及人工神经网络与深度学

习的基本原理，培养学生从 复杂 问题中 抽象出 关 键 要 素 并进 行 建 模 的能力。

算法 设计与实 现 ：设计一系列实践活动（如编写简单的人工神经网络程

序），让学生在实践中掌握 算法 设计的基本 方法 和实 现 技 巧 ，提高其计 算 思维

能力。

（三）数字 化 学习与 创 新

数字 化 学习 资 源的 利 用：引导学生 利 用网络等数字 化 学习 资 源， 搜集 和整

理关于机器学习与深度学习的相关 资料 ，提高其数字 化 学习的能力。

数字 化 学习 环 境的 创 设： 鼓励 学生 利 用编程 软件 等数字 化 工具进 行 实践活

6

动， 创 设有 利 于机器学习与深度学习的数字 化 学习 环 境。

数字 化创 新能力的培养：通过设计具有 挑战 性的实践活动（如体验深度学

习应用、开发简单的人工智能程序等）， 激 发学生的 创 新思维和 创造 力，培养

其数字 化创 新能力。

（ 四 ）信息 社 会 责任

遵守 信息 法律法规 ：在学习机器学习与深度学习的过程中，引导学生了解

相关的 法律法规 和 政 策文 件 ， 自觉遵守 信息 法律法规 ，维 护良好 的信息 社 会 秩

序。

信息 伦 理 道德 ：探讨机器学习与深度学习在应用中可能引发的 伦 理 道德 问

题（如 隐私泄露 、 算法偏见 等），引导学生树 立正确 的信息 伦 理 道德观 念。

积极参 与信息 社 会建设： 鼓励 学生 将 所学的机器学习与深度学习知识应用

于实际问题的解决中， 积极参 与信息 社 会的建设和发展， 为社 会进步 贡献自己

的力 量 。

通过本单元的教学设计，旨在全面提 升 学生的信息 素 养，培养其计 算 思维、

数字 化 学习与 创 新能力以及信息 社 会 责任 意识， 为未来 的学习和生活 奠定坚 实

7

的基础。

三、学情分析

（一） 已 知内容分析

在高中信息技术 选择 性 必修 4 《 人工智能初步 》课 程的前 两 个单元中，学

生 们已 经对人工智能的基本概念、发展历程、主要应用领域及其对 社 会的 影响

有了初步的认识。 他们 了解了人工智能的基本特 征 、核心 算法 （如 启 发 式搜索 、

决策树等）以及智能技术应用的基本过程和实 现 原理。通过前 两 个单元的学习，

学生 们已 经具 备 了一 定 的信息技术基础，包括数 据处 理、 算法 与程序设计、网

络基础等知识，这 为 学习机器学习与深度学习 奠定 了 坚 实的基础。

在 选择 性 必修 4 的 第 一单元中，学生 们 学习了人工智能的发展历程，从 早

期 的 专家 系统到 现代 的深度学习技术，对人工智能的 演 进过程有了 宏观 的认识。

在 第 二单元中， 他们 深入了解了人工智能的核心 算法 ，如决策树、 支 持 向量 机

等，并通过案例分析，理解了这 些算法 在实际应用中的价值。学生 们 还通过实

践 项目 ，体验了人工智能技术在 某些 具体领域（如图 像 识 别 、 语音 识 别 等）中

的应用，进一步 增强 了 他们 的学习 兴趣 和动手能力。

8

（二）新知内容分析

本单元 《 机器学习与深度学习 》将 进一步深 化 学生对人工智能技术的理解，

特 别 是机器学习和深度学习这 两 个关 键 领域。通过本单元的学习，学生 们将 了

解机器学习的起源与发展历程，掌握机器学习的基本原理、分类与内涵，并体

验简单的人工神经网络学习过程及深度学习的应用。具体内容包括：

机器学习的起源与发展：学生 们将 了解机器学习的发展历程，包括各个 阶

段 的 标志 性 事件 和关 键 技术 突破 ，以及机器学习在人工智能发展中的重要地位。

机器学习的原理、分类与内涵：学生 们将 学习机器学习的基本原理，包括

模型训练 、 参 数 调 整、 模型评估 等过程，了解机器学习的主要分类（如有 监督

学习、 无监督 学习等），并探讨机器学习与人类学习的异同。

人工神经网络与深度学习：学生 们将 了解人工神经网络的基本概念、逻辑

结构及其应用领域，体验简单人工神经网络的学习过程，并通过案例分析，了

解深度学习在图 像 识 别 、 自然语言处 理等领域的应用。

实践 项目 ：学生 们将 通过实践 项目 ，如 使 用 TensorFlow 框架 识 别 手写体

数字等， 亲身 体验机器学习与深度学习的 强大功 能，进一步 加 深对相关知识的

9

理解。

（三）学生学习能力分析

通过前 两 个单元的学习，学生 们已 经具 备 了一 定 的信息技术基础和人工智

能知识，这 为 学习机器学习与深度学习提 供 了 良好 的前提。学生 们普遍 具有 较

强 的逻辑思维能力和问题解决能力，能够 较好 地理解和应用所学知识。 他们 对

新技术、新领域有 着浓厚 的学习 兴趣 ， 愿 意 投 入时间和 精 力 去 探 索 和实践。

机器学习与深度学习作 为 人工智能领域的前沿技术，其涉及的知识面 较 广、

难 度 较大 ，对学生的学习能力和思维能力提 出 了 更 高的要 求 。学生 们需 要具 备

扎 实的数学基础、 较强 的编程能力和 良好 的逻辑思维能力， 才 能 较好 地理解和

掌握相关知识。 由 于机器学习与深度学习技术 更 新 迅 速，学生 们 还 需 要具 备 持

续 学习和探 索 的能力，以 适 应技术发展的 需求 。

（ 四 ）学习 障碍突破 策 略

针 对学生在学习机器学习与深度学习过程中可能 遇 到的学习 障碍 ， 我们将

采取 以 下 策 略 进 行突破 ：

加强 基础知识 复 习与巩固：在开 始 学习新知识之前， 我们将 对前 两 个单元

10

所学的基础知识进 行复 习和巩固，特 别 是 算法 与程序设计、网络基础等 方 面的

知识， 为 学生 们 学习新知识 打下坚 实的基础。

分层次、分步 骤 教学： 针 对机器学习与深度学习的 复杂 性和 难 度， 我们将

采取 分层次、分步 骤 的教学策 略 。 首先 介绍机器学习的基本概念和原理， 然 后

逐步深入介绍人工神经网络和深度学习技术。在每个教学 阶段 结 束 后， 我们 都

会 安排 相应的 练 习和作 业 ，帮助学生巩固所学知识。

强化 实践 操 作与 项目驱 动：机器学习与深度学习是一 门 实践性 很强 的学科，

我们将 通过实践 操 作和 项目驱 动的 方式 ，帮助学生 们更好 地理解和掌握相关知

识。例如， 我们将安排 学生 使 用 TensorFlow 框架 进 行 手写体数字识 别 的实践

项目 ，通过实际 操 作体验机器学习的 强大功 能。

鼓励自 主学习与合作学习：机器学习与深度学习领域知识 更 新 迅 速， 我们

将鼓励 学生 们 进 行自 主学习和合作学习，通过 查阅资料 、 参加 在线 课 程等 方式

不断 拓 展 自己 的知识面。 我们 还 将组织 学生 们 进 行 小 组 讨论和合作学习， 共 同

解决 遇 到的问题和 挑战 。

提 供 个性 化 学习 支 持： 针 对学生 们 在学习过程中的个体 差 异和 需求差 异，