从工具使用到系统构建——安徽高中AI通识教育手册深度剖析

随着生成式AI技术持续渗透课堂、融入生活、推动学习模式变革，我们愈发深刻地意识到：

人工智能教育不应仅局限于“会不会用工具”，更要迈向“能不能理解原理、分析过程、构建应用、负责任地运用技术”。

深度研读《安徽省中小学人工智能通识教育学生学习手册（高二）》后，我的核心感受是：

这并非一本单纯指导学生“体验AI”的读本，

而是一本真正引领学生探究人工智能底层逻辑的学材。

它不仅解答“AI能做什么”，更关键的是，它逐步阐释：

- AI为何能实现这些功能？

- AI具体通过什么方式实现？

- 一个AI应用如何从问题出发，历经数据、模型、部署，最终真正落地？

如果说初中阶段更多是“从生活现象看AI”，

那么高二这一册，已明确进阶到：

“从AI视角看世界、解构AI黑箱、完成AI创新实践”的新层次。

今天，想以信息科技教师的视角，与大家精读这本《学习手册（高二）》：

它究竟传授了什么？为何如此设计？又为何值得我们高度重视？

一、这本《学习手册（高二）》，“高”在何处？

《安徽省中小学人工智能通识教育学生学习手册（高二）》分为上下两册核心主线：

高二上册：第一单元《赋能健康运动——人工智能原理》

涵盖4个实践项目：

1. 用AI纠正篮球投篮动作——人工智能学习

2. 用AI制订跳绳训练计划——人工智能推理

3. 用AI搜索网球学习资源——人工智能搜索

4. 用AI助力科学防控近视——人工智能预测

高二下册：第二单元《守护正确坐姿——人工智能创新》

涵盖4个实践项目：

5. 规划坐姿矫正提醒系统——系统规划

6. 收集整理学生坐姿数据——准备数据

7. 训练学生坐姿识别模型——训练模型

8. 调试坐姿矫正提醒系统——部署模型

若用一句话凝练整本书的课程逻辑，那便是：

上册聚焦“人工智能原理”，下册聚焦“人工智能创新”；上册助力学生理解AI核心能力，下册则通过一个完整项目，让学生亲历AI应用开发的全周期。

此设计尤为可贵。

因其并非简单堆砌概念，也非停留在“玩玩工具”，而是在真实任务中，引导学生逐步构建对人工智能的体系化认知。

二、本书最突出的亮点：项目式学习架构极为完整

手册中的每个项目，均遵循统一的四段式结构：

- 项目准备

- 项目实施

- 素养提升

- 拓展评价

这并非普通的编排形式，而是一条极其清晰的学习脉络。

1. 项目准备：先谋定，后行动

此环节并非让学生立即操作，而是引导其先完成：

- 情境解读

- 需求研判

- 问题分解

- 方案设计

- 概念预热

这意味着，课程在培育一种至关重要的能力：

面对技术问题时，先分析、再设计、后实践。

2. 项目实施：在实操中领悟技术

每个项目均非“观看教师演示”，而是让学生亲身参与：

- 采集数据

- 运用平台

- 搭建流程

- 训练模型

- 验证结果

- 调优改进

如此设计，使“人工智能”不再是抽象概念，而成为学生可动手参与、可逐步理解的实践客体。

3. 素养提升：从“完成了”迈向“搞懂了”

此环节尤为关键。

众多技术课程易止步于“做出来了”，但本手册在每个项目后，均专门引导学生提炼：

- 项目的核心原理

- 技术的通用流程

- 方法的适用范畴

- 结果的制约要素

- 责任意识与使用规范

换言之，它不仅教会学生“如何做”，更教会学生“为何如此做”。

4. 拓展评价：从“会解一道题”迈向“会通一类法”

本书诸多拓展任务极具代表性，例如：

- 用投篮识别方法训练“校服年级识别”模型

- 用跳绳计划生成方法设计“学科复习智能体”

- 用近视预测方法思考销量预测问题

- 用坐姿数据集制作方法制作“剪刀石头布”数据集

这表明手册并非让学生止步于“完成教师布置的题目”，而是在着力培育：

将方法迁移至新情境、解决新问题的能力。

三、高二上册：人工智能原理，非空谈概念，而在真实场景中体悟AI

高二上册第一单元主题为：

赋能健康运动——人工智能原理

这是一种极为巧妙的课程设计。

因其未从抽象术语切入，而是选取学生熟悉的运动健康场景，让学生在“有体感”的问题中领悟AI。

上册四个项目，分别对应人工智能的四大核心能力：

- 学习

- 推理

- 搜索

- 预测

项目1：用AI纠正篮球投篮动作——人工智能学习

此乃全册首个项目，亦是学生理解“机器学习”的最佳切入点之一。

为何该项目设计精妙？

因其直接从学生熟悉的真实问题切入：

- 投篮动作不规范

- 命中率不理想

- 不清楚问题根源

于是问题自然浮现：

AI为何能识别投篮动作是否标准？

这正是机器学习最自然的教学起点。

该项目向学生传递了什么？

项目的核心流程为：

- 调研投篮中的常见动作缺陷

- 梳理规范动作要点

- 采集标准与非标准姿势图像

- 上传图像分类平台训练模型

- 用模型判别新动作姿势

- 依据判别结果持续改进动作

这实则是一个极为完整的监督学习入门案例。

学生将在该项目中真正领悟三件事

第一，AI并非天生会识别动作

机器并不会“自动理解投篮”，它必须依赖大量图像学习规律。

第二，数据是模型学习的根基

手册明确强调：

数据是机器学习的“基石”。

标准与非标准图片的数量、质量、特征显著性，均会影响模型识别效果。

第三，机器学习存在不同范式

手册通过与人类学习方式的对比，引导学生理解：

- 监督学习

- 无监督学习

- 强化学习，并明确本项目属于监督学习。

该项目的深层价值

它并非单纯让学生“体验一个动作识别工具”，而是在帮助学生领悟：

机器学习的本质，是让机器通过带标签的数据学习输入与输出间的映射规律。

这对高中阶段人工智能启蒙而言，极为关键。

项目2：用AI制订跳绳训练计划——人工智能推理

若说项目1聚焦“AI如何学习”，

那么项目2聚焦的便是：

AI如何基于知识与规则开展推理。

项目情境为何真实？

因为跳绳训练并非一句“多练即可”这般简单。

真正科学的训练计划需综合考量：

- 个人基础数据

- 训练目标

- 科学运动规律

- 运动健康知识

于是手册将问题抛给学生：

AI能否为不同人群制订个性化跳绳训练计划？

该项目最大亮点：将“AI推理”阐释清晰

许多人谈及AI推理，易陷入模糊表述。

但本手册将其拆解得极为清晰。

1. 先理解人类推理的三种常见模式

手册引导学生认识：

- 演绎推理

- 归纳推理

- 类比推理

此步至关重要，因为人工智能推理并非凭空产生，而是模拟、借鉴并拓展了人类逻辑思维过程。

2. 再理解AI推理为何需要知识库支撑

手册明确指出：

- 大模型具备推理能力

- 专业知识库提供领域依据

- 二者融合，能显著提升推理质量

换言之，本项目并非“随意问问AI”，而是一个典型的：

大模型+知识库+工作流的智能应用设计任务

3. 再让学生亲手搭建智能应用

项目中，学生需完成：

- 创建“制订跳绳训练计划”应用

- 添加用户信息输入变量

- 导入跳绳训练相关知识库

- 选择推理模型

- 搭建工作流

- 编写系统提示词与用户提示词

- 试运行并查看输出效果

此已非常接近真实智能体应用开发。

该项目真正培育的能力是什么？

并非简单“提问AI”，而是：

- 组织信息

- 设计流程

- 配置知识库

- 构造提示词

- 调试推理结果

换言之，学生在此开始领悟：

高质量的AI输出，源于高质量的输入设计、知识支撑与流程搭建。

项目3：用AI搜索网球学习资源——人工智能搜索

此项目极具现实针对性。

因当下众多学生已在用AI搜索，但未必真正理解AI搜索机制。

手册未停留在“该工具很好用”层面，而是继续追问：

AI搜索为何比传统搜索更懂用户意图？其背后究竟发生了什么？

项目情境极贴合当下学习模式

学生欲学网球，但学校无专业教练，故希望借助网络搜索资源。

此乃数字时代最真实的自主学习情境之一。

该项目并非教“用哪个工具”，而是教“搜索如何运作”

手册先让学生体验常见AI搜索工具，例如：

- 百度AI搜索

- 天工AI

- 纳米搜索

- 夸克搜索

- 秘塔AI搜索

但真正的重点，是拆解其运作机理。

手册对AI搜索的归纳极为精炼

在“素养提升”中，AI搜索被凝练为四个环节：

理解意图→信息获取→信息处理→结果呈现

这四步，几乎就是AI搜索的核心框架。

理解意图

非简单匹配关键词，而是借助大语言模型理解用户真实需求。

信息获取

从网络、知识库、文库、视频、学术等多种