AI赋能课堂：信息科技教师借助IMA引领学生探索智能学习

上周四下午第二节，当我踏入六年级教室时，班里的"小问号"小宇马上举手发问："老师，AI究竟是靠什么学会回答问题的呢？是不是跟咱们背书似的，先把全世界的书都背一遍？"

这问题让我一时语塞。要是搁三年前，我大概只能拿"AI太复杂，等你长大就明白了"来搪塞。但今天，我从容地打开IMA的AI问答功能，对全班同学说："咱们一起问问AI怎么样？瞧瞧它怎么回应。"

我们在课堂上共同输入了那个问题，AI给出了详尽的解答。随后我又切换到"基于知识库"模式，将提前备好的课标PDF和教材传入知识库，再次抛出同样的问题。两种回答并列展示，差别清晰可见——一个广博却"浮"，一个精确且"稳"。

小宇睁大眼睛惊呼："原来咱们也能训练AI啊！"那一刹那，我恍然领悟：信息科技课堂的职责，已从"教学生会用电脑"转变为"教学生会用AI学习"。

配图1：AI融入课堂的真实挑战

新课标中有一条令众多信息科技教师头疼的要求："助力学生形成对人工智能的初步认知，培育智能时代的学习素养。""初步认知"四个字写起来容易，可落到40分钟的课堂上，怎样讲才能让学生真正领会，而非仅仅记住一堆术语呢？

以往的课堂上，我们讲AI，常常是"播放一段视频+朗读一段定义+学生抄笔记"。学生记住了"机器学习""神经网络"这些词汇，但被问到"AI是怎么思考的"，大多答不上来。抽象的概念缺乏着力点，课堂就只能停留在科普阶段。

然而当学生亲眼目睹：自己上传的资料能"教会"AI回答特定问题，AI的"聪慧"实则是"被训练"出来的——这一刻，AI就从神秘盒子变成了可操作、可观察、可实验的对象。学习方式也随之从"听老师讲AI"转变为"自己玩AI"。

这正是信息科技课堂应有的模样：不是讲授AI的理论，而是引领学生运用AI完成项目。IMA这样的国产AI工具，让这件事在普通教室里就能成为现实。

第一步：搭建"班级AI知识库"，让每位学生贡献一份资料

课前，我让全班45位同学各自准备一份与"算法"相关的资料——可以是课本中的某段文字、网上检索到的某个案例、家长工作中运用算法的某个场景。第二节课伊始，我们一同打开IMA，创建了一个名为"六（3）班·算法初探"的共享知识库。

每位同学把资料上传到自己的子文件夹中，统一命名为"姓名_资料名"。我顺势教给大家两个小习惯：上传时顺便附上一句话简介，资料用关键词打标签。这两个举动看似微不足道，却让全班45份资料在后续检索时极为便捷——"搜索'排序算法'，立刻能调出8位同学贡献的案例"。

这一步的核心在于让学生明白：AI的能力并非凭空产生，它依赖高质量的资料输入。知识库中的内容越丰富、结构越明晰，AI的回应就越可靠。这种"输入决定输出"的理念，比任何概念阐述都来得直观。

第二步：开展"对比实验"，真切体会AI的"信息源依赖"

这是课堂上最热闹的环节。我将全班划分为8个小组，每组发放一张问题卡，例如：

"请阐释冒泡排序的核心思路。"

"列举三个生活中算法的应用实例。"

"什么是人工智能？它和普通程序有何区别？"

每个小组的任务是：分别采用"全网搜索"模式和"基于知识库"模式提问，记录两次回答的差异。

三分钟后，教室里"哇"声此起彼伏。有小组发现：全网搜索的回答生动具体，但偶尔会出现"答非所问"的状况；基于知识库的回答虽然平实，但每个观点都能在资料中找到依据。两组回答放在一起对照，学生立刻就明白了"AI为什么会说错话"。

我顺势抛出关键问题："那我们要怎么做，才能让AI的回答更可靠？"学生抢着回答："给它优质资料！""限定它的搜索范围！""核查它引用了哪些资料！"这些答案，比我备课PPT上写的还要精准。

第三步：完成"项目小任务"，借助知识库攻克真问题

有了前两步的铺垫，第三步就水到渠成了。我布置了"项目小任务"：每个小组利用班级知识库中的资料，完成一份"给四年级同学阅读的算法小科普"。

具体要求是：先在知识库中检索"适合小学生的算法案例"，筛选出3-5个备选；再使用AI问答功能，让AI基于这些案例生成一份200字左右的科普稿；最后小组人工修改润色，配上插图。

这一步的精妙之处在于：学生既要充当"资料管理员"，又要扮演"AI训练师"，还要担任"内容创作者"。"三个角色轮换一遍，他们对AI的理解就从"概念"层面深入到了"应用"层面。

六（3）班的小静小组完成了一份"扫地机器人里的算法"科普——她们从知识库中调取家长拍摄的扫地机器人工作视频、网上摘录的扫地算法原理、教材里关于"顺序结构"的一段话，用AI整合出一份连我都觉得通俗易懂的讲解。下课后，其他班级的学生纷纷前来借阅。

配图2：学生小组协作探索AI

案例一：算法单元的"对比实验课"

在我执教的六年级算法单元中，"对比实验"足足用了一整节课。具体流程为：

1. 课前一周布置任务：每位学生收集一份"算法在身边"的案例（文字、图片、视频均可），上传至班级共享知识库；

2. 课中前20分钟：每组采用"全网搜索"和"基于知识库"两种模式，分别向IMA提出3个相同问题，对比回答质量；

3. 课中后20分钟：每组基于知识库资料，让AI协助撰写一段"算法小讲座"稿，全班评选出"最靠谱AI合作小组"。

这节课的意外收获是：学生自发开始探讨"AI会编故事"的现象。有个小组甚至用基于知识库的回答和全网搜索的回答做了一组"找茬"游戏——专门挑出AI虚构的部分。这种深度，远超"认识AI"的浅层目标。

案例二：项目式学习中的"AI调研员"

在六年级下学期的"校园植物识别系统"项目里，我和科学老师联合授课。学生需要完成一份"植物特征描述文档"，作为后续AI模型训练的语料。

我让IMA化身他们的"AI调研员"：每组在班级知识库（已上传校园植物图鉴、本地植物志等资料）中检索相关植物信息，让AI协助整理出"该植物的三个关键特征"和"一段适合五年级学生理解的描述"。学生再基于AI的初稿，到实地观察、修改、补充。

这个流程中，AI不是"答案生成器"，而是"信息整理助手"。学生既享受了AI的高效，又保留了亲身实践的环节。最后的项目汇报中，每组都拿出了一份图文并茂、可直接喂给AI模型的标准化植物档案。

配图3：信息科技课堂的AI应用场景

信息科技课堂的下一个时代，是"用AI学习"的时代。而我们教师要做的，不只是教学生用AI，更是带学生理解AI、训练AI、与AI协作。这件事，国产工具IMA完全能够胜任——它既不复杂，也不昂贵，普通教室、班级规模、轻量设备就能运行起来。

今天就可以尝试：