摘要：文章以高中信息技术课程为载体，探索人工智能技术融入教学实践的具体策略，旨在解决传统教学中对学生计算思维培养不深入、学生数据应用能力薄弱等问题。文章围绕教科版高中信息技术必修1教材中的知识点提出了数据情境融合、编程任务驱动、项目跨域联动与嵌入智能评价四类策略，期望能够为新课标背景下的信息技术教学改革提供实践参考，助力学生形成适应数字时代的关键能力。

　　关键词：高中信息技术；人工智能技术；教学策略

　　近年来，我国教育政策持续强化信息技术学科的育人价值。《普通高中信息技术课程标准（2017年版2020年修订）》明确提出了“数据与计算”必修模块，要求培养学生利用技术解决真实问题的能力。2024年12月，教育部办公厅印发通知，探索中小学人工智能教育实施途径，加强中小学人工智能教育。在此背景下，高中信息技术教学面临从工具操作向思维培养的转型需求。

　　一、数据情境融合，激活认知基础

　　教师需结合真实情境与数据知识充分发挥情境教学对认知基础的促进作用。数据是一种抽象概念，需借助具体场景转化为可感知的具象内容，从而降低学习门槛。在教学实践中，教师需选取学生熟悉的日常场景，将数据采集、处理与分析融入其中，借助观察、体验与操作建立初步认知。

　　例如，教科版高中信息技术必修1第1单元中“我们身边的数据”一课强调了数据的普遍性。教师可根据校园生活场景设计活动，引导学生从具体现象中提取数据特征，理解数据价值。具体而言，教师可以校园食堂就餐情况为背景，提前采集一周内各窗口就餐人数、菜品剩余量、学生评价等数据，并将其整理成结构化表格。在课堂上，教师分发该数据表格，要求学生分组完成基础统计任务，计算每日平均就餐人数及最受欢迎菜品排名。随后，教师引入可视化环节，要求学生在人工智能绘图软件中输入统计结果，将其自动转化为柱状图或折线图。在进阶任务中，学生需结合剩余菜品数据分析浪费现象与菜品受欢迎程度之间的关系，提出优化建议。

　　教师则可提出引导性问题，如“怎样借助调查数据避免浪费？”,促使学生将计算结果与实际问题相关联。

　　二、编程任务驱动，强化思维训练

　　（一）设计分层任务，构建逻辑框架

　　编程思维的建立需经历从具体问题抽象出问题模型，再对问题模型进行逻辑分解，最后实现代码编写的阶梯式过程。教师需设计分层任务，将复杂问题拆解为递进式子任务，使学生在完成单一功能模块后逐步叠加复杂度，形成完整的逻辑链条。基础任务聚焦核心语法与结构，如分支判断或循环控制，帮助学生掌握基本工具；进阶任务引入多结构嵌套或简单算法，训练学生的逻辑整合能力；拓展任务强调模块化与复用，推动学生思维系统化发展。最后，教师需给学生留出自主发挥的空间，允许其自由创作[1]。

　　例如，教师可结合教科版高中信息技术必修1第2单元中的“做出判断的分支”与“周而复始的循环”两课设计三层任务。教师以校园运动会成绩管理系统开发为背景，将班级学生分为三人小组，基础任务要求实现单项成绩评级功能，依据教材中“if-else”结构范例，将跳远成绩划分为“优秀”“合格”“待提升”三档。学生需从教材中提取条件表达式模板，结合具体评分规则（如2.5米以上为优秀，2～2.5米为合格，低于2米为待提升），用自然语言描述判断逻辑。进阶任务增加循环结构以处理多项目成绩，学生需读取包含跳远、跳绳、短跑三项成绩的表格，按教材中的“for循环”案例编写循环体，逐行计算每个学生的总分与平均分。

　　拓展任务为“开发成绩查询助手”，要求学生在进阶任务的基础上增加模块化函数设计，呈现菜单界面、查询接口与结果三部分内容。学生需封装各项目成绩评级函数，使用主控逻辑接收输入并调用相应模块，最终输出个人总评与建议。

　　（二）小组合作实践，促进思维碰撞

　　编程问题往往存在多解性，小组合作这种学习方式能够借助观点交锋促使学生审视自身逻辑漏洞。在合作过程中，解释性对话能外化隐性思维过程，同伴质疑能推动逻辑严谨性提升，错误修正案例能强化知识点记忆[2]。

　　例如，教师可以布置运动会管理系统开发任务，在进阶与拓展阶段强化协作机制。教师可引入“代码审查”环节，要求各组交换手写代码进行交叉审查。审查组需依据教材中的规范，检查逻辑完整性、边界条件覆盖度与代码复用合理性。例如，某审查组在审查中发现，目标组的跳远评级模块未处理“负值”异常输入，此时需要使用AI工具增加异常处理分支。被审查组应根据建议修改代码，并在流程图中用红色标注新增的判断节点。

　　三、项目跨域联动，促进深度应用

　　（一）布置主题项目，整合多域知识

　　教师可通过开展跨学科项目，在真实问题场景中建立多领域关联，突破单一学科边界，切实锻炼学生的数据与计算能力。教师需借助人工智能技术，以学生生活经验为锚点设计项目，串联数据采集、编码、算法设计、系统化分析等环节，形成从数据感知到问题解决的完整链条。选择主题时，教师需注意为学生留余地，允许学生从不同角度切入，利用教材知识构建解决方案。在项目实施过程中，教师要遵循“定义问题—设计方案—实践验证—迭代优化”的路径，强化逻辑严谨度。

　　例如，教师可结合教科版高中信息技术必修1第3单元中的“数据编码”一课与第4单元中的“算法及其特征”一课设计校园垃圾分类数据分析项目。教师可将班级学生分为五人小组，任务目标为统计班级每日垃圾产生量，分析分类准确率，提出改进方案。项目分三阶段推进。第一阶段是采集数据，学生需借助人工智能技术设计统计表，如按照可回收物、厨余垃圾、其他垃圾三类记录每日垃圾桶内物品数量与重量，持续一周。第二阶段是数据编码与处理，学生需要将表格转化为结构化数据，教师可引导学生根据教材中“数据编码”一课的内容，使用人工智能技术为每类垃圾分配唯一数字代码（如可回收物-01，厨余垃圾-02），并将物品名称按拼音首字母缩写转换（如塑料瓶编码为SLP），形成标准数据集。第三阶段是设计分析算法，计算垃圾分类准确率。学生要参考教材中“算法及其特征”一课的案例，在人工智能技术辅助下设置代码，实现以下功能：输入每日垃圾记录表，比对预设分类标准（如教材附录中的垃圾分类指南），统计正确分类的条目占比。在进阶任务中，学生需结合数值计算与非数值计算的知识点提出优化建议。例如，某小组发现厨余垃圾占比偏低，数据有误，AI工具推断错误原因是该组学生将果皮归类至其他垃圾，则可以自动设计宣传标语生成算法：若某日“其他垃圾”中厨余类超过30%，则输出提示信息“请检查果皮是否投至绿色垃圾桶”。

　　（二）AI简化流程，聚焦核心思维

　　AI工具具有简化复杂流程的作用，能使学生聚焦核心思维训练。人工智能技术的初级应用方式是利用预设规则或简易模型替代重复性操作，降低机械性劳动占比。例如，数据清洗、模式匹配等耗时环节都可借助规则引擎快速完成，让学生更专注于算法逻辑设计或结果分析[3]。设计工具时，教师需贴近教材知识点，以黑箱形式提供基础功能，避免技术细节干扰教学目标；同时需引导学生理解工具背后的原理，防止过度依赖导致思维惰性。

　　仍以垃圾分类项目为例，教师可在数据处理阶段引入规则匹配工具，借助人工智能技术开发分类助手转盘。该转盘外圈印有常见垃圾名称（如纸巾、易拉罐、香蕉皮），内圈印有分类结果与编码。学生输入物品名称后，旋转转盘指针至对应位置，即可直接获取分类代码与编码规则。该工具原理基于教材中“数据编码”一课中的查表法，隐藏具体实现细节可帮助学生快速完成数据的标准化转化。例如，某小组在录入荧光灯管时，转盘提示编码为04（有害垃圾），但该小组学生发现旧的列表中未明确该条目，于是使用AI工具查询最新的垃圾分类标准，理解分类系统需要持续更新的特点。

　　在算法优化阶段，教师需提供智能建议生成模板，该模板包含常见问题模式与推荐策略[4]。例如，若某类垃圾连续三日准确率低于60%，智能模板就输出加强宣传的建议；若重量波动超过20%，则建议检查测量工具。学生需将模板与自建算法结合，完善分析逻辑。例如，某小组发现其他垃圾重量异常增加，但模板未涵盖该情况，遂参考教材“非数值计算”一课中的决策树案例，将案例发送给AI，要求其扩展规则：若“其他垃圾”日增量超过30%，且含50%以上可回收物，则触发重新培训分类标准的建议。教师可选取典型案例展开对比，一组完全依赖AI模板生成建议，另一组则结合模板与自主规则生成建议，然后请学生投票判断哪种算法更灵活。

　　四、嵌入智能评价，精准反馈提升

　　人工智能技术在教学评价中发挥着重要作用。传统评价方式依赖人工批改与总结反馈，存在滞后性。智能评价工具可基于学生的行为数据生成动态分析，精准定位学生的薄弱环节，为教学调整提供依据[5]。例如，在教材各单元末的学习评价板块，教师可运用简易算法实现自动化批改，并结合错题统计生成针对性练习，形成“评价—反馈—强化”的闭环（见表1）。

　　例如，教师可结合教科版高中信息技术必修1第4单元中的“算法及其特征”一课与“单元学习评价”板块，借助AI算法评测系统实现自动化批改。学生完成单元测试后将选择题答案填涂在指定区域，教师使用手机扫描生成电子数据，AI系统自动批改答案并统计正确率。错误率超过50%的题目会触发预警，教师可据此调整讲解重点。例如，针对算法的特征这一知识点，多数学生混淆了“确定性”与“可行性”，AI系统标记后，教师追加案例分析：以“图书馆找书流程”为例，对比严格按照步骤执行（确定性）与步骤是否合理（可行性）的差异。在主观题批改中，如“设计解决班级值日问题的算法”，系统可匹配关键词来评估学生的逻辑是否完整，并生成改进建议。课后，学生可根据系统反馈的薄弱知识点，从AI资料库中获取针对性习题来进行强化练习。

　　五、结束语

　　未来，人工智能技术将与教育教学进一步深度融合。轻量化智能工具或许会成为课堂标配，用以辅助教师实时分析学生的学习轨迹。教师可借助先进技术引入自适应学习系统，依据不同学生的思维特征动态调整任务难度，让教学更具针对性。

参考文献

　　[1]郑小菲.基于生成式人工智能的高中信息技术教学实践探究[J].中学课程资源,2025,21(2):12-14.

　　[2]于昕.人工智能基础知识在高中信息技术教学中的融入路径[J].山西教育(教学),2025(2):111-112.

　　[3]陈鹏.人工智能时代高中信息技术智慧课堂的构建与优化[J].人民教育,2025(2):79-80.

　　[4]靳开科.人工智能在信息技术教学中的实施策略研究[J].学周刊,2025(9):79-81.

　　[5]胡晓璐.数字化背景下的高中信息技术课程改革探索[J].新校园,2025(1):34-36.