引言

随着以DeepSeek、ChatGPT等为代表的生成式人工智能技术的迅猛发展，教育领域正经历着深刻的技术变革与理念重塑。生成式人工智能凭借其基于情境的类人化回应、逻辑推理与意图识别、即时与专业化反馈等特征，为课堂教学模式的创新提供了前所未有的技术支撑。生成式人工智能提供了新技术支持的智能化教学情境，能够有效驱动传统课堂向智能化教学情境转型。

2017年教育部颁布的《普通高中信息技术课程标准》明确将“计算思维”列为信息技术学科核心素养之一，并在选择性必修课程中设置了“人工智能初步”模块。2020年修订版课标进一步强化了人工智能教育在高中阶段的定位，要求学生在必修课程中初步接触人工智能的相关概念与应用领域。在高中信息技术必修课程中，“数据与计算”模块着重培养学生的数据意识和计算思维，为其后续学习人工智能等前沿技术奠定基础。然而，新课标背景下，如何将生成式人工智能技术与具体的课堂教学有效融合、如何通过情境创设激发学生的学习兴趣并培育核心素养，成为当前教育领域亟须深入探索的重要课题。

“探秘人工智能”是高中信息技术必修教材第五单元“数据分析与人工智能”中的第二节内容。传统的教学中，该部分主要以讲授人工智能概念、应用案例为主，学生被动接受知识，难以真正理解人工智能背后的算法原理与思维过程。生成式人工智能的介入，为破解这一困境提供了新的路径：教师可以利用GenAI创设生动的智能应用情境，引导学生从体验走向探究，从感性认识到理性理解，从而激发学习兴趣，深化对人工智能技术原理及其社会影响的认识。当前教师在利用GenAI赋能课堂教学的过程中，存在技术融合浅层、课堂角色错位等问题，需要从以学生思维发展为核心的情境设计和“师—生—机”三元协同的过程设计两个维度出发，探讨技术赋能教学活动的逻辑基点。但是，目前生成式人工智能在高中人工智能课程中的深度应用仍面临系统化、可操作的教学案例设计的匮乏。

基于此，本文聚焦于生成式人工智能支持的情境教学案例设计问题，以高中信息技术（教科版2019）必修1“探秘人工智能”为教学主题，在建构主义学习理论与情境学习理论的指导下，从情境创设、人机协同过程设计和教学评价三个维度，提出一套系统化的案例设计方法，并以具体课例展示GenAI在各教学环节的应用方式，以期为高中人工智能通识教育的教学实践提供参考。

一、理论基础

建构主义学习理论与情境教学

建构主义学习理论认为，知识不是被动接受的“拷贝”，而是学习者在与环境互动的过程中主动建构的结果。任何知识都有其赖以产生意义的背景，即情境，要理解并灵活运用某一知识，首先要理解产生这一知识的背景。因此，建构主义学习理论倡导将学习活动置于真实或接近真实的问题情境之中，使学生在解决实际问题的过程中主动建构知识体系。

情境教学法正是在建构主义理论基础之上发展而来的教学策略。它通过创设与学生经验紧密相关的具体场景，让学生在情境中获得情感体验与认知体验，进而实现知识的意义建构。一个有效的情境必须具备三个核心特征：真实性与接近性——情境应取材于学生熟悉的生活或社会现象，使之成为学生自主建构新知识的基础；挑战性与开放性——情境应位于学生“最近发展区”内，通过适度的认知挑战促进思维发展；目标导向性——情境创设必须与学习目标紧密关联，避免“为情境而情境”的娱乐化倾向。

情境学习理论

情境学习理论由莱夫（Lave）和温格（Wenger）提出，强调学习是一个参与“实践共同体”的社会化过程。知识不仅存在于个体的认知结构之中，更深嵌于具体的活动、情境与文化之中。情境认知已成为一种能提供有意义学习并促进知识向真实生活情境转化的重要学习理论。在生成式人工智能赋能的课堂中，GenAI能够突破物理条件的限制，为学生创设多元、沉浸式的学习情境，使其在模拟的实践共同体中进行对话、协作与探究，从而在真实的任务情境中习得知识与能力。

人机协同教育理论

人机协同教育理论关注人工智能与人类教师在教育过程中如何实现优势互补、协同增效。生成式人工智能以Agent方式融入教师和学生的日常教学活动中，在提供教学帮助的基础上，改变了二者的内在逻辑关系，蕴含着重要的教育价值。在“师—生—机”三元协同的课堂生态中，教师是教学设计者、情境创设者和引导者；学生是学习主体、主动探究者；GenAI是认知工具、对话伙伴和即时反馈源。三者角色清晰、分工明确、协同有效。本研究将人机协同理念贯穿于案例设计的全过程。

二、教学案例设计

（一）前期分析

1. 教材内容分析

“探秘人工智能”是教科版（2019）高中信息技术必修1第5单元“数据分析与人工智能”的第2节内容，在教材结构中处于承上启下的关键位置。第5单元共包含两节内容：5.1节“走近数据分析”引导学生初步接触数据分析的思想与方法，5.2节“探秘人工智能”则引导学生进入人工智能这一前沿领域。本节的教学内容由“认识人工智能”和“揭秘智能算法”两个核心任务构成，涵盖人工智能的概念、发展历程、应用领域及相关算法。教材通过典型案例引导学生了解人工智能技术的概念与应用领域，通过实际应用实例帮助学生了解人工智能发展的新趋势，并认识人工智能在信息社会中的重要作用。

本节内容理解较为容易，但涉及的人工智能算法（如启发式搜索与盲目搜索、机器学习等）具有一定难度，需要通过创设多样化的情境引导学生进行体验和探究，以任务驱动的方式激发学生的学习兴趣，引导他们在探究活动中自主建构关于人工智能的知识体系。同时，本节内容蕴含着丰富的计算思维培养素材——启发式搜索的优化思想、机器学习的归纳推理等，均为发展学生计算思维提供了绝佳的载体。

2. 学情分析

本节课的教学对象是高中一年级学生。在学习本节之前，学生已经经过前面几个单元（初识数据与计算、编程计算、认识数据、计算与问题解决等）的学习，初步具备了数据和算法的基础知识，具备了一定的信息意识和计算思维，为本节课的学习奠定了认知基础。

然而，学生对人工智能的认知可能大多停留在科幻影视作品中的“全能机器人”的想象层面，对于人工智能的基本概念、工作原理及其在现实生活中的具体应用缺乏系统的认识和理解。高中生的好奇心较强，对于新技术、新概念有较高的探究热情，这为本节课情境教学方法的实施提供了有利的心理基础。因此，在教学设计中，重点应放在“启蒙”和“思维培养”上，通过创设生动的情境和任务驱动的方式，激发学生的学习兴趣，引导他们从感性体验走向理性探究，提升对人工智能的整体认知，培养核心素养。

（二）教学目标制定

根据《普通高中信息技术课程标准（2017年版2020年修订）》中关于信息技术学科核心素养的要求，结合“探秘人工智能”一课的具体内容，从以下四个维度制定教学目标。

1. 信息意识

能够敏锐感知人工智能技术在生活、学习中的广泛应用，认识到人工智能对社会发展和个人生活的深刻影响；能够根据问题情境主动调用人工智能工具获取信息、解决问题，形成借助智能技术提升学习与工作效率的意识；能够辩证地看待人工智能技术的优势与局限，不盲从、不迷信技术，保持理性的技术应用态度。

2.计算思维

能够将“人工智能是什么”这一复杂问题分解为概念、发展、应用、原理等多个子问题，分别进行探究；能够从语音助手、人脸识别、自动驾驶等具体案例中抽象出人工智能的一般性定义，区分弱人工智能与强人工智能的本质特征；能够初步理解启发式搜索与盲目搜索的区别，体会“利用启发信息优化求解路径”的算法思想；能够描述机器学习的基本过程（数据—特征—模型—预测），理解“从数据中学习规律”的算法逻辑；能够对人工智能应用案例的功能模块进行逻辑拆解，形成结构化的问题解决思路。

3. 数字化学习与创新

能够熟练运用生成式人工智能工具（如DeepSeek、豆包、文心一言等）获取信息、验证假设、辅助探究，体验人机协同的新型学习方式；能够借助数字工具（思维导图软件、AI内容生成工具等）对人工智能知识进行结构化整理与创造性表达；能够在小组协作中利用数字化平台分享探究成果，开展同伴互评与交流，形成数字化环境下的协作学习能力。

4. 信息社会责任

能够客观分析人工智能技术发展给社会带来的积极影响（如效率提升、服务优化）与潜在挑战（如就业冲击、隐私泄露、算法偏见），形成辩证、理性的科技价值观；理解人工智能是人类设计和创造的智能工具，树立“技术为人服务”的意识；能够在使用人工智能工具时遵守相关伦理规范，尊重知识产权与个人隐私，成为负责任的技术使用者。

（三）教学准备

• 网络多媒体机房（学生终端配耳麦）
• 多媒体教学系统（教师机广播、学生机控制）
• 多媒体课件（含人工智能案例视频、AI生成的图像素材）
• GenAI工具：DeepSeek、豆包、文心一言
• 人工智能体验平台：“星火认知大模型”或其他AI对话平台
• 人工智能体验任务卡（纸质或电子版）
• 思维导图软件（XMind等）
• 相关教学视频（如“人机对战”历史视频）

（四）教学过程设计

本案例以“人工智能探秘之旅”为主线情境框架，教学过程采用“情境启思—人机探究—协同建构—智评反思”四阶段教学模型。具体包含两个核心任务：“认识人工智能”（第1课时）与“揭秘智能算法”（第2课时）。以下以第1课时“认识人工智能”为例，呈现详细的教学活动过程。

第一阶段：情境启思（约8分钟）

教师活动：教师播放一段由GenAI生成的虚拟历史穿越短视频。视频中，虚拟人“小智”以时间旅者的身份出现，向学生们提出问题：“你们知道‘人工智能’这回事吗？我很好奇，在你们的时代，人们都怎么用人工智能呢？”小智向学生们展示了“人工智能之父”艾伦·图灵、“人工智能”概念诞生地达特茅斯会议，以及1950年提出的图灵测试等关键历史节点。视频的最后，小智向学生们提出挑战：“帮我搜罗一下当代社会的人工智能档案吧！”

视频结束后，教师提问：“同学们，视频中小智提出的‘图灵测试’是什么？你们听说过‘人工智能’这个概念最早是在哪里提出的吗？”

引导学生观看教材中关于人工智能诞生与发展的相关内容，并借助AI对话助手向DeepSeek提问“什么是图灵测试？”“达特茅斯会议的意义是什么？”初步了解人工智能的发展脉络。

学生活动：观看视频，进入“人工智能探秘员”的角色，使用GenAI工具了解人工智能的发展历史，并与AI展开简单的对话体验。

GenAI角色：腾讯智影或其他AI视频生成工具构建虚拟历史穿越情境，DeepSeek作为“知识伙伴”辅助学生了解人工智能发展史。

设计意图：通过GenAI生成的虚拟穿越情境，将人工智能的历史与当代生活联系起来，激发学生的好奇心和学习兴趣，顺利过渡到新课学习。

第二阶段：人机探究（约20分钟）

教师活动：教师发布人工智能探秘任务——人工智能案例大搜索。将全班分成4个小组，每组聚焦一个人工智能应用的维度展开探究：

第一组（语音交互组）：以DeepSeek/豆包为工具，与AI进行语音交互对话，完成以下探究任务：用自然语言向AI助手提问“什么是人工智能？”；尝试改变提问方式（如“用一句话告诉我”或“分点详细说明”），观察AI回答的变化；与“星火AI”进行英文对话，体验AI的自然语言理解能力；使用语音输入功能与AI对话，与打字输入进行比较。

第二组（图像识别组）：使用文心一言或多模态AI工具进行图像识别探究：上传动植物照片，使用AI进行识别并记录识别结果；上传复杂场景图片（如人群、风景）观察AI对不同物体的识别能力；尝试使用“图生图”功能；探究人脸识别技术的应用实例（如手机解锁、门禁系统）。

第三组（AI应用案例搜集组）：使用GenAI工具和搜索引擎进行案例搜集：探究自动驾驶、智能家居、医疗诊断等领域的AI应用实例；从AI的概念原理、应用领域、社会影响等角度进行分类整理；记录不同应用场景的工作原理和应用价值。

第四组（AI伦理思考组）：围绕“人工智能是一把双刃剑”进行探究：探究AI在带来便利的同时可能带来的就业冲击、隐私泄露等社会问题；结合“人机大战”等典型案例，分析人工智能的优势与局限；形成对AI技术发展后果的辩证认知。

教师提示各组在探究过程中，始终注意思考和记录。教师巡视各小组的探究进展，在学生遇到困难时提供引导，进行适时的理论总结和方向指导，帮助学生将探究发现与理论知识有效对接。

学生活动：以小组为单位开展人工智能体验探究活动，组内分工合作（体验员、记录员、汇报员等），各组之间开展竞赛式学习，比一比哪组在规定时间内体验的项目最多、发现最具特色。借助GenAI工具查阅资料，及时记录探究发现。

GenAI角色：DeepSeek/豆包作为“AI认知伙伴”和“信息助手”，辅助学生进行AI应用体验和知识探究。

设计意图：让学生通过亲身体验不同类型的人工智能应用，在真实的交互中感受AI技术的应用价值和基本工作原理，通过小组竞赛激发探究兴趣，提升信息素养和协作能力。

第三阶段：协同建构（约12分钟）

教师活动：教师邀请各组汇报探究成果。每组派代表转播自己的屏幕，展示本组探究过程中最有意思的发现，以及在认知层面和情感层面最深的印象。教师引导学生完成总结性知识的归纳与板书：

• 人工智能的基本概念：利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
• 弱人工智能与强人工智能：弱人工智能指实现特定功能的专用智能设备，如人脸识别、语音助手；强人工智能指真正能思考、有知觉、有自我意识的人类级别的智能机器，目前尚未真正实现。
• 人工智能的关键技术：机器学习、自然语言处理、计算机视觉、语音识别等。
• 人工智能的应用领域：教育、医疗、交通、家居、安防等。

教师引导学生将上述知识框架整理成思维导图，在整理和归纳中深化对人工智能的系统理解。

学生活动：各小组汇报人工智能体验探究成果和发现的总结；倾听其他小组的汇报，补充和提问；在教师的引导下对知识框架进行系统归纳和整理，形成对人工智能的全面认识。

GenAI角色：辅助学生将探究成果转化为结构化的展示材料，如利用AI生成知识框架的思维导图草稿。

设计意图：通过小组交流和全班分享实现知识的协同建构，帮助学生将对人工智能的碎片化体验升华为系统性的知识体系。

第四阶段：智评反思（约5分钟）

教师活动：教师引导学生填写课堂反思记录，内容包括：本节课最让我印象深刻的人工智能应用是：______；我用GenAI工具解决了什么问题：______；我对人工智能还有什么疑问：______。

教师借助DeepSeek生成一份针对本节课的“人工智能认知与体验”表现性评价量规，从“AI体验的完整性”“应用认知的准确性”“探究的主动性”三个维度进行简要评价。

教师总结本节课内容并引出下节课“揭秘智能算法”的学习任务：“我们体验了人工智能的神奇魅力，但人工智能背后的智能算法是怎样的？下节课我们将一起探秘人工智能的大脑——启发式搜索与机器学习。”

评价量规说明：

• AI体验的完整性：优秀（完成3项以上AI体验任务且有详尽记录），良好（完成1-2项AI体验且有基本记录），待改进（未按要求完成体验或记录不完整）。
• 应用认知的准确性：优秀（准确识别6个以上AI应用并能分类说明），良好（识别3-5个AI应用并能基本分类），待改进（识别3个以下或存在明显错误）。
• 探究的主动性：优秀（主动提问多次，能自主发现问题深入探究），良好（能参与组内讨论并完成基本任务），待改进（参与度较低，基本依赖组员引导）。

学生活动：填写课堂反思记录，对照评价量规进行自我评价，撰写认知及情感层面的反馈。

GenAI角色：DeepSeek辅助生成评价量规，提供多维参考依据。

设计意图：培养学生的反思习惯和自我认知能力，帮助学生梳理所学内容，为后续“揭秘智能算法”的学习做好认知和情感铺垫，同时通过评价环节促进学生的元认知发展。

（五）教学评价设计

本案例的教学评价设计如下。

过程性评价（占比40%）：包括学生在人工智能体验探究活动中的参与度和贡献度（小组互评和教师观察记录）；学生填写的课堂反思记录（自评，重点考查反思质量和认知发展水平）；学生与AI交互过程中提出问题的质量和数量（AI交互日志分析）；学生在大组分享和互动过程中的表现质量。

终结性评价（占比60%）：采用表现性评价的方式，要求学生以小组为单位完成一份“人工智能发展与未来畅想”的微研究报告，报告需涵盖人工智能的基本概念与发展历程、典型应用及其价值、人工智能发展的未来预测与伦理思考等要素。教师与AI协同依据评价量规对报告进行评分，评价维度涵盖：对人工智能概念理解的准确性、人工智能应用实例收集的丰富性、对未来趋势预测的创新性和逻辑性、小组协作表达的完整性。

三、讨论与反思

GenAI赋能情境教学的独特优势

本案例研究表明，生成式人工智能在情境教学中具有三个突出的优势。

其一，情境生成的高效性与多样性。传统教学中，创设一个生动有效的教学情境往往需要教师耗费大量时间准备素材，而GenAI能够在数秒内生成符合教学需求的文本、图像、虚拟数字人等多种形式的情境素材。生成式人工智能提供了新技术支持的智能化教学情境，能够有效驱动传统课堂向智能化教学情境转型。AIGC技术在教师备课和教学资源生成方面具有显著优势，能够有效降低教师的情境创设成本。生成式AI能够根据教学需求实时生成个性化的学习内容和情境资源。

其二，支持个性化与差异化学习。GenAI能够根据学生的认知水平和兴趣倾向提供不同的交互内容和学习支架。生成式人工智能能够根据学生的认知水平和兴趣倾向提供不同的交互内容和学习支架，为个性化学习提供了技术保障。同一个探究任务，学有余力的学生可以请求AI提供更深层的技术原理讲解，而需要帮助的学生则可以要求AI用更通俗的语言解释概念。这种对“最近发展区”的精准照应，是传统教学难以比拟的。生成式AI的核心价值之一正是实现真正意义上的个性化学习支持。

其三，促进“师—生—机”三元协同的课堂生态。“师—生—机”三元协同框架在本案例中得到了具体实践：教师从知识的“唯一传授者”转变为学习的设计者和引导者，学生从被动接受者转变为主动探究者和创造者，AI则作为智能工具和认知伙伴嵌入教学全过程。人机协同正推动教育从技术赋能走向育人变革，这一转变在情境教学中尤为明显。GenAI以Agent方式融入教学，在提供教学帮助的基础上，改变了师生之间的内在逻辑关系，蕴含着重要的教育价值。

面临的挑战与对策

尽管生成式人工智能为情境教学带来了诸多机遇，但在实际应用中仍然面临若干挑战。

技术融合浅层化问题：当前教师在利用GenAI赋能教学过程中存在技术融合浅层、课堂角色错位等问题。对此，教师应始终坚持以教学目标为导向，将GenAI作为服务于教学设计的工具而非目的本身，在每一个教学环节中明确AI的具体作用和预期成效。

学生认知负荷控制问题：GenAI强大的生成能力可能导致信息过载，增加学生的认知负荷，造成“重技术应用、轻知识学习”的后果。教师需要精心设计探究任务的难度梯度和信息筛选机制，引导学生聚焦关键信息，避免在AI生成的丰富内容中迷失方向。特别是在高中人工智能课程中，算法的理解需要“适度陌生化”的认知张力，教师应通过类比联想等方式将抽象算法与学生已有的生活经验连接起来。

AI伦理与安全问题：在AI伦理思考和辩证思维培养活动中，教师需要对AI工具的使用加以规范和引导。高中阶段虽然学生具备更强的自主探究能力，但教师仍需帮助学生建立起对AI生成内容的批判性审查意识，辨别其中可能存在的错误信息或偏见。正如教材中所强调的，人工智能是一把“双刃剑”，在感受其魅力的同时，也要辩证看待人工智能给人类带来的机遇与挑战。

教师专业能力的提升需求：在“师—生—机”三元协同的课堂中，教师需要同时具备学科教学知识、技术应用能力和AI交互素养。基于AIGC的教育数字化转型行动框架，为教师提升AI教育素养提供了理论参考。学校应将AI教育相关的教师培训纳入计划，通过工作坊、案例研讨、同侪交流等多种方式提升教师的技术整合能力。

四、结语

生成式人工智能为情境教学的理论创新与实践发展提供了强大的技术支撑。本文以高中信息技术（教科版2019）必修1“探秘人工智能”为教学主题，在建构主义学习理论、情境学习理论和人机协同教育理论的指导下，构建了涵盖情境创设策略、四阶段人机协同教学过程和多元评价机制的设计框架，并以第1课时“认识人工智能”为具体课例进行了呈现。研究表明，生成式人工智能不仅能够高效地支持教学情境的创设与呈现，更能深度融入学生的人工智能应用体验、问题探究和知识建构全过程，推动课堂从“以教为中心”向“以学为中心”转变，促进“师—生—机”三元协同的新型教学关系形成。

在高中阶段，学生从感性体验到理性理解——在体验人工智能的过程中逐步理解启发式搜索、机器学习等背后的算法原理和思维方式——是“探秘人工智能”教学的关键所在。生成式人工智能工具的引入，使得这种从体验到理解的转化有了更为丰富的技术支持。本节课围绕“情境启思—人机探究—协同建构—智评反思”的设计主线，引导学生从初步的人工智能体验开始，到系统认识人工智能的概念和应用，为后续“揭秘智能算法”的学习打下坚实的认知和情感基础，体现了情境教学中从体验到内化、从感性到理性的递进逻辑。

未来，随着生成式人工智能技术的不断迭代和教育应用的持续深入，情境教学的理论框架与实践模式也将不断演化。期待更多的教育研究者和一线教师能够参与到这一领域的探索中来，共同推动生成式人工智能与情境教学的深度融合，为培养适应智能时代的创新型人才提供更加丰富的理论支撑与实践经验。

参考文献：

1. [1] 马秀麟, 凡雨, 王滕, 等.生成式人工智能赋能教学：策略、价值及误区[J]. 中国教育信息化,2025,31(05):13-23.
2. [2] 中华人民共和国教育部. 普通高中信息技术课程标准（2017年版2020年修订）[S]. 北京: 人民教育出版社,2020.
3. [3] 李艳燕, 吴思思. GenAI赋能的创造性问题解决活动设计[J]. 中国教师,2025(12):6-11.
4. [4] 高文. 情境学习与情境认知[J]. 教育发展研究,2001(08):30-35.
5. [5] 罗宇航.生成式人工智能技术AIGC在教师备课中的应用研究——以小学信息科技备课为例[J]. 中国现代教育装备,2023(22):8-12.
6. [6] 邵怡文, 周亦鹏.生成式人工智能在教育领域的应用研究现状、趋势与挑战——CiteSpace的国内外对比分析[J].现代信息科技,2025,9(06):135-141.
7. [7] 陈向东, 褚乐阳, 王浩, 等. 教育数字化转型的技术预见：基于AIGC的行动框架[J].远程教育杂志,2023,41(02):13-24.
8. [8] 杨欣. 基于生成式人工智能的教育转型图景——ChatGPT究竟对教育意味着什么[J]. 中国电化教育,2023(05):1-8+14.