《AI社团招新小助手》视频+点评(高中)

陈银萍

南京市东山高级中学高级教师

江宁区信息技术学科教学带头人

陈老师以学校科创社团招新为情境，设计了“AI招新小助手”决策树模型。她通过AI小助手的对话引导学生提取“创意表现力”“逻辑分析能力”“动手协作能力”三个特征，认识决策树的“决策节点—分支—叶节点”结构。学生分析样本数据，分组手绘决策树并展示不同画法。课堂系统讲解了ID3算法及信息熵、信息增益的计算方法，学生通过互动网页计算各特征的信息增益，确定最优根节点。随后学生利用Python代码构建决策树，并输入自己的三项能力值获得社团推荐结果，体验了从人工规则到数据驱动的AI建模流程。课末围绕数据可靠性、模型准确性、算法公平与信息伦理展开讨论，实现知识学习与价值引领统一。

亮点： 陈老师以学校社团招新为情境，通过AI小助手的对话引导学生提取“创意表现力”“逻辑分析能力”“动手协作能力”三个特征，情境代入感强。学生使用交互式画板拖拽绘制决策树，避免了手绘不规范的问题。课堂系统讲解ID3算法及信息熵、信息增益的计算方法，学生通过互动网页计算各特征的信息增益，确定“动手协作能力”为最优根节点。从10条数据到100条数据的扩展，让学生体验小样本手工计算与大样本机器学习的差异，感受计算机处理大数据的优势。

问题： 画板工具的使用方法占用了较多课堂时间，部分学生在学习拖拽、连线、改文字上花费过多精力。特征选择的三个维度由教师直接给出，缺少学生对特征工程的参与讨论。Python生成的决策树显示“X[0]<=0.5”“gini=0.375”等符号，部分学生看不懂每个节点的含义。数据偏见与算法公平的讨论仅在结尾简单提及，未结合课堂案例展开。

改进意见： 建议课前发布画板工具的操作视频或微课，让学生提前熟悉，课堂直接进入内容探究。在给出三个特征前，先让学生小组讨论“推荐加入科创社应该看哪些能力”，再对比AI计算出的最优特征。设计“决策树节点解读卡”，将“X[0]<=0.5→创意表现力≤0.5”“gini→纯净度”“samples→样本数”等做成对照表。可用“如果历史数据中男生入社比例远高于女生，模型会学到什么偏见？”的案例深化伦理讨论。