区公开课|当AI走进课堂

9月29日，我校杨泳诗老师在高一5班开设了一节区级信息技术公开课，课题为《沃柑智能分选系统——卷积神经网络》。这节课以真实农业问题为情境，通过层层递进的探究活动，带领学生走进人工智能的神秘世界，感受卷积神经网络（CNN）如何让机器“看懂”沃柑的好坏。课堂气氛活跃，学生参与度高，获得了听课教师的一致好评。

课堂伊始，杨老师播放了一段关于“SpekVision外观瑕疵检测模块”的视频：果子从龙门经过，不到一秒，高清工业相机360°无死角拍摄，精准检测红蜘蛛、溃疡果、太阳果、花皮果等各种瑕疵。学生被这套智能设备深深吸引。

“如果没有这台机器，果农们怎么分选沃柑？”杨老师抛出问题。学生回答：人工分选，效率低、标准不统一。那机器是怎么做到像人一样，甚至比人更精准地识别瑕疵呢？由此引出本节课的核心——卷积神经网络。

杨老师设计了三个个人任务，让学生亲历CNN的关键环节。

活动一：拼图游戏——机器如何识别物体？学生通过拼图发现，即使“X”发生扭曲，只要局部特征碎片不变，依然能识别。由此得出重要结论：识别物体关键看局部特征，而非整体位置。

活动二：微课自学——什么是卷积核？学生自主学习卷积运算。随后用自己的话描述：“卷积核与图像对应区域数字相乘再求和，结果越大，匹配度越高。”杨老师顺势引出“特征图”概念。

活动三：动手实践——设计卷积核提取特征。 学生尝试设置3×3卷积核，提取“右上到左下对角线”特征。在操作中，学生发现单个卷积核可能无法覆盖完整特征，理解到实际CNN需要多个卷积核协同工作。由此总结：卷积核权重影响特征图，卷积层负责提取局部特征。

特征提取后，杨老师引导学生思考：真实图像数据量巨大，如何高效处理？引出池化层。她用“电影解说”打比方——只剪主要片段，就能了解主题。通过2×2最大池化演示，学生观察到降维后仍保留显著特征，计算效率大幅提升。

随后，杨老师带领学生梳理卷积神经网络的完整结构：从输入到卷积层、池化层，再到全连接层和输出。输入是原始沃柑图像，输出是分选结果。卷积层和池化层可以多层叠加、任意排列。学生认真记录，知识体系逐渐清晰。

进入活动四，课堂转为小组合作。各小组明确分工：操作员运行平台、记录员记录数据、汇报员分析规律。任务是：在训练轮次固定时，验证卷积核数量越多准确率是否越高。

课堂最后，杨老师抛出问题：如果模型精度只有40%，误判会带来什么后果？学生讨论后回答：坏果流入市场，消费者信任度下降，品牌受损。解决方案有“人机协同复核”“多次分选”等。

杨老师顺势展示2025年中央一号文件关键词——“推进农业科技力量协同攻关”“因地制宜发展农业新质生产力”“拓展人工智能等技术应用场景”。她鼓励学生：今天学的卷积神经网络，正是国家智慧农业发展的核心技术之一，未来你们都有可能成为拓展AI应用场景的人。

课后，听课教师围绕本节课展开了深入研讨，三位老师给出了极具建设性的点评与建议。

李忠伟老师对本节课的活动设计提出了优化建议。他指出，活动一的拼图游戏虽然有趣，但与后续活动的逻辑关联可以更加紧凑，建议可以去掉拼图游戏环节，将教学重心聚焦到活动二，让学生在微课自学卷积运算后，直接出题与学生互动，通过即时提问检验学习效果，进一步强化对卷积运算本质的理解。这一建议为课堂环节的取舍和教学节奏的把控提供了新的思路。

邓毅怡老师从课程建设的角度提出了更高站位的建议。她认为，本节课内容充实、设计精巧，可以在此基础上做成一系列的课程内容，将卷积神经网络的教学拓展为模块化的项目式学习单元，让学生在持续探究中逐步深化对人工智能的理解。这一建议为课程的纵深发展指明了方向。

刘世能老师则从理论高度对本节课进行了点评。他引用ICAP认知主义理论（Interactive-Constructive-Active-Passive），对这节课的师生互动、生生互动给予了很高评价。他指出，课堂中学生在个人任务中主动操作（Active），在微课自学中建构知识（Constructive），在小组合作中互动探究（Interactive），充分体现了ICAP框架下深度学习的发生过程，是一节理论落地、实践出彩的好课。

一节课，从果农的难题出发，到国家战略的呼应，杨泳诗老师用精巧的设计、生动的语言、扎实的功底，将抽象的卷积神经网络变得可感、可触、可探究。高一5班的学生们在个人任务中独立思考，在小组合作中碰撞智慧，不仅掌握了知识，更涵养了科技报国的责任感。

这节区公开课，展示了我校信息技术教师的教学风采，也体现了新课标下“做中学、用中学、创中学”的育人理念。专家们的精准点评与高位引领，更为这节课的后续优化和课程建设注入了新的动力。期待更多这样的课堂，让技术在学生手中发光，让思维在探究中生长！