夜雨聆风
当生成式人工智能持续走进课堂、走进生活、走进学习方式的重构，我们越来越清楚地认识到：
人工智能教育，不能只停留在“会不会用工具”，更要走向“能不能理解原理、分析过程、构建应用、负责任地使用技术”。
认真审阅《安徽省中小学人工智能通识教育学生学习手册（高二）》后，我最大的感受是：
这不是一本简单教学生“体验AI”的手册，
而是一本真正带学生走进人工智能核心逻辑的学习手册。
它不仅回答“AI能做什么”，更重要的是，它在一步步回答：
- AI为什么能做到？
- AI是怎样做到的？
- 一个AI应用是如何从问题出发，经过数据、模型、部署，最终真正落地的？
如果说初中阶段更多是“从生活看AI”，
那么高二这一册，已经鲜明地进入了：
“从AI看世界、拆解AI黑盒、完成AI创新实践”的新阶段。
今天，想以一位信息科技教师的视角，带大家认真读一读这本《学习手册（高二）》：
它到底教了什么？为什么这样设计？又为什么值得我们高度关注？
一、这本《学习手册（高二）》，到底“高”在哪里？
《安徽省中小学人工智能通识教育学生学习手册（高二）》分为上下两册内容主线：
高二上册：第一单元《赋能健康运动——人工智能原理》
包含4 个项目：
1. 用AI纠正篮球投篮动作——人工智能学习
2. 用AI制订跳绳训练计划——人工智能推理
3. 用AI搜索网球学习资源——人工智能搜索
4. 用AI助力科学防控近视——人工智能预测
高二下册：第二单元《守护正确坐姿——人工智能创新》
包含4 个项目：
5. 规划坐姿矫正提醒系统——系统规划
6. 收集整理学生坐姿数据——准备数据
7. 训练学生坐姿识别模型——训练模型
8. 调试坐姿矫正提醒系统——部署模型
如果用一句话概括整本书的课程逻辑，那就是：
上册聚焦“人工智能原理”，下册聚焦“人工智能创新”；上册帮助学生理解AI的核心能力，下册则通过一个完整项目，让学生经历人工智能应用开发的全流程。
这套设计非常难得。
因为它不是简单堆砌概念，也不是停留在“玩一玩工具”，而是在真实任务中，带学生逐步建立对人工智能的系统认知。
二、这本书最值得肯定的地方：项目式学习结构非常完整
整本手册中的每一个项目，都遵循统一的四段式结构：
- 项目准备
- 项目实施
- 素养提升
- 拓展评价
这不是普通的编排形式，而是一条非常清晰的学习路径。
1. 项目准备：先想清楚，再动手
这一部分不是让学生一上来就操作，而是帮助学生先完成：
- 情境理解
- 需求分析
- 问题拆解
- 方案规划
- 概念铺垫
这意味着，课程在训练学生一种非常重要的能力：
面对技术问题时，先分析，再设计，再实践。
2. 项目实施：在实践中理解技术
每一个项目都不是“看老师演示”，而是让学生亲自参与：
- 采集数据
- 使用平台
- 搭建流程
- 训练模型
- 测试结果
- 调试优化
这种设计，让“人工智能”不再是抽象名词，而成为学生可以动手参与、可以逐步理解的实践对象。
3. 素养提升：从“做过了”走向“理解了”
这一部分特别重要。
很多技术课程容易停留在“做出来了”，但这本手册在每一个项目后，都专门引导学生提炼：
- 项目的本质原理
- 技术的一般过程
- 方法的适用边界
- 结果的影响因素
- 责任意识与使用规范
也就是说，它不仅教学生“怎么做”，更教学生“为什么这样做”。
4. 拓展评价：从“会做一个案例”走向“会迁移一类方法”
这本书的很多拓展任务都很有代表性，例如：
- 用投篮识别的方法训练“校服年级识别”模型
- 用跳绳计划生成的方法设计“学科复习智能体”
- 用近视预测的方法思考销量预测问题
- 用坐姿数据集制作的方法制作“剪刀石头布”数据集
这说明手册不是让学生停留在“完成老师给出的这道题”，而是在努力培养：
把方法迁移到新情境、解决新问题的能力。
三、高二上册：人工智能原理，不是空讲概念，而是在真实场景中理解AI
高二上册第一单元的主题是：
赋能健康运动——人工智能原理
这是一种非常聪明的课程设计。
因为它没有从抽象术语入手，而是选取了学生熟悉的运动健康场景，让学生在“有感”的问题中理解AI。
上册四个项目，分别对应人工智能的四种重要能力：
- 学习
- 推理
- 搜索
- 预测
项目1：用AI纠正篮球投篮动作——人工智能学习
这是全册第一个项目，也是学生理解“机器学习”的最佳入口之一。
为什么这个项目设计得好？
因为它直接从学生熟悉的问题切入：
- 投篮动作不标准
- 命中率不高
- 不知道问题出在哪里
于是问题自然出现：
AI为什么能识别投篮动作是否标准？
这就是机器学习最自然的教学起点。
这个项目教会学生什么？
项目的核心流程是：
- 调查投篮中的常见动作问题
- 梳理规范动作要领
- 采集标准与不标准姿势图片
- 上传图像分类平台训练模型
- 用模型判断新的动作姿势
- 根据判断结果不断改进动作
这其实就是一个非常完整的监督学习入门案例。
学生会在这个项目中真正理解三件事
第一，AI不是天然会识别动作
机器并不会“自动懂投篮”，它必须通过大量图片去学习规律。
第二，数据是模型学习的基础
手册明确强调：
数据是机器学习的“基石”。
标准与不标准图片的数量、质量、特征明显程度，都会影响模型识别效果。
第三，机器学习有不同模式
手册通过与人类学习方式的对比，引导学生理解：
- 监督学习
- 无监督学习
- 强化学习，并明确本项目属于监督学习。
这一项目最深层的价值
它不是单纯让学生“玩一个动作识别工具”，而是在帮助学生理解：
机器学习的本质，是让机器通过带标签的数据学习输入与输出之间的规律。
这对高中阶段人工智能启蒙来说，非常关键。
项目2：用AI制订跳绳训练计划——人工智能推理
如果说项目1聚焦“AI如何学习”，
那么项目2聚焦的就是：
AI如何基于知识和规则进行推理。
项目情境为什么真实？
因为跳绳训练并不是一句“多练就行”这么简单。
真正科学的训练计划需要综合考虑：
- 个人基础数据
- 训练目标
- 科学运动规律
- 运动健康知识
于是手册把问题抛给学生：
AI能不能为不同的人制订个性化的跳绳训练计划？
这个项目最大的亮点：把“AI推理”讲清楚了
很多人一提到AI推理，就容易陷入模糊表达。
但这本手册把它拆得很清楚。
1. 先理解人类推理的三种常见方式
手册引导学生认识：
- 演绎推理
- 归纳推理
- 类比推理
这一步很重要，因为人工智能推理不是凭空产生的，而是模拟、借鉴并扩展了人类逻辑思维过程。
2. 再理解AI推理为什么需要知识库
手册明确指出：
- 大模型具有推理能力
- 专业知识库提供领域依据
- 二者结合，能显著提升推理质量
也就是说，本项目不是“随便问问AI”，而是一个典型的：
大模型+ 知识库 + 工作流 的智能应用设计任务
3. 再让学生亲自搭建智能应用
项目中，学生需要完成：
- 创建“制订跳绳训练计划”应用
- 添加用户信息输入变量
- 导入跳绳训练相关知识库
- 选择推理模型
- 搭建工作流
- 编写系统提示词与用户提示词
- 试运行并查看输出效果
这已经非常接近真实智能体应用开发了。
这个项目真正培养的能力是什么？
不是简单“问AI”，而是：
- 组织信息
- 设计流程
- 配置知识库
- 构造提示词
- 调试推理结果
也就是说，学生在这里开始理解：
高质量的AI输出，来自高质量的输入设计、知识支撑和流程搭建。
项目3：用AI搜索网球学习资源——人工智能搜索
这一项目非常有现实针对性。
因为今天很多学生已经在用AI搜索，但并不一定真正理解AI搜索。
手册没有停留在“这个工具很好用”上，而是继续追问：
AI搜索为什么比传统搜索更懂你的意思？它背后到底发生了什么？
项目情境很贴近当下学习方式
学生想学网球，但学校没有专业教练，于是希望通过网络搜索资源。
这是数字时代最真实的学习情境之一。
这个项目不是教“用哪个工具”，而是教“搜索是怎么发生的”
手册先让学生体验常见AI搜索工具，比如：
- 百度AI搜索
- 天工AI
- 纳米搜索
- 夸克搜索
- 秘塔AI搜索
但真正的重点，是拆解其工作过程。
手册对AI搜索的概括非常清晰
在“素养提升”中，AI搜索被概括为四个环节：
理解意图→ 信息获取 → 信息处理 → 结果呈现
这四步，几乎就是AI搜索的核心框架。
理解意图
不是简单匹配关键词，而是借助大语言模型理解用户真正想问什么。
信息获取
从网络、知识库、文库、视频、学术等多种来源检索信息。
信息处理
对搜到的信息进行推理、整合、筛选与排序。
结果呈现
以结构化、个性化的形式输出，方便用户阅读和使用。
本项目最值得点赞的一点：强调“鉴别”
手册没有神化AI搜索，而是非常理性地提醒学生：
AI搜索结果并不一定绝对正确。
因此，使用AI搜索时必须学会鉴别，可以通过：
- 使用检测工具检查
- 多个AI交叉验证
- 人工核查来源和数据
这一步特别重要。
因为真正高质量的人工智能教育，不是教学生“更快得到答案”，而是教学生：
会搜、会辨、会核、会用。
项目4：用AI助力科学防控近视——人工智能预测
项目4带学生进入人工智能的另一项关键能力：预测。
项目为什么特别有现实意义？
因为近视问题，几乎是每个校园都绕不开的健康议题。
手册把问题设计得非常自然：
- 为什么有些同学近视增长得快？
- 为什么有些同学增长得慢？
- 能不能根据已有生活数据，预测未来半年度数增长情况？
这就是非常典型的数据预测问题。
项目真正教会学生的，是AI预测的一般过程
手册将人工智能预测概括为：
数据准备→ 模型训练 → 模型预测
这个概括很准确，也很适合高中生建立整体认知。
这个项目特别有价值的三个环节
1. 先理解“什么是预测”
手册借助古今天气预测的例子，让学生认识到：
预测不是迷信，而是根据已有信息和已有规律，对未来结果作出判断。
2. 再理解“问题要先数据化”
影响近视增长的因素，被量化为：
- 年龄
- 父母近视情况
- 户外运动时间
- 睡眠时间
- 电子产品使用时间
- 原来度数
这一步非常关键，因为它让学生看到：
现实世界的问题，要想交给AI处理，必须先转化为结构化数据。
3. 再走进模型训练与测试
手册通过Python 和随机森林回归模型，引导学生完成：
- 读取数据
- 划分训练集和测试集
- 训练模型
- 测试模型效果
- 输入个人数据
- 输出预测值与防控建议
这已经具备了非常完整的AI预测实践链条。
本项目最终让学生明白什么？
- AI预测建立在历史数据规律基础上
- 数据质量直接影响预测效果
- 预测结果是辅助决策，不是绝对真理
- AI预测可以输出连续型结果，也可以输出离散型结果
这其实已经在培养学生的数据科学意识了。
四、高二上册的整体价值：帮助学生建立AI“四大核心能力”的认知框架
把第一单元四个项目合起来看，就会发现，它们并不是孤立的。
项目 | 核心能力 | 本质理解 |
投篮动作识别 | 学习 | AI通过数据学习规律 |
跳绳训练计划 | 推理 | AI结合知识和规则分析决策 |
网球学习资源搜索 | 搜索 | AI理解意图、检索并整合信息 |
近视度数变化预测 | 预测 | AI基于历史数据推测未来趋势 |
也就是说，高二上册真正完成的是：
帮助学生建立人工智能“学习—推理—搜索—预测”四大核心能力的系统认知。
这一步，非常扎实，也非常重要。
五、高二下册：真正进入“人工智能创新实践”
如果说上册主要回答的是：
AI是怎样工作的？
那么下册继续追问的是：
我们能不能亲手开发一个AI应用系统？
第二单元《守护正确坐姿——人工智能创新》，围绕一个完整任务展开：
开发坐姿矫正提醒系统
它由四个连续项目组成，逻辑非常完整：
系统规划→ 准备数据 → 训练模型 → 部署模型
这不是简单的四节课，而是一条完整的AI应用开发链。
项目5：规划坐姿矫正提醒系统——系统规划
为什么这个项目特别重要？
因为它告诉学生：
真正的人工智能项目，第一步不是写程序，而是做规划。
项目从真实问题出发
手册先引导学生观察身边常见的不良坐姿，例如：
- 低头
- 侧身
- 趴桌
并进一步分析这些姿势对健康的影响，如：
- 视力下降
- 腰背酸痛
- 不良习惯固化
于是，问题自然形成：
能不能借助外部工具，对不良坐姿进行实时识别与提醒？
手册将系统规划拆成三个关键环节
1. 功能需求分析
例如明确：
- 系统能实时检测坐姿
- 能识别正确与不良坐姿
- 能在检测到不良坐姿后发出提醒
2. 技术方案设计
手册引导学生理解“需求—技术—设备”的对应关系：
- 检测坐姿画面 → 图像采集技术 → 摄像头
- 不良坐姿识别 → 图像分类技术 → 机器学习平台
- 提醒功能 → 语音合成或控制技术 → 蜂鸣器/语音模块
3. 开发流程规划
最终形成：
- 系统规划
- 准备数据
- 训练模型
- 部署模型
项目5的教育意义
它让学生初步建立起一种真正的工程意识：
做AI项目，不能一上来就“找工具”“跑模型”，而要先明确问题、拆解需求、设计路径。
项目6：收集整理学生坐姿数据——准备数据
如果说项目5解决的是“做什么”，
那么项目6解决的就是：
拿什么去教AI学。
手册对数据地位的认识非常准确，书中强调：
要想让AI模型学会识别坐姿，必须先给它“喂入”大量标注好的图片。
这句话说得非常到位。
因为在机器学习中，数据就是模型的“老师”。
项目6最核心的知识提炼
手册把人工智能数据准备概括为五个步骤：
收集→ 筛选 → 标注 → 转换 → 划分
这是第二单元中必须掌握的一条主线。
这个项目设计得很专业，它没有把“准备数据”理解成“随便拍几张照片”，而是特别强调数据质量。
例如，手册要求：
- 模拟真实学习场景拍摄
- 使用书桌、课本、笔等形成真实环境
- 尽量拍摄正面视角
- 摄像头与模特胸部平齐
- 正确坐姿与不良坐姿各采集一定数量
- 去除模糊图、区分度低的图片
- 分类为right 和wrong
- 建立classes.txt
- 按 8:1:1划分训练集、验证集、测试集
这些要求看似细节，其实都直指人工智能训练成败的关键。
项目6最重要的素养提升
手册非常明确地指出：
- 数据数量不足，模型可能“学不会”
- 数据质量太差，模型可能“学错”
这让学生开始真正意识到：
不是模型越高级就一定越好，很多时候，决定模型效果的首先是数据质量。
项目7：训练学生坐姿识别模型——训练模型
这是第二单元的技术核心。
它解决的是什么问题？
项目6已经准备好了数据，但“有数据”并不等于“有智能”。
项目7要解决的是：
如何利用这些坐姿图片，训练一个真正能区分正确坐姿和不良坐姿的图像分类模型。
手册对模型训练的讲解很适合高中生理解
它借助非常形象的类比来解释三类数据集：
- 训练集：模型的“学习材料”
- 验证集：模型的“模拟考试”
- 测试集：模型的“最终考核”
这个类比非常成功，能帮助学生迅速建立结构化理解。
本项目让学生经历了完整训练流程
- 导入数据集
- 设置训练参数
- 启动训练
- 观察训练准确率
- 找到最佳模型
- 用新图片测试识别效果
这已经不再是“点一下按钮”，而是完整的模型训练体验。
三个关键参数，手册讲得很到位
1. 模型结构
推荐使用MobileNet
原因是：
- 轻量级
- 适合小数据集
- 适合后续硬件部署
2. 学习轮次
推荐20轮
手册指出：
- 太少，模型“没学够”
- 太多，模型“学过头”
这实际上就是对欠拟合和过拟合的生活化表达。
3. 学习率
推荐0.01
手册明确说明：
- 太高，训练不稳定
- 太低，训练速度慢
项目7真正让学生明白的核心观点
手册在“素养提升”中指出：
人工智能的三个核心要素是：数据、算法、算力。
也就是说，训练效果并不是只靠“模型本身”，而是由：
- 数据质量
- 模型结构
- 硬件性能
- 参数设置
共同决定的。
这一步，已经让学生开始真正走近人工智能技术的本质。
项目8：调试坐姿矫正提醒系统——部署模型
这是全册最后一个项目，也是整本书最能体现“AI落地”的部分。
这个项目最重要的价值是什么？
它告诉学生：
训练好的模型，并不等于真正可用的AI系统。
模型如果只存在于电脑里，它还只是一个结果文件。
只有部署到真实运行环境中，才能真正发挥作用。
本项目要完成什么？
把训练好的坐姿识别模型部署到硬件设备上，实现：
图像采集→ 模型判断 → 提醒触发
这就是坐姿矫正提醒系统真正运行起来的闭环。
手册把“模型部署”讲清楚了
项目中，学生需要完成：
- 选择最佳模型文件
- 将.pth 模型转换为.onnx 格式
- 连接摄像头、行空板、计算机
- 调用模型编写可在行空板上运行的程序
- 上传代码
- 测试结果
- 调试优化
这是一个非常真实的人工智能应用部署流程。
手册对硬件角色的比喻也非常形象
- 摄像头：眼睛，负责采集图像
- 行空板：大脑，负责运行模型和处理数据
- 蜂鸣器：嘴巴，负责发出提醒
学生会很自然地理解一个AI系统是如何感知、处理和反馈的。
项目8为什么特别有教育意义？
因为它真正让学生经历了：
从电脑里的模型，到现实中的应用系统的跨越
也让学生第一次感受到：
- 人工智能并不是屏幕上的“结果展示”
- 它可以进入真实场景
- 它需要与硬件协同
- 它需要不断调试和优化
- 它的目标是解决现实问题
这就是人工智能创新实践最有价值的地方。
六、把下册合起来看，学生其实走完了一个完整的AI应用开发闭环
第二单元四个项目之间的关系非常清晰：
项目 | 核心任务 | 本质作用 |
项目5 | 系统规划 | 明确目标与方案 |
项目6 | 准备数据 | 为模型提供学习材料 |
项目7 | 训练模型 | 让AI获得识别能力 |
项目8 | 部署模型 | 让AI在真实场景中工作 |
合起来，就是一条典型的人工智能应用开发路径：
需求分析→ 数据准备 → 模型训练 → 模型部署
对于高中阶段来说，这样的完整体验，非常珍贵。
七、这本《学习手册（高二）》最深层的教育价值，不只是“学技术”
认真读完这本手册，会发现它真正要培养的，远不止操作能力。
1. 它让学生从“工具使用者”走向“技术理解者”
学生不再只是会“点开AI”，而是会逐渐理解：
- AI为什么能识别
- AI为什么能推理
- AI为什么能搜索
- AI为什么能预测
- AI应用为什么离不开数据、模型和部署
2. 它让学生形成完整的问题解决路径
这本书反复训练学生一种非常重要的思维方式：
发现问题→ 分析问题 → 设计方案 → 采集数据 → 训练模型 → 部署应用 → 测试优化
这种能力，比会用某一个工具更重要。
3. 它让学生真正认识到“数据”的核心地位
从投篮识别到坐姿识别，从近视预测到结果评估，手册一再强调：
数据质量，直接决定模型效果。
这是一种非常关键的数字素养。
4. 它没有神化AI，而是帮助学生认识AI边界
尤其在AI搜索项目中，手册专门强调结果鉴别、交叉验证和人工核查。
这说明课程非常重视：
- 理性使用AI
- 审慎对待AI输出
- 不能盲信
- 必须核验
5. 它真正体现了“做中学、合作学、创中学”
全书大量采用小组讨论、角色分工、共同采集数据、协同训练与调试，这种学习过程本身就在培养学生的：
- 沟通能力
- 协作能力
- 项目推进能力
- 创新实践能力
八、对一线教师来说，这本书带来的启示也非常大
启示一：AI课程不能停留在“看一看、试一试”
真正有质量的人工智能课程，必须帮助学生完成：
- 理解情境
- 分析问题
- 探索原理
- 动手实践
- 提炼方法
- 迁移应用
启示二：AI课程必须扎根真实场景
这本书选取的都是学生真实可感的问题：
- 篮球投篮
- 跳绳训练
- 网球学习
- 近视防控
- 坐姿矫正
这说明最好的AI课程，不是追求高深名词，而是让学生从熟悉情境中进入核心逻辑。
启示三：AI课程应兼顾原理理解与应用落地
这本手册最可贵的地方在于：
- 上册重原理
- 下册重实践
- 既讲“为什么”
- 也讲“怎么做”
- 还讲“怎么落地”
这是一条非常完整的课程路径。
启示四：AI课程必须嵌入责任意识
无论是AI搜索结果鉴别，还是模型预测的科学使用，手册都在提醒学生：
技术越强，责任意识越不能缺位。
这非常重要。
九、对学生而言，学完这本《学习手册（高二）》，应该留下些什么？
如果学生真正学完并理解了这一册，我认为至少会带走四样东西：
1. 对人工智能四类核心能力的基本认知
知道AI不仅会聊天，还具有学习、推理、搜索、预测等能力。
2. 对AI系统开发流程的初步理解
知道一个AI应用不是凭空来的，而是经历规划、数据、训练、部署等过程。
3. 一种面向未来的问题解决思维
面对现实问题，能够想到：
- 需要什么数据？
- 可用什么技术？
- 如何验证结果？
- 如何优化系统？
4. 一种理性而负责任的技术观
既愿意使用AI，也知道AI有边界、有局限，需要审慎判断、规范使用。
十、写在最后：这本《学习手册（高二）》，值得认真读，更值得认真教
从整体来看，《安徽省中小学人工智能通识教育学生学习手册（高二）》并不是一本只讲“AI很神奇”的书，也不是一本只教平台操作的书。
它更像是一条被精心设计过的学习路径：
- 从原理到应用
- 从理解到建构
- 从体验到创新
- 从技术到责任
- 从课堂任务到真实世界问题解决
它让我们看到：
高中阶段的人工智能教育，完全可以不空泛、不浮躁，而是扎扎实实地走向“理解人工智能核心逻辑，提升人工智能应用能力，培养面向未来的创新素养”。
如果说今天的人工智能课程应该帮助学生完成一次真正有价值的成长，那么这本《学习手册（高二）》给出的答案已经很清楚：
不是让学生只做AI的使用者，而是让学生逐步成长为懂原理、会实践、能创新、有责任感的智能时代公民。
这，正是它最可贵的地方。
会用AI，只是起点。
理解AI、构建AI、部署AI、负责任地使用AI，才是高中阶段人工智能教育真正应有的高度。
感谢您的关注与支持！本文部分内容由AI整理，润色，更多精彩内容，推荐使用搜索：
推荐阅读：
从“会用AI”到“懂AI、会思考、能创造、会设计”——《安徽省中小学人工智能通识教育学生学习手册（高一）》深度解读
从“会用AI”走向“懂AI、善用AI、守规则、看未来”——安徽省中小学人工智能通识教育教学指南（2025年版）八年级内容深度解读
从“认识AI”到“理解AI”再到“运用AI”——安徽省中小学人工智能通识教育教学指南（2025年版）七年级内容深度解读
读懂六年级人工智能通识教育：从“认识AI”到“理解AI社会”——基于安徽省中小学人工智能通识教育教学指南六年级内容的系统解读
从“教会AI识别人脸表情”到“设计专属AI宠物”：安徽省五年级人工智能课程8课时深度解读
四年级人工智能到底学什么？——一文读懂《安徽省中小学人工智能通识教育教学指南（2025年版）》四年级8课时的核心内容与教育价值
从“智能生活”到“AI学伴”——安徽省《中小学人工智能通识教育教学指南（2025年版）》三年级8课时深度解读
你觉得，在中小学人工智能教育中，最重要的是哪一种能力？欢迎留言交流：
- 会使用工具
- 能理解原理
- 能动手实践
- 能进行创新
- 能理性判断与负责任使用
