高中信息技术与人工智能课程的衔接策略探究

引言

信息技术作为当今先进生产力的代表，已经成为我国经济发展的重要支柱和网络强国的战略支撑。新课标明确指出，高中信息技术课程需“为学生发展人工智能素养奠定基础”，人工智能课程则需“依托信息技术的知识与技能，培养学生的 AI 思维与创新能力”。高中阶段的信息技术课程聚焦“数据处理与编码 、算法初步、信息系统应用”等基础能力培养，人工智能课程侧重“机器学习、智能应用设计”等进阶能力训练，二者本质是“基础—提升”的递进关系，其有效衔接是落实“数字素养与技能”核心素养的关键。因此，探究新课标背景下两课程的衔接策略，对构建系统化的技术素养培养体系具有重要意义。

一、新课标对高中信息技术与人工智能课程衔接的核心要求

（一）知识衔接：构建“螺旋上升”的内容体系

需避免“重复教学”与“知识断层”，按照“信息技术铺垫基础—人工智能深化拓展”的逻辑重构内容。例如，人工智能课程中的“机器学习原理”，需衔接信息技术的“算法逻辑”，形成“语法—算法—模型”的螺旋上升链条。

（二）能力衔接：实现“工具应用—思维创新”的递进

信息技术课程侧重培养“工具操作、数据处理”等基础能力；人工智能课程需在此基础上，培养“模型设计、智能应用创新”等进阶能力。

（三）素养衔接：达成“数字素养—AI 素养”的协同

信息技术课程培养“信息意识、计算思维”等数字素养，如“辨别数据的真实性与价值”；人工智能课程在此基础上，强化“AI 伦理判断、智能创新意识”等 AI 素养，如“思考 AI 模型的偏见问题”“设计符合伦理的智能应用”，最终形成“数字素养为基、AI 素养为翼”的综合素养体系。

二、内容重构环节：梳理衔接节点，构建“知识衔接图谱”

系统梳理两课程的重叠与关联内容，明确“信息技术前置内容”与“人工智能拓展内容”，形成结构化的衔接图谱，避免重复与断层。以“数据处理”模块为例，信息技术课程中，学生需掌握“用 Python 的 Pandas 库清洗学生成绩数据（删除重复记录、填充缺失分数）”“绘制成绩分布柱状图”；进入人工智能课程后，需在此基础上，学习“将清洗后的成绩数据标注为‘优秀/合格/不及格’标签”“将数据划分为训练集与测试集”，为后续“成绩分类模型训练”铺垫，实现知识无缝衔接。

三、目标分层环节：设定“基础—提升—拓展”三级衔接目标

根据两课程的递进关系，为每个衔接模块设定分层目标，确保信息技术目标服务于人工智能目标，形成目标闭环。以“AI 图像识别”相关内容为例，具体目标设计如下：

信息技术课程（基础目标）：

知识目标：掌握“Python 读取图像文件”“提取图像像素数据”的方法；

能力目标：能使用 Python 库（如 PIL）处理简单图像（裁剪、调整尺寸），并将像素数据转化为表格格式；

素养目标：形成“图像数据可被计算机处理”的信息意识。

人工智能课程（提升目标）：

知识目标：理解“图像识别的基本原理（像素特征与分类的关联）”，

掌握“简单图像分类模型的训练流程”；

能力目标：能将信息技术课程处理后的图像数据导入 AI 模型，完成“猫/狗图像”的简单分类训练；

素养目标：初步具备“用数据驱动 AI 模型”的计算思维。

综合拓展目标（跨课程）：

能独立完成“图像采集—数据处理（信息技术）—模型训练—识别测试（人工智能）”的完整流程，设计“校园植物图像识别”小应用。

四、活动设计环节：开展“跨课程项目式活动”，实现衔接落地

以“项目任务”为纽带，将信息技术的基础操作与人工智能的进阶探究融入同一活动，让学生在实践中感受两课程的衔接关系。以“图像处理与 AI 识别”为例，具体设计如下：

项目 1：“校园植物 AI 识别”小应用开发信息技术阶段（基础铺垫）：

学生以小组为单位，拍摄校园内 10 种常见植物的照片（每种 20 张），使用 Python 的 PIL 库统一调整图像尺寸、格式，提取每张图像的 RGB 像素数据，整理为“植物图像数据集”，并为每张图片标注“植物名称”标签，完成“数据集构建”。

人工智能阶段（创新应用）：

基于构建的数据集，学生使用简化版 AI 开发工具训练“植物分类模型”，将信息技术阶段处理的图像数据导入工具进行模型训练；训练完成后，测试模型对“新拍摄植物照片”的识别准确率，分析“识别错误的原因（如叶片角度、光线差异）”，并返回信息技术阶段优化数据；最终将模型导出，嵌入简单的 Python 界面，开发“校园植物 AI 识别”小应用，实现“数据处理—模型训练—应用开发”的跨课程衔接。

五、评价协同环节：建立“衔接导向的综合评价体系”

知识衔接度评价：通过“项目报告”检查学生是否掌握“信息技术知识支撑人工智能应用”的逻辑，如在“成绩预测模型”报告中，是否清晰说明“Python 数据处理如何为模型训练提供合格数据”；

能力递进度评价：通过“操作考核”评估学生从“基础工具应用”到“进阶创新”的能力提升，如在“植物识别项目”中，能否独立完成“图像处理（信息技术）—模型优化（人工智能）”的全流程；

结束语

新课标背景下高中信息技术与人工智能课程的衔接，是落实“数字素养与技能”培养目标的关键举措。通过“内容重构梳理衔接节点、目标分层明确递进方向、项目活动实现实践落地、协同评价保障衔接质量”的策略，可打破两课程的割裂状态，形成“基础—提升—应用”的系统化育人体系。未来，还需进一步优化资源配置、加强教师培训、完善分层任务设计，推动两课程衔接走向更精准、更高效的方向，为培养“懂技术、会创新、有伦理”的新时代高中生奠定基础。

参考文献

[1]安冬芳. 人工智能赋能高中信息技术课程教学创新 [J]. 北京教育（普教版）， 2025， （08）： 40-41.

[2]杨晓玲. 探究以人工智能为导向的高中信息技术教学优化策略 [J].科学咨询， 2025， （06）： 198-201.