教师资源
初中备课资源大厅
🧭 初中线（7-9 年级）教师导览
初中不是「加难版小学」。每个单元 = 线上模块（学生自主完成） × 线下项目（学校组织）， 对标国家《指南》与项目式学习。下面是 4 大单元的备课导览：线上已上线 4 / 4 个单元， 可直接带学生在课堂使用；每个单元另配可打印「教师组织包」（学生任务单 / rubric 评分表 / 答辩模板），点单元卡片下方按钮即可打印或存 PDF。
📑 查看初中线政策对标（国家指南 · 信息科技课标）→数据与机器——AI 凭什么会？
「没有数据，AI 什么都不会。」
核心问题：AI 的本领从哪来？为什么"喂什么数据"决定它会什么、又会在哪里出错？
💻 线上模块（本平台）
同一个任务，喂两批不同的数据，AI 表现天差地别——能力是数据"喂"出来的。
不是背答案，是从例子里归纳规律；理解训练集 / 验证集 / 测试集为何必须分开。
AI 不"看"整张图，它盯的是特征。选错特征，它就学歪。
🛠️ 线下项目：训练一个迷你分类器
分小组选定一个真实分类任务（如校园垃圾分类、水果识别），亲历"采数据 → 标注 → 训练 → 测试"完整流程，并解释自己模型为什么准 / 为什么不准。
- ·数据是否覆盖了足够多样的情况（不是只挑好拍的）
- ·训练数据和测试数据是否分开，没有"拿练习题当考题"
- ·能否说清模型靠哪些特征做判断
- ·能否指出自己数据里的一处偏差，并说明它会导致什么错误
🔄 线上 × 线下协同流程
课前 · 导学
完成 3 个线上模块，在"数据训练台"里亲手验证数据如何决定 AI 的对错。
课中 · 实践
小组采集真实数据、标注、训练并测试自己的分类器，记录项目日志。
课后 · 复盘
用本单元的"批判清单"诊断"我的模型为什么不准"，提交一条数据缺陷分析。
❓ 带学生追问（培养质疑意识）
- — 这批数据是谁收集的？有没有漏掉某些情况？
- — 如果换一批数据，这个结论还成立吗？
- — AI 答对了，是真的"懂"，还是刚好背景帮了它？
大模型揭秘——它怎么会说话？
「从"只会接龙"到"靠谱助手"，中间发生了什么。」
核心问题：像 DeepSeek 这样的 AI，怎么从只会接龙变成能帮你办事？它内部经历了什么？
💻 线上模块（本平台）
用一份阅读材料现场建一个真实的"下一个词"频率模型，逐词接龙；多喂材料看它变顺——没人教对错，它只是学会"猜下一个词"。
预训练版(乱接龙)vs微调版(真答)对比；再当一回"人类评分员"选更好的回答，亲手教出 AI 的偏好（RLHF）。
点句中不同词→重点变、意思变(注意力)；滑动记忆窗口逐句读，超出就忘(上下文窗口)。
🛠️ 线下项目：当一回"AI 讲解员"
小组用自己的类比和图示，向同学或低年级讲清"大模型怎么工作"，产出讲解海报或短视频并答辩。
- ·类比是否准确、不误导
- ·能否讲清"三部曲"各自解决什么问题
- ·表达是否清晰、面向听众
🔄 线上 × 线下协同流程
课前 · 导学
学习训练三部曲与注意力机制的可视化。
课中 · 实践
小组转化为自己的讲解（费曼学习法），制作并展示。
课后 · 复盘
互评谁讲得最准确，修订一处讲解中的误导。
❓ 带学生追问（培养质疑意识）
- — 你的类比哪里和真实机制不一样？
- — "对齐"到底是在对齐谁的标准？
生成式实战——我能用它造什么？
「同一个 AI，凭什么有人能让它干好活。」
核心问题：怎么让 AI 准确完成我真正需要的任务？怎么让它"自己动手办事"？
💻 线上模块（本平台）
同一个任务，模糊指令 vs 结构化指令，实时调用真实 AI，亲眼看差距。
给 AI 设定名字、人设和规则，和它对话，看"定制"如何改变它的回答。
为你的机器人写一张"说明书"：用途、适合谁、不能做什么、已知局限与风险。
🛠️ 线下项目：做一件真实的 AI 作品
用生成式工具 + 提示词完成一件真实作品，或设计一个校园智能体方案（需求 → 流程 → 工具），并附上一张模型卡。
- ·需求是否清晰
- ·提示词是否经过迭代改进
- ·产出是否真实可用
- ·是否用模型卡如实公开了 AI 参与和局限（诚信）
🔄 线上 × 线下协同流程
课前 · 导学
在"AI 对话实验室"练提示工程、定制一个聊天机器人、写一张模型卡。
课中 · 实践
动手做作品或设计校园智能体方案，配套写模型卡。
课后 · 复盘
用 rubric 自评互评，迭代两轮。
❓ 带学生追问（培养质疑意识）
- — 这件作品里，哪些是你的、哪些是 AI 的？
- — 把它当成自己的成果提交，算不算诚信问题？
- — 你的机器人会在什么情况下给出不靠谱的回答？
偏见与真假——它什么时候会骗我？
「对 AI 保持平视，而不是崇拜。」
核心问题：AI 为什么会有偏见、会一本正经地胡说？它生成的内容，我凭什么信？
💻 线上模块（本平台）
主观标签实验：你给说法打标签→教给 AI→换个人标，AI 结果就变。偏见来自数据和打标签的人，不是 AI 自己。
接真实 AI 问它根本不存在的书 / 人 / 成语，看它一本正经地编——越笃定、细节越多越骗人。
拿一段看似可信的 AI 文案，用一份可复用的中文核查清单逐条验真，写出核查结论。
🛠️ 线下项目：AI 内容核查与"该不该信 AI"辩论
真实核查实践 / 算法偏见小调研 / 主题辩论赛，产出核查报告并答辩。
- ·是否使用了核查清单的多个角度
- ·能否区分"看起来可信"与"真的可信"
- ·论证是否有证据支撑
🔄 线上 × 线下协同流程
课前 · 导学
学习辨析方法，拿到核查清单工具。
课中 · 实践
真实核查与辩论。
课后 · 复盘
提交核查报告，纳入过程性评价。
❓ 带学生追问（培养质疑意识）
- — 这条信息的原始出处在哪？
- — 这个偏见是 AI 的错，还是数据的错，还是用数据的人的错？
📮 初中线共建与资源索取
初中线属价值观与原理核心内容，欢迎一线教师在课堂中试用与共建。需要线下项目导学方案、rubric 评分表， 或有改进建议，请发送至下方邮箱（注明学校 / 联系人）。