教师资源
高中备课资源大厅
🧭 高中线（10-12 年级）教师导览
高中是三学段螺旋的终态：系统思维 + 创新应用 + 治理认知。每个单元 = 线上机制/工具（学生自主完成） × 线下复杂项目（学校组织）， 对标国家《指南》高中与《普通高中信息技术课标》「人工智能初步」。线上互动已上线 5 / 5 个单元， 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）。
📑 查看高中线政策对标（国家指南 · 「人工智能初步」）→机器学习系统——从数据到决策
「一个会判断的 AI，是被"搭"出来的，也要被"评"出来。」
核心问题：一个能做判断的 AI 系统，怎么从一堆数据被搭出来、又怎么知道它到底准不准、该不该上线？
💻 线上模块（本平台）
亲手做采样、标注、覆盖度检查——数据里的偏差，决定系统会在哪里出错、对谁不公平。
为什么"准确率"不够？看混淆矩阵、误报与漏报，学会用对的尺子衡量一个系统。
可视化地改一个特征 / 一个参数，看系统表现如何变——理解"调"是有依据的，不是碰运气。
🛠️ 线下项目：端到端搭一个可评估的 AI 系统
小组选一个校园真实场景（如垃圾分类、出勤预测），完整走"采数据 → 标注 → 训练 → 评估 → 该不该上线"，产出系统说明 + 评估报告 + 上线与否的论证。
- ·数据采集是否覆盖多样情况、是否记录了已知偏差
- ·是否用了恰当的评估指标（不止准确率），并解读了误报 / 漏报
- ·能否说清系统在什么情况下不可靠
- ·"该不该上线"的论证是否有数据与社会影响依据
🔄 线上 × 线下协同流程
课前 · 导学/建模
在数据与评估工具里建立"数据→评估"底座。
课中 · 创新实践
小组端到端搭系统，记录项目日志与评估数据。
课后 · 评估/决策
用评估指标复盘"为什么不准、该不该信、该不该上线"。
❓ 带学生追问（系统视角）
- — 这个评估指标，掩盖了什么样的失败？
- — 如果换一批人群的数据，这个系统还公平吗？
- — "准确率高"和"可以上线"是一回事吗？
大模型的内部——嵌入·注意力·训练管线
「大模型不是魔法，它的内部是可以被看见的。」
核心问题：大模型内部到底怎么把语言变成可计算的东西、怎么决定看哪些词、又是怎么被一步步训练出来的？
💻 线上模块（本平台）
把词拖进二维空间，看"猫/狗"近、"猫/汽车"远——语言被变成了空间里有距离的点（真实向量降维）。
点句中不同的词，看模型"在看谁"，重点一变意思就变——这就是注意力。
走一遍"预训练 → 微调 → 对齐(RLHF)"流水线模拟，并试着回答"模型为什么这样答"。
🛠️ 线下项目：当一回"白盒讲解员"（进阶）
用可视化向同学或低年级讲清大模型机制，或做一次"可解释性"小调研（模型为什么会这样答），产出讲解作品或调研报告并答辩。
- ·机制讲解是否准确、不把类比当成真相
- ·能否讲清嵌入 / 注意力 / 训练管线各自解决什么
- ·可解释性结论是否有证据支撑
🔄 线上 × 线下协同流程
课前 · 导学/建模
看嵌入空间、注意力、训练管线的机制可视化。
课中 · 创新实践
转化为系统级讲解或可解释性小调研。
课后 · 评估/决策
互评谁讲得最准确、最不误导，修订一处。
❓ 带学生追问（系统视角）
- — 你的可视化和真实机制，差在哪里？
- — "模型这样答"和"我们能解释它为什么这样答"，是一回事吗？
- — 看懂机制，会改变你对它输出的信任程度吗？
智能体与创新应用——让 AI 自己办事
「从"会聊天"到"会办事"，再到"帮我创造"。」
核心问题：怎么把一个会聊天的 AI，变成能拆解任务、调用工具、自我检查、帮我真正完成创作或办事的智能体？
💻 线上模块（本平台）
结构化提示 / 思维链 / 给约束，实时对比真实 AI——同一个 AI，凭什么有人能让它干好活。
可视化搭一条 agent 流水线：任务分解 → 调用工具 → 自检反思，看它如何"自己办事"。
把 AI 当创意伙伴做出真实产物，并用模型卡如实公开 AI 参与了什么、局限在哪。
🛠️ 线下项目：做一件真实 AI 创新作品
用生成式工具 + 提示词/智能体完成一件真实创新作品，或设计一个校园/社区智能体方案（需求 → 流程 → 工具 → 评估），附一张模型卡。
- ·需求是否清晰、技术选型是否合理
- ·提示词 / 工作流是否经过迭代改进
- ·产出是否真实可用、有创新点
- ·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/建模
练提示工程、搭一条智能体工作流、写一张模型卡。
课中 · 创新实践
动手做创新作品或设计智能体方案。
课后 · 评估/决策
用 rubric 自评互评，迭代两轮。
❓ 带学生追问（系统视角）
- — 这件作品里，哪些是你的、哪些是 AI 的？署名诚信怎么处理？
- — 你的智能体会在什么情况下"自信地办错事"？
- — 把它交给真实用户用，会有什么风险？
AI 伦理·治理与自主可控
「对 AI 既能创造，也能负责任地评估与治理。」
核心问题：当 AI 会有偏见、会编造、会被用来造假，我们凭什么信任并使用它？谁来治理它？为什么"自主可控"是国家战略？
💻 线上模块（本平台）
沿"数据 → 标注 → 模型 → 部署"链路做偏见审计——偏见在哪一步进来、放大、落到谁身上。
辨识深伪、用进阶核查清单验真、想清楚"转发"也是一种责任。
面对真实伦理两难做有依据的决策；了解产业链与算力，理解技术自主创新的战略意义。
🛠️ 线下项目：AI 治理实践：调研 / 辩论 / 伦理评估报告
做一次算法偏见调研、一场"该不该信/用 AI"主题辩论，或一份 AI 伦理评估报告，答辩展示，纳入综合素质评价。
- ·是否从多个环节系统分析了偏见 / 风险来源
- ·能否区分"看起来可信"与"经得起核查"
- ·伦理决策是否有依据、考虑了社会影响
- ·论证是否有证据支撑
🔄 线上 × 线下协同流程
课前 · 导学/建模
拿到偏见审计与伦理决策工具、核查清单。
课中 · 创新实践
真实调研 / 辩论 / 伦理评估。
课后 · 评估/决策
提交治理报告与决策依据，纳入过程性评价。
❓ 带学生追问（系统视角）
- — 这个偏见，是数据的错、模型的错，还是用它的人的错？
- — 一段逼真的 AI 音视频，你用什么去判断真假？
- — 为什么"核心技术自主可控"不只是技术问题，也是战略问题？
跨学科创新挑战——用 AI 解决一个真问题
「把机制、工具、评估与治理，整合成一次真实的创造。」
核心问题：把前四单元学到的机制、工具、评估与治理整合起来，独立完成一个解决真实问题的跨学科 AI 创新项目。
💻 线上模块（本平台）
"需求分析 → 技术适配 → 效果评估 → 社会影响"四段模板，把一个真实问题拆成可执行的项目。
一套覆盖系统思维、创新性、评估严谨与社会责任的 rubric，自评与互评都用它。
给别组的项目做结构化评审，也接受被评审——像一次真实的项目答辩。
🛠️ 线下项目：跨学科 AI 创新 Capstone
选一个真实问题（结合其他学科），完整走"需求 → 构建 → 评估 → 社会影响"，产出可用作品或方案并公开答辩。
- ·问题是否真实、有跨学科价值
- ·技术方案是否适配、是否经过评估
- ·是否诚实呈现了局限与社会影响
- ·答辩是否清晰、经得起追问
🔄 线上 × 线下协同流程
课前 · 导学/建模
领项目脚手架与综合评价量规。
课中 · 创新实践
长周期跨学科 capstone 项目。
课后 · 评估/决策
结项答辩与表现性评价归档（成长档案）。
❓ 带学生追问（系统视角）
- — 这个问题，真的需要 AI 吗？不用 AI 会更好吗？
- — 你怎么证明你的方案"有效"而不只是"看起来酷"？
- — 如果它被真实部署，谁会受益、谁可能受损？
📮 高中线共建与资源索取
高中线属系统思维与价值观进阶内容，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）。