数智融合探新知 跨学科课堂展魅力 —— 房华老师开展 “人人献课” 公开课展示

为落实新课标理念，推进跨学科项目式教学实践，深化课堂教学改革，信息科技组组织开展 “人人献课” 公开课教研活动。信息科技教师房华带来一节《数智融合：黑盒训练下的智能数学预测 —— 基于一次函数的 “阅读量指数” 预测与 AI 初探》跨学科研究课，将初中数学一次函数知识与人工智能技术有机融合，为在场听课教师呈现了一堂立意新颖、思维深度突出的示范课堂。

本节课面向初三学生，整节课共 40 分钟，以 “学校阅读素养提升计划中，阅读量指数如何生成？能否预测 55 号同学的阅读量指数？” 作为核心驱动问题，跳出传统习题讲授模式，创设 AI 黑盒探究情境，引导学生化身 “数据侦探”，从输入数据与输出结果反推背后的数学规律。

课堂伊始，房华老师展示 “输入数据 — 未知模型黑盒 — 阅读量指数” 的问题框架，抛出探究任务，引导学生明确阅读量指数是模型计算生成，并非直接记录得到，迅速激发学生解密黑盒的探究欲望。在特征提取与派生环节，学生对多组原始数据进行甄别筛选，排除性别、年龄、睡眠等干扰信息，主动将纸质阅读、电子阅读时长相加，生成新变量 “每周总阅读时间”，真实体验人工智能领域的特征工程思想。

随后学生依托学案坐标纸手绘散点图，观察数据分布趋势，运用待定系数法求解一次函数解析式。受真实数据波动影响，不同学生选取不同点得到差异化函数模型，自然生成认知冲突。同学们利用自己得到的函数对 55 号同学阅读量指数开展预测，对比真实数据发现预测误差，逐步建立起 “误差不是计算错误，而是现实数据的客观波动” 的认知。

课堂并没有止步于单点误差分析，房华老师顺势抛出高阶问题：仅凭一个数据点，能否评判一条预测直线的好坏？通过小组分工协作，学生计算多组数据的误差绝对值，自主构建平均绝对误差 MAE，用可量化的数值对比不同模型拟合效果，理解机器学习损失函数的底层逻辑，体会误差最小化的最优化数学思想。

当学生切身感受到人工反复调参计算的繁琐与局限，课堂顺势过渡到算力价值的探讨。房华老师结合生活中短视频推荐的实例，提炼机器学习 “预测 — 算误差 — 调参数” 循环迭代的核心流程，再借助 Orange 软件直观演示 KNN、神经网络模型的自动建模过程，让学生看见机器如何依靠算力完成海量参数迭代。课程最后进行总结升华，点明 “数学是打开人工智能黑盒的钥匙”，帮助学生建立理性的 AI 认知：AI 模型结构根植数学，但部分内部参数语义难以解读，人工智能离不开人类的数据筛选、目标设定与效果评价。整节课完成 “现实问题数学化→数学模型算法化→算法结果应用化” 的完整跨学科闭环，兼顾数学建模运算能力与信息科技计算思维的双重培养。

课后，参与听课的教师开展评课研讨活动。授课教师房华对本节课教学设计、课堂生成以及教学得失进行反思说明。听课老师们各抒己见，充分肯定本课的创新价值：课堂打破数学与信息科技学科壁垒，把抽象的 AI 原理转化为初中生可动手、可推演、可理解的探究活动，以项目任务驱动学生高阶思维发展；同时也就学情把控、课堂时间分配、课堂生成性资源处理等方面提出优化建议，实现以课促研、研思共进。

此次 “人人献课” 活动，既是教师教学风采的展示平台，也是跨学科教学实践的一次有益探索。信息科技组将继续立足核心素养，持续探索学科融合教学路径，不断打磨课堂，推动学校教育教学质量稳步提升。