必修一4.2.2编程开发智能工具教学设计

——用DeepSeek开发智能学习助手

课程名称：用DeepSeek开发智能学习助手
适用年级：高中信息技术
课时安排：2课时（共80分钟）、参赛为第1课时
班级层次：尖子班、创客兴趣小组

教学设计

一、学情分析

1. 教材分析

教材案例为编程开发“对话机器人”，由于教材编写较早，其中技术已经过时，教材上项目无法跟上现实需求，在领会教程编写意图基础上，结合课标和核心素养，制定以下教学内容：
本节课以 DeepSeek 大语言模型接入应用为核心，选取“智能学习助手”实际场景，学习如何接入和应用大语言模型，体验人工智能技术的实际应用。

2. 学生分析

学生具备一定的编程基础，对 Python 及 API 调用有一定了解，但对大语言模型的工作机制和应用方式较为陌生，学生对DeepSeek非常感兴趣。

3. 课程标准与学科核心素养

本课以“信息意识、计算思维、数字化学习与创新、信息社会责任”为核心要素，通过国运级人工智能DeepSeek项目的开发，培养学生的信息技术核心素养。

二、教学目标

1. 知识目标：

   • 了解DeepSeek大语言模型的基本原理和特点
   • 掌握API调用和应用开发的基本方法
   • 理解提示词工程(Prompt Engineering)的基本概念和技巧

2. 能力目标：

   • 培养信息收集、分析和处理能力
   • 提升计算思维和问题解决能力
   • 发展团队协作和项目管理能力
   • 增强数字化创新意识和实践能力
3. 素养目标：

三、重难点

1. 教学重点：

2. • 掌握 DeepSeek 大语言模型在智能学习助手场景中的基本接入方法与应用流程。
   • 理解智能学习助手的工作原理，包括自然语言处理、信息检索等关键技术环节。

1. 教学难点：

   • 如何优化智能学习助手回答的准确性与合理性，提高用户体验。
   • 引导学生从信息社会责任角度思考智能学习助手应用中的潜在问题与应对策略。

四、教学策略

• 结合 现实问题（如如何提高用户体验），引导学生思考 AI 在社会中的应用

五、教学项目设计

该课项目以DeepSeek模型为核心，围绕智能学习助手的开发与应用展开。在项目中，学生通过分组协作，利用DeepSeek的API技术完成从需求分析到功能设计、开发实践、测试优化的全过程。

本课强调以学生为主体，通过项目式学习，结合DeepSeek的开源优势和高效推理能力，培养学生的设计思维、编程技能和问题解决能力。DeepSeek模型的多模态和跨学科特性使其能够支持多种应用场景，如智能对话、代码生成、数学推理等，为学生提供了丰富的实践机会。

此外，本课项目还注重AI伦理和责任的讨论，引导学生在开发实践中理解并应用DeepSeek的技术优势，同时关注其社会影响。通过项目学习，学生不仅掌握了DeepSeek的技术应用，还提升了团队协作和创新能力，为未来的学习和职业发展打下坚实基础。

综上，本课依据课程标准和评价的相关要求，结合最新科技热点DeepSeek来设计项目，采用Moodle摩灯教学平台开展教学，不同层次、不同兴趣和特长的学生都能找到自己的位置，培养适合自己的能力。

六、教学资源

1. 硬件设备：

   • 电脑教室
   • 投影设备或大屏显示器

2. 软件环境：

   • Python开发环境
   • DeepSeek API访问权限和密钥
   • 简单的Web框架（Streamlit）
   • 网络环境确保畅通
   • 摩灯教学平台

3. 学习资源：

   • DeepSeek API文档
   • 项目模板和示例代码
   • 提示词工程指南
   • AI伦理指南

4. 过程-评价资源：

   • 项目评价量规
   • 智能学习助手需求分析文档
   • 学生项目工作表

教学过程

第一课时：概念导入与需求分析

第二课时：开发实践与反思评价

教学评价

1. 过程性评价（占比60%）

2. 成果性评价（占比40%）

• 评价使用moodle摩灯平台课程，采用360°评价形式，获取全方面反馈信息，以供师生进一步优化项目和课程。

教学实施要点和拓展建议

一、教学实施要点

1. 差异化教学策略：

   • 针对基础较弱的学生：提供详细的代码模板和步骤指导
   • 针对能力较强的学生：鼓励实现更复杂的功能，如个性化学习路径推荐
   • 设置不同层次的挑战任务，满足不同学习需求

2. 潜在教学难点及应对：

   • API调用问题：准备备用API密钥和离线演示方案
   • 技术障碍：提前准备常见问题解决方案和代码片段
   • 时间控制：设置关键节点检查点，确保项目进度

3. 教学评估与反馈：

   • 课后收集学生反馈，了解学习体验和收获
   • 分析项目成果，总结教学效果
   • 根据反馈调整后续教学内容和方法

二、拓展资源与后续学习

1. 拓展项目建议：

   • 开发专业领域的智能助手（如物理、化学学科助手）
   • 将学习助手与校园系统集成
   • 添加语音交互和数据可视化功能

2. 学习资源推荐：

   • DeepSeek官方文档和社区
   • Prompt Engineering指南
   • Python Web开发教程
   • AI伦理与责任相关文献

3. 实践活动：

   • 校园AI应用创新大赛
   • 开源项目贡献
   • AI教育公益项目参与

附件

附件1：项目评价量规

附件2：学生项目工作表

小组信息

• 小组名称：_________________
• 小组成员：_________________
• 角色分工：_________________

项目规划

1. 智能学习助手核心功能（列出3-5个）：

   • __
   • __
   • __

2. 技术路线：

   • 开发环境：_________________
   • 使用框架：_________________
   • API调用方式：_________________

3. 时间规划：

   • 需求分析完成时间：_________________
   • 核心功能开发时间：_________________
   • 测试优化时间：_________________

学习反思

1. 本次项目中我学到的最重要知识/技能：
   __
2. 项目中遇到的最大挑战及解决方法：
   __
3. 我认为我们项目的创新点是：
   __
4. 在团队协作中，我的贡献是：
   __
5. 如果有更多时间，我想改进的地方是：
   __
6. 关于AI伦理和责任，我的思考是：
   __

技术实现记录

1. Prompt设计策略：
   __

__

1. 核心代码片段（请记录关键算法或功能实现）：

   # 请在此处粘贴关键代码
   

2. 遇到的技术问题及解决方法：

| 问题描述 | 尝试的解决方法 | 最终解决方案 |
|---------|-------------|------------|
| | | |
| | | |

1. 测试记录：

| 测试功能 | 测试用例 | 预期结果 | 实际结果 | 是否通过 |
|---------|--------|---------|---------|---------|
| | | | | |
| | | | | |

用户反馈收集

1. 测试用户：_________________

2. 用户反馈：

   • 优点：_________________
   • 改进建议：_________________
3. 根据用户反馈的改进计划：
   __

附件3：教学案例代码模板

# 智能学习助手基础框架示例
import requests
import json
import streamlit as st

# DeepSeek API配置
API_URL = "https://api.deepseek.com/v1/chat/completions"  # 示例API地址，实际使用时需替换
API_KEY = "YOUR_API_KEY"  # 实际使用时替换为真实密钥

# 设置页面
st.title("智能学习助手")
st.write("你的个性化学习伙伴")

# 初始化会话状态
if "messages" not in st.session_state:
    st.session_state.messages = []

# 显示聊天历史
for message in st.session_state.messages:
    with st.chat_message(message["role"]):
        st.markdown(message["content"])

# 用户输入
prompt = st.chat_input("请输入你的问题...")

# 处理用户输入
if prompt:
    # 添加用户消息到历史
    st.session_state.messages.append({"role": "user", "content": prompt})
    with st.chat_message("user"):
        st.markdown(prompt)
    
    # 构建提示词模板（可根据不同功能定制）
    if "学习计划" in prompt:
        system_prompt = """你是一位专业的学习规划师，请根据用户的学习需求，
        提供个性化的学习计划建议。计划应包含具体的时间安排、学习资源推荐和学习方法指导。"""
    elif "题目解析" in prompt:
        system_prompt = """你是一位经验丰富的教师，请详细解析用户提出的题目。
        解析应包括解题思路、关键知识点、解题步骤和易错点提醒。"""
    else:
        system_prompt = """你是一位智能学习助手，目标是帮助高中生提高学习效率和解决学习问题。
        请提供准确、有帮助的回答，并鼓励学生独立思考。"""
    
    # 准备API请求
    messages = [
        {"role": "system", "content": system_prompt}
    ]
    
    # 添加历史对话（可选，根据需要调整）
    for msg in st.session_state.messages[-3:]:  # 只取最近3条消息
        messages.append(msg)
    
    # 调用API（示例代码，实际使用时需要根据DeepSeek API文档调整）
    try:
        with st.spinner("思考中..."):
            headers = {
                "Content-Type": "application/json",
                "Authorization": f"Bearer {API_KEY}"
            }
            
            payload = {
                "model": "deepseek-chat",  # 根据实际可用模型调整
                "messages": messages,
                "temperature": 0.7,
                "max_tokens": 800
            }
            
            response = requests.post(API_URL, headers=headers, data=json.dumps(payload))
            response_data = response.json()
            
            # 解析响应（根据实际API返回格式调整）
            assistant_response = response_data["choices"][0]["message"]["content"]
            
            # 显示助手回复
            st.session_state.messages.append({"role": "assistant", "content": assistant_response})
            with st.chat_message("assistant"):
                st.markdown(assistant_response)
    
    except Exception as e:
        st.error(f"发生错误: {str(e)}")
        st.session_state.messages.append({"role": "assistant", "content": f"很抱歉，我遇到了一些问题。错误信息: {str(e)}"})
        with st.chat_message("assistant"):
            st.markdown(f"很抱歉，我遇到了一些问题。错误信息: {str(e)}")

# 附加功能区（可选）
with st.sidebar:
    st.header("功能选择")
    function_option = st.selectbox(
        "请选择功能模式",
        ["一般问答", "学习计划制定", "题目解析", "知识点总结"]
    )
    
    st.header("设置")
    if st.button("清空对话历史"):
        st.session_state.messages = []
        st.experimental_rerun()
    
    # 添加功能说明
    st.header("使用指南")
    st.write("- 一般问答：可以询问任何学习相关问题")
    st.write("- 学习计划：输入学科和时间，获取个性化学习计划")
    st.write("- 题目解析：粘贴题目内容，获取详细解析")
    st.write("- 知识点总结：输入知识点名称，获取系统性总结")

附件4：教学资源链接

1. DeepSeek官方文档：https://api-docs.deepseek.com/zh-cn/
2. Prompt Engineering指南：[https://www.promptingguide.ai/zh]
3. Streamlit教程：streamlit中文开发手册
4. AI伦理指南：人工智能伦理指南
   联合国科教文组织:人工智能伦理问题建议书
5. Python Web开发资源：https://flask.org.cn/en/3.0.x/

附件5：课后拓展项目建议

1. 跨学科智能助手：为特定学科（如物理、化学、历史等）开发专业的学习助手，整合学科知识图谱。
2. 个性化学习路径：基于学生的学习风格、学习能力、特长、兴趣规划不同学习路径。

• 用DeepSeek开发智能学习助手 -- v2
• 题目扩展prompt
• latex 制作填空题
• 贝叶斯分类器教学设计
• 教材-选必4-3.2 贝叶斯分类器

发表新评论 取消回复

发送