教案名称 自然语言处理之评论情感分析
科目 高中人工智能 授课年级
课型 新授课 学时 2
一、课程指南
1. 内容要求
（1）认识人工智能的典型应用场景和关键领域技术，让学生体验“身边的人工智能”，从典
型场景中抽取出自然语言处理等关键技术，探究典型人工智能应用技术的基本工作原理。
（2）剖析如何对数据进行编码和特征提取，从而成为人工智能能够识别的数据，并通过对
人工智能典型的公开数据集进行探究，增加对于特征集和特征选择等概念的理解。
（3）提供实践案例，让学生通过运用 Python 编程语言和相关人工智能实践平台对典型的人
工智能算法进行实现和实践。
2. 学业质量要求
（1）针对实际生活中的复杂问题，能够主动运用人工智能进行分析与综合判断，选择运用
人工智能解决问题的路径。
（2）掌握深度学习的基本算法，并能运用常见编程语言和开发框架进行算法实现。
（3）能够独立或合作开发支持跨学科学习和真实问题解决的适切智能资源，感悟人工智能
的应用对强化与提升个体综合能力、促进实践创新和高效学习的特殊价值。
（4）理解数据偏见、算法偏见对人工智能公平性的影响，设法规避负面影响。
二、教学内容分析
1. 人工智能应用与技术：自然语言处理这一关键领域技术的进阶原理和典型应用场景。
2. 人工智能感知与数据：利用 Python 和 Pandas库进行数据处理、利用 matplotlib库进行数
据可视化分析、根据情感分析任务要求使用词嵌入技术从文本数据集中创建特征集。
3. 人工智能方法与实现：知道循环神经网络的基本原理并使用 keras框架实现 LSTM模型。
4. 人工智能伦理与社会：由训练数据不均衡引发的算法偏见。
三、学情分析
1. 心理特点：
学生的逻辑思维趋于严密，具有一定的抽象与归纳能力，具备可塑性、主动性和独立性特点；
学生好奇心强，有一定的探索能力和表达欲望，并且能够在原有知识的基础上进行迁移。
2. 知识基础：
学生已具备了一定的信息技术知识储备和 Python编程能力，具有一定的智能思维；
学生具有实际动手操作的能力，能够把知识应用于生活实践；
学生可能需要一些具体的教学支架（如可视化工具）来辅助理解教学内容的内在逻辑关系。
四、教学目标
1. 智能意识
能够理解人与机器在感知和处理自然语言方面的差别，理解机器的局限性。
在商品评论情感分析的任务情境中，体会人工智能的核心价值。
能够主动运用人工智能进行分析与综合判断，选择运用人工智能解决问题的路径。
2. 智能思维
能够理解文本表征的三种方式，掌握词嵌入的基本做法，掌握循环神经网络算法的基本原理，
并能够使用 Python语言和 keras框架进行实现。
3. 智能应用与创造
能够合理地选择、应用人工智能应用系统的开发工具和开发平台，使用所提供的资源设计并
实现针对本节课问题情景的智能解决方案。
4. 智能社会责任
能够理解由于数据失衡引发的算法偏见对人工智能公平性的影响，并设法规避负面影响。
五、教学重难点
1. 教学重点
文本数据集的拆解与可视化分析方法、词嵌入的基本原理和实现方法、LSTM模型的构建和
编程实现、模型参数的适当调整、模型性能的评估、算法偏见的影响及其规避
2. 教学难点
根据文本数据集自身特点确定合理的输入序列的长度、词嵌入的基本原理和实现方法、LSTM
模型重要参数的设置
六、教学策略
1. 项目式学习
以一个文本情感分析模型的设计与实现串联整个学习过程，在完成项目的过程中，拆解问题，
在解决每个次级问题的过程中掌握相关知识技能，培养智能思维和创新意识，提升实践能力。
2. 启发式教学
在教学过程中，不断启发学生独立思考，逐步形成对数据、算法、模型的完整认知，积极对
学习过程进行反思，引导学生积极主动地学。
七、教学环境和资源
本课程需要学生进行实践操作，因此建议在人工智能实验室或配置有相关学习资源的环境中
开展教学，具体而言，至少应包括：
（1）已配置 Python编程环境和相关库的教学平台
（2）能够联网的计算机
（3）电子白板
八、教学过程
教学环节 教师活动 学生活动 设计意图
情景导入
1.创设学习情境：
介绍Chat-GPT等现实中的
智能机器，引导学生思考机
器为何能与人沟通？
2.揭示项目主题：
作为电商运营商，想要创造
一个能够自动分析用户评
论包含的情感的 AI
1.思考并讨论：
机器为何能够与人沟通？
（自然语言处理）
2.结合 NLP思考：
要得到这样的 AI，需要经
历哪些环节？每一个环节
的关键问题是什么？
通过贴近生活的
情景导入，点明课
程学习主题，激发
学生的学习兴趣，
引出学生挑战任
务的想法
认识数据
1.引导学生认识数据：
向学生介绍用到的可视化
工具
帮助学生完成对数据集的
描述性统计分析
2.引导学生确定统一序列
长度的策略：
解释长度频次累积分布图
的含义
引导学生确定适合的序列
长度
1.完成学习活动 1：
了解分析数据的支架用法；
完成对数据的初步认识；
讨论统一序列长度的策略；
理解长度频次累积分布图
的意义和用法；
探索不同分点位的效果；
帮助学生学习相
关支架的用法，增
强解决问题的信
心。引导学生逐步
认识并理解数据，
为后续进一步数
据处理奠定知识
基础。
文本表征
1.介绍文本表征的方式：
整数编码的原理
热度编码的原理
Word Embedding的原理
2.引导学生完成数据预处
理：
介绍词汇表的构造与使用
引导完成单词映射和定长
辅助词嵌入实操
1.学习文本表征的原理：
掌握三种常见文本表征方
式的原理和做法；
完成学习活动 2，重点理解
词嵌入；
2.完成数据预处理：
完成学习活动 3，构造词汇
表、完成单词映射和词嵌入
矩阵构造
引导学生理解并
掌握常见的文本
表征方式。通过引
导式学习活动，完
成数据处理准备
工作，学习词嵌入
技术的实现过程，
培养实践能力。
创造模型
1.引导学生确定模型结构
与参数：
向学生介绍模型的结构；
引导学生确定关键参数
2.引导模型训练：
引导学生对模型训练过程
进行观察
3.介绍模型性能评估：
介绍混淆矩阵，辅助学生客
观评估模型性能；
4.介绍如何使用模型预测
1.完成学习活动 4：
探究本案例的模型结构；
确定模型的关键参数；
如何评价模型的训练过程
是否科学？
理解混淆矩阵，并对自己的
模型性能做出客观评价
（注：每个人训练的模型是
不一样的）；
学习使用模型进行预测
通过对模型结构
和关键参数的探
究，进一步加深对
RNN的理解。引导
学生对自己构建
并训练的模型进
行评估、测试、比
较和反思，培养学
生的批判性思维。
总结拓展
1.总结课堂：
总结课堂内容，帮助学生形
成知识体系，理解人工智能
实现路径
2.拓展视野：
介绍Word2Vec和 Glove
3.反思辨析：
讨论本案例中可能出现的
数据偏见和算法偏见
1.总结收获，形成体系：
总结本节课的收获，并跟随
教师的梳理形成清晰的知
识体系和一条人工智能实
现路径，完善认知结构
2.内容深化与拓展：
了解现成的词嵌入工具，开
拓视野
3.反思与讨论：
该任务情境中可能出现的
数据与算法偏见
帮助学生巩固所
学，形成清晰的知
识体系，梳理人工
智能实现路径，完
善认知结构。拓宽
知识视野，增加
AI见闻。反思人工
智能伦理问题，培
养 AI伦理意识。
九、板书设计
十、教学反思
/5
