学科网官网-新闻动态-详情

【师说AI】AI应用教学真实案例分享

2025-04-02

【摘要】本文旨在为教师介绍应用AI教学的具体方法和AI结构语言，教学案例围绕五年级下册《算法效率比一比》课程展开，借助 “腾讯青少年人工智能教育平台”，通过四次任务迭代，引导学生用不同算法解决累加问题，如 1 - 100 及 1 - n 的累加，学会使用平台生成 Python 程序验证算法效率，对比步骤数与执行时间差异。教学过程涵盖任务导入、实施、升级和实践，培养学生算法优化意识和问题解决能力。教学反思指出 AI 工具能降低编程门槛、激发兴趣，但也存在需改进之处，如增加异常处理教学等。课后设置挑战任务，鼓励学生用 AI 探索阶乘计算算法，还建议结合平台可视化模块助力学生构建效率认知体系。

【关键词】算法效率；Python 程序；腾讯青少年人工智能教育平台；任务迭代；教学案例；AI教学

教学案例设计：AI助力算法效率探究

课程名称：五年级下册《算法效率比一比》

教学环境：计算机教室（已安装“腾讯青少年人工智能教育平台”）

课时安排：1课时（40分钟）

一、教学目标

1.通过统计物体实例，知道同一问题可用不同算法解决，认识算法效率差异。

2.学会使用“腾讯元宝”生成基础Python程序，能使用Python程序验证累加算法效率，比较步骤数与执行时间差异。

3.培养算法优化意识，体会合理选择算法对提升计算效率的重要性。实践代码迭代优化过程，提升问题解决能力

二、教学流程

u 任务导入

1.情景创设：展示1-10累加计算的数学问题

2.问题引导：哪种计算方法更快？如何验证？

3.平台介绍：演示“腾讯AI体验馆”的代码生成功能

u 任务实施

第一次探究：两种算法对比--使用“腾讯AI体验馆”生成py程序。

输入指令：用两种方法计算1-100的加法，并加入用时和步骤。

生成结果：

python：

# 方法一：循环累加（学生通过腾讯元宝生成） import time start = time.time() total = 0 for i in range(1, 101): total += i end = time.time() print(f"循环法结果：{total}，耗时：{end - start:.6f}秒，步骤：100次循环") # 方法二：数学公式（学生通过AI提示生成） start = time.time() n = 100 result = n * (n + 1) // 2 end = time.time() print(f"公式法结果：{result}，耗时：{end - start:.6f}秒，步骤：3次运算")

关键问题：

l AI生成需要输入什么内容，人工智能才能精准识别？

l 为什么公式法更快？步骤次数如何影响效率？

第二次优化：算法整合优化--对第一次代码进行优化，完善“腾讯AI体验馆”生成py程序的语言。

生成结果：

python：

def method1(): total = 0 for i in range(1, 101): total += i return total def method2(): return 100 * 101 // 2 # 测试两种方法 import time start = time.time() print("循环法结果：", method1()) end = time.time() print(f"耗时：{end - start:.6f}秒") start = time.time() print("公式法结果：", method2()) end = time.time() print(f"耗时：{end - start:.6f}秒")

探究重点：

人工智能语言结构描述。

代码结构的优化。

第三次优化：通用算法设计--将算法拓展到1-n的累加。

生成结果：

python：

def calculate(n): # 方法一：循环累加 start = time.time() total = 0 for i in range(1, n+1): total += i loop_time = time.time() - start # 方法二：数学公式 start = time.time() result = n * (n + 1) // 2 formula_time = time.time() - start print(f"n={n}时：") print(f"循环法：{total}步，耗时{loop_time:.6f}秒") print(f"公式法：1步，耗时{formula_time:.6f}秒") # 测试不同n值 calculate(100) calculate(1000)

深度学习：

算法效率与数据规模的关系

AI语言结构化

第四次优化：通用算法优化--帮我写一个py代码:用逐个累加求解1+2+...+n，并记录计算时间。

生成结果：

python：

import time def sequential_sum(n): sum_result = 0 step_count = 0 # 初始化步骤计数器 for i in range(1, n+1): sum_result += i step_count += 1 # 每次加法操作计为一步 return sum_result, step_count # 获取用户输入 n = int(input("请输入正整数n：")) # 记录开始时间 start_time = time.time() # 执行累加计算 result, steps = sequential_sum(n) # 记录结束时间 end_time = time.time() # 计算耗时（保留4位小数） elapsed_time = round(end_time - start_time, 4) # 输出结果 print(f"1+2+...+{n} = {result}") print(f"计算步骤数：{steps}步") print(f"计算耗时：{elapsed_time}秒") def formula_sum(n): # 公式法只需要3步：加法、乘法、除法 return n * (n + 1) // 2, 3 # 测试公式法 formula_start = time.time() formula_result, formula_steps = formula_sum(n) formula_time = round(time.time() - formula_start, 4) print(f"\n公式法结果：{formula_result}") print(f"公式法步骤数：{formula_steps}步") print(f"公式法耗时：{formula_time}秒")

三、教学反思

1.AI工具价值

快速生成代码原型，降低编程门槛

直观展示算法效率差异

激发学生探究兴趣

2.改进方向

增加异常处理教学（如非整数输入）

结合生活实例（如快递路线规划）

开展分层任务设计（基础/进阶版）

3.注意事项

1.提前测试平台网络环境

2.强调生成代码的验证意识

3.控制时间记录误差范围

四、课后延伸

挑战任务：尝试用AI生成阶乘计算的两种算法。

本案例通过四次迭代实现算法认知的螺旋式上升，建议配合腾讯平台的【AI实验室】模块进行可视化效率对比，帮助学生建立直观的效率认知体系。

五、总结

明确内容：使用AI助力教学时，要明确告诉AI生成内容的具体要求，越详细越好。

及时调整：如果生成内容与预期不符，可以进行语言调整优化，补充说明哪里需要修改，如第二条需要修改时可以直接告诉AI具体修改第二条的内容。

检验结果：生成内容后，要及时检验程序的完整性和稳定性，运行结果与学习内容是否相符。

根据上述四次迭代生成，可以利用学科网AI小博士立即生成一篇其他AI教学案例。