人工智能导论-课程标准

《人工智能导论》配套课程标准一、课程基本信息课程名称：人工智能导论/人工智能通识等课程代码：（由学校统一编制）课程类别：素质选修课/公共基础必修课程课程性质：选修/必修（根据学校培养方案确定）学分：2学分总学时：32学时（理论讲授24学时，实践训练8学时）适用专业：全校各专业学生先修课程：无选用教材：《人工智能导论（慕课版）》，王生进、李亚利主编，人民邮电出版社，2025年二、课程性质与定位（一）课程性质本课程是面向全校各专业本科生开设的人工智能通识教育课程，兼具基础性、前沿性、交叉性与应用性。课程系统介绍人工智能的基础理论、关键技术、行业应用、发展趋势以及人工智能素养与数据安全等内容，帮助学生建立对人工智能的整体认识。（二）课程定位人工智能通识入门课程——帮助学生建立人工智能的整体知识框架跨学科思维培养课程——促进人工智能与其他学科专业的交叉融合人工智能素养养成课程——培养学生的AI伦理意识与社会责任感前沿技术瞭望课程——引导学生关注人工智能技术的最新发展动态（三）与毕业要求的关系【高关联（H）】工程知识：掌握人工智能的基本概念、发展历程、技术基础与典型应用问题分析：能够分析人工智能在不同行业中的应用案例及其技术实现方式工程与社会：理解人工智能技术对社会、经济、伦理等方面的影响职业规范：树立正确的AI伦理观与社会责任感个人和团队：通过小组讨论、案例分析与项目汇报提升团队协作能力沟通：能够清晰表达人工智能相关概念、技术与应用案例终身学习：具备持续关注人工智能技术发展、自主学习和适应新技术的能力【中关联（M）】设计/开发解决方案：了解人工智能系统的基本开发流程与模型部署方法研究：具备初步的人工智能文献阅读与案例分析能力使用现代工具：熟悉常见人工智能开发工具与平台项目管理：了解人工智能项目从数据准备到模型部署的基本流程【低关联（L）】环境和可持续发展：了解人工智能在环保、节能等领域的应用潜力三、课程目标（一）知识目标理解人工智能的概念、范畴、发展历程、特征与价值掌握人工智能的跨学科科学背景（神经科学、语言学、哲学、心理学）了解机器学习的基本概念与算法，掌握深度神经网络的基本原理熟悉大模型实践的全流程（数据准备、模型设计、训练优化、评估调试、部署应用）了解人工智能在工业、金融、医疗、交通、文化创作、公共安全等领域的典型应用掌握人工智能技术的发展方向（多模态、代理型、量子、具身人工智能）理解人工智能素养的内涵、层次框架与评估框架掌握人工智能数据安全的核心维度与增强技术（二）能力目标技术认知能力：能够理解并解释人工智能的基本原理与技术路线案例分析能力：能够分析人工智能在不同行业的应用案例及其技术实现方式工具使用能力：初步了解常见人工智能开发工具与平台的使用方法伦理判断能力：能够识别人工智能应用中的伦理问题并做出合理判断信息安全意识：具备人工智能数据安全的基本防护意识（三）素养目标科学精神：理解人工智能技术的科学本质与发展规律批判性思维：能够客观评价人工智能技术的优势与局限伦理责任：树立正确的AI伦理观，关注算法公平与数据安全创新意识：具备利用人工智能技术解决本专业问题的创新思维终身学习：保持对人工智能技术发展的持续关注与学习意愿四、课程内容与学时分配【总体学时分配】篇章：基础理论篇第1章认识人工智能理论3实践1合计4第2章人工智能的科学背景理论3实践1合计4第3章人工智能的技术基础理论4实践2合计6篇章：应用拓展篇第4章人工智能的行业应用理论4实践2合计6第5章人工智能的未来发展理论3实践1合计4篇章：素养与安全篇第6章人工智能素养理论3实践1合计4第7章人工智能数据安全理论3实践1合计4总计：理论23实践9合计32注：各章节实践学时可根据实际教学条件灵活调整（如实操、案例研讨、小组展示等）。【各章节教学内容与要求】第1章认识人工智能（4学时）教学目标：理解人工智能的概念及范畴掌握人工智能发展的三个阶段熟悉人工智能的特征与价值了解人工智能的应用背景教学内容：1.1人工智能的概念及范畴1.2人工智能发展史1.2.1早期发展阶段1.2.2以深度学习为主流技术的阶段1.2.3大模型兴起阶段1.3人工智能的特征与价值1.3.1人工智能的特征1.3.2人工智能的价值教学重点：人工智能的概念及范畴；人工智能发展的三个阶段；人工智能的特征与价值教学难点：人工智能发展阶段的特点及其演变逻辑教学方法：理论讲授、案例引导、课堂讨论思政融入：介绍我国在人工智能领域的战略布局与发展成就第2章人工智能的科学背景（4学时）教学目标：掌握神经科学核心概念理解语言学主要理论了解人工智能的哲学背景与机器伦理学熟悉心理学中的认知与情感智能认识各学科对人工智能的支撑作用教学内容：2.1神经科学2.1.1神经元学说2.1.2神经可塑性2.1.3感觉和知觉2.1.4注意机制2.1.5记忆机制2.2语言学2.2.1乔姆斯基的语言学理论2.2.2言语分析理论2.2.3语料库语言学2.2.4统计语言学2.2.5计算语言学2.3哲学2.3.1人工智能的哲学背景2.3.2机器伦理学2.4心理学2.4.1认知心理学2.4.2情感智能2.4.3认知模拟教学重点：神经科学核心概念；语言学主要理论；人工智能的哲学背景与机器伦理学；心理学中的认知心理学与认知模拟教学难点：理解各学科对人工智能的交叉支撑机制教学方法：理论讲授、跨学科案例分析、小组讨论第3章人工智能的技术基础（6学时）教学目标：了解机器学习的基本概念与算法掌握感知机与深度神经网络原理了解深度神经网络的优化与框架掌握大模型实践的全流程步骤熟悉大模型的评估与部署应用教学内容：3.1机器学习3.1.1机器学习的基本概念3.1.2机器学习算法3.2深度学习3.2.1感知机3.2.2深度神经网络3.2.3深度神经网络的优化学习3.2.4深度学习框架3.3大模型实践3.3.1数据准备3.3.2模型选择与设计3.3.3模型训练与优化3.3.4模型评估与调试3.3.5模型部署与应用教学重点：机器学习的基本概念与算法；深度神经网络的原理与优化；大模型实践的全流程操作；深度学习框架的认知与使用教学难点：深度神经网络的优化学习教学方法：理论讲授、实操演示、案例研讨实践建议：可安排简单的机器学习实验或大模型提示词工程体验第4章人工智能的行业应用（6学时）教学目标：了解人工智能在工业领域的应用场景了解人工智能在经济金融领域的应用了解人工智能在医疗领域的具体应用了解人工智能在交通领域的应用了解人工智能在文化创作的常见形式了解人工智能在公共安全领域的应用教学内容：4.1人工智能+工业4.1.1人工智能+高端装备制造4.1.2智能化工业质检4.2人工智能+经济金融4.2.1智能投顾4.2.2高频量化交易4.2.3智能风控4.3人工智能+医疗4.3.1医学影像智能判读4.3.2冠脉造影图像分析4.4人工智能+交通4.4.1无人驾驶4.4.2智能交通系统4.5人工智能+文化创作4.5.1AI+新闻写作4.5.2AI+音乐创作4.5.3AI+影视创作4.6人工智能+公共安全4.6.1人脸识别4.6.2智能视频分析教学重点：人工智能在工业与金融的核心应用；人工智能+医疗的关键案例；人工智能在交通领域的主要技术；人工智能+公共安全的核心应用教学难点：理解人工智能在不同领域的应用逻辑与技术实现差异教学方法：案例教学、视频演示、小组研讨思政融入：引导学生思考人工智能技术的社会价值与伦理边界第5章人工智能的未来发展（4学时）教学目标：了解人工智能技术的主要发展方向熟悉人工智能产品的应用发展领域掌握人工智能人才的培养方向内容了解通用人工智能的概念与未来了解人工智能未来的畅想与挑战教学内容：5.1人工智能技术的发展方向5.1.1多模态人工智能5.1.2代理型人工智能5.1.3量子人工智能5.1.4具身人工智能5.2人工智能产品的发展方向5.2.1文化遗产保护5.2.2医疗服务升级5.2.3教育创新变革5.2.4工业智能制造5.3人工智能人才的培养方向5.3.1人工智能时代的人才需求与现状5.3.2高层次人工智能人才的培养挑战5.3.3高层次人工智能人才的培养对策5.4人工智能畅想与挑战：通用人工智能5.4.1通用人工智能概述5.4.2通用人工智能的未来教学重点：人工智能技术的主要发展方向；人工智能产品的应用发展领域；人工智能人才的培养方向教学难点：通用人工智能的概念、现状与未来发展挑战教学方法：理论讲授、前沿文献导读、开放讨论第6章人工智能素养（4学时）教学目标：了解人工智能素养的内涵与范畴了解人工智能素养与信息素养、数据素养的关系掌握人工智能素养的层次框架了解人工智能素养的评估框架熟悉大学生人工智能素养的培养路径教学内容：6.1人工智能素养的内涵与范畴6.1.1人工智能素养的内涵6.1.2人工智能素养的范畴6.2人工智能素养与信息素养、数据素养的关系辨析6.3人工智能素养的层次框架6.3.1意识和理解AI6.3.2应用和分析AI6.3.3评估和创造AI6.4人工智能素养的评估框架6.4.1人工智能素养的四维评估框架6.4.2人工智能素养的三维评估框架6.5大学生人工智能素养的培养6.5.1人工智能通识教育：素养养成的基石6.5.2"AI+X"辅修：促进复合型人才培养6.5.3微专业：跨专业协同促进"AI+X"人才培养教学重点：人工智能素养的内涵与范畴；人工智能素养的层次框架；人工智能素养的评估框架；大学生人工智能素养的培养路径教学难点：人工智能素养层次与评估框架的理解与应用教学方法：理论讲授、案例分析、自我评估实践思政融入：引导学生树立正确的AI价值观，做负责任的AI使用者第7章人工智能数据安全（4学时）教学目标：了解人工智能数据安全的挑战与必要性掌握人工智能数据安全的核心维度熟悉人工智能数据安全的保障策略掌握人工智能数据安全增强技术教学内容：7.1人工智能数据安全的挑战和必要性7.1.1现实中的代表性案例7.1.2人工智能数据安全存在的挑战7.1.3增强人工智能数据安全的必要性7.2人工智能数据安全的维度7.2.1人工智能数据的隐私安全7.2.2人工智能数据的公平性7.2.3人工智能数据的可信性7.3人工智能数据安全的保障策略7.3.1对人工智能数据的监管7.3.2对人工智能产品开发者的伦理培训7.4人工智能研究和产品研发中使用的数据安全增强技术7.4.1数据加密与脱敏技术7.4.2联邦学习和安全多方计算7.4.3数据公平性评估与去偏技术7.4.4对抗样本防御7.4.5虚假信息检测技术7.4.6数据水印技术教学重点：人工智能数据安全的挑战与必要性；人工智能数据安全的核心维度；人工智能数据安全增强技术；人工智能数据安全的保障策略教学难点：人工智能数据安全增强技术的原理与应用场景教学方法：理论讲授、案例分析、专题研讨思政融入：增强学生数据安全意识，培养负责任的AI伦理观五、教学要求与实施建议（一）教学方法课堂讲授：系统讲解人工智能的基本概念、理论框架和技术原理案例教学：结合各行业典型应用案例（如医疗影像诊断、无人驾驶、智能投顾等）增强学生对理论知识的理解课堂讨论：围绕人工智能伦理、数据安全、未来发展等议题组织专题讨论实践操作：在条件允许的情况下安排信息检索、提示词工程等简单操作体验小组展示：分组完成人工智能行业应用案例分析并进行课堂展示（二）教学资源主教材：《人工智能导论（慕课版）》，王生进、李亚利主编，人民邮电出版社，2025年参考书目：待补充（可由授课教师推荐）线上资源：本教材配套慕课视频各主流大语言模型平台（文心一言、DeepSeek、Kimi等）人工智能开源社区与学习网站（三）教学条件多媒体教室（支持PPT演示、视频播放、网络连接）稳定的校园网络环境（建议）计算机机房用于部分实践环节六、考核方式与评价标准（一）考核方式期末成绩（50%）：大作业——综合应用所学知识完成人工智能主题作品例如：行业应用分析报告、AI伦理案例分析、人工智能素养调研报告等百分制，60分及格平时成绩——实战训练（40%）：完成10次课后实践任务包括：课后习题、案例分析、小组研讨、实践操作等按优/良/中/及格/不及格五级评定平时成绩——平时表现（10%）：出勤情况、课堂参与度缺勤2次以上无法获得学分（二）期末大作业评价标准评价维度及权重：主题明确性（20%）：优秀90-100分为主题清晰问题聚焦；良好75-89分为主题较明确；合格60-74分为主题基本明确；不合格60分以下为主题模糊内容准确性（30%）：优秀为概念准确论述严谨；良好为内容较准确；合格为基本准确；不合格为存在明显错误分析深度（30%）：优秀为分析深入有独立见解；良好为分析较深入；合格为基本分析；不合格为缺乏分析成果呈现（20%）：优秀为结构清晰表达流畅；良好为呈现较规