语言基础及应用 1

课程名称大语言模型及其应用授课对象任何专业、任何年级授课题目1.大语言模型概述计划学时2教学目的1.了解人工智能、生成式人工智能、自然语言处理与大语言模型的基本概念。2.理解国内外大语言模型的发展脉络及其教育应用价值。3.能够结合小学教育与信息技术场景，举例说明大语言模型对教学、学习与评价的影响。教学思想1.提高学生自主学习与问题表达能力，引导学生从“会使用AI”走向“会设计AI任务”。2.强调理论与实践结合，通过案例演示、堂内上机和作品迭代体现学生主体地位。3.培养负责任使用人工智能的意识，使学生能辨析模型输出的可靠性、局限性与伦理风险。教学分析教学内容人工智能基础知识；生成式人工智能；自然语言处理；大语言模型发展、代表模型及其对教育的影响。教学重点大语言模型的基本概念、发展历程、典型应用及教育影响。教学难点1.区分人工智能、生成式人工智能、NLP与大语言模型之间的关系2.理解大语言模型在教育中的优势与局限。教学方法1.启发式教学：通过问题情境导入，引导学生发现提示词设计的必要性。2.案例教学：结合教材案例、教育应用案例和教师演示进行讲解。3.实践教学：每次课安排堂内上机练习，要求保留提示词、模型输出和修改过程。4.讨论评价：通过展示、同伴互评和教师点评促进提示词持续优化。教学策略1.按“基础认识—提示方法—智能办公—程序设计—综合考核”的路径组织学习。2.每次课围绕一个具体任务形成“提示词设计—模型输出—优化修订—结果反思”的闭环。3.对作品评价强调过程证据，要求学生提交关键提示词、交互记录、最终成果和学习反思。教学过程本次课程内容介绍：第一部分：介绍课程学习内容、学习方式和考核要求，帮助学生了解本课程将围绕大语言模型基础、提示词设计方法及其教育应用展开学习。第二部分：介绍人工智能基础知识（P5），重点讲解人工智能的基本概念、弱人工智能、增强人工智能和强人工智能的区别，并结合教材中“大语言模型：弱人工智能的巅峰与增强人工智能的曙光”内容，帮助学生理解大语言模型在人工智能发展中的位置。第三部分：介绍生成式人工智能（P7）和自然语言处理（P9），重点讲解文本生成、图像生成、音频生成、代码生成等典型应用，以及自然语言处理与大语言模型之间的关系。第四部分：介绍大语言模型的发展（P11）和国内外大语言模型代表（P15），结合GPT系列发展简史和国内外代表性模型，帮助学生了解大语言模型的发展脉络。第五部分：介绍大语言模型对教育的影响（P17），重点讲解个性化学习、自动化评估与反馈、教学内容创作支持、语言学习辅助和教育研究与数据分析等应用方向。课堂教学安排一、知识导入讲授方式：向学生提问和教师总结1.课程学习内容介绍1）本课程主要围绕大语言模型的基本概念、提示词设计方法及其在教育、办公和程序设计中的应用展开。2）课程学习方式以“理论讲解+案例演示+堂内上机练习”为主。3）说明后续课程将围绕教材案例进行提示词设计与实践操作。2.导入提问1）你是否使用过ChatGPT、DeepSeek、Kimi、文心一言、通义千问等大语言模型？2）你通常用它们完成哪些学习或生活任务？3）你认为大语言模型与传统搜索引擎有什么不同？二、知识讲解讲授方式：PPT与教材内容结合，重点进行概念讲解和应用分析1.人工智能基础知识（P5）1）人工智能的基本概念。2）弱人工智能、增强人工智能和强人工智能的区别。3）大语言模型在当前人工智能发展阶段中的位置。教学案例：人工智能发展阶段分析要求：结合教材图1.1“人工智能的发展阶段及状态”，引导学生分析当前大语言模型为何仍属于弱人工智能的高级形式，同时具有向增强人工智能发展的特征。2.生成式人工智能（P7）1）生成式人工智能的含义。2）文本生成、图像生成、音频生成和代码生成等典型应用。3）生成式人工智能在教育中的应用价值。教学案例：生成式人工智能应用识别要求：教师展示若干应用场景，如“生成教案”“生成图片”“自动写代码”“制作PPT大纲”，让学生判断这些任务分别属于哪一类生成式人工智能应用。3.自然语言处理（P9）1）自然语言处理的基本概念。2）文本分类、机器翻译、自动摘要、问答系统等典型任务。3）自然语言处理与大语言模型之间的关系。4.大语言模型的发展（P11）1）GPT系列的诞生背景。2）GPT-1、GPT-2、GPT-3、GPT-4的发展简史。3）Transformer架构、大规模预训练、多模态能力等关键技术突破。教学案例：GPT系列发展简史要求：结合教材图1.2“GPT系列发展简史”，让学生总结GPT系列从文本生成到多模态理解的发展特征。5.国内外大语言模型介绍（P15）1）国外大语言模型代表：GPT、Claude、LaMDA、LLaMA等。2）国内大语言模型代表：ChatGLM、讯飞星火、文心一言、通义千问、DeepSeek等。3）不同模型在中文处理、对话生成、代码生成和教育应用中的特点。6.大语言模型对教育的影响（P17）1）个性化学习。2）自动化评估与反馈。3）教学内容创作支持。4）语言学习辅助。5）教育研究与数据分析。教学案例：大语言模型辅助教师备课要求：教师现场输入“请为小学信息科技课设计一个人工智能导入活动”，展示模型输出，并引导学生初步体会提示词对输出质量的影响。三、课堂总结讲授方式：结合PPT教师总结，布置课后思考本课主要介绍了人工智能、生成式人工智能、自然语言处理和大语言模型的基本概念，梳理了GPT系列和国内外大语言模型的发展情况，并重点分析了大语言模型对教育领域的影响。通过本讲学习，使学生初步理解大语言模型的技术背景和教育应用价值，为后续学习提示词工程奠定基础。课后思考：教材P1