高三信息技术选修复习项目：智构坤舆·推理红楼-知识图谱驱动的演绎推理与专家系统原型设计

高三信息技术选修复习项目：智构坤舆·推理红楼——知识图谱驱动的演绎推理与专家系统原型设计

一、教学内容分析

【基石·核心概念】

本课属于高中信息技术选择性必修课程模块五《人工智能初步》（教科版）第四章“用计算机推理”的整合重构单元。教学内容精准锚定“演绎推理的机器实现”与“知识的形式化表示”两大核心交叠地带，打破原教材中“知识表示”（第三章）与“专家系统”（第四章）的线性切割，以大概念“知识可计算”为锚点进行单元重组。内容体系包括三个递进层次：底层是知识表示的形式化规范（实体-属性-关系三元组、框架表示、语义网络），中层是演绎推理的机械规程（假言推理、三段论、冲突消解策略），顶层是专家系统的外壳实现（推理机与解释机制的协同）。

【高频考点·难点·热点】

【高频考点1★】从非结构化文本（如病历、法条、文学片段）中准确抽取三元组，定义实体类别与关系标签。

【高频考点2★】基于规则库进行前向链推理，追踪推理路径并生成解释文本。

【难点1★★】处理不完全知识下的缺省推理与多源知识冲突时的可信度衰减计算。

【难点2★★】区分“演绎推理”与“归纳/溯因”在本课项目中的边界，避免学生在构建规则时混入概率统计思维。

【热点★★★】结合大语言模型时代背景，辩证分析符号主义（知识图谱+规则推理）与连接主义（神经网络）在可解释性上的本质差异——本课直接回应新课标“人工智能伦理与可解释AI”的前沿要求。

【跨学科接口】语文科《红楼梦》整本书阅读中的人物关系网络分析；政治科逻辑学基础（假言判断、选言推理）；数学科图论基础（节点、边、路径）。

二、学情定位

【认知起点】

授课对象为高二年级选修人工智能方向学生。学生已于必修1《数据与计算》中掌握Python基本数据结构（字典、列表）及简单的递归思维；于本学期前序课程中初步接触过Prolog语言的基本事实与规则陈述，但多数学生仅停留在“背语法”阶段，并未真正理解“合一”与“回溯”的计算本质。学生普遍对“推理”存在经验主义误解——常将“快速猜到答案”等同于“机器推理”，对形式化系统的机械性、穷举性缺乏敬畏。

【思维障碍预警】

【重要】学生极易混淆“人的推理”与“机的推理”：人在读《红楼梦》时会自动调用社会常识（“贾母在场所以王夫人不敢过分责骂”），而机器必须依赖显式编码的规则。本课必须通过认知冲突设计，让学生亲历“规则不完善→推理荒谬→修正规则”的完整痛苦周期，方能内化形式化思维。

三、教学目标

（一）学科核心素养

1.信息意识——【基础】能够识别生活中可用规则系统表征的问题领域，形成“将模糊经验转化为明确规则”的自觉意识。

2.计算思维——【核心】掌握“问题形式化”的基本操作：能对《红楼梦》选段中的事件进行本体建模，定义类与实例；能运用前向链推理算法手动模拟推理过程；能评价规则集的完备性与冗余度。

3.数字化学习与创新——【重要】熟练使用SmartKG、GephiLite或ExcelPowerMap完成知识图谱的可视化表达；能基于简易推理引擎（如NaiveRuleEngine.py模板）修改规则文件，实现特定问题的咨询功能。

4.信息社会责任——【热点】通过对“AI判案”“AI问诊”类系统的模拟构建，辩证讨论“若推理规则本身隐含偏见（如主仆关系的不对等编码），系统应如何被审计”这一伦理命题。

四、教学重难点

【重点】知识图谱的建模三要素（实体、关系、属性）及其在Python字典中的嵌套存储结构；基于产生式规则的前向链推理过程与工作存储器变化轨迹。

【难点】将自然语言中的“因为……所以……”转化为机器可执行的“IF…THEN…”时，对隐含前提的显式化补全策略（如：原文未明写“贾政是宝玉之父”，但通过称谓推断，需手动添加事实）。

五、项目情境与课时规划

【总项目名称】智构坤舆·推理红楼——大观园家政委任推理系统开发

【驱动性问题】假如你是清虚观道士，需设计一套“AI家政委任咨询仪”供奉于贾府祠堂。族人只需输入某人的行为事实（如“宝玉又砸玉了”“王夫人抄检大观园”），系统便能依据《红楼梦》前八十回隐含的“家法伦理规则”推理出“谁会被问责”“贾母是否会出面”等结论，并用可视化的“罪责图谱”呈现推理链路。你该如何用知识图谱编码整部小说的伦理知识？

【课时规划】本设计为第3-4课时（90分钟大课），属于项目中期攻坚阶段。前2课时已完成《红楼梦》前五回主要人物知识图谱的初构（约50个实体，6种关系）；本课聚焦“从静态图谱升级为动态推理系统”，即从“知道谁是谁”到“推导出怎么办”。

六、教学实施过程（核心环节，详案呈现）

（一）入项·认知冲突：推理机器为何“智障”？

【教学行为】教师投屏展示一个“低配版”红学问答机器人（该机器人仅链接了人物知识图谱但无推理规则）。学生自由提问如“贾母是否支持抄检大观园？”系统回答：“无法回答，图谱中未直接存储‘贾母-支持-抄检’边。”课堂瞬间发出失望笑声。

【教师追问】“图谱里明明有贾母、王夫人、邢夫人，也明明有‘抄检大观园’事件节点，为什么机器就是答不出‘支持’关系？我们人脑读到第七十四回时，是怎么推断出贾母其实次日遣人来质问王夫人的？”学生答：“因为我们推理了，机器没有。”

【核心概念锚定】教师板书学科大概念：【推理=已知事实+通用规则→新事实】。人类储存在脑海里的不是无数条具体结论（贾母→支持抄检？结论存疑），而是“婆婆通常维护丫鬟吗？”“邢夫人是王夫人的妯娌，送绣春囊意在打击王夫人势力”这类社会规则。本课使命：将这些隐性规则显式化为机器可执行的产生式规则。

【重要等级】☆☆☆☆☆（认知定锚）

（二）解构·推理机的黑箱

1.专家系统四部件隐喻——教师以“中医诊所”类比：

• 知识库（病历本+医书）→本课中即【人物知识图谱+伦理规则集】。

• 推理机（老中医把脉的大脑）→本课中即【前向链匹配引擎】。

• 工作存储器（临时处方笺）→本课中即【当前已知事实列表，随推理动态扩充】。

• 解释器（向病人讲为什么开这味药）→本课中即【推理路径回溯功能】。

2.【基础】规则语法精讲：

IF 人物A是人物B的丫鬟AND丫鬟犯有过错AND该过错被主子知悉

THEN 主子应当责罚该丫鬟（置信度0.9）

明确规则由“前提条件”（用AND/OR连接的事实模式）与“结论”（可断言的新事实或执行动作）组成。强调：规则本身不指向具体人名，而是变量模式（A/B是变量），需通过“模式匹配”与工作存储器中的具体事实（如“晴雯是宝玉的丫鬟”）进行变量绑定，此即“假言推理”的机械化过程。

3.【难点攻坚】手工模拟推理回合——全体学生领取《大观园推理工作纸》。

案例：已知事实库F={贾政是宝玉之父，王夫人是宝玉之母，贾母是贾政之母，宝玉砸玉，王夫人闻讯震怒}。

规则R1：IF子砸玉AND父在场THEN父呵斥子。

规则R2：IF母闻子闯祸THEN母移步至子处。

规则R3：IF祖母尚在AND父欲重责子THEN祖母介入调和。

学生四人小组在巨型纸质推演板上，用便利贴模拟“事实-规则匹配”循环，并用箭头绘制出“贾母最终出场”的完整推理链路。教师在巡视中刻意收集典型的“错误推演”——例如有小组因未显式加入“贾政在场”事实，导致R1始终未被激活。此错误成为后续“知识表示完整性”的绝佳教学资源。

【高频考点】前向链的数据驱动特性：每次匹配所有规则，选取优先级最高的执行，修改工作存储器，循环至无新规则可匹配为止。

（三）建模·从文本到三元组的“翻译官”实训

1.【跨学科融合】出示《红楼梦》第三十三回“手足眈眈小动唇舌不肖种种大承笞挞”节选原文片段。任务指令：“假设你要把贾政笞挞宝玉的完整经过录入推理系统，请以‘事件’为实体，以‘导致’‘发生时间’‘在场者’为属性边，构建不少于8个三元组。”

2.分层支架：

• 青铜级：抽取出显性三元组（贾政-实施-笞挞，宝玉-承受-笞挞）。

• 钻石级：抽取出隐式三元组（忠顺王府长史官-告发-琪官事件，贾环-进谗-金钏投井）。

• 王者级：对事件进行“状态-迁移”建模——将“贾政怒”定义为实体，赋予属性[强度:10]，其前序事件是[贾环进谗]，后续事件是[喝令捆宝玉]。

3.工具赋能：学生使用修订后的SmartKG平台（已预制《红楼梦》人物本体层）快速拖拽生成该回目的“事件知识图谱”。教师选取三组典型作品投屏对比，焦点议题：【重要】同一个“笞挞”事件，为何A组将其属性写作“原因：忠顺王府+贾环”，B组却写作“原因：贾政长期积怒”？这不是谁对谁错，而是知识粒度的选择——推理系统要求“原子事实”，需将复合原因拆分为两条独立事实，否则规则将无法单独匹配“因贾环进谗触发”的独立情景。

4.【热点·伦理渗透】此时一位学生提问：“如果只录入贾环进谗导致笞挞，不录入宝玉本身交结伶官的事实，系统是不是会认为贾环是全责？”教师立即以此为契机，引入“训练数据偏见”概念：知识图谱的构建者握有定义“何为重要事实”的生杀大权。若我们出于对赵姨娘的厌恶，刻意删除贾环动机的合理性描述，AI推理结果必然歪曲原著。本环节不以技术操作炫技为目标，而以“建模即解释”的媒介素养教育为升华。

（四）编码·手写规则引擎的胚胎

1.脱敏算法教学——教师发放经过简化的“推理机核心伪代码”：

whileTrue:

匹配的所有规则=[]

for规则in知识库.规则集:

变量绑定=模式匹配(规则.前提,工作存储器.事实)

if变量绑定成功:

匹配的所有规则.append((规则,变量绑定))

if匹配的所有规则为空:break

选中的规则=冲突消解(匹配的所有规则)#本课采用“特异性最高优先”原则

新事实=实例化(选中的规则.结论,变量绑定)

工作存储器.添加事实(新事实)

输出推理日志

学生并非孤立编写此代码，而是在半成品Python文件RuleEngineSkeleton.py中填充“模式匹配”与“变量合一”关键函数。这是本课【计算思维】的拔高点——学生需理解“贾政是宝玉之父”与规则中的“?x是?y之父”是如何通过字典键名完成绑定的。

2.【重要】冲突消解策略的课堂生成——当多条规则同时匹配时，机器如何抉择？学生分组扮演不同策略：以规则优先级静态排序的“专制组”、随机选取的“民主组”、选择新增事实最多规则的“功利组”。各组用同样的事实库跑不同策略，发现“专制组”虽然可解释性强但缺乏弹性；“随机组”导致贾母时而干预时而不干预，不合文学逻辑。最终班级共识：本课项目采用“专制度+特异度”混合策略，即领域专家（语文科代表）可预先为关键规则赋予更高权重。

3.【差异化实践】对于编程基础薄弱的小组，允许他们以“规则卡片”物理排序的形式完成冲突消解的思维演练，并借助图形化界面（MITAppInventor扩展）完成推理黑箱的可视化连线。

（五）闭环·从推理机到咨询系统

1.原型整合——各小组将前三节课构建的人物知识图谱（.csv格式）、本课编写的规则集（.txt）、推理引擎脚本（.py）整合进一个简易Flask网页应用。页面包含：

• 输入框：用户用自然语言描述一次贾府内部事件，如“邢夫人在大观园门口当众羞辱王熙凤”。

• 后台处理：经关键词识别转换为事实三元组，载入工作存储器，启动推理。

• 输出区：以折叠卡片形式展示“推理结论”（如“王熙凤可能向王夫人哭诉”）以及“推理路径图”（基于NetworkX动态绘制的有向图，节点为事实，边为规则ID）。

2.【难点2★★】处理缺省推理——当系统缺乏规则无法推出任何结论时，如何避免尴尬沉默？教师引导学生引入“沉默即合理”的缺省规则：IF无规则可匹配AND未超时THEN输出“依贾府旧例，此事应不了了之”。此环节深刻揭示了专家系统的知识边界性，是比“功能实现”更高级的元认知觉醒。

3.作品漂流瓶——组间互测。A组输入“薛宝钗劝宝玉用功读书，宝玉摔帘而去”，B组系统输出的是“王夫人不悦，薛姨妈尴尬”还是“袭人从中调停”？差异引发了关于规则集文化立场的激烈辩论：偏向“礼教维护”的组编写了规则“IF表妹劝学AND表哥顶撞THEN表妹受委屈”，而偏向“个性解放”的组则编写了“IF宝玉反感仕途经济THEN任何劝学者都被顶撞是合理的”。教师在此刻升华：技术永远负载价值。不存在中立的推理系统，正如不存在中立的教科书。

（六）元认知·GraphRAG时代为何还要学符号推理？

1.【热点★★★】教师展示当下学术界热门框架GraphRAG（微软开源）的原理示意图。学生发现：原来工业界解决大模型“幻觉”问题的最新方案，恰是让GPT先生成知识图谱，再基于图谱进行推理——这正是本课所学“三元组+规则”的工程化重现！

2.对比实验：学生分别用纯GPT-4o与“自建图谱+简单规则”系统回答同一问题：“贾政为什么没参加中秋家宴？”GPT的回答似是而非，胡诌出“贾政出差”的谎言；而基于图谱的系统明确显示“无直接事实，但有规则：‘若丁忧则应告假’，贾政彼时未丁忧，故原因未知”。这种“诚实的无知”恰恰是专家系统的尊严所在，也是可解释AI的核心价值。

3.【重要】学生在本环节自发鼓掌。认知闭环达成：他们理解了——在追求大模型无所不知的时代，为特定领域建立可控、可审计、可修正的小型知识推理系统，不仅没过时，反而是对AI滥用的一种专业纠偏。这种专业自信，远胜于单纯的技术掌握。

（七）作业与拓展

1.【个人必做】录制3分钟微视频“我的一次推理建模之旅”，讲述自己在规则编码过程中最难忘的一次“语义塌方”——比如尝试将“凤姐泼醋”后的心理活动表示为规则时遇到的不可形式化困境，并写下反思。

2.【小组选做·跨学科挑战】与历史学科联合，选取《大明律》中“亲属相为容隐”条，将其转化为IF-THEN规则，并模拟测试海瑞判牍中的真实案例。优胜成果将纳入校“人工智能+文史哲”跨学科案例库。

七、学习评价设计

1.【嵌入式评价】过程性量规聚焦三个维度：

• 知识粒度：抽取的三元组是否冗余度低且覆盖关键情节。

• 规则保真度：推理结论是否符合《红楼梦》前八十回的逻辑自洽（允许多种解释并存，但需内部一致）。

•