高中一年级信息技术：知识表示与专家系统教学设计

高中一年级信息技术：知识表示与专家系统教学设计一、教学基本信息本教学设计面向高中一年级学生，依托人教—中图版《信息技术·人工智能初步》教材第二章第一节"知识表示与专家系统"展开，计划用两课时完成，每课时四十五分钟。授课地点为配备联网计算机与Python环境的计算机教室，学生以四人小组为单位开展合作学习。本课是"人工智能技术基本原理"章的起始课，承担着帮助学生从"使用人工智能产品"转向"理解人工智能内部机制"的关键任务。知识表示是人工智能大厦的地基，专家系统是人工智能早期最成功的应用形态，二者结合能够让学生真切看到"机器如何持有知识、如何运用知识进行推理"，为后续搜索算法、机器学习等内容的教学奠定认知框架。二、学情分析高一学生在必修模块中已经完成Python基础语法学习，能够读懂简单程序，对"if条件判断"结构较为熟练，这为本课使用规则推理程序提供了技术支撑。同时学生在日常生活中接触过智能客服、人脸识别、导航软件等应用，对"人工智能"一词不陌生，但普遍存在两个迷思：其一，认为人工智能等于深度学习或大模型，不知道人工智能还有基于符号逻辑的古典路线；其二，认为程序的"智能"来自神秘算法，难以想象"一条条规则"也能构成智能行为。学生的抽象思维正处于由经验型向理论型过渡的阶段，对"知识"与"数据"的区别、对"推理"这一思维活动的形式化表达尚显薄弱。教学中需要搭建充分的脚手架：从手工整理班级植物养护经验入手，经历"knowledge是什么—如何写成机器能懂的规则—机器如何用规则答题"的完整链条，再过渡到专家系统结构图，最后以小型汇诊系统的程序实践收束，实现由具体到抽象、再由抽象回归应用的双向建构。三、教学目标1.信息意识目标。通过梳理校园植物养护、班级图书借阅等真实场景中的经验性知识，体会知识是数据的组织与提炼，能够判断日常问题中的"事实"与"规则"两类知识成分，形成将隐性经验显性化的意识。2.计算思维目标。理解产生式规则"如果……那么……"的结构，掌握事实库、规则库、推理机三要素的职能分工，能够针对一个微型问题域手工设计不少于六条产生式规则，并追踪正向推理的执行路径，画出推理过程的示意图。3.数字化学习与创新目标。在教师提供的规则引擎模板基础上，修改事实与规则，让程序输出正确结论；尝试改进规则顺序、补充缺失规则，体会知识库的完备性对系统表现的决定作用，初步感受"知识获取是瓶颈"这一历史论断的含义。4.信息社会责任目标。通过分析早期医疗专家系统MYCIN的成功与局限，讨论"机器给出诊断建议时的责任归属"问题，认识专家系统只能在限定领域、限定知识范围内工作，树立审慎看待人工智能输出的态度。四、教学重点与难点教学重点是知识的类型划分与产生式表示法，以及专家系统"两库一机"的基本结构。这部分内容是全章后续学习的通用语言，必须讲透、练熟。教学难点是推理机的工作机制，尤其是正向推理中"规则匹配—冲突消解—执行动作—事实更新"的循环过程。学生容易把推理机理解成"按规则编号顺序执行一遍"，教师需要通过单步追踪活动纠正这一误区，让学生体会推理结果依赖知识状态而非规则书写顺序。五、教学方法与准备采用情境导入、任务驱动、自主探究与讲授精讲相结合的方式。教师提前准备：植物养护经验卡片一套、产生式规则空白卡片若干、磁性白板及磁贴、规则推理演示程序rule_demo.py、动物识别小系统半成品代码animal_expert.py、课堂学习任务单与评价量规。将学生分为八个四人小组，每组设记录员、操作员、汇报员与质询员四个角色，课中轮换。六、教学过程第一课时：什么是知识，知识如何表示（一）情境导入（约七分钟）教师投影两张照片：一张是本班窗台上的多肉植物，叶片发软、颜色暗淡；另一张是隔壁班同款多肉，饱满挺拔。教师提问：同样品种、同样光照，为什么长势不同？学生自由发言后，教师请"植物养护小能手"分享经验，并请全班注意倾听时把经验记录下来。学生记录的内容大致是"土干了才浇水""夏天不能暴晒""冬天要少浇水"等口语化句子。教师追问：这些经验存在于同学头脑中，电脑能直接用吗？不行，因为电脑不认识"暴晒""少浇"这些模糊词语。由此引出本课核心问题：怎样把人的经验写成机器能够存储和使用的形式，这就是知识表示要解决的问题。（二）新知建构：知识的类型（约十二分钟）教师引导学生将刚才记录的经验进行分类。学生讨论后可归成两类：描述"是什么"的，如"这盆多肉属于景天科""当前盆土潮湿"；描述"该怎么做"的，如"如果盆土干燥则浇水"。教师顺势给出概念：前一类叫叙述性知识（事实型知识），后一类叫过程性知识（规则型知识），并补充演绎性知识与经验性知识的区分角度。教师板书并强调三组关键词：事实回答"是什么"，规则回答"怎么办"；事实是推理的起点，规则是推理的路径；知识与数据不同，数据是原材料，知识是经过组织、可用于决策的信息结构。随后进行快问快答小练习，教师逐一出示六个语句，学生举牌判断属于事实还是规则：①今天是星期一；②如果体温超过三十七点三度则建议居家隔离；③图书馆周五下午闭馆；④期末成绩由平时与期末两部分构成；⑤如果借书超期则暂停借阅权限；⑥小明的借书证状态为冻结。教师即时点评，特别指出④表面是事实，实际隐含了一条计算规则，可改写为"如果总评成绩低于六十分则需要补考"，让学生体会同一内容可以用不同知识形式表达，表达形式取决于使用目的。（三）核心活动：把经验写成规则卡（约十五分钟）各小组领取一套植物养护经验卡片（共十张，内容为原始口语经验）与若干空白规则卡。任务是将口语经验改写为标准产生式规则，格式为"如果［前提条件］，那么［结论或动作］"，并给每条规则编号R1、R2……同时为当前植物状态填写三张事实卡，格式为"事实F1：盆土干燥"等。改写过程中教师巡视，捕捉典型问题：有的组把两个条件写成"如果土干或者天冷则浇水"，教师引导其思考"或"关系应拆成两条规则；有的组前提中使用"适当""偶尔"等模糊词，教师提示机器需要可判断的条件，应改写成可观测的特征；有的组出现规则结论与另一条规则前提衔接，教师指出这正是规则可以"链式"推理的基础，保留并给予表扬。完成后请两组将规则卡贴在磁性白板上展示。全班共同检查：规则是否有编号、前提是否可判定、结论是否明确、规则之间能否衔接。教师示范一次手工推理：以"盆土干燥、当前为春季、植物品种为多肉"为初始事实，逐条尝试匹配规则库，用磁贴移动展示匹配、触发、加入新事实的过程，直至推出"浇水50毫升"的最终结论。教师点拨：刚才大家默默执行的那个"拿事实去对规则、对上就执行、把结论加回事实再继续"的过程，就是推理机干的事情。本节课我们用手演了一遍，下节课让计算机来演。（四）小结与过渡（约五分钟）学生用一句话完成学习单上的填空："知识表示就是把___写成___，让机器能够___。"教师收集几份答案投影分享，强调表示方法的选择直接影响推理的效率与范围。教师简要预告：表示方法不止产生式一种，还有语义网络、框架等，教材中有精要介绍，请同学们课后阅读并完成一个对比表格；下节课我们将认识一种专门利用这些规则工作的程序系统——专家系统。（五）作业布置（约六分钟）必做题：阅读教材中知识表示方法一览部分，用表格对比产生式、语义网络、框架三种方法在表达特点与适用场景上的差异，每种方法举一个生活化例子。选做题：采访家中一位有烹饪经验的成员，将其某道拿手菜的经验整理成不少于五条产生式规则，下节课在组内交流，感受知识获取的难易程度。七、教学过程第二课时：认识专家系统，让机器为你推理（一）复习衔接（约五分钟）教师请一名学生上黑板写出产生式规则的标准结构，再请另一名学生口头复原上节课的手工推理过程。随后提出新情境：某同学养了三十盆植物，规则膨胀到八十条，手工推理一次就要一节课，怎么办？引出把规则交给程序执行的需求，进入专家系统的学习。（二）专家系统的结构与历史（约十二分钟）教师讲授专家系统的诞生背景：二十世纪六十年代末，斯坦福大学研制出DENDRAL系统，能够根据质谱数据推断有机化合物的分子结构，其表现接近化学专家；此后MYCIN系统在血液感染诊断领域达到资深医生水平，开创了"知识工程"时代。这些系统的共同点是不依赖统计大数据，而是依赖专家提供的规则库进行符号推理。教师配合结构图讲解专家系统的四大组成部分。知识库：存放事实与规则，是系统的"大脑存货"；推理机：负责规则匹配与推理控制的程序，是系统的"思考流程"；人机接口：负责与用户交互，接收输入、输出结论，是系统的"嘴巴耳朵"；解释机构：能够回答"你为什么得出这个结论""你怎么得出这个结论"，展示推理链，这是专家系统区别于黑箱模型的重要特征。教师强调"知识＋推理＝智能行为"的基本公式，并指出知识库与推理机分离的设计思想：更换规则不需要改写程序，系统因此可以在不同领域复用。（三）程序实践：动物识别小专家（约十八分钟）各组在计算机上打开animal_expert.py。教师提供的事实写法与规则结构示意如下，以板书的可视化方式呈现：事实表示（用Python字符串列表）：facts=["有毛发","会吃肉","有蹄"]中按用户输入逐个加入。规则表示（每条规则含前提集合与结论）："If有毛发Then哺乳动物""If哺乳动物And会吃肉Then食肉动物""If哺乳动物And有蹄Then有蹄动物""If食肉动物And黄褐色皮毛And有黑色斑点Then金钱豹"程序中的推理循环伪代码呈现为：重复执行①扫描全部规则，找出前提全部满足且结论尚未成立的规则；②将该规则的结论加入事实集合；③直到没有新事实产生为止，然后按优先级输出最高层的具体结论。任务的四个层次：第一，运行程序，选择"有毛发、会吃肉、黄褐色皮毛、有黑色斑点"，观察程序输出"金钱豹"，并记录推理链中出现的中间结论；第二，故意删除"有黑色斑点"，观察输出退化到"食肉动物"，体会证据与结论强度的关系；第三，仿照已有规则为系统新增两条，使其能识别"长颈鹿"（提示：有蹄动物、有长颈、黄褐色皮毛、有深色斑点）；第四，探究性任务——将某两条规则的编号先后对调，运行比较输出是否变化，讨论推理结果与规则书写顺序的关系，验证推理机"知识驱动而非顺序驱动"的特性。教师巡视时重点关注学生是否真正打开了推理链的展示输出，鼓励学生朗读自己系统给出的解释语句，如"因为你输入了有毛发，所以判定为哺乳动物；因为是哺乳动物且有黑色斑点……"，让学生在语言的因果链条中体会可解释性的价值。（四）深度讨论：专家系统的边界（约七分钟）教师抛出问题链：如果我们给系统输入一万条规则，它能变成名医吗？如果规则之间互相矛盾，会发生什么？如果病例超出规则覆盖范围，系统会承认"不知道"还是会硬猜？小组讨论后发言。教师结合MYCIN的历史做小结：专家系统在限定领域表现卓越，但知识获取依赖专家访谈，周期长、成本高，被称为"知识获取瓶颈"；常识缺失与无学习能力使其难以应付开放环境；正是这些局限，促使研究者探索让机器从数据中自动学习的道路，而那就是我们下一章的主题——机器学习。讲述中自然埋下章节衔接的伏笔。同时开展责任观讨论：假如未来医院引入规则型辅助诊断系统，医生应当无条件采纳其建议吗？结论应落在"系统提供参考、人类承担责任、输出必须可追溯"三个要点上。（五）课堂总结（约三分钟）师生共同回顾本单元学习线索：经验——知识——产生式规则——知识库——推理机——专家系统。教师布置课后任务：以四人小组为单位，选择一个校园微场景（如失物招领分类、图书荐购、食堂菜品偏好调查），设计一个微型专家系统方案，要求画出结构框图、编写八条以上产生式规则，并说明推理方式选正向还是反向及其理由，下节课推选两组进行路演展示。八、板书设计主板书：左边自上而下写"数据—信息—知识"三个词并用箭头连接；中间书写产生式规则的标准格式"If前提Then结论"；右边画专家系统结构框图，知识库与规则库居左，推理机居中用箭头指向右侧的人机接口与解释机构；底部留一行写核心理念"知识＋推理＝智能行为"。副板书：学生规则卡展示区与推理链追踪区，随课堂活动动态更新，保留至下课供学生拍照整理笔记。九、教学评价本课采用过程性评价与成果性评价相结合的方式。过程性评价关注规则卡改写质量、小组讨论贡献度与举手质询次数，由教师依据量规随堂记录；成果性评价针对动物识别程序的四个任务层级设置达成标准，第三层级（独立新增规则并成功运行）作为关键能力观察点；课后方案设