高中信息技术选择性必修4《知识表示与专家系统》教学设计

高中信息技术选择性必修4《知识表示与专家系统》教学设计一、教学设计理念与依据本课内容选自人教中图版高中信息技术选择性必修4《人工智能初步》第二章第一节，是连接"感知人工智能"与"理解人工智能内部机理"的枢纽，也是符号主义人工智能的入门课。义务教育阶段学生已在感性层面体验过人脸识别、语音助手等应用，但"机器如何存储和运用知识"始终是黑箱。本课设计的任务，就是把这只黑箱打开一条缝，让学生看清楚知识在计算机中的形态、流转与推理过程。设计遵循三条基本原则。其一，以真实问题为锚点，选取学生天天接触却从未深究的"人机猜病对话"作为情境主线，使知识表示方法的学习有明确的任务归宿。其二，以认知冲突为杠杆，让学生在"明明是数学知识，计算机却不会做"的悖论中发现知识表示的必要性。其三，以分层递进为路径，从一阶谓词到产生式规则，再到专家系统结构推演，难度控制在选择性必修4的定位之内，不拔高为大学人工智能课程，也不降格为科普故事。二、教材分析本章在整册教材中承担着"从体验到机理"的转向功能。第一章让学生认识了人工智能的发展脉络与典型应用，第二章开始深入到知识工程层面。2.1节包含三个核心板块：知识与知识表示的概念，常用知识表示方法（逻辑表示、产生式规则、语义网络、框架），以及专家系统的基本结构、知识库与推理机的协同工作机制。教材的编排意图十分清晰：知识表示是"地基"，专家系统是"建筑"。知识表示解决的是"如何把人类知识装进计算机"，专家系统解决的是"装进之后如何让机器像专家一样运用知识求解问题"。教学中必须守住这条逻辑链，切忌把本节上成名词概念课。产生式规则是作为后面推理机制铺垫的关键内容，语义网络和框架表示则以认识其结构特征为度，不宜展开过深。本课用2课时完成。第一课时聚焦知识与知识表示；第二课时聚焦专家系统的结构、推理及简单实践体验。三、学情分析授课对象为高二年级选修本模块的学生，具备三个已有基础：其一，完成过必修1与必修3的学习，会编写简单Python程序，理解变量、条件分支、列表、字典等结构；其二，在日常生活中有大量调用智能助手、导航、问诊小程序的经验，对"专家型问答"不陌生；其三，在数学学科中学习过命题逻辑与充要条件，为理解谓词逻辑提供了迁移支架。同时存在三个典型认知障碍：第一，混淆"数据"与"知识"，认为计算机里存了百度百科就等于有了知识；第二，对"规则IFTHEN就等同于if语句"产生表层迁移，忽略规则库的非过程性特征；第三，对推理机的理解停留于"搜索关键词"，难以建立"事实驱动或目标驱动的匹配执行循环"这一核心模型。教学设计的提问链和冲突点均围绕这三处障碍布置。四、教学目标信息意识层面：能够从真实情境中辨识"数据、信息、知识"三个层次的差异，认识到知识必须经过结构化表示才能被计算机推理使用，形成对智能系统"内部机理"的关注兴趣。计算思维层面：掌握谓词逻辑、产生式规则两种知识表示方法的基本结构，能用规则形式表达生活中的条件判断类知识；理解专家系统中知识库、推理机、事实库的分工，能用"匹配—执行—更新"的循环描述一次正向推理过程。数字化学习与创新层面：能借助简易推理脚本或在线专家系统体验于心遇症、动物识别等任务中感受规则推理的力量与局限，并尝试用表格或程序结构自主构建不少于五条的小型规则库。信息社会责任层面：通过分析专家系统在医疗、法律等高风险场景的边界，认识知识的不完备与规则冲突可能带来的误判风险，初步建立"机器输出需要人审视"的审慎态度。五、教学重点与难点教学重点有二：一是产生式规则表示法的结构及其与程序if语句的本质差异；二是专家系统的组成结构，尤其是知识库与推理机分离这一设计思想。教学难点有二：一是推理机的工作机制，即事实与规则前件的匹配循环；二是数据、信息、知识三个概念的区分。难点突破的主要手段是可视化推演板书和学生亲手"扮演推理机"的操作活动。六、教学策略与方法本课采用"情境冲突—概念建构—结构化表达—系统推演—反思迁移"五段式教学组织。主要方法包括：问题链驱动法，围绕"机器为什么答不出简单问题"组织连续追问；认知学徒法，教师先示范把一条生活经验改写成规则的全过程，学生再模仿完成；角色扮演法，让学生分组充当"事实库、规则库、推理机、用户"，用卡片推演一次诊断过程；对比归纳法，将if程序与规则库并置，让学生在差异中把握知识表示的非过程性。技术环境方面，准备机房一人一机，内网部署一个简单的产生式推理演示页面（文本界面即可，核心字段为事实输入框、规则表、推理过程输出区），另备一个不联网的动物识别专家系统体验程序。无网络条件时，可全程用卡片与表格完成等价活动。七、第一课时教学过程：知识与知识表示（一）情境导入：一台"不会学习"的机器（约6分钟）上课伊始，教师在黑板写下两句话："3+5=8"和"如果下雨，地面会湿"。随后提问：第一句计算机轻易就能算出，第二句计算机为什么"看不懂"？学生常见的回答是"计算机不理解中文"。教师并不评判对错，继续追问：把"下雨"和"地面湿"分别存进变量A和B，计算机现在知道"下雨→地湿"这条知识了吗？此刻引出本课的核心问题：信息被存储不等于知识被表示。知识要能被机器运用，首先必须被结构化。教师板书课题"知识表示与专家系统"，并交代本课终局任务：两节课后，全班要合作设计一个能帮同学判断"早餐搭配是否健康"的微型专家系统，本节课先解决知识怎么写的问题。（二）概念辨析：数据、信息、知识的分层（约8分钟）教师展示三组内容：体温计读数"38.6"，写成结构化记录的"病人甲体温38.6℃"，以及"体温超过37.3℃可判断为发热"。引导学生讨论三者差别，逐步在黑板形成结论：数据是未经解释的符号，信息是有上下文关联的数据，知识是在实践中反复验证、可用于判断与行动的经验结构。随后教师用一句话锁定本课立场：计算机擅长处理数据，但专家系统之所以"像专家"，是因为它处理的是被明确表示出来的知识。此处安排一个30秒快问快答巩固：天气预报表格是数据还是知识？教科书中的解题方法呢？学生用举牌（"数据/信息/知识"）即时反馈，教师点名追问理由，暴露"长了字就是知识"一类的典型误解并就地澄清。（三）知识表示前的追问：什么样的知识能被写进机器（约7分钟）教师提问：让你把"校园跑操请假规则"告诉计算机，第一步要做什么？引导学生发现第一步不是写代码，而是"抽取条件与结论"。随即给出知识表示的两个基本诉求：能表达（表达能力足够）、能被机器处理（结构清晰、可推理）。由此解释为什么自然语言虽然表达能力最强，却不能直接作为机器的知识载体，必须在自然语言与机器语言之间选择一种"中间表示"。此处自然引出常用的几种知识表示方法姓氏：逻辑表示、产生式规则、语义网络、框架。教师明确告知：本课重点攻克前两种，后两种认识其思想即可。（四）逻辑表示法：从命题到谓词（约10分钟）教师从学生熟悉的数学命题切入，在黑板上写下"所有金属都能导电"，并邀请学生用包含变量的方式改写为"对任意x，若x是金属，则x能导电"。教师顺势引入谓词表达：用P(x)表示"x是金属"，用Q(x)表示"x能导电"，整句话写作——对任意x，P(x)→Q(x)。为降低抽象感，教师带领学生完成三个小改写练习："小明是学生"、"鸟会飞、企鹅是鸟"、"如果某人体温高于37.3℃且咳嗽，则疑似发热"。强调三个要点：谓词刻画属性或关系、变量承担泛指、量词（所有、存在）明确范围。随后教师点明逻辑表示的价值：一旦写成这种形式，机器就能借助严格的推理规则得出结论，这是符号主义人工智能的根基所在。课堂巡视中重点关注两类困难：一是把"x会飞"错写成"鸟(x)"而丢失谓词动作；二是滥用"所有"。教师选择一两份典型手稿投影剖析。（五）产生式规则表示：专家系统的骨架（约10分钟）教师由上一环节的最后一条规则自然过渡：在多数实用系统里，人们更常用一种更直观的形式——产生式规则，其基本格式写为"IF条件THEN结论"，条件可多个，用"且/或"连接。教师完整示范一个改写过程：把生活经验"如果气温高于35℃且湿度大于80%，则容易中暑"改写为规则。随后学生分小组完成改写任务卡，每组三张卡片，内容如"如果红灯亮，则停车""如果连续两天睡眠不足6小时且注意力下降，则建议调整作息"。教师巡回辅导，提醒三点：条件要可判断、结论要能行动、变量取值要清晰。作品分享环节，教师重点剖析一份出现问题的小组规则，引导学生发现"表述模糊的规则机器无法执行"。（六）关键冲突：规则与if语句是不是一回事（约6分钟）教师投影一段Python代码与一组规则并排对照，提出本课最尖锐的问题：二者长得几乎一样，专家系统为什么不直接写if程序？分小组讨论两分钟后，教师归纳出三条本质差异。第一，if语句的执行顺序由程序员写死，是过程性的；规则库中的规则彼此独立、顺序无关，是非过程性的知识集合。第二，程序改逻辑要动代码，规则库扩展知识只需增删规则。第三，规则可以被推理机根据不同的推理方向反复利用，if语句只能按既定流程走一次。教师总结：知识表示的核心思想是"知识与知识的使用方式分离"。这句话请学生原样抄进笔记，正是下节课专家系统结构的伏笔。（七）铺垫与小结（约3分钟）教师快速梳理本课脉络：为什么要表示知识——怎么表示（逻辑、规则）——表示出来的知识待何处安放。最后抛出问题：把成百上千条规则存进计算机后，机器如何"决定先用哪一条"？请学生带着这个问题预习专家系统部分，并布置课后任务：从自己熟悉的一款应用（导航、运动健康、输入法）中找出三条隐含的规则，下节课带来交流。八、第二课时教学过程：专家系统的结构与推理（一）复习激活与情境再入（约5分钟）教师随机抽取三名学生口述上节课概念：产生式规则的形式、规则与if的区别。随后播放或口述一个情境：某在线问诊小程序，输入"咳嗽三天、体温38.2℃、无胸闷"，系统提示"疑似上呼吸道感染，建议测量血氧并与医生视频确认"。问题抛出：这个系统内部大致应该有哪些部件在协同工作？学生记录猜想。教师说明本课任务：解剖一台"机器专家"，并用它完成我们的迷你诊断。（二）专家系统的整体结构（约10分钟）教师结合黑板版图自上而下画出专家系统的六大部件：人机界面、解释器、知识获取模块、数据库（事实库）、知识库、推理机。讲述时遵循"用户视角到底层核心"的顺序。人机界面负责与使用者交互；解释器负责向用户说明"我为什么得出这个结论"；知识获取模块帮助领域专家与知识工程师把知识装进系统；事实库存放当前问题的事实，知识库存放规则，推理机是调度者，决定每一步用哪条规则作用于哪些事实。教师在此处做三处强调。其一，知识库≠数据库：前者存"规则"，后者存"当前事实"。其二，推理机与知识库分离是专家系统区别于普通程序的灵魂，知识变了，推理程序不必重写。其三，专家系统的"专"，本质是知识库中知识的专业性与完备性，而不是程序本身复杂。（三）推理机的工作机制：正向与反向推理（约14分钟）教师先用最简单的规则链演示正向推理。黑板右侧给出三条规则：规则1：IF发烧THEN感染规则2：IF感染THEN炎症规则3：IF炎症THEN需治疗。左侧给出初始事实"发烧"。教师带领学生逐步推演：推理机扫描规则库，找到前件与事实匹配的规则1，触发后得到新事实"感染"加入事实库；再次扫描，规则2匹配，触发得"炎症"；规则3触发得"需治疗"。教师小结正向推理的流程口诀：由事实出发，见规则就推，直到得结论或推不动。随后反向演示：先提出目标"是否需要治疗"，推理机回头寻找能得出该结论的规则，再追问其前件是否成立，一层层向前追到原始事实。教师对比两句口诀：正向是"数据驱动"，反向是"目标驱动"，问诊系统通常反向，监控系统通常正向。难点突破活动登场：角色扮演式卡片推演。每组发放事实卡三张、规则卡四条，三人分别扮演事实库、规则库、推理机，推理机同学每"扫描一轮"需大声说出"我发现规则X的前件被事实Y满足，触发结论Z"。教师巡视并拍摄一组的标准过程供展示。结束后请学生总结推理机每轮动作的本质——匹配与触发的循环。（四）上机体验：运行一台真实的迷你专家系统（约8分钟）学生打开教师部署的"动物识别专家系统"，界面包含事实输入区、规则表、推理轨迹输出区。学生先按预设事实（如"有毛发、会哺乳、有蹄"）运行，观察推理轨迹中规则匹配的顺序，再修改规则优先级或删除某条规则，观察结论变化。教师通过有线广播控制节奏，提出两个观察任务：一是记录推理轨迹中第一条被触发的规则，思考为什么是它先被匹配；二是增删规则前后，结论有何不同。此环节强调"动知识库不动程序"的直观感受。（五）专家系统的边界与局限（约6分钟）教师转而提问：这套系统什么都能诊断吗？学生尝试输入规则库之外的事实，观察系统"无法得出结论"的反馈。教师归纳专家系统的三条典型局限：知识不完备即失灵；规则冲突需要额外策略裁决；缺乏常识与创造力，无法自己学习新知识。又顺势延伸：当规则规模庞大且知识模糊不确定时，纯规则系统力不从心，这正是后来机器学习方法兴起的原因之一，为后续章节埋下伏笔。此处结合医疗问诊场景简短讨论责任归属：机器给出的建议是否可以直接照做？学生讨论后形成的共识是：专家系统是辅助工具，最终决断仍需专业人士与制度把关。（六）综合任务实施：共建"健康早餐判断专家系统"（约10分钟）这是本课的成果性环节。全班按四人小组工作，每组领取结构设计表一张，表头为"事实字段、规则（编号、前件、后件）、推理方向、预期输出"。教师给出共同目标：根据输入的早餐构成判断是否营养均衡，规则不少于五条，至少包含一条多条件规则。教师展示一条示范规则：IF早餐含蛋白质食物AND含主食THEN判断"基本合格"。各组讨论书写，教师重点指导三类问题：条件表述是否可判断、结论是否可执行、规则之间是否冲突。完成后每组派代表用两分钟展示本组设计，其余同学使用"两个点赞一个建议"的评价句式互评。教师挑选一组的设计现场走一遍正向推理，检验规则库能否正常运转。（七）课堂小结与作业（约4分钟）教师以板书思维导图收束全课：知识表示解决"怎么写"，专家系统解决"怎么用"，推理机解决"怎么算"。三句话形成闭环。最后回扣开学初的"机器黑箱"比喻：今天大家把这只黑箱打开了一条缝，看见了规则在流动。课后作业分两层。基础任务：用表格整理本课出现的所有概念及相互关系。拓展任务：设想一个校园场景（如实验室安全提醒、选课冲突检测），写出五条规则并画出简单的推理过程示意，下节课作为项目化学习的起点。九、板书设计第一课时板书采用"问题—方法"双栏结构。左侧竖向书写：为什么要表示知识——数据的存储≠知识的运用；右侧对应书写两种方法的