人工智能通识教程 -教案全套（32学时）宋廷强

第页人工智能通识教程授课教案32学时课程名称：人工智能通识适用专业：理工类、人文社科类和艺术类专业授课学期：20____—20____学年第____学期授课教师：________________

授课安排(32学时)课次章节学时主要内容第1次课第1章绪论21.1人工智能的概念：达特茅斯会议、人工智能的定义与分类。第2—3次课第2章Python与人工智能数据处理基础42.1—2.3Python与人工智能、开发环境、模块与包、pip及基础语法。第4次课第3章人工智能工具与生态23.1技术基础：监督学习、无监督学习、深度学习与Transformer。第5—6次课第4章人工智能赋能办公与行政管理44.1智能办公相关技术：NLP、机器学习、RPA、计算机视觉与OCR。第7—8次课第5章人工智能赋能学术研究45.1文献分析与知识图谱构建：关键词、概念关系与Mermaidmindmap。第9—10次课第6章人工智能赋能教学革新46.1教育数据挖掘、学习分析与AI教育应用。第11次课第7章跨学科融合应用27.1理工科：模型预测与实验设计优化。第12—13次课第8章内容创作与新媒体运营48.1技术基础：生成式人工智能、GAN和多模态学习。第14次课第9章人工智能与商业创新29.1商业智能、预测分析、客户分群、推荐系统与NLP。第15次课第10章人工智能技术伦理与法规210.1数据隐私保护：再识别风险、K-匿名、L-多样性、差分隐私。第16次课第11章未来趋势211.1AGI：定义、与专用AI的区别、历史愿景、挑战和社会冲击。说明：第2、4、5、6、8章内容与实践案例较多，各安排4学时；其余章节各2学时，合计32学时。实验练习栏保留参考教案格式，本版不计实验学时。

人工智能通识授课教案周次：第____周第1次课学时：2章节名称第1章绪论授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求掌握人工智能的基本定义、发展阶段和弱人工智能、强人工智能、超级人工智能的区别。理解符号主义、连接主义及生成式人工智能的基本思路，能够用代表性事件说明人工智能的发展脉络。了解技术支撑型、社会服务型和跨学科融合型应用，能够初步分析人工智能应用的价值与局限。形成理性看待技术进步、关注算法偏见与职业变化的责任意识。教学重点人工智能的概念与分类；人工智能发展里程碑；主要技术流派与典型应用。教学难点从技术能力边界出发辨析弱人工智能、强人工智能和超级人工智能；理解不同技术流派的方法论差异。教学内容1.1人工智能的概念：达特茅斯会议、人工智能的定义与分类。1.2人工智能的发展与流派：符号主义、连接主义、深度学习与生成式人工智能。1.3主要应用领域：技术支撑型、社会服务型、跨学科融合型应用。1.4案例分析：AlphaGo的产业影响；强人工智能与脑机接口等前沿问题。教学方法与手段设计案例导入：以智能问答、推荐系统和AlphaGo引出“机器是否真正理解”的讨论。时间轴讲授：用里程碑事件串联技术流派，避免把人工智能史讲成工具清单。概念对比：用任务范围、学习迁移、自主性和风险等级比较三类人工智能。课堂讨论与即时测验相结合，检查概念辨析和迁移应用。教学过程情境导入（10分钟）展示智能客服、自动驾驶、生成式内容等生活场景，请学生判断哪些属于人工智能，并追问判断依据，明确本章学习目标。概念建构（20分钟）讲解达特茅斯会议、人工智能的核心定义及弱人工智能、强人工智能、超级人工智能的区别；以当前大模型说明“表现像智能”不等于“具备通用智能”。发展与流派（20分钟）以时间轴梳理符号主义、连接主义、深度学习和生成式人工智能的发展；比较规则驱动与数据驱动方法的优势、局限及适用条件。应用分类（15分钟）结合智能制造、医疗辅助、公共服务、数字人文等案例，区分技术支撑型、社会服务型和跨学科融合型应用。案例研讨（15分钟）围绕AlphaGo的技术突破、产业影响和社会认知变化开展小组讨论；引导学生识别算力、数据、算法与应用生态之间的关系。总结评价（10分钟）完成概念辨析题并形成“定义—流派—应用—风险”的知识框架。课程思政融入：结合我国人工智能创新实践，引导学生理解自主创新、科学理性和技术向善的统一。思考题和作业完成教材设计实践：调研一个人工智能应用场景，说明其技术类型、输入数据、输出结果、受益者及潜在风险。从教材问题研讨中选择“强人工智能何时实现”或“DeepSeek对产业的影响”之一，形成500字观点说明，要求区分事实、推测与价值判断。实验练习教材设计实践作为课堂或课后拓展

人工智能通识授课教案周次：第____周第2—3次课学时：4章节名称第2章Python与人工智能数据处理基础授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求了解Python在人工智能开发中的作用，能够完成解释器与开发环境的基本配置。理解模块、包和pip的关系，掌握变量、输出、缩进、循环等基础语法。能够辨析列表、字典、NumPy数组和Pandas表的特点与适用场景。掌握数据读取、查看、字段选择、缺失值与重复值处理、简单统计和可视化的基本流程。养成尊重数据、记录处理过程和如实解释结果的科学规范。教学重点Python基础语法；常用数据结构；NumPy、Pandas、Matplotlib、Seaborn的功能；数据处理基本流程。教学难点理解原生数据结构与科学计算数据结构的差异；根据数据质量问题选择合适的清洗策略，并避免用技术处理掩盖数据偏差。教学内容2.1—2.3Python与人工智能、开发环境、模块与包、pip及基础语法。2.4AI常用数据形式：列表、字典、NumPy数组、Pandas表。2.5常用数据处理工具包：NumPy、Pandas、Matplotlib、Seaborn。2.6数据处理流程：读取、查看、选列、缺失值处理、去重、统计与可视化。2.7案例分析：小费数据中的消费行为分析。教学方法与手段设计演示讲授：在统一示例中展示代码、数据和输出之间的对应关系。对比教学：列表与ndarray、字典与DataFrame、删除缺失与填补缺失成组比较。案例驱动：以小费数据和Titanic数据为载体，贯穿“提出问题—处理数据—解释结果”。预测—运行—解释：运行代码前先预测结果，运行后解释差异，减少机械照抄。教学过程第一单元：Python与开发环境（20分钟）说明Python在人工智能生态中的优势；演示解释器、IDLE/VSCode或其他环境的基本使用；讲清模块、包、pip及虚拟环境的作用。第一单元：语法基础（35分钟）通过简短程序讲解变量、注释、输出、缩进和for循环；设置缩进错误、变量覆盖等典型问题，让学生判断错误原因。第一单元：数据形式对比（25分钟）用同一组学生成绩分别表示为列表、字典、NumPy数组和Pandas表，比较结构、索引、运算和适用场景。第一单元：小结（10分钟）完成代码阅读题，归纳“语法—结构—库”的关系。第二单元：工具包与流程导入（15分钟）回顾上一单元，以一份含缺失、重复和异常记录的数据表提出分析任务，明确数据质量决定分析可信度。第二单元：数据处理示范（40分钟）依次演示读取数据、查看结构、选择字段、缺失值处理、去除重复值、描述性统计；讨论删除、均值填补和分类填补的适用条件。第二单元：可视化与结果解释（25分钟）使用Matplotlib/Seaborn绘制柱状图、散点图等，强调图形选择、坐标含义和“相关不等于因果”。结合教材小费数据案例解释结果。第二单元：总结与规范（10分钟）用流程图回顾完整链条。课程思政融入：数据处理必须可追溯、可复核，不随意删改不利数据，培养严谨求实和负责任的数据意识。思考题和作业安装并验证Python开发环境，运行一个包含变量、循环和输出的程序，记录运行结果与遇到的问题。按教材设计实践处理Titanic数据：完成数据查看、字段选择、缺失值与重复值处理，并用表格或图形说明影响生存率的主要因素；提交代码、关键输出和简短解释。实验练习教材设计实践作为课堂或课后拓展

人工智能通识授课教案周次：第____周第4次课学时：2章节名称第3章人工智能工具与生态授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求理解机器学习、深度学习和Transformer之间的联系，建立工具功能与底层技术的对应关系。能够按语言、图像、语音翻译、数据分析及专业领域对人工智能工具进行分类和选型。了解跨平台内容生成、推荐与营销工具的基本工作链条。能够识别工具使用中的信息茧房、偏见、隐私、版权和可靠性问题。教学重点机器学习—深度学习—Transformer的技术关系；通用与专业人工智能工具的分类、功能和适用场景。教学难点不以品牌界面代替技术理解；根据任务、数据敏感性、可解释性、成本和输出质量进行工具选型。教学内容3.1技术基础：监督学习、无监督学习、深度学习与Transformer。3.2通用工具：语言与对话、图像生成、语音翻译、数据分析与可视化。3.3专业领域工具：学术研究与自然科学应用。3.4跨平台内容生成与管理：内容生成、推荐、营销推广。3.5案例分析：人工智能的伦理与社会影响。教学方法与手段设计工具地图法：以任务类型为主轴组织工具，不依赖某一平台的临时界面。对比案例法：同一任务分别用通用工具与专业工具处理，比较准确性、证据和可控性。风险清单法：从数据、模型、输出、传播四个环节识别风险。教学过程导入与诊断（10分钟）列出学生常见的人工智能工具，请其按功能分组；由分类分歧引出“工具生态需要统一评价框架”。底层技术框架（20分钟）讲解监督学习、无监督学习、深度学习和Transformer的核心特点，用“数据—模型—任务—输出”说明技术如何支撑工具能力。通用与专业工具（25分钟）按文本、图像、语音、翻译、数据分析和专业研究场景介绍工具，比较通用性、专业性、证据追溯和数据安全。跨平台生态（15分钟）梳理内容生成、平台推荐、运营分析和营销推广的闭环，说明推荐系统可能强化信息茧房。案例决策（15分钟）给出“制作招生宣传”“分析论文”“处理内部数据”等任务，小组依据质量、成本、隐私、版权和可验证性选择工具并说明理由。总结（5分钟）形成工具选型五问。课程思政融入：既关注国产人工智能生态的创新成果，也坚持开放比较、实事求是和安全合规。思考题和作业完成教材设计实践之一：生成“校园秋景”图像，或围绕健康、环保等主题生成一则社交媒体内容；附提示词、结果和真实性/版权风险说明。制作一张人工智能工具选型表，至少比较三类工具的任务、输入、输出、优势、限制和数据安全要求。实验练习教材设计实践作为课堂或课后拓展

人工智能通识授课教案周次：第____周第5—6次课学时：4章节名称第4章人工智能赋能办公与行政管理授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求理解自然语言处理、机器学习、RPA、计算机视觉在智能办公中的作用。能够运用人工智能完成文档起草、摘要、校对、排版和演示文稿提纲设计。能够设计会议转录、纪要生成、任务提取和多语言支持的基本流程。掌握人工智能翻译与人工校对协同方法，能够识别专业术语、数字和语境错误。形成办公数据最小化使用、授权记录和人工复核意识。教学重点智能文档处理；WPSAI、Kimi+AiPPT等办公工具的任务链；会议管理；翻译与校对。教学难点把模糊办公需求转化为结构化提示与可验收结果；在效率、准确性、保密性和责任归属之间作出合理选择。教学内容4.1智能办公相关技术：NLP、机器学习、RPA、计算机视觉与OCR。4.2智能文档处理：起草、改写、摘要、校对与格式整理。4.3智能办公工具：WPSAI、Kimi+AiPPT等典型应用。4.4AI会议管理：语音转写、纪要、行动项与多语言支持。4.5AI翻译与校对：术语一致性、语境核验与人工复核。教学方法与手段设计任务链教学：以“通知—会议—汇报—翻译”组成完整办公情境。示范—评价—修订：先生成初稿，再依据结构、事实、语体、格式与合规清单迭代。角色分工讨论：设置撰写人、审核人、参会者和数据管理员，明确人机责任边界。教学过程第一单元：技术与文档任务（20分钟）以扫描件识别、会议转写、文档摘要和流程自动化为例，建立NLP、OCR、RPA、机器学习与办公任务的对应关系。第一单元：智能文档处理（35分钟）围绕“学校运动会通知”演示需求澄清、提纲生成、草稿起草、语体校对和格式核验；强调日期、地点、对象和责任部门必须人工确认。第一单元：演示文稿生成（25分钟）演示从主题到PPT大纲、页面结构和讲稿提示的过程，比较“直接生成”与“先给结构约束”的差异。第一单元：评价小结（10分钟）学生使用文档质量检查表互评，归纳高质量提示的角色、任务、背景、约束、格式和核验要求。第二单元：会议管理（30分钟）设计会前议程、会中转写、会后纪要与行动项提取流程；讨论录音告知、数据保存期限和敏感信息处理。第二单元：翻译与校对（30分钟）以含专业术语、数字和专有名词的中英材料为例，演示术语表约束、分段翻译、回译检查和人工终审。第二单元：综合流程设计（30分钟）小组设计一个结合RPA与NLP的行政流程，标明输入、自动化步骤、人工审核点、异常处理和输出。课程思政融入：行政文书关系公共责任，效率提升必须服从真实、规范、保密和服务意识。思考题和作业完成教材设计实践1：选择一类通知，提交提纲、AI初稿、人工修订稿及修改说明。选做拓展：设计“AI聊天记录转换为独立HTML”的需求说明，至少写明支持格式、页面样式、保存方式、隐私和安全约束。实验练习教材设计实践作为课堂或课后拓展

人工智能通识授课教案周次：第____周第7—8次课学时：4章节名称第5章人工智能赋能学术研究授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求掌握人工智能辅助文献分析、关键词提取和知识图谱构建的基本流程。能够使用人工智能对论文进行摘要、全文问答和针对段落、公式、图表的交互式精读。能够选择合适图表表达数据，理解数据可视化中的准确性和可解释性要求。理解人工智能辅助研究中的事实核查、引用、作者责任、版权和学术诚信边界。能够对人工智能生成的结论建立证据链并进行复核。教学重点文献分析与知识图谱；论文精读；数据可视化；科研协作与学术规范。教学难点从生成内容回到原文、数据和来源验证；区分辅助分析、合理引用与不当替代；避免图表和摘要带来的误导。教学内容5.1文献分析与知识图谱构建：关键词、概念关系与Mermaidmindmap。5.2论文阅读与摘要提炼：全文提问、特定内容精读。5.3数据可视化与分析：图表选择、生成、解释和复核。5.4科研协作与学术规范：真实性、引用、版权、隐私与作者责任。更新内容：图5-5为Mermaidmindmap代码界面，图5-6为“图卷积神经网络（GCN）”思维导图预览。教学方法与手段设计真实论文案例：围绕一篇论文贯穿“提取—组织—提问—可视化—核验”。证据链教学：每个摘要和结论都要求标注原文位置、数据来源或不确定性。错误诊断：提供含虚构引用、误读图表和因果混淆的示例，让学生修正。教学过程第一单元：研究任务导入（15分钟）讨论文献增长给研究者带来的困难，明确AI可以提高检索、阅读和组织效率，但不能替代研究判断。第一单元：知识提取（35分钟）以教材示例论文为对象，示范上传材料、设定任务、提取关键词、概念、方法、数据和结论，并对照原文核验。第一单元：知识图谱（30分钟）讲解节点、关系和层级；展示新版图5-5的Mermaidmindmap代码与图5-6的GCN思维导图，分析代码—结构—可视化的一致性。第一单元：阶段评价（10分钟）依据覆盖度、关系准确性、层次清晰度和可追溯性评价知识图谱。第二单元：论文精读（30分钟）演示摘要提炼、全文问答和对特定段落、公式、图表的提问；要求AI给出依据位置，并抽查原文。第二单元：数据可视化（30分钟）根据变量类型与分析目的选择柱状图、折线图、散点图等；识别截断坐标轴、选择性展示和相关因果混淆。第二单元：学术规范研讨（20分钟）讨论AI生成内容是否可署名、引用如何处理、未公开材料能否上传、生成代码与图表由谁负责。第二单元：总结（10分钟）形成“可用AI做什么—必须人工做什么—成果如何说明”的边界清单。课程思政融入：坚持学术诚信、求真务实和自主创新，反对伪造来源与替代性写作。思考题和作业完成教材设计实践：选择一篇论文，提交关键词、知识图谱、3个高质量问题、AI回答及逐项核验记录。选择论文中的一张图表，用自己的话解释变量、趋势、结论和局限，并说明AI解释与原文是否一致。实验练习教材设计实践作为课堂或课后拓展

人工智能通识授课教案周次：第____周第9—10次课学时：4章节名称第6章人工智能赋能教学革新授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求理解教育数据挖掘、学习分析和人工智能教育应用的基本关系。掌握利用人工智能开展学情分析、精准备课及“五步生成法”教案设计与优化。了解教育知识图谱、学生能力图谱的构建及其在教学演示和效果分析中的作用。能够设计人工智能出题、作业批改和智能助教的人机协同流程。理解教育公平、学生隐私、评价偏差、原创性和教师责任等问题。教学重点学情分析；智能教案设计与课件生成；知识图谱与能力图谱；AI出题、批改和助教。教学难点将学习数据转化为审慎的教学决策；避免把学生简化为分数或标签；明确教师在目标、价值判断和最终评价中的主导责任。教学内容6.1教育数据挖掘、学习分析与AI教育应用。6.2精准备课与学情分析。6.3智能教案设计、动态优化与课件生成。6.4—6.5教育知识图谱、学生能力图谱与教学效果分析。6.6—6.8AI出题、作业批改、AI助教及个性化教学案例。教学方法与手段设计教学设计工作坊：从课程目标、学情、活动、评价到反思逐步生成。数据案例分析：用匿名化学习数据讨论结论的可信度和使用边界。人机边界辩论：区分AI适合承担的重复工作和教师必须承担的育人工作。教学过程第一单元：技术基础（25分钟）讲解教育数据的来源、结构化与非结构化形式，以及教育数据挖掘、学习分析和个性化推荐的关系；强调目的限定与最少必要。第一单元：学情分析（30分钟）用匿名化成绩、作业错误和课堂参与数据演示多维分析；讨论样本不足、指标单一和标签固化问题。第一单元：教案生成（25分钟）按“五步生成法”完成目标设定、学情描述、活动设计、资源生成、评价与优化；比较通用提示与结构化提示。第一单元：小结（10分钟）依据目标一致性、活动可实施性、评价有效性和价值引导评价教案。第二单元：图谱应用（30分钟）说明教育知识图谱和能力图谱的节点、关系与数据来源，演示如何用于课堂结构展示和学习薄弱点诊断。第二单元：出题与批改（25分钟）设置知识点、认知层级、难度和答案依据生成试题；用评分量规辅助批改，并识别答案泄露、误判和模板化反馈。第二单元：AI助教与案例（25分钟）分析个性化答疑、学习路径推荐和即时反馈的优势与局限，划分AI主导、教师审核和教师主导的环节。第二单元：价值讨论（10分钟）课程思政融入：教育的目标是促进人的全面发展，技术应用应坚持公平、尊重差异、保护隐私，教师对价值引导和最终评价负责。思考题和作业完成教材设计实践：选择一门熟悉的课程，用AI辅助设计一节课的教案，提交原始提示、生成稿、人工修订稿和修订理由。设计“知识掌握度+情感态度+学习过程”的多维评价表，并说明每一维数据的来源、局限及隐私保护措施。实验练习教材设计实践作为课堂或课后拓展

人工智能通识授课教案周次：第____周第11次课学时：2章节名称第7章跨学科融合应用授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求了解人工智能在模型预测、实验设计、数字人文、艺术创作和医学辅助诊断中的典型应用。能够用“学科问题—数据—模型/工具—评价—伦理”的框架分析跨学科项目。理解通用模型与领域模型在专业知识、数据和可靠性方面的差异。认识国产开源平台在交叉学科创新中的作用，形成合作、审慎和服务社会的意识。教学重点理工科预测与实验优化；数字人文与古籍修复；角色IP设计与艺术伦理；医学病理分析；飞桨案例。教学难点把人工智能能力嵌入学科方法而不是简单“加工具”；评价高风险领域结果的证据、可解释性和责任边界。教学内容7.1理工科：模型预测与实验设计优化。7.2文科：数字人文与AI古籍修复。7.3艺术类：角色IP设计与艺术伦理。7.4医学：AI病理分析与诊断流程。7.5飞桨平台与跨学科应用设计实践。教学方法与手段设计并行案例法：用同一分析框架比较理工、文科、艺术和医学场景。项目画布法：每组完成问题、数据、工具、输出、评价和风险六项设计。风险分级：根据结果对个人权益和公共安全的影响设置不同审核强度。教学过程问题导入（10分钟）展示材料研发、古籍修复、角色设计和病理识别案例，讨论“同一种AI方法为何需要不同专业知识”。理工与人文案例（20分钟）说明预测驱动实验的价值及验证要求；分析数字人文中OCR、文本分析和图像修复，同时强调历史语境与原件证据。艺术与医学案例（20分钟）讨论生成式创作的原创性、训练数据和版权；说明AI病理分析必须由专业人员复核，不能把概率输出直接当作诊断结论。平台案例（15分钟）依据教材飞桨案例梳理数据准备、模型应用、结果解释和交互分析，认识国产开源平台对科研与人才培养的支撑。跨学科项目设计（20分钟）小组结合本专业填写项目画布，说明人工智能的具体增量价值和失败时的兜底方案。总结（5分钟）课程思政融入：跨学科创新既要勇于探索，也要尊重专业规律、生命健康与文化真实性，以真实问题和社会需求检验技术价值。思考题和作业结合个人专业背景，设计一个AI辅助学习或研究实例，至少写明问题、数据、工具、评价指标、人工审核和伦理风险。从教材问题研讨中选择医学诊断、古籍修复或AI艺术之一，形成一页案例分析。实验练习教材设计实践作为课堂或课后拓展

人工智能通识授课教案周次：第____周第12—13次课学时：4章节名称第8章内容创作与新媒体运营授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求理解生成式模型、生成对抗网络和多模态学习与内容生产的关系。掌握账号定位、选题、内容生成、发布、互动和数据复盘的基本SOP。能够使用人工智能完成文案、图像、音频和视频等跨模态内容方案设计。能够识别虚假信息、版权、隐私、刻板印象、同质化和平台规则风险。形成内容发布前事实核验、授权检查和AI生成标识意识。教学重点新媒体运营SOP；跨模态内容生成；剪映文案成片、即梦AI视频生成等典型流程；内容伦理风险。教学难点保持不同模态之间叙事一致；在追求传播效果时兼顾真实性、版权、隐私、多样性和社会影响。教学内容8.1技术基础：生成式人工智能、GAN和多模态学习。8.2账号运营方法与AI工具应用。8.3跨模态内容生成：文案成片、文本/图像生成视频与剪辑。8.4多模态内容生成的伦理风险。8.5案例分析：社交媒体内容与视频剪辑的价值、成本和风险治理。教学方法与手段设计项目制讲授：以一条公益或科普短视频为主线组织选题、脚本、素材、剪辑和发布。样例对比：比较模糊提示、结构化提示及多轮迭代结果。发布前检查表：事实、来源、授权、隐私、偏见、标识和平台规范逐项审查。教学过程第一单元：技术与运营框架（25分钟）讲解生成式模型、GAN和多模态学习的基本作用；梳理账号定位、受众分析、选题、生产、发布、互动和复盘SOP。第一单元：文案与视觉（35分钟）围绕同一主题生成标题、脚本和视觉方案，讨论受众、语气、平台长度和行动号召对输出的影响。第一单元：质量评价（20分钟）从信息价值、表达一致性、原创性、可访问性和传播风险评价内容，识别模板化和同质化。第一单元：小结（10分钟）建立“目标—受众—模态—平台—指标”的内容设计框架。第二单元：跨模态视频流程（35分钟）结合教材剪映文案成片与即梦AI示例，演示脚本分镜、画面描述、声音、字幕、剪辑和迭代；强调不同平台界面可能更新，以任务逻辑为主。第二单元：风险案例（25分钟）分析AI工程师视频可能被配文伪装成新闻、画面全为男性可能强化职业刻板印象等教材案例。第二单元：小组方案（20分钟）设计一个文化遗产、公益倡导或科学传播的多模态项目，完成发布前检查表。第二单元：总结（10分钟）课程思政融入：内容创作应坚持真实、健康、尊重版权和多元表达，传播效果不能凌驾于公共信任与社会责任之上。思考题和作业完成教材设计实践：生成一条产品或公益项目文案，并设计简短宣传视频；提交提示词、分镜、成果和修改记录。分析一条AI生成短视频的潜在伦理风险，提出至少三项发布前改进措施。实验练习教材设计实践作为课堂或课后拓展

人工智能通识授课教案周次：第____周第14次课学时：2章节名称第9章人工智能与商业创新授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求理解决策支持、预测分析、客户分群、推荐系统和自然语言处理在商业中的作用。能够说明多源数据如何形成动态用户画像，并据此设计可解释的营销策略。理解虚拟主播的多模态生成、情感计算与实时渲染流程及成本价值。能够在校园等低风险场景设计可验证的AI创新创业方案，识别隐私、歧视和操纵风险。教学重点预测分析、聚类与推荐；用户画像与营销策略；虚拟主播；AI创新创业。教学难点避免将相关性当作因果或给群体贴固定标签；在个性化、商业收益、知情权和公平之间保持平衡。教学内容9.1商业智能、预测分析、客户分群、推荐系统与NLP。9.2多源数据、动态用户画像与营销策略优化。9.3直播业态变革、虚拟主播技术与应用示例。更新内容：9.3.3采用“讯飞智作虚拟主播生成操作示例”，包括数字人创作、属性与要素设置、预览导出及合规提示。9.4AI时代的创新创业：校园二手书等场景的最小可行产品和数据驱动迭代。教学方法与手段设计商业案例拆解：从目标、数据、算法、指标和风险分析个性化营销。成本收益表：比较真人主播与虚拟主播的固定成本、边际成本、灵活性和风险。最小可行产品法：先定义真实问题和评价指标，再选择AI能力。教学过程导入（10分钟）从“猜你喜欢”和差异化营销体验入手，讨论个性化为何既有价值也可能造成操纵和不公平。商业算法基础（20分钟）讲解预测分析、K-means等聚类、协同过滤和评论情感分析的任务、输入输出与商业用途。用户画像（15分钟）说明人口属性、行为、交易和反馈等多源数据的整合；强调动态更新、目的限定、标签可解释和用户权益。虚拟主播（20分钟）讲解多模态生成、语音合成、口型驱动、情感计算和实时渲染；以更新后的讯飞智作示例说明创建、属性设置、预览、导出及合规要求。创新创业案例（15分钟）以校园二手书平台为例，分析痛点、最小可行产品、推荐增量、核心指标和资源约束。总结（10分钟）课程思政融入：商业创新应服务真实需求、尊重消费者权益，反对大数据杀熟、隐蔽操纵和过度收集数据，坚持诚信经营与负责任创新。思考题和作业构建一个特定社会群体的消费行为模型，说明数据来源、标签含义、可能偏差和不应采集的信息。根据讯飞智作虚拟主播流程，设计一段60秒公益或校园服务播报方案，写明文案、形象、声音、标识和授权要求。实验练习教材设计实践作为课堂或课后拓展

人工智能通识授课教案周次：第____周第15次课学时：2章节名称第10章人工智能技术伦理与法规授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求理解人工智能应用中隐私、公平、透明、责任和安全等核心伦理法律问题。能够比较K-匿名、L-多样性和差分隐私的基本原理、优势与局限。了解中国、欧盟和美国等主要治理框架的基本思路，理解风险分级和全生命周期治理。能够用技术、管理、法律和教育多维措施分析深度伪造、大数据杀熟和算法歧视案例。教学重点数据隐私与匿名化；算法公平与偏见修正；国内外治理框架；深度伪造等伦理案例。教学难点理解“删除姓名不等于匿名”；在多主体、多阶段系统中合理划分责任；把抽象原则转化为可执行治理措施。教学内容10.1数据隐私保护：再识别风险、K-匿名、L-多样性、差分隐私。10.2算法公平性验证与偏见修正：数据、模型和部署反馈中的偏差。10.3国内外人工智能法规与治理框架：风险分级、标准、审计与责任。10.4案例：深度伪造诈骗、大数据杀熟、招聘偏见和自动驾驶伦理。教学方法与手段设计案例审议：按事实、利益相关者、风险、规范、方案和剩余风险六步分析。技术对比：以医疗数据共享比较三类隐私保护方法。多角色辩论：从开发者、部署者、使用者、监管者和受影响者角度划分责任。教学过程案例导入（10分钟）以深度伪造视频会议诈骗引出“眼见未必为实”，区分技术滥用、组织流程漏洞和个体核验不足。隐私保护（20分钟）通过医疗记录说明显式标识符、准标识符和再识别风险；比较K-匿名、L-多样性与差分隐私的适用性。公平与偏见（15分钟）以招聘模型和动态定价为例，分析历史数据偏差、代理变量、目标函数和反馈循环，并提出数据、模型和评估措施。法规治理（15分钟）概括中国治理制度、欧盟风险分级与美国NIST风险管理框