人工基础通识8

理论课教学大纲一、课程基本信息课程名称人工智能通识ArtificialIntelligenceGeneralEducation课程编号开课单位学分理论教学学时32实验上机16实践课程性质通识必修课适用专业理工类、人文社科类和艺术类专业授课语言中文开设学期及周学时分配第2学期，3学时/周先修后续课程先修：无；后续：无课程简介课程以人工智能基本概念、数据处理基础、工具生态和典型应用为主线，系统介绍人工智能在办公、学术研究、教学、跨学科融合、新媒体与商业创新等场景中的应用，并讨论数据隐私、算法公平、知识产权、技术伦理、法规治理及未来趋势。实验教学采用任务驱动方式，围绕Python数据处理、提示词设计、智能办公、学术研究、跨学科实践和多模态内容生成开展操作训练，要求学生记录过程、核验结果并说明合规边界。课程旨在培养学生理解人工智能基本原理和能力边界、合理选择与规范使用工具、解决实际问题并进行批判性评价的能力，强化跨学科创新、社会责任与终身学习意识。Thisgeneraleducationcoursecoversthebasicconcepts,data-processingfoundations,toolecosystem,representativeapplications,ethicalissues,andgovernanceofartificialintelligence.Itslaboratorycomponentusestask-basedactivitiesinPythondataprocessing,promptdesign,intelligentofficework,academicresearch,interdisciplinarypractice,andmultimodalcontentgeneration.Studentsarerequiredtodocumentprocedures,verifyoutputs,andexplaincomplianceboundaries.ThecoursedevelopstheabilitytounderstandAIcapabilitiesandlimitations,chooseandusetoolsresponsibly,solvepracticalproblems,andevaluateresultscritically,withanemphasisoninterdisciplinarycreativity,socialresponsibility,andlifelonglearning.负责人大纲执笔人审核人二、课程目标序号代号课程目标OBE对应毕业要求指标点1M1认知与理解：了解人工智能基本原理、发展历程、关键技术及应用场景，掌握人工智能核心技术的分类及特点，并能够分析人工智能在社会各领域（商业、法律、传媒等）产生影响的途径与模式。是3.2了解人工智能的开发理论，能够掌握人工智能工具的使用；2M2应用与创新：通过“AI+”交叉项目训练，学会应用基础的人工智能工具与方法，协同跨学科知识，设计并提出解决某一人文社科领域复杂问题的创新方案或原型构想。是5.4能够利用人工智能工具，针对学科问题，设计并提出解决方案；3M3综合与评价：能够整合技术、伦理、法律及行业视角，综合论述人工智能技术发展与社会治理之间的互动关系，并在此基础上做出负责任的、有理据的伦理与社会价值判断。是8.1具备人文社会科学素养、社会责任感，能够在使用人工智能解决工程实践中理解并遵守工程职业道德和规范，履行责任。三、课程内容序号章节号标题课程内容/重难点支撑课程目标课内学时教学方式1第一章绪论人工智能的概念、发展历程与主要流派；主要应用领域；AIGC、大模型与智能体的基本概念、能力边界及关系。M1、M2、M32讲授、案例与讨论2第二章Python与AI数据处理基础Python与人工智能的关系；开发环境；语法和程序结构；文本、图像、音频、视频与表格数据；NumPy、Pandas、Matplotlib等常用工具；数据采集、清洗、转换、分析与可视化流程。M1、M2、M36讲授、演示与练习3第三章人工智能工具与生态机器学习、深度学习、自然语言处理、计算机视觉和生成式人工智能基础；通用与专业人工智能工具；跨平台内容生成与管理；工具选型、结果核验及伦理影响。M1、M2、M34讲授、演示与比较4第四章AI赋能办公与行政管理智能文档处理；WPSAI与演示文稿辅助工具；会议记录、摘要和任务提取；人工智能翻译与校对；办公数据安全和隐私保护。M1、M2、M34案例、演示与任务5第五章AI赋能学术研究文献检索与分析、知识图谱和思维导图构建；论文交互式阅读与摘要提炼；数据可视化与分析；科研协作、事实核查、引用规范和学术诚信。M1、M2、M32案例、演示与研讨6第六章人工智能赋能教学革新教育数据挖掘与学习分析；精准备课和学情分析；教案与课件生成；教育知识图谱和学生能力图谱；出题、作业批改与人工智能助教；教育数据伦理。M1、M2、M34案例、演示与研讨7第七章跨学科融合应用理工科模型预测与实验设计；数字人文与古籍修复；角色IP设计与艺术伦理；医学病理分析与诊断流程；跨学科项目设计、验证及责任边界。M1、M2、M32案例、项目与讨论8第八章内容创作与新媒体运营生成式人工智能、生成对抗网络与多模态学习；账号运营与内容策划；文案成片、文生图、文生视频和图生视频；多模态内容的版权、标识与深度伪造风险。M1、M2、M32案例、演示与创作9第九章AI与商业创新商业数据分析与用户画像；营销策略优化；直播业态变革与虚拟主播技术；讯飞智作数字人示例；人工智能创新创业中的价值验证、成本评估与合规要求。M1、M2、M32案例、演示与讨论10第十章AI技术伦理与法规数据隐私保护与匿名化；算法公平性验证与偏见修正；国内外人工智能法规和治理框架；版权、责任、安全与伦理问题的识别和应对。M1、M2、M32案例、研讨与辨析11第十一章未来趋势通用人工智能的愿景与挑战；多模态交互和脑机接口；AI+X与职业生态；具身智能与量子人工智能；个人知识库和自主学习策略；前沿判断中的证据意识。M1、M2、M32讲授、研讨与展望实验序号实验名称实验设计中的重难点支撑课程目标课内学时实验类型1实验一Python与数据处理基础完成Python基础程序；使用Pandas读取、查看、选择、清洗和统计CSV数据，并用Matplotlib生成规范图表；提交代码、结果与简要分析。M1、M2、M34任务驱动式，验证性2实验二人工智能工具与提示词设计比较通用与专业人工智能工具；按角色、任务、背景、约束和输出格式设计提示词；对文本、图像或视频结果进行迭代、事实核验与风险说明。M1、M2、M34任务驱动式，综合性3实验三人工智能赋能办公完成文档提炼与改写、演示文稿结构设计、会议纪要和翻译校对任务；检查事实、格式、隐私与敏感信息。M1、M2、M32任务驱动式，综合性4实验四人工智能赋能学术研究完成文献检索式设计、文献筛选与摘要、Mermaid思维导图、数据分析和可视化；规范记录来源，辨识幻觉与不当引用。M1、M2、M32任务驱动式，综合性5实验五跨学科综合实践结合所学专业提出问题，设计AI辅助解决方案或原型；说明数据、方法、验证指标、人工复核环节以及伦理和责任边界。M1、M2、M32项目式，设计性6实验六多模态内容与虚拟主播完成文案、图像或短视频的跨模态内容设计，并体验数字人/虚拟主播制作流程；提交作品、提示词迭代记录及版权、标识和深度伪造风险说明。M1、M2、M32项目式，综合性四、考核方式序号课程目标考核环节操作细节总评占比1M1、M2、M3平时成绩出勤、课堂参与、讨论发言及学习任务完成情况。10%2M1、M2、M3实验成绩依据6项实验的过程记录、成果质量、结果分析、规范性及反思综合评价。20%3M1、M2、M3期中测验考查人工智能基础概念、数据处理、工