2026年大学(人工智能教育)期末测试试题及答案

2026年大学(人工智能教育)期末测试试题及答案一、单项选择题（每题2分，共20分）1.在人工智能的发展历史中，哪一年被公认为“人工智能”这一术语的诞生之年？A.1946年B.1950年C.1956年D.1980年答案C2.机器学习算法中，通过已标记的训练数据来学习模型，并对新样本进行预测的方法被称为？A.无监督学习B.半监督学习C.监督学习D.强化学习答案C3.在教育数据挖掘中，用于预测学生是否可能辍学的常见技术属于？A.聚类分析B.关联规则挖掘C.分类与回归D.降维处理答案C4.智能导学系统（ITS）的核心架构中，用于模拟学生当前知识水平和认知状态的模块是？A.领域模型B.学生模型C.导学模型D.界面模型答案B5.自然语言处理（NLP）技术在教育评价中的一个典型应用是？A.人脸识别签到B.作文自动评分（AES）C.手写公式识别D.眼动追踪分析答案B6.深度学习中的卷积神经网络（CNN）最擅长处理的数据类型是？A.时间序列数据B.图像数据C.文本数据D.图谱结构数据答案B7.在使用生成式人工智能（如ChatGPT）辅助教学设计时，Prompt（提示词）工程的核心原则不包括？A.明确指令B.提供背景信息C.设定角色D.使用模糊的自然语言答案D8.下列哪项不属于人工智能教育应用中常见的伦理风险？A.算法偏见导致的教育不公平B.学生隐私数据的泄露C.教学资源的无限丰富D.过度依赖技术导致师生情感疏离答案C9.知识图谱在教育领域的主要作用是？A.存储大量的非结构化视频数据B.构建学科知识点的逻辑关联网络C.提高计算机的运行速度D.替代教师进行课堂教学答案B10.常用于评估二分类模型性能的指标中，TPR（真正例率）又被称为？A.准确率B.精确率C.召回率D.特异度答案C二、填空题（每空1分，共10分）1.人工智能发展的三大核心要素通常被认为是算力、算法和  。答案数据2.在机器学习中，将数据集划分为训练集、验证集和  是评估模型泛化能力的标准做法。答案测试集3.  学习是一种通过与环境交互，根据奖励或惩罚机制来优化策略的学习方法，常用于教育游戏的设计。答案强化4.布鲁姆教育目标分类学将认知过程分为记忆、理解、应用、分析、评价和  。答案创造5.在计算机视觉辅助教育中，  技术可以将纸质试卷或手写笔记转换为可编辑的数字文本。答案OCR（光学字符识别）6.人工智能辅助教育评价中的客观题自动批改主要依赖于  匹配技术。答案模式（或字符/特征）7.大语言模型（LLM）基于  架构，该架构通过自注意力机制有效处理长序列文本。答案Transformer8.在自适应学习系统中，  追踪算法常用于根据学生的答题序列动态更新其知识掌握状态。答案知识（或DKT）9.多模态学习是指模型能够同时处理和分析两种以上的  数据，例如结合文本和图像进行教学。答案模态10.为了保护学生隐私，在训练教育AI模型时，常采用  技术对敏感信息进行脱敏处理。答案数据掩码（或匿名化/差分隐私）三、简答题（每题10分，共40分）1.简述监督学习与无监督学习的主要区别，并各给出一个在教育场景中的应用实例。答案(1)主要区别：监督学习使用带有标签的数据进行训练，目标是预测输入数据的输出标签；无监督学习使用无标签数据，目标是发现数据内部的结构或模式（如聚类、降维）。(2)教育应用实例：•监督学习：根据学生的历史成绩和平时表现数据（特征），预测其期末考试是否及格（标签：及格/不及格）。•无监督学习：对大量学生的在线学习行为数据进行分析，将具有相似学习习惯的学生自动分组（聚类），以便实施分层教学。2.什么是“知识追踪”（KnowledgeTracing）？它在个性化学习中起什么作用？答案(1)定义：知识追踪是一类旨在根据学生历史答题序列，动态推断和更新学生对各知识点掌握概率的算法模型。(2)作用：•实时评估学生的知识状态，不再仅依赖单次测试成绩。•基于预测结果，向学生推荐最适合其当前水平的学习资源或练习题目，实现“千人千面”的个性化学习路径规划。•帮助教师识别班级共性薄弱点和学生个体的认知盲区。3.列举生成式人工智能（GenerativeAI）在教育教学中的至少三个应用场景，并简要说明。答案(1)辅助教案与课件生成：教师输入教学主题和要求，AI自动生成教学大纲、教案初稿或PPT素材，减轻备课负担。(2)智能答疑与辅导：AI作为24小时在线助教，回答学生的学科问题，提供解题步骤或解释复杂概念。(3)个性化习题生成：根据学生的薄弱知识点，AI自动生成针对性的练习题、变式题或阅读理解材料。(4)自动作文反馈与润色：对学生的英语或语文作文进行批改，提供语法纠错、润色建议及写作思路点评。4.简述在引入人工智能技术进校园时，应如何保障数据安全与算法伦理？答案(1)数据安全方面：•最小化采集原则：仅采集教育教学必要的数据，避免过度收集学生隐私。•数据加密与脱敏：传输和存储过程中加密，敏感信息（如姓名、身份证号）进行脱敏处理。•权限管理：严格控制教师、系统管理员对学生数据的访问权限。(2)算法伦理方面：•可解释性：优先选择可解释性强的算法，避免“黑箱”决策，确保教育评价的依据可追溯。•公平性审查：定期检测算法是否存在种族、性别或地域偏见，防止加剧教育不公。•人机协同：明确AI是辅助工具，最终的教育决策权和育人责任应由教师承担，防止技术滥用。四、论述题（共30分）1.随着大语言模型（LLM）的爆发，教育领域正面临深刻变革。请结合“人工智能教育”课程所学，论述生成式AI对教师角色和学生能力的挑战与机遇，并谈谈未来教育应如何培养“人机协作”能力。答案**(1)对教师角色的挑战与机遇：**•挑战：传统的知识传授者角色受到冲击，因为AI可以高效提供知识；教师需要掌握Prompt工程等新技能；面临判断学生是否滥用AI的难题。•机遇：从重复性批改、答疑工作中解放出来，转型为学习设计师、情感引导者和思维启发者；利用AI实现真正的因材施教；专注于培养学生的批判性思维和创造力。**(2)对学生能力的挑战与机遇：**•挑战：过度依赖AI可能导致基础能力（如写作、计算）退化；面临信息真实性辨别困难（AI幻觉）；学术诚信和自律性受到考验。•机遇：获得个性化、全天候的学习陪伴；可以借助AI拓展学习边界，进行跨学科探索；提升利用工具解决复杂问题的效率。**(3)未来教育如何培养“人机协作”能力：**•课程重构：将AI工具的使用纳入课程体系，教授如何与AI高效对话（提问艺术）、如何评估AI生成结果的质量。•评价改革：从考察单纯的知识记忆，转向考察利用AI解决实际问题的能力、