人工智能語言與倫理模板(10篇)

導言：作為寫作愛好者，不可錯過為您精心挑選的10篇人工智能語言與倫理，它們將為您的寫作提供全新的視角，我們衷心期待您的閱讀，并希望這些內容能為您提供靈感和參考。

篇1

一、 理論綜述與研究假設

1. 智能職業生涯理論與職業勝任力的相關研究。20世紀90年代，Arthur與他同事提出了智能職業生涯（intelligence career）理論，隨后，職業勝任力逐漸受到西方研究者廣泛關注。該理論認為，每一種公司勝任力（公司的公司文化、know-how和公司社會資本）都要求員工展現出相應的職業勝任力以應對變化中的環境和雇傭關系。Defillippi和Arthur（1994）首次提出了與公司勝任力相匹配、在無邊界職業生涯時代下個體所需要的職業勝任力。它包括三個維度：“知道為什么（knowing why）”、“知道怎么做（knowing how）”、“知道誰（knowing whom）”，并把職業勝任力看作是隨著時間能被開發以及成功進行職業生涯管理所需要的累積性知識。其中，“知道為什么”指我們為什么要從事這項工作，“知道怎么樣”指我們怎么做這份工作，“知道誰”指我們和誰一起工作。這一定義和分類得到了很多學者的認同，智能職業框架提出后，很多學者展開了更深入的討論和研究。

為了在職業咨詢中獲得個體職業生涯的主觀數據，Arthur等（2002）以智能職業生涯分類卡片（ICCS）的形式嘗試對三種“知道”勝任力進行操作化。由于三個維度的職業勝任力缺乏信度和效度的檢驗以及評價性研究，ICCS并未用于實證研究。同樣，Eby等人（2002）也認同三因子的分類結構，認為“知道為什么”包括職業洞察力、經驗開放性和主動性人格；“知道誰”包括員工的公司內、外部網絡關系以及是否擁有個人導師；“知道怎么做”包括職業認同，反映個人為提升與職業或工作相關的知識、技能而進行的投入。

但是，從后來對職業勝任力結構的探索中發現，三種“知道”勝任力的因子結構過于寬泛，職業勝任力結構應更加細化，其中Kuijpers和Scheerens（2006）的研究最有代表性。他們對職業勝任力的測量進行了多維度探索，確認了包括職業實現能力、能力自省、動機自省、工作探索、職業控制和社交網絡的六因子結構。之后，陸續有學者對職業勝任力的結構進行探索，但依然還沒有統一的標準。值得肯定的是，由于智能職業框架下三維度職業勝任力的內容更全面，職業勝任力中的各因素都能被三個領域的“knowing”所涵蓋，例如，六因素模型中，能力自省與動機自省屬于“知道為什么”勝任力，社交網絡屬于“知道誰”勝任力，職業實現能力、工作探索與職業控制屬于“知道怎么做”勝任力。因此，智能職業理論成為了職業勝任力結構和效果研究的理論基礎。鑒于三維度的因子結構并未得到過實證檢驗，本文提出：

假設1：員工的職業勝任力結構符合“知道為什么”、“知道怎么做”和“知道誰”三因素結構。

2. 職業勝任力的效果分析。

（1）職業滿意度與積極的職業結果。職業滿意度是員工對自己職業生涯相關角色、成就和職業成功的主觀感受，是衡量職業成功的主觀重要指標。可雇傭性是個體感知自己在組織內部和外部獲取和維持就業的能力。在不穩定和不確定的雇傭背景下，可雇傭性也是個體主觀職業成功感的重要方面。本文認為，職業勝任力對職業滿意度和可雇傭性都具有正向的預測作用。

“知道為什么”勝任力指員工清楚自己的職業目標、職業動機、個人意義、能力等，它能增強個人與職業的匹配度、適應性，能促進職業承諾和滿足。它為有效的職業生涯管理提供指導和方向，使個人在勞動力市場上更容易找到期望的工作。“知道誰”勝任力是個體在追求職業生涯的發展中，在公司內部和外部建立起來的社會關系，這些社會關系作為社會資本促進了職業信息的交換和個人信譽的建立，有助于個體的工作流動和職業機會獲取，降低職業不安全感。“知道怎么做”勝任力指個體擁有的與工作有關的技能和個人為提升知識和專業技能而做出的努力，它作為一種理想的資源能增強個人在職業生涯中的自主性。同時，“怎么做”勝任力也是雇主非常重視的，因為它能促進組織學習和組織彈性，提升組織競爭優勢，因此，該領域的勝任力增強了雇員在勞動力市場上的談判力。Colakoglu（2011）的研究表明，職業勝任力能通過提升員工的職業自主性和降低職業不安全感來增加主觀職業成功感。智能職業生涯理論提出職業勝任力概念的初衷也是為了增強個人職業資本，促進個人職業發展，贏得無邊界職業生涯背景下的職業成功。因此，本文提出：

假設2：職業勝任力對職業滿意度有正向預測作用；

假設3：職業勝任力對可雇傭性有正向預測作用。

（2）職業勝任力與工作投入。工作投入是一種表現為活力、奉獻和專注的積極、滿足的工作狀態。根據資源-要求模型（JD-R模型），員工的工作資源能促進工作投入的動機水平，工作資源是工作中的那些有助于實現工作目標、降低工作消耗、提升個人成長、學習和發展的身體、心理、社會以及組織的方面。工作資源常常用發展機會、社會支持和自主性來衡量。根據資源保護理論，個人會努力保護自己的個人資源，努力積累它們，這一過程能增加工作資源，并提升工作投入。職業勝任力中的“知道為什么”、“知道誰”和“知道怎么做”勝任力作為發展職業生涯的個人資源，能夠幫助員工積極塑造更好的工作環境，讓他們感受到環境中擁有更多的工作資源，即擁有更多的社會支持、自主性和發展機會，并進而提升員工的工作投入。本文提出：

假設4：職業勝任力對工作投入有正向預測作用。

二、 研究設計和分析

1. 變量的測量。

（1）職業勝任力。首先，本文從智能職業生涯框架中的三種“Knowing”勝任力出發，在整理、歸納關于職業勝任力測量的文獻基礎上，確認已有測量的14個相關概念。“知道為什么”包括：自我探索、職業洞察力、自我認知、職業抗逆力；“知道誰”領域包括：社交網絡、職業指導、尋求反饋與自我展示；“知道怎么做”包括：工作探索、職業控制、職業認同、職業規劃、職業相關技能。對已有的測量條目進行了翻譯和整理歸納，合并相似性較大的條目，共收集88個測量條目。然后，我們通過開放式問卷、團隊焦點訪談編制出由50個問題構成的初始問卷。所有條目統一采用Likert5點量度：其中1表示“非常不同意”，5表示“非常同意”。

（2）效果變量。職業滿意度選用Greenhaus等編制的問卷。可雇傭性選用Berntson與Marklund編制的問卷。工作投入采用UWES工作投入問卷。

2. 預測試與正式測試。

（1）預測試。本次預試的數據來源于北京市兩家企業的197份調查問卷。本研究采用SPSS18.0軟件對初始問卷的50個條目進行項目分析。首先，通過極端組比較法和條目與總分的相關性檢驗對預試的數據進行項目鑒別分析，來評估復合測量中的每個條目是否具有獨立的貢獻。然后，我們對剩余的條目做了同質性檢驗，刪除了素負荷量小于0.4或共同性小于0.2的題項。經過上述修訂后，留下35個條目進行正式調查。

（2）正式測試。通過擴大樣本取樣范圍，本研究展開正式調查，調查一次性完成。本次調查對象為來自北京、武漢、深圳等地的十家企業在職人員，樣本中的被試分布多個行業，覆蓋面廣，具有一定的樣本代表性。本次調查共發放問卷700份，其中有效問卷620份。樣本特征為：男性占70.5%，女性占29.5%；年齡結構為：30歲以下的占55%，30歲～35歲的占28%，36歲～40的占7.5%，41歲以上占9.5%；學歷結構為：專科以下占10%；大專占25%；本科占40%；碩士及以上占25%；在工作年限上，5年以下占到41%，6年～10年占到42.5%，11年-15年占到12.5%，16年以上占到4%。

3. 研究結果。本研究將收集的樣本數據隨機分半，對職業勝任力進行結構效度的檢驗，一半做探索性因素分析（N=297），另一半驗證性因素分析（N=323）。

（1）探索性因素分析結果。本研究采用SPSS18.0進行Bartlett球形檢驗，檢驗值為4 666.435（d=561，P

本研究對六因子進行命名。因素1命名為職業控制，反映員工能為職業發展進行職業探索、職業目標設置與規劃，并有實現目標的策略；因素2命名為社會網絡，反映了員工拓展與保持有助于職業發展的組織內、外的社會關系；因素3命名為自我認知，反映了員工對自我職業動機、目標、興趣、優劣勢和能力的認知清晰度；因素4命名為尋求指導與開發機會，反映員工為實現職業進步而主動尋求職業指導、績效反饋和培訓開發機會；因素5命名為自我開發，反映員工為職業發展通過多種途徑開發具有競爭性、可轉換的知識和技能；因素6命名為工作―生活平衡能力，反映員工為保持職業中的身心健康在工作和生活間尋求平衡的意識和能力。

（2）驗證性因素分析結果。自我認知、和諧平衡能力屬于“知道為什么”領域的勝任力；社會關系與自我展現、尋求指導與開發機會屬于“知道誰”領域的勝任力；職業控制、自我開發屬于“知道怎么做”領域的勝任力。是否可以將六個維度合并成三個維度的職業勝任力結構？為驗證本文假設，我們將運用Lisrel8.7通過驗證性因子分析對三因子和六因子模型進行比較。通過結果對比，可以看到，六因子模型在各個擬合指數上都要優于三因子模型（三因子模型：RMSEA=0.078，CFI=0.853，NNFI=0.854，GFI=0.840；六因子模型：RMSEA=0.062，CFI=0.911，NNFI=0.912，GFI=0.900），拒絕假設1。

（3）職業勝任力的效果分析結果。本研究對職業勝任力及各維度與關鍵結果變量之間的關系進行了相關分析和回歸分析。相關分析結果如表1所示。相關分析結果表明，職業勝任力和職業滿意度、可雇傭性、工作投入之間都達到顯著正相關，職業勝任力的各維度與三個效果變量也達到顯著正相關，顯著性均0.01的水平上。為進一步探索職業勝任力和職業滿意度的關系，本文以職業勝任力的各維度為自變量，職業滿意度為因變量，進行了多元回歸分析，結果如表2所示。由回歸分析結果可以看出，職業勝任力對職業滿意度、可雇傭性和工作投入的總體解釋率分別為：21.4%、32%和28%，F值均在0.01的水平上顯著。從各因素與結果變量的關系看，不同因素對結果變量的影響有所不同：職業控制、自我認知與和諧平衡力對職業滿意度的回歸系數顯著，職業控制、社會網絡和自我開發對可雇傭性顯著，社會網絡、自我認知和自我開發對工作投入的回歸系數顯著。綜上所述，本研究的假設2、假設3、假設4均成立。

三、 結論

本文通過實證研究再次證實，“知道為什么”、“知道誰”、“知道怎么做”的三因素結構過于寬泛，在數據中沒有得到支持。本研究得出職業勝任力包括六個因素，分別是：職業控制、社會網絡、自我認知、尋求指導與培訓機會、自我開發、和諧平衡能力。該結論與國外學者的研究結論既有相同之處，又有所差異，本研究和國外多維度職業勝任力結構的差異在于：“知道為什么”領域的職業勝任力中，不僅僅包括自我認知，還包含和諧平衡能力。正如Defillippi和Arthur（1994）提出的，“知道為什么”更多體現了那些影響個體職業承諾和雇傭適應性的因素，例如職業動機，個人意義和目標意識，這些因素融入了個體對家庭和其他非工作因素的考慮。該研究結論與本文的研究結論與周文霞等（2010）的研究一脈相承，判斷職業成功與否的重要標準中除獲得內外部報酬的滿足外，還包括在職業生涯中感受到身心健康、工作―生活的平衡，即和諧平衡。在無邊界的職業生涯中，職業成功的標準更加多元化，同樣，職業勝任力作為獲得職業成功的源泉，也會涉及更寬泛的領域。

參考文獻：

[1] 周文霞.職業成功標準的實證研究與理論探討[J].經濟與管理研究，2006，（5）：59-62.

[2] 葉龍.技能人才職業勝任力及其與職業滿意度關系研究――以鐵路行業為例的實證分析[J].清華大學學報，2013，（6）：148-158.

[3] Eby L.T.， Butts M.， Lockwood A.Predi- ctors of Success in the Era of the Boun- daryless Career[J].Journal of Organizatio- nal Behavior，2003，（24）：689-708.

[4] Colakoglu S.N.The Impact of Career Bou- ndaryless on Subjective Career Success： The Role of Career Competencies， Career Auton- omy， and Career Insecurity[J].Journal of Vocational Behavior，2011，（79）：47-59.

[5] Kuijpers M.， Scheerens J.Career Competenc- ies for the Modern Career[J].Journal of Career Development，2006，（32）：303-319.

[6] Akkermans J， Schaufeli W.B.Brenninkmeijer V.Blonk R.W.B.The Role of Career Comp- etencies in the Job Demands-Resources Model[J].Journal of Vocational Behavior，2013，（83）：356-366.

[7] 周文霞，孫健敏.中國情景下職業成功觀的內容與結構[J].中國人民大學學報，2010，（3）：124-134.

篇2

中圖分類號：TP18文獻標識碼：A文章編號：1009-3044(2008)35-2417-02

Artificial Intelligence Education and Middle School Students Information Literacy

WU Wen-tie

(Mathematics and Computer Institute of Mianyang Normal University, Mianyang 621000, China)

Abstract: Information Literacy in the Information Age is a national basic literacy, artificial intelligence represents a cutting-edge information technology. Based on the analysis of information quality and substance of the definition on the basis of exploring the field of artificial intelligence research, as well as in education, put forward the theory of artificial intelligence and technology courses in secondary education should be in a more systematic, comprehensive Improve the information literacy of students.

Key words: artificial intelligence; information literacy; information technology

1 信息素養的定義及其內涵

“信息素養”一詞最早產生于信息技術和信息產業發達的美國, 是隨著現代信息社會的逐漸形成而對國民提出的一種兼跨人文和科學范疇的綜合性個人素養要求的描述。隨著研究的深入，人們對信息素養的認識也在不斷深化。

1974年美國信息產業協會主席保羅?澤考斯基最先提出信息素養的概念, 他認為信息素養是“利用大量的信息工具及主要信息源使問題得到解答的技術及技能”。1992年美國圖書館協會提出：“信息素養是人能夠判斷何時需要信息, 并且能夠對信息進行檢索、評價和有效利用的能力。”同年, 道爾在《信息素養全美論壇的終結報告》中給出了一個較為全面的定義：一個具有信息素養的人, 他能夠認識到精確和完整的信息是作出合理決策的基礎, 他能夠確定對信息的需求, 能夠形成基于信息需求的問題, 能夠確定潛在的信息源, 能夠制定成功的檢索方案, 從包括基于計算機的和其他的信息源中獲取信息、評價信息、組織信息用于實際的應用, 將新的信息與原有的知識體系進行融合以及在批判性思考和問題解決過程中使用信息。

綜上所述, 雖然研究人員從不同的視角界定了信息素養的定義, 但可看出, 信息素養既包括認知態度層面上的內容, 也包括技術層面、操作層面和能力層面上的內容。概括起來講, 信息素養主要包括信息意識、信息能力和信息道德三個方面：

1) 信息意識。信息意識是信息素養的首要因素, 主要指人們對信息及其交流活動在社會中的地位、價值、功能和作用的認識, 換句話說, 就是指人們對信息的判斷、捕捉的能力。信息意識的強弱將直接影響人們利用信息的程度和效果。人們只有有了信息意識,才有可能有信息的需求, 進一步去尋找信息和利用信息, 并主動學習與信息處理有關的技術。

2) 信息能力。信息能力是信息素養的重要方面, 是指人們獲取信息、處理信息、利用信息、創造信息、交流信息的技術和能力。人們只有掌握一定的信息技能, 才能有效地開展各種信息活動, 有效地利用信息和創造信息, 充分發揮信息的價值, 變信息為動力和優勢。

3) 信息道德。信息道德是指人們在整個信息交流活動過程中表現出來的信息道德品質。它是對信息生產者、信息加工者、信息傳播者及信息使用者之間相互關系的行為進行規范的倫理準則, 是信息社會每個成員都應該自覺遵守的道德標準。

2 人工智能的研究領域

人工智能的研究領域非常廣泛, 而且涉及的學科也非常多。目前,人工智能的主要研究領域包括：專家系統、機器學習、模式識別、自然語言理解、自動定理證明、自動程序設計、機器人學、智能決策支持系統及人工神經網絡等。下面主要介紹在網絡教育環境中常用的智能技術。

2.1 專家系統

所謂專家系統就是一種在相關領域中具有專家水平解題能力的智能程序系統, 它能運用該領域專家多年積累的經驗與知識, 模擬人類的思維過程,求解需要專家才能解決的困難問題。

2.2 機器學習

“學習”是一個有特定目的的知識獲取過程, 其內在行為是獲取知識、積累經驗、發現規律; 外部表現是改進性能、適應環境、實現系統的自我完善。所謂機器學習, 就是要使計算機能模擬人的學習行為, 自動地通過學習獲取知識和技能, 不斷改善性能, 實現自我完善。機器學習主要研究學習的機理、學習的方法以及針對相應的學習系統建立學習系統。

2.3 模式識別

所謂模式識別,是指研究一種自動技術。計算機通過運用這種技術,就可自動地或者人盡可能少干預地把待識別模式歸入到相應的模式類中去。也就是說,模式識別研究的主要內容就是讓計算機具有自動獲取知識的能力,能識別文字、圖形、圖像、聲音等。一般來說,模式識別需要經歷模式信息采集、預處理、特征或基元抽取、模式分類等幾個步驟。

2.4 人工神經網絡

人工神經網絡是指模擬人腦神經系統的結構和功能, 運用大量的處理部件, 由人工方式建立起來的網絡系統。它是在生物神經網絡研究的基礎上建立起來的,是對腦神經系統的結構和功能的模擬, 具有學習能力、記憶能力、計算機能力以及智能處理功能。其中學習是神經網絡的主要特征之一, 可以根據外界環境來修改自身的行為。學習的過程即是對網絡進行訓練的過程和不斷調整它的連接權值, 以使它適應環境變化的過程。學習可分為有教師(或稱有監督)學習與無教師(無監督)學習兩種類型。對神經網絡的研究使人們對思維和智能有了進一步的了解和認識,開辟了另一條模擬人類智能的道路。

3 人工智能技術在教育中的應用

3.1 智能搜索引擎

隨著互聯網站點和頁面的激增以及網絡用戶隊伍的不斷壯大,信息檢索成為人們利用Internet的重要途徑。但是在浩瀚的網頁海洋中尋找有用的信息并不容易,需要借助有力的檢索工具如搜索引擎等等。目前一些著名的搜索引擎有:GOOGLE、YAHOO、EXCITE、INFOSEEK等,他們各有特色,但仍存在不足之處,如檢索到的無關信息過多以及檢索結果排序較混亂。智能化信息檢索是信息檢索的新分支,它是人工智能和信息檢索的交叉學科。它在對內容的分析理解、內容表達、知識學習等基礎上實現檢索的智能化,這樣可以節省學習者在檢索中花費的時間,幫助學習者提高檢索效率。智能化信息檢索所用到的人工智能技術有專家系統、自然語言處理和知識表示。

3.2 智能體(agent)

agent技術早在70年代出現在人工智能領域,通過感知、學習、推理以及行動能夠基于知識庫的訓練模仿人類社會的行為。隨著其進一步發展,它在遠程教育領域發揮著越來越重要的作用。一套完整的遠程教育系統中包含許多子系統,如答疑、作業、考試、交互等等子系統。這些子系統都有各自的數據庫用來存儲信息。為了提高整個系統的智能性,可以引入智能技術,把眾多子系統的數據庫鏈接起來,實現信息資源的共享。通過分析這些信息,智能技術可以發現學習者的個別特征(如興趣愛好信息、點擊知識點信息統計、交互日志等等),并根據這些特征量身訂做出適合學習者的學習方案,也有助于教師及時掌握學習者學習過程中的動態信息。

3.3 智能CAI(ICAI)

隨著計算機技術的飛速發展,計算機輔助教學(CAI)已受到教育界的重視,成為學科教學改革的一種重要手段。許多學校都在開發CAI課件,但大多數CAI課件只是機械地按照教學設計者事先設計好的教學模式和內容向學生傳授知識,并沒有體現出個性化學習,無法做到因材施教。

智能CAI是以人工智能技術為核心,使CAI系統能夠根據學生的學習情況等因素分析學生的特征,合理安排教學內容、變化教學方法去滿足個別教學的需要。使用智能CAI進行教學能夠克服傳統CAI的不足,顯著提高教學效果,是CAI課件發展的趨勢。

3.4 智能教學系統ITS

智能教學系統(intelligent tutoring system,ITS)是涉及人工智能、計算機科學、認知科學、教育學、心理學和行為科學的綜合性課題,其研究的最終目標是由計算機負擔起人類教育的主要責任,即賦予計算機系統以智能,由計算機系統在一定程度上代替人類教師實現最佳教學。我國ITS的研究起步較晚,但近幾年隨著計算機的普及和教育軟件需求增大,ITS的發展較快。ITS按照功能分為四個模塊:專家知識模塊、學生模塊、教師模塊、人機接口模塊。

4 人工智能教育對學生信息素養的作用

人工智能(ArtificialIntelligence,AI)是計算機科學的一個分支,是一門研究運用計算機模擬和延伸人腦功能的綜合性學科。換言之,它研究如何用計算機模仿人腦所從事的推理、證明、識別、理解、設計、學習、思考、規劃以及問題求解等思維活動,來解決需要人類專家才能處理的復雜問題,例如咨詢、診斷、預測、規劃等決策性問題。人工智能也是一門涉及數學、計算機科學、控制論、信息學、心理學、哲學等學科的交叉和邊緣學科。與一般的信息處理技術相比,人工智能技術在求解策略和處理手段上都有其獨特的風格。人工智能研究處于信息技術的前沿,它的研究、應用和發展在一定程度上決定著計算機技術的發展方向。同時,信息技術的廣泛應用也對人工智能技術的發展提出了急切的需求。今天,人工智能的不少研究領域如自然語言理解、模式識別、機器學習、數據挖掘、智能檢索、機器人技術、人工神經網絡等都走在了信息技術的前沿,有許多研究成果已經進入人們的生活、學習和工作中,并對人類的發展產生了重要影響。

綜上所述,作為信息技術一個不可缺少的重要組成部分,人工智能的基本內容在中學信息技術課程中是不能不專門提及的,以往某些教材中用一兩頁篇幅作個簡單介紹的方法根本不足以反映人工智能學科的全貌。因此,十分有必要在高中階段的信息技術課程中專門設立人工智能選修課。我們認為,高中階段開設人工智能課程可以在以下幾個方面對學生的信息素養培養產生積極作用：

1) 多種思維方式的培養和信息素養的綜合鍛煉。

現實世界的問題可以按照結構化程度劃分成三個層次：結構化問題,是能用形式化(或稱公式化)方法描述和求解的一類問題;非結構化問題,難以用確定的形式來描述,主要根據經驗來求解;半結構化問題則介于上述兩者之間。一般說來,中學階段開設的傳統意義上的信息技術課程中所介紹的信息技術,例如多媒體技術、網絡技術、數據庫技術、算法與程序設計等,都是求解結構化問題的基本技術。而人工智能技術則是解決非結構化、半結構化問題的一類有效技術。

把人工智能課程引入我國現行的高中信息技術教育,可以讓學生在體驗、認識人工智能知識與技術的過程中獲得對非結構化、半結構化問題解決過程的了解,從而培養學生的多種思維方式,達到提高信息素養的目的。通過人工智能課程的學習,學生還將了解人工智能語言的基本特征,學到智能化問題求解的最為基本的策略。

2) 體驗人類專家解決復雜問題的思路,提高學生的邏輯思維能力。

這里以人工智能學科中“專家系統”技術的體驗、學習與應用過程為例進行說明。在專家系統的應用過程中,一個實際的專家系統不僅能夠為用戶給出相關領域的專家水平建議或決策,而且能夠通過解釋機制,以用戶容易理解的方式解釋專家系統的具體推理過程。學生可以向專家系統提出諸如“為什么(Why)”、“如何(How)”、“如果……會怎么樣”等問題,系統接受用戶的問題指令后,可以根據推理的邏輯進程,即時將答案呈現給用戶,整個過程如同教師與學生在進行面對面的教學。在該過程中,學生可以充分體驗人類專家的求解思路和推理風格,有助于提高他們的分析、思維與判斷能力。

另一方面,在專家系統的教學過程中,可以要求學生自行構建由產生式規則組成的知識庫,或進一步利用工具軟件來開發簡單的實用型專家系統。為了完成該項工作,學生一開始就要編制開發規劃、制定知識獲取策略,并具體付諸實施,這是一個不斷深化的過程。學生還得明確與系統有關的所有變量或相關的因素,并且將這些變量和因素轉化為問題求解,得出相應的結論。在進行一系列問題求解分析之后,運用產生式規則來表示知識,以此建立起來的專家系統還可以讓其他學生去運用和體驗,具有一定的實用價值。

由于專家系統中的知識組織與推理過程是對人類專家思維方式的一種模擬,因此上述知識庫的組織和系統的推理過程能夠較好地體現學生的思維過程。在建造知識庫過程中,學生需要將原來零碎的未成型的知識概念化、形式化和條理化,從而內化為學生自己的東西。所以,建造知識庫的過程不但能反映學生的學習過程,而且有助于學生對該領域知識的深層思考并有利于長久記憶,同時也學會了專家系統的基本開發技術。正如美國著名的學習論專家Jonassen所指出的：那些自行設計專家系統的學生將會在這種活動中受益匪淺,因為這是一個對所學知識進行深度加工的過程。

3) 了解信息技術發展的前沿,激發對信息技術未來的追求。

人工智能技術在一定程度上代表著信息技術的前沿,通過人工智能知識、技術的學習與體驗,高中學生能夠對信息技術發展的前沿知識有一定程度的了解,這樣有助于他們開闊視野,培養興趣,激發對信息技術美好未來的追求,從而為今后進入大學或走向社會奠定良好的基礎。

5 結束語

中學生的信息素養的培養是當前信息技術課的一個重要目標，而在現有的中學信息技術課程中，關于人工智能的知識只作了簡單的介紹，學生們對于人工智能研究的廣大領域不能有詳細的概念，這對于中學生的信息化認識和信息素養的培養不夠全面。因此在中學信息技術課中加大人工智能的知識介紹是信息技術課改革的重要內容。

參考文獻：

[1] 雷曉慶.網絡環境下大學生的信息素養及其培養[J].太原大學學報, 2004(2):38.

[2] 杜玉霞.美國信息素養教育與研究的啟示[J].電化教育研究, 2005(10):42.

[3] 王永慶.人工智能原理與方法[M].西安:西安交通大學出版社,2002,1-53.

[4] 潘瑞玲,余輪.Agent技術在遠程教育系統中應用的研究[J].微型電腦應用,2002,18(4):28-30.

[5] 吳戰杰，秦健.Agent技術及其在網絡教育中的應用研究[J].電化教育研究，2003(3):32-36.