人工智能语言与伦理模板(10篇)

导言：作为写作爱好者，不可错过为您精心挑选的10篇人工智能语言与伦理，它们将为您的写作提供全新的视角，我们衷心期待您的阅读，并希望这些内容能为您提供灵感和参考。

篇1

一、 理论综述与研究假设

1. 智能职业生涯理论与职业胜任力的相关研究。20世纪90年代，Arthur与他同事提出了智能职业生涯（intelligence career）理论，随后，职业胜任力逐渐受到西方研究者广泛关注。该理论认为，每一种公司胜任力（公司的公司文化、know-how和公司社会资本）都要求员工展现出相应的职业胜任力以应对变化中的环境和雇佣关系。Defillippi和Arthur（1994）首次提出了与公司胜任力相匹配、在无边界职业生涯时代下个体所需要的职业胜任力。它包括三个维度：“知道为什么（knowing why）”、“知道怎么做（knowing how）”、“知道谁（knowing whom）”，并把职业胜任力看作是随着时间能被开发以及成功进行职业生涯管理所需要的累积性知识。其中，“知道为什么”指我们为什么要从事这项工作，“知道怎么样”指我们怎么做这份工作，“知道谁”指我们和谁一起工作。这一定义和分类得到了很多学者的认同，智能职业框架提出后，很多学者展开了更深入的讨论和研究。

为了在职业咨询中获得个体职业生涯的主观数据，Arthur等（2002）以智能职业生涯分类卡片（ICCS）的形式尝试对三种“知道”胜任力进行操作化。由于三个维度的职业胜任力缺乏信度和效度的检验以及评价性研究，ICCS并未用于实证研究。同样，Eby等人（2002）也认同三因子的分类结构，认为“知道为什么”包括职业洞察力、经验开放性和主动性人格；“知道谁”包括员工的公司内、外部网络关系以及是否拥有个人导师；“知道怎么做”包括职业认同，反映个人为提升与职业或工作相关的知识、技能而进行的投入。

但是，从后来对职业胜任力结构的探索中发现，三种“知道”胜任力的因子结构过于宽泛，职业胜任力结构应更加细化，其中Kuijpers和Scheerens（2006）的研究最有代表性。他们对职业胜任力的测量进行了多维度探索，确认了包括职业实现能力、能力自省、动机自省、工作探索、职业控制和社交网络的六因子结构。之后，陆续有学者对职业胜任力的结构进行探索，但依然还没有统一的标准。值得肯定的是，由于智能职业框架下三维度职业胜任力的内容更全面，职业胜任力中的各因素都能被三个领域的“knowing”所涵盖，例如，六因素模型中，能力自省与动机自省属于“知道为什么”胜任力，社交网络属于“知道谁”胜任力，职业实现能力、工作探索与职业控制属于“知道怎么做”胜任力。因此，智能职业理论成为了职业胜任力结构和效果研究的理论基础。鉴于三维度的因子结构并未得到过实证检验，本文提出：

假设1：员工的职业胜任力结构符合“知道为什么”、“知道怎么做”和“知道谁”三因素结构。

2. 职业胜任力的效果分析。

（1）职业满意度与积极的职业结果。职业满意度是员工对自己职业生涯相关角色、成就和职业成功的主观感受，是衡量职业成功的主观重要指标。可雇佣性是个体感知自己在组织内部和外部获取和维持就业的能力。在不稳定和不确定的雇佣背景下，可雇佣性也是个体主观职业成功感的重要方面。本文认为，职业胜任力对职业满意度和可雇佣性都具有正向的预测作用。

“知道为什么”胜任力指员工清楚自己的职业目标、职业动机、个人意义、能力等，它能增强个人与职业的匹配度、适应性，能促进职业承诺和满足。它为有效的职业生涯管理提供指导和方向，使个人在劳动力市场上更容易找到期望的工作。“知道谁”胜任力是个体在追求职业生涯的发展中，在公司内部和外部建立起来的社会关系，这些社会关系作为社会资本促进了职业信息的交换和个人信誉的建立，有助于个体的工作流动和职业机会获取，降低职业不安全感。“知道怎么做”胜任力指个体拥有的与工作有关的技能和个人为提升知识和专业技能而做出的努力，它作为一种理想的资源能增强个人在职业生涯中的自主性。同时，“怎么做”胜任力也是雇主非常重视的，因为它能促进组织学习和组织弹性，提升组织竞争优势，因此，该领域的胜任力增强了雇员在劳动力市场上的谈判力。Colakoglu（2011）的研究表明，职业胜任力能通过提升员工的职业自主性和降低职业不安全感来增加主观职业成功感。智能职业生涯理论提出职业胜任力概念的初衷也是为了增强个人职业资本，促进个人职业发展，赢得无边界职业生涯背景下的职业成功。因此，本文提出：

假设2：职业胜任力对职业满意度有正向预测作用；

假设3：职业胜任力对可雇佣性有正向预测作用。

（2）职业胜任力与工作投入。工作投入是一种表现为活力、奉献和专注的积极、满足的工作状态。根据资源-要求模型（JD-R模型），员工的工作资源能促进工作投入的动机水平，工作资源是工作中的那些有助于实现工作目标、降低工作消耗、提升个人成长、学习和发展的身体、心理、社会以及组织的方面。工作资源常常用发展机会、社会支持和自主性来衡量。根据资源保护理论，个人会努力保护自己的个人资源，努力积累它们，这一过程能增加工作资源，并提升工作投入。职业胜任力中的“知道为什么”、“知道谁”和“知道怎么做”胜任力作为发展职业生涯的个人资源，能够帮助员工积极塑造更好的工作环境，让他们感受到环境中拥有更多的工作资源，即拥有更多的社会支持、自主性和发展机会，并进而提升员工的工作投入。本文提出：

假设4：职业胜任力对工作投入有正向预测作用。

二、 研究设计和分析

1. 变量的测量。

（1）职业胜任力。首先，本文从智能职业生涯框架中的三种“Knowing”胜任力出发，在整理、归纳关于职业胜任力测量的文献基础上，确认已有测量的14个相关概念。“知道为什么”包括：自我探索、职业洞察力、自我认知、职业抗逆力；“知道谁”领域包括：社交网络、职业指导、寻求反馈与自我展示；“知道怎么做”包括：工作探索、职业控制、职业认同、职业规划、职业相关技能。对已有的测量条目进行了翻译和整理归纳，合并相似性较大的条目，共收集88个测量条目。然后，我们通过开放式问卷、团队焦点访谈编制出由50个问题构成的初始问卷。所有条目统一采用Likert5点量度：其中1表示“非常不同意”，5表示“非常同意”。

（2）效果变量。职业满意度选用Greenhaus等编制的问卷。可雇佣性选用Berntson与Marklund编制的问卷。工作投入采用UWES工作投入问卷。

2. 预测试与正式测试。

（1）预测试。本次预试的数据来源于北京市两家企业的197份调查问卷。本研究采用SPSS18.0软件对初始问卷的50个条目进行项目分析。首先，通过极端组比较法和条目与总分的相关性检验对预试的数据进行项目鉴别分析，来评估复合测量中的每个条目是否具有独立的贡献。然后，我们对剩余的条目做了同质性检验，删除了素负荷量小于0.4或共同性小于0.2的题项。经过上述修订后，留下35个条目进行正式调查。

（2）正式测试。通过扩大样本取样范围，本研究展开正式调查，调查一次性完成。本次调查对象为来自北京、武汉、深圳等地的十家企业在职人员，样本中的被试分布多个行业，覆盖面广，具有一定的样本代表性。本次调查共发放问卷700份，其中有效问卷620份。样本特征为：男性占70.5%，女性占29.5%；年龄结构为：30岁以下的占55%，30岁～35岁的占28%，36岁～40的占7.5%，41岁以上占9.5%；学历结构为：专科以下占10%；大专占25%；本科占40%；硕士及以上占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. 研究结果。本研究将收集的样本数据随机分半，对职业胜任力进行结构效度的检验，一半做探索性因素分析（N=297），另一半验证性因素分析（N=323）。

（1）探索性因素分析结果。本研究采用SPSS18.0进行Bartlett球形检验，检验值为4 666.435（d=561，P

本研究对六因子进行命名。因素1命名为职业控制，反映员工能为职业发展进行职业探索、职业目标设置与规划，并有实现目标的策略；因素2命名为社会网络，反映了员工拓展与保持有助于职业发展的组织内、外的社会关系；因素3命名为自我认知，反映了员工对自我职业动机、目标、兴趣、优劣势和能力的认知清晰度；因素4命名为寻求指导与开发机会，反映员工为实现职业进步而主动寻求职业指导、绩效反馈和培训开发机会；因素5命名为自我开发，反映员工为职业发展通过多种途径开发具有竞争性、可转换的知识和技能；因素6命名为工作―生活平衡能力，反映员工为保持职业中的身心健康在工作和生活间寻求平衡的意识和能力。

（2）验证性因素分析结果。自我认知、和谐平衡能力属于“知道为什么”领域的胜任力；社会关系与自我展现、寻求指导与开发机会属于“知道谁”领域的胜任力；职业控制、自我开发属于“知道怎么做”领域的胜任力。是否可以将六个维度合并成三个维度的职业胜任力结构？为验证本文假设，我们将运用Lisrel8.7通过验证性因子分析对三因子和六因子模型进行比较。通过结果对比，可以看到，六因子模型在各个拟合指数上都要优于三因子模型（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），拒绝假设1。

（3）职业胜任力的效果分析结果。本研究对职业胜任力及各维度与关键结果变量之间的关系进行了相关分析和回归分析。相关分析结果如表1所示。相关分析结果表明，职业胜任力和职业满意度、可雇佣性、工作投入之间都达到显著正相关，职业胜任力的各维度与三个效果变量也达到显著正相关，显著性均0.01的水平上。为进一步探索职业胜任力和职业满意度的关系，本文以职业胜任力的各维度为自变量，职业满意度为因变量，进行了多元回归分析，结果如表2所示。由回归分析结果可以看出，职业胜任力对职业满意度、可雇佣性和工作投入的总体解释率分别为：21.4%、32%和28%，F值均在0.01的水平上显著。从各因素与结果变量的关系看，不同因素对结果变量的影响有所不同：职业控制、自我认知与和谐平衡力对职业满意度的回归系数显著，职业控制、社会网络和自我开发对可雇佣性显著，社会网络、自我认知和自我开发对工作投入的回归系数显著。综上所述，本研究的假设2、假设3、假设4均成立。

三、 结论

本文通过实证研究再次证实，“知道为什么”、“知道谁”、“知道怎么做”的三因素结构过于宽泛，在数据中没有得到支持。本研究得出职业胜任力包括六个因素，分别是：职业控制、社会网络、自我认知、寻求指导与培训机会、自我开发、和谐平衡能力。该结论与国外学者的研究结论既有相同之处，又有所差异，本研究和国外多维度职业胜任力结构的差异在于：“知道为什么”领域的职业胜任力中，不仅仅包括自我认知，还包含和谐平衡能力。正如Defillippi和Arthur（1994）提出的，“知道为什么”更多体现了那些影响个体职业承诺和雇佣适应性的因素，例如职业动机，个人意义和目标意识，这些因素融入了个体对家庭和其他非工作因素的考虑。该研究结论与本文的研究结论与周文霞等（2010）的研究一脉相承，判断职业成功与否的重要标准中除获得内外部报酬的满足外，还包括在职业生涯中感受到身心健康、工作―生活的平衡，即和谐平衡。在无边界的职业生涯中，职业成功的标准更加多元化，同样，职业胜任力作为获得职业成功的源泉，也会涉及更宽泛的领域。

参考文献：

[1] 周文霞.职业成功标准的实证研究与理论探讨[J].经济与管理研究，2006，（5）：59-62.

[2] 叶龙.技能人才职业胜任力及其与职业满意度关系研究――以铁路行业为例的实证分析[J].清华大学学报，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，孙健敏.中国情景下职业成功观的内容与结构[J].中国人民大学学报，2010，（3）：124-134.

篇2

中图分类号：TP18文献标识码：A文章编号：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 信息素养的定义及其内涵

“信息素养”一词最早产生于信息技术和信息产业发达的美国, 是随着现代信息社会的逐渐形成而对国民提出的一种兼跨人文和科学范畴的综合性个人素养要求的描述。随着研究的深入，人们对信息素养的认识也在不断深化。

1974年美国信息产业协会主席保罗・泽考斯基最先提出信息素养的概念, 他认为信息素养是“利用大量的信息工具及主要信息源使问题得到解答的技术及技能”。1992年美国图书馆协会提出：“信息素养是人能够判断何时需要信息, 并且能够对信息进行检索、评价和有效利用的能力。”同年, 道尔在《信息素养全美论坛的终结报告》中给出了一个较为全面的定义：一个具有信息素养的人, 他能够认识到精确和完整的信息是作出合理决策的基础, 他能够确定对信息的需求, 能够形成基于信息需求的问题, 能够确定潜在的信息源, 能够制定成功的检索方案, 从包括基于计算机的和其他的信息源中获取信息、评价信息、组织信息用于实际的应用, 将新的信息与原有的知识体系进行融合以及在批判性思考和问题解决过程中使用信息。

综上所述, 虽然研究人员从不同的视角界定了信息素养的定义, 但可看出, 信息素养既包括认知态度层面上的内容, 也包括技术层面、操作层面和能力层面上的内容。概括起来讲, 信息素养主要包括信息意识、信息能力和信息道德三个方面：

1) 信息意识。信息意识是信息素养的首要因素, 主要指人们对信息及其交流活动在社会中的地位、价值、功能和作用的认识, 换句话说, 就是指人们对信息的判断、捕捉的能力。信息意识的强弱将直接影响人们利用信息的程度和效果。人们只有有了信息意识,才有可能有信息的需求, 进一步去寻找信息和利用信息, 并主动学习与信息处理有关的技术。

2) 信息能力。信息能力是信息素养的重要方面, 是指人们获取信息、处理信息、利用信息、创造信息、交流信息的技术和能力。人们只有掌握一定的信息技能, 才能有效地开展各种信息活动, 有效地利用信息和创造信息, 充分发挥信息的价值, 变信息为动力和优势。

3) 信息道德。信息道德是指人们在整个信息交流活动过程中表现出来的信息道德品质。它是对信息生产者、信息加工者、信息传播者及信息使用者之间相互关系的行为进行规范的伦理准则, 是信息社会每个成员都应该自觉遵守的道德标准。

2 人工智能的研究领域

人工智能的研究领域非常广泛, 而且涉及的学科也非常多。目前,人工智能的主要研究领域包括：专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、智能决策支持系统及人工神经网络等。下面主要介绍在网络教育环境中常用的智能技术。

2.1 专家系统

所谓专家系统就是一种在相关领域中具有专家水平解题能力的智能程序系统, 它能运用该领域专家多年积累的经验与知识, 模拟人类的思维过程,求解需要专家才能解决的困难问题。

2.2 机器学习

“学习”是一个有特定目的的知识获取过程, 其内在行为是获取知识、积累经验、发现规律; 外部表现是改进性能、适应环境、实现系统的自我完善。所谓机器学习, 就是要使计算机能模拟人的学习行为, 自动地通过学习获取知识和技能, 不断改善性能, 实现自我完善。机器学习主要研究学习的机理、学习的方法以及针对相应的学习系统建立学习系统。

2.3 模式识别

所谓模式识别,是指研究一种自动技术。计算机通过运用这种技术,就可自动地或者人尽可能少干预地把待识别模式归入到相应的模式类中去。也就是说,模式识别研究的主要内容就是让计算机具有自动获取知识的能力,能识别文字、图形、图像、声音等。一般来说,模式识别需要经历模式信息采集、预处理、特征或基元抽取、模式分类等几个步骤。

2.4 人工神经网络

人工神经网络是指模拟人脑神经系统的结构和功能, 运用大量的处理部件, 由人工方式建立起来的网络系统。它是在生物神经网络研究的基础上建立起来的,是对脑神经系统的结构和功能的模拟, 具有学习能力、记忆能力、计算机能力以及智能处理功能。其中学习是神经网络的主要特征之一, 可以根据外界环境来修改自身的行为。学习的过程即是对网络进行训练的过程和不断调整它的连接权值, 以使它适应环境变化的过程。学习可分为有教师(或称有监督)学习与无教师(无监督)学习两种类型。对神经网络的研究使人们对思维和智能有了进一步的了解和认识,开辟了另一条模拟人类智能的道路。

3 人工智能技术在教育中的应用

3.1 智能搜索引擎

随着互联网站点和页面的激增以及网络用户队伍的不断壮大,信息检索成为人们利用Internet的重要途径。但是在浩瀚的网页海洋中寻找有用的信息并不容易,需要借助有力的检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,他们各有特色,但仍存在不足之处,如检索到的无关信息过多以及检索结果排序较混乱。智能化信息检索是信息检索的新分支,它是人工智能和信息检索的交叉学科。它在对内容的分析理解、内容表达、知识学习等基础上实现检索的智能化,这样可以节省学习者在检索中花费的时间,帮助学习者提高检索效率。智能化信息检索所用到的人工智能技术有专家系统、自然语言处理和知识表示。

3.2 智能体(agent)

agent技术早在70年代出现在人工智能领域,通过感知、学习、推理以及行动能够基于知识库的训练模仿人类社会的行为。随着其进一步发展,它在远程教育领域发挥着越来越重要的作用。一套完整的远程教育系统中包含许多子系统,如答疑、作业、考试、交互等等子系统。这些子系统都有各自的数据库用来存储信息。为了提高整个系统的智能性,可以引入智能技术,把众多子系统的数据库链接起来,实现信息资源的共享。通过分析这些信息,智能技术可以发现学习者的个别特征(如兴趣爱好信息、点击知识点信息统计、交互日志等等),并根据这些特征量身订做出适合学习者的学习方案,也有助于教师及时掌握学习者学习过程中的动态信息。

3.3 智能CAI(ICAI)

随着计算机技术的飞速发展,计算机辅助教学(CAI)已受到教育界的重视,成为学科教学改革的一种重要手段。许多学校都在开发CAI课件,但大多数CAI课件只是机械地按照教学设计者事先设计好的教学模式和内容向学生传授知识,并没有体现出个性化学习,无法做到因材施教。

智能CAI是以人工智能技术为核心,使CAI系统能够根据学生的学习情况等因素分析学生的特征,合理安排教学内容、变化教学方法去满足个别教学的需要。使用智能CAI进行教学能够克服传统CAI的不足,显著提高教学效果,是CAI课件发展的趋势。

3.4 智能教学系统ITS

智能教学系统(intelligent tutoring system,ITS)是涉及人工智能、计算机科学、认知科学、教育学、心理学和行为科学的综合性课题,其研究的最终目标是由计算机负担起人类教育的主要责任,即赋予计算机系统以智能,由计算机系统在一定程度上代替人类教师实现最佳教学。我国ITS的研究起步较晚,但近几年随着计算机的普及和教育软件需求增大,ITS的发展较快。ITS按照功能分为四个模块:专家知识模块、学生模块、教师模块、人机接口模块。

4 人工智能教育对学生信息素养的作用

人工智能(ArtificialIntelligence,AI)是计算机科学的一个分支,是一门研究运用计算机模拟和延伸人脑功能的综合性学科。换言之,它研究如何用计算机模仿人脑所从事的推理、证明、识别、理解、设计、学习、思考、规划以及问题求解等思维活动,来解决需要人类专家才能处理的复杂问题,例如咨询、诊断、预测、规划等决策性问题。人工智能也是一门涉及数学、计算机科学、控制论、信息学、心理学、哲学等学科的交叉和边缘学科。与一般的信息处理技术相比,人工智能技术在求解策略和处理手段上都有其独特的风格。人工智能研究处于信息技术的前沿,它的研究、应用和发展在一定程度上决定着计算机技术的发展方向。同时,信息技术的广泛应用也对人工智能技术的发展提出了急切的需求。今天,人工智能的不少研究领域如自然语言理解、模式识别、机器学习、数据挖掘、智能检索、机器人技术、人工神经网络等都走在了信息技术的前沿,有许多研究成果已经进入人们的生活、学习和工作中,并对人类的发展产生了重要影响。

综上所述,作为信息技术一个不可缺少的重要组成部分,人工智能的基本内容在中学信息技术课程中是不能不专门提及的,以往某些教材中用一两页篇幅作个简单介绍的方法根本不足以反映人工智能学科的全貌。因此,十分有必要在高中阶段的信息技术课程中专门设立人工智能选修课。我们认为,高中阶段开设人工智能课程可以在以下几个方面对学生的信息素养培养产生积极作用：

1) 多种思维方式的培养和信息素养的综合锻炼。

现实世界的问题可以按照结构化程度划分成三个层次：结构化问题,是能用形式化(或称公式化)方法描述和求解的一类问题;非结构化问题,难以用确定的形式来描述,主要根据经验来求解;半结构化问题则介于上述两者之间。一般说来,中学阶段开设的传统意义上的信息技术课程中所介绍的信息技术,例如多媒体技术、网络技术、数据库技术、算法与程序设计等,都是求解结构化问题的基本技术。而人工智能技术则是解决非结构化、半结构化问题的一类有效技术。

把人工智能课程引入我国现行的高中信息技术教育,可以让学生在体验、认识人工智能知识与技术的过程中获得对非结构化、半结构化问题解决过程的了解,从而培养学生的多种思维方式,达到提高信息素养的目的。通过人工智能课程的学习,学生还将了解人工智能语言的基本特征,学到智能化问题求解的最为基本的策略。

2) 体验人类专家解决复杂问题的思路,提高学生的逻辑思维能力。

这里以人工智能学科中“专家系统”技术的体验、学习与应用过程为例进行说明。在专家系统的应用过程中,一个实际的专家系统不仅能够为用户给出相关领域的专家水平建议或决策,而且能够通过解释机制,以用户容易理解的方式解释专家系统的具体推理过程。学生可以向专家系统提出诸如“为什么(Why)”、“如何(How)”、“如果……会怎么样”等问题,系统接受用户的问题指令后,可以根据推理的逻辑进程,即时将答案呈现给用户,整个过程如同教师与学生在进行面对面的教学。在该过程中,学生可以充分体验人类专家的求解思路和推理风格,有助于提高他们的分析、思维与判断能力。

另一方面,在专家系统的教学过程中,可以要求学生自行构建由产生式规则组成的知识库,或进一步利用工具软件来开发简单的实用型专家系统。为了完成该项工作,学生一开始就要编制开发规划、制定知识获取策略,并具体付诸实施,这是一个不断深化的过程。学生还得明确与系统有关的所有变量或相关的因素,并且将这些变量和因素转化为问题求解,得出相应的结论。在进行一系列问题求解分析之后,运用产生式规则来表示知识,以此建立起来的专家系统还可以让其他学生去运用和体验,具有一定的实用价值。

由于专家系统中的知识组织与推理过程是对人类专家思维方式的一种模拟,因此上述知识库的组织和系统的推理过程能够较好地体现学生的思维过程。在建造知识库过程中,学生需要将原来零碎的未成型的知识概念化、形式化和条理化,从而内化为学生自己的东西。所以,建造知识库的过程不但能反映学生的学习过程,而且有助于学生对该领域知识的深层思考并有利于长久记忆,同时也学会了专家系统的基本开发技术。正如美国著名的学习论专家Jonassen所指出的：那些自行设计专家系统的学生将会在这种活动中受益匪浅,因为这是一个对所学知识进行深度加工的过程。

3) 了解信息技术发展的前沿,激发对信息技术未来的追求。

人工智能技术在一定程度上代表着信息技术的前沿,通过人工智能知识、技术的学习与体验,高中学生能够对信息技术发展的前沿知识有一定程度的了解,这样有助于他们开阔视野,培养兴趣,激发对信息技术美好未来的追求,从而为今后进入大学或走向社会奠定良好的基础。

5 结束语

中学生的信息素养的培养是当前信息技术课的一个重要目标，而在现有的中学信息技术课程中，关于人工智能的知识只作了简单的介绍，学生们对于人工智能研究的广大领域不能有详细的概念，这对于中学生的信息化认识和信息素养的培养不够全面。因此在中学信息技术课中加大人工智能的知识介绍是信息技术课改革的重要内容。

参考文献：

[1] 雷晓庆.网络环境下大学生的信息素养及其培养[J].太原大学学报, 2004(2):38.

[2] 杜玉霞.美国信息素养教育与研究的启示[J].电化教育研究, 2005(10):42.

[3] 王永庆.人工智能原理与方法[M].西安:西安交通大学出版社,2002,1-53.

[4] 潘瑞玲,余轮.Agent技术在远程教育系统中应用的研究[J].微型电脑应用,2002,18(4):28-30.

[5] 吴战杰，秦健.Agent技术及其在网络教育中的应用研究[J].电化教育研究，2003(3):32-36.