188宝金博页面版

1 教案 14 ：第 7 章 机器的" 语言大师"—— 自然语言处理（27-28 学时） 课程：人工智能基础及应用 | 授课层次：职业本科 | 2 学时 1 教学分析 1.1 授课信息 授课内容 第 7 章 自然语言处理（7.3-7.4节） 授课项目 项目七 让机器理解语言 授课班级 职业本科 一年级 学生人数 40 人 授课学时 2 学时 授课形式 理实一体化教学 授课地点 智慧教室 授课时间 第 14 周 第 27-28 节 1.2 教学内容 选自第 7 章后两节。本节聚焦理解语言的核心任务与语言生成。讲解文本分类（识别内容标签）、关键信息抽。ㄒ馔际侗鹩氩畚惶畛洌、自然语言生成的挑战与方法演进、大语言模型的崛起，帮助学生理解机器如何"理解—抽取—生成"语言，培育 NLP 应用与大模型认知能力。 1.3 学情分析 知识与技能基础 认知与实践能力 学习特点 通过上节课，学生已掌握分词、TF-IDF 与词向量；对文本分类与生成有零散了解，但对核心任务缺乏系统认知；对大语言模型兴趣浓厚但了解不深。 学生能够感知 NLP 应用，但难以区分分类/抽取/生成任务；对大模型好奇但缺乏系统认知；需要案例帮助建立前沿视野。 对"AI 写作""智能问答"兴趣浓厚；喜欢真实案例与大模型体验；乐于动手体验生成；偏好前沿驱动。 1.4 教学目标 素养目标 知识目标 能力目标 1. 了解我国大语言模型（文心一言、通义千问、DeepSeek、智谱 GLM）进展，增强科技自信； 2. 培养数据思维与批判性认知； 3. 培养对生成式 AI 的辩证认知与伦理意识。 1. 掌握文本分类（识别内容标签）； 2. 理解关键信息抽。ㄒ馔际侗鹩氩畚惶畛洌 3. 理解自然语言生成的挑战与方法演进； 4. 了解大语言模型的崛起与创造性应用。 1. 能够区分文本分类与信息抽取任务； 2. 能够说明意图识别与槽位填充流程； 3. 能够举例说明语言生成应用； 4. 能够体验并描述大语言模型能力。 1.5 教学重难点 教学重点 1. 文本分类与关键信息抽。 2. 自然语言生成的方法演进； 3. 大语言模型的崛起。 教学难点 理解意图识别与槽位填充的协同；把握语言生成从规则到大模型的演进；辩证看待大模型的创造性与风险。 2 教学策略 2.1 教学设计理念