188宝金博页面版

1 教案 05 ：第 3 章 机器的" 知识库"—— 知识表示与推理引擎（9-10 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 3 章 知识表示与推理（3.1节） 授课项目 项目三 构建知识引擎 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 5 周 第 9-10 节 1.2 教学内容 选自第 3 章第一节。本节聚焦知识表示基础与核心方法。讲解知识与 AI 的关系、逻辑与规则表示法、结构化表示法（框架、语义网络），帮助学生理解机器如何"存储"与"组织"知识，为后续知识图谱与推理学习奠定基础。 1.3 学情分析 知识与技能基础 认知与实践能力 学习特点 通过前两章，学生已建立 AI 认知与智能本源理解；对"知识"有日常认知，但对"机器如何表示知识"缺乏系统理解；具备基本逻辑思维，但对形式化表示方法较为陌生。 学生能够理解日常知识，但缺乏从机器可计算角度表示知识的能力；对逻辑规则有一定基。越峁够硎荆蚣/语义网络）较陌生；需要案例帮助建立形式化思维。 对"机器如何思考"类话题有兴趣；喜欢可视化与类比；乐于动手构建知识结构；偏好案例驱动。 1.4 教学目标 素养目标 知识目标 能力目标 1. 体会知识工程对 AI 发展的意义，培养求真务实的科学精神； 2. 了解我国知识工程研究（如中科院知识图谱）进展，增强科技自信； 3. 培养形式化思维与系统建模能力。 1. 理解知识与 AI 的关系； 2. 掌握逻辑与规则表示法（命题逻辑、谓词逻辑、产生式规则）； 3. 掌握结构化表示法（框架表示、语义网络）； 4. 了解不同表示法的适用场景与局限。 1. 能够区分不同知识表示方法； 2. 能够用产生式规则表示简单知识； 3. 能够用框架或语义网络组织知识结构； 4. 能够根据场景选择合适的表示方法。 1.5 教学重难点 教学重点 1. 逻辑与规则表示法（命题/谓词逻辑、产生式规则）； 2. 结构化表示法（框架、语义网络）。 教学难点 理解形式化表示的抽象性；根据场景选择合适表示方法并正确构建。 2 教学策略 2.1 教学设计理念