湖南师范大学2027年硕士研究生入学考试自命题科目考试大纲：736教育技术学与人工智能基础

湖南师范大学2027年硕士研究生入学考试自命题科目考试大纲：736教育技术学与人工智能基础

  考试内容及要点：

  教育技术学部分

  第一章 教育技术学概述

  包括：教育技术的基本概念（AECT1994、AECT2004定义），教育技术的领域、范畴、研究对象，教育技术学的学科性质、研究方法、研究取向。教育技术学的哲学基础和一般科学理论基础。拓展：智能教育技术的研究领域。

  第二章 教育技术的发展历史

  包括：教育技术发展的含义、模型、特点、新进展，国外教育技术的发展演变，中国教育技术的发展状况。

  第三章  学习资源

  包括：学习资源概述、媒体资源、因特网上的教育信息资源、网络教育资源建设技术规范。拓展：智能教育资源。

  第四章  学与教的过程

  包括：学习过程、教学过程。

  第五章 教学系统设计

  包括：教学系统设计概述、教学系统设计的理论和模式、以“教”为主的教学系统设计模式、以“学”为主的教学系统设计模式、教学系统设计的进展。

  第六章  教学系统开发

  包括：教学系统开发概述、现代教学媒体材料的开发、网络课程的开发、、智能教学系统的开发、集成化教学系统开发。

  第七章  教育技术运用

  包括：教育技术运用概述、教学资源的应用、基于web的网络教学系统的应用、信息化教学应用、绩效技术。拓展：智能教育应用。

  第八章  教育技术管理

  包括：教育技术管理概述、教学资源管理、教学过程管理、项目管理、知识管理。

  第九章  教学资源与教学过程评价

  包括：教育技术的评价范畴概述、教学资源的评价、教学过程的评价、网络教学评价、计算机辅助评价研究的新进展。

  第十章  教育技术与教育改革

  包括：现代教育技术与创新人才的培养、教育信息化与教育改革、运用现代教育技术建构新型教学结构。

  了解教育技术发展的新动态。

  人工智能基础部分

  一、人工智能核心原理

  1．人工智能概述

  ①人工智能的定义、发展历程。

  ②机器学习与深度学习的定义。

  ③监督学习、无监督学习、半监督学习的定义、原理以及区别。

  2．经典机器算法的基本原理、算法的优缺点

  k-近邻算法；朴素贝叶斯；支持向量机。

  3．深度学习与神经网络的基本原理、算法的优缺点

  卷积神经网络；循环神经网络。

  4．前沿生成模型与大语言模型的基本原理、算法的优缺点

  生成式对抗网络；大语言模型。

  二、人工智能教育应用

  1．智能化教学系统的概念、基本构成以及与教育场景融合设计

  2．个性化学习与自适应系统的概念、基本构成以及与教育场景融合设计

  3．智慧化管理与评价系统的概念、基本构成以及与教育场景融合设计

  4．人工智能在促进终身教育中的角色与作用

  5．人工智能在推动教育公平、弥补教育鸿沟中的角色与作用

  三、Python编程与人工智能算法实现（定位：关键代码编写、匹配与补全）

  重点考查考生运用Python语言解决人工智能教育应用问题的代码阅读与理解、关键代码补全、基础编程逻辑及综合方案描述能力。

  1．教育数据处理与基础编程逻辑

  ①列表、字典等基本组合数据类型的创建与遍历操作。

  ②for循环与if条件判断的嵌套使用。

  ③自定义函数的定义与调用。

  ④简单教育指标（如平均值、学习效率值）计算逻辑的代码实现。

  2．经典机器学习模型的Python编程实现

  ①欧氏距离的计算公式及其应用。

  ②K近邻（KNN）算法的基本步骤与分类决策逻辑。

  ③使用sklearn库进行数据集划分、模型创建、模型训练与预测的关键代码书写。

  3．人工智能教育应用的Python综合方案设计

  ①调用大语言模型API的基本流程（构造提示词、发送请求、解析响应、输出结果）及其对应Python操作的识别与匹配。

  ②requests库在API调用中的基本作用。

  ③结合教育场景，对AI应用方案进行优化改进的思路描述与提示词设计。