Year 11 Chinese and Literature · 议题4.3 科技的影响

文章选读 · 科技与环境、伦理与分配

四篇正文与两篇拓展阅读 议题4.3

四篇正文按子点排列:科技与环境、科技改变生活、人工智能与伦理、全球分配。下面下半部两篇是拓展阅读,讲国际合作和算法偏见。

六篇都是标出出处的节选,没有全篇复制,带禁止转载声明的只摘短段。每篇后面有题、生词和“我的疑问”。题答在本子上;疑问也写在本子上,带到课堂。

篇一 在库布其沙漠,有一群治沙的年轻人

新华每日电讯 · 新华网 2024 年 7 月 16 日 · 特稿 · 记者 李志鹏

节选三处

今年34岁的敖日格乐2012年大学毕业后返乡,投身库布其沙漠治理,如今已是一位“治沙老手”,成为嘎查治沙带头人。“改善沙漠生态环境,需要几代人不懈努力。我从父辈手中接过治沙接力棒,继续向沙漠要绿色。”他说。

“眼前这片‘蓝海’就是我们在库布其沙漠治沙的项目之一,通过实施光伏立体治沙,我们最大限度地利用了沙漠的光热、土地资源,实现‘板上发电、板下种植、板间养殖’,既修复沙漠生态,又获得经济效益。”

李挺介绍,随着治沙技术升级迭代,他和同事们创新地将大跨度柔性支架立体光伏治沙方式规模化应用到库布其沙漠治理,这种治沙方式具备光伏板跨度大、净空高等特点,可有效释放光伏板下空间,方便农业机械作业,还能促进板下植物生长。

说明:三处引语来自原文中不同的人,第一处是敖日格乐,后两处是项目现场的介绍。

问题

  1. 敖日格乐为什么说自己是“从父辈手中接过治沙接力棒”?这句话透露了治沙这件事的什么特点?
  2. “板上发电、板下种植、板间养殖”这句话同时解决了哪两个问题?请用一句话说清。
  3. 文章把治沙放在了具体的人身上。如果是你来写“科技与环境”,你会选一个怎样的人或场景来开头?

生词

词语English怎样理解
治沙desert control治理沙漠,固定流沙、恢复植被。
固沙stabilise sand把沙子固定住,不让它被风搬走。
光伏photovoltaic (solar power)用太阳能板把阳光变成电。
净空clearance height板子离地面留出的高度与空间。
经济效益economic benefit不只是花钱,还能带来收入。

我的疑问

读完后写一个你自己的问题(写在本子上):哪一句你想接着查下去,或者你觉得文章没说清什么?

篇二 青少年研究专家:多数家长没意识到AI对孩子的风险

经济观察报 · 科技日报网站 2026 年 3 月 17 日转载 · 访谈 · 作者 任晓宁;受访者 中国青少年研究中心研究员 孙宏艳

节选三处

2026年,我国AI用户规模已达6亿,其中不乏中小学生。不同于游戏、短视频等App,当前绝大多数AI产品还没有完善的未成年人保护模式,存在隐私泄露、社交异化、思考惰性等一系列隐患。

意料之中的是AI的确在中小学生群体下沉速度很快。我们常年做青少年的研究,知道青少年对新事物接纳度高,调查显示超过六成(61.7%)学生使用过AI,并且他们对AI的评价比较积极,很认同AI。

意料之外的主要是伦理风险。比如,有近半数(46.4%)学生说“心里有烦恼只想去问AI”;超两成(21.5%)学生“想和AI聊天,不想和真人聊天”。这两个数字超出了我的预料,我之前想到会有孩子只想和AI聊天,但没想到比例这么高。

说明:文中百分比来自中国青少年研究中心一项覆盖全国七省(市)8,563 名学生的调查,文章发布时标注的是 2026 年。

问题

  1. 文章说家长“没意识到风险”,指的是哪三类隐患?在原文里各找出一个词回答。
  2. “心里有烦恼只想去问AI”这个数字,你怎么理解?它说明的是方便,还是别的东西?
  3. 如果你给学校写一条建议,你会建议什么?先说问题,再说做法。

生词

词语English怎样理解
未成年人minor法律上还没有成年的人,未满十八岁。
隐私泄露privacy leak不该被外人知道的个人信息流了出去。
社交异化social alienation跟真人相处的能力变弱,关系变得疏远。
思考惰性mental laziness习惯直接要答案,不愿自己想一想。
素养literacy某个方面该有的知识与判断力,如“AI 素养”。

我的疑问

读完后写一个你自己的问题(写在本子上):这两个百分比跟你的同学对得上吗,对不上又说明什么?

篇三 新华调查丨典型案例揭示个人信息泄露套路

新华网 2026 年 8 月 13 日 · 调查报道 · 新华社记者 李明辉、薛晨、兰天鸣

节选三处

非法破解网购订单信息、通过旅馆共享充电宝套取个人信息、行业“内鬼”倒卖客户资料……公安部网安局近日公布一批打击侵犯公民个人信息犯罪典型案例,揭示了当前个人信息泄露的几类典型套路。

四川内江警方破获的一起跨境网络黑灰产案件中,犯罪分子利用“订单解密”技术手段,对电商平台订单信息实施破解,还原出收件人姓名、手机号、住址等。

山西警方从频繁出现的教培“精准推销”电话入手,查明王某杰在教培机构任职期间,为完成招生指标,与多个教培机构工作人员非法交换和出售学生数据,随后又向多家眼科医院和学校的工作人员购买学生信息,形成一条“‘内鬼’窃取、行业倒卖、精准推销”的犯罪产业链。

说明:三起案例是公安部网安局公布的典型案例,第三起的受害者是学生。

问题

  1. 三起案例里的信息,分别是怎么被拿走的?各用一句话说清。
  2. 第三起案件为什么最值得学生警惕?请结合你收到过的推销电话或信息说一说。
  3. 如果你要给同学写三条“保护自己的建议”,你会写哪三条?

生词

词语English怎样理解
泄露leak本该保密的信息流到了外面。
套路a set trick一套固定的做法,常用来骗人。
破解crack / decrypt把加密的信息解开来。
倒卖resell illegally买进来再卖出去,这里指非法买卖。
授权authorise允许一个软件或人使用你的信息。

我的疑问

读完后写一个你自己的问题(写在本子上):有哪一条权限你现在就想关掉?为什么?

篇四 到底是谁在使用生成式人工智能?

世界银行中文博客(世行之声)2024 年 9 月 11 日 · 数据评论 · Christine Zhenwei Qiang、Yan Liu、He Wang

节选两处

低收入国家在 GenAI 流量中占比不到 1%,凸显出这些国家在获取和利用此类技术方面面临障碍。

相比之下,中等收入国家出乎意料地成为了 GenAI 现象的明星,占了ChatGPT总流量的一半,稳居主导地位。值得注意的是,在该工具发布后的短短6个月内,中等收入国家的 ChatGPT 流量就超过了高收入国家。

说明:文章里的数字截至 2024 年 3 月底,引用时要标年份;GenAI 指生成式人工智能。

问题

  1. “不到 1%”和“一半”分别指谁?把这两个数字并排写出来,说一句你的判断。
  2. “中等收入国家占了ChatGPT总流量的一半”这一句,跟“只有富国用得起AI”的直觉一样吗?如果不一样,差在哪里?
  3. 文章说用户以受过高等教育的年轻男性为主,只有三分之一的 ChatGPT 用户是女性。如果你是这份研究的研究者,你下一步会查什么?

生词

词语English怎样理解
生成式generative能自动生成文字、图片等新内容。
流量traffic网站或应用被访问的次数。
占比share / proportion在总量里占多少。
低收入国家low-income country按人均收入划分的较低一组国家。
障碍obstacle挡在前面、让人做不成的事。

我的疑问

读完后写一个你自己的问题(写在本子上):这份数据里,你最想追问哪一项?

拓展阅读

下面两篇放在后面读:第一篇讲国家之间怎么一起做,第二篇讲算法里的偏见。

拓展篇一 记者手记丨沙要治,日子要好:国际代表看中国治沙兴牧实践

新华网 2026 年 7 月 19 日 · 记者手记 · 新华社记者 曾焱

节选两处

汽车驶入内蒙古自治区浑善达克沙地深处,窗外绿意渐浓。治理区内,纵横交错的黄柳沙障将细沙牢牢锁在地面,网格间的新生牧草已泛起绿意,被风拂过时纷纷弯下了腰。

乍得土著妇女与人民协会会长欣杜·易卜拉欣表示,内蒙古自治区的经验对非洲萨赫勒地区具有借鉴意义。利用适应当地条件的植被、推行可持续放牧方式并让牧民发挥主要作用,既能增强应对气候变化的韧性,也能改善当地居民生计。“将传统经验与科学知识相结合,加大对基于自然的解决方案的投入,并创造可持续收入来源,能够使生态修复既有效又具有经济可行性。”她说。

说明:文章是记者跟着国际代表看治沙现场写下的手记。

问题

  1. 第一段没有讲道理,先写画面。这样的开头对读者有什么作用?
  2. 欣杜·易卜拉欣说内蒙古的经验“具有借鉴意义”。她特别提到哪几件事?概括两件。
  3. “借鉴”和“照搬”有什么不同?用治沙这件事举例说明。

生词

词语English怎样理解
沙障sand barrier用枝条或草编成的挡沙墙。
荒漠化desertification土地变干、变沙的过程。
放牧grazing把牛羊放到草地上去吃草。
韧性resilience受到冲击后还能恢复的能力。
借鉴draw on学别人的经验,但按自己的情况改。

我的疑问

读完后写一个你自己的问题(写在本子上):国家之间互相学经验,最难的一步是什么?

拓展篇二 联合国妇女署:人工智能正在复制和放大性别偏见

联合国新闻 2026 年 6 月 22 日 · 消息 · 未署名

节选三处

妇女署援引一项针对133个人工智能系统的研究指出,44%的系统存在性别偏见,26%的系统同时存在性别和种族偏见。

研究发现,大型语言模型会系统性地将女性与“家庭”“孩子”等角色联系在一起,而将男性与“商业”“高管”“薪水”和“职业”等概念联系起来。

妇女署指出,这些偏见并非技术故障,而是基于长期存在的性别不平等数据训练所产生的结果。

说明:文中数字来自该项研究报告,具体的调查方法以原文为准。

问题

  1. 133、44%、26% 分别是什么?请各用一句话说清。
  2. “这些偏见并非技术故障,而是……”这一句想纠正哪种看法?
  3. 如果算法把女性跟“家庭”连在一起、把男性跟“高管”连在一起,这种结果是怎样进入系统的?

生词

词语English怎样理解
偏见bias不顾事实,先入为主地偏向一边。
放大amplify把原来的东西变得更大、更明显。
大型语言模型large language model用大规模文本训练出来的语言类 AI。
训练train (a model)让模型从大量数据里学规律。
技术故障technical fault设备或程序本身出错,不是人的选择造成的。

我的疑问

读完后写一个你自己的问题(写在本子上):你用过的大模型里,有没有见过类似的例子?

← 返回 Year 11 目录