精品解析：2024届云南省昆明市高三“三诊一模”摸底诊断测试语文试卷

昆明市2024届高三“三诊一模”摸底诊断测试 语文 注意事项： 1.答卷前，考生务必用黑色碳素笔将自己的姓名、准考证号、考场号、座位号填写在答题卡上，并认真核准条形码上的准考证号、姓名、考场号、座位号及科目，在规定的位置贴好条形码。 2.回答选择题时，选出每小题答案后，用2B铅笔把答题卡上对应题目的答案标号涂黑。如需改动，用橡皮擦干净后，再选涂其他答案标号。回答非选择题时，将答案写在答题卡上。写在本试卷上无效。 3.考试结束后，将本试卷和答题卡交回。 一、现代文阅读（35分） （一）现代文阅读Ⅰ（本题共5小题，19分） 阅读下面的文字，完成下面小题。 新闻真实可以算作是新闻业的“元问题”之一。一直以来，新闻真实被认为是新闻从业人员工作实践的核心原则、要求、底线。新闻真实要求新闻报道与客观事实具有一致性，但基于现实考量，“绝对真实”往往很难实现，新闻真实仅被认为是经过新闻生产者主观判断后认定的事实。随着现代信息科技的发展，算法作为信息技术、数学模型、媒体后台等交叉领域的“复合体”，它可以将所有输入都置于同一组指令之下，对所有数据对象无差别运行，且没有任何自己的意图，一直以来被公众认为是中立且准确无误的，算法新闻因此也被认为可以做到“绝对真实”。 《美国新闻》杂志在1983年开展了一个教育评估项目：为全美1800所大学及学院进行“优秀度”排名，大学质量的排名将为即将进入大学的年轻人提供数据参考。为了形成一个评估“优秀度”的模型，《美国新闻》的编辑根据自己的直觉判断向各个大学发送了评估问卷，然而编辑仅挑选了一些看似与大学“优秀度”相关的变量，如该校学生高中SAT成绩、学校的师生比例、毕业校友捐款比例等，但诸如学生在学习过程中的获得感、幸福度、终身学习能力、社交能力等评估因素均未得到考量。编辑们较为主观的评估变量被数学模型包装，共同推导出了1988年的全美大学优秀度排名。这一排名影响着年轻人的学校选择，排名靠后的大学少有人选择，此后更不利于大学的数据表现，从而造成了一定意义上的“恶性数据循环”。由此可见，由于设计者的数据盲点，算法有时会片面地证明自己的内置逻辑和输出结果是合理的，并不断在运行过程中自我巩固、自我发展，却侵蚀了相关方的特定利益。 如果说《美国新闻》的编辑在制定评估因素时只是受到了编辑个人社会生活背景、知识学历等细微因素影响，其算法仅仅包装了模型设计者的认知，那么对有着鲜明结果导向和站位立场的设计者而言，算法则可以成为包装人类偏见、虚假、恶意信息的技术外衣。在特定的动机和不同利益目标的驱使下，算法技术、赞助方、技术人员、报道机构等算法新闻相关主体在一定程度上共同引导了新闻导向，实现了人与技术的“导向共谋”。“共谋”的最为重要的促成因素是参与主体有着特定的动机追求，或为既定的利益，或为娱乐消遣，或为制造轰动效应，或为诱导人们的消费行为……他们千方百计地制造、引导舆论。人工智能和机器学习的进步导致先进的数字篡改媒体类型的出现，算法在大量的数据训练下也逐渐具备了篡改操纵音频、视频、图像、文本的技术路径。一些恶意生成的算法新闻中，主人公甚至以视频形式呈现了其本人从未做过的事情，而这项“业务”的技术门槛并不高。比利时的一名社会民主党派人士2018年5月在推特和脸书上发布了一段一分钟的美国前总统特朗普讲话的英语视频，还配有荷兰语字幕。这段虚假视频的造假技术较为粗劣，然而社交平台用户对于此视频的海量调侃和评论使很多用户以为这是真实的新闻视频。 算法的实质即为模型，而模型的要义则是简化一切事件与问题。以我国经典体育运动乒乓球为例，运动员会通过赛事视频观察对手的运球轨迹，并基于此作出在赛场上的战术应对。大量观察对手运球轨迹，可以类比为算法模型建立的前提——机器数据挖掘与机器数据学习，而基于个人判断击球则类似于算法模型推导出结论并被接纳。然而在一些情况下，对手来球可能超出常态，运动员继续沿用模型中的应对模式反而会失分，这便是模型中的“偶然”变量。偶然变量的事件有可能引发意义的坍塌，这也正是算法模型运行弊端，即变量考量的片面性以及变量自身的变动性可能导致结果出现误差。 传统的新闻需要相关人员前往实地采集所需信息，而在算法新闻运行中这一流程则体现为数据库中的核心数据抓取及相关数据挖掘。理想状态下，数据库应当是一个能够为算法新闻提供全面、客观数据信息的完美“粮仓”。但出于材料丰富性和全面性的考量，设计者往往设定模型挖掘海量数据，这样的数据的信度核查难度极大。无法保证绝对客观、公正、中立的数据还给公众造成了“全面真实”的样本假象。 数字新闻时代，算法语境下的新闻真实受到了数据盲点、设计者立场、“偶然”变量、信度核查等因素影响，这些因素使算法在生产看似真实、中立的“客观”报道时，也在一定程度上消解着新闻真实。 （摘编自段鹏《算法模型推荐对新