第1课 手指尖下有乾坤-互联网应用让生活更便捷 课件（内嵌视频）2025-2026学年清华大学版B版信息科技七年级下册

手指尖下有乾坤——互联网让生活更便捷 目录 导入：指尖下的生活变革——互联网普及现状与日常应用感知 解构生活类应用三大特点：实名认证·线上处理·虚拟呈现 互联网重塑衣食住行：四大生活领域深度变革 辨析双刃剑：互联网应用的风险识别与理性应对 实践赋能：运用生活类应用解决真实需求 总结升华：做健康、理性、有责任的数字生活者 01 02 03 04 05 06 11亿人的数字足迹 ■ 网民规模： 截至2024年6月，我国网民达近11亿人，占全球网民总数超20% ■ 普及深度： 互联网普及率78.0%，城乡差距持续缩小 ■ 终端依赖： 手机上网比例高达99.7%，指尖成为接入世界的默认接口 旧方式 × 新可能 缴费：排队 vs 扫码 ● 传统模式： → 携带现金/银行卡 → 前往银行网点 → 排队等候15–30分钟 → 人工柜台操作 ● 数字模式： → 手机打开支付APP → 扫描二维码或NFC感应 → 0.8秒完成扣款 → 实时电子凭证生成 导航：纸图 vs 实时云图 ● 传统模式： → 展开折叠纸质地图 → 定位自身坐标困难 → 预估路线耗时误差大 → 无法动态响应拥堵 ● 数字模式： → GPS自动定位起点 → 毫秒级路况更新 → 多方案实时比选（时间/距离/少红灯） → AR实景箭头引导步行 1 2 指尖三原色 高德地图：空间智能体 ➤ 实时交通引擎：毫秒级路况聚合，覆盖全国98%道路 ➤ 周边服务图谱：餐饮/加油站/充电桩等POI精准匹配 ➤ 无障碍导航：语音+震动+放大字体，适配老年与视障用户 微信：数字生活中枢 ➤ 即时通讯底层：端到端加密保障隐私 ➤ 小程序生态：无需下载即可调用政务、医疗、教育等200万+服务 ➤ 支付闭环：支持医保电子凭证、社保卡扫码等跨系统身份认证 美团外卖：本地生活调度网 ➤ 智能派单系统：500ms内完成订单-骑手匹配 ➤ 动态ETA预测：融合天气、路况、电梯等待等12维变量建模 ➤ 可视化履约：全程轨迹+预计送达倒计时，构建服务确定性体验 实名认证机制 ■ 本质功能： 确保用户身份真实性，构建可信网络空间基础 ■ 主流方式： ① 身份证OCR识别 ➤ 高精度核验 ② 人脸识别比对 ➤ 活体检测防伪 ★ 安全等级：身份证+人脸 > 单一证件 > 第三方授权 线上处理全景 政务在线化 ■ 高频事项： 电子身份证申领、社保查询、公积金提取、户籍证明开具 ■ 技术支撑： 跨部门数据互通 ➤ 统一身份认证平台 区块链存证 ➤ 操作全程可追溯 API接口集成 ➤ 服务无缝嵌入小程序 医疗与教育在线化 ■ 医疗场景： 远程问诊预约、电子病历调阅、医保在线结算 ■ 教育场景： 教务系统选课、学分实时认定、在线考试监考 ★ 共同逻辑：业务流→数据流→服务流三重数字化重构 虚拟呈现图谱 虚拟呈现服务 VR 看房 技术路径：3D 建模 + 空间定位 + 实时渲染 体验维度：沉浸感 / 交互性 / 信息完整性 云问诊 技术路径：音视频低延时传输 + 电子病历共享 + AI 辅助诊断 体验维度：便捷性 / 专业性 / 隐私保障 在线课堂 技术路径：多端同步白板 + AI 学情分析 + 虚拟教室引擎 体验维度：临场感 / 参与度 / 反馈及时性 虚拟呈现图谱 衣：数据驱动的购物革命 ■ 平台生态： 淘宝聚焦长尾商品与C2C信任链；拼多多依托社交裂变重构价格敏感型消费。 ■ 推荐内核： ① 行为建模 ➤ 浏览/加购/停留时长 ② 协同过滤 ➤ ‘买了又买’关联挖掘 ③ 实时反馈 ➤ 点击即优化推荐权重 食：毫秒级的供需匹配 ■ 调度中枢： 订单洪峰下实现毫秒级响应，动态平衡运力与需求。 ■ 技术三要素： ① 路径规划 ➤ 多目标最短路（时间+成本+体验） ② ETA预测 ➤ 融合交通流+天气+历史履约数据 ③ 骑手画像 ➤ 动态匹配接单能力与区域热力 住：虚实融合的空间治理 在线短租平台 ■ 房源匹配： Airbnb通过图像识别自动提取房屋特征（采光/布局/风格），结合用户搜索词向量匹配。 ■ 信任机制： 构建房东-房客双向评分体系，嵌入保险赔付与紧急响应协议，降低交易风险。 智慧酒店门禁 ■ 无感通行： 支持蓝牙/NFC/人脸三模识别，入住即开通权限，退房自动失效。 ■ 云端管控： 门禁权限由酒店PMS系统统一调度，异常开门记录实时同步至公安联网平台，兼顾便捷与安全。 1 2 算法的另一面 ■ 什么是‘杀熟’？ 同一商品/服务，老用户价格高于新用户，源于平台对用户消费能力、忠诚度的精准画像。 ■ 技术路径： ① 行为采集 ➤ 浏览频次、停留时长、比价次数 ② 标签建模 ➤ 高支付意愿、低价格敏感、复购倾向 ③ 动态定价 ➤ 基于供需与用户分层的实时价格策略 ★ 风险本质：数据滥用下的算法歧视，侵蚀公平交易权。 行为与觉察 典型行为特征 ● 网络成瘾： ① 无法控制使用时长，刷屏停不下来 ② 离线焦虑，无手机即烦躁不安 ③ 现实功能受损，影响学习、睡眠与社交 ● 过度消费： ① 非理性下单，凑单冲动明显 ② 忽视预算约束，月光甚至透支 ③ 囤积无用商品，退货率持续偏高 自我觉察方法 ● 时间日志法： 每日记录APP使用时段与时长，标注情绪状态（如：无聊→刷短视频32分钟） ● 触发记录表： 识别高频诱因——压力、孤独、空闲、促销提醒，建立行为-情绪映射 ● 暂停三秒原则： 下单/点击前默数3秒，自问：‘我需要它，还是想要它？’ 1 2 隐私保护 权利视角 ■ 法律保障： 《个人信息保护法》明确个人对其信息享有知情权、决定权、查阅复制权及删除权。 ■ 权益本质： 隐私是人格尊严的数字延伸，拒绝被算法定义、抵制非授权画像，是数字时代的基本人权。 义务视角 ■ 行为准则： 不随意授权敏感权限（如通讯录、位置），定期清理授权列表，使用强密码+双重验证。 ■ 风险警示： 过度分享定位、证件照、行程轨迹，可能引发精准诈骗、身份盗用与社会工程攻击。 谢谢大家 EV录屏5.4.8软件录制 Lavf61.7.100 本视频由湖南一唯信息科技开发的EV录屏软件录制, www.ieway.cn EV录屏5.4.8软件录制 Lavf61.7.100 本视频由湖南一唯信息科技开发的EV录屏软件录制, www.ieway.cn $戴上一副眼镜，连接电脑或手机，你就能进入一个全新的虚拟世界。电影头号玩家里的场景正在我们身边发生，而让这一切实现的技术就是虚拟现实，也就是许多人口中的VR virtual reality。时至今日，公众对于虚拟现实技术已经不再陌生，从游戏到电影再到工作，虚拟现实技术已经不仅是一种娱乐手段，实际上也与一个国家未来的经济发展和技术发展紧密相关。1956年，人们开发了第一个基于模拟计算机的摩托车仿真器，使人在室内骑着这台摩托车就可以足不出户逛纽约。事实上，它采用的并非三维技术，仅仅是边骑摩托边用摄像机采集了纽约的街景，再辅助以风扇为体验者带来一种真实的骑行体验。1965年，ivan sutherland博士发表了一篇题为终极的显示的博士论文，提出电脑屏幕应该是一个窗口，透过这个窗口，人们可以看到一个虚拟的世界。此外，他还发明了人类第一台虚拟现实头盔。当然这款头盔非常笨重，甚至需要一个架子来支撑，但是毫无疑问，它是当今虚拟现实或者增强现实头盔设备的雏形。一直到1989年，美国VPL公司的创立者journal正式提出了virtual reality一词，如今人们所熟知的虚拟现实概念终于得到了业界的认可。虚拟现实技术的终极目标是什么？创造一个与现实社会完全平行的数字世界。在这个世界中，现实里的生物、物体乃至设备都可以映射进去。人通过必要的设备和信息世界做交互、打交道，让你看到那些本来看不到的，听到那些本来听不到的，感觉那些本来感觉不到的，通过这种方式来拓展人类认识世界和改造世界的能力。换而言之，虚拟现实将是新一代沉浸式自然人机交互平台。想要达到这样的目标，需要有几个方面的前提。第一，要对真实世界的这些信息去做感知，即能采集真实世界的信息。第二，要跟虚拟世界去做交互，越自然的交互越好。譬如裸手裸眼虚拟现实技术有三个特性，我们将之统称为3I特性。第一个，I维沉浸immersion，即我们强调的沉浸感。第二个I维交互interaction，它包含了人跟虚拟世界以及虚拟对象的交互，这个交互是相互的双向的。第三个I为构想性imagination，即通过虚拟现实技术能够创造出一种在现实生活中看不见的新世界。虚拟现实的核心价值主要体现在哪呢？第一，它可以将将以2D为主变成以3D为主。第二，它可以打破物理尺寸的局限，突破人类的观察视野，让360度的屏幕，720度的屏幕成为可能。第三，由人操控运动场景，观察到人自然运动观察。在过去我们需要键盘和鼠标，但是现在只要戴上头盔，人类就能拥有更广阔的视角。如今，虚拟现实技术的应用已经涵盖了我们生活的方方面面，既包括了像航空航天、国防、军事装备制造、智慧城市、公共安全这样的战略行业，也包括了医疗、健康教育培训、商务消费、文化娱乐这样的大众行业。从科幻到现实，VR设备的发展被许多人形容为是将梦变为现实的过程。尽管还存在不足，还面临坎坷，我们依然有理由期待VR将有光明的未来，毕竟每项科技都是这样一路跌撞走来渐渐成长的。 来，随着人工智能技术的高速发展，人脸识别正在融入人们的日常生活，悄然改变着人们的生活习惯。提起人脸识别，你能想到什么？刷脸打开、手机刷脸支付、刷脸通行还是什么？那么人脸识别技术是如何识别这是一个人的，他又是怎么辨别你是谁呢？人脸识别通常也称为人像识别、面部识别，是基于人的脸部特征信息，比如眼睛鼻子嘴巴、眉毛等特征，自动进行身份识别的一种生物识别信息技术。生物识别信息直接反映的是自然人独一无二与不可替代的身体、生理或行为特征，具有强烈的人身属性，除了人脸识别外，还包括个人基因指纹、声纹、掌纹、耳廓、虹膜等。人脸识别技术主要利用摄像机或摄像头采集含有人脸的图像或视频流，通过人脸检测技术分析其是否存在人脸，在则给出人脸所在的位置、大小和面部关键器官的位置信息，再根据这些信息提取所蕴含的身份特征，并将其与已知的人脸特征进行对比，从而识别每个人脸的身份。通常情况下，一套人脸识别系统主要由人脸采集、人脸检测、人脸图像预处理、人脸特征提取、人脸图像匹配、人脸图像识别等六部分组成。在人脸采集上，不同的人脸图像通过摄像机镜头采集得到，比如静态图像、动态图像、不同的位置、不同的表情等当采集对象在设备的拍摄范围内时，采集设备会自动搜索并拍摄人脸图像。在人脸检测上，人脸检测作为人脸识别和人脸分析系统的关键一步，主要用于解决人脸在哪里的问题。在图像中准确标定出人脸的位置和大小，并提供给后续的人脸特征分析和识别。在人脸图像预处理上，基于人脸检测结果对人脸图像进行处理并预特征提取。通常情况下，包含但不限于对图像灰度校正、噪声过滤、光线补偿、灰度变换、直方图均衡化归一化、几何校正、滤波及锐化等。在人脸特征提取上，由于人脸器官包含眼睛、鼻子嘴巴、下巴、眉毛、耳朵、头发等，所以设备算法基于人脸的形状描述以及之间的距离特征，勾勒出人脸分类的特征数据，进行特征建模。在人脸图像匹配上，提取的人脸图像的特征数据与数据库中存储的特征数据模板进行搜索匹配，通过设定一个阀值，当相似度超过这个阀值，则把匹配得到的结果输出。通常情况下，常采用欧式距离和余弦距离两种方法来比较两个特征间的相似性。在欧式距离上，两个特征间的距离线段最短，L2距离越小，相似度越高。在余弦距离上，两个特征间形成的cosine距离夹角越小，cosine距离越大，相似度越高。当然，数据库中的人脸图像并非是人像图像的原图或者视频，而是经过特征处理运算后存储的一个个数字模型数字编码。比如，当你解锁手机时，系统会要求你与之前注册的面孔进行匹配，以确认你的身份。在人脸图像识别上，其实就是将待识别的人脸特征与已得到的人脸特征模板进行比较，同样也是根据相似度对人脸的身份信息进行判断。不过根据比对的数量不同，人脸识别又可分为一比1和1比N1比1最常见的场景就是人证比对。比如我们在入住酒店时，酒店工作人员会要求我们在一台机器面前将身份证照片与现场照片进行比对，只有结果符合才可以入住。一比N是一张人脸图像和数据库中的N张人脸图像进行比对。比如在使用考勤机打卡时，数据库中包含全公司的所有人脸图像。随着计算机技术以及光学成像技术的发展，集成了人工智能、机器学习、视频图像处理等技术的人脸识别技术也逐渐成熟。目前，我国的人脸识别技术已经广泛应用于手机解锁、身份验证、上班打卡、社区考勤、乘车购物等，在金融、医疗、安检、支付、文娱等诸多领域，为数字经济社会发展和人们日常生活带来了新机遇。据人脸识别白皮书数据显示，2021年中国人脸识别市场规模为56亿元，且年均保持23%增速。小伙伴们，你在使用人脸识别吗？对于人脸识别技术你有什么疑问？欢迎评。