资源简介

(共25张PPT)
非连续性文本阅读
2025年中考语文复习阅读专题★★
一、连续性文本与非连续性文本的概念、区别
1、连续性文本：由句子和段落构成的文本，它们承载信息的媒体是文字或符号。呈现方式：诗歌、散文、小说、剧本、论文、政史地课文，都属于连续性文本。
2、非连续性文本：是相对于以句子和段落组成的“连续性文本”而言的阅读材料。呈现方式：多以统计图表、图画等形式呈现，如数据表格、图表和图解文字、调查报告、广告、公告、计划、产品介绍、使用说明、保修单据、清单、时刻表、目录、索引、地图等。
二、非连续性文本的特点
直观
简明
概括性强
易于比较
实用性和功能性
三、非连续性文本的阅读方法
1.查看标题
文本的标题有的提示了文本的线索，有的表明了作者的态度，有的说出了事件的内容，有的提出了亟待解决的问题。查看标题，可以让我们快速地了解文本的主要内容或中心思想。
2.通读材料
各则材料是承载文本观点的重要载体，通读时不仅要关注文字材料中的观点，也要注意图表材料的内容，整体了解文意，勾画出和主题相关的信息。
3.提取信息
信息有虚实、隐显之分，明显的信息容易获取，而隐含信息分辨较为困难，要善于从字面看出表达的言外之意;抓住文中负载信息的关键词句，剔除与阅读目的无关的多余信息。
4.读懂图表
在非连续性文本中，文字和统计图表结合是常见的文本形式，阅读图表必须注意的事项有:①表头。表头是对整个图表内容的概括，反映了图表的主题。②分类、图例。如统计图表首先要确定统计的类别，阅读中，首先要看纵轴、横轴的分类情况，这样我们就能迅速得知本表所反映的主要内容。③数据。统计图表以数据或箭头反映问题，阅读时要进行纵向、横向比较，从中得出结论。
④注释性文字。要重视审读配合图表而出现的注释性文字内容，图标和文字结合可以帮助我们有效地把握图表所要传达的重要信息。
5.注重非连续性文本阅读能力的培养，关注说明书、广告、地图、清单、时刻表、目录、索引等非连续性文本的其他呈现形式。
解题方法
一、整体把握，微观勾画
1．阅读原文后，可提出如下问题：本文说明或论证的对象是什么？有什么最新成果或最新观点？今后的发展前景如何？作者对此新成果或新观点的态度和看法如何？
2．理清全文的脉络，把握主要内容，迅速提取每一节的主要信息。
3．微观勾画是指随时勾勒一些关键词语，以备答题时所用。特别要关注指示代词、关联词语、副词以及一些修饰性的词语。
此外，由于论述类文章中有些内容表达起来比较抽象，为了说得具体，有时会运用比喻的修辞手法，理解时要找出其“本体”。
二、紧扣语境，把握内涵
1.瞻前顾后法。联系上下文选择恰当的选项。
2.比照辨析法。仔细比较辨析文中的一词多义现象和同义词、近义词在语言运用中的差异。
3.参考语境法。根据语境揣摩词语的语境义、比喻义、借代义等，分析词语派生或隐含的内容。
论述类文章中重要的句子有如下几种：
一是结构比较复杂的句子，二是内涵较为丰富的句子，三是与文章中心和结构密切相关的句子（如文眼句、中心句、过渡句等）。
第一种，可以用“抽取主干法”，抓住句子主干，理清那些修饰、限制等附加成分，进而理解其含意。
第二种，应该按照“句不离段”的原则，结合上下文语境，仔细领会，整体解析。
第三种，句子体现了文章的思路，有的画龙点睛，有的承上启下，有的阐明要旨。要理解这些句子的含意，既要注意它在文中的位置，还要看清来龙去脉。
三、抓住概念，识别混淆
1．程度深浅、范围大小有意混淆。
2．偶然、必然有意混淆。即把原文中的“可能”有意说成“必然”，把“偶尔”说成“往往”。
3．指代上的混淆，颠倒主客，偷换概念。选项偷换概念，用形同义异词或形近义异词来迷惑考生。解题时，要注意选项是否混淆了概念的所指对象，是否颠倒了陈述主体与修饰语，是否省略了一些关键的修饰词，犯了偷换概念的错误。
4．现实和设想的混淆。选项在对概念的判断上时间超前或滞后。把已经成功的现实和没有成为现实的设想或可能性混为一谈。
5．肯定和否定、主要和次要关系上的混淆，无中生有，牵强附会。有些选项的设置，把肯定说成否定，或把否定说成肯定，有些混淆主要和次要关系，有些属于无中生有，牵强附会，解答时，一定要在原文中找到依据，切忌主观臆断，望文生义。
6．条件和结果：原因和结果的关系的混淆、颠倒。有些选项在设置时，将条件说成结果，或把结果说成原因，或强加条件及因果关系。要重点辨析，找准答案。
四、筛选判断，逐步派出
1.复位验证法。在理解文中的重要概念时，如果对自己的选择没有十分的把握，可把选出的答案“复位”到原文中“验证”一下，如果语意连贯、意思准确则该项即为正确答案。
2.事理分析法。在论述类文章中，常会遇到事理之间的逻辑关系，如因果关系、条件关系、假设关系、选择关系等，要紧紧抓住表示事理之间逻辑关系的关键词语，作出正确的判断。
3.巧用选项法。在考查理解文中重要句子的命题中，命题者常常在句中确定两个考查点，每个考查点按两种理解列为四个选项。遇到这种题目，可以巧妙地利用选项提供的“方便”，根据自己对某一个考查点的正确理解，排除错误的选项。
五、对于选择题
1、审题干，明确答题内容。
2、划区间，锁定信息来源。
在信息区间筛选关键词句，提取有效信息，分条归纳作答。
3、筛选，重视归纳整合。
对于选择题，要在文本中找到每个选项的出处，仔细比较选项和原文的差别，注意有无偷换概念、以偏概全、混淆时态、答非所问、无中生有、强加因果等问题。
六、主观题
l、提取有效信息，概括主要内容。
2、分析、比较文本资料，进行综合、归纳，写出探究结果。整合多种信息，得出有意义的结论。
3、踩好点，注意分条作答。坚持两项原则：忠于原文而不照搬原文，踩点答题而不过度答题。
主观题
●题型示例
根据以上两则材料,说明深度学习“应运而生”的原因，以及人工神经网络在深度学习中的作用。(5分)(概括梳理)
面对碳中和问题，中国应采取的对策有哪些 请结合三则材料，分别加以概括。(6分) (概括梳理)
世界粮农组织对粮食安全的最新定义为:“确保任何人在任何时候，都能通过物质手段和经济手段获得充足、安全而富有营养的食物，以满足其积极健康生活的膳食需要及食物偏好。”按照该定义，保证粮食安全需满足诸多方面的条件，请概括其中的三个方面，并根据材料一、材料二的内容，简要说明我国在这三个方面采取了哪些措施。(6分) (概括+运用材料分析)
根据以上三则材料，说明下面链接材料中的晋侯鸟尊修复体现了文物修复的哪些原则，并简要分析。(6分)(概括+运用材料分析)
材料一
机器学习是一种人工智能技术，它通过设计算法，让计算机可以从有限的观测数据中分析并获取规律,然后利用“学习”到的规律对未知数据进行预测，从而帮助人们完成应用任务 。运用机器学习解决应用问题，一般包含如下几步:首先是对观测数据作预处理，然后是从观测数据中提取有效特征并对特征进行转换，最后是构建函数并利用它进行预测。
传统的机器学习主要关注预测函数的构建，至于特征，则一般是通过人为地设计一些准则 ，然后根据这些准则从观测数据中获得。对机器而言，这可看作是一种“浅层学习”。由于浅层学习有时不能很好地获得有助于提升预测准确率的特征，“深度学习”应运而生。
深度学习需要构建具有一定“深度”的模型，让机器自动从观测数据中学习到有效的特征，帮助提升预测的准确率。“深度” 与数据处理过程的组件数量密切相关，深度模型的原始输入与输出结果之间有多个组件，每个组件都会对数据进行加工，并影响后续组件。当得到最终的输出结果时，我们并不清楚每个组件的贡献是多少，判断每个组件对输出结果的影响称为“贡献度分配”问题。以下围棋为例，每当下完一盘棋，我们会思考哪几步棋导致了最后的胜利或失败，判断每一步棋贡献的多少就是贡献度分配问题。该问题在深度学习中至关重要，解决起来也非常困难。
目前，深度学习大多采用“人工神经网络”来实现。人工神经网络内部包含多个层次，正好能满足深度学习的“深度”需求。近年来，深度学习技术快速发展，其所使用的人工神经网络模型从早期的五至十层增加到目前的数百层，这极大提高了特征提取与转换的能力，也使预测的准确率随之上升。
深度学习技术被广泛应用于模式识别、自然语言处理等诸多领域并取得了重大突破。我们要想在方兴未艾的科技革命中占有先机，牢固掌握以深度学习为代表的人工智能技术是必要条件。
材料二
人脑神经系统是一个非常复杂的组织，包含几百亿个神经元。神经元与神经元之间没有物理连接，它们通过突触进行互联来传递信息。神经元可被看作是只有兴奋和抑制两种状态的细胞，突触将一个神经元的兴奋状态传至另一个神经元。突触有强有弱，其强度可以通过学习或训练来不断改变，具有一定的可塑性。一个神经元的状态是兴奋还是抑制，取决于它从其他神经元接收到的信号量以及突触的强度。当二个神经元接收到的信号量总和超过了某个阈值，细胞体就会兴奋，产生电脉冲，电脉冲通过突触传递到其他神经元。可以认为，在人脑神经系统中，每个神经元本身固然重要，但更重要的是神经元如何组成网络。
受人脑的启发，科学家构建了一种在结构、工作原理和功能上都模拟人脑神经系统的计算模型，称之为“人工神经网络”，简称“神经网络”。在机器学习领域，神经网络指由很多人工神经元相互连接构成的系统，这些人工神经元一般被称为节点，每个节点本质上是一个函数。神经网络不同节点间的连接被赋予了不同的权重，每个权重表示一个节点对另一个节点影响的大小。每个节点的“兴奋”或“抑制”，由来自其他来自其他节点的数据信息与节点间的连接权重综合计算得到。
深度学习利用神经网络构建模型，可以对数据进行更好的特征提取与特征转换，从而得到预测准确率更高的函数。除了神经网络模型，深度学习也可以采用“深度信念网络”等其他类型的模型。但由于神经网络能借助相关算法较好地解决贡献度分配问题，它成为了深度学习主要采用的模型。
1．根据材料一,下列表述正确的一项是（ ）
A.机器学习的最终目的是从数据中寻找到某种规律。
B.机器学习从数据中学到的规律可以用函数来表示。
C.机器学习完成特征提取与转换后就可以进行预测。
D.浅层学习无需人工干预，完全依赖机器自主完成。
2．根据材料一,下列对“深度学习”的理解与推断,不正确的一项是( )（3分）
A.可以更好地处理数据特征，更准确地预测。
B.数据处理过程中的组件数量会影响其深度。
C.数据处理过程中影响最大的组件不难确定。
D.是人工智能技术的代表，已有广泛的应用。
3．根据材料二，下列对人脑神经系统的理解,不正确的一项是( )
A.一个神经元是兴奋还是抑制的状态不全由其自身决定。
B.一个神经元接收到其他神经元的电脉冲以后就会兴奋。
C.人脑神经系统中神经元本身不如神经元如何组网重要。
D.人脑神经系统启发了深度学习中一种主要模型的构建。
4．根据材料一和材料二,下列理解与推断，不正确的一项是( )
A.人工神经网络在自然语言处理等诸多领域是无可替代的。
B.深度学习进行预测的能力与其模型的层次数量密切相关。
C.沟通不同神经元的突触的强度不是恒定的，可以被改变。
D.人工神经网络模型被深度学习采用有不止一方面的原因。

展开更多......

收起↑