| Enduring Understanding | Learning Objective | Essential Knowledge |
|---|---|---|
IOC-1 | IOC-1.A |
|
IOC-1.B |
|
计算的影响
AP 计算机科学原理 · 第 5 主题
8:12
Impact of Computing
In nineteen eighty-nine, one scientist built a small tool so physicists could swap papers faster. He was not planning any of this. A car that drives itself. A…
英文讲解 · 内嵌中英文字幕
5.1
有益与有害的影响
大纲
来源:美国大学理事会 AP 课程与考试说明
每个计算创新都能以帮助的方式和伤害的方式被使用——常常同一个技术两者都做。一个社交网络连接人们并且能传播错误信息;自动化提高生产率并且能除去工作。效应频繁是意料之外的:创造者不能预见每一种使用。当你评价一个计算创新时,权衡它对人们和社会的好处和害处,并记住害处不总是故意的。

计算也在其他领域催生创造力,CED 把这一点本身当作一项收益来要求,而不只是便利:医学中的建模与影像、工程中的仿真、艺术与音乐中的新形式,以及全新的交流方式。一项创新的有益影响,往往出现在离计算很远的领域。
5.2
数字鸿沟
大纲
| Enduring Understanding | Learning Objective | Essential Knowledge |
|---|---|---|
IOC-1 | IOC-1.C |
|
来源:美国大学理事会 AP 课程与考试说明
数字鸿沟(digital divide)是跨群体——按收入、地理、年龄或国家——对计算和互联网的不平等访问。那些有访问的获得教育、工作和服务;那些没有的进一步落后。这个鸿沟由经济、社会和地理因素塑造,而弥合它的努力(可负担的设备、公共访问、基础设施)旨在使计算的好处更公平。


| 英文 | 中文 | 拼音 |
|---|---|---|
| digital divide/ˈdɪdʒɪtl dɪˈvaɪd/ | 数字鸿沟 | shù zì hóng gōu |
5.3
计算偏见
大纲
| Enduring Understanding | Learning Objective | Essential Knowledge |
|---|---|---|
IOC-1 | IOC-1.D |
|
来源:美国大学理事会 AP 课程与考试说明
偏见(bias)能被建入计算系统——常常无意地。若用来构建一个系统的数据反映现存的偏见,或若设计者的假设是片面的,系统能产生不公平的结果(例如,一个偏爱一个群体的招聘工具)。偏见能在每个阶段进入——数据收集、设计和使用——所以系统应当被跨不同群体测试公平性。认识到"计算机这么说的"不等于"公平"是一个重要的习惯。
| 英文 | 中文 | 拼音 |
|---|---|---|
| Bias/ˈbaɪəs/ | 偏见 | piān jiàn |
5.4
众包
大纲
| Enduring Understanding | Learning Objective | Essential Knowledge |
|---|---|---|
IOC-1 | IOC-1.E |
|
来源:美国大学理事会 AP 课程与考试说明
众包(crowdsourcing)从一大群人——通常在网上——获得输入、想法或资金。它利用许多人的知识和努力——地图项目、产品评论、公民科学,和众筹(crowdfunding)都依赖它。互联网使众包以一个前所未有可达到的规模和速度成为可能,让一个项目借助全世界的贡献者。

| 英文 | 中文 | 拼音 |
|---|---|---|
| Crowdsourcing/ˈkraʊdsɔːsɪŋ/ | 众包 | zhòng bāo |
5.5
法律与伦理问题
大纲
| Enduring Understanding | Learning Objective | Essential Knowledge |
|---|---|---|
IOC-1 | IOC-1.F |
|
来源:美国大学理事会 AP 课程与考试说明
计算提出法律和道德的问题:
- 知识产权(intellectual property)和版权(copyright)保护创造者的作品;使用它可能需要许可或一个许可证。开源(open-source)和知识共享(Creative Commons)许可证让创造者在陈述的条款下分享作品。
- 抄袭(plagiarism)——把其他人的作品当作你自己的——是不道德的且常常是非法的。
- 收集和使用个人数据引发关于同意和误用的隐私问题。
三个"开放"术语,它们并不是一回事
| 术语 | 含义 |
|---|---|
| 开源(open source) | 免费提供、并且允许任何人再分发和修改的程序。许可证明确授予这些权利——免费并不等于开源,一个你不能修改的免费程序也不是开源。 |
| 开放获取(open access) | 在线免费提供的研究成果和其他内容,读者不需要订阅。它对是否允许修改不作规定。 |
| 知识共享(Creative Commons) | 创作者为自己的作品选用的一族许可证,事先授予特定权限——例如"署名即可再使用",或"可再使用但不得用于商业目的"。 |
这三者都是在让渡创作者依据版权本就拥有的权利。这正是它们在考试中重要的原因:版权是自动产生的,所以任何没有被明确许可的内容都是受限的,使用它需要得到许可。
仅仅因为某事在技术上可能不使它合法或道德。
浏览时被记录下来的东西
CED 点名的两条采集途径,而且都不需要你输入任何内容:
- 网站可以记录并保存浏览过其页面的个人的历史——哪些页面、什么时候、停留多久、用什么设备。
- 搜索引擎可以利用你的搜索历史来推荐网站,以及出售定向营销:广告跟着搜索走,这就是为什么查过一次的商品会连着几周出现。
两者本身都不是恶意的,而且都是人们觉得好用的服务背后的机制。考试想要的要点是:为一个目的收集的数据,可以被合并起来用于另一个目的,而当事人往往并未意识到自己同意过。
| 英文 | 中文 | 拼音 |
|---|---|---|
| Intellectual property/ˌɪntəˈlektʃuːəl ˈprɒpəti/ | 知识产权 | zhī shí chǎn quán |
| copyright/ˈkɒpɪraɪt/ | 版权 | bǎn quán |
| Open-source/ˈəʊpən sɔːs/ | 开源 | kāi yuán |
| Plagiarism/ˈpleɪdʒərɪzəm/ | 抄袭 | chāo xí |
| open access/ˈəʊpən ˈækses/ | 开放获取 | kāi fàng huò qǔ |
| Creative Commons/kriːˈeɪtɪv ˈkɒmənz/ | 知识共享 | zhī shí gòng xiǎng |
| open source/ˈəʊpən sɔːs/ | 开源 | kāi yuán |
5.6
安全计算
大纲
| Enduring Understanding | Learning Objective | Essential Knowledge |
|---|---|---|
IOC-2 | IOC-2.A |
|
IOC-2.B |
| |
IOC-2.C |
|
来源:美国大学理事会 AP 课程与考试说明
保护个人数据是一个共同的责任。关键思想:

- 个人身份信息(PII)(personally identifiable information)(名字、地址、ID 号码)应当被小心地分享,因为它能被误用于身份盗窃(identity theft)。
- 威胁包括网络钓鱼(phishing)(诱骗你透露信息)、恶意软件(malware),和弱密码。
- 恶意链接可以被伪装在网页上或电子邮件里:你看到的文字和它实际指向的地址是两回事,所以一个写着
www.yourbank.com的链接可以指向任何地方。点击之前先悬停查看真实目的地,并且对那些出乎意料、又制造紧迫感的链接保持最高的警惕。 - 防御包括强的、唯一的密码(passwords)、多因素认证(multi-factor authentication)、加密(encryption)(打乱数据,以便只有授权的人能读它),和保持软件更新。
加密是保持数据在传输和存储中私密的核心工具。作为一个负责任的计算机用户意味着保护你自己和其他人的信息。
考试技能: 能够辨别一个给定创新的有益和有害效应、解释一个隐私或安全风险,并命名一个应对它的安全计算做法。
Worked example. 一个招聘算法用一家公司过去的雇员(大多来自一个群体)训练,然后它拒绝了其他群体中合格的申请者。说出问题和它的原因:这是计算偏见,由有偏的训练数据引起——模型学到了历史格局而不是一个公平的规则。一个满分考试答案要说出危害(合格的人被不公平地拒绝)并且它的原因(偏见来自数据,而不是代码)。
Scramble a message with encryption
Encryption protects data by scrambling it with a key; only someone with the key can read it back. This simple Caesar cipher shifts each letter — real encryption uses the same idea with far stronger keys to keep passwords and messages safe.
| 英文 | 中文 | 拼音 |
|---|---|---|
| Personally identifiable information (PII)/ˈpɜːsənəli aɪˈdentɪfaɪəbl ˌɪnfəˈmeɪʃn/ | 个人身份信息 | gè rén shēn fèn xìn xī |
| identity theft/aɪˈdentɪti θeft/ | 身份盗窃 | shēn fèn dào qiè |
| phishing/ˈfɪʃɪŋ/ | 网络钓鱼 | wǎng luò diào yú |
| malware/ˈmælweə/ | 恶意软件 | è yì ruǎn jiàn |
| multi-factor authentication/ˈmʌlti ˈfæktə ɔːˌθentɪˈkeɪʃn/ | 多因素认证 | duō yīn sù rèn zhèng |
| encryption/enˈkrɪpʃn/ | 加密 | jiā mì |
5.6
考试技巧
- 论证一个计算创新的两个有益和有害效应——一个平衡的答案得分最好。
- 对数据顾虑使用正确的术语:PII、隐私、安全,和算法偏见。
- 解释众包和大数据集如何创造价值并引发新的风险。
- 把数字鸿沟(访问)与偏见(公平)区分开并给出每个的一个具体例子。
- 把每个主张与一个具体的创新和效应联系起来,正如书面回答所要求。
本主题的互动课程
逐步学习,并即时检测练习。