企业官网建设流程全解析

简介：这份NOC指导教师认证真题面向中小学信息技术教师、机器人竞赛辅导者及准备参加NOC认证考试的学习者，聚焦全国中小学信息技术创新与实践大赛指导教师应掌握的知识与题型。内容以真题带解析的方式覆盖for与while循环、二分查找、EV3连接方式、灰度传感器、欧氏距离、Python二维列表索引、递归与递推、枚举算法、Scratch图形化编程、计算机视觉与语音识别、人工智能三要素等考点，并穿插机器人组成、Arduino蜂鸣器、数码管等实践性判断。压缩包共1个doc文件，约34KB，篇幅紧凑，便于打印或导入设备随时刷题。已有6711人学习，说明其在赛前自测与知识查漏中具有一定参考价值。读者可据此熟悉命题角度、核对答案思路，并围绕薄弱模块回归教材与实操，提升备考效率。

1. 知识地图：NOC 指导教师认证到底考哪几块

NOC 指导教师认证的卷子摊开看，四十多道题翻来覆去就四块内容：编程基础、算法思想、机器人硬件、人工智能与赛事常识。它不像某些认证那样专挑偏门，更像一张“教学底线检查表”——循环会不会写、递归出口找不找得到、灰度传感器由什么组成、语音识别和语音合成能不能分清。适合两类人：一是准备带队参赛、需要把知识面补齐的指导教师；二是刚接触图形化与 Python、想用一张卷子摸清自己漏洞的学习者。真正拉开差距的往往不是难题，而是那些“看着眼熟、选起来犹豫”的概念题。先把知识地图铺开，再逐块填坑，比闷头刷十套题都稳。

2. 编程基础与算法：循环、列表、递归三座大山

2.1 循环与 range：次数题只有一个解法

for 和 while 的区别是每年必出的送分题，也是最容易出错的地方。for 用来遍历一个可迭代对象，循环次数在写下的那一刻就定了；while 靠条件驱动，条件成立就继续。题干里那句“while 循环可以不设置循环条件”是错的——不写条件不是“可以不写”，而是死循环，程序会卡在那里直到被强制中断。真正要记的是：while 必须有能让条件最终为假的语句，否则就是自己给自己挖坑。

循环次数题不要靠手指头数，靠 range 的三个参数。range(start, stop, step) 左闭右开，stop 取不到。

total = 1 for i in range(1, 11): # 取 1 到 10，共 10 次，11 取不到 total *= i # 等价于 total = total * i print(total) # 10 的阶乘，3628800

这段代码对应的考点有三个：range(1, 11) 的执行次数是 10 不是 11；累乘的初值必须是 1 而不是 0（写 0 进去结果永远是 0，这是血泪经验）；print 放在循环外只输出一次，放在循环内会输出十行。题干里那种“循环体执行次数与输出结果”的组合题，先定位 range 的起止，再看 print 的缩进，两件事分开算就不会乱。

还有一个容易出错的地方是 i++。这个写法在 C 系语言里成立，在 Python 里会直接报语法错误，Python 的写法是 i += 1。卷面上出现 i++ 时按“每循环一次 i 加一”理解即可，但真正写代码时不要照抄。

表达式翻译也是同一类题。体质指数 BMI = 体重 / 身高²，用变量 bmi、w、h 表示，写成 Python 就是 bmi = w / (h * h)，括号不能省，否则运算优先级会先算除法。这类题本质考的是“数学式怎么落成代码”，乘法用 *，除法用 /，平方用 ** 或自己乘自己。

2.2 二维列表：嵌套写法与 0 基索引

3×3 表格在 Python 里是一个“列表套列表”，外层三个元素，每个元素又是一个长度为 3 的列表。正确写法是方括号嵌套，元素之间用逗号隔开：

lst = [ [1, 2, 3], [4, 5, 6], [7, 8, 9] ] print(lst[1][2]) # 6，第二行第三列（0 基口径） print(lst[2][0]) # 7，第三行第一列

索引从 0 开始，这条几乎是白送分，但它会连带出一串连锁错误。行下标 0、1、2 分别对应第一、二、三行，列同理。所以“第二行第三列”在代码里的写法是 lst[1][2]，而不是 lst[2][3]；后者不仅不是那个位置，还会因为每行只有 3 列（列索引最大 2）而抛出越界错误。卷面上有些题按 1 基描述行列出题，选项会写成 lst[2][3]，复习时把“题面口径”和“代码口径”分开记，考试按题面选，写代码按 0 基写，两条线不要混。

另外要留意方括号与圆括号的区别。lst[1][2] 是取值，lst(1)(2) 在 Python 里是把列表当函数调用，直接报错。题干里那种写成 [1,2,3][4,5,6] 的选项，缺了外层方括号和逗号，也不是合法结构。二维列表的值必须通过行下标和列下标两个维度访问，少一个维度拿到的就是整行列表，不是单个值。

存储场景也常考。要存班上 10 个同学的名单，用“建立列表”的积木或语句就够，不需要开十个变量；这种“数据结构选型”题判断标准很简单：同类数据多条，用列表；一条记录多个字段，用字典或对象。

2.3 递归：两个条件，一个出口

递归只有两个硬性条件：递归关系式和递归出口，缺一个就变成无限调用。递归关系式负责把 f(n) 拆成 f(n-1)，递归出口负责在 n 最小的时候给出确定值。

def f(n): if n == 1: # 递归出口：n 减到 1 就必须停 return 1 return f(n - 1) + n # 递归关系式：把大问题拆小

以 f(n) = f(n-1) + n 为例，关系式是 f(n) = f(n-1) + n，出口是 f(1) = 1。题干如果把 f(n) = f(n-1) + 1/n 说成“递归出口”，那是把关系式安错了位置——这类题在卷子里反复出现，判断方法很简单：出口一定是一个不含 f() 的具体数值，只要右边还带着 f，它就是关系式。

递归的优点是符合人的思维方式、程序简洁，把大问题分解成小问题；缺点是调用层次深了会占栈、有重复计算。至于“递归就是自己调用自己”这种说法只能算描述，不能算优点。基本思想要记“分解”两个字，把大问题不断拆成同构的小问题，直到拆到出口为止。

2.4 递推与枚举：先找递推式，再定三要素

递推的核心是“找前后过程之间的数量关系”。已知条件与所求问题之间总存在某种联系，把这个联系写成递推式，复杂运算就能拆成若干步重复的简单运算，顺推逆推都行，关键是递推式本身。卷面里那句“递推算法可以将问题复杂化”“已知条件和所求问题之间没有关系”都是干扰项。

枚举的关键是三要素：枚举对象、枚举范围、判定条件。三者里任何一个选得不一样，解题思路就跟着变。

for x in range(100, 1000): # 枚举范围：三位数 a, b, c = x // 100, x // 10 % 10, x % 10 if a ** 3 + b ** 3 + c ** 3 == x: # 判定条件 print(x) # 枚举对象：满足条件的 x

这段是典型的水仙花数枚举。range 负责范围，if 负责判定，循环变量 x 就是枚举对象。卷面上有一句“枚举对象的判定条件是由循环结构实现的”，按对记；但真写代码时，范围归循环、判定归分支，这个区别心里要有数，不然改代码时会发现条件写在了错的位置。

2.5 二分查找与 Python 语言常识

二分查找只考一句话：所查找的内容必须有序。因为它的基本动作是拿中间值和目标比，靠大小关系砍掉一半，无序就无从判断该往哪边砍。顺带记住它的前提是有序、效率是对数级，以及 mid 要用整除，写成 (low + high) // 2。

Python 的语言常识属于记忆题。特点是简洁、开源、跨平台、解释型，创始人是吉多·范罗苏姆。“代码比较复杂”不是 Python 的特点，恰恰相反，它的设计目标就是可读性。在屏幕上输出一句话用 print(“你好!”)，字符串要加引号，括号和引号都是英文半角，中文标点会报错。

3. 机器人与硬件：从 EV3 到 Arduino 的参数级考点

3.1 机器人的定义与四大组成

机器人是一种可编程的、能执行某些操作或移动动作的自动控制机械。三个关键词缺一不可：可编程、能动作、自动控制。只强调“像人”不算定义，只强调“机器”也不完整。

基本组成按功能划分是控制系统、感知系统、驱动系统、执行系统；按硬件拆则是执行机构、驱动装置、检测装置、控制系统。两套说法指的是同一件事，考试时看选项给的是哪套词。控制系统相当于大脑，感知系统负责拿信息（各类传感器），驱动系统提供动力，执行系统做动作。机器人首先是一种机器，这个判断是很多定义题的地基。

机器人与人的关系，卷面给的是“解放人、保护人、威胁人”，这个表述被判错。合理的记法是：机器人承担重复、危险的工作，定位是工具，不是对立面。这类题考的不是技术，是表述的边界，看到“威胁”这种带对立色彩的词先警惕。

3.2 EV3 与图形化编程的边界

EV3 主机支持的连接方式包括 USB、蓝牙、Wi-Fi 这一类，不支持红外连接。这类题没有推理空间，属于纯记忆点，记“红外不在列表里”比记一串支持项更省力。

图形化编程的优缺点也是高频题。优点是上手快、积木拖拽、逻辑直观；缺点是功能没有字符编程全，复杂逻辑会堆得很难看。但“图形化编程环境一般都不支持自定义模块”这句是错的——主流环境都支持自定义积木或自定义模块，把重复逻辑封起来。另一个容易错的是程序命名：EV3 软件里程序名不能用汉字或特殊字符，只能用字母、数字、下划线这类安全字符，这条自己写一遍就能记住。

Scratch 属于图形化编程软件，这个判断要干脆。它的定位是教学与入门，不是“玩具”，也不是“只能做动画”。图形化和字符编程的区别在表达效率和功能覆盖，不在能不能算“真正的编程”。

3.3 灰度传感器与巡线调参

灰度传感器的主要组成部分就两个：发光二极管和光敏电阻。发光二极管负责发射光，光敏电阻负责根据反射回来的光强改变阻值，从而得到一个光值。白色反光强、光值大，黑色吸光、光值小，这是所有巡线逻辑的物理基础。

巡线调参考的是差速转向。以左白右黑为例，机器人偏白时，左右两个传感器的光值差大于零，处理方式是把光值差乘以一个系数，加到左马达速度上、从右马达速度里减掉，让机器人往黑线方向纠偏。

k = 0.6 # 比例系数，越大纠偏越猛 diff = left_light - right_light # 光值差，偏白时为正 left_speed = base + k * diff right_speed = base - k * diff

参数含义：k 是比例系数，base 是基础速度，diff 是两侧光值差。k 调大响应快但容易左右摆，k 调小走得稳但弯道会切出去。题干里给“最后连续测量的光值差为 5、3、1”这种序列，说明变化量在快速衰减，理论上下一次可能回到 5，也就是速度调整偏大，解法就是把光值差变化量乘一个系数计入速度调整，让调整变柔和。这段是整张卷子里少有的“既考概念又考手感”的题，没调过参数的人只能靠背结论。

3.4 Arduino：蜂鸣器、串口与数码管

无源蜂鸣器要发声，靠的是不断翻转的电平，所以需要给它频率。接线上一端接主板电源端口、一端接 GND，用 tone() 驱动。

int buzzer = 8; void setup() { pinMode(buzzer, OUTPUT); } void loop() { tone(buzzer, 1000, 500); // 引脚、频率 1000Hz、持续 500ms delay(600); noTone(buzzer); }

tone(pin, frequency, duration) 三个参数分别是引脚编号、频率（赫兹）、持续时间（毫秒）。卷面里把 duration 说成“频率”是错的，这是参数题里最容易踩的一个坑，因为 frequency 和 duration 挨着出现，读题时很容易顺眼滑过去。

串口初始化记 Serial.begin(9600)，9600 是波特率，双方必须一致才能通信。数码管部分记共阴与共阳的区别：公共端为阴极时，阳极给高电平（真值 1）点亮，真值 0 不亮；共阳则反过来。真值表题不要死背，画一个二极管符号，看电流从哪边进，结论自然出来。

4. 人工智能与赛事常识：概念边界比定义更重要

4.1 计算机视觉与文字识别：三步走

让计算机“看文识字”，要走完三步：文字特征提取、文字定位与分割、文字识别。顺序不能换，先找到文字在哪、把字符一个个切开，再谈认字。

计算机视觉的应用边界要划清：人脸识别、车牌识别、OCR、图像分类都属于，语音识别不属于。题目里只要出现“把声音转成文字”，就归到语音那一栏，不要被“识别”两个字带偏。同理，微信语音转文字用的是语音识别，不是图像识别。这类题的陷阱在词面相似，解法是先判断输入是什么形态：图像进就是视觉，声音进就是语音。

欧氏距离是视觉与数据题里的小计算。两点 A(1, 3) 和 B(2, 3)，距离是根号下 (2-1)² + (3-3)²，结果等于 1。

import math def euclid(p, q): # 逐维求差、平方、求和，再开方 return math.sqrt(sum((a - b) ** 2 for a, b in zip(p, q))) print(euclid((1, 3), (2, 3))) # 1.0

zip 把两个点按维度配对，sum 累加各维平方差，sqrt 开方。二维、三维、多维都是这一个公式，考试时手算也行，注意先减再平方，顺序反了结果一样但过程分可能丢。

4.2 语音识别与语音合成：方向不能反

智能语音技术包括语音识别和语音合成两块。语音识别是“声音到文字”，语音合成是“文字到声音”，方向一反就是另一个技术。

语音合成里的波形拼接法，思路是把事先录好的语音片段像活字印刷一样拼起来，这个类比考过一次。反过来，人脸识别不能“让计算机开口说话”，那属于语音合成，两个技术不在一条链上。

声音的两个属性也常混：音调高低取决于频率，响度大小取决于振幅。“声音的高度和整体声音的大小有关”这句话是错的，高度对应频率，大小对应振幅。程序能把语音变成可执行指令这种说法同样站不住，语音指令要先经过识别转成文本，再解析成命令，中间隔着好几层。

4.3 自然语言处理与专家系统

自然语言处理在生活里的应用很好认：机器翻译、智能音箱、英语口语机考，都是让机器理解或生成人类语言。卷面里有一题把“自动文摘”列为不属于自然语言理解的基础技术，这类题按“基础技术”和“上层应用”分层记：分词、词性标注、句法分析是基础层，自动文摘、机器翻译是应用层，题干问“基础技术”时，应用层的选项就要排除。

专家系统的定义容易望文生义。它不是“专家们联合开发的软件系统”，而是把领域知识存进知识库、用推理机做推断的程序系统。判断标准看结构：知识库加推理机，而不是看开发者的身份。

4.4 图灵测试与 AI 三要素

1950 年图灵在论文里提出了一种测试机器是否具备人类智能的方法，后来被称为图灵测试。记两个点：年份 1950，论文题名里带 Computing Machinery and Intelligence。

人工智能的核心要素是数据、算法、算力；新一代人工智能的对应表述迭代为大数据、超级算法、云计算。这三组词是配对关系，不要拆开乱搭。人体识别里的虹膜识别属于生物特征识别，归在感知这一侧，和语音、视觉是并列关系，不是从属关系。

4.5 图像基础与赛事常识

图像按数据处理方式分为位图和矢量图：位图由像素点阵组成，放大到一定程度会看到锯齿；矢量图用数学描述记录图形，缩放不失真。色彩模式里，CMYK 是色光减色法，用于印刷；RGB 是加色法，用于屏幕。色调分冷暖，红色归暖色调。

赛事常识属于“背了就有分”的部分：主办单位是人工智能领域的全国性学会，宗旨是“以赛促学、以赛促用”，报名走大赛官网，最高荣誉是那个带“发明创新”字样的奖项。历法题里“格里高利历元年是 0 年”是错的，公元纪年从 1 年开始，没有 0 年。这类题不考理解，考的是有没有认真看过一遍。

5. 易漏点排查：五类最常见的丢分姿势

5.1 概念型易漏：递归出口与语音方向

易漏点一：把递归关系式当成递归出口。题目给 f(n) = f(n-1) + 1/n，问出口是什么，很多人顺着式子就选了它本身。为什么漏：关系式和出口长得像，都带 f，而且题干往往只给一个式子，视觉上像是“就这一个答案”。怎么补：养成一个固定动作——看到“出口”两个字，先把等号右边含有 f() 的选项全部划掉，剩下的才是候选；如果划完没剩，说明题目在考关系式，不是出口。

易漏点二：语音识别与语音合成方向记反。为什么漏：两个词都以“语音”开头，考场上时间紧，眼睛一扫就选了。怎么补：记输入端和输出端，声音进文字出是识别，文字进声音出是合成，做题时先问一句“谁变成谁”。再补一个锚点：语音转文字、口语评测属于识别，机器朗读、语音播报属于合成。

5.2 参数型易错：duration 与索引起点

易漏点三：tone(pin, frequency, duration) 里 duration 的含义。为什么漏：三个参数连写，frequency 和 duration 都是数值，读题时容易顺位滑过去。怎么补：把三个参数按“接哪、多高、多久”背一遍，频率管音高，持续管时长，两者调换会得到完全不同的效果——频率写成 500、时长写成 1000，和反过来是完全两种声音。

易漏点四：二维列表索引起点。为什么漏：题面用“第二行第三列”这种自然语言描述，代码用 0 基，两套口径混在一起，脑子会自动按 1 基去数。怎么补：读题时先在草稿上把行列标成 0、1、2，再对选项；写代码

本文还有配套的精品资源，点击获取