[苏州]2024年江苏苏州大学附属第一医院招聘（管理及通用岗位）笔试历年典型考点（频考版试卷）附带答.docxVIP

[苏州]2024年江苏苏州大学附属第一医院招聘（管理及通用岗位）笔试历年典型考点（频考版试卷）附带答案详解

一、单选题(共400题)

1、我国国务院各部、委的设立、撤销或合并，其决定权在于：

A.全国人民代表大会

B.国务院总理

C.国家主席

D.国务院全体会议??

解析：参考答案：A

根据《国务院组织法》第八条，全国人民代表大会决定国务院各部、各委员会的设立、撤销或合并，因此答案只有A。

2、有时候律师的辩护很可能开脱了凶手，有损公共道德，但他们“完美”的法律服务没错。因为法治之法是中性的，它超越道德；而“平等对抗”的诉讼程序，须保证被告人享有他所购买的一切法律服务。即使被告人真是凶手，律师帮他胜诉获释，正义受挫，从法制或“程序之治”的长远利益来看，这也还是值得的，失败了的正义可以在本案之外。

??对这段话的正确理解是______。

A.法制与道德是相互对立的

B.在一个单一的案件中找不到正义

C.维护法制程序的意义大于一时的伸张正义

D.为了保证法制程序的实施，律师常常不得已而为之??

解析：参考答案：C

[解析]A、B、D三项无中生有。A项不能从文段中推出，同时从法律常识的角度来看，此选项也是错误的；B项“找不到正义”过于绝对化，从文段中也推不出；D项无论内容还是逻辑关系都无法从材料中推出。所以本题的答案为C。

3、否定之否定规律揭示了事物发展是??

A.直线上升过程

B.曲折前进过程

C.循环往复过程

D.量变质变过程??

解析：参考答案：B

4、铁路：道路

A.南京：江苏

B.空调：家电

C.英国：欧洲

D.美国：国家??

解析：参考答案：B

[解析]铁路属于道路的一种；故答案为B。A项，南京是江苏的省会，两者是组成关系，与题干不一致。B项，空调属于家电的一种，与题干一致，保留。C项，英国位于欧洲，是欧洲的一个国家，与题干不一致。D项，美国是一个国家，两者为包含关系，保留。比较B、D，铁路、空调均为一类事物，但美国特指那一个国家，B与题干更接近，故选B。

5、在汉朝以前，史书上关于蹴鞠的记载只有零星碎片，但是从中不难看出，蹴鞠至少起源于春秋战国时代，而且兼具娱乐和锻炼的性质，并且在此后的数千年中，蹴鞠一直兼具这两种性质。到了汉代，蹴鞠得到快速发展。最先对蹴鞠的发展起到关键作用的人物，是刘邦的父亲刘太公。刘邦称帝后，刘太公定居长安，对家乡的蹴鞠十分怀念。于是刘邦在长安城找了一块空地，仿造了老家沛县丰邑，并把丰邑老乡也迁了过来，同时迁来的还有蹴鞠，从此蹴鞠就在长安生根发芽，深受汉室皇帝以及高官贵族的喜爱。

??这段文字主要说明：______

A.蹴鞠在汉朝得到了快速发展

B.蹴鞠的起源时期及其发展历程

C.蹴鞠受到古代皇帝和高官贵族喜爱的原因

D.蹴鞠的性质随历史发展而不断变化??

解析：参考答案：A

[解析]文段首先简单介绍了蹴鞠的起源及其兼具的娱乐和锻炼的性质；然后指出到了汉代，蹴鞠得到了快速发展；最后重点介绍了蹴鞠如何在汉代得到快速发展。B项的“发展历程”表述不准确，文段着重阐述的是蹴鞠在汉代的快速发展，在此之后如何发展文段未涉及。C项“古代”扩大了范围，文段说的蹴鞠深受汉室皇帝及高官贵族的喜爱。D项，由句意可知，蹴鞠一直兼具娱乐和锻炼的性质，“不断变化”表述错误。故本题选A。

6、1，6，15，28，??

A.32

B.35

C.45

D.50??

解析：参考答案：C

对各项做解析，1=1×1，6=3×2，15=5×3，28=7×4，乘号左侧是奇数列，下一个数字是9，乘号右侧是自然数列，下一个数字是5，空缺项为9×5=45。故选C。

7、原生生物属于微生物的范畴，形状像水母的变形虫就属于原生生物，它靠不断地改变身体形状来移动。当吃东西时，它把食物围在中间并吞噬掉，吞进去的食物被储存在一个叫食物泡的地方，在那里分解消化。

??如果给上面一段话加个标题，以下最合适的一项是??。

A.原生生物简介

B.变形虫的进食

C.什么是变形虫

D.变形虫略讲??

解析：参考答案：D

[解析]A项错误，本段不是介绍原生生物，第一句只是个引言；B项不能概括全文，C项则太过宽泛，只有D项比较合适。

8、2016年3月，阿尔法围棋程序(AlphaGo)对战世界围棋冠军、职业九段选手李世石，以4:1的总比分获胜。阿尔法围棋程序的工作原理基于下列哪项技术?

A.基因编辑

B.纳米技术

C.量子计算

D.深度学习??

解析：参考答案：D

[解析]阿尔法围棋程序是一款围棋人工智能程序，它利用价值网络去计算局面，用策略网络去选择下子，其主要工作原理是深度学习。深度学习是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集