4 活动推进 5 大 数 据 6 运营服务 帮你 搞定 帮你 搞定 帮你 搞定 帮你 搞定 数据获取、汇聚 统计、分析、挖掘、利用、监管、服务 个体行为记录 个体学习记录 个体学情报告 个体互动报告 群体行为分析 群体学习分析 群体学情报告 群体互动报告 上海教享科技有限公司 — 27 — 智慧教育核心场景

文本时代结束：文本不再是知识的唯一载体和工具 • 人在回路，人和机器的互相驯化 知识不再代表智能：公开的知识不再有价值，个人数据 + 三观过滤更有价值 无法使用 AI 的人类个体被淘汰，镜子理论 • 法律责任：自动驾驶 无法融合人类的 AI 个体被淘汰 n 思想问题： AIGC • 信息茧房、信息幻象、 DIK 生成 • AGI 产生了自己的目标怎么办？意识呢？ 人类有明确的目标吗：功利主义（火车

育技术基础。 这种技术演进推动教育体系向灵活开放变革。AI成基 础设施后，教师转型为学习架构师，教育从课堂中心 转向学习者中心。 最终，融合不仅提升教育质量，更以技术赋能缩小差 距，构建适配个体成长的未来教育新生态。 朱玉荣 安徽文香科技股份有限公司董事长 AI与教育融合：政策、技术与未来重构！ 我们正站在教育数字化转型升级的关键节点，人工智 能与教育的深度融合已成为推动教育高质量发展的核 目前 市场已衍生出多种解决方案，正是这一转型期的激烈 探索。 未来，将全面进入学生学情分析到个性化教学的阶段， 单一功能的应用将不再满足深度智能需求，教室环境 中的各类数据——从师生互动到个体学习轨迹——亟 需打通与融合。能够整合课堂全场景，提供集成式分 析解决方案的厂商，将真正捕捉到数据驱动的教育价 值，占据下一个市场制高点。AI教育教室的竞争，正 在步入全栈智能的新赛道。 张呈正 负增效；依托大模型生成课堂总结，结合智能伴学助 手，助力学生自主成长。 其三形成数据驱动的个性化引擎。基于全流程学习数 据构建认知画像，为每位学生规划适配其认知节奏的 学习路径，实现教育“因思施教”，真正尊重并激发 每一个体的思维独特性。 我们相信，以整体智慧重塑教学场域，是构建未来教 育新生态的重要路径。 李林 卓智教育科技有限责任公司总经理 以整体智慧重塑教学场域 构建未来教育新生态！ 著名教育专家/产业领军人物/主编

主选择评价指 标后，设置指 标权重，即可 一键发起。 开展评价 支持教师评价、 学生自评、同 学互评、家长 评价等。评价 方式更公正， 评价数据真实、 客观。 查看报告 综合素质分析报告 对学生个体与群体 进行科学的统计分 析。是教育部门推 动教学发展提供方 向，是学生提升自 主学习能力的科学 参考。 三、教育资源建设 - 校本资源库 校本教材功能可支持学校开展个性化特色教育。方案为学校提供丰富的教学素材，涵盖 分析、作业交流、翻转课堂、智能表扬、自适应作业等功能， 能帮助学生查漏补缺和巩固知识，帮助教师提升作业批改效率， 解放教学生产力。 优势：  构建海量题库与科学的作业布置体系，提升教师作业布置 的效率；  能根据学生个体差异，进行阶梯性与层次性的作业布置， 实现因材施教；  作业答题结果自动批改，学生能及时收到个人掌握情况的 反馈，引导学生提升自主学习能力；  作业批改后能实时查看错题讲解，教师还可以录制微辅导 作业标准——从“完成作业”到熟练掌握 常规作业标准：完成、做对 AI 智适应学习标准：熟练到“专线” 两种练习方式PK AI“ 堂堂清” AI“ 堂堂清”基于知识点诊断引擎、学生个体及群体画像系统及知识 图谱模型，可以确定每个学生的最佳学习路径和练习题目，建立作 业练习从“完成作业”到“熟练掌握知识点 " 的新标准。在每天课后帮 助学生在存在的知识薄弱点，并提供相应练习方案。让学生以最少

技术 数据采集 手动填写问卷、课堂观察 自动化采集多维数据 数据分析 简单统计和描述性分析 深度学习与机器学习分析 反馈速度 延迟较长，通常以周或月为单位 实时反馈 个性化程度 较低，难以针对个体学生提供定 制化反馈 高，能够为每个学生生成个性化评 价报告 教师工作量 较高，需手动参与 较低，自动化处理 通过以上对比可以看出，DeepSeek 技术在提升教学评价的效 率、深度和个 炼出有价值的信息，如教师的教学风格偏好、学生的学 习习惯等。 o 通过人工智能算法，系统能够自动识别课堂教学中的关 键事件，如学生注意力分散的时间点、教师提问的效果 等。 o 系统需支持多维度分析，包括学生个体表现、班级整体 水平、教师教学效果等。 3. 评价结果的反馈与可操作性 o 系统应能够生成清晰、直观的评价报告，帮助教师和学 校管理者快速了解教学中的优势与不足。 o 报告需包含具体的改进建议，如针对不同学生的学习需 教学评价 所需的数据，为后续的分析和决策提供有力支持。 在数据采集过程中，我们还将严格遵守数据隐私保护的相关法 律法规，确保所有数据的采集和使用均在合法合规的框架内进行。 所有参与数据采集的个体均需签署知情同意书，明确数据的用途和 保护措施，确保数据的安全性和隐私性。 5.3 数据预处理与清洗 在数据采集后，首先需要对原始数据进行预处理与清洗，以确 保后续分析的准确性和有效性。数据预处理包括对数据进行格式

通过个性化学习体验和智能化辅导，AI 大模型能够根据学生的背 景、兴趣和学习习惯，调整内容和节奏，从而达到更加高效的学习 效果。 首先，AI 大模型可以进行个性化学习路径推荐。传统教育往往 采用统一的教学模式，忽略了个体差异。而 AI 大模型能够分析学 生的学习记录，识别出他们的优劣势，进而为每个学生制定个性化 的学习计划。例如，系统可以识别出某个学生在数学方面相对薄 弱，因此优先推荐与数学相关的补充材料和练习，这样不仅可以提 ，并根据用户 反馈进行后续优化。 以下是项目目标的总结： 目标 描述 提升教育智能化水平 构建一个智能化的教育管理与教学辅助系统，提升教学效率与 学习效果。 个性化学习体验 提供符合学生个体需求的学习方案与资源推送。 实时数据反馈与评估 提供即时的学习反馈，帮助教师调整教学策略。 目标 描述 资源共享与优化配置 建立资源共享平台，实现教育资源的优化配置。 支持多样化教学模式 适 外，通过增强现实（AR）和虚拟现实（VR）技术的结合，教育 AI 模型能够提供沉浸式学习体验，增强学习的趣味性。 为了实现设计灵活的教育 AI 模型，以下几点是关键的实施策 略：  对学习者进行全面的需求分析，了解其个体差异和学习偏好。  构建一个可持续更新的内容库，以确保教育资源的时效性和相 关性。  采用强大的数据分析工具，监测学习进展并提供反馈，确保个 性化学习的有效性。  持续进行用户反馈的收集和分析，以迭代优化模型设计。

作为传统知识生产的制度性主体，高校依托其组织化、建制化的科研体系，将个体经验升格为系统化学术成果， 借助书写印刷技术构建起标准化知识传播网络。 56 而大模型的出现标志着知识生产范式的结构性变革：大模型 通过深度神经网络架构与海量数据训练，突破了学科边界与认知桎梏，实现了跨领域知识要素的动态重组。这 种算法驱动的知识生产不仅超越了迈克尔·波兰尼所言“个体默会认知”的局限，更在算法框架支持下形成持 32 然而，大模型内容生成的工作原理是从原始数据集中选取与上下文相关的词，受固有技术缺陷影响，输出文本 本质上都是部分随机的，这种随机也就给大模型的“失控”埋下了伏笔 57。“知识幻觉”成为大模型在知识生 产过程中的典型问题。从个体维度而言，算法黑箱导致主动性认知剥离，弱化了主体批判性思维，诱发基于虚 假知识表征的价值异化；在社会维度层面，知识权威的算法迁移解构了传统信任机制，数字鸿沟的认知再生产 加剧了知识权力的结构性失 得人们难以理解其决 策过程，容易被算法所左右。再次，算法偏差可能放大教育中的不平等，加剧教育资源和机会的差异，使部分 群体处于不利地位。此外，算法的广泛应用容易引发教育的同质化，削弱地域、文化和个体特色，影响教育的 多样性。更重要的是，过度依赖算法会诱发学生的认知失衡，使他们在探究和思考方面变得被动，同时也会降 49 大模型背景下高等教育数智化转型研究报告 低教师的教育智慧水平，造成教

未来教室 触摸一体机，让教学智能化，实现 师生双向互动高清录播系统，开展 微格教研，建设精品课程 涵盖课前、课中和课后全 环节，可开展自主、合作、 探究学习及分层教学 全程跟踪学习过程，关注学生个体 动态智能评估学习情况，智能推送 学习资源 整合各级教学资源，学校 和教师可自建资源并分享 www.changhongedu.com 校园电视台 可实现文字、音频、视频、课件等大量 学习诊断 学习诊断 教师 学习诊断 教师 学生 家长 教师 管理者 • 学情报告，帮助孩子有理有 据有助手 • 家校互动，让沟通有的放矢 • 掌握学生整体和个体倾向，教学更 有效率 • 个性化指导 • 掌握所有班级学习状况与教学成效 • 智慧决策，资源优化配置 智慧学习 云平台 • 一诊：学习诊断书 • 二治：个人学习路径 •

精准教学大数据平台——数据汇聚、科学分析 教学大数据产品是以大数据和 AI 引擎为手段，结合用户全局的 动 态数据，面向平台所有用户提供以日、周、月、学期等周期为时 间范围，以各类学科、课程、知识点为单位，以学生、教师个体 和班级、年级、学校、区域等不同用户组织为维度的综合性大数 据产品。 • 个人大数据 教师与学生可查看个人的大数据，教师可了解自身教学概况，优 化教学结构；学生可了解自身掌握情况，有针对性地调整学习任

智慧校园大数据的来源.....................................................................................37 2.2.1、 个体智慧校园大数据................................................................................38 2.2.2、 课程智慧校园大数据 师、管理者和家长，“物”包括信息系统校园网站、服务器、多媒 体设备等各种教育装备。 依据来源和范围的不同，可以将智慧校园大数据分为个体 智慧校园大数据、课程智慧校园大数据、班级智慧校园大数据、 学校智慧校园大数据、区域智慧校园大数据、国家智慧校园大 数据等六种，它们从下向上、从小到大逐级汇聚： 2.2.1、 个体智慧校园大数据 包括教育部 2012 年正式发布的《教育管理信息化系列行业 标准（教技[2012]3 用户状态描述数据（如学习兴趣、动机、健康状况等）。 2.2.2、 课程智慧校园大数据 是指围绕课程教学而产生的相关教育数据，包括课程基本 信息、课程成员、课程资源、课程作业、师生交互行为、课程 考核等数据，其中课程成员数据来自个体层，用于描述与学生 课程学习相关的个人信息。 2.2.3、 班级智慧校园大数据 是指以班级为单位采集的各种教育数据，包括班级每位学 生的作业数据、考试数据、各门课程学习数据、课堂实录数据、