工智能 知识、应用伦理原则和支持其职业发展的策略。 教学方法，以及专业学习中的AI应用。这些能力被划分为三个进 阶层次：获取、深化和创造。 The AI能力框架针对这一缺口，通过定义教师在AI时 代必须掌握的知识、技能和价值观来解决这一问题。 该框架基于保护教师权益、增强人类自主性和推动可 持续性的原则进行开发，并详细列出了五个维度下的 15项能力：以人为中心的心态、AI伦理、AI基础与应 用。 深远的影 响，特别是在教师的角色以及他们所需的能力方面。教育中使 用AI引发了关于教师自主权和其判断如何及何时恰当地使用这 项技术的能力的基本问题。 教师迫切需要被赋能以更好地理解人工智能的技术、伦理和 教育学维度。然而，截至2022年，仅有七个国家制定了针对 教师的人工智能能力框架或专业发展计划。 该出版物以教科文组织以前在该领域的工作为基础 ， 如 教师、人工智能和教育的信 通技术能力框架 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.2. 2 方面 2 ： 人工智能的伦理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

为防范核风险而创造的超级监控系统 ，是否可能成为新形态的技术霸权？ u 当 AI 替代人类判断 ， 监管者会否沦为算法的 “执行器官”？ 工具理性与价值理性的永恒张力 n 汉斯 · 约纳斯的责任伦理 • AI 的 “概率思维”与责任伦理的 “绝对命令”存在根本冲突。 当算法计算出 “可 接受风险”（如 0.01% 的泄漏概率） ， 人类是否有权为后代做此选择？ • 认知偏差的安全幻觉。 当 AI 能预测 99 （ RegTech ） 应用 - 建立 AI 监管案例库 - 与 NRC 、 ONR 合作制 定 AI 监管原则 - 发布《核领域 AI 伦理指 南》（ 2024 年） - 数据格式不兼容 - 伦理框架全球化挑 战 美国 - 《在核应用中开发人工智能系统 的考虑因素》（ 2024 年 9 月， NRC 联合英加发布） - 《先进核能法案》（ 非能动安全系统设计 - 采用 “风险分级 ” 监管模式 ，要求第 三方评估 AI 安全 案例 - 主导欧盟 AI 伦理 框架 - 与中国合作 AP1000 、 EPR 监管 经验交流 - 平衡技术创 新与伦理争议 - 推动欧盟统 一监管标准 韩国 - 《第四次工业革命战略》 （ 2018 年） - 《核电站专用

、社会服 务与国际合作”四大导向，明确高等教育数智化转型的发展方向和战略目标。 报告从技术、社会与教育三个维度深入审视机遇与挑战：在技术层面，算力、数据与算法的突破孕育创新红利， 但面临安全、伦理、偏差与治理等现实约束；在社会层面，发展契机与潜在风险并存；在教育层面，知识去中 心化、学习个性化的进程中，需要同步重塑价值导向与能力结构。基于深入分析，报告提出推动高等教育走向 智能、高效、开 力＋教育能力”的 能力谱系；在要素分析上，形成“五要素”框架：算力作为构建基石与场景适配关键，数据作为必备燃料与领 域属性特征，算法作为核心引擎与风险应对策略，开发工具作为全栈式工具矩阵，安全、伦理和隐私保护作为 有效保障。在技术路线上，构建“参考架构—智能体应用—标准体系”的完整技术路径，以“性能—成本—应用” 协同优化为抓手，支撑模型从训练、推理、部署、协同到应用增强的全链路落地。 具体路径，总结了九个重构方向：提供精 准适需的教育内容、实现个性灵活的教学方式、支持沉浸互动的学习体验、重塑教育主体的角色与能力、助力 数据驱动的教育评价、推动智能高效的教育治理、构建安全可信的伦理治理体系、配置优质均衡的教育资源、 强化智能协同的科研创新。据此提出“统筹规划、分步建设、优选场景、协同发展”的教育大模型建设原则， 阐明基于通用大模型研发教育大模型的具体实践，倡导通过算力、数据、算法协同优化的工程创新来实现教育

创造新职业 • 提示词工程师、大模型数据工程师、大模型应用开发工程师、 AI 架构师等 • AIGC 设计师、 AI 产品经理、 AI 游戏策划、 AI 安全专家、 AI 伦理与法规专家 n 从组织结构和工作流程角度来看，人数很少的公司可能做出影响世界的产品 1. 从人机协作（ AI 作为 Copilot ） 2. Agent 数字员工和人类员工共同工作 学术前沿 | 独立科研 | 行业引领 n AI+ 学科 各学科（非人工智能专业）与人工智能的深度融合的课程 n AI 通识教育 面向院校所有学生、教师和教职工 基础概念 | 技术认知 | 伦理思考 | 社会影响 | 应用场景 | 未来趋势 n 培养什么人 1. 思维能力：批判思维、独立思维、逻辑思维 2. 学习能力：终身学习，善用 AI 3. 热爱人类 n 如何培养人 1 数据驱动的教学决策和协作教学支持 3. AI 赋能评价 • 基于生成式 AI 的多元评价系统 • 数据驱动决策 n 挑战和风险 1. 法律、隐私与信息安全 2. 伦理与学术诚信 3. 教育质量与学生发展 4. 教师角色与职业转型 5. 教育公平与数字鸿沟 6. 组织转型与系统适应 02 对 AI 教育的思考： AI 如何赋能教 育 30

带来了前所未有的机遇与挑战。特别是在中小学教育阶段，人工智 能的应用不仅能够提升教学效率，还能为学生提供个性化的学习体 验，促进教育公平。然而，尽管人工智能在教育中的应用潜力巨 大，其实际落地仍面临诸多政策、技术、伦理等方面的挑战。 在全球范围内，许多国家已经将人工智能教育纳入国家战略。 例如，美国在《国家人工智能研究与发展战略计划》中明确提出要 推动人工智能在教育领域的应用；中国也在《新一代人工智能发展 用并非一帆风顺。首先，人工智能技术的复杂性和高成本使得许多 学校难以负担；其次，技术的可靠性和安全性问题也引发了广泛关 注，特别是在涉及学生隐私和数据安全的情况下。 此外，人工智能在中小学教育中的应用还面临着伦理和社会的 挑战。例如，如何确保人工智能技术的公平性，避免因技术差异导 致的教育资源分配不均？如何平衡人工智能与教师角色的关系，避 免教师被技术取代？这些问题不仅需要技术层面的解决方案，还需 数据隐私问题：人工智能技术涉及大量学生数据的收集与分 析，如何保护学生隐私成为一大挑战。 综上所述，中小学人工智能应用的研究背景复杂而多元，涉及 政策、技术、伦理等多个层面。为了推动人工智能在中小学教育中 的有效应用，亟需从政策制定、技术研发、教师培训、伦理规范等 多个方面进行系统性研究与实践。 1.2 研究目的与意义 随着教育信息化 2.0 时代的到来，人工智能技术在中小学教育 中的应用逐渐成为

数字公民素养与AI伦理 • 算法识读与数据素养 • 批判性媒体素养 • 积极参与技术治理 • 跨文化与跨“物种” （人机）协作能力 公民素养与社会 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第46页 教育范式革命的挑战与机遇 风险识别 策略平衡 风险 • 认知与能力退化陷阱 • 教师角色的冲击与转型困境 • 评估体系的滞后与失效 • 技术伦理、隐私与安全风险 2019.5 联合国教科文组织：《北京共识— —人工智能与教育》 探索采用人工智能技术构建新型教育 学习体系 2021.6 科技部：《新一代人工智能伦理规范》 强调 AI 教育应用要遵循"以人为本、安 全发展"原则，为技术应用提供伦理指导 2022.2 2022.4 科技部：《关于支持建设新一代人工智能示 范应用场景的通知》 支持建设"备、教、练、测、管"等关键环节 智慧教室等场景，支持教育智能化应用 师生数字素养标准，深化人工智能助推教师队伍建设。打造人工智能教育大模型。建设云端学校等。建立基于大 数据和人工智能支持的教育评价和科学决策制度。加强网络安全保障，强化数据安全、人工智能算法和伦理安全。 坚持“学生中心、能力进阶、交叉融合”建设理念，加快构建“人工智能通识教育”新生态 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第61页 高校人工智能教育实践-案例：北京大学

，生成个性化运动建议（如“每日增加 5 分钟耐 力训练” ）。 29.AI 使用透明化管理 要求学生标注作业中 AI 辅助部分并附反思 ，结合 GPTZero 检测 工 具防范代写风险。 30. 校本化 AI 伦理规范 学校制定“ AI 教学指南”， 明确禁止 AI 替代情感沟通场景（如心 理辅导） ，强调教师主导性。 / 教学应用场景汇总：家校协作与数据管理 家 校 协 作 与 数 据 管 理 下一步推进应用思路

a)培训管理体系包括培训制度、培训政策、管理人员培训职责、培训信息搜集反馈与管理、培训 评估体系、培训预算及费用管理、培训绩效考核管理等一系列与培训相关的制度； b)培训内容体系涉及信息化意识、信息化伦理、信息化知识、信息化技能，以及借助信息技术完 成业务的能力等； c)培训实施体系应包含确保学校培训制度实施，并通过培训活动的组织和落实、跟踪和评估、改 善和提高，体现培训价值的一整套控制流程。 在教师指导下利用信息化手段进行协同工作，针对职业岗位能力进行综合训练，创造性地完成 岗位要求的任务。 3.2.6 社会责任 3.2.6.1 总体要求 学生能够理解与信息技术相关的人类、文化和社会问题，实践符合法律和伦理的技术行为。 3.2.6.2 具体要求 a) 尊重知识产权，倡导和实践安全、合法、负责任地使用信息和技术； b) 对信息技术用于支持学习和工作持积极肯定的态度； c) 理解信息技术是把“双刃剑”，能扬长避短地使用； 努力使不同背景、性格和能力的学生均能利用学习资源并得到良好发展。 3.3.4.3 健康使用 促进学生正确使用学习资源，营造良好的学习环境。 3.3.4.4 规范行为 能向学生示范并传授与信息技术利用有关的法律法规知识和伦理道德观念。 4 数字资源 4.1 数字资源的分类 数字资源按照其应用的场所分为课堂与实训室数字化教学资源、数字化场馆资源和数字图书馆资 源，其中课堂与实训室数字化教学资源包括通用性基础资源和仿真实训资源。

需求相契合，包括知识图谱的集成、特定领域的知识、以及用户交 互的优化特性等。例如，在教学对话系统中，选择能理解教育行业 术语和上下文的模型，将显著提高系统的有效性和用户体验。 此外，考虑到数据保护与伦理问题，模型选择还需符合相关法 规和伦理要求。选择的模型必须在处理学生数据时保障隐私与安 全，同时遵循相关的合规标准，确保其在教育应用中的合规性。 模型的支持和维护也是选择的重要方面。建议选择那些有较强 社区支持 模型能够有效服务于教育领域的实际需求。 选择标准摘要：  模型性能：准确率、召回率、F1 分数  可扩展性：支持多任务迁移学习  适应性：行业特定知识理解  遵循合规：数据保护与伦理  维护支持：强社区支持、持续更新  实际成本：训练与推理资源需求 通过综合这些标准，可以确保选择的预训练模型在教育 AI 大 模型设计方案中能够充分发挥其在实际应用场景中的有效性与价 积极探索在线及混合学习模式，提升教育服务的灵活性和便利 性。  加强与行业的合作，借助先进企业的技术资源，提高自身的教 育质量。 此外，针对 AI 技术的道德与法律问题，教育机构应提前布 局，特别是在学生数据隐私保护和伦理应用方面建立高标准。可以 采取以下措施：  制定明确的数据管理政策，确保学生信息的安全与隐私。  开展相关的教师培训，提高其在 AI 应用中的道德意识和技术 能力。  加强与法律顾问的合作，确保

行权限审 查。 o 建立数据审计机制，记录所有数据访问和操作行为以备 查。 4. 教育与伦理合规性评估： o 评估方案是否可能对学生的学习体验产生负面影响，并 提出改进建议。 o 确保方案不会因技术问题导致教育不公平现象。 o 与教师、学生和家长沟通，收集反馈并调整方案以确保 其伦理合规性。 审查完成后，小组成员需撰写详细的合规性报告，列出所有发 现的问题及整改建议。整改完成后，再次进行复核以确保所有问题 通过以上分析可以看出，学校引入 DeepSeek 进行教学评价方 案设计，不仅能够优化教育体系，还能够推动社会公平和科技进 步。然而，在实施过程中，学校需承担起相应的社会责任，确保技 术的应用符合伦理规范，并在提升教育质量的同时，保护师生的合 法权益。 24.2 社会责任履行 在引入 DeepSeek 进行教学评价方案设计的过程中，学校应积 极履行社会责任，确保技术应用的公平性、透明性和可持续性。首