第 6 页 要求协调一致，相互配套，构成一个完整的框架。整个项目建设具有系统性，体 现各个建设要求之间内部联系和区别，使建设要求体系做到层次合理、分明，标 准之间体现出相互依赖、衔接的配套关系，并避免相互间的交叉。 先进性、预见性 建设体系所包括的标准充分体现等同采用或修改采用国际标准的精神，达到 一站式服务大厅的标准与国际、行业标准的一致性或兼容性。在编制顶层设计时， 既考虑到 作为其核心运行内核，须 采 用企业服务总线产品作为其核心运行内核，确保产品稳定性。 2)可集成性 平台提供丰富的 A PI 接口程序，实现异构数据源的共享和交换，支持 各 种主流、非主流关系型数据库、0DB C 数据源、We b Se rv i c e 、 T a b1 e d-Tx t 文件、网络协议等，以满足连接不同数据源的需求； 操作。也能检测标准数 据和数据实体之间差异，避免不规范操作导致的不一致。 能检测各业务系统代码的使用情况，对集成数据的质量进行评估，推动业务 系统标准化。 能规划各业务系统或部门的外部数据关系，为信息治理提供清晰思路；也能 提供执行情况和规划情况差异，便于挖掘工作不到位或下一步治理重心。 6)免费提供涉及主数据库建设、运行、维护等过程中所有工具、第三方软 件以及中间件等，不限使用次数、授权数量和功能限制。

通过对以上目标用户群体的深入分析，AI 大模型的设计可以更 具针对性和有效性，从而使其能够在实际教育场景中发挥出最大的 价值。为了进一步明确各个用户群体的特征以及需求，可以绘制如 下的用户群体关系图： 以上用户群体的清晰划分，有助于在 AI 大模型的开发与应用 过程中实施精准的市场定位及需求匹配，确保模型能够服务于更广 泛的教育场景。 2.1.1 学生 在针对教育 AI 大模型的设计方案中，学生作为主要用户群体 因此采用分布式数据库系统，以提高数据访问的速度和可靠性。数 据层不仅需要支持结构化数据（如学生信息、课程资料），也需要 支持非结构化数据（如视频、音频和文本内容）。可以选择使用如 下的数据库技术：  关系型数据库（如 MySQL、PostgreSQL）用于存储结构化数 据。  NoSQL 数据库（如 MongoDB、Cassandra）用于存储非结 构化数据。  数据湖（如 Apache 数据加密和访问控制机制，以确保用户数据的安全。同时，应遵循 数据保护法规，如 GDPR 和中国的网络安全法，保障用户隐私。 为清晰地展示系统整体架构的组件关系，下面是一个整体架构 图的示意： 此图展示了用户交互层通过服务层来访问模型训练层和数据处 理层，反映出系统各层之间的交互关系。 综上所述，教育 AI 大模型的系统整体架构通过层次化设计， 确保各个功能模块的独立性与协作性。同时，整体架构的可扩展性 和灵

综合查询 数据仪表盘 自定义信息标准 昌交换数据认证、数据校验 增量数据库 LCESB 平台 教育服务总线 自定义船理路构对应美系、伍对庭关系 、 E DBC JMS seN 疆 数 据 清洗 数据中心数据族 服务集群 数瞒恢复 做指仓库 双机热蕾 系统配置 安全审计 数据交换 系统管理 数据库集群 协议标准 网络配置、监控 登录令牌 数据加密 身份认证 访问控制 用户身份 数据库 管 理 控 制 台 目录服务器 数据标准 目录服务器 日志服务器 日志服务器 用户管理 关系数据库 单点登录 3 .2 .2 系统架构 【单点登录系统架构】 单点登录系统(Single Sign-On),是一个集中的用户认证管理和集成环 境，可管理和分发用户的权限和身份，为不同的应用系统提供用户和权限管理 安全性和系统管理方面，需要大量的 IT 技术管理人员，分别管理和维护不同系 统(如：信息发布系统、教务管理信息系统、OA 、财务、网络教学平台等系统) 的用户信息。 另外，传统的开发模式都是基于关系型数据库的用户认证信息管理模型，读 取速度慢，可移植性差。信息化建设需要建立可靠、安全、保密的业务系统网络 环境，保证学校业务不受破坏和干扰。显然，这些传统的开发模式的诸多弊端已 经严重影响了基于

Paris 07 SP, France 简短摘要 指导教师在教育中使用和滥用 AI AI处理大量信息，生成新内容，并通过预测分析辅助决策。在 教育领域，AI已将传统的教师-学生关系转变为教师-AI-学生的 动态关系。 作为全球参考，该工具指导国家人工智能能力框架的发展，影响教 师培训项目，并帮助设计评估标准。它还提供了教师构建人工智能 知识、应用伦理原则和支持其职业发展的策略。 教学方法， 人类责任原则相结合， 从而与联合国教科文组织的使命相契合。以此方式，它响应了2021年联合国教科文组织 报告中发出的紧急呼吁。 重新构想我们的未来 ： 一种新的教育社会契约 ， 帮助改变人类与技术的关系。 教师的AI能力框架与学生的能力建设框架共同发展。我希望这两个框架能够赋能教 师和学生，共同塑造我们所期望的包容性和可持续的数字未来。 这一至关重要的新联合国教科文组织人工智能能力框架使各国能够填补这一空白。作 候变化，侵犯数据隐私，加深长期存在的 系统性不平等和排斥，并导致新的歧视形 式。在教育领域，AI可能会将教学与学习 过程简化为计算和自动化任务，从而降低 教师的作用和影响力，并削弱他们与学生 之间的关系。它会使教育内容仅限于AI能 够处理、建模和交付的内容。最后，通过 在技术上的过度投入而忽视人力能力的发 展，AI还可能加剧全球合格教师的短缺问 题。 国家教育主管部门需要动态审查和重新定 义教师的角色及其所需能力，加强教师培

教室管理系统 宿舍水电管理系统 学生出入安全系统 师生购物习惯分析系统 住宿服务系统 车辆管理系统 智能空调管理系统 来访人员管理系统 第三方企业管理系统 迎新服务系统 物流管理系统 智能电源开关系统 学生安全查宿系统 师生饮食习惯分析系统 自习室、会议预定系统 固定资产系统 智能巡检系统 。。 库存预警系统 自动水电缴纳系统 人力资源系统 。。 安全预警系统 人脸识别缴费系统 满意度调查系统 包含但不限于：食堂档口服务质量评测、物业 服务质量评测、员工服务质量评测 后勤学生安全动态评估中心，可以通过对学生在校时 间、在校情况、进入情况及出现位置、社会关系进行 动态数据获取，动态评估及追溯避免学生安全事件的 发生，消除学校责任。 包含但不限于：学生社会关系、学生饮食习惯分析、 学生外出安全预警、学生异常行为预警 “ 后勤教育大脑”——融合十三五、 大数据 AI 智能服务 中国教育后勤协会 后勤学生安全动态评估中心

实现服务的动态注册与发现，支持高 可用部署。 - 消息队列：使用 Kafka 或 RabbitMQ 实现异步通信和 解耦，提高系统的响应速度和可靠性。 - 分布式存储：采用对象存 储（如 MinIO）和关系型数据库（如 PostgreSQL）结合的方式， 满足不同数据类型的存储需求。 - 日志与监控：通过 ELK（Elasticsearch, Logstash, Kibana）和 Prometheus 责特 定的业务功能，如用户管理、课程管理、成绩管理和数据分析等。 各服务之间通过轻量级的 RESTful API 或 gRPC 进行通信，确保数 据传输的高效性和安全性。数据存储采用混合方案，关系型数据库 （如 MySQL）用于存储结构化数据，NoSQL 数据库（如 MongoDB）用于存储非结构化数据，如日志和大规模用户行为数 据。 为提升系统性能，后端设计中引入了缓存机制，使用 Redis 0 协议进行身份认证与授权管理，结合 JWT（JSON Web Token）实现无状态会话管理，有效提升系统的安全性。 在数据库选型上，考虑到教育数据的多样性和复杂性，采用了 MySQL 作为关系型数据库，用于存储结构化数据，如学生信息、 课程安排等。同时，为了应对海量非结构化数据的存储与分析需 求，系统引入了 MongoDB 作为辅助数据库，用于存储学生的学习 行为数据、日志信息等。此外，为提高数据查询效率，系统还集成

进行计费，使用不同的计费策略。。 稳定可靠 网络监控： 通过网管软件查看当前设备 物理拓扑，直接显示设备间连接关系，监 控设备及链路状态。通过 WLAN 业务拓 扑 监控无线设备告警、状态、网络设备 逻辑 结构，包括 AC 、 AP 、终端用户、 非法 AP 的逻辑连接关系及其详细信息， 并在拓扑 提供一定故障诊断处理能力。 故 障 恢 复 ： 通 过 网 管 远 程 批 量 重 启 AP 支持线上访客自主预约和邀约两种方式，具有登记简单、快捷，支持多种验证方式（身份证、 人脸、一卡通、二维码），支持对接 OA 系统（钉钉、企业微信等）、统一身份认证，多级门 禁分级分区自动授权，支持人车预约绑定，自动关联组织架构人员关系，自动流转，分级审批， 到访提醒（微信、短信等），预约成功后，门禁系统自动获取临时通行权限。 访客预约 数字化校园业务应用系统 、 - 宿舍管 理 数字化校园业务应用系统 人员管理：

基于上下文预测下一个token • 为可能的单词分配概率分数 • 示例:{“去”:0.7. “停":0.2,“站":0.1} 3.采用Transformer架构处理token • 理解token之间的关系 • 识别提示词的整体含义 5.根据概率分数选择标记 示例:“去” 1. 收到提示词 示例:“今天天气不错，我决定” 自回归（AR）：重复步 骤4和步骤5直到形成完 整的句子 内部驱动力 人才需求的变化 产业结构的变化（无人化） 工作流重塑 新的AI技能需求 老旧技能的更替 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第41页 人工智能与教育的深层关系 超越“工具论”和“威胁论” 提升效率、辅助教学、改进管理 工具论 取代教师、削弱学生认知能力、加剧不公 威胁论 根本性地重塑教育的目的、内容、方法和评估体系 范式革命 学习交流可加 教 学 04 教 学 评 估 反 馈 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第19页 教学设计流程 03 01 02 04 • 目标具体化 • 明确重难点 • 明确目标间关系 • 预习作业 • 复习作业 • 评估方法与标准 • 前置知识 • 学员知识薄弱点 • 学员生理心理特点 • 教学环境 • 信息搜索 • 内容选取 • 教学方法 • 学习任务

...............................................199 1. 引言 在当前的教育环境中，教学评价作为教育质量提升的关键环 节，其科学性与有效性直接关系到教学目标的实现和学生学习成果 的优化。随着信息技术的飞速发展，传统教学评价方式已逐渐显现 出信息处理效率低、反馈周期长、主观因素影响大等问题。为此， 探索并引入先进的技术工具以优化教学评价体系，已成为教育领域 当前学校教学评价体系主要依赖传统的问卷调查和教师互评， 这些方法存在一定的局限性。首先，问卷调查往往由于学生和教师 的参与度不高，导致数据的真实性和全面性难以保证。教师互评虽 然能够提供一些有价值的反馈，但受限于人际关系和主观判断，评 价结果可能不够客观。此外，现有的评价系统缺乏有效的数据分析 工具，无法对大量数据进行深度挖掘和分析，从而难以提供具有针 对性的改进建议。 在具体实施过程中，学校通常采用以下步骤进行教学评价： 师的教学效果和学生的学习成果。 首先，DeepSeek 模型采用了多层感知器网络（MLP）来处理 和分析来自课堂互动、学生反馈、考试成绩等多种数据。这种网络 结构能够捕捉到数据之间的复杂非线性关系，从而提高评价的准确 性和可靠性。例如，模型可以识别出学生的参与度和他们的学术成 绩之间的关联，从而帮助教师更好地理解如何调整教学策略以提高 学习效果。 其次，DeepSeek 模型还采用了卷积神经网络（CNN）来处理

多挑战： 2.4.1、 产品同质化严重 主要以考量测评类产品为主，重点聚焦于如何“提分”； 盲目跟风现象严重，产品同质化且差异不大。 2.4.2、 分析端是整体短板 目前的产品多集中在关系维系端和数据存储端，缺乏深度 数据分析； 教育行业数据半结构化、非结构化突出，在分析端技术整 体不成熟。 2.4.3、 缺乏统一的行业标准 行业正在重走教育信息化早期发展阶段的“老路”，盲目混乱 7.5、 实现教学模式改革 教学数据分析与预测，改变教学模式，实现个性化教 育，调整教学方案，优化教学方法，提高教学质量。 2.7.6、 实现科学化教育管理 注重相关关系识别，强调因果关系的确定，发现隐藏 的、有用的信息，做好教育管理和决策工作的数据支持。 2.8、 智慧校园大数据需求分析 2.8.1、 政府部门 政府部门依据统计报表制定各种指标，指导教育发展工作 数据质量评价标准、数据采集标准、数据组织标准等 大数据处理阶段相关的标准规范，消除变量自身变异和数值大 小的影响，为大数据应用打下良好的基础。 2.11.4、 数据存储标准 非关系型数据库规范、非结构化数据管理系统规范等 大数据背景下的新型存储系统相关规范，有助于数据进行交互 式传输和管理，提高存储量、存储速度，进而为大数据快速挖 掘、提取、分析提供基础。 2.11