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 训机构，并建立适当的能力建设项目，以 准备教师能够以有效和伦理的方式与人工 智能合作。然而，根据最近的一项调查（ 联合国教科文组织，2023）。 a ), 到20 22年，只有七个国家制定了针对教师的人 工智能框架或项目。这主要可以归因于对 责任应归属于个人。在教师人工智能 能力的具体背景下，这一可问责的人 类原则意味着 18 教师的人工智能能力框架 - 第 2 章 ： 关键原则 越来越多地介导准备、教学、学习和评估 。因此，教师需要被赋能，以成为人工智 能时代协作知识生产者和公民指导者。为 了帮助教师探索并承担这些新角色，AI 教育框架（CFT）旨在培养他们对人工智 能社会影响的人本意识，以及适应和应对 心价值观一致，验证程序应优先考虑以下 原则： 鉴于人工智能具有 transforming 教学和学 习的潜力，政策制定者应紧急审查并逐步 重新定义教师的角色及其所需技能。需要 适当的能力建设项目来准备教师在日益依 赖人工智能的环境中工作。随着人工智能 工具在辅助决策循环和生成内容方面能力 的增强，教师与学生之间的互动或许正变 得三角形。 为了在人工智能时代维护社会价值和责任 感，必须认识到教师与学生之间互动与合

等设备的基本信息和状态信息，向上 提供资源获取和资源注册接口。 API接口层向IaaS服务接口注册向外提供的接口，并接收相关请求。提供物理资源注册和 信息获取接口，其中注册接口是在物理设备已经准备完成后（接入管理网络、操作系统和相关 软件安装成功），将该物理设备划入IaaS系统管理范围，能够接收控制节点的资源调度。 第 58 页 共 157 页 3.2.5.4 监控管理 IaaS监控 训练任务管理和推理任务管理等功能模块，兼容支持多种深度学习算法框架、支持交互式建模、 模型部署等功能；为用户节省搭建平台、管理物理资源的时间成本，将精力聚焦在业务和算法 的优化上。 算力服务主要支持的功能如下： 数据准备，支持对接对象存储，通过对象存储传入数据集和导出训练好的模型。 模型开发，提供 Notebook 交互式建模开发工具， 提供数据处理、算法调试和模型训练等 支持。 训练算力，支持 Tensorflow 、 容器实例。 对象存储服务，提供弹性、高可用、低成本的云存储服务，满足 EB 级存储规模需求，适 合存储各种类型的数据，用于存储原始数据以及数据分析结果。 算力服务的使用流程如下： 数据准备➡模型开发➡拉取数据➡模型训练➡模型推理➡输出结果➡业务调用。 第 87 页 共 157 页 高性能计算云资源涉及设备详细配置如下： 序 号 产品名称 配置 单位 数 量 说明 1 AI平台管

虚拟化技术面向教 育 的 专业云桌面 虚拟化解决方案。 它的最大特点是把桌面虚拟化与云教 室互动平台 无缝集成在一起 ，使得日常教 学业务能 够便 利地使用云桌面的功能 ，形成了教学准备、教 学实施、个性化教 学、 虚拟化系统维护和系 统 安全的 一 揽子解决方案。 主要组件 Key Features: • 硬件：管理主机 + 教 师机 + 学生机 + 网络设备（可选） 、分布计算、一 机多用 / 多系统、本地虚拟磁盘数据 加 密、按需读取数据 • 软件：云教 室互动平台 （必选） 与虚拟桌面集成在一起的 教 学互动 软件 ，功能包括： - 课前准备：教 师 账户管理、教 师 登录； - 课堂教 学 ：教 师 演示、学生演示、视频广播、视频直播； - 课堂管理：管理 班级、学生 签到、实时监控、远程命令、学生策略、黑屏控制； - 课堂互动：共享白板、讨论、分组教 之间设置不同的 外设 禁止策略。 场 景 ：针对有特殊教 学 场 景、考 试环境而设置的禁止外设等行为 管控功能。保证考试环境不出现 作弊行为。 云桌面虚拟化平台常规功能 • 课前准备 • 教 师 账户管理 • 教 师 登录 • 课堂教 学 • 教 师 演示 • 学生演示 • 视频广播 • 视频直播 • 课堂管理 • 管理 班级 •

 离校考勤  完成作业  课堂预习 家校可视通讯 一卡通 电子学生证 大屏留言 电子书包翻转课堂 文化数字标牌 电子班牌 微课资源制作 二、智慧教学概要  以信息化手段解决教学准备、课堂互动、课后辅导、改卷统分、成绩分析等教学难题；  定位学生薄弱知识点、知识面，推送个性化学习、练习资源，实现自适应学习和针对性改进；  挖掘分数背后潜藏的教学安排、授课方式、授课进度等问题，为教学反思、改进提供切实的数 电子学生证 一卡通管理平台 活动出勤 图书借阅 访客管理 专用教室门禁 智慧管理——校车管理 学生 上下车在智能手持终端上刷卡  家长实时知道孩子上下车信息  能查看校车实时位置，提前做好接送准备  采用智能手持考勤终端实时显示上、下车人 员统计及身份信息  车辆行进地图展 示 ，让安全更直观 家长 微信端查看孩子上下车位置 智慧管理——请假管理 老师 在手机进行请假登记

海外，视频生成模型可灵AI、海螺视频、 Vidu、PixVerse等模型陆续发布，并在海 外取得较大应用进展。 • 国内通用模型持续提升，Qwen2.5、文心 4.0、GLM4、商汤5.5等通用模型陆续更新。 准备期 深化期 跃进期 • ChatGPT发布，全球范围内迅速形 成大模型共识。 • GPT4发布，进一步掀起大模型研发 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第38页 高校学科融合教学设计-AI通识课案例 概念讲解阶段 • 1. 专业化概念呈现 • 2. 分层次概念讲解 课前准备阶段 • 1. 专业化课程目标设定 • 2. 专业关联内容筛选 • 3. 学习难点预判与准备 评估与反馈阶段 • 1. 多元化专业评估 • 2. 个性化反馈与指导 实践应用阶段 • 1. 专业化示范 • 2. 专业导向实践 • 高校案例：上海海事大学自研“海事超级智能体” 项目概述 • 立足航运物流海洋特色，自研海事超级智能体 • 自建大模型 + 引用AI服务 • 由LLM自主支配运行，自主判断、决策、分解子任务 解决问题 • 教师教学资源准备繁琐。 • 校内业务系统操作复杂。 • 学术研究资源获取不便，文献综述和论文润色工作量大。 • 国际交流中多语言环境支持不足。 实现功能 • 助学：AI抽取教学视频知识点，构建知识图谱，支持学生课前课中学习课后复习。

习同伴，共同打造高效、便捷的学 习新体验。 能够根据讲师的具体教学场景，生 成量身定制的教案、课件及试题， 精准对接教学目标。大幅提升教学 准备效率，助力讲师更好地达成教 学效果。 青鸟教育大模型：依托青鸟 30 年教法数据、学习数据训练而成，拥有庞大且精准的知识能 力 学习伙伴 教学赋能 千校千面 NovaAI 开放平 借助先进的多模态技术， 习同伴，共同打造高效、 便捷的学习新体验。 能够根据讲师的具体教 学场景，生成量身定制 的教案、课件及试题， 精准对接教学目标。大 幅提升教学准备效率， 助力讲师更好地达成 教 学效果。 各院校可以基于自身数 据进行 化训练，精准适配科研 课题及教学需求。院校 能够构建个性化的智能

量 和学习效果，为教育工作者和学生提供强有力的支持。 1.3.2 实施阶段规划 实施阶段规划将分为三个阶段进行：前期准备、中期实施、后 期优化。每个阶段都有明确的目标和任务，确保项目按计划推进并 达到预期效果。 前期准备阶段主要任务包括需求调研、系统设计、资源准备和 团队组建。首先，进行深入的需求调研，了解学校和教师的教学需 求、学生的学习习惯及现有系统的优缺点。调研结果将作为系统设 设 计的重要依据。其次，基于调研结果进行系统设计，包括功能模块 设计、用户界面设计、数据库设计等，确保系统具备良好的扩展性 和易用性。在资源准备方面，完成硬件设备的采购与部署，包括服 务器、网络设备等，同时搭建开发环境和测试环境。最后，组建项 目团队，明确各成员的职责与分工，确保团队具备足够的开发能力 和项目管理经验。 中期实施阶段的核心任务是系统开发、测试与部署。根据设计 文档进 便在跨语言教学场景中使用。 以下是智能课件生成系统的主要功能和优势： - 个性化适配： 根据学生的学情数据动态调整课件内容，确保教学针对性。 - 高效 生成：从资源库中快速筛选并整合高质量素材，缩短课件准备时 间。 - 多样性与灵活性：支持多种课件风格和模板，满足不同课程 需求。 - 实时反馈与调整：根据课堂反馈动态优化课件内容，提升 教学效果。 - 多语言支持：适用于跨语言教学场景，扩大应用范

相关文件，实施现场安装。实施组由二个实施小组组成。 项目行政组的人员由2 人组成，项目行政支持组负责项目所订购的所 有软硬件设备和现场安装材料的采购、验收、管理、运输、损坏件的更换 以及涉及实施的一切现场准备工作。 项目进度计划组由1 人组成，总体负责项目实施进度计划的制定、 考核、 第 88 页 共 119 页 图 2-2 项目经理组人员结构图 多媒体信息的传输、记录与分享 监控，并随时通报 时间安排： 详见进度计划报 施工范围：安装调试、系统平台整合。 项目施工进度计划 为确保业主甲方集成项目的顺利进行，我们将在遵照业主甲方工程实施计 划的前提下制定了项目工程的施工进度计划 。 施工准备阶段：( 已在中标后完成)  工程实地勘测；  深化设计方案；  技术方案论证； 设备安装调试（第三周）  设备拆箱、记录设备序列号  进行编码器安装调试。  对安装调试过程进行记录。 媒体中心服务器安装调试  准备媒体中心软件程序  到中心机房在原有的媒体中心服务器重装Linux 操作系统。  安装媒体中心软件教室整合到媒体中心。 各子系统测试及系统调试  子系统测试  对安装完后的系统各个子系统进行测试 第 90 页 共 119 页 多媒体信息的传输、记录与分享  系统联调  对录播子系统本地控制管理系统统进行联调。 软件平台整合 从项目准备阶段一直到项目

业务系统数据 设备数据 学生 教工 消费 图书馆 学籍 教务 安保 其他 网络 传感器 无线 卡机 其他 互联网数据 微信 语音 日志 网页 视频 健康档案 图片 资源目录服务接口 数据准备层 桥接 导入 ETL 数据接入 管理层 少量结构化 数据抽取 海量结构化 数据抽取 半结构化 数据抽取 非结构化 数据抽取 结构化大数据存储 MPP数据库集群 非结构化大数据存储 大数据平台采用融合架构，其核心主要 包含四个部分，分别是：数据交换共享系 统、大数据分析管理平台、万众创新平台、 大数据综合应用。 整个大数据平台从数据和功能的角度可 以分为数据源层、数据准备层、数据接入管 理层、数据存储共享层、数据服务接口层和 数据应用层六个部分。其技术架构如右图所 示： 数据中心云平台 •存储方案 针对客户的应用现状，构建独立于主机及操作系统环境 的、为多台服务器服务的集中管理的存储系统。

基础知识学习，兴趣培养 需要互动性强的学习工具，注 重游戏化学习 初中生 12-15 岁 自主学习能力提升，课外知识 拓展 渴望获取个性化学习资料，注 重反馈机制 高中生 15-18 岁 学科深度理解，升学准备 需针对性强的练习与模拟考， 重视学习规划 大学生 18 岁及以 上 学术研究指导，实践技能提升 关注实用性和深度，要求得到 专业的指导和建议 不同层级的学生所面临的学习挑战各异。小学生在学习过程中 AI 大模型的期望是什么？ o 使用 AI 辅助学习的过程中，您遇到的主要困难是什么？ o 您认为目前市场上的教育 AI 产品有哪些不足之处？ 3. 讨论环境与工具准备：选择适合的讨论环境（如会议室或在线 平台），并准备必要的工具，如录音设备、白板以及可视化材 料，以便记录关键点和参与者的反馈。 4. 进行讨论：由一名经验丰富的主持人引导讨论，鼓励参与者积 极发言，确保每位成员都有机会表达自己的看法。 时，选择部分学校进行试点运行，收集使用反馈并进行改进。 第七阶段为项目总结与推广，预计用时 1 个月。在试点结束 后，项目组将总结项目经验与成果，撰写报告并进行分享。根据试 点反馈，进一步优化系统，为大范围推广做准备。 整个项目的实施过程中，将设定定期的评估和反馈机制，以确 保每个阶段能够及时发现问题并调整策略。以下是项目实施的时间 安排表： 阶段 内容 预计用时 需求分析及可行性研究 教育机构调研、市场分