他们能够以安全、有效和伦理的方式在其 教学实践中使用这些技术工具。该框架基 于以人为中心的知识方法论。 因此，教育中人工智能的使用需要谨慎考 虑，包括审视教师需要扮演的角色如何演 变以及他们需要具备哪些能力以实现伦理 且有效的AI应用。教师是教育中人工智能 的主要用户，他们被期望成为利用人工智 能设计和促进学生学习的设计者和 facilit ators，确保人工智能丰富环境中的安全 和伦理实践，并成为终身学习人工智能的 技能 ：扩展知识 与相关的 AI 工具 教师的责任。 帮助他们提高 他们的流利程度和广度 现有的操作技能或 发展新的技能。 '导航罗盘' 用于 选择 AI 工具 ： Discern 哪些工具正在使用 AI 和 哪些不是 ， 以及 基本比较优势 ICT 工具的局限性 和在本地使用的 AI 工具 上下文。 收集适当的 AI 工具: 与其他人合作 教师和学校经理 评估适当性 正在使用的特定工具或 由 人工智能系统的类别和 应用程序设计为 协助教学 ， 学习和 评估演示 熟悉他们的 潜力和局限性。 LO4.1. 3 演示 熟悉的使用 基本教学设计 指导决策的方法 关于是否以及何时 使用 AI ， 以及哪些工具 可能是合适的 ； 自信地准备和 实施 AI 辅助 教学和评估 ， 和对学生的支持 有特殊需要。 LO4.1. 4 查找和使用基本 教育 AI 工具和 / 或在制度上运作 部署的 AI 系统。

年级班级、科目。  统一数据中心 排课数据与学校其它业务模块（如成绩模块等）实现数据共享，互联互通。  调课可视化 调课简单方便，可以分别按教师、按课程、按班级调课。并提示哪些位置可以直接调整， 哪些可以间接调整。自动提示冲突原因。  功能强大 可满足学校的普通课、走班课、合班分层课、单双周课的排课需要。  完美解决新高考排课 完美解决新高考中 5 选 3、6 选 3、7 供管理和取证之用。 5.11.2 系统功能介绍  灵活的权限管理 可以设置某个人能过哪几个门，或者某个人能过所有的门。也可设置某 些人能过哪些门。设置结果可以按门或者按人来排列，用户可以很清晰地看到 某个门哪 些人能过，或者某个人可以通过哪些门。一目了然，并可以打印或者输出到 Excel 报表中。  时间段权限管理功能 可以设置某个人对某个门，星期几可以进门，每天三个几点到几点 可以进门。 实时监控 照片显示 门状态显示功能 可以实时监控所有门刷卡情况和进出情况，可以实 时显示刷卡人预先存储在电脑里的照片，以便保安人员和本人核对。如果接上了门磁信 号线，用户可以一目了然看到哪些门是开着的，哪些门是关着的。合法卡的实时记录以 绿色的方式显示，非法卡的记录以橙色的方式记录，报警记录以红色的方式显示，便于 提醒保安人员注意。如果加装视频门禁设备，还可以在客户刷卡的时候进行实时的照相

终极目标的渐进式价值实现 项目 目标 打造数字化入口及自动化内容触达，提高访客的线索转化。 以全域引流、私域获客、市场运营 三部分实现价值。 项目 实施 规划 公域引流官网。市场确定哪些公域，接入入口，提升官网浏览量。实施：提供官网溯源链接。 公众号粉丝引流微官网，微站内容框架搭建。实施：微站页面搭建。 公域引流 私域获客 官网用户留资。添加企微、注册表单 公众号粉丝留资。实施：微站链接至公众号菜单栏

注思维过程而非结果， 鼓励学生展示解题思路 和推理过程 02 将AI素养纳入课程体系， 培养学生辨别AI内容的 能力，以及合理、合规 使用AI的意识 03 建立清晰的AI应用指南， 明确哪些环节鼓励使用， 哪些环节需独立完成， 形成共识 04 教师角色转型 重构评价体系 培养AI素养 技术使用规范 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第53页 目录 1. DeepSeek解密 课时安排：[填写总课时数]课时，每个课时[填写分钟数]分钟 # 学情分析 - 学员背景：[填写学生年级/专业/特点] - 已学习的前置知识：[列出学生已经学过的相关内容] - 需避免重复的内容：[明确指出哪些内容不需要再讲] - 学生特点与需求：[描述学生的认知特点、学习风格和实际需求] # 课程设计要求 - [填写特殊设计要求，如趣味性、实操性、互动性等] - [填写内容呈现方式的要求] - 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第49页 可视化案例 几个发现AI应用场景的有效方法 1.时间记录法(10分钟快速版) ·回顾今天的工作/生活内容 找出重复性工作和耗时任务 思考哪些任务可以用AI辅助 例如:每天早上都要花20分钟看业务报表,可以用Al进行数据 分析和总结 2.痛点记录法 ·随时记录让你感到闲扰的事情 记录"要是能有人帮我…"的想法 思考AI能否成为那个"帮手"

私保护、教育数据的无缝流转与开放共享、教育数据的深度挖 掘以及学习分析等）。其中，教育数据的全面、自然、动态、 持续采集是构建智慧校园大数据的基础性和先导性工作，这就 需要厘清一些基本问题：教育数据的产生源头在哪里？哪些数 据需要采集？有哪些常用的数据采集技术？采集时需要注意什 么？大数据发展分析 2.1、 智慧校园大数据建设背景 2.1.1、 战略机遇 培养大数据人才、利用智慧校园大数据深化智慧校园管理 促进智慧 大数据虽然具有混杂性、来源多样性等特征，数据的存储 成本也越来越低，但并非要囊括一切数据，没有价值的数据是 不值得收集和分析的。智慧校园大数据同样如此，其采集应当 有清晰的边界，而非盲目采集任何教育活动数据。究竟要采集 哪些数据，取决于数据的应用目的。举个例子，为了检测评估 学生的学习进展，就需要对课程浏览、作业练习、交流互动、 提问答疑等数据进行实时采集和分析，而不必采集学生的饮食、 运动等数据。当然，我们并不否认饮食、运动等数据在诊断学 号，即采集的数据粒度比较大。如果基于在线学习平台或点阵 数码笔技术能够采集到每个学生的答题过程，如做题的顺序、 每道题的停留时间、答案修改次数等更细化的过程记录数据， 便能更加精准地判断学生在哪些知识点存有疑惑和答错的具体 原因（马虎大意还是未掌握知识）。因此，可以说“小颗粒汇聚 大数据，大数据蕴藏大价值”。 2.5.5、 智慧校园大数据数据源分析 2.5.5.1、 数据涉及面窄 

者了解调查的背景和目的，以增加其填写的积极性。 3. 问题类型多样：在问卷中应包含多种问题类型，如选择题、开 放式问题、量表题等，以便我们从不同角度获取用户的偏好和 态度。例如： o 选择题：您希望 AI 大模型具备哪些功能？（多选）  个性化学习建议  作业批改  知识问答  课程推荐 o 量表题：请您评价 AI 大模型在学习中对您的帮助程度 （1-5 分，1 表示无帮助，5 表示非常有帮助）。 者的多样性能够帮助我们全面了解教育 AI 大模型的应用场景。访 谈时，我们将采用开放式问题，引导用户自由表达自己的看法。例 如，可以提出如下问题：  您在教学中遇到的最大挑战是什么？  您希望 AI 模型能够解决哪些具体问题？  您对 AI 模型的功能和使用体验有什么期望？ 在访谈过程中，记录用户的反馈信息非常关键。可以选择录 音、文字记录或使用视频记录等方式，确保后续分析的准确性和完 整性。通过对访 参与度和主动性，访谈的地点和氛围也应尽可能舒适、自然，可以 选择用户熟悉的环境进行交流。 在实际的访谈中，我们可以根据用户反馈的信息，整理出以下 几个关键需求方向： 1. 功能需求：用户希望 AI 模型具备哪些具体功能，如个性化推 荐、作业自动批改、知识点检测等。 2. 使用场景：用户主要使用 AI 模型的场景，如线上学习、课堂 辅助、教育管理等。 3. 用户体验：用户对 AI 系统交互方式、界面设计等方面的期

掘以及学习分析等）。其中，教育数据的全面、自然、动态、 持续采集是构建智慧校园大数据的基础性和先导性工作，这就 需要厘清一些基本问题：教育数据的产生源头在哪里？哪些数 40 智慧校园大数据云平台建设和运营整体解决方案 据需要采集？有哪些常用的数据采集技术？采集时需要注意什 么？大数据发展分析 2.1、 智慧校园大数据建设背景 2.1.1、 战略机遇 培养大数据人才、利用智慧校园大数据深化智慧校园管理 大数据虽然具有混杂性、来源多样性等特征，数据的存储 成本也越来越低，但并非要囊括一切数据，没有价值的数据是 不值得收集和分析的。智慧校园大数据同样如此，其采集应当 有清晰的边界，而非盲目采集任何教育活动数据。究竟要采集 哪些数据，取决于数据的应用目的。举个例子，为了检测评估 学生的学习进展，就需要对课程浏览、作业练习、交流互动、 提问答疑等数据进行实时采集和分析，而不必采集学生的饮食、 运动等数据。当然，我们并不否认饮食、运动等数据在诊断学 号，即采集的数据粒度比较大。如果基于在线学习平台或点阵 数码笔技术能够采集到每个学生的答题过程，如做题的顺序、 每道题的停留时间、答案修改次数等更细化的过程记录数据， 便能更加精准地判断学生在哪些知识点存有疑惑和答错的具体 原因（马虎大意还是未掌握知识）。因此，可以说“小颗粒汇聚 大数据，大数据蕴藏大价值”。 60 智慧校园大数据云平台建设和运营整体解决方案 2.5.5、 智慧校园大数据数据源分析

背景下，中小学人工智 能应用政策的主要目标和定位。 o 政策制定过程中，主要参考了哪些国内外经验或研究成 果？ o 政策实施的时间表和阶段性目标是如何规划的？ 2. 实施现状与成效 o 目前中小学人工智能应用的普及程度如何？是否有具体 的统计数据支持？ o 在课堂教学、教师培训、学生能力培养等方面，人工智 能技术的主要应用场景有哪些？ o 政策实施以来，是否已经观察到明显的成效？如果有， 请举例说明。 请举例说明。 3. 资源投入与支持 o 在硬件设备、软件平台、师资培训等方面，政府或学校 提供了哪些资源支持？ o 是否有专项资金用于人工智能技术的研发和应用推广？ 如果有，资金分配和使用情况如何？ o 学校与企业、科研机构的合作模式是怎样的？合作中是 否存在障碍？ 4. 教师与学生的适应情况 o 教师对人工智能技术的接受度和使用能力如何？是否有 针对性的培训计划？ o 学生在人工智能技术应用中的参与度和学习效果如何？ 在政策实施过程中，遇到了哪些主要挑战？例如技术、 资金、师资、学生接受度等方面。 o 是否存在区域间或学校间的发展不平衡问题？如果有， 具体表现是什么？ o 数据安全与隐私保护问题是否得到了充分重视？相关措 施是否完善？ 6. 未来发展方向与建议 o 您认为中小学人工智能应用政策的未来发展方向是什 么？是否有新的技术或模式值得关注？ o 针对当前存在的问题，您有哪些具体的改进建议？ o

计划、增加某些学科的师资力量等。 此外，数据驱动的决策还可以通过建立预测模型来实现。学校 可以利用机器学习算法，基于历史数据预测学生未来的学业表现、 课程需求等。例如，通过分析学生的历年成绩和参与课外活动的情 况，可以预测哪些学生可能需要额外的学术支持。这种前瞻性的决 策方式能够帮助学校提前介入，提供个性化的辅导和资源，从而提 高学生的整体表现。 最后，数据的透明度和共享也是实现数据驱动决策的重要环 节。学校应建 洗、转换和标准化处理，确保数据的准确性和一致性。 在数据预处理完成后，系统将采用多种分析技术，如描述性统 计分析、趋势分析、关联规则挖掘以及预测建模，来揭示数据背后 的规律。例如，通过对学生成绩的趋势分析，可以识别出哪些学生 在特定学科上表现持续下降，从而及时采取干预措施。同时，使用 关联规则挖掘技术，可以发现不同学科之间的关联性，为课程设计 提供参考。 为了更直观地展示分析结果，系统将生成多维度的数据可视化 情况、测试成绩、在 线学习时长等，并通过数据清洗和预处理，确保数据的准确性和可 用性。接着，利用机器学习算法对这些数据进行聚类分析，识别出 不同学生的学习特征和模式，例如哪些学生在特定知识点上存在普 遍困难，或者哪些学生倾向于在特定时间段内学习效果最佳。 以下是一个简单的聚类分析示例，展示了三种不同的学生群体 及其学习特征：  群体 A: 课堂参与度高，但作业完成率低，测试成绩中等，建

移动授课，不受 空间限制，增强 师生交流互动 问题：无法即时感知学生的课堂学习效果 卓越服务 智慧校园 闷圈 了？ 理解 了？ 有疑 问？ 很懂的样 子？ ？ 听懂了吗？ 哪些地方不理解？ 学生状态无法准确获知 通过互动任务即时了解学生的课堂学习效果，掌控教学节奏 卓越服务 智慧校园 知识点掌握情况分析 课件理解反馈 通过投票获知观点分布 问题：无法感知