算力 架构分层解耦 ，硬件、平台、应用多品牌兼容扩 展 细粒度管理 算力调度 算力池化 先进 IP 试 验网 络 视 频 推 理 共享 敏捷 安全 加速 兼容 生态 数据管理 数据标注 数据加工 运营管理 安全管理 资源管理 能力门户 算力云平台 平 台 算力管理 数据平台 人工智能平台 试验 算力 件 应 用 硬 件 智算中心： 算力管理（资源动态分配 ， 算力利用率提升） 以数据共享服务的形式进行数据封装， 提供统一的数据开放共享 ，提供数据 API 、数据应用等多种共享模式 敏捷：新技术赋能数据开发与标注 依托 DataOPS 进行数据应用的快速 开发 ，通过自动化标准能力 ，提升数 据标注效率 安全：多角度的数据安全保障 基于数据集访问权限 ，数据安全沙 箱 ，防下载等实现数据的安全保障 IoT 物联网 Streaming 数据资产 数据模型 数据字典 任务管理 质量分析 自动标注 人工标注 质量管理 权限管理 数据质量、 数据描述等 缺失填补 归一化等 3 、特征工 程 1 、探索分 析 数据标注 第三方接入 数 据 源 训练中心 推理中心 智算中心： 数据中心（端到端数据治理服务） 面向 AI 训练与 AI 应用 ，提供数据接入、 开发、 资产、 标注、 开放的端到端数据治理能力 ，做好数据准备的同时

节奏分析”融合教案，例 如分析贝多芬《月光奏鸣曲》的频率分布。 2. 分层练习题设计 输入“为初中数学 9 二次函数 9 设计基础、进阶、竞赛级练习题” ， AI 自动生成题目并标注考察目标 ，结合 WoIfram AIpha 验证答案合理性。 3. 思辨素材生成 输入“如果你是秦始皇 ，如何反驳 9 焚书坑儒 9 的批评？” , 生成角 色 代入式问题 ，激发学生批判性思维。 从“结构逻辑”“文采”“思想深度”三维度评分 ，生成改进 建议（如“增加过渡句提升连贯性” ）。 16. 错题智能分析 学生拍照上传错题 ， AI 识别错误类型（计算错误 / 概念混淆） ， 推 送同类题目并标注易错点。 17. 知识点薄弱点热力图 分析全班作业数据 ，生成可视化图表 ，精准定位需强化的知识点 （如“立体几何空间想象能力薄弱” ）。 18. 个性化学习路径推荐 根据学生表现 ， AI ， AI 同步标注关键阶段并生成 动 态示意图。 / 教学应用场景汇总：跨学科与创新实践 跨 学 科 与 创 新 实 践 27. 家长会沟通话术生成 输入学生表现数据 ， AI 生成模板（如“结合篮球兴趣引导数学学 习”）。 28. 学生成长数据报告 分析寒假跳绳记录 ，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

优”，通常具备以下八个特点：准确性、教育相关 性、丰富性、良好结构性、公平性、时效性、规模性以及合法性。尽管高质量数据至关重要，但目前其在获取、 构建和使用过程中仍面临数据孤岛与碎片化严重、数据标注成本极高、认知偏差难以识别与消除、隐私与安全 问题突出以及多模态数据融合技术不成熟等问题。 从获取方式来看，教育领域数据大致可以分为公开数据与内部数据两类。公开数据通过公开渠道检索即可获取， 技术探索并行”的格局。国内以政策先行推动标准化框架搭建，如 2023 年《生成式人工智能服务管理暂行办 法》明确教育场景需遵循“内容安全”与“数据合规”原则，北京、上海等地发布教育 AI 应用指南，提出模 型训练数据标注规范、教学效果评估指标等细分要求。2023 年，全国信息技术标准化技术委员会教育技术分 技术委员会暨教育部教育信息技术标准委员会（以下简称“标委会”）应上海市人工智能行业协会的商请，决 68 大模型背景下高等教育数智化转型研究报告 性。可信性注重过程监管和技术优化，旨在减少由于 技术问题和监管问题导致的误判或造假。精准性要求从学情实证出发，通过清洗、超参数调优、反馈等手段， 实现精准化教学。可追溯性要求建立数据可溯源机制，标注知识来源及知识整合过程，规避学术失范问题。可 解释性通过视觉逻辑推演、人机交互问答等形式阐释模型的决策过程。四者共同形成技术可控框架，保障教育 场景中模型输出内容可信。 安全绿色原则，涵盖公平

互联网用 户点播 互联网用 户点播 …… 路由器 / 防火墙 云资源管理平台 方案特点：  单台录播服务器可达并发上千 路点播直播慕课  支持匿名访问，支持实名账户 评课和视频标注  慕课录像上传互联网云平台， 可在线超大容量并发点播 智慧教室终端 02 智慧教育整体架构 本地录播 SIP 双流呼 叫 传统的多媒体课室四大烦恼 一体化设备 整体方案成本降 2/3

问答系统，可 以收集课程资料、学术论文、教学大纲以及常见问题等文本数据。 这一阶段应特别注意数据的多样性和代表性，以防模型在特定语境 下的偏倚。 接下来是数据预处理。预处理通常包括文本清洗、标注、去重 和分词等步骤。此外，还应进行数据增强，以增加模型的泛化能 力，例如通过同义词替换、文句重构等手段生成新的训练样本。 在模型选择上，我们推荐使用基于 Transformer 架构的大模 力，从而为学生提供按需学习的内容。 其次，课件和视频教程可以来源于多个在线平台，如 MOOC（大规模开放在线课程）、教育视频网站等。整合这些内容 时，可以使用自然语言处理技术对视频和课件进行智能标注与索 引，使得学生在需要的时候能迅速找到相关学习资料。 在线测评是帮助学生了解自己的学习进展的有效工具。AI 大模 型可以整合来自各大测试机构的测评题库，自动生成符合学生水平 的测试题，同时提供实时反馈与个性化的学习建议。例如， 课外资源，帮助他们实现深度学习。 为了实现教育内容的有效整合，可以考虑以下几个步骤： 1. 资源收集与整理：建立一个系统，自动从各类教育平台和出版 社采集、整理教育资源。 2. 内容标注与分类：使用自然语言处理技术，对收集到的内容进 行标注，确保它们可以被 AI 模型快速检索。 3. 智能推送与推荐：根据学生的学习情况和兴趣，通过算法模型 自动推送适合的学习资源。 4. 反馈与迭代：建立反馈机制，收集学生对内容的使用情况与建

系统平台，进入到借用选项，对申请流程进行完成。 APP 端界面 3.5.3.3. 资产报废 系统可以根据设置的设备使用年限进行标注，对达到使用期年限的资产 设备进行报废处理操作。支持对设备的使用和管理状态进行更改，对报废的情 况进行编写，进入报废流程。 所标注为报废的设备相关记录还可以进行有条件查询，并可以查看报废 资产的详情。 资产报废主界面 3.5.3.4. 资产维保 系统管

深度学习和模型训练 专业垂类大模型训练 教育大模型训练 科研创新平台 数据工程共创横向课题 基于学校讲义、教案、作业题、 学习结果反馈数据等多种教育资 源。通过精准的数据清洗和智能 标注，为模型训练提供高质量的 数据集，确保教学内容的专业性、 • 由企业专职人工智能训练师、 教师和学生共同参与数据集 的共创，积极推动产教融合 • 实施严格的保护措施，建立

学生课业表现 课堂记录 课堂答题情况、 学生考勤、 课堂 互动、 课堂纪律等 质量分析 学科分析、 一 分三 率、 习题分析、 临界生等 百万级题库 试题标签化（ IRT 反向自动标注） 多种组卷方式（ WORD 语义智能分 析 自动导入） 02 云任务 发布任务 - 完成任 务 任务批改 - 任务 报告 覆盖课前测验、 课后作业 自主学习、 提升 覆盖 K12

·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" 例如:记录”要是能有人帮我修改英文邮件就好了",这就是A!的潜 在应用场景 3.工作流程分析法 ·画出一项完整工作的流程图 标注每个步骤的耗时点 ·找出可以用AI优化的环节 例如:写周报的流程中,数据整理环节可以用AI协助 4和同事/朋友分享各自的工作方式 ·相互启发新的效率工具 ·讨论AI可以如何帮助 例如:通过交流发现同事用A做会议纪要很高效 计概念，包括可能的视觉元素、色彩方案和表现技法，帮 助我突破思维局限。 K12 大学生 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第99页 4、阅读理解辅助与内容可视化 利用智能技术，为复杂文本提 供关键点标注，帮助学生快速 把握文章脉络，增强理解力。 01 深度阅读导航 自动创建思维导图，将阅读材 料转化为可视化的知识结构， 促进记忆与联想。 02 思维导图生成 通过问答形式，引导学生主动 第44页 公文信息智能处理-案例：公文写作 05 04 03 02 01 提供必要背景 简要介绍相关背景信息，帮 助AI理解上下文 指明特殊要求 特定术语、数据、引用等特 殊要求明确标注 注明格式规范 具体说明公文格式、字数要 求等规范性要求 列出关键要点 分条列出需要在公文中体现 的关键信息 明确公文类型 在提示词开始明确标明需要 起草的公文类型 公文写作Prompt技巧

平台中包含的所有资源均支持直接选用于备课和授课。资源 平台无缝衔接备课、授课平台，教师备课时选取的资源，在课 堂上可直接进行演示。 平台支持对资源的单个添加、批量导入、修改、删除、搜索、 审核、标注。 同时，平台还支持给每个学校建立校本资源库。 第 35 页/共 56 页 智慧教育信息化云平台整体解决方案 5.3. 在线教学互动系统 5.3.1. 网络备课子系统 教育信息化云平台为教学各环节服务，结合教学实际需求，