课前 / 课后 学习行为分析 课中 课堂历程全记录 05 督导：实时课堂动态同步，精准分析有效支撑督导教研 05 评估：构建教学质量即时评估体系，教学状态更易感知 05 大数据：全方面，深层次，多维度，精准支持决策所需 教情综合分析 课堂状态分析 课程质量分析 教学质量分析 教室画像分析 教学督导分析 06 P6. 服务支持能力 06 软硬件产品现场培训 产品使用指引配套文档

教育生态化重构。其本质是通过数据驱动教学提质、科研创新、管理增效、服务升级，构建虚实融合的教育生 态系统，最终服务于高等教育高质量发展。与数字化转型相比，“数智化”更加强调借助人工智能、大数据等 智能技术挖掘教育数据的深层价值，同时持续凸显人的主体性作用，推动高等教育从“规模供给”向“智能化 提质增效”的跃迁。转型过程遵循着从标准化共性需求到个性化特色发展的演进路径。在初始阶段，高校数智 化建设聚焦于标准化的基础 《教育强国 建设规划纲要（2024—2035 年）》明确提出要“打造人工智能教育大模型”，将大模型技术正式纳入国家教 育发展战略。这预示着未来人工智能在教育领域的应用将更加智能化、个性化，带来更深层次的教育模式变革。 从国家层面的政策演进来看，在人工智能教育领域的政策部署展现出系统性、整体性和发展性的特点。从《新 一代人工智能发展规划》的战略擘画，到《数字中国建设整体布局规划》的整体布局，再到《深化新时代教育 者，这种单向知识传输模式合理且高 效。但大模型的出现打破了传统教育的基础假设——“教师是知识的主要来源”，能够提供准确、及时、个性 化的知识内容，甚至能够进行启发式对话教学。促使教育的重心转向更深层的目标：培养学生的高阶思维能力、 创造力，以及与人工智能协作的能力。如果教育者还停留在知识传授层面，就无法充分发挥大模型的优势，也 无法应对人工智能时代的挑战。 1. 教育范式转型带来教育生态重构的阵痛

这一转变的本质，是将硬件视为AI算法运行的物理环 境和师生自然交互的核心界面，构成了整个AI教育解 决方案的感知层和执行层。 终端技术创新二：端-边-云协同与个性化 尽管端侧智能不断提升，但要支撑区域级、大规模、 深层次的个性化教育，纯粹的端侧或纯粹的云端方案 均存在局限。因此，端云协同已成为行业公认的最优 技术架构。 在该架构中，端侧设备负责处理高频、低延迟的即时 性任务，如课堂互动、实时反馈和基础数据采集；云 此外，大模型+自然语言分析技术进一步对师生对话进 行语义分析，区分提问类型、识别关键词，情感计算 则尝试从学生的语音语调和面部微表情中，判别其情 绪状态。这些技术的综合应用，使得AI能够构建一个 对课堂状态的多维度、深层次理解，从而提供远比单 一模态更精准、更丰富的反馈与支持。 终端技术创新四：单点技术到场景化 市场竞争的焦点已经完成了从提供单一技术或硬件产品，到交付能够解决特定教育痛点的场景化整体解决方案的 数据脱 敏。在技术架构层面，大力发展支持私有化部署和边缘计算的解决方案，使得包含师生个人信息的敏感数据能够 在校内或区域教育城域网内闭环流转，最大限度地减少数据出域带来的泄露风险。 同时，在更深层次的信创国产化浪潮下，教育行业正加速构建全栈自主可控的技术体系。企业正在积极适配和采 用国产芯片（如昇腾、鲲鹏）进行AI算力基础设施的建设，在国产操作系统（如统信UOS、麒麟、欧拉OS、鸿 蒙O

箱体一体成型，简洁大方 高强度抗老化面料，耐老化，耐候性强，抗冲击能力强。 采用行业内防水防紫外线最好的户外 SMD 三合一技术，使屏在使用时具备超宽视角和更好表面平整度及 稳定性。 RGB 深层灰度处理，色彩丰富，画质高清细腻。  支持点校正功能，保证使用过程中颜色和亮度的一致性。  内部固定加强筋板，抗拉防震，自行散热，寿命长达十年。 拥有 IP65 的防护等级，无惧任何恶劣天气 简易安装维修设计，大大降低维修成本。

步推进，分阶段进行 ? 智能校园建设要解决的问题 1 、智能校园的建设包含 什 么内容 ? 上，构建内部质量保证体系？ 4 、如何在智能校园的基 础 师生希望能够对教学、科研活动进行更 深层的信息化支持，更多事务可以在网上直 接办理 ，一次填表可多处使用 ；职能部 门希望信息化能够支持跨部门的业务协同 ； 学校决策人员希望决策能得到及时的数据支 持 ；各类用户都希望获得集成的、个性化、

于教学和学生的实际需求。 3. 智能评估：该模型能够对学生的学业表现进行实时分析，并提 供及时反馈，通过数据分析生成个性化的学习路径和改进建 议，进一步提高学习效果。 4. 知识图谱和内容推荐：利用大模型的深层知识，系统能够构建 教育内容的知识图谱，基于学生的学习情况和兴趣，推荐相关 的学习资源和材料。 在实施以上目标的过程中，我们需要考虑数据的安全性和隐私 保护，确保在收集和使用学生数据时符合法律法规。同时，教师的 用户的内心想法以及对教育 AI 工具的具体要求。 2. 焦点小组：在选定的教育机构中，组织焦点小组，聚集多位用 户共同讨论其对教育 AI 大模型的看法。通过这种互动方式， 我们可以激发用户之间的讨论，挖掘出更深层次的需求，以及 各类用户之间存在的不同观点与需求优先级。 其次，我们也将进行定量研究，以获得更多客观数据，主要方 法包括： 1. 问卷调查：设计一份结构化的问卷，涵盖用户的基本信息、使 用习惯、对 极发言，确保每位成员都有机会表达自己的看法。 5. 数据整理与分析：讨论结束后，对收集到的反馈进行整理和分 析，归纳出主要的需求和共识，识别出潜在的设计方向及优先 事项。 通过焦点小组讨论，可以获得用户在具体问题上的深层次理 解，有助于规避常见的设计陷阱，确保最终开发的教育 AI 大模型 能够更加贴近用户需求。这种方法不仅能够激发参与者的想法，还 能促进团队对不同观点的理解，从而协调出更全面的方案。 在数据

更丰富的教学资源 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 ） 2. 根据我的回答，提出2-3个关联性问题，引导我思考内 容间的联系（如：为什么会发生这件事？这与前面提到的 内容有什么关系？） 3. 基于我的回答，提出1-2个深度思考问题，帮助我理解 更深层的含义（如：这反映了什么价值观？作者想要表达 什么？） 4. 最后，帮我总结我通过回答这些问题所提炼出的关键信 息和观点，形成个性化摘要 请在整个过程中使用友好、鼓励的语气，适合我的年龄和 认知 DeepSeek独立完成多项日常行政任务，真正实现人机协作，高效办公。 然后，我们将DeepSeek化身为智能数据分析师，数据是现代管理的重要依据，使用DeepSeek即使没有专业的分析软件，也能帮助您 从数据中挖掘深层洞察，形成报告，为学校的科学决策提供有力支撑。 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第3页 目录 1. 文献调研 2. 课题申报 3. 论文写作 01 研-DeepSeek赋能学术科研

的数 据，有效的促进了信息化管理的高效性。 产生的新问题 高质量数据的积累，需要完善的制度与运营团队，但紧紧提高了部分工作效率， 解决了部分问题，投入与产出不均衡，如何利用高质量的数据进行更深层次的 使用，成为了新的问题。 第四阶段：数据分析挖掘阶段 建设任务 高校信息化建设的数据挖掘阶段，立意于提高数据的使用价值，进行更深 层次的挖掘，从海量数据中揭示出隐含的、先前未知的并有潜在价值的信息，

耗时且容易受到主观因素的影响。而 DeepSeek 能够通过自动化数 据采集和分析，大幅减少教师在评价过程中的工作量，同时提高评 价的客观性和准确性。 · 传统方法在数据分析上往往局限于简单的统计和描述性分 析，难以挖掘深层次的教学问题。DeepSeek 则能够利用机器学习 算法对海量数据进行深度挖掘，识别出教学中潜在的趋势和问题， 为教学改进提供科学依据。 · 传统评价方法的反馈周期较长，通常需要数周甚至数月才能 然而，这种传统的评价方式存在以下几个问题： - 数据收集效 率低：纸质问卷需要大量的时间和人力进行分发和收集，在线问卷 虽然较为便捷，但参与率较低。 - 数据分析不深入：缺乏有效的数 据分析工具，导致无法对教学中的深层次问题进行全面剖析。 - 反 馈不及时：评价结果往往需要较长时间才能反馈给教师，影响了改 进措施的及时实施。 为了改进这一现状，学校引入 DeepSeek 进行教学评价方案设 计，旨在通过先

辆检测技术，基于该视频流进行车辆提取跟踪，并第一时间触发相机抓拍。抓拍单元对车辆 提取技术进行了深层次的优化，大大提高了各种环境下不同种车辆的视频检测准确率。 3.3.2车牌识别 卡口抓拍相机的核心技术是车牌识别技术。车牌识别技术在抓拍图片的基础上，定位图 片中车辆车牌位置并进行车牌字符分割