第二代（知识工程）： 知识为核心 3. 第三代（数据模型）：学习为核心 ◼ 从机 器学习到深度学习 1. 任务：判别、预测，通过学习数据分布规律 2. 边界：有规律、可以数字化，属于经验科学 3. 要素：机器学习 - 深度学习 • 模型：神经网络模型（分层；单向） • 策略：损失函数定义 01 对 AI 技术的认知：人工智能的本质 人工智能（ 知识能力：海量公开知识，言之有物， GPT-2 时达 到 • 顺带学习（基座模型）：文字中蕴含了知识 • 压缩：幻觉 • 遗忘：微调（迁移学习），尤其是 RLHF 用人工神经网络获取网络模型：深度学习 -Transformer 模型 - 大语言模 型 大语言模型的核心原理：数据化 - 语义化 -NTP （ Next Token Prediction ） 大语言模型的三层能力：语言能力 - 硕士：专业深化 | 研究方法 | 创新能力 | 工程实践 | 领域专精 博士：原创研究 | 理论突破 | 学术前沿 | 独立科研 | 行业引领 n AI+ 学科 各学科（非人工智能专业）与人工智能的深度融合的课程 n AI 通识教育 面向院校所有学生、教师和教职工 基础概念 | 技术认知 | 伦理思考 | 社会影响 | 应用场景 | 未来趋势 n 培养什么人 1. 思维能力：批判思维、独立思维、逻辑思维

许秋璇 颜 欢 张文轩 郑 浩 摘 要 自 2022 年 ChatGPT 3.5 发布以来，以大模型为代表的人工智能技术突飞猛进，对教育变革带来巨大影响。教 育领域的数字化转型正在深度融合人工智能技术，加速迈向数智化转型。 本报告系统梳理国际与国内政策进展，深入分析国际社会高度重视人工智能教育应用的政策动向，以及国内以 人工智能为基础推动教育创新发展的政策布局。通过政策梳理与 界领先的教育信息化体系，不仅为国内教育现代化提供了强劲动力，也为全球教育数字化转型贡献了中国方案。 综上所述，国际社会的政策共同描绘了一幅图景：各国及相关组织正积极通过顶层设计、伦理规范、系统规划 和风险预判，引导人工智能与教育的深度融合，旨在负责任地利用人工智能的潜力，促进教育的创新、公平与 高质量发展。中国作为一个拥有世界领先教育信息化体系的国家，高等教育理应贡献更多的智慧。 不过，从国际组织和一些国家政策中也可以看出， 旨在将数字中国建设作为推进中国式现代化的重要引擎。其核心 是构建“2522”整体框架：夯实数字基础设施和数据资源体系“两 大基础”；推进数字技术与经济、政治、文化、社会、生态文明“五 位一体”深度融合；强化技术创新体系和数字安全“两大能力”； 优化国内国际“两个环境”。规划目标是到 2025 年，数字中国 建设取得重要进展；到 2035 年，数字化发展水平进入世界前列。 特别是在社会领

与个性化培养的有机结合。 中国教育现代化 2035 大力推进教育信息化。构 建基于信息技术的新型教 育教学模式、教育服务供 给方式以及教育治理新模 式。促进信息技术与教育 教学深度融合，支持学校 充分利用信息技术开展人 才培养模式和教学方法改 革，逐步实现信息化教与 学应用师生全覆盖。 加快推进教育现代 化实施方案 教育信息化智慧教育相关计划及政策 项目建设背景 教育部印发了《关于狠抓新时代全国高等学校本科教育工作会议精神落实的通知》，首次提出“金课”概念，指出“各高校 要 全面梳理各门课程的教学内容，淘汰‘水课’、打造‘金课’，合理提升学业挑战度、增加课程难度、拓展课程深度，切 实提高 课程教学质量。 2018 年 8 月提出金课 教育部发布《关于一流本科课程建设的实施意见》，再次阐述“金课”建设的“两性一度”，体现在教学内容、教学方法和 教学 模式上的改革。 2 3 4 项目建设背景 丨新型智慧学习空间建设以学生为中心 相比传统教室，智慧教室的空间布局根据不同的教学模式灵活转变，整个教学环境更舒适，更便于 开展教学活动。  信息化软硬件与教学业务深度融合，全面服务于教学，促进师生和生生的协作、互动和分享，提升整体 教学效率。  越来越多的教学模式引入课堂，教学主体由老师向学生转变，提倡以学习者为中心的个性化学习、自主 学习、探究性 /

充分理解并有效实施基于 DeepSeek 的教学评价方案，从而提升整 体教学质量和学生综合素养。 2. DeepSeek 技术概述 DeepSeek 是一种基于人工智能的自然语言处理技术，旨在通 过深度学习和语义理解提升文本分析的准确性和效率。其核心技术 架构包括预训练语言模型、语义嵌入和上下文感知机制，能够有效 地理解并处理复杂的语言表达。在教育场景中，DeepSeek 可以通 过对教学文 师教学效果数据、课程内容数据以及教学环境数据等。这些数据通 过高效的数据采集模块进行实时获取和预处理，确保数据的完整性 和准确性。 其次，DeepSeek 利用先进的自然语言处理（NLP）技术和机 器学习算法，对收集到的数据进行深度分析和挖掘。系统能够识别 和理解教学过程中的关键信息，例如学生的学习进度、教师的授课 风格以及课程内容的难易程度等。通过对这些信息的分 析，DeepSeek 能够生成多维度的教学评价指标，如学生学习效 的学习效果持续下降时，可以自动触发预警机制，提醒教师和家长 关注学生的学习状态，并建议采取相应的辅导措施。  多源数据融合：包括学生学习行为、教师教学效果、课程内 容、教学环境等多维度数据。  自然语言处理与机器学习：深度分析教学数据，识别关键信 息，生成多维度评价指标。  多模态数据分析：融合结构化与非结构化数据，提供全面客观 的评价结果。  自适应学习算法：根据不同情况自动调整评价模型参数和权 重，确保结果的针对性和适用性。

与志同道合的AI爱好者交流经验、分享心得。 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第3页 一、今天的讲座分两大部分，聚焦于Deepseek与AI认知和DeepSeek对教育行业的影响。第一部分通过深度解析DeepSeek的核 心技术来追溯AI的整体演进，旨在为教育者构建一个适应未来的认知新框架与人才培养视角。第二部分在阐明AI如何引领教育范式 革命的基础上，通过实践案例探索教育者利用新技术进行教学创新的具体路径与普适性方法。 于2023年5月成立北京公司， 2023年7月成立杭州公司，是幻方量化孵化出的一 家大模型研究机构（企业目标是实现AGI），200人的团队分布在杭州和北京 ， 是中国AI2.0（大模型）时代的七小龙之一。 • AI1.0（深度学习）时代的四小龙： 商汤、旷世、云从、依图 • 除了DeepSeek公司之外，其它六家也被投资界称为中国大模型企业六小虎（智谱AI、 百川智能、月之暗面、阶跃星辰、MiniMax、零一万物）。 人工神经网络：与人脑最大的共同点是名字（原理、机制和架构并不一样），用神经网络表达数学模型 传统神经网络：霍普菲尔德网络，玻尔兹曼机，….. 深度神经网络：深度学习（Hinton，2006） 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第22页 人工智能：近代（2006-2020，深度学习） Ø 2006：传统架构：DBN，CNN，RNN，ResNet，Inception，RWKV， …… • ImageNet（超过人眼）

学教育中的应用。例如，美国在《国家人工智能研究与发展战略规 划》中明确提出，要将人工智能技术应用于教育领域，提升学生的 学习效果和教师的教学能力。中国也在《教育信息化 2.0 行动计 划》中强调，要加快人工智能与教育的深度融合，推动教育现代 化。这些政策的出台，不仅为中小学人工智能应用提供了政策支 持，也为教育信息化 2.0 的深入发展指明了方向。 然而，尽管人工智能在中小学教育中的应用前景广阔，但其实 际落 应用特点。在此基础上，设计并实施问卷调查，收集一线教师、学 生和家长对人工智能教育应用的认知、态度和需求，量化分析其影 响因素和潜在问题。最后，通过专家访谈法，邀请教育政策制定 者、技术专家和学校管理者进行深度访谈，获取其对人工智能教育 应用政策的见解和建议，确保研究的科学性和实用性。 研究框架主要包括以下几个维度：政策环境分析、技术应用评 估、教学模式创新和效果评价。政策环境分析主要考察国家和地方 教育信息化 2.0 概述 教育信息化 2.0 是继教育信息化 1.0 之后的新发展阶段，标志 着我国教育信息化从基础设施建设向深度融合应用的全面转型。教 育信息化 1.0 阶段主要侧重于硬件设施的普及和基础网络的建设， 而教育信息化 2.0 则更加注重信息技术与教育教学的深度融合，强 调以人工智能、大数据、云计算等新兴技术为支撑，推动教育模式 的创新和教育质量的提升。 教育信息化 2.0 的核心目标是通过技术赋能教育，实现教育资

号）数字校园的实施应以职业教育信息化推动职业教育 现代化，以信息化作为职业教育系统变革的内生变量， 引领和支撑职业教育现代化发展，推动职业教育理念更 新 、 模 式 变 革和体系重构。坚持信息技术与教育教学深度融合的理念，融通技术赋能的职业教育革新精神，注重学生信息 素 养 和 信 息 化职业能力的全面提升，增强教师信息化教学能力与素养，促进职业院校改革与发展目标的实现。 l 《宁夏回族自治区教育事业发展“十四五”规划》文件指出： 内网网站后台的统一性，方便教师上传信息，学院 公安内网门户网站将重新设计制作。同时建设学院及部门二级子站 , 后期再根据学院实际情况进行其他网站的移动版建设。 适应学校发展内涵 通过创意策划、深度定制设计，统一学校网站形 象、认知、管理、使用的标准，建立学校知名度、 塑造学校形象，不断强化受众的意识，给社会大 众留下强烈的印象与影响力。 全媒体运营精准考评 通过细粒度的权限层级管理体系，全面的日志跟 实现传统网站与新的媒体发布渠道的融合，依托 一套平台实现全媒体的分级授权、统一登录、统 一管理、统一考核、统一运营，带动媒体管理的 理念、内容、手段等全方位升级。 适国家教育战略需求 通过创意策划、深度定制设计，统一学校网站形 象、认知、管理、使用的标准，建立学校知名度、 塑造学校形象，不断强化受众的意识，给社会大 众留下强烈的印象与影响力。 基础服务建设 - 智慧后勤一卡通平台 智慧后勤一卡

物联网集控平台 远程互动 智慧教学 人脸考勤 分组讨论 一键联动上下课 泛雅云平台 移动交互教学 校本资源建设（录播） 教学资源管理（资源管理平台） 人脸识别、自助考勤 系统基于深度学习算法， 检测图像中的人脸并进行一系 列人脸相关的特征分析，识别 包括姓名、职务、打卡时间、 表情等多维度人脸信息。实现 智慧考勤，并可自动生成考勤 汇总报告。 一键控制  一键上下课 • 面部表情识别 获取抽象非直观信息 VGG 深度卷积神经网络 业内领先准确率 • 情绪分析 机器学习特征分类 IEMOCAP 数据集 业内领先准确率 人体行为识别 •姿势检测 高效率的神经网络 基于深度学习检测人体 特征点 •活动检测 时序图像分析 整体课堂统计 分析统计  基于课堂分析和统计出的举手、起立等基础数据，进行深度分析和总结得出“专注度”数据，系统 能够有效统计 能够有效统计出某个学生在某堂课的专注度数据。将学生课堂的行为进行结构化的数据统计不 是课堂质量评估系统的真正目的。有效地利用基础数据进行深度的数据挖掘从而生成更加“有效” 的决策性数据才是核心意义所在。 教学督导评估 文字点评 星级点评 视频断点点评 构建评估体系 课上实时评估 课后回看评估 智慧管理 电子班牌 门禁系统 教学督导评价系统 互动教学显示设备 智能录播 智能新风环境系统

2.2.1 在线问卷调查.............................................................................33 2.2.2 深度访谈.....................................................................................35 2.2.3 焦点小组讨论 首先，灵活的教育 AI 模型应具备适应性，以处理不同学习者 的需求。通过实时分析学习者的行为数据，AI 模型能够动态调整教 学策略，包括内容呈现、学习节奏和难度级别。这种自适应特性核 心在于利用深度学习技术，对学习者的进度和表现进行监控和评 估，将相应的数据输入模型中，使其主动选择最合适的教学路径。 其次，灵活的教育 AI 模型还需要具备模块化设计。不同模块 可涵盖知识点、技能训练、实践操作等内容，通过模块化可以简化 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 往往需要通过游戏和互动来增强兴趣，初中生则倾向于自主探索和 拓展学习的深度。高中生则面临着升学的压力，要求更高强度和针

空气质量预报 多尺度空气质量模式 大气排放源清单处理模型 地震数据处理 地震资料解释 油藏数值模拟 引力波 脉冲星研究 天体研究 量子化学 分子动力学 混合精度计算 基于深度学习的分子模拟方法 深度势能 核聚变研究 凝聚态物理 等离子体计算 数值大气预报模式 大气环流模式 气候模式 类脑计算 序列比对 序列拼接 电镜三维重构 清华大学”地球模拟器” 首次突破 100T 、数据库、中间件等多 种方式实现数据汇聚 数据接入 数据清洗 数据处理 数据开放 数据统计 数据资产 智算中心： 数据中心（各种物联数据接入） 智算中心： A I 人工智能平台 面向深度学习开发场景 ，整合计算资源、 数据资源以及 AI 开发环境 ，实现计算资源统一分配调度、 训练数据集中管理并加速、 模型 流程化开发训练 ，为 AI 研发构建敏捷高效的一体化平台 运营监控 优化策略 在线反馈 算法自动选择 自动化特征工程 自动化机器学习 自动化调参 推理中心 服务发布 A I 应用层 资源 管理层 资源调度引擎 任务执行引擎 深度学习引擎 机器学习引擎 流程编排引擎 图谱计算引擎 协作 AI 编程平台 可视化建模平台 教研 教学 教务 教管 校园 …… PaddlePaddle TensorFlow OneFlow