七个重要方面。报告的核心关切聚焦于如何在拥抱人工智能技术创新的同时，建立有效的治理机制，并确保高 等教育的人文价值和社会责任得到维护。 围绕教育大模型的能力与要素，报告构建了完整的分析框架。在能力维度上，提出“通用能力＋教育能力”的 能力谱系；在要素分析上，形成“五要素”框架：算力作为构建基石与场景适配关键，数据作为必备燃料与领 域属性特征，算法作为核心引擎与风险应对策略，开发工具作为全栈式工具矩阵，安全、伦理和隐私保护作为 数据驱动的教育评价、推动智能高效的教育治理、构建安全可信的伦理治理体系、配置优质均衡的教育资源、 强化智能协同的科研创新。据此提出“统筹规划、分步建设、优选场景、协同发展”的教育大模型建设原则， 阐明基于通用大模型研发教育大模型的具体实践，倡导通过算力、数据、算法协同优化的工程创新来实现教育 大模型的高算效和高能效。 应用层面，报告系统归纳教学、管理、科研与社会服务等主要应用场景，汇聚典型案例包括 DeepSeek ······················ 41 3.1 教育大模型能力维度分析 ··················································· 43 3.1.1 大模型通用能力分析 ··························································· 43 3.1.2 教育大模型的教育能力分析 ···········

大模型中一个 ，他的基本原理与 chatGPT 、 GROK3 等一样。 认识 deepseek 当前 ，各种生成式人工智能大模型很多 ，分为通用和行业垂直 2 大类；有专注文字的 ，还有能处理音视频 和图像的（即多模态）， DeepSeek 是一个开源通用大模型 ，主要处理文本。 看看 deepseek 的方 位 算力、 算法、 数据是人工智能三大基石 搭硬件（ GPU 服务器 ... ） https://www.pgyer.com/cZfT 二、 APP 端使用 DeepSeek 的 2 种模型 推理模型（ R1 ） 联网搜索模式（ REG ） 通用模型 （ V3 ） 在传统的大语言模型基础 上 ， 强化推理 、 逻辑分析 和决策能力的模型。 =V3 + 数理逻辑思维 数学推导、 逻辑分析、 DeepSeek 提示语通用结构（ V3 模型） 是用户输入给 AI 大模型的指令或信息 ，是决定大模型输出内容的关键 提示语示例： 你是有 30 年工作经验的青岛市教育局基础教育处处长 ，熟悉全国 各 个省市近十年的各类规划纲要。 现在 ，要制定青岛市面向 2035 的 教 育强市规划纲要 ，对于其中基础教育部分， 需要你输出一份包含 4 个部分的规划： 通用模型：提示语需显式引导推理步骤

格式上进行了扩展，当前业界有很多基于以太网帧格式（以太网报文）的分析软 件，可通过这些分析软件对 EPON 的报文进行抓取、识别和分析；而 XGS- PON/GPON 的报文采用了全新的增强帧格式，当前通用的以太网帧格式分析软件 无法 捕 获 识别 XGS-PON/GPON 的 帧 格 式， 更 无 法识 别 里 面的 报 文 。 XGS- PON/GPON 的安全性更高。 图 1-16 本、维护成本，及后期管理的便利性，充分利用既有可用资源。  可实施性原则：项目建设应尽量做到线缆少、节点少，布线路由合理，布 线空间充足，设备安装位置及空间适当，以便于工程实施与维护。  易维护性原则：应选择通用型的基础设施结构件及光路器件等，以便备 件替换等。  易管理性原则：应在网络中配置网络管理单元，对于 ODN 管理要求高的 场合，宜配置相应的线路管理系统，以便于日常监控网络状态、快速定位 校务管理、金融服务为一体的数字化校园核心应用。校园卡可以作为借书卡、上 机卡、就餐卡、医疗收费卡、洗澡卡、购物卡、门禁卡、存车卡、乘车卡等使用， ONA绿色全光网络技术委员会 38 38 实现“一卡通用，一卡多用”。一卡通网的流量模型属于小流量、高可靠模型。 信息发布网：主要采取集中控制、统一管理的方式将视音频信号、图片和滚 动字幕等多媒体信息通过网络平台传输到显示终端，以高清数字信号播出，有效

电信与学校结合管理 加快服务流程和时限 新增建设校内认证服务器 区分访问灵活分配带宽 新增建设校内认证服务器 区分访问灵活分配带宽 认证统一有线无线网络 帐号在校内各环境通用 认证统一有线无线网络 帐号在校内各环境通用 推广预付费模式，解决毕业生 末期帐务欠费问题 推广预付费模式，解决毕业生 末期帐务欠费问题 **** 智慧校园建设方案 前提任务：校园网络升级和改造 校园网络升 智慧校园建设方案 智能一卡通系统（翼机通）通过在手机上集成身份识别和小额支付等功能的芯片和 模块，与后端管理系统互动，为高校的教学、科研、生活后勤等多方面管理提供支撑。 校园翼机通用户可通过手机实现优质通话和信息服务，更可以直接刷手机实现内部食堂 / 超市消费、门禁识别、考勤和资源管理等服务，还可在一定区域的园区内实现多点认证 和刷卡消费，实现“一机在手，走遍校园”。 智能一卡通（翼机通）支持：消费支付、身 功能模块 **** 智慧校园建设方案  翼卡通批量发卡系统  学杂费收缴管理系统  数字迎新、注册、离校 系统  上机管理系统  医疗管理系统  门禁考勤管理系统  通用场馆管理系统  车载管理系统  图书管理系统  统一身份认证系统  注册学籍管理系统  宿舍管理系统  翼卡通通道机系统  翼卡通监控系统  收发室信件管理系统 

学生、及关注教育和学术创新的社会各界人士，系统阐述DeepSeek技术如何赋能教育和学术全流程。本讲座不仅提供理论 指导，更注重提供实操模板与案例，强调无需依赖专门AI系统，普通教育和学术工作者也能便捷应用通用模型与开放工具实 现专业功能，具有广泛实用性和迁移价值。 二、教育和学术领域是一个知识密度极高的领域，也是受大语言模型技术影响较大的领域。本讲座共包括五个部分，逐层递 进、环环相扣，从技术概述 景、优势、各教育阶段适配性及 选择理由。 2、DeepSeek在教育中的应用：展示K12与高校AI人才培养及教学实践的创新案例。对比专业AI平台与通用模型（如 DeepSeek）的应用路径。强调利用通用大模型及开放工具赋能教育者，突出方法原理的通用性与可迁移性。 第一天的摘要：DeepSeek技术重塑教育 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第4页 目录 1. DeepSeek解密 • Transformer+Diffusion：视觉模型 图像： Stable Diffusion、Mid-Journey、DALL.E等 视频： Sora、可灵、即梦、Vidu、海螺等 Ø 通用模型 vs 垂直模型（行业模型） • 传媒、编码 • 教育、医疗、金融等 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第24页 Generative （生成式） Pre-trained

术标准化技术委员会教育技术分技术委员会已在教育信息化标 准研制方面做了大量的工作，有些技术标准已经成为国标，各 应用系统的研发应当遵循教育管理信息化标准、教育资源建设 标准等。此外，国际上一些通用标准也值得借鉴，如 IMS- QTI（问题与测试交互）标准、xAPI（学习体验记录）规范等。 2.5.4、 采集粒度要尽可能小 数据粒度是指数据的细化和综合程度。一般来说，细化程 度越高，粒 系统、一卡通系统、上网行为系统、各硬件设备、校内校外各 大网站论坛等的数据源获得，对于数据接口不标准或者不开发 的场合也能进行针对性的办法。数据采集方面可以使用智慧校 园大数据平台 ETL 采集工具箱和通用的采集技术为学校提供采 集服务，并且根据学校业务情况和大数据需求进行针性对性数 据清洗与建模工作，并为学校制定完善的数据规范标准体系。 同时还能整合各类分步式数数据库、sql 数据库、oralce 融合架构要提供这样的灵活性，并且能利用到本地 I/O 处理带 来的快速响应。 软件定义是指运行在通用的商品化硬件之上，通过软件来 实现核心的逻辑，把关键处理逻辑从专用硬件中剥离。软件定 义可以降低对硬件的依赖，提升系统的敏捷性和健壮性，具备 如下特征： 底层负责提供服务，采用 X86 等通用硬件； 控制平面和数据平面分离，并对底层资源进行抽象； 可以通过可编程的接口实现高度的自动化；

术标准化技术委员会教育技术分技术委员会已在教育信息化标 准研制方面做了大量的工作，有些技术标准已经成为国标，各 应用系统的研发应当遵循教育管理信息化标准、教育资源建设 标准等。此外，国际上一些通用标准也值得借鉴，如 IMS- QTI（问题与测试交互）标准、xAPI（学习体验记录）规范等。 2.5.4、 采集粒度要尽可能小 数据粒度是指数据的细化和综合程度。一般来说，细化程 度越高，粒 系统、一卡通系统、上网行为系统、各硬件设备、校内校外各 大网站论坛等的数据源获得，对于数据接口不标准或者不开发 的场合也能进行针对性的办法。数据采集方面可以使用智慧校 园大数据平台 ETL 采集工具箱和通用的采集技术为学校提供采 集服务，并且根据学校业务情况和大数据需求进行针性对性数 据清洗与建模工作，并为学校制定完善的数据规范标准体系。 同时还能整合各类分步式数数据库、sql 数据库、oralce 融合架构要提供这样的灵活性，并且能利用到本地 I/O 处理带 来的快速响应。 软件定义是指运行在通用的商品化硬件之上，通过软件来 实现核心的逻辑，把关键处理逻辑从专用硬件中剥离。软件定 义可以降低对硬件的依赖，提升系统的敏捷性和健壮性，具备 174 智慧校园大数据云平台建设和运营整体解决方案 如下特征： 底层负责提供服务，采用 X86 等通用硬件； 控制平面和数据平面分离，并对底层资源进行抽象； 可以通过可编程的接口实现高度的自动化；

人工智能（ ArtificiaI Intelligence ）：第三代，核心是数据智能，以史为鉴 n 从感知智能到认知智能 1. 专用任务模型： NLP 、 CV 、 Gaming…… 2. 通用任务模型： AIGC • Diffusion 、 transformer ◼ 从 NLU+NLG 到 LLM （大语言模型） 1. 语言逻辑和数据集蕴含了人类的认知智能 2. LLM 是人类的认知智能的实现方式之一 两个阶段：特定任务到泛化任务 • 弱人工智能：可以完成训练过的特定的智能任务，特定 • 强人工智能：可以完成没有训练过的新智能任务，通用 n 三个能力 • 感知智能：知识表达 • 认知智能：知识处理 • 行动智能：环境交互 对 AI 技术的认知：通向 AGI 之 路 通用人工智能（ AGI ）：泛化任务、自主学习、自主行 动 01 AGI 实现后的问题与挑战 n 科学问题

悉、时间紧、易出错、效率低、变更多、统计繁”问 题。 安 装 算 量 GQI 广联达 BIM 安装算量 GQI2015 是一款基于 BIM 技 术、针对民用建筑工程中安装专业所研发的工程量计 算软件。内置《通用安装工程工程量计算规范》及全 8 国统一定额计算规则，无需安装 CAD 即可运行；软件 集成了 CAD 图算量、PDF 图纸算量、天正实体算量、 表格算量、描图算量等多种算量模式。通过设备一键 模型可以正确集成并能用于后续施工，建立符合 项目要求的 BIM 规范具有重要意义。BIM 规范明确了模型的几何位置、不同专 业的建模精度及深度、属性的要求，是 BIM 得以成功应用的重要保障。 通用规范： 1）建模软件标准，确定各专业采用的建模软件及版本； 2）模型整合和数据交换，确定提交软件原始格式模型、BIM 链接模型要求、 浏览模型要求、BIM 模型导出数据标准规范等； 3）建模 型和整合模型两大类，工作模型指设计人员输入包含建筑内容的模型文件， 整合模型指根据一定的规则将工作模型整合起来成为建筑系统的模型（成果 模型格式或浏览模型格式）； 5）模型构件颜色规定，模型构件有统一的颜色规定； 在通用规范的框架下，各专业分包制定专业内部的专业建模标准。 各专业建模规范： 1）各专业模型的精细到构件级别的建模精度（LOD）； 2）机电系统划分规范，确定划分原则以及系统构件划分表，在本层次的划分表

4.3 数字资源建设与应用的原则与要求.........................................................................20 4.4 通用性基础资源.............................................................................................. 在基础设施之上是应用服务及其支撑系统，包括教学服务、科研服务、管理服务、公共服务、文 化生活服务、社会服务和决策支持服务等。 2.3.2.3 数字资源 数字资源通过应用服务的支持被用户使用，包括通用性基础教学资源、数字化仿真实训资源、数 字化场馆资源和数字图书资源等。 2.3.3 数字校园的组织结构与体系 数字校园的组织结构与体系包括信息化领导力、信息化组织机构、信息化政策与规范、信息化人 律法规知识和伦理道德观念。 4 数字资源 4.1 数字资源的分类 数字资源按照其应用的场所分为课堂与实训室数字化教学资源、数字化场馆资源和数字图书馆资 源，其中课堂与实训室数字化教学资源包括通用性基础资源和仿真实训资源。 4.2 数字资源的来源 4.2.1 开放资源 29 《职业院校数字校园建设规范》