年，教育部发布《中小学人工智能教育指南》，进一步 细化了中小学人工智能教育的目标、内容和实施路径。指南明确指 出，人工智能教育应贯穿中小学教育的各个阶段，从小学到高中逐 步深化，内容涵盖人工智能基础知识、编程技能、伦理道德等方 “ ” 面。同时，指南还提出了 以学生为中心 的教学理念，强调通过项 目式学习、探究式学习等方式，培养学生的创新能力和实践能力。 2021 年，教育部联合多部门发布《关于推进教育新型基础设 核心内容之一。为了适应人工智能时代的需求，课程设置必须进行 相应的调整和优化。首先，人工智能相关课程应纳入中小学的必修 课程体系中，确保学生从基础教育阶段就能接触到人工智能的基本 概念和应用。课程内容应涵盖人工智能的基础知识、编程技能、数 据分析、机器学习等内容，并结合实际案例进行教学，以增强学生 的实践能力。 在课程设置的具体实施中，可以采取分阶段、分层次的方式。 小学阶段主要以启蒙教育为主，通过趣味性的课程设计，如编程游 应遵循学生的认知发展规律，分阶段、分层次地引入人工智能 基础知识、编程技能、算法思维等内容。课程内容应注重理论 与实践相结合，鼓励学生通过项目式学习、探究式学习等方 式，深入理解人工智能技术的应用场景和实际价值。 3. 教师培训与支持： 教师的专业能力是政策实施的关键保障。应通过系统化的培 训，提升教师对人工智能技术的理解和应用能力。培训内容可 包括人工智能基础知识、教学工具的使用、课程设计方法等。

不是孤立存在的。一般来说，有效的教 学（无论是否使用AI）需要一种综合的 方法来整合各种能力。例如，教师应用A I教学的能力受到其对AI基础知识的理解 、对AI政策指导的认识以及对持续专业 发展的承诺的影响。同样，他们解决AI 伦理困境的能力也受到其对AI基础知识 的理解及其在教育中应用AI的经验的影 响。在一个领域中的熟练程度可以增强 另一个领域的熟练程度。事实上，对AI 基础更深入的理解可以提高教师应用与A “视角 ” 伦理困境 ： 采用 关于 AI 在学校的使用 基于一种理解 多重困境 他们在隐私周围摆姿势 ， 人力代理 ， 公平 ， 包容, 当地文化 语言和气候 改变。 知识图谱 道德原则 ： 应用基础知识 - 映射工具 (如 纸质工作表 或数字概念 - 映射应用程序) 到 可视化连接 在不同的核心之间 原则 ， 回应 相关争议, 他们与 法规和示例 学校使用的 AI 工具。 个人观察 当地法规 ： DigComp2.2；（2）“使用AI教学”涵盖了专门针对教师的AI能力，并参考了欧洲委员会2022年 发布的关于在教育和学习中使用人工智能和数据的伦理指南；（3）“关于AI的教学”涵盖了指导 学生了解AI基础知识的能力，包括基本数字技能、计算思维、数学技能以及AI应用，这些能力 主要源自AI4K12框架和“AI教育中的五大理念”（欧盟，2023）。 这些本地化框架应与现有的数字能力/通 用专业技能保持一致进行设计。

Agent 为主、人工为辅 02 对 AI 教育的思考： AI 重塑就业岗位和组织 结构 n 人工智能专业 n 大专：编程基础 | 数据处理 | 模型训练 | 算法应用 | 工具使用 本科：基础知识掌握 | 编程能力 | 算法理解 | 实践应用 | 跨学科意 识 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

出一张高三一模化学试卷，要求难度系 数按照 2022-2024 三年高考化学平均值， 适合青岛地区学生使用。题目数量、试 卷结构、试题风格按照 2024 年高考化学 卷，并注意考察学生的基础知识、创新 思维和跨学科综合能力。 常见应用场景：智能助教 - 命制试卷 示例 2 ：习题（试卷）生成 常见应用场景：智能助教 - 命制试卷 请对你刚才出的试卷进行评价修改完善， 检查错误，并做出标准答案、题目解析

中相关的指令模块； 4.逻辑运算和判断。 课程 评 价 方 法、要点 1.课程评价方法：注重形成性评价与总结性评价相结合，总结性评 价由任务单和作品扩展两部分组成。任务单主要考核学习者对本课程的 基础知识掌握程度（通过上交的 Scratch 编程来分析）；作品扩展主要 108 教育信息化智能解决专家 考核学习者对自己所学知识点的扩展能力。 2.评价要点：作品的完整性；作品的优化性；作品扩展的创意性。 中与实验箱相关的指令模块； 4.逻辑运算和判断。 课程 评 价 方 法、要点 1.课程评价方法：注重形成性评价与总结性评价相结合，总结 性评价由任务单和作品扩展两部分组成。任务单主要考核学习者对 本课程的基础知识掌握程度（通过上交的 Scratch 编程作品来分 析）；作品扩展主要考核学习者对自己所学知识点的扩展能力。 112 教育信息化智能解决专家 2.评价要点：作品的完整性；作品的优化性；作品扩展的创意 课程 1.课程评价方法：注重形成性评价与总结性评价相结合，总结 116 教育信息化智能解决专家 评 价 方 法、要点 性评价由任务单和作品扩展两部分组成。任务单主要考核学习者对 本课程的基础知识掌握程度（通过上交的 Scratch 编程作品来分 析）；作品扩展主要考核学习者对自己所学知识点的扩展能力。 2.评价要点：作品的完整性；作品的优化性；作品扩展的创意 性。 所需 条件与资

高噪声低采样率语音识 别 语言大模型 +NLP 预训练语言大模型 垂直场景小模型深度优化 迁移学习 + 提示学习快速落 地 复杂多轮对话推理技术 智能外呼机器人可视化运维 医学知识管理 百万级基础知识图谱 + 专科 知识图谱 图谱定制，全面赋能院内外 各类场景算法落地 覆盖 2000+ 疾病 /50+ 科 室 导诊数据 精准关联推荐 / 清晰图文 释 义，诊断学知识能力导入 集结湘雅

学融合上的务实和精细。 先自学、后辅导人机协同教学新范式 韩国AI数字教科书计划的推行，正在催生一种先自学、 后辅导的人机协同教学新范式。 在模式下，学生首先通过搭载了AI功能的数字教科书 进行基础知识的自主学习和练习，AI系统负责个性化 的知识巩固和能力训练。之后，教师的角色从知识的 主要讲授者，转变为课堂讨论、项目学习和深度探究 的引导者和促进者。模式旨在将教师从重复性的知识 传授中 模块化知识单元（如视频、文本、虚拟实验）。 人机协同的深度教学模式 教师的角色将发生根本性转变，从知识的传授者转型为学习的设计者、成长的引导者和人文的关怀者。AI将接管 所有可自动化的、重复性的教学任务，如作业批改、学情诊断、基础知识答疑等，成为教师最高效的助教。教师 则将精力聚焦于AI无法替代的高阶任务：设计启发性的探究式问题、组织深度的项目协作、提供关键的情感支持 与价值观引导。 能力本位的无界学习生态 教育的评价 AI赋能教育：K12基础普教和高职教分析应用 AI赋能教育在K12普教与高职教的应用区别 K12普教与高职教在AI应用上的核心区别，根源于教育 使命与培养目标的差异。K12普教的核心任务是面向全 民的基础知识普及与核心素养奠基，其性质决定了AI 应用必须强调公平、效率和普适性。因此，其技术与 产品形态更聚焦于如何利用AI辅助教师进行大规模的 因材施教，解决共性的学习问题，并以区域统筹的方 式推动教育均衡。

在数字时代，职业教育的教学理念、教学内容和教学方式将发生革命性变革，职业院校教师需要 借助数字校园持续提升自身的信息化职业能力。 3.2 学生发展 3.2.1 知识与技能 3.2.1.1 总体要求 学生能够正确理解信息技术的基础知识，掌握常用信息终端及相关专业训练软件，学会利用仿真 和模拟软件培养自己的职业技能。 3.2.1.2 具体要求 a) 理解信息技术的概念、系统运行和操作原理，了解其对职业技能培养的作用和意义；

教 学 04 教 学 评 估 反 馈 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第32页 其它教学素材-Prompt 请设计系列教学问题： 1. 确保问题由浅入深、难度递增，从基础知识过渡到 高阶思维。 2. 使问题遵循记忆→理解→应用→分析→评价→创造 的认知发展序列。 3. 保证问题难度适中，契合学生实际能力水平。 4. 让每个问题是前一问题的自然延伸，助力学生提升

深入了解，可以为 AI 大模型的功能和服务设计提供有力的支持。 首先，学生用户可以按照其年级和学科分为以下几个特色群 体： 用户类 别 年龄范围 学习需求 特点 小学生 6-12 岁 基础知识学习，兴趣培养 需要互动性强的学习工具，注 重游戏化学习 初中生 12-15 岁 自主学习能力提升，课外知识 拓展 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