AI、大数据 和云计算等智能技术深度赋能的当下，教师的评价与治理需从经验驱动向数智驱 动的范式重构，进而为迈向精准化、规范化注入新动能 ①。 在教师评价方面，运用大数据、数据挖掘等技术伴随式采集分析教师教学、 研究与管理等多个时空、全过程的多模态数据，创新教师评价方法与模式，丰富 教师成长画像，提高教师素养评价和教学评价的动态性与精准性。 在教师队伍治理方面，建立完善集数据归集、存储、交换、共享、治理、分 的多模态数据，对教学和学生学习行为、态度、效果等进行观测和反馈，辅助教 师课堂教学调整的评价方法 ④⑤。借助视觉问答、语音识别与合成、多模态情感分 析、生理信息识别等技术能够对文本、声音、图像、生物信号等多模态数据进行 感知、采集和高效融合 ⑥。这些感知数据经过深度分析与整合，能够为更加精确、 科学、规范的学习评价提供技术支持。 课堂参与程度评估。融合多模态技术的智能教学平台为学生课堂参与程度的 ① 白雪梅,郭日发. 王杨春晓,郑永和.多模态学习分析：“多模态”驱动的智能教育研究新趋向[J].中国电化教育,2021, (03):88-96. 12 第 2 章 实时评估提供了全面且精准的手段。摄像头、麦克风等设备可采集涵盖视觉、听 觉等多模态数据。计算机视觉技术对学生的面部表情、肢体动作进行分析，进而 判断其专注度、兴趣度等参与状态。 实验操作规范性评价。摄像头和传感器能够全方位捕捉学生的实验动作、仪 器

要载体，经过3年的跟踪研究，我们欣喜地看到了这一结合在教育智能硬件上的发生与演变。 从教育思维来看，优质教育内容成为了学习平板的差异化竞争力，同时教育智能硬件越来越 关注细分学习痛点的解决，如聚焦于刷题练习的学练机、聚焦于作业采集分析的智能手写笔、 聚焦于思维训练、注意力训练的早教产品，各教育场景正被硬件产品逐个覆盖，各教育需求 正在逐步解决。 从科技基因来看，技术有其自身的发展路径和“想法”。凯文·凯利的技术进化论提出：“要 • 校内品类“求全”：追求全链条的教学环节覆盖，考验一体化系统、生态建设及运营能力。学习平板 作为更加综合的品类，在改善护眼问题、降低单价后仍可能存在机会。同时，超高覆盖率的教育大屏 搭配无感采集的智能手写笔，亦有可能成为行之有效的模式。 • 校外垂类“求深”：深挖有效细分场景+适配产品特色与时代特征的渠道=爆款产品。 • 校外综合“分层”：学习平板M型发展，高价位重内容和交互，低价位重性价比，中等价位市场收窄。 iresearch.com.cn 研究范围与价值特征 教育智能硬件是教育数字化落地的重要载体，兼具规模化与个性化价值 教育数字化是一个逐层建设的过程，其关注点从基础设施层的高带宽网络覆盖到多终端数据采集的硬件发展策略，再逐渐关注到学 情数据的分析和应用过程，由底层到顶层，逐层深入建设并发挥效力。经过“三通两平台”、教育信息化1.0、教育信息化2.0的多年 建设，当前网络及数字平台建设已较为完备，正

面上满足未来教学发 展需求；无线网络采用支持 Wi-Fi7 协议；物联网络通过物联网终端设备与物联 网平台的有机结合，支持物联终端弹性接入，业务应用弹性扩展，满足学校水、 电、气、资产、环境等采集终端的安全接入，实现校园智能感知的效果。构建 可扩展的基础设施云平台，支撑应用的快速部署，保障学校学生数据的安全性， 6 职业学院新校区智慧校园建设项目技术规范书 实现 IT 资源统一管理和 统、数据对象和其他设备等；涉及的安全控制点包括身份鉴别、访问控制、入 侵防范、数据完整性与保密性、可信验证等。 终端环境安全 针对办公、运维和 PC 终端安全是通过防病毒软件、终端安全管理软件、日 志采集系统以及相应终端安全防护策略实现，主要包括以下几方面内容： （1）身份鉴别 针对登录 PC 终端设备操作系统的用户身份进行身份鉴别的要求如下：  针对所有 PC 终端进行统一安全策略配置，强制要求用户登录口令长度 实现终端应用的黑白名单机制，仅允许启动授权的应用、进程与服务。 （3）安全审计 针对终端设备安全审计的要求如下：  开启终端系统本地的日志审计功能，通过在对所有 PC 终端部署专用安 装日志采集插件，把系统日志推送到日志审计平台，实现对终端系统日志统一 管理和安全审计；  通过日志审计系统实现对审计记录的集中存储和保护，并定期备份，避 免受到未预期的删除、修改或覆盖等，审计记录的留存时间至少为

天翼云、金山云、百度云、浪潮云和京东云。 4.1.3.2 大数据 目前国内大数据公司分为两类：一类是有能力收购大数据的公司，比如百度、 23 腾讯、阿里巴巴等互联网巨头，华为、中兴、浪潮等国内龙头企业，涵盖了数据 采集、数据存储、数据可视化、数据分析以及数据安全等领域；另一类是初创的 大数据公司，它们依靠大数据工具为市场带来创新解决方案，并促进技术发展， 其中的大多数大数据应用程序仍然需要第三方公司的服务，包括百分点（营销大 数据）、国信优易（媒体大数据）、国双科技（营销大数据）、拓尔思（解决方案）、 数据堂（数据交易）等。 可以通过建设海量数据训练库、标准测试数据集、工具库等行业数据资源平 台，重点培育数据采集、标注、存储、传输、管理、应用等全生命周期产业体系 来实现大数据信创。 4.1.3.3 人工智能 在人工智能领域可以通过开发具有自主知识产权的通用性人工智能操作系 统和控制软件，研发基于 34 图 4.3 大数据总体架构 采集交换：数据采集和数据交换相关的技术工具，通过数据采集完成多种来源的 数据间的传输与交换。 存储计算：数据存储和计算相关的工具技术与方法，提供文件数据、结构化数据 和对象数据等不同形态数据的组织方式，基于这些方式实现数据的分布式批量计 算和流式计算。 数据治理：基于数据采集交换、存储计算能力实现数据治理中的清洗转换、和加 工处

→流量竞争加剧→ 淘汰整合的变革，我们认为发展瓶颈的原因主要包括对平台及相关数据信赖 度较低以及服务的碎片化和过于标准化。AI 的引入有望提高数据准确度和数 据连续性（智能可穿戴设备进行连续化数据采集，结合患者医院就医数据记 录），提供专业个性化健康服务（AI 医生/护士），并创造更多可能性（脑机 接口提供辅助运动与神经康复帮助，提高残疾病人生活质量等）。 ❑ AI+线下辅助就诊：①AI 辅 发→流量竞争加剧→淘 汰整合的变革，但并没有出现非常成熟的商业模式，也未对人们日常健康管理带 来颠覆性的改变。我们认为其中主要的原因包括： ◼ 消费者对平台及相关数据信赖度较低。当期可穿戴设备采集数据准确性和稳 定性较差、参考价值有限，且仅提供统一的固定公式对数据进行分析、难以 生产个性化有意义的健康指导。 ◼ 当下健康管理服务过于碎片化和标准化、难以实现连续的个性化管理需求。 健康管 12 行业深度报告 图 12 互联网+健康管理发展历程 资料来源：IT 桔子，招商证券 AI 模型的引入可能带来的改变： ◼ 智能可穿戴设备进行连续化数据采集，结合患者医院就医数据记录，提高数 据准确度和数据连续性：利用 NLP、HsMocap、ML、多模态神经网络 A 等 技术训练更加准确的人工智能，结合远程医疗提升检测数据与技术数据推论 的准确度。同

高等教育数字化管理典型应用 ② 知识全程智能化管理，沉淀教学、科研成果 依托蓝凌aiKM构建各类知识场景应用，实现知识采集、加工、存储、共享、应用等全过程智能化支撑。 智能采集：自动接入内部异构系统知识文档，并 通过RPA自动采集外部网站各类情报、政策、行业 动态等，采集到的知识无缝集成到KM系统中，支 持各项教学、科研专题分析工作。 智能搜索：可通过自然语言理解精准解析用户的 意图，并基于搜索内容主动推荐关联问题；同时

诊疗决策支持系统，开展智能医学影像识别、病理分型和多 学科会诊多场景应用 2017 年 12 月 工信部 《促进新一代人工智能 产业发展三年行动计划 （2018-2020 年）》 推动医学影像数据采集标准化与规范化，支持脑、肺等典型 疾病医学影像辅助诊断技术研发，加快医疗影像辅助诊断系 统的产品化及临床辅助应用，到 2020 年影像影像辅助诊断 系统对典型疾病检出率超过 95% 2017 年 22：安必平细胞学人工智能整体解决方案 资料来源：公司公告、招商证券 ◼ 麦克奥迪：麦克奥迪拥有医疗、光电和智能电气三大核心业务，涉及智慧 光学应用和电器能源科技应用两个业务体系。光学应用以光电事业部高端 显微镜光学图像采集系统为前端，集成医疗事业部人工智能算法、大数据 技术及远程病理会诊平台，构建智慧光学辅助病理诊断应用场景。医疗业 务深耕病理 AI 诊疗十多年，质控中心数据库积累异倍体定量筛查诊断标本 超 1500

AI 应用，积极在全国医保部门、医疗机构探索落地。 图45：银海“见智“人工智能行业应用平台 资料来源：Q 医疗，民生证券研究院 银海“视界”是公司行业大数据分析平台，围绕海量数据的采集，治理，分析， 挖掘，应用形成了民生行业大数据“有数、治数、用数”的全过程产品覆盖。“视 界”依托大数据交换平台，大数据管理平台，大数据挖掘分析平台，大数据应用平 台等基础平台，形成了识别、感