《人工智能与智慧教育》全套教学课件

人工智能基础第1章全套可编辑PPT课件

第1章

人工智能基础第2章

智慧教育基础第3章

人工智能助力教学资源生成第4章

人工智能辅助教研第5章

智慧教育实践第6章

智慧学情分析1.1人工智能简介【学习导航】1.2智能计算系统1.3人工智能技术与应用1.4人工智能安全与伦理1.5习题与实践【学习目标】1.理解人工智能的基本概念、历史、学派和核心研究内容，能简述人工智能的发展过程。2.熟悉智能计算系统的相关知识，能描述智能计算系统的组成要素。3.熟悉人工智能的常见应用领域，能描述经典应用场景。4.了解人工智能面临的安全风险与伦理问题，能提出典型问题应对思路。1.1人工智能简介1.1.1人工智能的基本概念人工智能自诞生以来就受到广泛关注。不同学者对于人工智能的定义也不尽相同，目前比较公认的一种定义是：人工智能是研究和开发用于模拟、延伸和扩展人的智能的理论、方法、技术以及应用系统的一门新的技术科学。人类四次工业革命的发展1.1.2人工智能的历史1.图灵测试1950年，图灵（Turing）发表了一篇题为《计算机与智能》的论文，文中预言了创造出具有真正智能的机器的可能性。由于注意到“智能”这一概念难以确切定义，他提出了著名的图灵测试（TuringTest）：测试者与被测试者（一个人和一台机器）在隔开的情况下，通过一些装置（如键盘）向被测试者随意提问，进行多次测试后，如果机器让平均超过30%的参与者做出误判，不能辨别出其机器身份，那么这台机器就通过了测试，并被认为具有人类智能。图灵1.1.2人工智能的历史2.达特茅斯会议1956年，麦卡锡、明斯基、香农、纽厄尔、西蒙、塞弗里奇、所罗门诺夫、罗彻斯特、塞缪尔和莫尔，在美国达特茅斯学院召开了一次为期两个月的“人工智能夏季研讨会”，从不同学科角度探讨了人类各种学习和其他智能特征的基础，以及用机器模拟人类智能等问题，并首次提出人工智能的术语。达特茅斯会议部分参会者于2006年重聚（左起：莫尔、麦卡锡、明斯基、塞弗里奇、所罗门诺夫）1.1.2人工智能的历史3.人工智能的发展历程（图待更新）1.1.3人工智能的学派1.符号主义学派符号主义又称为逻辑主义、心理学派或计算机学派。符号主义认为人工智能源于数理逻辑。符号主义学者在1956年首先采用“人工智能”术语，后来又发展了启发式算法、专家系统、知识工程理论与技术，并在20世纪80年代取得重大发展。符号主义学派代表人物有纽厄尔、西蒙和尼尔逊等。符号主义学派认为人工智能的研究方法应为功能模拟方法，即通过分析人类认知系统所具备的功能和机能，然后用计算机模拟这些功能，实现人工智能。1.1.3人工智能的学派2.连接主义学派连接主义又称为仿生学派或生理学派。连接主义认为人工智能源于仿生学，特别是对人脑模型的研究。霍普菲尔德在1982年和1984年发表两篇重要论文，提出用硬件模拟神经网络。1986年，鲁梅尔哈特等人提出多层网络中的反向传播（BP）算法，使多层感知机的理论模型有所突破。从2010年开始，神经网络、深度学习成为人工智能行业主导，标志着AI经过短暂消沉期后彻底复苏，如今最热的AI概念均出自“连接主义”学派。1.1.3人工智能的学派3.行为主义学派行为主义又称为进化主义或控制论学派。行为主义认为人工智能源于控制论。维纳和麦克洛克等人提出的控制论和自组织系统以及钱学森等人提出的工程控制论和生物控制论，影响了许多领域。行为主义是20世纪末才以人工智能新学派的面孔出现的，引起许多人兴趣。行为主义学派的代表作品首推布鲁克斯的6足行走机器人，它被看作新一代的“控制论动物”，是一个基于感知-动作模式模拟昆虫行为的控制系统。1.1.4人工智能核心问题1.知识表示与推理旨在让计算机以结构化的方式存储、组织和利用知识，从而模拟人类的逻辑思维和问题解决能力。通过将现实世界的概念、事实和规则转化为计算机可理解的形式，如符号、图结构或语义网络，并结合语义网、知识图谱、逻辑规则系统以及本体工程等技术，计算机能够进行逻辑推导、判断和决策。典型应用包括专家系统（如医疗诊断系统MYCIN，用于疾病诊断）、智能问答系统（如IBMWatson，提供精准答案）和知识管理系统（如维基百科的语义化处理，实现信息结构化检索）等。1.1.4人工智能核心问题2.搜索与优化人工智能解决决策问题的核心方法，致力于在复杂问题空间中寻找最优解或近似最优解。通过启发式搜索、约束满足问题、遗传算法、模拟退火和梯度下降优化等技术，搜索技术系统地探索可能解空间，而优化技术则通过数学方法改进解的质量。广泛应用于路径规划（如自动驾驶中的导航算法，确保高效路线选择）、游戏AI（如AlphaGo，实现博弈决策）和资源调度（如物流优化，提升运输效率）。1.1.4人工智能核心问题3.机器学习旨在研究让机器模拟和实现人类学习能力从而使机器具有智能。通过相关算法对给定的数据集（对应历史经验），进行训练（对应归纳），形成模型（对应规律），再利用该模型对新数据进行预测。广泛应用于图像识别（如人脸识别，保障安全认证）、自然语言处理（如聊天机器人，提升用户交互体验）和推荐系统（如电商平台的个性化推荐，优化用户体验）。人工智能、机器学习、深度学习和大模型的关系1.1.4人工智能核心问题4.感知与行动旨在通过传感器获取环境信息并做出适当反应，模拟生物的感知-决策-行动循环。感知涉及从原始数据中提取有意义的信息，行动则基于感知结果执行物理或虚拟操作，依赖计算机视觉、语音处理、机器人控制和多模态融合等技术。典型应用包括自动驾驶汽车（如比亚迪的高阶智能驾驶系统，实现全场景安全导航）、服务机器人（如家用扫地机器人，提供智能清洁）和智能监控系统（实时检测异常行为）。1631.2

智能计算系统

1.2.1人工智能发展的三大要素数据：人工智能的基础。没有高质量的数据支持，人工智能系统无法进行训练和学习。算力：计算机系统在处理复杂任务时所需的计算能力。在人工智能领域，算力是实现高性能计算、大规模数据处理和复杂模型训练的关键。算法：定义了如何使用数据和算力来进行计算和决策。它是人工智能系统的核心引擎，决定了系统的学习、推理和决策过程。1.2.2智能计算系统的定义数据、算力、算法驱动人工智能发展，我国AI应用和算法研究达世界先进水平，但算力建设薄弱；智能计算系统是支撑AI算法运行的物质与逻辑载体，由CPU+智能芯片的异构硬件和含前端编程语言、深度学习框架、编程平台的编程环境软件构成，CPU负责通用计算与控制，智能芯片专攻AI高效数值计算，异构设计提升了系统性能与能效，而硬件异构性也带来编程挑战，配套编程环境则是提升系统易用性的关键。智能计算系统示意图1.2.3智能计算系统发展1.第一代智能计算系统第一代智能计算系统为面向符号主义的计算系统，诞生于1980年前后的人工智能第二次热潮期，主流智能编程语言是Prolog和LISP；1975年MITAI实验室研制出首款LISP机CONS，后续又推出CADR，80年代中期德州仪器推出EXPLOR并入市，部分LISP机还实现多语言兼容及网络互联；90年代初，随人工智能第二次热潮消退，因缺乏实际应用场景等，第一代智能计算系统逐步退出历史舞台。两款LISP机1.2.3智能计算系统发展2.第二代智能计算系统2010年前后发展至今的第二代智能计算系统面向连接主义、适配AI第三次热潮，主打深度学习；英伟达GPU、谷歌TPU成主流智能芯片，我国研发起步早，中科院推出首个深度学习处理器架构及寒武纪1号芯片，华为、地平线、昆仑芯等国产芯片也在各领域落地应用；摩尔定律渐失效、通用CPU性能增长放缓，而智能计算需求攀升、深度学习全面应用，为该系统发展奠定基础，业内预计其将长期优化发展。多款智能芯片1.2.3智能计算系统发展3.下一代智能计算系统第一代、第二代智能计算系统均为面向智能算法的定制化设计，分别对应符号主义与连接主义，支撑的也仅是解决特定问题的弱人工智能；业界预测下一代智能计算系统或将成为强人工智能的物质载体，大模型凭借大参数、海量数据训练的强大能力为其迈向强人工智能提供重要支撑，具身智能则结合物理实体与智能算法，能让智能系统形成类人的感知-决策-行动闭环，为其落地现实世界注入新活力、提供关键方向。1.3人工智能技术与应用1.3.1大语言模型大语言模型为超大规模模型，经海量文本训练，具备强自然语言泛化和多任务处理能力。2020年起GPT、BERT等实现突破，基于Transformer架构，零/少样本学习能力突出。应用覆盖医疗、教育、编程等领域，多模态模型实现跨文本、图像、音频的理解与生成。面临训练成本高、模型有“幻觉”、可解释性不足及区域访问限制等问题。开源技术推动模型升级，未来将向高效、绿色、可信方向发展，支撑智能交互与社会发展。1.3.2自然语言处理自然语言处理目标是让计算机理解人类语言，含多种技术能力，适用于智能交互等多场景。应用广泛，涵盖智能客服、同声传译、文本摘要等多个领域。包含语料预处理、特征工程、模型训练、指标评价四部分，各环节有对应方法和指标。世界人工智能大会上的机器实时翻译1.3.3计算机视觉计算机视觉模拟生物视觉，核心是处理图片/视频获取场景三维信息。应用普及，覆盖制造业质检及人脸识别、物体分类等生活场景。不同应用实现不同，图像分类、目标检测、语义分割各有对应经典算法，深度学习算法在相关场景效果更优。火车站人脸识别系统微信小程序“形色识花”1.3.4语音识别与合成语音识别（ASR）和语音合成（TTS）是人机语音交互核心技术，深度学习使其兼具精准度与自然度，深度融入各类场景。ASR将语音转文本，端到端模型提升效率与准确率，支持多语种及方言、噪声等复杂场景识别。TTS将文本转语音，从拼接合成迭代至神经网络生成，实现拟真语音，还可应用于科技助残等场景。二者常协同应用，赋能实时翻译、智能客服、方言文化传承等，仍面临场景适配等挑战，未来多模态融合将拓展其应用价值。讯飞输入法方言识别智能客服机器人1.3.5科学智能科学智能（AI4Science）是AI与基础科学融合的新兴领域，以深度学习等为核心工具，助力多学科突破，重塑科研范式。生命科学领域，可预测蛋白质结构、解析基因数据，助力靶向药研发、罕见病研究及个性化治疗。物质科学与能源领域，缩短新材料研发周期、优化能源勘探，提升效率并降低成本。基础物理与天文领域，助力海量数据筛选、天体识别及宇宙演化模拟，提升科研效率。AI4Science目前面临数据稀缺、模型可解释性不足等挑战，未来将推动科研向数据与智能驱动转型。基于xTrimoPGLM的抗体CDR3不同设计策略结构预测对比1.3.6机器人控制机器人涵盖模拟人类/生物的机械及无实体自动化程序，机器人控制是智能机器人自主行为的关键，贯穿全流程。智能控制是机器人控制的核心理论基础，核心是通过智能信息处理、反馈与决策实现目标自主达成，已落地自动驾驶等领域。机器人历经三代迭代：工业机器人（示教-再现）、传感型机器人（简单反馈控制）、智能机器人（自主适应、决策）。智能机器人广泛应用于多领域，国产机器人在工业、物流等赛道表现亮眼。自动驾驶四款国产智能机器人1.3.7智慧教育智慧教育是数字技术与教育融合的新型形态，以数据驱动等为核心，重构教学全流程，推动教育现代化与均衡化。教学层面，智能备课、交互式设备、AI虚拟教师助力师生协同，优化教学过程，弥补传统教学局限。个性化学习层面，通过学生画像、知识图谱等，破解同质化难题，助力优质教育资源共享。管理评价层面，实现过程性评价，AI阅卷、智能教务系统提升管理与评价效率。目前面临技术应用不均等挑战，未来结合生成式AI、VR等，将向更公平、高效、个性化发展。某校AI数字教学助手智慧教务云平台智能排课系统1.4人工智能安全与伦理1.4.1技术风险与安全人工智能安全风险贯穿“数据-算法-系统”全生命周期，影响技术稳定、用户权益及社会秩序。1.技术风险：数据存在泄露、质量差、过度采集问题；算法有偏见、失控、黑箱特性；系统有硬件后门、软件漏洞及高并发瘫痪风险。2.风险防范：从技术（数据加密、算法审计等）、管理（建立安全制度、明确流程）、法律多维度构建防护体系。1.4.2社会伦理与法律法规1.社会伦理：人工智能应用引发三类核心争议，一是人机关系上，AI渗透决策挑战人类主体性，过度依赖会退化人类决策能力，违背教育等领域的人文本质；二是公平性上，存在数字鸿沟与马太效应，加剧社会、教育等领域的不平等；三是责任界定上，AI造成损害时责任归属模糊，算法黑箱特性增加责任追溯难度，不利于受害者维权。2.法律法规：各国以“风险分级、分类监管”为核心构建AI规制体系，欧盟将AI分为四类分级监管，中国通过多部专项法规规范数据、算法、应用等维度；同时，G7、联合国教科文组织等推动国际协作，凝聚全球AI伦理与安全共识，助力AI合规发展。《人工智能法案》划分的四类AI风险分级1.4.3教育应用伦理1.教育AI的核心伦理冲突AI提升学习效率，但数字鸿沟加剧城乡、贫富教育差距，违背教育公平理念。教育AI需采集大量学生数据，部分系统过度、隐性采集，侵犯隐私权，违反相关法律且影响学生身心健康。过度依赖算法推荐易形成算法茧房，限制学生知识视野与能力提升，抑制创造力，违背全面育人目标。部分学校过度依赖教育AI导致教师边缘化，AI替代教师量化评价，忽视教育的人文互动本质。1.4.3教育应用伦理2.教育AI的伦理应用准则与实践案例教育AI应用需遵循四大准则：以育人为核心，规范数据使用，推动算法透明可解释，明确AI辅助角色、坚守教师主体性。正面案例：小学用AI批改作文仅标注基础错误，教师聚焦思路指导，兼顾效率与育人价值。反面案例：中学AI课堂监控生成注意力评分，引发反感且被过度依赖，因伦理争议停用。教育AI伦理应用关键是守住教育本质，明确技术为工具、学生为主体、教师为育人核心。1.4.4责任与未来人工智能发展由技术、伦理等多主体协同推动，需明确责任、平衡创新与规范，坚持以人为本。四大责任主体各有职责：开发者源头把控风险，使用者合规应用并复核决策，监管者构建科学监管体系，公众参与监督并理性看待AI。未来AI向负责任方向发展，聚焦技术安全公平、多元伦理治理、解决社会问题、加强国际协作。AI是双刃剑，需拥抱创新且坚守伦理底线，多方协同让其服务人类福祉、推动社会发展。1.5习题与实践1.5.1选择题1.人工智能是一门______。A.数学和生理学学科B.心理学和生理学学科C.语言学学科D.综合性的交叉学科和边缘学科2.人工智能的目的是让机器能够______，以实现某些脑力劳动的自动化。A.具有完全的智能B.和人脑一样考虑问题C.完全代替人D.模拟、延伸和扩展人的智能3.人工智能诞生于______。A.达特茅斯（Dartmouth）B.伦敦（London）C.纽约（NewYork）D.拉斯维加斯（LasVegas）4.关于人工智能，叙述不正确的是______。A.人工智能与其他科学技术相结合，极大地提高了应用技术的智能化水平B.人工智能是科学技术发展的趋势C.强人工智能已经实现并投入规模化商业应用D.人工智能有力地促进了社会的发展5.关于人工智能程序，表述不正确的是______。A.能根据不同环境的感知做出合理行动，并获得最大收益的计算机程序B.任何计算机程序都具有人工智能C.针对特定的任务，人工智能程序具有自主学习的能力D.人工智能程序是模拟人类思维过程来设计的6.以下哪个不是人工智能发展过程中的重要事件______。A.1950年“图灵测试”的提出B.1980年专家系统诞生C.1997年深蓝战胜国际象棋世界冠军D.2010年苹果第四代手机iPhone4发布7.不属于人工智能的学派是______。A.符号主义B.机会主义C.行为主义D.连接主义1.5.1选择题8.知识表示与推理的主要目的是______。A.让计算机存储和处理图像数据B.让计算机以结构化方式存储和利用知识，模拟人类逻辑思维C.优化计算机的硬件性能D.提高计算机的网络通信速度9.以下哪项是搜索与优化技术的典型应用______。A.语音识别系统B.医疗影像分析C.物流路径规划D.文本情感分析10.算法、_______和数据被视为推动人工智能发展的三大要素。A.安全B.算力C.能源D.物联网11.________不是常用的深度学习框架。A.TensorFlowB.CaffeC.PytorchD.GPU12.智能计算系统的硬件部分通常采用______架构。A.同构多核系统B.CPU+智能芯片的异构系统C.纯GPU系统D.分布式集群系统13.以下哪项不是第二代智能计算系统的主要特点______。A.面向连接主义计算B.主要用于深度学习C.以LISP机为代表D.使用GPU、TPU等智能芯片14.一般来讲，属于人工智能语言的是______。A.VJB.C#C.FoxproD.LISP15.下列关于大语言模型的说法，错误的是______。A.大语言模型参数量通常达到数十亿甚至数千亿级别B.GPT系列模型采用Transformer架构，通过自注意力机制捕捉文本长距离依赖C.大语言模型训练成本较低，GPT类模型单次训练成本仅数万美元D.Qwen3、DeepSeek属于开源语言模型1.5.1选择题16.不是自然语言处理要实现的目标的是______。A.理解别人讲的话B.对自然语言表示的信息进行分析概括或编辑C.欣赏音乐D.机器翻译17.以下不属于人工智能在计算机视觉领域应用的是______。A.车站人脸识别进站B.拍照识别植物C.医疗影像诊断D.实时字幕18.______与其他三个属于不同人工智能应用领域。A.图像识别与分类B.医学影像分析C.语音识别D.人脸识别19.下列关于科学智能（AI4Science）的描述，错误的是______。A.是人工智能技术与基础科学研究深度融合的领域B.能通过处理复杂数据、优化实验流程等推动科研范式变革C.仅在生命科学领域有实际应用，暂未涉足物理、化学等学科D.被认为是推动AI自身核心能力升级、通往通用人工智能的关键驱动力20.下列关于机器人迭代的说法，正确的是______。A.第一代机器人（工业机器人）可基于传感器信息实现反馈控制B.第二代机器人能自主感知环境、调整行为以适应变化C.第三代机器人（智能机器人）具有高度适应性和自主能力D.语音聊天机器人属于狭义机器人范畴21.智慧教育在“教”的层面，能为教师提供的核心辅助功能是______。A.自动生成学生成长档案B.智能备课（自动生成课件、推荐教学重难点）C.个性化学习路径推荐D.自动完成高考志愿填报1.5.1选择题22.以下哪项不属于人工智能的技术安全风险______。A.训练数据标注错误导致算法决策偏差B.智能教育系统过度采集学生的家庭收入数据C.教师使用AI教案优化教学内容D.黑客通过芯片漏洞入侵智慧课堂系统23.在教育AI的应用中，下列做法符合伦理准则的是______。A.用AI完全替代教师讲授道德与法治课程B.智慧课堂摄像头仅拍摄学生的课堂互动区域，且提前告知家长C.AI学情分析系统仅根据考试成绩给学生排名，忽视其他发展维度D.禁止学生自主调整AI推荐的学习路径24.当AI诊断系统给出的治疗方案与医生判断冲突时，责任划分的核心原则是______。A.完全由AI开发者承担责任B.完全由医生承担责任C.若医生未复核AI结果，由医生承担主要责任D.由患者自主决定责任归属25.人工智能“数字鸿沟”在教育领域的主要表现是______。A.城市学生比农村学生更擅长使用AI工具B.优质AI教育资源向高收入群体集中，低收入群体难以获取C.教师比学生更了解AI的应用逻辑D.AI系统对文科内容的处理能力弱于理科内容1.5.2填空题机器学习通过从__________中自动学习规律和模式，使系统能够基于________改进性能。感知与行动技术依赖________获取环境信息，并通过________执行相应的物理或虚拟操作。在智能计算系统中，CPU主要负责______计算和系统控制，智能芯片主要专注于______计算。大语言模型采用___________架构，通过自注意力机制捕捉文本中的长距离依赖关系。自然语言处理包含词法分析、依存句法分析等技术能力，常用的特征提取方法有TF-IDF和___________。计算机视觉是模式识别的一个重要方面，在图像分类应用中，常用的传统机器学习算法有贝叶斯分类器、_____________和_________等。智能机器人发展历经三代，其中___________具备高度适应性和自主能力，能感知环境并独立规划任务。人工智能数据安全风险的核心原则是“最小必要”“透明知情”和“___________”。欧盟《人工智能法案》中，“___________风险”（如社会评分系统）被AI直接禁止。1.5.3简答题请简述什么是人工智能。请简述人工智能的发展历史。三大人工智能学派的认知观分别是什么？他们各自的代表性研究成果是什么？请简述智能计算系统包括哪些部分？请简述智能计算系统的历史与展望？你认为强人工智能会出现吗？结合生活实际，你认为现实生活中人工智能有哪些成熟应用？请查询相关资料，了解人工智能技术在你就读专业领域有哪些具体应用？随着人工智能技术的发展和成熟，你觉得你就读专业领域有哪些岗位有可能被人工智能取代？你打算如何应对？请简述教育AI应用中“算法茧房”的危害，并提出两种防范措施。结合案例，说明人工智能开发者的核心责任有哪些。为什么说“教师主体性”是教育AI伦理的核心准则之一？请举例说明。THEEND谢谢智慧教育基础第2章2.1从“电化教学”到“智慧教育”【学习导航】2.2智慧教育的理论基础2.3智慧教育的技术实现2.4智慧教育的实践应用2.6习题与实践2.5智慧教育的创新与发展【学习目标】1.能准确描述从口传时代到智慧教育五个阶段的技术特征与教育形态演变，解释媒介技术放大器而非替代者的本质属性。2.能阐明联通主义、多元智能等理论在智慧教育中的数字化重构，说明人机协同的生成式建构新范式的核心要素。3.能结合国家智慧教育平台、精准教学、虚拟教研室等案例，评价智慧教育在区域均衡、教学创新、评价变革中的成效与瓶颈。4.能使用AI工具解决实际问题，结合自己的实际体验概括三高（高体验、高适配、高效率）内涵。2.1从“电化教学”到“智慧教育”

2.1.1媒介“技术”的发展史教育作为人类传递经验、塑造心智的核心实践，始终与媒介技术交织共生。今日数字网络正在消解时空壁垒，重构知识权威。每一次媒介形态的革命，都不是简单的工具迭代，而是重塑了知识的存储方式、传播路径乃至学习本身的定义。表达符号1载体种类2复制方式3传播特征4指口头语言、字母文字、画面、视听语言、电脉冲信号和01二进制信号等。指纸、磁带、CD、电视、计算机、光盘、硬盘、闪盘、互联网等书写、存储、传播和显示内容的物质。包括口传、手工抄写、机器印刷、电视播送上传/下载等。指由于符号、载体和复制方式的不同，所导致的人机交互、人际交互的差异。媒介技术的四个子属性2.1.1媒介“技术”的发展史北京大学郭文革教授从符号、载体、复制和传播特征等四个维度出发，梳理了人类媒介技术发展史，形成了如表所示的媒介技术发展的五个阶段。年代符号载体复制传播特征口传：公元前4世纪中以前口头语言人口传/记忆人行走人：同步、双向传播社会传播中介：吟诵

诗人手抄文字：公元前4世纪中到1450年代字母文字莎草纸、羊皮纸和人造纸手工抄写人行/马走纸：异步、单向传播社会传播中介：抄书匠印刷时代：1450年代至今字母文字人造纸印刷机交通工具纸：异步、双向传播社会传播中介：图书/报纸/杂志、印刷/造纸等行业。电子传播：1830年代至今表意符号；存储和传输符号磁带/录像带/电视等电（视）台；视频转录等广播/电视：单向传播社会传播中介：电视数字传播：1990年代至今表意符号；存储和传输符号硬盘、显示器、喇叭等。拷贝/粘贴；上传/下载网络：异步/同步、双向传播社会传播中介：你媒介技术发展的五个阶段2.1.1媒介“技术”的发展史媒介技术所构建的信息表达和传播交流结构，是支撑整个人类社会发展、知识生产的基础设施。20世纪以来媒介环境学、新文化史、社会认识论、科学哲学、经济学、教育技术等相关领域的研究成果应用在媒介技术——教育变革之间，形成了如图所示的解释媒介技术影响社会发展、教育变革的完整的逻辑路径。媒介技术影响社会发展、教育变革的逻辑路径2.1.2教育的“技术”发展史媒介技术教育目标教学资源教学方法教学组织方式口传时期培养吟诵诗人口头教材口头对话面对面手写文字培养“抄书匠”手抄教材讲授、记忆和辩论等世俗的私塾等印刷文字普及义务教育标准的教科书图书馆实验教学法、探究式教学、案例教学等班级授课制现代学校制度电子传播高等教育大众化远程教育视频教材教育节目等远程教学法：教与学在时间、空间上分离远程教育广播电视大学数字传播终身教育不受时空限制网上多媒介材料因材施教混合式学习教育的“技术”发展史2.1.2教育的“技术”发展史教育变革的两个阶段新瓶装旧酒新瓶酿新酒用莎草纸记录口传史诗用印刷机复制手工抄写的书稿莎草纸出现之后“抽象分类、形式逻辑推理、下定义”等书面表达的出现印刷技术出现后拉米斯教材范例以及学科分化的出现2.1.3教育技术发展历史：从工具革新到认知革命教育技术的演进史，本质上是人类对知识传递方式不断优化的探索史，每一次技术突破都重塑着教育的形态与边界。这一历程可划分为四个关键阶段，每个阶段均以特定技术为载体，以教育理论为内核，共同推动着教育从经验传递向认知建构的深层转型。媒介作为元技术：从口耳相传到数字基座01教育技术：数字媒介重构学科身份03电化教育：国家意志下的媒介工具化02智慧教育：媒介融合与主体性让渡042.1.3教育技术发展历史：从工具革新到认知革命电子媒介的共时性传播打破了教学的空间壁垒，使“一人讲授、万人聆听”成为常态，它们将知识从符号系统转化为声像流，学习不再仅依赖逻辑解码，更需感官统合。这种转变埋下了教育技术的第一颗种子：技术不仅是辅助手段，更是教学关系的建构者。1980年代，计算机作为“元媒介”（meta-media）出现，其可编程性使媒介本身成为改造对象。知识从线性文本变为超文本（hypertext），学习路径从教师预设转向用户点击。这种交互性（interactivity）的崛起，标志着媒介从传播通道升级为操作平台。1983年，萧树滋等引入传播学模型（信源-信道-信宿），试图将电化教育从硬件研究推向过程研究，但受限于模拟媒介的线性特质及研究传统，这种努力仍在技术效能框架内展开。直到1993年更名教育技术，研究对象的转向已酝酿十年，从“物化设备”（hardware）延伸至“教育过程”（process）。1993年的更名表面是接轨国际（AECT1994），实质是数字媒介对模拟媒介的彻底替代引发的范式危机。计算机不再是高级幻灯机，而是可编程、可连接、可生成的数字基座。互联网的出现更将媒介从教学辅助提升为教育环境本身，校园网、在线学习平台、资源库构成了平行于物理教室的数字孪生课堂。2.1.3教育技术发展历史：从工具革新到认知革命媒介逻辑的“网络化”媒介功能的“智能化”媒介形态的“软化”Web2.0（约2005年后）引入用户生成内容，学生从信息接收者变为内容生产者。媒介的互动性从点击按钮升级为社会化协作，这为建构主义学习理论提供了技术落脚点。然而，应试教育的刚性约束使这种媒介潜能长期停留在示范课层面。多媒体计算机集成了处理、存储、传播三重功能，媒介不再是透明管道，而是可加工信息的认知代理。2003年农村中小学现代远程教育工程部署的三种模式（光盘播放、卫星接收、网络教室），标志着国家层面承认媒介即包裹式的教学解决方案，而非单一工具。技术从硬设备（幻灯机、电视机）转向软系统（教学平台、学习管理系统）。1998年高校扩招催生的校园网建设热潮，本质是教学媒介的去实体化：知识存储于服务器，传播依赖TCP/IP协议，交互通过界面实现，教师从设备操作者变为平台使用者。教育技术阶段的媒介革命2.1.3教育技术发展历史：从工具革新到认知革命智慧教育阶段的媒介变化全息投影、云端渲染的XR课堂不再受卡顿提醒技术的存在，媒介达成透明即时性，教学注意力回归内容而非工具，解决了电化教育时代媒介可见性造成的认知干扰。通信媒介的无缝化物联网传感器、情感计算摄像头、眼动追踪设备将教学过程全场景数据化。媒介不再只是传播通道，更是认知过程的丈量者与镜像。感知媒介的数据化GPT类大模型使媒介具备内容创造能力，AI实时生成个性化学习资源。媒介从人类的延伸变为人类部分能力的替代者，能备课、答疑、批改、甚至情感安抚。教师角色发生第三次历史性位移：从知识权威（口传时代）到教学组织者（电化教育时代）再到AI协作者/伦理守门人（智慧教育时代）。智能媒介的生成化2.2智慧教育的理论基础2.2.1智慧教育的内涵智慧教育（基于信息技术）是21世纪初技术哲学与教育变革深度交织的产物。国际范围内，IBM公司于2008年率先提出智慧地球战略，彭明盛（SamPalmisano）主张通过全面感知与互联互通实现社会系统的智能化管理。基于IBM智慧战略以及教育领域的相关应用，提炼出智慧教育（SmartEducation）的五大内涵框架（IBM智慧教育核心框架）。集成管理3实时统计与分析2以学生为中心1共享资源5多样化互动体验4实现教学与管理流程的集成化操作，智能管控教育辅助设施，快速复制推广优秀管理体制，完整记录个人与群体的教育信息。对教学资源进行集中管理、动态监测与科学分配，实时评估教学效果、学习进展与技能水平，支持管理者、学校、公众等多视角统计分析。教学活动以学习者为中心设计，关注个性化学习轨迹与发展需求。构建高度集成的资源平台，使优质教育资源随时随地可获取。提供多元化教学工具，支持无时空限制的在线学习，推广体验式、互动式教学模式。2.2.1智慧教育的内涵智慧教育已成为教育信息化研究的高频术语，但国内外学界尚未就其内涵达成共识。这种概念模糊性并非源于学术研究的不足，而是反映了不同学科范式与实践领域的深层诉求差异：技术开发者关注系统架构的智能化实现，教育政策制定者强调优质资源的普惠配置，而教育理论家则执着于人的智慧本质的培养。强调系统集成、数据驱动与效率优化，智慧教育被视为“智慧地球”的行业解决方案，其核心目标是用实时数据打通教学、教务、行政、后勤等多源异构系统，实现资源调度与管理智能化，进而降低运营成本、提升教育服务质量，并为政策制定者提供可量化的决策依据。01技术服务商视角关注教育公平、优质资源共享与系统性变革，智慧教育是教育信息化的高端形态与战略目标。其任务是通过国家数字教育资源公共服务体系、以及互联网+教育大平台，实现城乡、区域、校际资源的无差别辐射，进而支撑因材施教、教育治理体系重构和人才培养模式创新，最终完成从“物”的互联到“人”的发展的范式跃迁。02教育政策制定者视角聚焦学习者发展，强调智慧学习环境的建构与人机协同的数据智慧、教学智慧、文化智慧的培育，技术服务于人的智慧生长。03学术研究者视角2.2.1智慧教育的内涵国家智慧教育框架（NationalSmartEducationFramework）2.2.1智慧教育的内涵智慧教育的内涵、发展目标及实践取径2.2.1智慧教育的内涵智慧教育的特征界定2.2.2智慧教育的教育理论支撑智慧教育并非技术的简单外化，其深层生命力根植于教育理论在数字时代的创造性转化。当大数据解构了知识的确定性，当人工智能挑战了认知的中心性，当区块链重构了信任的机制时，传统教育理论的边界被不断拓展，新的理论形态应运而生。01学习本质的再定义：从个体建构到分布式联通0203认知发展的技术化解读：从多元智能到认知可塑性教学关系的重构：从主客对立到主体间性经典建构主义的数字化重生联通主义：数字时代的学习初定律人机协同的生成式建构：智慧教育的新范式多元智能理论的数字化实践认知可塑性理论的技术增强活动理论的拓展：将技术作为中介工具纳入分析框架主体间性理论的技术化：走向人机主体间性社会资本理论的数字化：从关系网络到信任机制三大维度2.2.2智慧教育的教育理论支撑联通主义学习理论核心观点间的逻辑关系2.2.2智慧教育的教育理论支撑智慧教育理论支撑的金三角模型智慧教育的理论支撑可整合为“金三角”模型。

学习本质论回答“学什么”：学习是连接、生成、共创的过程，知识是流动的网络。

认知发展论回答“如何发展”：技术增强认知可塑性，但需遵循神经伦理与多元智能规律。

教学关系论回答“谁与谁学”：人—机—人三元主体间性，教师是元主体，AI是认知合伙人。三大理论支柱的共同前提是：技术不能替代人的智慧，只能激发与放大人的智慧。若失去这一价值锚点，智慧教育将退化为智慧监控或智慧应试。2.2.3智慧教育的发展历史与现状智慧教育的发展历程我国智慧教育的演进，可视为一部教育媒介技术从辅助工具到生态架构的升级史。大致经历四个阶段，每个阶段都伴随着核心技术的突破与教育观念的深层转型。01020304工具导入期1978-2000资源整合期2001-2017融合创新期2018-2021生态重构期2022至今2.2.3智慧教育的发展历史与现状国际层面，联合国教科文组织（UNESCO）2021年发布《人工智能与教育：政策制定者指南》，强调AI应服务于包容与公平的教育目标。2023年9月，发布《教育与研究领域生成式人工智能指南》，提出课堂使用AI工具的最低年龄应为13岁，并警示传统作业模式面临的挑战。2025年1月，将国际教育日主题定为“人工智能与教育”，呼吁各国加大对教师和学生的AI伦理培训投入。2.2.3智慧教育的发展历史与现状国内层面，我国已形成“国家-省-校”三级智慧教育推进体系。国家智慧教育公共服务平台自2022年3月上线以来，截至2025年4月，据教育部公布数据显示，国家智慧教育公共服务平台注册用户已突破1.64亿，成为全球规模最大的高质量数字教育平台。平台构建起以基础教育、职业教育、高等教育、终身教育为“四横”，德智体美劳为“五纵”的资源新格局，并上线特殊教育板块、终身教育板块，服务广度持续拓展。2.2.3智慧教育的发展历史与现状任何技术驱动的教育变革，都不可避免地在创造新可能性的同时，催生新的结构性矛盾。智慧教育在展现其恢宏愿景的同时，其发展进程亦被三大深层挑战所制约。01区域发展失衡导致技术红利分配不均。02技术深化瓶颈引发工具理性对教育本质的侵蚀。03师生适应性问题凸显人机协同中的主体性危机。2.3智慧教育的技术实现2.3.1人工智能技术的本质本节首先从技术本质、哲学本质与社会本质三重维度，展开一场关于AI存在论的追问；继而回归教育本真，确立“AI是镜子而非替代者”的智慧教育定位；最终落脚于制度规范，构建教育场景的合规应用框架。以此为智慧教育奠定从理论认知到实践规范的清醒基石。技术本质：意图驱动的形式系统01哲学本质：智能、意识与主体的边界勘定02回归教育的本真：AI是镜子而非替代者04制度规范：教育场景的合规框架05社会本质：作为权力、资本与意识形态的技术032.3.1人工智能技术的本质教育部教师队伍建设专家指导委员会2025年发布的《教师生成式人工智能应用指引（第一版）》将AI教育应用从理论探索推进到规范实践层面。该指引通过正面清单+负面清单的双轨机制，划定了教师应用AI的伦理边界与操作框架。育人主体不可让渡原则内容审查不可缺位原则学术诚信不可突破原则学生使用不可放任原则涉及价值观引导、道德教育、心理支持等高利害教育环节，AI仅可作为辅助工具，最终决策与情感回应必须由教师完成。AI生成的教学设计、评语、沟通文案等，必须经过教师事实核查与价值审查，严禁一键发布，教师需警惕AI生成的教育幻觉。教师科研选题、核心论点等原创性环节须独立完成，并声明AI辅助使用情况。学生使用AI完成作品需标注贡献度，禁止代写。禁止小学生独立使用生成式AI，初中生须在教师监护下明确使用边界（如禁止直接生成作业答案），高中生可适度开放批判性使用。数据安全不可松懈原则师生交互数据不得用于AI模型训练，必须进行教育专属数据分类分级保护。2.3.2智慧教育的数字底座智慧教育的实现，依赖于一个由底层至顶层、相互支撑的技术体系。该数字底座不仅包含硬件设施与软件平台，更核心的是数据、算法与教育场景的深度融合。其整体架构可划分为以下五个层次。01感知层：教育环境的神经末梢02数据层：从数据孤岛到教育智能的基石03智能层：算法赋能下的教育新范式04连接层：构筑无边界学习的高速通道05体验层：迈向沉浸与具身的学习未来2.3.3智慧教育的核心特征综合智慧教育的发展历程与现状，其已显现出如下三个区别于传统数字教育的本质特征。这些特征不仅标志着技术应用层次的深化，更代表着教育本体论、认识论与方法论的根本性变革。传统数字教育更多关注如何将现有教学流程数字化、网络化，而智慧教育则致力于通过数据智能、人机共生与开放治理，重构教育系统的底层逻辑。数据驱动教育决策：从业务副产品到核心生产要素01生态开放的教育治理：从封闭建设到协同演化03人机协同的教学共生：从技术替代到认知合伙022.4智慧教育的实践应用2.4.1教学创新：从“标准化传输”到“个性化生成”教学是智慧教育理念实践化的第一现场。传统数字化教育在很大程度上实现了教学内容的标准化数字传输，将书本知识转化为多媒体课件，并通过网络进行分发，但其内核仍是“以教师为中心、以教材为半径”的规模化灌输模式。

智慧教育的深刻变革在于，它借助人机协同，将教学从一个预设的、线性的传输过程，重塑为一个能够动态生成个性化路径、激发高阶思维的创造性过程。

在此过程中，数据是感知学情的脉搏，AI是承载认知任务的伙伴，而教师则升维为学习生态的设计师与引导者。2.4.1教学创新：从“标准化传输”到“个性化生成”精准教学:认知负荷热力图、AI虚拟实验等AI学伴：自动评价、智能追问等基础教育虚拟教研室：计算机“101计划”等大模型科研赋能：轨道交通实训难题采用虚实结合等高等教育2.4.2评价变革：从终结性鉴定到过程性发展评价是教育的指挥棒，更是教育数字化转型中最具挑战性与革命性的环节。

传统评价体系如同精密的标准化筛子，依赖期末考试等终结性鉴定，其核心功能是对学生过去的学习成果进行测量、分等与筛选。这种评价回答了谁更优秀，却无法回答如何让每个学生都获得成长。

智慧教育的深入发展正推动一场评价哲学的深刻转向：从“判断过去”迈向“塑造未来”。在新的范式下，评价不再是为学习历程画上句号，而是贯穿于学习全过程，旨在激发潜能、导航路径、支持决策。它从一把筛子转变为一个导航仪，其根本目的从甄别选拔转向促进人的全面发展。这一转型主要通过两大技术路径实现：学习分析与数字徽章。2.4.2评价变革：从终结性鉴定到过程性发展学习分析：将学习过程变为“可解读的成长叙事”学习分析的本质，是通过教育数据挖掘、统计建模与可视化技术，将原本内隐、模糊、碎片化的学习过程，转化为外显、清晰、连续的成长叙事。它关注的不再是学生考了多少分，而是学生是如何学习的、在哪个思维节点遇到了障碍以及何种干预最有效。A数字徽章：从分数通货到能力凭证如果说学习分析是过程性诊断工具，那么数字徽章则是发展性能力凭证。传统分数作为一种同质化的通货，其弊端在于它是一次性的、高度概括的且不可携带的。一份试卷的分数，无法表征一个学生在项目协作、创造性思维、社会责任感等方面的素养。数字徽章基于区块链技术，是一种可验证、可累积、可跨机构互认、可终身携带的微能力认证。它将评价从单一维度的排序转向多维能力的拼图，从对过去的终结性判决转向对未来的终身性建构。B2.4.3治理优化：从层级管控到敏捷服务治理是智慧教育生态的操作系统。传统教育治理体系依赖于科层制架构，其决策流程呈现出信息自下而上层层传递、指令自上而下逐级下达的鲜明特征。这种模式在应对标准化、稳定性的教育问题时曾发挥过作用，但在面对日益复杂、快速变化的教育需求时，则暴露出响应迟缓、政策僵化、供需错位等固有弊端。

智慧教育治理的深刻变革，在于通过构建教育大数据中心、智能治理平台与跨部门协同机制，推动治理范式从事后补救转向事前预警，从以机构为中心转向以人为中心。

这不仅是技术工具的嵌入，更是治理哲学从管控到服务的根本性跃迁，其目标是构建一个能够精准感知、科学决策、敏捷响应的教育治理新生态。2.4.4实践平台：水杉教学平台水杉教学平台水杉在线是华东师范大学在教育数字化转型背景下自主研发的新一代智慧学习平台，以“数据驱动教育”为核心理念，致力于构建覆盖“教、学、练、测、评、创”的全链路学习生态。平台名称源自华东师大校园内象征坚韧与成长的水杉林，寓意通过技术赋能教育，支撑个性化、大规模数字素养提升。其建设目标旨在破解传统教育中规模化教学与个性化培养的矛盾，推动从“知识传输”到“能力生成”的范式变革。2.5智慧教育的创新与发展2.5.1技术本体论：从双重符号体系到人工智能的层次批判智慧教育的技术底座，建立在一套“硬技术—可供性—软技术”的层级架构之上。

硬技术（芯片、传感器、网络协议）本身并不直接决定教育形态，但其技术可供性（技术所开启的可能性空间）彻底重构了知识表征与交互方式。同一网页可并行呈现文字、声音、视频片段，知识表达从线性文字主导转向多模态、交互式、三维化的形态。学生不再是被动接受符号的解码者，而是在多感官协同中主动探索知识的可能性空间。

然而，技术可供性本身潜藏着价值中立的陷阱。同样的技术架构，既可供师生开展探究式学习，也可能在市场逻辑的驱动下，沦为用华丽特效包装的新型知识灌输工具。因此，智慧教育必须对硬技术保持批判性建构，主动设计可供性的教育性转向，而非被市场逻辑牵引。2.5.1技术本体论：从双重符号体系到人工智能的层次批判当下将所有智能应用泛称为人工智能如同将所有交通工具统称为车，遮蔽了技术谱系的巨大差异。硬技术层的01二进制是所有AI的共同基础，但在此之上，不同技术层的组合催生了本质迥异的智能应用。基于规则引擎的专家系统（如早期智能排课），本质是确定性逻辑推理，可解释但缺乏弹性。符号层机器学习模型（如学生辍学风险预测），基于历史数据的相关性，存在算法偏见风险。统计层大语言模型（如作文生成），基于概率性符号组合，具备创造力但伴随幻觉问题。生成层2.5.2数据智能体系：智慧教育的“神经网络”智慧教育的核心运行机制，是构建覆盖“采集—治理—分析—应用—反馈”的全链条数据智能体系。这一体系如同教育的“神经网络”，将分散的教育要素连接为可感知、可计算、可调控的活系统。采集层：全域感知与伦理边界1治理层：隐私计算与数据主权2分析层：因果推断与模式识别3应用层：决策转化与人机协同4反馈层：敏捷迭代与模型进化52.5.3智慧教育的定义与四维特征：迈向教育新生态基于上述技术哲学与数据体系，我们提出智慧教育（SmartEducation）的整合性定义：依托物联网、大数据、人工智能、云计算等新一代信息技术，构建以学习者为中心的智能化、个性化、开放化教育生态系统，实现教育资源优化配置、教学过程精准适配、学习体验深度沉浸、教育管理科学决策，最终促进学习者全面发展与社会适应能力的提升。1.技术驱动的教育变革：从工具到基础设施（1）基础设施智能化（2）数据赋能决策（3）AI深度融合2.个性化学习支持：从平均化到精准化（1）学习者画像的动态构建（2）自适应系统的算法伦理（3）多元评价的整合3.教育生态的开放与协同：从封闭到开源（1）资源云端共享（2）家校社协同（3）全球教育互联4.教育公平的深化推进：从机会平等到能力平等（1）偏远地区覆盖（2）特殊群体支持（3）终身学习体系2.5.4智慧教育发展的未来图景与挑战智慧教育的终极理想，并非构建一个技术堆砌的智能堡垒，而是培育一种技术隐身、智慧涌现的教育新生态。在这个生态中，技术不再是师生眼中需要刻意操作的工具，而是如同空气与水电般无感、可靠、普适地融入学习流程的每一个毛细血管。

学生因技术的精准支持而得以从重复训练中解放，专注探索未知世界的惊奇；教师因技术的认知外包而得以从事务性工作中抽身，回归育人的本真，是基于爱与理解的生命对话；管理者因技术的预警能力而得以从灭火式应对中脱身，守护教育系统的健康与可持续。然而，这幅图景并非技术自动承诺的乌托邦，而是需要跨越技术工程、制度设计、人文培育三重挑战的文明级抉择。

智慧教育的创新，从来不是技术的独角戏，而是技术、制度、文化、人性的四重奏。唯有当四声部和谐共鸣，智慧教育才能真正实现从“Smart”（智能高效）到“Wise”（智慧人文）的升华，培育出既能驾驭AI、又能超越AI、最终成为AI时代文明守护者的未来公民。学生层面：从被技术辅助到与技术共思教师层面：从技术操作员到智慧牧者管理者层面：从应急消防员到系统健康守护者未来图景：技术隐身的三重境界与文明意义1乡村学校的特殊困境：云端依赖的不可承受之重边缘计算的“不可能三角”困境前沿技术路径与“乡村适配性”创新技术挑战：边缘计算在乡村场景下的三重技术权衡2两极摇摆的内在逻辑与危害法律框架的“三性”构建原则跨部门协同的数据信托模式制度挑战：数据共享的法律框架与两极摇摆陷阱3技术鉴赏力的三维构成主体性危机：人机共生中的人性化让渡陷阱培养路径：从技术教育到技术哲学教育人文挑战：技术鉴赏力的培养与主体性坚守4四重奏的相互作用机制从Smart到Wise的升华路径培育超越AI的未来公民四重奏的和谐：从Smart到Wise的文明升华52.6习题与实践2.6.1选择题1.智慧教育“三高”内涵中的“高内容适配”主要指（）。A.教学资源数量最大化B.学习内容与学习需求精准匹配C.课程难度普遍提升D.所有学生使用统一资源2.下列（）不属于媒介技术的四个子属性？A.传播速度 B.表达符号 C.载体 D.复制方式3.联合国教科文组织2025年国际教育日主题聚焦于（）。A.元宇宙教育 B.教育公平 C.终身学习 D.人工智能与教育4.AI的“符号接地问题”在教育中的核心风险是（）。A.计算速度过慢 B.数据存储容量不足C.无法理解符号的真实意义D.无法连接互联网2.6.1选择题5.国家智慧教育平台截至2025年4月的注册用户规模约为（）。0.64亿 B.1.64亿 C.2.64亿 D.3.64亿6.“人机协同的生成式建构”理论强调知识来源的三元结构是（）。A.教师—学生—家长 B.理论—实践—反思C.人—机—网 D.线上—线下—混合7.下列（）最能体现智慧教育评价变革的核心理念。A.增加考试频次 B.从终结性鉴定转向过程性发展C.统一使用标准化试题 D.取消所有纸笔测试8.下列（）不属于虚拟教研室建设的核心价值。A.替代实体教研室 B.突破时空限制，提升教师专业能力C.促进资源共享与协同创新 D.助力教育公平与高质量发展2.6.2填空题1.IBM于2008年提出的“智慧地球”战略中，智慧教育的五大内涵框架包括以学生为中心、实时统计与分析、集成管理、多样化互动体验和__________。2.郭文革教授将媒介技术发展史划分为口传、手抄文字、印刷时代、电子传播和__________五个阶段。3.在智慧教育理论支撑的金三角模型中，三大支柱分别是学习本质论、认知发展论和__________。4.国家智慧教育平台构建了“四横五纵”资源新格局，其中“四横”指的是基础教育、职业教育、高等教育和__________。5.水杉教学平台通过水杉学堂、水杉工坊、水杉校场和__________四大核心模块实现学习闭环。6.智慧教育评价变革强调从“判断过去”走向“__________”。2.6.3实践题1.智慧课堂数据分析实践：自选工具软件，导入某班级智慧课堂系统导出的学生答题时序数据（含学生ID、题号、作答时间、修改次数、正确率），完成以下操作：(1)计算各题的平均作答时间和卡顿率（作答时间>均值2倍）。(2)筛选出需要干预的学生名单（连续3题卡顿且正确率<60%）。(3)撰写200字的数据解读报告。2.6.3实践题2.AI学伴提示工程优化：在DeepSeek或其他大语言模型平台中，针对初中物理“浮力原理”知识点，设计三组不同提示词：(1)基础组：直接提问“解释浮力原理”。(2)优化组：要求扮演苏格拉底式对话者，通过追问引导学生自主发现。(3)高阶组：增加约束条件（如“必须结合生活实例”“禁止直接给出公式”）。(4)对比三组回答的教育适宜性，并说明提示词设计对教育效果的量化影响。2.6.3实践题3.阅读以下场景，判断教师行为是否违反《教师生成式人工智能应用指引》，并说明理由与改进建议：（1）某小学班主任使用AI批量生成期末评语，未做任何修改直接打印发放给学生。（2）某高中教师将班级学生心理健康测评数据提供给商业AI公司用于模型优化，承诺"已匿名化处理"。（3）某初中教师在研究论文中，使用AI生成了文献综述部分，但未在致谢中声明。（4）某教师在课堂上允许学生自由使用AI辅助完成小组项目，未设定任何使用边界。THEEND谢谢人工智能助力教学资源生成第3章3.1生成式人工智能概述【学习导航】3.2AI辅助图像处理3.3人工智能辅助音视频处理3.4人工智能辅助动画3.6习题与实践3.5AI辅助多模态教学资源生成【学习目标】1.梳理生成式人工智能的发展脉络并解构其技术基础。2.熟练运用提示词的五大核心构成要素、基本原则与实用技巧，构建出结构完整、指令清晰的提示词。3.解构AI图像生成原理，利用“文生图”和“图生图”技术，辅助设计教学应用方案。4.解构音视频数字化，熟悉AI语音技术，并能利用AI视频生成工具辅助设计教学应用方案。5.阐明动画原理，区分二维动画与三维动画，利用AI动画生成工具辅助设计教学应用方案。6.解构多模态集成的演进与核心,能利用AI工具链，为特定教学单元生成一个完整多模态教学资源包。3.1生成式人工智能概述3.1.1生成式人工智能的基本原理生成式人工智能技术演进历程1.发展历程生成式人工智能是让人工智能模型（如大型神经网络）从海量数据中学习其内在的“复杂的概率分布规律，从而获得能够生成符合该分布规律的新数据的能力的技术。

生成式人工智能的崛起并非一蹴而就，而是一场跨越数十年的技术接力，其技术演进可分为五个阶段。3.1.1生成式人工智能的基本原理2.技术基础生成式人工智能的技术基础依赖于四大核心要素的深度融合：算法提供生成逻辑与目标，架构作为实现算法的工程蓝图决定了计算效率与能力边界，算力是执行计算的硬实力，

而数据则构成了模型学习与优化的知识源泉。四者协同，共同推动了生成式AI从实验室研究到实际应用的跨越。算法范式架构创新算力资源数据体系3.1.1生成式人工智能的基本原理3.能力与局限生成式人工智能在跨模态内容创造与自然交互上展现出卓越的生产力，但其能力的底层逻辑，并非真正的理解与创造，而是基于对海量数据统计规律的学习与模仿。正因这种概率驱动的本质，它也内在地伴随着模型幻觉与伦理隐忧，使其在可信度与责任归属方面面临根本性挑战。3.1.2提示词工程1.核心目标

提示词工程的核心是将人类的抽象意图转化为人工智能模型能够理解并执行的精确指令，解决“意图-输出”之间的语义鸿沟。其目标不仅在于让AI工作，更在于高效、可靠、符合伦理地工作，从而将其庞大的知识储备与生成能力，定向、可控地转化为实际价值。这一目标可具体分解为以下四个维度。核心目标实现结果的精准可靠控制风格与任务适配性驾驭复杂任务探索模型的创造力3.1.2提示词工程2.构成要素

一个精心构建的提示词，如同给模型下达的一份清晰、可执行的“工作任务书”。它通常由五个核心要素构成，这些要素共同作用，将用户的模糊意图转化为模型能够精准理解的指令。提示词的构成要素3.1.2提示词工程3.基本原则与实用技巧明确具体分步拆解迭代优化伦理适配性明确具体指令和模糊指令对比3.1.2提示词工程3.基本原则与实用技巧明确具体分步拆解迭代优化伦理适配性3.1.2提示词工程3.基本原则与实用技巧明确具体分步拆解迭代优化伦理适配性3.1.2提示词工程3.基本原则与实用技巧角色强化技巧示例引导法思维链引导法3.1.2提示词工程3.基本原则与实用技巧角色强化技巧示例引导法思维链引导法3.1.2提示词工程3.基本原则与实用技巧角色强化技巧示例引导法思维链引导法3.1.3教学资源的AI辅助工具1.文本生成AI工具以DeepSeek、文心一言、豆包、ChatGPT、Claude、讯飞星火及Kimi等为代表的文本生成工具，已成为教师的得力助手。这些工具能高效完成教案、讲义、习题、案例分析与阅读材料的内容创建，辅助设计课堂讨论、角色扮演脚本等互动活动，并提供作文评语与修改建议等教学评价与反馈，显著提升了教学准备的效率与质量。文本生成AI工具助力教学3.1.3教学资源的AI辅助工具2.图像生成AI工具

在当前教育技术快速发展的背景下，图像生成工具已成为教学资源创作的重要助力。以豆包、即梦AI、文心一格、StableDiffusion等为代表的图像生成工具，能够有效支持各类教学视觉材料的生成。这些工具可实现抽象概念的具象化呈现，包括历史场景还原、科学原理示意图生成及抽象概念隐喻图创作；能够快速美化课件，提供统一的PPT背景、图标和插图设计；还能根据课程特色创建个性化素材，如专属卡通形象和宣传海报。图像生成AI工具助力教学3.1.3教学资源的AI辅助工具3.音频、视频、动画处理AI工具

在AI语音层面，讯飞有声、微信读书AI朗读及阿里云/百度云语音API等工具，实现了高质量的文语转换、多语言朗读与海量资源随时听，赋能于微课配音与听觉学习；在AI视频层面，即梦AI能自动匹配动画素材与数字人讲解，剪映则提供智能字幕与快速剪辑功能，共同简化视频制作流程；在AI动画与3D层面，悟空图像的“AI闪绘”可快速生成教学插画，其“文/图生3D”功能可实现模型与场景重现。音视频动画AI工具助力教学3.2AI辅助图像处理3.2.1数字图像基础1.位图与矢量图

位图图像（bitmap），亦称为点阵图像或栅格图像，是由称作像素（图片元素）的单个点组成的。

矢量图（VectorGraphics）是一种通过数学公式和几何对象（如点、线、曲线、多边形）描述图像的图形格式。位图局部放大后产生的马赛克效应矢量图示意图3.2.1数字图像基础2.像素与图像分辨率

像素是构成数字图像的最小单位，它是图像中的一个点。每个像素都具有独立的颜色和亮度属性，通过不同颜色和亮度的像素组合，形成了所看到的各种图像，它决定了图像的细节和色彩表现能力。

图像分辨率指图像的像素大小，用图像水平方向像素数量与垂直方向像素数量的乘积来表示。3.2.1数字图像基础3.常用图形图像文件格式常用图形图像文件格式特性对比3.2.2传统图像处理vsAI图像处理1.“豆包”图像生成下的海报制作

使用“豆包”，将原始素材“污染的海洋”进行AI图像处理，完成《“净滩行动”——从污染海岸到蔚蓝乐园》的海报制作。【教学案例引言】

有一张被严重污染的海滩照片：沙滩上遍布塑料瓶、玻璃瓶等垃圾；海水因泥沙和污染物而显得浑浊不堪；天空灰蒙蒙的。处理目标是，利用图像处理技术，将这幅触目惊心的场景，转化为一幅能激发公众环保意识、呼吁行动的“净滩”主题宣传海报。豆包的AI图像生成主界面3.2.2传统图像处理vsAI图像处理1.“豆包”图像生成下的海报制作擦除区域重绘抠图区域重绘扩图局部重绘AI绘画前景净化：AI擦除前后对比3.2.2传统图像处理vsAI图像处理1.“豆包”图像生成下的海报制作擦除区域重绘抠图区域重绘扩图局部重绘AI绘画海水区域重绘前后对比3.2.2传统图像处理vsAI图像处理1.“豆包”图像生成下的海报制作擦除区域重绘抠图区域重绘扩图局部重绘AI绘画海水主题抠图前后对比3.2.2传统图像处理vsAI图像处理1.“豆包”图像生成下的海报制作擦除区域重绘抠图区域重绘扩图局部重绘AI绘画蓝天白云沙滩的区域重绘前后对比3.2.2传统图像处理vsAI图像处理1.“豆包”图像生成下的海报制作擦除区域重绘抠图区域重绘扩图局部重绘AI绘画豆包AI的扩图效果3.2.2传统图像处理vsAI图像处理1.“豆包”图像生成下的海报制作擦除区域重绘抠图区域重绘扩图局部重绘AI绘画海蟹海星的局部重绘3.2.2传统图像处理vsAI图像处理1.“豆包”图像生成下的海报制作擦除区域重绘抠图区域重绘扩图局部重绘AI绘画水彩画风格海报的生成结果3.2.2传统图像处理vsAI图像处理2.传统与AI的图像处理流程对比

传统图像处理的处理流程如同一个精密但割裂的手工流水线，要求用户精通多种工具，将大量时间与精力耗费在技术实现层面——从繁琐的逐项修复、依赖外部素材的合成，到复杂的手动调色与融合——整个过程技术门槛高、耗时漫长（常需数小时），且创意表达常被繁琐操作所打断。而AI辅助的处理流程则重塑了这一过程，它将用户置于“创意导演”的角色，其核心操作简化为涂抹、输入指令与点击生成；AI作为智能执行团队，承担了从语义理解、内容生成到