| 课程号 |
06733030 |
学分 |
2 |
| 英文名称 |
Education and Artificial Intelligence |
| 先修课程 |
计算机基础 |
| 中文简介 |
最近十多年来人工智能的飞速发展和广泛应用，特别是chatGPT、DeepSeek等大语言模型令人瞩目的表现，对于教育而言意义重大。作为高校学生，应该了解人工智能的前沿进展，学会如何在学习之中进行有效的人机协作，为将来进入工作岗位奠定扎实的人工智能技术基础。
本课程以DeepSeek等大语言模型为主要技术工具，全面介绍人工智能技术各个领域的最新成就及其在教育场景的创新应用。通过本课程学习，学生要能够借助大语言模型和其他传统人工智能技术（如数据挖掘、模式识别、机器人等）：
(1) 高效学习、提升自我；
(2) 制作多媒体课件讲解知识；
(3) 设计个性化作业了解和评价学生；
(4) 诊断学情教情；
(5) 因材施教；
(6) 实施编程和跨学科的STEM教育。 |
| 英文简介 |
Over the past decade, the rapid development and widespread application of artificial intelligence, particularly the remarkable performance of large language models like ChatGPT and DeepSeek, have held significant implications for education. As university students, it is essential to stay informed about the latest advancements in AI and learn how to effectively collaborate with these technologies in their studies, laying a solid foundation in AI for future careers.
This course primarily utilizes large language models such as DeepSeek as key technical tools, offering a comprehensive introduction to the latest achievements in various fields of AI and their innovative applications in educational settings. Through this course, students will learn to leverage large language models and other traditional AI technologies (such as data mining, pattern recognition, robotics, etc.) to:
(1) Study efficiently and enhance self-improvement;
(2) Create multimedia courseware to explain knowledge;
(3) Design personalized assignments to understand and evaluate students;
(4) Diagnose learning and teaching conditions;
(5) Provide tailored instruction based on individual needs;
(6) Implement programming and interdisciplinary STEM education. |
| 开课院系 |
教育学院 |
| 通选课领域 |
|
| 是否属于艺术与美育 |
否 |
| 平台课性质 |
|
| 平台课类型 |
|
| 授课语言 |
中英双语 |
| 教材 |
|
| 参考书 |
|
| 教学大纲 |
本课程以DeepSeek等大语言模型为主要技术工具，全面介绍人工智能技术各个领域的最新成就及其在教育场景的创新应用。通过本课程学习，学生要能够借助大语言模型和其他传统人工智能技术（如数据挖掘、模式识别、机器人等）：
(1) 高效学习、提升自我；
(2) 制作多媒体课件讲解知识；
(3) 设计个性化作业了解和评价学生；
(4) 诊断学情教情；
(5) 因材施教；
(6) 实施编程和跨学科的STEM教育。
第1章 教育和人工智能，2学时
1.1 教育和一般教学系统
1.2 教育和自然智能
1.3 人工智能
1.4 教育、自然智能与人工智能的关系
第2章 一般教学系统，2学时
2.1 一般教学系统的五个元素
2.2 元素之间的关系
2.3 动态性
2.4 开放性
2.5 教育者的功能
2.6 教学法和理论基础
2.7 工作效率
2.8 计算机辅助教学系统
第3章 知识工程和教育，2学时
3.1 知识定义和分类
3.2 谓词表示法
3.3 产生式表示法
3.4 Prolog 简介
3.5 语义网络表示法
3.6 脚本表示法
3.7 在教育技术上的应用
3.8 大语言模型与知识表示
第4章 教育数据挖掘，6学时
4.1 基本概念
4.2 常用算法
4.3 EXCEL
4.4 SPSS
4.5 WEKA
4.6 MOOC大数据分析
4.7 在线学习活动指数（OLAI）
4.8 教育数据挖掘案例
4.9 大语言模型与数据挖掘
第5章 自然语言处理和教育，4学时
5.1 自然语言及其理解
5.2 语音识别和语音合成
5.3 词法分析
5.4 句法分析
5.5 语义分析
5.6 聊天机器人与智能答疑系统
5.7 计算机辅助语言学习案例
5.8 大语言模型
第6章 模式识别和教育，2学时
6.1 定义
6.2 情感计算和分类
6.3 情感测量
6.4 情感表达
6.5 教育应用
6.6 大语言模型与模式识别
第7章 智能教学系统，2学时
7.1 定义
7.2 构成要素
7.3 实现技术
7.4 发展历程
7.5 应用效果
7.6 大语言模型与智能教学系统
第8章 CSIEC系统和MIATS系统，2学时
8.1 英语智能教学系统CSIEC及其教学整合
8.2 数学智能教学系统MIATS及其教学整合
第9章 机器人和教育，2学时
9.1 机器人技术
9.2 教育应用
9.3 人工智能教育
9.4 创客和创新教育
9.5 基础教育的重要性
教学方式：
教师授课为主，60%；学生要参与课堂讨论和实践操作，40%。
充分利用课程管理系统的交互性，实践混合式教学。
学生成绩评定办法：
考勤、讨论和练习： 20%
期末测验： 20%（在线开放选择题）
期末作业： 60%（关于某一专题的文献报告，按照模版填写内容，3页以上；或者课程项目提交）。
|
| 教学评估 |
|
|