| 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 |
| 成绩记载方式 |
|
| 通识课所属系列 |
|
| 授课语言 |
中英双语 |
| 教材 |
Encyclopedia of Educational Technology,Mike Spector,Sage,2015.2, |
| 参考书 |
1,9781452258225；
；
|
| 教学大纲 |
最近十多年来人工智能的飞速发展和广泛应用，特别是GPT等大语言模型令人瞩目的表现，对于教育而言意义重大。作为高校学生和教育工作者，应该了解人工智能的前沿进展，合理、合法使用最新的人工智能技术、提高人工智能时代的数字素养。
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），高效学习、提升自我，制作多媒体课件讲解知识，设计个性化作业了解和评价学生，诊断学情教情，因材施教，实施编程和跨学科的STEM教育。
第1章 教育、自然智能与人工智能，4学时
1.1 教育
1.2 自然智能
1.3 人工智能
1.4 教育技术
1.5 教育，教育技术与人工智能之间的关系
练习
第2章 一般教学系统，2学时
2.1 定义—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 教学理论
2.7 计算机和人工智能的作用
第3章 制作多媒体课件讲解知识，7学时
3.1 学科知识搜索和组织
3.2 图片生成
3.3 语音合成
3.4 歌曲生成
3.5 视频生成
3.6 字幕添加
3.7 PPT制作
练习
第4章 设计作业了解学生，5学时
4.1 客观题设计和导入CMS
4.2 客观题自动评价
4.3 主观题设计和导入CMS
4.4 主观题评价
练习
第5章 教育数据挖掘，4学时
5.1 基本概念
5.2 常用算法
5.3 EXCEL
5.4 SPSS
5.5 WEKA
5.6 大语言模型与数据挖掘
练习
第6章 模式识别与教育，2学时
6.1 情感计算
6.2 情感分类
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
练习
第7章 智能教学系统，2学时
7.1 定义
7.2 组成要素
7.3 实现技术
7.4 发展历程
7.5 应用效果
8.6 大语言模型与智能教学系统
练习
第8章 CSIEC和MIATS，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
练习
第9章 编程和机器人教育，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
练习
第10章 总结和学生展示 1学时
教学方式：
(1)教师授课为主：60%；
(2)学生参与课堂练习和讨论：40%。
考勤和讨论： 10%
课堂报告： 20%（20分钟以上并提交PPT）
期中作业： 20%
期末测验： 20%（在线选择题）
期末论文： 30%（关于某一专题，按照模版填写内容，5页以上）。
|
| 教学评估 |
贾积有：
学年度学期：17-18-1，课程班：教育与人工智能1，课程推荐得分：4.53，教师推荐得分：4.69，课程得分分数段：95-100；
学年度学期：17-18-2，课程班：教育与人工智能1，课程推荐得分：4.22，教师推荐得分：3.75，课程得分分数段：85-90；
学年度学期：18-19-1，课程班：教育与人工智能1，课程推荐得分：0.0，教师推荐得分：8.75，课程得分分数段：95-100；
学年度学期：18-19-2，课程班：教育与人工智能1，课程推荐得分：0.0，教师推荐得分：9.38，课程得分分数段：95-100；
学年度学期：19-20-1，课程班：教育与人工智能1，课程推荐得分：0.0，教师推荐得分：7.5，课程得分分数段：80-85；
学年度学期：19-20-2，课程班：教育与人工智能0，课程推荐得分：null，教师推荐得分：null，课程得分分数段：null；
学年度学期：20-21-1，课程班：教育与人工智能1，课程推荐得分：0.0，教师推荐得分：5.0，课程得分分数段：80及以下；
学年度学期：21-22-1，课程班：教育与人工智能1，课程推荐得分：0.0，教师推荐得分：7.5，课程得分分数段：95-100；
学年度学期：22-23-2，课程班：教育与人工智能0，课程推荐得分：0.0，教师推荐得分：10.0，课程得分分数段：100-105；
学年度学期：22-23-3，课程班：教育与人工智能1，课程推荐得分：0.0，教师推荐得分：10.0，课程得分分数段：90-95；
学年度学期：23-24-1，课程班：教育与人工智能0，课程推荐得分：0.0，教师推荐得分：8.75，课程得分分数段：90-95；
学年度学期：23-24-2，课程班：教育与人工智能1，课程推荐得分：0.0，教师推荐得分：8.33，课程得分分数段：85-90；
学年度学期：24-25-1，课程班：教育与人工智能0，课程推荐得分：0.0，教师推荐得分：9.38，课程得分分数段：90-95；
学年度学期：24-25-3，课程班：教育与人工智能1，课程推荐得分：0.0，教师推荐得分：8.75，课程得分分数段：null；
学年度学期：24-25-2，课程班：教育与人工智能0，课程推荐得分：0.0，教师推荐得分：10.0，课程得分分数段：100-105；
学年度学期：25-26-1，课程班：教育与人工智能0，课程推荐得分：0.0，教师推荐得分：9.5，课程得分分数段：90-95；
|
|