DeepSeek 教学应用场景 05 下一步推进应用思路 06 DeepSeek 应用注意问题 DeepSeek 是什么？ 01 DESIGN DeepSeek 是一款生成式人工智能大模型 ， 它能够理解 “ 听懂”人类语言 ， 并能够像人类一样 分析问题 ，寻找思路 ， 并给出答案（解决方案） ； 它是一位 “过目不忘”的全能型老师 ，（通过 训 练） 掌握了人类各个方面的知识 习人类的资料 ，进一步丰富自己的知识 ，更好解答。 DeepSeek 是的各种 AI 大模型中一个 ，他的基本原理与 chatGPT 、 GROK3 等一样。 认识 deepseek 当前 ，各种生成式人工智能大模型很多 ，分为通用和行业垂直 2 大类；有专注文字的 ，还有能处理音视频 和图像的（即多模态）， DeepSeek 是一个开源通用大模型 ，主要处理文本。 看看 deepseek 的方 数据训练（网络信息、 文献、 资料） 数据 内容生成（ “词语接龙” ... ） 语言是知识的载体 ，也是人类沟通的桥梁 ，理解了人类语言 ，就能理解各类知识 ，能 跟人沟通。 因此自然语言处理是人工智能皇冠上的明珠 ，大语言模型就是基于深度学习技术 的自然语言处理工具 ，通过海量数据训练实现对人类语言的理解、生成和推理能力。 了解生成式人工智能（ AI GC ） 的工作原理

学习交流可加AI肖睿团队助理微信号（ABZ2829） 第11页 ! 8 9 8 PEKING UNIVERSITY N I V 模型参数量 1. 模型能力：通常来说，参数量越大，模型就有更 强的理解和生成能力，但是需要更多计算资源。 2. 硬件需求：参数越多，对内存（RAM）和显存 （VRAM）的需求就越高。 3. 运行速度：参数量大的模型，推理速度更慢，尤 其是资源不足的时候。 4. 知识密度百日定律：参数量每3 变成“学霸”。 正式定义：模型蒸馏是一种将大型复杂模型（教师模型）的知识迁移到小型高效模型（学生模型） 的技术。 模型蒸馏的原理 教师模型的训练：先训练一个性能强大但计算成本高的教师模型。 生成软标签：教师模型对数据进行预测，得到每个样本的概率分布，这些就是软标签。 训练学生模型：用软标签和硬标签共同训练学生模型。 优化与调整：通过调整超参数，优化学生模型的性能。 蒸馏技术的优势 解码器（GPT）：生成式人工智能（AIGC） 深度学习：深度神经网络 n 预训练模型架构： • 并行矩阵计算（GPU） • 堆叠架构，容易扩展，大力出奇迹 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第23页 人工智能：现代（2020-，大模型） 大模型（预训练大模型）：大（数据多、参数多、算力多），模型（语言、视觉、多模态） Ø GPT架构：解码器（GPT），生成式人工智能（AIGC），生成-理解-决策（RL）

·· 97 6.4 内容高质量与教育包容性 ··················································· 98 6.4.1 注重内容管理与优化监管，保障生成内容科学性 ······································ 98 6.4.2 采取包容策略与方法，促进教育发展的普惠性 ········································ ··································································· 113 1 01 赋能高等教育数智化转型的 政策概览 图片 AI 生成 2 大模型背景下高等教育数智化转型研究报告 2 高等教育数智化转型是以数字化为基石，集成人工智能、大数据、区块链、云计算等技术，推动高等教育人才 培养、科学研究、社会服务、文化传承创新核 国际组织及各国政府出台的相关政策、指南和框架，旨在引导人工智能在教育领域的健康、有效、公平地应用 与推广，如表 1-1 所示。 3 大模型背景下高等教育数智化转型研究报告 表 1-1 部分国外生成式人工智能相关政策文件 时间 发布机构 政策 / 报告 相关内容 2019 年 9 月 发布 2024 年 5 月 更新 经合组织 《经合组织人 工智能原则》 5 经济合作与发展组织（OECD）于

1 实时互动教学.............................................................................63 4.1.2 智能课件生成.............................................................................65 4.2 课外学习.......... 教学效果评估....................................................................................118 7.1.1 学生成绩分析...........................................................................119 7.1.2 教师反馈...... 提升教学效率、优化资源配置、实现个性化学习，并为学校管理者 提供科学决策支持。 项目将在以下几个方面展开具体应用：首先，教学场景中，基 于深度学习算法的智能教学系统将自动分析学生的学习行为数据， 生成个性化的学习路径，并为教师提供精准的教学建议。其次，在 管理场景中，通过大数据分析平台实现对学生考勤、成绩、行为等 多维度的实时监控与分析，为学校管理者提供可视化的决策支持。 此外，评价场景中

DeepSeek，学校可以实现自动化数据采集和智 能化分析，大幅缩短评价周期，确保评价结果的及时性和有效性。 例如，通过分析学生的课堂参与度、作业完成情况和考试成 绩，DeepSeek 能够快速生成个性化的学习报告，帮助教师及时调 整教学策略，学生也能更好地了解自己的学习进度和薄弱环节。 其次，DeepSeek 的多维度数据分析能力为教学评价提供了更 全面的视角。传统评价方式通常局限于考试成绩等单一指标，难以 息。 - 评价模型构建：基于 DeepSeek 的算法，设计多维度的评价 模型，包括学生综合素质、教师教学效果和课程设计质量等。 - 智 能化反馈与改进：通过 DeepSeek 的智能分析，生成个性化的评价 报告，并为教师和学生提供针对性的改进建议。 此外，本文将介绍方案实施的具体步骤，从系统部署、数据输 入到结果输出，确保每个环节的流畅性和可操作性。同时，文章还 将讨论方案实施过 倾向，从而帮助教师了解学生的心理状态和学习体验。其 次，DeepSeek 具备语义理解能力，能够识别教学材料中的关键概 念及其关联性，为教学内容的优化提供数据支持。此 外，DeepSeek 还可以通过文本生成技术，自动生成教学总结或评 价报告，减少教师的工作负担。 为了确保 DeepSeek 在教学评价中的实际效果，其技术实现过 程中采用了以下关键步骤：  数据预处理：对教学相关的文本数据进行清洗和标准化，确保

大语言模型的三层能力：语言能力 - 知识能力 - 推理能力 01 对 AI 技术的认知：大模型的能力边 界 nLLM 的三个能力的应用：选型标准 1. 语言处理场景：语言能力 • 文字处理：翻译、摘要、判别、生成等 • 人机界面：指令、信息、 prompt 2. 知识助手场景：语言能力 + 知识能力 • 知识压缩、知识提取、知识组织 • 智能问答 3. 任务执行场景：语言能力 三观过滤更有价值 无法使用 AI 的人类个体被淘汰，镜子理论 • 法律责任：自动驾驶 无法融合人类的 AI 个体被淘汰 n 思想问题： AIGC • 信息茧房、信息幻象、 DIK 生成 • AGI 产生了自己的目标怎么办？意识呢？ 人类有明确的目标吗：功利主义（火车 道难题） 对 AI 技术的认知：通向 AGI 之 路 01 30 分钟和大家分享的内容： • 普遍借助 AI 辅助工作，提高工作效率和质量，同时改变阅读和学习习惯。 • 原画、平面设计、商业摄影、短视频、广告、动画、电影等创意行业 基于大语言模型 ( 大语言模型 ) 和 AI 生成内容 (AIGC) 工具，工作流程已经发生根本性变革，实现效率 和创意质量的双重提升 3. 创造新职业 • 提示词工程师、大模型数据工程师、大模型应用开发工程师、 AI 架构师等

走班教学资源管理：对学校走班教学的资源信息进行管理，包括教室、老师、课 时、教学科目及学生可选志愿等信息。 2. 学生志愿管理：采集并汇总学生志愿信息，以此信息作为教学资源分配、教室课 表生成、年级课表生成、教师课表生成、学生课表生成的基本依据。 3. 教学班课程管理：根据学生等级考、水平考志愿选择，对学校“行政班”、“教学班” 的课程进行编排，按照学校要求，提供学校年级课表、教师课表、学生课表、教 室课表、行政班课表及教学班课表等信息。 根据学生选课志愿，希望系统能支持自动分班，支持分班策略选择。如：教 室优先、教师优先、人数优先、学科优先、组合优先等。 c) 在实现走班及非走班科目的自动排课的基础上，希望能支持人工二次调整。 d) 希望系统支持下列课表的自动生成，：学校课表、年级课表、老师课表、学 生课表、教师课表、行政班课表及教学班课表。 3. 智能选排课走班教学管理要求 a) 实现与走班管理终端（即电子班牌）之间的无缝对接。 b) 通过数据接口，采集教学班学生考勤信息。 通过数据接口，采集教学班学生考勤信息。 c) 借助数据支持，实现对走班教学过程数据的统计分析管理。 4. 走班制课程评估要求 a) 基于走班制课程管理系统，对学生课程申请、课程学习进行跟踪记录，对记 录数据提供统计分析表，对学生成长进行全方位的评估和指导，从多个维度 对学生情况进行展现，希望提供学生-学生对比图、学生个人表现阶段分析图、 课程表现对比分析图等。 b) 支持个性化界面，不同类型用户（包括学校、老师、学生）展现不同内容。

出版于2024年，联合国教科文组织（UNESCO），7, place de Fontenay, 7535 2 Paris 07 SP, France 简短摘要 指导教师在教育中使用和滥用 AI AI处理大量信息，生成新内容，并通过预测分析辅助决策。在 教育领域，AI已将传统的教师-学生关系转变为教师-AI-学生的 动态关系。 作为全球参考，该工具指导国家人工智能能力框架的发展，影响教 师培训项目，并帮助设计评估标准。它还提供了教师构建人工智能 定了针对 教师的人工智能能力框架或专业发展计划。 该出版物以教科文组织以前在该领域的工作为基础 ， 如 教师、人工智能和教育的信 通技术能力框架 ： 对决策者的指导 ， 以及最近的 教育和研究中的生成人工智能指南。 它基于来自广泛利益相关方的贡献，受益于联 合国教科文组织成员国在开发和实施人工智能学校课程方面的见解、国际工作组的专 业知识，以及四次国际咨询会议和多轮在线咨询的成果。 该框架通过 工智能框架或项目。这主要可以归因于对 如何在日益增长的人机交互背景下定义教 师角色和能力缺乏了解。 人工智能（AI）对教育、教学与学习以及 教师角色和能力产生了重大影响。确实 ，AI能够处理远超人类能力范围的大量信 息和文本，并能生成涵盖人类思维象征 性表示范围内各种新内容，识别不同格 式数据中的模式，并通过预测分析辅助 人类决策。教育中新兴的AI应用实践清楚 地表明，AI有潜力促进新的教学、学习和 教育管理形式，以及增强学习体验并支

完整的成长档案；多维度的综合素质评价；全 方位的学习情况分析及建议。 • 学生在校轨迹全知晓，学生进校进班、答题、 用餐、活动、离校等各个节点全纪录，学生在 校全貌一览无余，学生异动时及时提醒； • 学生成绩多维分析、学生档案综合记录、家校 沟通无缝对接。 面向对象 学生 家长 教师 /班主 任 教育管理者 智慧校园的愿景 全面感知的 校园环境 协同高效的校 园治理 个性互动的教 学服务 支持老师课后的针对性教学研究 支持老师精品微课制作、简易书写电子备课 微课笔 精品录播室 录播教室 智慧教学 - 成绩分析 通过考试成绩数据自动对教师、学科、班级、小组、学生进行成绩统计、分档、 跟踪分析，并生成报表，支持自定义分析。 教务管理者 • 班级成绩汇总 • 学科分段统计 • 等第分档统计 • 组合成绩分析 • 区间分人数分布分析 • 班级均分雷达图 • 均衡指数分析 • 班级四率一平比对分析 小题汇总分析 • 教师教学质量分析 • 班级比对分析 班主任 /教师 学生 • 教师任教成绩分析 • 班级成绩汇总 • 班级成绩跟踪分析 • 小组成绩分析 • 组内学生成绩分析 • 学生成绩汇总 • 学生成绩跟踪分析 • 小题得分表 • 学生汇总成绩分析 • 学期 /学年报告单 智慧教学—可视化呈现 • 柱状图 • 雷达图 • 曲线图 • 饼图 三、智慧管理概要

支持对教室所用易用耗材（如：电池等）进行归类管理，支持对 耗材的类型、采购时间、设备类型采购人、价格等进行信息进行 添加，并生成资产信息二维码，供相关人员进行信息查询。 外循环设备 支持对教室所用设备的可移动使用设备（如：无线话筒、激光笔 等）进行归类管理，支持对外循环的类型、采购时间、设备类型 采购人、价格等进行信息进行添加，并生成资产信息二维码，供 相关人员进行信息查询。 内循环设备 支持对教室所用内部大型设备（如：交互一体机、电脑等大型设 支持对教室所用内部大型设备（如：交互一体机、电脑等大型设 备）进行归类管理，支持对内循环设备的类型、采购时间、设备 类型采购人、价格等进行信息进行添加，并生成资产信息二维 码，供相关人员进行信息查询。 资产借用 领用/归还 资产借用领用 支持教师通过 APP 端对分类设备进行领用申请，形成相关的借用 流程，可对各分类型设备的借用情况进行跟踪。 资产借用归还 支持教师通过 APP 端对分类设备进行借用归还流程的，形成一整 设备耗材：教室内教师和管理人员所使用的设备，如：电池、粉笔、信 号线等耗材产品，支持手动增加可以对资产名称、设备类型、采购人、采购时 间、数量、创建时间进行操作，数据列表可以采用倒序的方式进行显示。 支持对设备的信息生成资产二维码并可以进行下载打印。 支持设备耗材分类下的设备 excel 模版数据的导入和导出功能。 设备耗材界面 外循环设备界面 外循环设备