.......................................................................................20 2.1 目标用户群体......................................................................................23 2.1.1 学生. 和综合素质。许多学生在应试教育的压力下，往往丧失了对知识的 兴趣，创造力和批判性思维能力的培养也受到忽视。 此外，教育公平的实现同样面临挑战。无论是经济背景、文化 差异还是性别歧视，各种因素可能导致某些群体在教育获得上的不 平等。在教育过程中，这些群体往往难以获得与其他学生同等的学 习机会，长此以往，这将加剧社会的不平等现象。 在信息技术的快速发展背景下，教育领域有了新的机遇和挑 战。大数据和人工智能的应用可以为教育提供创新的解决方案，但 大模型的设计方案需要充分融入以上分析的结 果，确保能够有效支持不同用户的教育目标并提高教育质量。 2.1 目标用户群体 在教育 AI 大模型的设计方案中，首先需要明确目标用户群 体，以确保模型能够有效满足用户需求并提供有效的服务。目标用 户群体主要可以分为以下几个类别： 1. 学生群体：主要包括小学生、中学生和大学生。他们是直接使 用 AI 大模型进行学习的主体，需求包括个性化学习建议、智

活动推进 5 大 数 据 6 运营服务 机构 厂商 个人 群体 统计报表 分析报表 ………… 平台准入 系统认证 接口服务 信息服务 数据服务 应用服务 计费服务 ………… 资源服务 工具服务 个人空间 推 送 服务 课程学习 课程作业 学业测评 学习分析 成长档案 分享 讨论 圈子 活动 群体分析 群体指标 上海教享科技有限公司 — 24 — 智慧教育核心场景 帮你 搞定 帮你 搞定 帮你 搞定 帮你 搞定 数据获取、汇聚 统计、分析、挖掘、利用、监管、服务 个体行为记录 个体学习记录 个体学情报告 个体互动报告 群体行为分析 群体学习分析 群体学情报告 群体互动报告 上海教享科技有限公司 — 27 — 智慧教育核心场景

生命体征监测设备联 机 院内急救接诊系统 120 急救监控系统 急救质控与统计分析 胸痛中心 卒中中心 创伤中心 危重孕产妇救治中心 危重儿童和新生儿救治中心 预检登记 检伤评估 腕带打印 群体事件登记 HIS C I S LIS R I S PACS … 智能医嘱 移动查房 会诊管理 急诊病历 留观系统 护理病历 输液管理 移动护理 急救平台数据集 病人同步至预检分诊 ，病人未到 ，数据先行； 与院前急救、 院内 HIS 互通 ，打通绿色通道 ， 实现“先救治 ，后付费”； 危重评分 ，创伤评分； 三无病人基本信息自动生成 ， 支持群体事件快速 登记功能。 03 专科救治中心系统 Five central systems . 时间自动采集系统 院内救治医 护系统 体征数据采集系统 时间 轴管理 质 控分析 时钟同步管理 医院急诊科规范化流程； n 医院智慧服务分级标准； n 医院三级评审 /JCI 。 更便捷 n 根据预检分级知识库自 动分级； n “ 绿色通道 ” 功能 ， 就诊 更方便； n 支持群体事件快速登记； n “ 随心复 ” ， 便捷引用病 历内容。 更丰富 n 临床与管理结合 ， 软件 与硬件结合； n 丰富的医嘱套餐和医疗 文书； n 强大的统计分析功能 ， 展现形式多样化

到管理平台，平台触发平 安信 息推送至家长。 5G 平安校园 关键场景 2 ：危险行为预警 ⚫ 借助 5G 智慧摄像头对校园人员密度实时监控，结合人工智能相关行为分析算法，及时预警提醒安保人员勘察 控 制，避免群体性事件。对于捕捉到的人脸信息，在后台数据库中比对公安系统通缉罪犯信息，一旦发现可疑 人 员即刻短信触发通知安保人员。 warning 通过前端设备采集校园内所有 人脸图像，建立人脸库，后台 据库，一旦发现可疑人员即刻 通知安保人员。 对操场、宿舍、楼梯口、角落等位 置进行布设，实时分析人口密度； 检测到人口密度超标，实时预警提 醒保安人员进行勘察控制，避免楼 梯踩踏事件，和群体打架事件。 通过对高校互联网出入口的原始流 量进行自动化协议识别解析，实现 高等院校学生上网行为监管，提前 告警、拦截诈骗、翻墙、校园贷、 赌博、间谍、舆情等危害学生、校 园的网络行为，打造安全、文明网 数据实时掌控全局层面的 人、财、物和学校影响力 情况，制定学校发展的宏 观决策。 教务处：从教 室管理角度 出发，需要 了解全体教师 在教学、 科研、健康、轨 迹、行 为等方面的日常数 据， 形成教师群体画像。 ⚫ 学生处：以学生为中心， 需要搜集学生在学习、行 为、轨迹、健康、消费等 方面的日常数据，形成学 生画像。 问题 5G+ ⚫ 5G 网络 +MEC 解决 学校多个独立系统

lvhairong@tsinghua.edu.cn 清华大学数基生命交叉创新群体 ④ 医 疗 应 用 ⑤ 数 基 生 命 ① 关 于 预 训 练 群体顾问 戴琼海 中国工程院院士 李衍达 中国科学院院士 董家鸿 中国工程院院士 Wing H. Wong 美国科学院院士 ② 剖 析 大 模 型 群体骨干 ③ 精 准 可 解 释 张静 群体带头人 张学工 生物信息与机器学习专家 清华大学自动化系教授 数据 - 知识双驱动构建大模 型 智能健康管理 智能精准医疗 智能公共健康 数基生命实验 数基设计靶向治疗 数碳耦合组织工程 生命机理数基重现 生命数字化 全方位跨尺度数据感知 群体 - 个体 - 系统 - 器官 - 组织 - 细胞 - 分子 宏观 - - - - - - - - - - - 微观 共性平台技术 CHIMA 20Pag2 Tsinghua

或来自 边缘化群体。 CG2.1. 3 建立关联 在伦理原则和 标准通过实例 本地、国家或国际 关于道德的法规 人工智能 ； 讨论其含义 为个人和解释 核心伦理原则如何 ： 在本地或 国家监管框架。 CG2.1. 4 倡导包容性 在 AI 和指南的使用中 教师讨论风险 特定的 AI 工具可以向 包容和公平 ， 包括 在教育环境中 ， 以及 特别关注学习者 谁有残疾和 / 或 来自边缘化群体 ； 指南 法规跟上 AI 技术的迭代 并评估适用 通过匹配的法规 他们的道德原则 和当地背景。 AI 工具的偏见 ： Be 注意 AI 工具的偏见 在学校和他们的 可能排除或 边缘化的人 残疾和学生 弱势群体 ； 将风险报告给 机构经理或 负责的机构。 30 教师的 AI 能力框架 - 第 4 章 ： AI CFT 规范 收购 老师 CompetENCY 学习目标 (LO) （ 教师可以 方便学生 或同行教师谁在 初学者获得的水平 相关知识和技能 数据、算法和编码。 知情举报 在设计伦理中 ： Apply 了解 AI 如何 是训练和示范 调查性别的能力 偏见和歧视 反对残疾人 或弱势群体 可能植根于数据集 ， 数据标签、算法和 训练方法。揭示和 报告任何基于证据的 偏见或伦理的发现 风险。 CG3.2. 1 丰富操作和 比较典型的经验 AI 工具 ， 支持教师 获得主要功能的经验

通过上述方案，教师可以更加高效地跟踪学生的表现，及时发 现问题并提供针对性的支持。这不仅有助于提升学生的学习效果， 也为教师的日常教学管理提供了有力支持。 2.2 学生需求 在教育环境中，学生是核心用户群体，他们的需求直接影响学 习效果和体验。首先，学生需要一个能够适应不同学习风格和节奏 的平台，deepseek 应提供个性化的学习路径，根据学生的学习历 史和表现自动调整内容难度和类型。例如，对于视觉学习者，可以 确率、完成时间、参与度等。这些数据将被实时同步到后台数据 库，并通过预处理模块进行清洗和标准化，以确保分析结果的准确 性和一致性。 其次，采用机器学习算法对学生的学习行为数据进行聚类和分 类，识别出不同学习风格的学生群体。例如，部分学生可能在理论 知识的掌握上表现优异，但在实践应用上稍显不足；另一部分学生 则可能表现出较高的自主学习能力，但在团队协作中遇到困难。通 过这些分析，教师能够针对性地调整教学策略，提供个性化的学习 遍困难，或者哪些学生倾向于在特定时间段内学习效果最佳。 以下是一个简单的聚类分析示例，展示了三种不同的学生群体 及其学习特征：  群体 A: 课堂参与度高，但作业完成率低，测试成绩中等，建 议加强作业监督和个性化辅导。  群体 B: 课堂参与度中等，作业完成率高，测试成绩优秀，建 议提供更多挑战性任务和拓展资源。  群体 C: 课堂参与度低，作业完成率中等，测试成绩较差，建 议增加互动式教学和情感支持，激发学习兴趣。

 认 证 方 式 ： 认 证 系 统 需 要 支 持 Portal 、 MAC 、 802.1x ， PPPOE 等多种认证方 式，以满足不同场景下，不同群体（老师，学生， 访客）的接入认证需求。 计费方式：需要针对不同的群体实现差异化的灵活 计费方式，如基于时长（包月、包年），基于流 量、基于 DAA （目的地址计费）等 与有线网络兼容 新建 WLAN 网络必须考虑与原有有线网络 优势，低投资、低能耗、高效率地部署学校工作相关的应用系统。 校园微服务 在原依附于 PC 终端设备为访问工具的数字化校园应用基础上进行拓展，采用无 线移动终端通讯工具，为校园广大师生甚至更大的校园相关群体提供教学、管 理、生活及文化等方面服务，移动数字化校园可以涵盖高校各个业务领域，包括 教学、管理等，通过融入语言、短信、无线网。 运维监控平台 用于系统、网络和网络设备监控的应用程序。它可以在设定的条件下对主机和服

打造临床思维 加 知识 堆 技能 强 推理 知识 循证 智能体 平台 结论可循证 人工智能的未来 -AI 智能 体 人类智能 脑容量小 脑容量大 工具使用 群体协作 人工智能 小模型 大模型 智能体 群体智能 人工智能很可能即将走跟人类智能一样的发展路径！ AI 与检验人的关系将会如何发 展 检验人会被人工智能取代吗？ 加入星球获取更多更全的数智化解决方案 人机协同与互补：未来社会的共生模式

题。 首要的挑战之一是数据偏差, 生成式人工智能的 学习依赖于大量数据, 然而这些数据可能存在偏差或 偏见, 可能导致模型产生不准确或歧视性的结果, 例 如某些处方在治疗中青年群体表现出较好疗效, 但可 能不适用于老年群体。 若使用人工智能影响了医生决 策, 将会导致严重后果。 其次, 生成式人工智能在透 明度和可解释性方面存在不足, 而医疗涉及人身安 全。 在使用类似 ChatGPT 这样的生成式人工智能时