具体成果 个人与团队 协作 时间适应性 敏捷软件开发宣言 EDGE 原 则 延伸 P1 3 关于转型的基本问题 EDGE 答案 我们应该如何合作？ 你必须了解团队如何发展，以应对不断加速变化的大环境 应如何投资？ 你需学会分配投资和监控决策，以便更快地适应未来 怎样才能足够快地适应？ 你只有不断学习和快速适应，才能建立超越竞争对手组织的勇 气 关于转型的三个基本问题 EDGE 人们试图更好地理解和认识 彼此 有可能达到合作所需的信 任度 performing 03 02 P10 3 价值实现团队（ VRT ）取代了项目管理办公室或投资组合管理办公室（ PMO ），致力于加速价值交 付。 价值实现团队的角色如下： 价值实现团队的角色 促进投资回顾和调整 分享可视化的资源安排 支持敏捷 / 精益实践和持续学习的心态 促进工作流转 促进投资转向或终止 分享可视化的投资全景图

是三個孩⼦的媽媽，孩⼦⽬前分別是國⼩三年級、⼆年級及⼆歲半。 張淑玲 昶⼼蒙特梭利實驗教育機構負責⼈，是台灣早期投入實驗教育的 先驅。關⼼教育創新與公共議題，期待實驗教育能夠成為國教創新的 原型，加速公共教育創新，⽬前除了致⼒於蒙特梭利教育理念的推廣 外，也投入PBL 專題導向式學習法的推動。 曾俊夫（⼩⿊老師） 原任新北市積穗國⼩老師，現任新北市海⼭國⼩老師，在⼆⼗六 年的教學經歷中， 請ChatGPT「⽤⼿機的功能，寫⼀⾸讚美愛情的詩」，得到的結 果也同樣乏善可陳： ⼿機啊⼿機你帶給我 ⼀個甜蜜的消息告訴我愛情的滋味 在你的螢幕上我看到了她的笑容 每⼀個訊息都讓我⼼跳加速 我的⼿指在按鍵上⾶快的滑動 回覆著她溫柔的話語我知道這是真愛 ⽬前AI寫不出「天青⾊等煙雨，⽽我在等你」這種佳句，是因為 不懂「邏輯中反邏輯」的創意寫作。 創意是有邏輯的反邏輯，⽽AI很難反邏輯 來。過程中有⼀件非常重要的事情，亦即引導他們在真實的⽣活情境 裡學習，這正是專題式學習最重要的特⾊。 去年底ChatGPT問世後，AI⼈⼯⽣成智慧科技的應⽤⼈⼈能上 ⼿，感受到科技的威⼒，更積極讓⼤家反思教育現場必須加速轉型。 因為過去學習的本質是知識的吸收和整理，學習內容以考試導向的解 題練習為主，這些往往是與⽣活脫節的單向教導，最後學⽣⾯對⼀致 性的考試評量，以此決定能否進入理想中的學校。不久的將來，這些

50.2 35.6 77.5 66.1 91.4 86.3 40.8 72.1 70.3 数字化战略是企业数字化转型的核心前提和所有转型活动的顶层设计，为企业抢占数字化发展先机、加速转型变革提供方向性和全 局性的方略。 贯穿始终的数字化战略是数字化转型成功的前提 85.7% 75% 85.7% 75% 数字化转型的现状和趋势 实现业绩增长 的企业占比 实现盈利的 善用资本杠杆 强调性价比 数字化如何改变商业模式——获取价值 2. 数字化转型要以战略为前提 数字化转型战略是企业数字化转型的核心前提和 所有转型活动的顶层设计，为企业抢占数字化发 展先机和加速转型变革提供方向性、全局性的方 略。 3. 数字化转型必须与业务结合 数字化转型本身不是目的，而是为了支持企业创 新和成长。因此要推动数字化转型，必须从企业 遇到的实际问题出发。

" 员工是企业的主体 " 意 员工是企业的主体阶段 数字时代 工商业正在发生的最伟大的变革 , 不是以所有权为基础的企业关系的出现 , 而是以合作伙伴 关系为基础的企业关系 的加速增加。 管理学之父 彼得 德鲁克 现代市场竞争应改变过去那种竞争即你死我活的观念 , 重新建立一种既竞争又合作的观念。 未来企业的竞争优势将很大程度上取决于企业与竞争对手的合作。

，数以万计 的企 业不断被淘汰 他们之所以失败 ，是因为只关注到机会 或 者自身的发展空间 ，没有立足于“ 共 生” 和“众享” 的可持续发展 数字化时代，不仅仅是加速度的“量变” 更是底层商业和战略逻辑的“ 质变” 竞争逻辑 在工业化时代，企业的边界和行业的边 界 都相对清晰，企业是在一个明确的空 间内 寻求发展 ，并将其他企业视为竞技

随着AI和AIGC技术的不断发展，数字化技术将与教育深度融合，为教育事业的发展 注入新的活力和动力，有望为未来的教育事业带来革命性的变化和提升。 1.2 AI技术对教育教学的影响 教育数字化的历史进程开始于数据化，发力于网络化，加速于智能化。 经济合作与发展组织（OECD）教育研究与创新中心副主任斯蒂芬·文森特-朗科瑞 在《2023年数字教育展望：迈向高效数字教育生态系统》报告中表示，线下学习向 远程学习的转变并不等同于教育 知识结构的重塑：在AI时代，知识不再是线性、层次分明的结构，而是呈现出 网状、互联互通的特征。通过链接分析、语义网络等技术，我们可以揭示知识之间 复杂的关联和互动关系，从而形成更加全面和深入的理解。 ❍ 知识创新的加速：AI技术为知识创新提供了新的动力。机器学习算法可以在大 量数据中发现新的规律和模式，为科学研究提供新的思路和方法。同时，自动化和 智能化的生产工具也大大降低了创新的门槛和成本，使得更多人能够参与到知识创

Padmanabhan,Whang（1997）关于这个问题的论文，是供应链管理 中10篇被应用次数最多的论文。 在典型情况下，不同阶段的不同订单需求如图13-2所示。对订单进 行跟踪，我们注意到其增长加速是从客户到零售商，最后到批发商，再 到经销商，最后到工厂。 图 13-2 啤酒游戏的标准输出 图 13-2 （续） 注：图书的数据来自于纽约大学的本科生在2008年夏天进行啤酒游戏时 候的数据，图表由Vishal