走向未来学习中心 数据驱动的智慧图书馆新场景 目录 CONTENTS 建设实践与应用场景 数据中台建设 时代背景与面临的任务 2 3 1 时代背景与面临的 任务 2022 年 10 月，党的二十大报告首次提出： “ 推进教育数字化，建设全民终身学习的 学习型社会、学习型大国 ”。 2023 年 5 月，中共中央政治局就建设教育强 国进行第五次集体学习： “ 教育数字化是我国开辟教育发展新赛道 为重塑教育形态、推动创新 发展带来新的机遇和挑战。 时代背景 学习范式转型：从“被动学习 ”向“ 自主学习 ” 搭建智慧学习空间 探索新型基层学习组织 打造泛在化、个性化、协作化的学习场景 源自：教育部高等教育司 . 人工智能引领高等教育数字化创新发展 . 2024-03-17. 时代背景 未来学习中心 资源为基 ， 强化全校文献 信息资源保障体系和保障 科研成果数据应用： 满足科研产出服务需 求， 持续支持校内科研 产出数据管理应用场景 —— 与校务数据中心打通 3 学科资源服务： 学科平台建设、 学科服务打造 —— 与学科院系打通 1 学习资源整合： 满足课程资源服务， 扩 展图书馆核心数据应用场景 —— 与教务部打通 建设实践 需求拉动 建设教材教参数据库： 源头参与教务平台教材管理模块的流程设计 与建设 ，初步完成教材教参数据库建设

杨强 微众银行首席人工智能官（ CAIO ） 加拿大工程院与皇家学院院士 杨强 202307 weBank AI Agent 是大模型面向应用端发展的下 一阶段 联邦学习与联邦 大模型 WeBank AI Agent 目录 2 2. 通用大模型不具备专业知识 通用大模型如直接用于各行各业，模型表现 得专业知识不足，并不能满足业务要求； 需要利用本地数据训练垂类行业大模型，大 机器学习 模型实现 2% 数据标注 25% 数据整合 10% 数据清洗 25% 通用大模型不能直接应用 对数据相关的处理过程可占据 超过 80% 的时间，其中数据标 注环节的耗时占比可达 25% 1. 通用大模型存在幻觉问 题 机器学习项目中不同环节耗费 时间结构比重 机器学习 模型训练 10% 数据识别 5% 机器学习 模型调参 5% 机器学习 算法开发 AI Agent 如何解决生成式大模型短板 微调数据（思维链） 微调效果： 6 联邦大模型 方案 ： 1. 构建联邦大模型新范式，解 决数据稀缺 / 标注不足问题； 2. 利用联邦学习技术，在保护 数据隐私的前提下，合规合 法地利用手机、汽车等终端 设备上的私域数据； 效果 ： 1. 联邦大模型，整体性能更优； 2. 联邦大模型，有效保护了私 域数据的隐私和机密。

Educational，Scientific and Cultural Organization，UNESCO）2023 年发布《2022-2025 年教师发展战略计划》提出， “教师质量是学习成果的核心要素，高质量的教师和教学有助于改善学习，实现 优质、公平和包容的教育” ①。经济合作与发展组织（Organization for Economic Cooperation and Development，OECD）2025 45(08):13-21. 2 第 1 章 生产力的发展需要大量具备技术思维、复合思维与创变思维的新质人才支撑 ①。 新质人才培养需要教师角色转型和能力提升。教师不仅需要转变角色，“做 学生学习的指导者、支持者” ②，还需发展数字素养和人机协同能力 ③，提升利用 数字技术优化、创新和变革教育教学活动的意识、能力和责任 ④，由注重知识的 单向传递转变为注重知识的双向自主建构。推动教师转型驱动育人范式升级，方 相应的设备操作使用技能，能根据教学需要开发相应的资源。 在信息技术阶段，以互联网通讯传输为载体，促进了网络教育资源普及和共 享，推动了在线教育平台、移动学习工具的出现和应用，打破了原有静态化、预 设化、固定化的教学方式，出现了混合式学习、翻转课堂、泛在学习等新型教学 方式。这一阶段需要教师掌握信息技术应用能力，从关注工具操作转向关注信息 技术与学科教学整合应用。 在智能技术阶段，以互联网、物联网、5G/6G

维修简单方便 高度集成化插拔式收发组件 信号处理器 故障实时响应 到达设备现场 2 小时内恢复工作 P12 技术成果： 延长预见 期 融合短临预报和实测数据的降水空间分布计算方法 提出了耦合深度学习和时空地理加权回归的数据融合方法（ GTWR-LSTM ） ； 融合站点观测数据与雷达回波反演或模式短临预报数据 ，提供精细化降水时空数据； 降低短临预报平均绝对误差减小 10% 以上 ，预见期延长 将水文学原理和数据驱动模型相耦合 ，构建物理函数约束的深度学习模型 ，在深度学习模型中考虑了 流域产汇流的物理机制 ，使深度学习模型测预测结果更符合物理规律。 耦合物理机制的深度学习： 产汇流机制约束的深度学习洪水预报模 型 技术成果： 提高模拟精 度 在损失函数中嵌入物理机制 在模型训练模式中考虑物理机制 P16 耦合物理机制的深度学习： 产汇流机制约束的深度学习洪水预报模型 模型结构： 在充分考虑流域产汇流机制基础上 在充分考虑流域产汇流机制基础上 ，模型构建了分布式的深度学习预报模型进行滚动预 报，最大程度控制误差； 模型输入： 前 24h 降雨与边界流量 / 水位 ，未来 72h 的气象网格降雨预报结果； 模型输出： 四条支流关键断面 ， 以及丽水站、 开潭水库未来 72h 的流量 / 水位。 技术成果： 提高模拟精 度 P17 适用性强： 与其他神经网络模型相比 ，模型结构适用于雨水

制《普惠算力赋能教育 行业研究报告（2025 年）》。报告阐述了“算力+教育”行业应用发展 的背景，剖析了算力在不同学段的应用现状，明确了“算力+教育” 产业发展状况，以及算力赋能教育在教学、学习、管理以及科研等领 域的典型应用场景，并对各应用场景的部署进行了分析，征集了“算 力+教育”在基础设施层、平台技术层和应用服务层的典型案例，最 后从基础设施、标准规范、人才培养以及政策支持等维度提出了推动 .......................... 23 （一）算力赋能革新教学模式 ........................................ 23 （二）算力赋能升级学习体验 ........................................ 27 （三）算力赋能优化教育管理 ..................................... 1996 强调为教育信息化创造基础 设施条件；NETP 2000 强调数字化学习的重要性；NETP 2010 强调利 用技术促进教育创新。NETP 2024 将教育领域的数字鸿沟划分为“数 字使用鸿沟”“数字设计鸿沟”“数字获取鸿沟”，通过对数字鸿沟进 行详细的分析、阐述，提出具体的行动倡议，以促进有效利用技术支 持教学与学习。NETP 2024 描述了三个数字鸿沟，详细地分析、阐述 教育数字

让党的旗帜在互联网上高高飘扬。 建设需求 加强党员队伍建设是党建思想的重要内容，培养高素质党员，是每个基层支部的职责，也是日常 工作。每周开展的党员学习、会议精神传达，是很多行政、事业单位日常功课。党员的思想建设 是一项长期工作，集中学习，不仅耗时耗力，而且还会产生巨额会议花费；会议精神传达，讲求 及时准确，但在实际操作中根本无法保证，自然落实就成了一句空话。村、镇一级的党建工作无 法 03 现场扫码 签到 04 扫码 签退 05 学习 台账 06 党建云视频直播用于各乡镇、村进行党员集中性 的视频会议。使用 PC 端进行视频会议的消息发 布，党员通过“云岭先锋” APP 接收消息，并在线 提交报名信息，现场进行对应直播视频的扫码签 到，直播视频结束时扫码签退，对整个学习过程 记录并生成学习台账。 视频设备 摄像头、切换台、液晶电视、笔记本 电脑 下达教育培训会议通知后，生成会议相对应的二维码，二维码贴纸现场，使用云 岭先锋手机 APP 接收会议通知，在线报名，并参加现场会议，进行收集扫码签到，记录 学习轨迹，会议结束生成学习台账及学习数据。 01. 党建云视频直播 扫码签到 学账习台 学习台账 01. 党建云视频直播 学习台账 应用场景 会议直播频道 用户扫码签到 签到成功 01. 党建云视频直播 序号 系统名称 模块名称 模块介绍 一次性建设

加入星球获取更多更全的数智化解决方案 十五五时代背景 - 国家教育信息化发展战略 支持各级学校全力推动信息技术与教育教学深度融合。鼓励学校利用大数据技术开展对教育教学活动和学生行为数据的收集、分析和反馈， 为推动个性化学习和针对性教学提供支持。各类学校建设智慧校园，综合利用互联网、大数据、人工智能和虚拟现实技术探索未来教育教 学 新模式。 国务院：《国务院关于印发国家教育事业发展“十五五”规划的通知》 教育部：《教育信息化 高教育质量的有效手段，必将成为泛在学习环境和全民终身学习的有利支撑，必将带来教育科学决策和综合治理能力的大幅提升。 要坚持教育信息化为教育改革发展服务，通过在教育教学与教育管理全过程的深入应用，使教学更加个性化、教育更加均衡化、管理更加精 细化、决策更加科学化，实现信息时代的人才培养目标。 构建信息化条件下的人才培养模式，探索基于信息技术的新型教学模式，加强对学习者任职和学习行为规律的研究，养成师生数字化教与学 字化教与学 的习惯，实施因材施教、个性化学习的新型教学组织方式。重塑教学评价和教学管理方式，利用新一代信息技术、跟踪监测教学全过程，开 展学情分析和学习诊断，精准评估教学和学习效果，变结果导向的“单一”评价为综合性、过程型的“多维度”评价。 加快形成覆盖各级各类学校、学习者和教与学全过程的教育管理与监测体系，推进基于大数据的教育治理方式变革，建立完善教育公共信息 资源开放目录，形成规范统一、

多任务协同学习 视觉－语言－动作 (VLA) 多智能体社会化交互 群体态势自主感知 集 群 协 同 感 控 一 体 视 觉感 四 未来工作 一 研究背景 二 VisDrone 数据平 台 · 三 · 低空协同感知脑 混合专家动态融合 数据支撑 大规模、多源、多模态、多任务的协同感知开放数据平台 双向动态提示学习 复原融合一体化学习 多模 k(sio cn·wi o car)) 模型动态学习模态 - 场景的关联信息 ， 实现场景样本自适应的多模态动态融合 创新：提出局部到全局的混合专家多模态动态模型构建“模态 - 场景”动态感知关联 (ICCV 2023) 在多模态非固定关联范式中动态地相互融合主导 - 辅助模态信息 双向 Adapter 结构简单、高效（仅添加 0.32M 可学习参数） ，以通用的方式将互补特征从一种模态转移到另一种模态。 每个模态分支从其他模态中学习提示信息 ，与当前模态的特征信息相结合 ，增强表征能力。 创新：基于双向 Adapter 的多模态追踪视觉提示框架 (BAT) 实现了出色的多模态互补性（ AAAI 2024 ） 任务门控的多合一退化多模态融合模型（ TG-ECNet ） Ir=TG-EC Net(t,f 动态感知低质量图像退化类型 ，提示引导专家协同学习 ， 实现 All-in-One

、协作具身 感知推理 群体执行协调不稳定 多机具身协同难 ，导致群体具身智 能感策控实现难 性能进化难 灾难性遗忘 协同自主进化机制匮乏 ，导致感知 与持续学习能力双重受限 多机协同感知数据 协同感知与具身基础数据匮乏 ，导 致基座构建受限 “ 自主差” “ 协同难” “ 数据缺” 感知大模型 Z Z " 面 。模型 1 a 模型 2 能 群体协同规划冲突 群体感知不一致 协同 一、 低空研究背 景 二、 低空数据平 台 三、 低空感知大 脑 CONTEN TS 统计机器学习长期关注数据规模、 结构及分布与模型 泛化间规律 前提假设和静态度量失效 经验规律重构新范式导向 数据样本量稀缺 需严格约束模型复杂度 根据数据结构选择模型 维度问题影响模型选择 2017 经典泛化理论质疑： Zhang, C. 《 Understanding deep learning requires rethinking generalization 》 深度学习的 “记忆随机标签”实验 ，质疑经典 VC 维解释泛 化的有效性 2019 双下降现象与复杂度权衡曲线： Belkin, M. 《 Reconciling modern machine learning

《教 育强国建设规划纲要》明确指出，需通过实施国家教 育数字化战略，构建泛在可及的终身学习体系。这要 求我们突破传统教室的物理边界，将AI教学装备视为 联通国家智慧教育平台、融入教育大数据中心的关键 节点。 从教育实践来看，AI教室的构建有助于学校形成 “师—生—机”三元协同、数据驱动的智慧学习空间。 它不仅是传统教室的硬件升级，更是实现大规模因材 施教、培育学生高阶思维与创新能力的基础环境。其 学、处处能学、时时可学的学习型社会奠定坚实基础， 共同塑造引领未来的教育新形态。 当前，我们正处在以人工智能为核心驱动力的新一轮 教育变革浪潮之中。智慧教室作为教育教学数字化转 型的关键载体，不仅是技术装备的集成升级，更是教 育理念与底层逻辑的系统性重构。它依托AI技术底座， 实现从“教”到“学”的深刻跃迁，推动教学流程再 造、场景融合与生态协同，构建以学习者为中心、数 据驱动的教育新范式。 教育部基础教育教学指导专业委员会委员 面向未来，智慧教室承载着素养导向 育人为本的时代使命！ 著名教育专家观点 产业领军人物观点 人工智能正在重新定义教育的未来。其核心在于通过 对学习过程的多维度精准感知与基于数据的自适应反 馈，真正理解每一个学习者：感知他们的学习节奏， 洞察他们的认知特点，从而实现规模化因材施教与个 性化发展支持的协同发展。 在AI教室的整体架构中，鸿合依托多模态感知等技术， 实现情感计算与学情追踪的深度融合。同时，在恪守