Phase 0-2: Schema cleanup, typed relations, event-driven automation

- Phase 0: AGENTS.md cleanup (dedup quotes, renumber sections, merge qmd) - Phase 1: typed relations (manage-relations.py, graph-search.py, check-staleness.py, detect-conflicts.py) - Phase 2: frontmatter validator, weekly lint, knowledge promotion, git hooks - Fix .gitignore to track tools/ and .githooks/ - Fix git remote URL (remove plaintext token) - New wiki pages: 504 pages, 34 raw sources
2026-07-01 08:05:43 +08:00
parent e544d6e04a
commit a6f05ab2d5
1067 changed files with 522992 additions and 819 deletions
@@ -0,0 +1,357 @@
+---
+title: "高校AI教育研究 — 论文 Idea Document"
+description: "中外顶尖高校AI教育实践对比研究论文的结构化规划文档"
+author: ["老何"]
+created: 2026-04-23
+tags:
+  - research
+  - ai-education
+  - higher-education
+  - paper
+categories:
+  - "[[Research]]"
+status: draft
+type: idea
+source: ""
+---
+
+<!--
+================================================================================
+IDEA DOCUMENT — 高校AI教育研究论文
+================================================================================
+
+基于 llm-wiki 模式设计的人机协作学术论文写作模板
+Human: 老何（高校法学教师，AI教育研究者）
+LLM: 狗剩（AI协作代理）
+================================================================================
+-->
+
+# Idea: 中外顶尖高校AI教育实践对比研究
+
+> **一句话描述**：系统梳理全球顶尖高校在AI教育领域的政策规划、课程设计、实施路径与成效评估，为国内高校AI教育发展提供理论参照与实践指南。
+
+---
+
+## 1. 研究背景与动机
+
+### 1.1 问题陈述
+
+当前高校AI教育面临以下核心挑战：
+
+| 问题维度 | 具体表现 |
+|----------|----------|
+| **课程供给** | AI课程碎片化、与专业脱节、层次不清 |
+| **师资能力** | 教师AI素养参差不齐，教学方法陈旧 |
+| **制度保障** | 缺乏顶层设计、资源配置不均、评估体系缺失 |
+| **国际差距** | 与MIT、Stanford等顶尖高校相比存在显著差距 |
+
+### 1.2 现有研究现状
+
+<<<已有研究（LLM补充）>>>
+
+- 国内研究：政策文本分析、案例描述为主，缺乏系统性比较
+- 国外研究：MIT OpenCourseWare、Stanford AI Lab 等有丰富实践，但整合性不足
+- 核心文献：<<<LLM搜索补充，首先搜索本地笔记仓库，然后再搜索补充>>>
+
+### 1.3 研究价值
+
+| 价值类型 | 具体描述 |
+|----------|----------|
+| **理论价值** | 构建高校AI教育的多维分析框架 |
+| **实践价值** | 为国内高校AI教育规划提供可操作的参照系 |
+| **政策价值** | 为教育主管部门制定AI教育政策提供证据支持 |
+
+---
+
+## 2. 研究框架
+
+### 2.1 核心概念界定
+
+```
+AI教育 = AI素养培育（通识）+ AI专业人才培养（专识）+ AI辅助教学应用（应用）
+
+高校AI教育实践 = 政策规划 × 课程设计 × 师资建设 × 资源配置 × 成效评估
+```
+
+### 2.2 比较研究框架
+
+**研究对象**（示例，可调整）：
+
+| 层级 | 国内高校 | 国外高校 |
+|------|----------|----------|
+| **顶尖研究型** | 清华大学、北京大学、浙江大学 | MIT、Stanford、Oxford、Cambridge |
+| **特色研究型** | 上海交通大学、复旦大学 | ETH Zurich、Imperial College |
+| **应用型** | 电子科技大学、北京邮电大学 | CMU、Georgia Tech |
+
+**分析维度**：
+
+| 维度 | 子指标 | 数据来源 |
+|------|--------|----------|
+| **政策规划** | AI战略文件、组织架构、资金投入 | 官网文件、新闻报道 |
+| **课程设计** | 课程数量、课程类型、与专业结合度 | 培养方案、课程表 |
+| **师资建设** | 教师背景、培训机制、教研产出 | 教师主页、学术产出 |
+| **资源配置** | AI实验室、算力平台、产学合作 | 设施清单、合作企业 |
+| **成效评估** | 学生AI能力测评、就业质量、社会影响 | 第三方评估、就业报告 |
+
+### 2.3 预期产出
+
+- [ ] **核心论文**：CSSCI/北大核心期刊一篇
+- [ ] **比较报告**：中外高校AI教育对比报告（Markdown格式）
+- [ ] **数据库**：高校AI教育案例库（Excel + Obsidian）
+- [ ] **可视化**：图表、框架图、对比矩阵
+
+---
+
+## 3. 人机协作分工
+
+### 3.1 Human（老何）
+
+| 职责 | 具体任务 |
+|------|----------|
+| **Source** | 提供已有文献、资料线索、人脉资源 |
+| **Direction** | 确定研究范围、强调重点、筛选标准 |
+| **Ask** | 提出核心研究问题、验证LLM的解读 |
+| **Think** | 把握研究创新点、判断理论框架的合理性 |
+| **Review** | 审核文献综述的准确性、结论的可推广性 |
+
+### 3.2 LLM（狗剩）
+
+| 职责 | 具体任务 |
+|------|----------|
+| **Research** | 系统搜集高校官网、政策文件、学术文献 |
+| **Extract** | 提取关键信息（政策要点、课程特色、数据指标） |
+| **Compare** | 构建比较矩阵、识别差异与共性 |
+| **Synthesize** | 综合分析、提炼模式、提出发现 |
+| **Draft** | 撰写各章节草稿、生成参考文献 |
+| **Maintain** | 维护文献数据库、更新研究进度 |
+
+---
+
+## 4. 工作流程
+
+### 阶段一：探索（Explore）— 预计 3 天
+
+**目标**：建立对中外高校AI教育实践的整体认知
+
+```
+Day 1: 资料扫描
+  → LLM 搜集清华、北大、MIT、Stanford 的AI教育政策与课程资料
+  → 产出：初步扫描报告（5-10页）
+
+Day 2: 框架构建
+  → LLM 基于扫描结果，与你讨论比较框架
+  → 确定：研究对象名单、分析维度、数据采集表
+  → 产出：研究框架 v1.0
+
+Day 3: 差距分析
+  → LLM 识别主要差距点，标注信息缺口
+  → 你确认重点研究方向
+  → 产出：关键研究问题清单
+```
+
+**产出文件**：
+- `explorations/01-资料扫描报告.md`
+- `explorations/02-研究框架.md`
+- `explorations/03-研究问题清单.md`
+
+### 阶段二：构建（Build）— 预计 7 天
+
+**目标**：完成文献综述与比较分析
+
+```
+Day 4-5: 文献综述
+  → LLM 系统梳理AI教育研究文献（国内外）
+  → 你审核并补充遗漏的重要文献
+  → 产出：文献综述章节草稿
+
+Day 6-7: 深度案例
+  → LLM 深入分析每所高校的AI教育实践
+  → 产出：高校案例档案（每所高校1-2页）
+
+Day 8-10: 比较分析
+  → LLM 构建比较矩阵，提炼共性与差异
+  → 你解读发现，补充实践洞察
+  → 产出：比较分析章节 + 核心发现
+```
+
+**产出文件**：
+- `builds/01-文献综述.md`
+- `builds/02-高校案例档案/`（目录）
+- `builds/03-比较分析.md`
+- `builds/04-核心发现.md`
+
+### 阶段三：迭代（Iterate）— 预计 5 天
+
+**目标**：完善论文结构，深化理论框架
+
+```
+Day 11-12: 理论框架
+  → LLM 基于发现，构建理论分析框架
+  → 你评估框架的解释力与创新性
+  → 产出：理论框架章节
+
+Day 13-14: 政策建议
+  → LLM 基于比较发现，提出针对性建议
+  → 你把关建议的可操作性与现实约束
+  → 产出：政策建议章节
+
+Day 15: 整合修订
+  → LLM 整合各章节，统一格式与引用风格
+  → 你最终审核逻辑连贯性与学术规范
+  → 产出：论文完整草稿 v1.0
+```
+
+**产出文件**：
+- `builds/05-理论框架.md`
+- `builds/06-政策建议.md`
+- `builds/论文完整草稿v1.0.md`
+
+### 阶段四：产出（Deliver）— 预计 3 天
+
+**目标**：最终定稿与格式规范化
+
+```
+Day 16-17: 格式规范化
+  → LLM 按目标期刊格式调整（GB/T 7714引用、脚注规范）
+  → 产出：格式规范稿
+
+Day 18: 终审与提交
+  → 你最终通读，确认无误
+  → LLM 生成参考文献、检查重复率提示
+  → 产出：最终定稿 + 投稿
+```
+
+**产出文件**：
+- `deliverables/论文定稿-最终版.docx`
+- `deliverables/参考文献.bib`
+- `deliverables/投稿说明.docx`
+
+---
+
+## 5. 研究数据库 Schema
+
+### 5.1 高校信息表
+
+```yaml
+高校编号: uni-001
+高校名称: 清华大学
+英文名称: Tsinghua University
+所属国家: 中国
+所属地区: 亚洲
+高校类型: 综合研究型
+AI教育层级: 通识+专业+研究
+官网: https://www.tsinghua.edu.cn
+创建时间: 2026-04-23
+更新人: LLM
+状态: active
+```
+
+### 5.2 课程数据库字段
+
+| 字段 | 类型 | 说明 |
+|------|------|------|
+| course_id | STRING | 课程唯一标识 |
+| course_name | STRING | 课程名称（中/英） |
+| university | STRING | 所属高校 |
+| course_type | ENUM | 通识/专业/核心/选修 |
+| credits | NUMBER | 学分 |
+| hours | NUMBER | 课时 |
+| instructor | STRING | 授课教师 |
+| language | STRING | 授课语言 |
+| ai_topic | LIST | AI主题标签 |
+| source_url | STRING | 课程大纲链接 |
+| notes | TEXT | 备注 |
+
+### 5.3 Obsidian 笔记结构
+
+```
+raw/教育AI研究/
+├── 高校案例库/
+│   ├── 中国/
+│   │   ├── 清华大学.md
+│   │   ├── 北京大学.md
+│   │   └── 浙江大学.md
+│   └── 海外/
+│       ├── MIT.md
+│       └── Stanford.md
+├── 文献库/
+│   ├── 论文/
+│   └── 报告/
+└── 数据/
+    ├── 课程数据库.json
+    └── 比较矩阵.md
+```
+
+---
+
+## 6. 参考资料
+
+### 6.1 核心政策文件
+
+- [ ] 教育部《高等学校人工智能创新行动计划》
+- [ ] 教育部《教育信息化2.0行动计划》
+- [ ] 各高校AI教育战略规划（待搜集）
+
+### 6.2 关键学术文献
+
+<<<LLM从Semantic Scholar/Google Scholar补充>>>
+
+### 6.3 数据来源
+
+| 来源类型 | 具体渠道 |
+|----------|----------|
+| 高校官网 | 教务处、AI研究院、课程中心 |
+| 政策文件 | 教育部官网、政府信息公开平台 |
+| 学术文献 | CNKI、Web of Science、Semantic Scholar |
+| 新闻报道 | 芥末堆、多知网、EduTech环球 |
+
+---
+
+## 7. 质量检查清单
+
+### 开题阶段
+
+- [ ] 研究问题是否明确、具体、可操作？
+- [ ] 比较框架是否具有理论依据？
+- [ ] 研究对象选择是否具有代表性？
+- [ ] 信息来源是否可靠、多元？
+
+### 写作阶段
+
+- [ ] 文献综述是否覆盖主要流派与争议点？
+- [ ] 比较分析是否有数据支撑？
+- [ ] 理论框架是否有创新贡献？
+- [ ] 政策建议是否针对具体问题？
+
+### 终稿阶段
+
+- [ ] 引用格式是否符合GB/T 7714？
+- [ ] 重复率是否在目标期刊要求范围内？
+- [ ] 图表是否规范、清晰、有来源标注？
+- [ ] 逻辑链条是否完整、论证是否充分？
+
+---
+
+## 8. CHANGELOG
+
+| 版本 | 日期 | 变更内容 | 作者 |
+|------|------|----------|------|
+| v0.1 | 2026-04-23 | 初始版本，框架搭建 | 狗剩 |
+
+---
+
+<!--
+================================================================================
+下一步行动
+================================================================================
+
+告诉 LLM：
+1. "请帮我执行 Explore 阶段 Day 1 的任务"
+2. "请搜索并整理清华、北大、MIT、Stanford 的AI教育政策与课程资料"
+
+或者：
+1. "请将本文档保存到 raw/教育AI研究/ 目录"
+2. "请帮我创建高校案例库的目录结构"
+
+================================================================================
+-->