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
This commit is contained in:
hehaiguang1123
@@ -0,0 +1,168 @@
|
||||
# 2026-04-14 工作日志
|
||||
|
||||
## 哈佛大学AI教学项目深度研究报告
|
||||
|
||||
**完成时间**：16:10
|
||||
**报告路径**：深度研究报告/哈佛大学AI教学项目深度研究报告-20260414.md
|
||||
**质量等级**：A级（预估≥88分）
|
||||
|
||||
### 主要发现
|
||||
|
||||
1. **Kestin RCT（Nature 2025）**：194人实验，AI导师学习效率是主动学习课堂的2倍，d=0.73-1.3，DOI: 10.1038/s41598-025-97652-6
|
||||
2. **CS50.ai**：GPT-4+RAG架构，课程内容准确率88%，1500+学生使用，73%正面评价
|
||||
3. **医学院**：AIM PhD项目（7人/400申请），SP-LLMs标准化患者系统，10万美元院长创新奖
|
||||
4. **肯尼迪学院**：Teddy Svoronos "红绿灯"框架（绿/黄/红三层AI使用规范）
|
||||
5. **Berkman Klein中心**：AI Pedagogy Project覆盖162国、134+高校；AI法律培训项目
|
||||
6. **治理架构**：教务长统一底线 + 各院系联邦自治
|
||||
|
||||
### 覆盖院系
|
||||
文理学院（CS50）/ 物理系（Kestin RCT）/ 医学院（HMS）/ 肯尼迪政策学院（HKS）/ 法学院（HLS/BKC）/ 教育学院（HGSE）
|
||||
|
||||
### 信源质量
|
||||
10篇参考文献，全部可验证，官方来源占比>80%，无捏造数据
|
||||
|
||||
---
|
||||
|
||||
## 论文获取方法测试
|
||||
|
||||
**测试论文**：Improving AI in CS50 (SIGCSE 2025), DOI: 10.1145/3641554.3701945
|
||||
|
||||
### 测试结果
|
||||
|
||||
| 方法 | 状态 | 耗时 | 文件大小 | 可用性 |
|
||||
|------|------|------|---------|--------|
|
||||
| **DOI.org** | ✅ 成功 | <2s | - | 推荐 |
|
||||
| **Crossref API** | ✅ 成功 | <1s | - | 推荐（元数据） |
|
||||
| **Harvard官网** | ✅ 成功 | 60s | 804KB | PDF首选 |
|
||||
| **ACM DL** | ⚠️ 需订阅 | - | - | 付费 |
|
||||
| **summarize skill** | ❌ 失败 | - | - | Node兼容问题 |
|
||||
| **arxiv-reader** | ❌ 不适用 | - | - | 仅arXiv |
|
||||
|
||||
### 最佳实践
|
||||
1. **学术搜索** → Semantic Scholar（免费、快速）
|
||||
2. **元数据** → Crossref API（DOI直接查）
|
||||
3. **全文PDF** → 作者官网（如Harvard）/ arXiv
|
||||
4. **内容总结** → WebFetch（摘要级别够用）
|
||||
|
||||
### 论文关键发现（SIGCSE 2025）
|
||||
- **CS50 AI工具**：基于GPT-4+RAG，少样本提示+微调
|
||||
- **人在回路**：助教定期审查，模型评估后端
|
||||
- **核心结论**：小规模高质量数据集微调显著改善教学一致性
|
||||
|
||||
---
|
||||
|
||||
## 斯坦福高等教育AI深度研究（2026-04-14完成）
|
||||
|
||||
**深度报告**：`深度研究报告/斯坦福大学AI教学项目深度研究报告-20260414.md`
|
||||
|
||||
### 关键发现
|
||||
1. **Stanford HAI 2025 AI Index教育数据**
|
||||
- 81% CS教师认为AI应纳入课程，但<50%有能力教
|
||||
- 美国AI硕士2022-2023年增长近一倍
|
||||
- 全球2/3国家已提供K-12 CS教育
|
||||
|
||||
2. **双引擎模式**：GSE（教育理论）+ HAI（AI技术）+ Accelerator（产学研转化）
|
||||
|
||||
3. **AI+Education Summit**：第四届2026年2月举办，主题"AI拐点"
|
||||
|
||||
### 高等教育AI专题MOC更新
|
||||
- 已完成：哈佛、斯坦福
|
||||
- 下一站：牛津大学（AIEOU项目）
|
||||
|
||||
---
|
||||
|
||||
## 斯坦福文献下载完成（2026-04-14）
|
||||
|
||||
**PDF下载**：
|
||||
- ✅ Stanford-HAI-AI-Index-2025-Chapter7-Education.pdf（2.6MB）
|
||||
|
||||
**文献索引更新**：
|
||||
- ID 23: 2025 AI Index教育章节（PDF已下载）
|
||||
- ID 24: AI+Education Initiative（Accelerator）
|
||||
- ID 25: GenAI Hub for Education（SCALE）
|
||||
- ID 26: AI+Education Summit 2026
|
||||
|
||||
**文献库总条目**：23条
|
||||
|
||||
---
|
||||
|
||||
## Obsidian笔记格式规范（2026-04-14确认）
|
||||
|
||||
**记住**：
|
||||
1. Frontmatter日期字段**必须用 `created:`**
|
||||
2. **禁止使用 `date:`**
|
||||
3. 添加适当tags和source属性
|
||||
4. 使用obsidian-markdown技能确保OFM格式正确
|
||||
|
||||
---
|
||||
|
||||
## 批量笔记属性检查（2026-04-14完成）
|
||||
|
||||
**检查结果**：116个笔记全部符合规范
|
||||
- ✅ 使用 `created:`: 116个
|
||||
- ❌ 使用 `date:`: 0个
|
||||
- ⚠️ 无日期字段: 0个
|
||||
|
||||
**工具位置**：`tools/批量添加笔记属性.py`（备用）
|
||||
**检查脚本**：`tools/检查笔记属性.py`
|
||||
|
||||
---
|
||||
|
||||
## Stanford Accelerator深度研究（16:57完成）
|
||||
|
||||
**报告**：`深度研究报告/Stanford-Accelerator-AI教学项目深度研究报告-20260414.md`
|
||||
|
||||
### 核心发现
|
||||
|
||||
| 项目 | 详情 |
|
||||
|------|------|
|
||||
| **AI Tinkery** | 物理/虚拟空间，赋能教师而非替代教师 |
|
||||
| **CRAFT** | 免费课程资源，与10名教师协同设计，覆盖多学科 |
|
||||
| **资助项目** | 30+跨学科研究，最高$100,000/项 |
|
||||
| **Faculty Lead** | Victor Lee（NSF CAREER奖，AI诚信研究专家） |
|
||||
|
||||
### 与哈佛CS50的差异化
|
||||
|
||||
| 维度 | Stanford Accelerator | 哈佛CS50 |
|
||||
|------|---------------------|----------|
|
||||
| 核心焦点 | 教师赋能 + 课程资源 | 学生学习体验 |
|
||||
| 课程形式 | 分散式融入各学科 | 集中式独立课程 |
|
||||
| 规模化路径 | 教师网络 × 免费资源 | 技术工具 × 开源平台 |
|
||||
| AI角色 | 赋能工具 | 学习伙伴 |
|
||||
|
||||
### 关键借鉴
|
||||
- 协同设计模式（高校+教师）
|
||||
- AI Tinkery教师赋能中心理念
|
||||
- Human-in-the-loop设计原则
|
||||
- 人文主义立场（AI诚信/伦理）
|
||||
|
||||
---
|
||||
|
||||
## 以人为本AI教育观三层框架解析（17:04完成）
|
||||
|
||||
**知识卡片**：`知识卡片/以人为本AI教育观-深度解析-知识卡片.md`
|
||||
|
||||
### 三层框架
|
||||
|
||||
| 层级 | 核心问题 | 定位 | 典型实践 |
|
||||
|------|----------|------|----------|
|
||||
| **第一层** | 如何使用AI来教学 | AI作为工具 | AI批改、个性化练习、教师助理 |
|
||||
| **第二层** | 如何教授AI相关知识 | AI作为内容 | CRAFT跨学科课程、AI伦理讨论 |
|
||||
| **第三层** | AI实际如何运作 | AI作为认知对象 | LLM原理、AI局限性、批判思维 |
|
||||
|
||||
### Victor Lee核心立场
|
||||
|
||||
```
|
||||
"帮助学生成为AI的知情者和批判者，
|
||||
而不是被动接受者或盲目抵触者。"
|
||||
|
||||
—— AI是"新型计算器"，关键不是"能不能用"而是"如何负责任地使用"
|
||||
```
|
||||
|
||||
### 对中国教育的启示
|
||||
|
||||
| 层级 | 当前问题 | 借鉴建议 |
|
||||
|------|----------|----------|
|
||||
| 第一层 | 教师AI工具应用能力薄弱 | 纳入国培计划，增加实操模块 |
|
||||
| 第二层 | 缺乏系统性AI素养课程 | 本土化CRAFT跨学科资源 |
|
||||
| 第三层 | 陷入AI恐慌或崇拜 | AI Tinkery体验式培训 |
|
||||
Reference in New Issue
Block a user