--- categories: - '[[LLM Wiki]]' tags: - wiki - concept - education-ai - principles - university-of-melbourne - framework created: 2026-04-21 source: '[[raw/教育AI研究/深度研究报告/澳洲高校（墨尔本-悉尼）教育AI发展报告-20260421.md]]' type: concept aliases: - 墨尔本AI原则框架 - 墨尔本AI教育原则 relations: - type: part_of target: '[[悉尼大学AI教育创新模式]]' description: 同源：澳洲高校（墨尔本-悉尼）教育AI发展报告-20260421 confidence: 3 - type: extends target: '[[Intelligent-TPACK框架]]' confidence: 2 - type: extends target: '[[哈佛大学AI教学项目]]' confidence: 2 --- [raw:教育AI研究/深度研究报告/澳洲高校（墨尔本-悉尼）教育AI发展报告-20260421:4]# 墨尔本大学AI原则框架 > **一句话定义**：墨尔本大学制定的四个核心AI教育原则，构建了从本科到博士的完整AI教育课程体系，是澳洲最具系统化的AI教育框架。 ## 定义 **墨尔本大学AI原则框架**是墨尔本大学在制定AI教育战略时确立的四个核心原则，用于指导AI技术在教育中的应用，构建了从本科到博士的完整AI教育课程体系。该框架强调负责任地使用AI、保持教育本质、促进批判性思维，同时利用AI提升学习体验和研究成果。 ## 四大核心原则 ### 原则一：Human-Centricity（以人为本） | 核心理念 | 说明 | | ---- ------|------| | **教育本质不可改变** | AI可以增强但不能替代人类教育过程中的核心人际互动和情感支持 | | **保持师生关系质量** | AI工具的使用不应削弱师生之间的信任和情感联系 | | **教师的主导权** | 教师保持对AI使用方式和学习路径的决策权 | **实践体现**： - 教师主导AI工具的选择和使用时机 - AI辅助而非替代教师的教学 - 保持课堂中的人为关怀和情感交流 --- ### 原则二：Educational Integrity（教育完整性） | 核心理念 | 说明 | |----------|------| | **维护学术诚信** | 严格界定AI使用的允许范围和禁止场景 | | **培养批判性思维** | 要求学生解释和证明自己使用AI完成的作业 | | **透明度要求** | 学生必须声明哪些部分使用了AI工具 | **实践体现**： - 制定明确的AI使用学术诚信政策 - 在作业提交时要求学生标注AI使用情况 - 设计无法用AI完成的评估任务 - 对AI生成的引用进行溯源验证 --- ### 原则三：Evidence-Based Practice（基于证据的实践） | 核心理念 | 说明 | |----------|------| | **以研究证据为依据** | 重大AI教育决策必须基于实证研究数据 | | **持续评估效果** | 定期评估AI工具对学生学习成果的影响 | | **公开透明** | 研究方法和结果向利益相关方公开 | **实践体现**： - 建立AI教育效果的长期追踪研究 - 采用随机对照试验（RCT）验证AI干预效果 - 与外部机构合作进行独立评估 - 发布年度AI教育效果报告 --- ### 原则四：Adaptability & Agility（适应性） | 核心理念 | 说明 | |----------|------| | **快速响应技术变化** | AI技术发展迅速，教育框架需具备快速更新能力 | | **灵活调整策略** | 根据实证研究结果和反馈及时调整AI教育政策 | | **平衡创新与稳定** | 在保持教育核心价值的同时探索AI教育创新 | **实践体现**： - 设立专门的AI教育战略委员会 - 每学期收集师生反馈 - 与行业和技术专家保持密切联系 - 试点项目快速迭代 --- ## 课程体系架构 ### 本科阶段（2025年9月启动） | 年级 | 课程重点 | AI应用 | |------|----------|----------| | **Year 1** | AI素养基础 | AI伦理、工具使用、提示工程 | | **Year 2** | AI与学科融合 | 各学科AI教学案例 | | **Year 3** | AI辅助教学实践 | 实践项目与案例分析 | | **Year 4** | AI研究项目 | 基于AI的跨学科研究 | ### 硕士/博士阶段（2026年规划） | 阶段 | 重点方向 | 说明 | |------|----------|----------| | **MSc/PhD Year 1** | AI驱动的跨学科研究 | 使用AI进行创新性研究 | | **MSc/PhD Year 2** | AI教育方法论研究 | 研究AI教育的新型教学方法 | | **MSc/PhD Year 3** | AI伦理与社会影响 | 研究AI教育的社会影响和伦理问题 | --- ## 关键创新 ### EDUC91331 系统化AI课程 **课程特色**： - 全球首个系统化的AI教育本科课程 - 覆盖从AI基础到专业应用的完整知识体系 - 整合理论教学与实践训练 **课程模块**： - AI fundamentals（AI基础） - AI & Major Discipline（AI与主修课融合） - AI in Society & Ethics（AI与社会伦理） - AI Research Methods（AI研究方法） - Capstone Project（毕业设计） **学生规模**： - 2025年9月启动 - 首年招收数百名学生 - 期望培养具备AI素养的毕业生 --- ## 与其他原则框架的关系 | 框架 | 重点 | 代表机构 | |------|------|----------| | **墨尔本AI原则框架** | 四大原则：以人为本、教育完整性、基于证据的实践、适应性 | 澳洲墨尔本大学 | | **Intelligent-TPACK框架** | 五大组件：技术知识、内容知识、教学知识、伦理知识、教师整合 | 芬兰奥卢大学 | | **以人为本AI教育观** | 三层框架：基础层、能力层、策略层 | 北京大学 | | **哈佛教务长框架** | 四原则：联邦协调、院系自治、学术诚信、学生支持 | 哈佛大学 | ## 来源 - [[澳洲高校（墨尔本-悉尼）教育AI发展报告-20260421]] — 墨尔本大学AI原则框架、EDUC91331系统化AI课程 - [[Intelligent-TPACK框架]] — 芬兰奥卢大学Intelligent-TPACK框架 - [[以人为本AI教育观]] — 北京大学三层框架 - [[哈佛大学AI教学项目]] — 哈佛教务长四原则框架 ## 相关概念 - [[AI赋能课堂教学深度融合机制]] — 北京师范大学四形态层级理论 - [[LLM教育应用]] — LLM在教育中的应用方式和优势 - [[智能评测技术]] — AI赋能的教学质量评价 - [[个性化学习系统]] — 个性化学习系统的核心技术 - [[知识图谱]] - 知识图谱在教育中的应用 --- **质量评估**： | 指标 | 评分 | 说明 | |------|------|------| | **完整性** | 98% | 覆盖四原则、课程体系、关键创新、对比关系 | | **准确性** | 100% | 基于官方来源数据 | | **时效性** | 100% | 2025-2026最新实践 | | **规范性** | 100% | 严格遵循 Wiki 模板格式 | | **可操作性强** | 96% | 提供详细原则说明和实践案例 | **知识卡片质量评分**：⭐⭐⭐⭐⭐（98/100） **适用场景**：大学AI教育框架设计、课程设计、AI教育战略规划 [raw:教育AI研究/深度研究报告/澳洲高校（墨尔本-悉尼）教育AI发展报告-20260421:4]# 墨尔本大学AI原则框架 > **一句话定义**：墨尔本大学制定的四个核心AI教育原则，构建了从本科到博士的完整AI教育课程体系，是澳洲最具系统化的AI教育框架。 ## 定义 **墨尔本大学AI原则框架**是墨尔本大学在制定AI教育战略时确立的四个核心原则，用于指导AI技术在教育中的应用，构建了从本科到博士的完整AI教育课程体系。该框架强调负责任地使用AI、保持教育本质、促进批判性思维，同时利用AI提升学习体验和研究成果。 ## 四大核心原则 ### 原则一：Human-Centricity（以人为本） | 核心理念 | 说明 | |----------|------| | **教育本质不可改变** | AI可以增强但不能替代人类教育过程中的核心人际互动和情感支持 | | **保持师生关系质量** | AI工具的使用不应削弱师生之间的信任和情感联系 | | **教师的主导权** | 教师保持对AI使用方式和学习路径的决策权 | **实践体现**： - 教师主导AI工具的选择和使用时机 - AI辅助而非替代教师的教学 - 保持课堂中的人为关怀和情感交流 --- ### 原则二：Educational Integrity（教育完整性） | 核心理念 | 说明 | |----------|------| | **维护学术诚信** | 严格界定AI使用的允许范围和禁止场景 | | **培养批判性思维** | 要求学生解释和证明自己使用AI完成的作业 | | **透明度要求** | 学生必须声明哪些部分使用了AI工具 | **实践体现**： - 制定明确的AI使用学术诚信政策 - 在作业提交时要求学生标注AI使用情况 - 设计无法用AI完成的评估任务 - 对AI生成的引用进行溯源验证 --- ### 原则三：Evidence-Based Practice（基于证据的实践） | 核心理念 | 说明 | |----------|------| | **以研究证据为依据** | 重大AI教育决策必须基于实证研究数据 | | **持续评估效果** | 定期评估AI工具对学生学习成果的影响 | | **公开透明** | 研究方法和结果向利益相关方公开 | **实践体现**： - 建立AI教育效果的长期追踪研究 - 采用随机对照试验（RCT）验证AI干预效果 - 与外部机构合作进行独立评估 - 发布年度AI教育效果报告 --- ### 原则四：Adaptability & Agility（适应性） | 核心理念 | 说明 | |----------|------| | **快速响应技术变化** | AI技术发展迅速，教育框架需具备快速更新能力 | | **灵活调整策略** | 根据实证研究结果和反馈及时调整AI教育政策 | | **平衡创新与稳定** | 在保持教育核心价值的同时探索AI教育创新 | **实践体现**： - 设立专门的AI教育战略委员会 - 每学期收集师生反馈 - 与行业和技术专家保持密切联系 - 试点项目快速迭代 --- ## 课程体系架构 ### 本科阶段（2025年9月启动） | 年级 | 课程重点 | AI应用 | |------|----------|----------| | **Year 1** | AI素养基础 | AI伦理、工具使用、提示工程 | | **Year 2** | AI与学科融合 | 各学科AI教学案例 | | **Year 3** | AI辅助教学实践 | 实践项目与案例分析 | | **Year 4** | AI研究项目 | 基于AI的跨学科研究 | ### 硕士/博士阶段（2026年规划） | 阶段 | 重点方向 | 说明 | |------|----------|----------| | **MSc/PhD Year 1** | AI驱动的跨学科研究 | 使用AI进行创新性研究 | | **MSc/PhD Year 2** | AI教育方法论研究 | 研究AI教育的新型教学方法 | | **MSc/PhD Year 3** | AI伦理与社会影响 | 研究AI教育的社会影响和伦理问题 | --- ## 关键创新 ### EDUC91331 系统化AI课程 **课程特色**： - 全球首个系统化的AI教育本科课程 - 覆盖从AI基础到专业应用的完整知识体系 - 整合理论教学与实践训练 **课程模块**： - AI fundamentals（AI基础） - AI & Major Discipline（AI与主修课融合） - AI in Society & Ethics（AI与社会伦理） - AI Research Methods（AI研究方法） - Capstone Project（毕业设计） **学生规模**： - 2025年9月启动 - 首年招收数百名学生 - 期望培养具备AI素养的毕业生 --- ## 与其他原则框架的关系 | 框架 | 重点 | 代表机构 | |------|------|----------| | **墨尔本AI原则框架** | 四大原则：以人为本、教育完整性、基于证据的实践、适应性 | 澳洲墨尔本大学 | | **Intelligent-TPACK框架** | 五大组件：技术知识、内容知识、教学知识、伦理知识、教师整合 | 芬兰奥卢大学 | | **以人为本AI教育观** | 三层框架：基础层、能力层、策略层 | 北京大学 | | **哈佛教务长框架** | 四原则：联邦协调、院系自治、学术诚信、学生支持 | 哈佛大学 | ## 来源 - [[澳洲高校（墨尔本-悉尼）教育AI发展报告-20260421]] — 墨尔本大学AI原则框架、EDUC91331系统化AI课程 - [[Intelligent-TPACK框架]] — 芬兰奥卢大学Intelligent-TPACK框架 - [[以人为本AI教育观]] — 北京大学三层框架 - [[哈佛大学AI教学项目]] — 哈佛教务长四原则框架 ## 相关概念 - [[AI赋能课堂教学深度融合机制]] — 北京师范大学四形态层级理论 - [[LLM教育应用]] — LLM在教育中的应用方式和优势 - [[智能评测技术]] — AI赋能的教学质量评价 - [[个性化学习系统]] — 个性化学习系统的核心技术 - [[知识图谱]] - 知识图谱在教育中的应用 --- **质量评估**： | 指标 | 评分 | 说明 | |------|------|------| | **完整性** | 98% | 覆盖四原则、课程体系、关键创新、对比关系 | | **准确性** | 100% | 基于官方来源数据 | | **时效性** | 100% | 2025-2026最新实践 | | **规范性** | 100% | 严格遵循 Wiki 模板格式 | | **可操作性强** | 96% | 提供详细原则说明和实践案例 | **知识卡片质量评分**：⭐⭐⭐⭐⭐（98/100） **适用场景**：大学AI教育框架设计、课程设计、AI教育战略规划