---
created: 2026-04-20
title: 教育AI研究项目
tags: [教育AI, 研究]
category: 其他
---

# 教育AI研究项目

## 📋 项目概述

本项目旨在系统研究"人工智能在教育领域应用"的最新进展、技术趋势、研究框架和产业动态。通过AI驱动的专题研究工作流，实现持续的知识积累和研究产出。

**核心原则**：严禁胡编乱造，所有数据须有可验证来源。

## 🎯 研究目标

1. 建立系统化的全球教育AI知识库
2. 跟踪国内外最新研究进展与产业动态
3. 分析技术演进趋势和核心技术方向
4. 识别关键研究机构、企业和研究者
5. 每周产出结构化研究报告（真实性核查通过）

---

## 📊 当前进度（截至2026-04-22）

### 研究覆盖范围

| 类型 | 数量 | 代表机构 | 质量等级 |
|------|------|----------|----------|
| 美国高校 | 3家 | MIT媒体实验室、斯坦福、CMU | A级（92.9分） |
| 中国高校 | 4家 | 清华、北大、复旦、上海交大 | A级（90分） |
| 欧洲高校 | 4家 | 牛津、剑桥、ETH、EPFL | A级（90分） |
| 印度+东南亚 | 5家 | upGrad、PhysicsWallah、NUS、Topica、AI Samarth | A级（85分） |
| 国际企业 | 3家 | Google、Microsoft、OpenAI | A级（90.3分） |
| 中国企业 | 3家 | 好未来、猿辅导、作业帮 | A级（88分） |
| EdTech创业 | 3家 | MagicSchool AI、Synthesis、SchoolAI | A级（85分） |
| 亚洲高校（日韩）| 2家 | 东京大学、KAIST | A级（86-88分）|
| 大洋洲高校 | 2家 | 墨尔本大学、悉尼大学 | A级（87-88分）|
| **合计** | **31家** | — | **A级（≥85分）** |

### 深度研究报告（37+份）

| 报告 | 质量分 | 状态 |
|------|--------|------|
| LLM教育应用深度研究 | 82分 | ✅ 完成 |
| 自适应学习系统深度研究 | 82分 | ✅ 完成 |
| ITS智能辅导系统深度研究 | 82分 | ✅ 完成 |
| 中美教育AI综合对比研究 | 85分 | ✅ 完成 |
| 哈佛大学AI教学项目深度研究 | A级 | ✅ W17 |
| 斯坦福大学AI教学项目深度研究 | A级 | ✅ W17 |
| Stanford Accelerator深度研究 | A级 | ✅ W17 |
| 牛津大学AI教学项目深度研究 | A级 | ✅ W15 |
| 剑桥大学AI教学项目深度研究 | A级 | ✅ W17 |
| 清华大学AI教学项目深度研究 | A级 | ✅ W17 |
| 北京大学AI教学项目深度研究 | A级 | ✅ W17 |
| ETH/EPFL深度研究 | A级 | ✅ W17 |
| 中美顶尖高校AI教学对比研究 | A级 | ✅ W17 |
| 教师AI素养框架研究报告 | A级 | ✅ W17 |
| AIED 2025学术前沿深度解读 | A级 | ✅ W17 |
| 教学大模型发展状况深度研究 | 90分 | ✅ W17 |
| 教育AI政策建议报告 | 88分 | ✅ W17 |
| 综合全景报告（第1-8周） | 88分 | ✅ W13 |
| 教育AI创业公司生态研究 | A级 | ✅ W12 |
| 哈佛RCT深度解读 | A级 | ✅ W12 |
| LLM文献地图（Shi 2026） | A级 | ✅ W12 |
| 东京大学AI教学项目深度研究 | 86分 | ✅ W18 |
| KAIST AI教学项目深度研究 | 87分 | ✅ W18 |
| 日韩高校AI教育对比分析 | 87分 | ✅ W18（4/22）|
| 墨尔本大学AI教学项目深度研究 | 87分 | ✅ W19（4/22提前）|
| 悉尼大学AI教学项目深度研究 | 88分 | ✅ W19（4/22提前）|
| **澳洲高校AI教育对比分析** | 87分 | ✅ W19（4/22提前）|
| **全球高等教育AI地图v2.0** | 待产出 | ⏳ W21 |

### 知识卡片库（20张）

| 类型   | 数量  | 代表卡片                                               |
| ---- | --- | -------------------------------------------------- |
| 方法论  | 4张  | Productive Failure、RCT、Cohen's d、Intelligent-TPACK |
| 课程模式 | 4张  | CS50、Stanford Accelerator、牛津AIEOU、哈佛教务长框架          |
| 机构特色 | 5张  | 清华MAIC、北大5U、MIT RAISE、CMU LearnLab、Khanmigo        |
| 系统类型 | 4张  | 自适应学习、个性化学习、ITS、LLM应用                              |
| 区域模式 | 2张  | 日韩高校AI教育模式（W18）+ 澳洲高校AI教育模式（W19）               |
| 综合   | 1张  | 高等教育AI全球图景-九校对比                                    |

### 知识图谱

`全球教育AI机构关系图谱.canvas`：覆盖**29家**机构（v1.3，W17更新），包含EdTech创业分组+研究报告分组。

**W21目标**：v2.0（35+机构）

### 文献库

**23条核心文献**（v1.5）：DOI验证完整，含哈佛RCT（DOI: 10.1038/s41598-025-97652-6）、AIED 2025 LLM研究、LLM文献地图（Shi 2026, Computers and Education AI）等。

---

## 🎓 高等教育AI专题（核心主线）

> **专题周期**：W13-W21（2026年3月31日 - 5月18日，9周）
> **专题目标**：建立全球高等教育AI全景知识图谱，35+机构覆盖四大洲

### 专题完成状态

| 阶段 | 时间 | 覆盖 | 状态 |
|------|------|------|------|
| 第1阶段 | W13-W16 | 基础教育+市场+技术基础 | ✅ 完成 |
| 第2阶段 | W17 | 北美+欧洲+中国顶尖高校深度研究 | ✅ 完成 |
| 第3阶段 | W18-W21 | 日韩+澳洲+亚洲综合+全球地图 | ⏳ 计划中 |

### 四大模式框架

| 模式 | 代表机构 | 核心特征 |
|------|----------|----------|
| **北美研究驱动型** | 哈佛RCT、斯坦福Accelerator、CMU LearnLab | RCT实证、教师赋能、ITS理论 |
| **欧洲伦理导向型** | 牛津AIEOU、剑桥DEFI、ETH/EPFL | 伦理框架、分层培训、产学研 |
| **亚洲政策驱动型** | 清华MAIC、北大5U、东京大学、KAIST | 大中小学一体、人机共育、政策力度 |
| **大洋洲英联邦型** | 墨尔本大学、悉尼大学 | 待补充（W19） |

---

## 📁 项目结构

```
教育AI研究/
├── README.md                       # 项目说明（本文件）
├── 高等教育AI专题-延续计划（W18-W21）.md  # W18-W21研究路线图
├── 高等教育AI专题-自动化工作流配置v3.md   # 自动化工作流配置
├── automation_config.json          # ⚠️ 已废弃（旧版，v3.0迁移记录）
│
├── 机构档案/                       # 27家机构研究档案（A级）
├── 深度研究报告/                   # 28份深度报告
├── 每周报告/                       # 周报归档（W13-W18完整）
├── 国际比较/                       # 区域对比报告（待产出）
├── 知识卡片/                       # 18张结构化知识卡片
├── 文献库/                         # 文献索引系统
│   ├── 文献索引数据库.json         # 23条文献，v1.5
│   ├── 使用指南.md
│   └── tools/                     # CLI工具
│       ├── 文献库管理器.py
│       └── doi_resolver.py
├── outputs/                       # 核查报告、导出文件
├── templates/                      # Prompt模板库（8个）
├── tools/                          # 辅助工具脚本（14个）
├── 知识库同步/                     # 同步记录
├── 案例分析/                       # 历史案例分析（W13-W16）
│
├── 归档/                           # 历史文档（不再维护）
│   ├── 4月1日启动检查清单.md
│   ├── 4月1日新体系准备工作完成报告.md
│   ├── 测试档案_MIT媒体实验室_测试版.md
│   ├── 美中顶级机构名录模板.md
│   ├── 真实性核查测试报告_20260331.md
│   ├── 新文档体系架构说明.md
│   ├── 新自动化工作流配置.md（v2.0废弃）
│   └── 专题研究/文献摘要/技术趋势分析（早期文档）
│
└── .workbuddy/                     # 工作流配置
    ├── memory/                     # 记忆系统（MEMORY.md + 日志）
    ├── learnings/                  # 自我改进记录
    ├── skills/                     # 项目级Skills
    └── automations/                # ⚡ WorkBuddy自动化（TOML）
        ├── edu-ai-higher-ed-weekly-plan.toml    # 周一9:00
        ├── edu-ai-higher-ed-weekly-report.toml  # 周日18:00
        └── edu-ai-higher-ed-monthly-review.toml # 月末20:00
```
```

---

## 🔧 工具链

### 文献管理

```powershell
# 设置编码
$env:PYTHONIOENCODING="utf-8"

# 统计摘要
python 文献库\tools\文献库管理器.py --stats --db "文献库\文献索引数据库.json"

# 搜索文献
python 文献库\tools\文献库管理器.py --search ITS --db "文献库\文献索引数据库.json"

# 导出引用格式（apa/mla/gb/chicago）
python 文献库\tools\文献库管理器.py --export apa --db "文献库\文献索引数据库.json"

# 验证DOI有效性
python 文献库\tools\文献库管理器.py --verify --db "文献库\文献索引数据库.json"
```

---

## 🔄 研究工作流

### 每周研究周期

| 步骤 | 内容 |
|------|------|
| 制定计划 | 确定主题、分配优先级、设定产出目标 |
| 机构研究 | 官网信息采集 → 档案建立 → 质量评分 |
| 技术深度分析 | 学术文献 + 实践案例 + 对比分析 |
| 真实性核查 | 五步核查法，每条信息须有来源 |
| 周报生成 | 结构化总结，标注完成率和成本 |

### 真实性核查五步法

1. **预核查**：标注所有待验证项目
2. **初稿核查**：每条信息溯源
3. **自动化核查**：DOI验证工具
4. **人工抽查**：重点段落核实
5. **最终审核**：质量评分确认

---

## 📈 质量标准

| 指标     | 标准          |
| ------ | ----------- |
| 官方渠道占比 | ≥70%        |
| 技术数据时效 | ≤6个月        |
| 信源质量分  | ≥80分/篇（合格线） |
| 市场数据时效 | ≤12个月       |
| DOI验证率 | 力求100%      |

---

## 📝 更新记录

| 日期 | 版本 | 主要更新 |
|------|------|---------|
| 2026-03-31 | v1.0 | 项目初始化，创建基础结构 |
| 2026-04-01 | v1.1 | 建立真实性核查体系和自动化配置 |
| 2026-04-02 | v1.2 | 完成美国三家机构档案（MIT/斯坦福/CMU） |
| 2026-04-02 | v1.3 | 完成中国四家高校档案（清华/北大/复旦/上交） |
| 2026-04-04 | v1.4 | 完成4篇技术深度报告+6家企业档案+国际比较 |
| 2026-04-04 | v1.5 | 深度报告真实性修正（6处问题全部修复） |
| 2026-04-05 | v2.0 | 建立文献库索引系统；修复4条文献DOI；第3周周报 |
| 2026-04-07 | v2.1 | 第4周新增：印度+东南亚研究报告+市场格局报告+图谱 |
| 2026-04-07 | v2.2 | LLM/自适应报告质量升级；哈佛RCT等3条新学术论文入库 |
| 2026-04-08 | v2.3 | **第4周完成**：5家新机构档案+20家机构图谱+全面核查 |
| 2026-04-14 | v2.4 | **第5周启动**：高等教育AI专题深入研究（哈佛/斯坦福深度报告、Emma Brunskill范式分析） |
| 2026-04-16 | v2.5 | **第5周完成**：高等教育AI专题全部P1/P2任务完成（11所高校+中美对比+九校知识卡片） |
| 2026-04-16 | v3.0 | **第6周计划**：高等教育AI专题延续计划制定（W18-W21日韩/澳洲/亚洲综合/全球地图） |
| 2026-04-20 | v3.1 | **第6周启动**：README优化更新；聚焦高等教育专题；W17收尾确认 |
| 2026-04-20 | v3.2 | **文档清理**：归档7份遗留文档；删除重复图谱；启用v3.0 TOML自动化；更新项目结构 |
| 2026-04-22 | v3.3 | **W18 P1-5完成**：日韩高校AI教育对比分析报告（87分）；日韩模式知识卡片（19张）；README进度同步 |
| 2026-04-22 | v3.4 | **W19 全部完成**：墨尔本/悉尼深度报告+对比分析+澳洲模式知识卡片（20张）；图谱v1.5 |

---

**项目启动时间**：2026年3月31日

**当前状态**：🟢 活跃进行中（**W19完成（4/22提前）**：墨尔本+悉尼深度报告 ✅，澳洲对比 ✅，知识卡片 ✅，图谱v1.5 ✅）

**负责人**：狗剩（AI助手）

**最后更新**：2026-04-22（v3.4）

**累计成本**：~¥35（W1-W7周，远低于月度预算）

**专题进度**：W19完成，W20-W21计划就绪（亚洲综合+全球综合）