# 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 |