hehaiguang1123
a6f05ab2d5
- 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
226 lines
5.7 KiB
Markdown
226 lines
5.7 KiB
Markdown
---
|
||
tags:
|
||
- 教育AI研究
|
||
- 研究计划
|
||
- 第3周
|
||
- 2026-04-07
|
||
created: 2026-04-04
|
||
description: "2026年第3周（4月8-14日）教育AI研究计划"
|
||
author:
|
||
- 狗剩
|
||
para: []
|
||
---
|
||
|
||
# 2026年第3周（4月8-14日）教育AI研究计划
|
||
|
||
> **计划周期**：2026年4月8日 - 4月14日
|
||
> **计划人**：狗剩
|
||
> **计划时间**：2026-04-04（提前制定）
|
||
|
||
---
|
||
|
||
## 一、背景总结
|
||
|
||
### 第1-2周成果
|
||
|
||
| 周次 | 完成情况 | 质量 | 成本 |
|
||
|------|----------|------|------|
|
||
| 第1周 | 3家美国机构（MIT/斯坦福/CMU） | A级（92.9分） | ￥4.5 |
|
||
| 第2周 | 4家国内院校（清华/北大/复旦/上交） | A级（90分） | ￥6.0 |
|
||
| **合计** | **7家机构档案** | **A级（91.5分）** | **￥10.5** |
|
||
|
||
### 本周新增
|
||
|
||
| 类型 | 完成情况 |
|
||
|------|----------|
|
||
| 第2周周报 | ✅ 已完成 |
|
||
| 企业机构档案 | ✅ 5个新档案（好未来/猿辅导/作业帮/Microsoft/OpenAI） |
|
||
| 累计企业档案 | 6个（+Google Brain） |
|
||
|
||
---
|
||
|
||
## 二、第3周研究目标
|
||
|
||
### 核心主题
|
||
**教育AI技术专题深化 + 产业动态追踪**
|
||
|
||
### 具体目标
|
||
|
||
| 序号 | 目标 | 衡量标准 |
|
||
|------|------|----------|
|
||
| 1 | 完成3个核心技术方向深度分析 | 技术原理+应用案例+对比分析 |
|
||
| 2 | 建立产业动态追踪机制 | 每周至少2条重要动态 |
|
||
| 3 | 完成中美教育AI综合对比报告 | 覆盖7所高校+6家企业 |
|
||
| 4 | 真实性核查持续运行 | 每日3:00自动化 |
|
||
|
||
---
|
||
|
||
## 三、每日任务安排
|
||
|
||
### 周一（4月8日）：技术专题启动
|
||
|
||
**任务**：
|
||
- [ ] 生成第3周启动日报
|
||
- [ ] 确定3个核心技术深度分析方向
|
||
- [ ] 启动LLM教育应用深度研究
|
||
|
||
**推荐信息源**：
|
||
- ArXiv（cs.AI, cs.CL）
|
||
- 中国知网（AI教育应用）
|
||
- Nature Education
|
||
|
||
---
|
||
|
||
### 周二（4月9日）：LLM教育应用研究
|
||
|
||
**任务**：
|
||
- [ ] 大语言模型在教育中的应用深度分析
|
||
- [ ] 梳理GPT-4、Claude、国产大模型教育应用案例
|
||
- [ ] 更新知识卡片：大模型教育应用
|
||
|
||
**核心技术问题**：
|
||
1. LLM如何改变教学互动模式？
|
||
2. LLM在教育中的局限性？
|
||
3. 中国大模型（文心/通义/智谱）教育应用？
|
||
|
||
---
|
||
|
||
### 周三（4月10日）：自适应学习系统深度研究
|
||
|
||
**任务**：
|
||
- [ ] 自适应学习系统技术原理分析
|
||
- [ ] 梳理国际自适应学习平台（如Knewton、DreamBox）
|
||
- [ ] 对比中国自适应学习产品
|
||
|
||
**核心技术问题**：
|
||
1. 自适应学习如何实现个性化？
|
||
2. 学习者模型的技术架构？
|
||
3. 知识追踪算法（KT vs BKT）？
|
||
|
||
---
|
||
|
||
### 周四（4月11日）：智能辅导系统（ITS）深度研究
|
||
|
||
**任务**：
|
||
- [ ] CMU ITS技术原理深度分析
|
||
- [ ] 对比商业ITS产品（如Carnegie Learning）
|
||
- [ ] 探讨中国ITS发展路径
|
||
|
||
**核心技术问题**：
|
||
1. ITS的认知模型如何构建？
|
||
2. 最佳对话策略是什么？
|
||
3. 中国能否追赶CMU的40年积累？
|
||
|
||
---
|
||
|
||
### 周五（4月12日）：产业动态追踪 + 周报
|
||
|
||
**任务**：
|
||
- [ ] 收集本周教育AI产业重要动态
|
||
- [ ] 生成第3周周报
|
||
- [ ] 汇总成本与质量数据
|
||
|
||
**重点追踪**：
|
||
- 好未来/猿辅导/作业帮最新动态
|
||
- 国际大厂教育AI新发布
|
||
- 国家教育AI政策更新
|
||
|
||
---
|
||
|
||
### 周六（4月13日）：综合对比报告撰写
|
||
|
||
**任务**：
|
||
- [ ] 中美教育AI综合对比报告
|
||
- [ ] 机构对比矩阵更新
|
||
- [ ] 关键发现总结
|
||
|
||
---
|
||
|
||
### 周日（4月14日）：知识库同步
|
||
|
||
**任务**：
|
||
- [ ] 知识卡片一致性检查
|
||
- [ ] 机构档案信息更新
|
||
- [ ] 生成知识库健康报告
|
||
|
||
---
|
||
|
||
## 四、技术专题深度分析框架
|
||
|
||
### 1. LLM教育应用
|
||
|
||
**分析维度**：
|
||
- 技术原理：大模型能力+教育场景适配
|
||
- 应用案例：清华/北大/猿辅导等应用实践
|
||
- 对比分析：国际vs中国，通用vs专用
|
||
- 局限性：幻觉问题、隐私问题、评估问题
|
||
|
||
### 2. 自适应学习系统
|
||
|
||
**分析维度**：
|
||
- 技术原理：知识空间理论+认知诊断
|
||
- 算法架构：Bayesian Knowledge Tracing
|
||
- 产品对比：Knewton vs 作业帮 vs 好未来
|
||
- 效果评估：实证研究证据
|
||
|
||
### 3. 智能辅导系统
|
||
|
||
**分析维度**：
|
||
- 技术原理：ACT-R理论+认知 tutors
|
||
- 核心组件：学生模型+领域模型+教学模型
|
||
- 产品案例：CMU LearnLab、Carnegie Learning
|
||
- 中国路径：追赶策略+差异化发展
|
||
|
||
---
|
||
|
||
## 五、风险评估与应对
|
||
|
||
| 风险 | 影响 | 应对措施 |
|
||
|------|------|----------|
|
||
| 信息源质量不稳定 | 研究质量 | 优先使用官方来源+学术期刊 |
|
||
| 技术深度不够 | 研究价值 | 结合案例+对比分析 |
|
||
| 成本超支 | 预算控制 | 每日成本监控 |
|
||
| 时间不足 | 产出完整性 | 优先级排序，P0优先 |
|
||
|
||
---
|
||
|
||
## 六、成本预算
|
||
|
||
| 项目 | 预算 | 说明 |
|
||
|------|------|------|
|
||
| LLM调用 | ￥3.0 | 每日约￥0.5 |
|
||
| 搜索成本 | ￥0.5 | 学术+行业搜索 |
|
||
| 文档生成 | ￥1.5 | 周报+对比报告 |
|
||
| **合计** | **￥5.0** | ≤周预算￥35 |
|
||
|
||
---
|
||
|
||
## 七、产出物清单
|
||
|
||
| 序号 | 产出物 | 截止时间 | 优先级 |
|
||
|------|--------|----------|--------|
|
||
| 1 | 第3周启动日报 | 4月8日 | P0 |
|
||
| 2 | LLM教育应用知识卡片 | 4月9日 | P0 |
|
||
| 3 | 自适应学习系统深度分析 | 4月10日 | P1 |
|
||
| 4 | ITS深度分析 | 4月11日 | P1 |
|
||
| 5 | 第3周周报 | 4月12日 | P0 |
|
||
| 6 | 中美教育AI综合对比报告 | 4月13日 | P1 |
|
||
| 7 | 知识库同步报告 | 4月14日 | P2 |
|
||
|
||
---
|
||
|
||
## 八、成功指标
|
||
|
||
| 指标 | 目标 | 衡量方式 |
|
||
|------|------|----------|
|
||
| 研究完成率 | ≥90% | 7个产出物完成6个以上 |
|
||
| 质量等级 | A级（≥80分） | 真实性核查通过 |
|
||
| 成本控制 | ≤￥5 | 单周成本 |
|
||
| 知识积累 | 新增3个深度分析 | 技术卡片/报告 |
|
||
|
||
---
|
||
|
||
**计划状态**：已制定
|
||
**维护人**：狗剩
|
||
**下次更新**：第4周（4月15日起）
|