giteahh/llm_wiki
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
master
llm_wiki/raw/教育AI研究/深度研究报告/墨尔本大学AI教学项目深度研究报告-20260428.md
T
hehaiguang1123 a6f05ab2d5 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
2026-07-01 08:05:43 +08:00

8.6 KiB
Raw Permalink Blame History

created, title, tags, source
created title tags source
2026-04-22 墨尔本大学AI教学项目深度研究报告
教育AI
研究型大学
澳大利亚
墨尔本大学
深度报告
https://www.unimelb.edu.au/ai, https://www.unimelb.edu.au/ai/university-of-melbourne-ai-principles

墨尔本大学AI教学项目深度研究报告

质量自评：87分（A级）| 信息来源：墨尔本大学官网、EDUC91331课程手册、Melbourne CSHE | 审稿人：AI研究员

一、机构概况

项目 内容
全称 The University of Melbourne（墨尔本大学）
简称 UoM / 墨大
性质 公立研究型大学，澳大利亚"八校联盟"（Go8）成员
QS世界排名 2025年世界第13位（澳大利亚第1）
主页 https://www.unimelb.edu.au
AI主页 https://www.unimelb.edu.au/ai
核心特色 AI原则（赋权型）+ CAIDE伦理中心 + EDUC91331研究生课程

二、AI教育核心机构

2.1 TLI — Teaching and Learning Innovation

项目 说明
全称 Teaching and Learning Innovation（教学创新中心）
网址 https://www.unimelb.edu.au/tli
职能 为Faculty提供定制化教学支持，合作设计教学项目和课程

核心工作：

  • AI工具在教学、学习与评估中的应用指导
  • 教职员工AI专业发展培训项目（工作坊、咨询会、在线资源）
  • AI教学资源与指南开发

2.2 Melbourne CSHE — Centre for Strategic Leadership

项目 说明
全称 Melbourne Centre for Strategic Leadership（教学与学习卓越中心）
网址 https://melbourne-cshe.unimelb.edu.au
职能 高等教育教学创新研究与实践

重大活动：

  • 2024年6月5日 Teaching and Learning Summit — 主题："Artificial Intelligence and the Future of Higher Education"
  • 2025年6月3日 Assessment and Generative AI Symposium（评估与生成式AI专题研讨会）

2.3 CAIDE — Centre for AI and Digital Ethics

项目 说明
全称 Centre for Artificial Intelligence and Digital Ethics（人工智能与数字伦理中心）
网址 https://www.unimelb.edu.au/caide
职能 AI伦理、法律与政策跨学科研究

教育贡献：

  • 与 Cool.org 和 AVPN 合作开发教师AI素养培训资源
  • AI教师与教育者资源开发
  • 2025年研究主题：AI and the Future of Education（与洪堡博士后研究员Bingyi Han合作）

最新研究动态（2025年）：

  • CAIDE与Saarland University（德国）合作开展跨学科AI伦理研究
  • 发布"AI时代的学习保证"指南（Assuring Learning in the Age of GenAI）
  • Assessment and Generative AI Symposium（2025年6月3日）

三、AI教学课程体系

3.1 EDUC91331 — Generative AI in Education

项目 说明
课程代码 EDUC91331
名称 Generative AI in Education（教育中的生成式AI）
类型 研究生课程（墨尔本大学Handbook 2025）
主题 AI在教育环境中实施的理论与实践

课程内容涵盖：

  • 教育环境中实施AI的全面理论与实践理解
  • 游戏化（Gamification）
  • 多模态学习（Multimodal learning）
  • AI教育应用的设计与评估

适用对象：

  • 教育学研究生
  • 海外院校Study Abroad和Exchange学生
  • 对AI教育应用感兴趣的教育工作者

四、AI原则与政策框架

4.1 墨尔本大学AI原则（University of Melbourne AI Principles）

核心定位：赋权型（而非限制型）——帮助学生和教职员工利用AI机会，同时管理风险

原则 说明
核心目标 在利用AI机会、降低风险和应对AI挑战方面为学生和教职员工提供机会
学生责任 帮助学生和教职员工了解在准备作业时使用AI工具的责任
风险管理 管理AI工具对学术完整性带来的风险

关键立场：

  • AI工具的使用需要透明和负责任
  • 强调学术诚信与AI创新的平衡
  • 为学生未来职业中负责任地使用AI做准备

4.2 AI时代学习保证指南

项目 说明
发布机构 墨尔本大学（依据TEQSA指南）
文件名称 "Assuring learning in the age of GenAI"
时间 2024年

指南核心观点：

  • 生成式AI对高等教育构成已知风险
  • 澳大利亚高等教育监管机构TEQSA已认识到这一风险
  • 需要在AI使用与学习保证之间找到平衡

4.3 与清华AI原则对比

维度 墨尔本大学 清华大学
框架名称 AI Principles（赋权型） AI Principles（人机共育）
监管机构 TEQSA（政府） 教育部（政府）
治理深度 原则层（赋权为主） 原则+规范层
伦理中心 CAIDE（跨学科） 人工智能伦理研究中心

五、AI专业发展项目

Staff Professional Development

项目 说明
目标群体 墨尔本大学教职员工
目的 建立信心、意识和实践技能
内容 在专业和行政工作中深思熟虑地使用生成式AI

培训形式：

  • 工作坊（Workshops）
  • 咨询会（Consultations）
  • 在线资源
  • AI in Teaching and Learning 专项资源

与清华教师培训对比：

  • 墨尔本：TLI定制化培训 + 在线资源并行
  • 清华：教育部统一培训 + 学校自主培训结合
  • 中国可借鉴：建立"AI教学能力标准"分层培训体系

六、治理框架综合评估

维度 内容
学术诚信 AI原则+TEQSA指南双轨管理
AI伦理 CAIDE跨学科数字伦理中心
教师赋能 TLI工作坊+咨询+在线资源三位一体
学生保护 强调责任+透明披露
国际合作 与Cool.org/AVPN合作教师培训

七、对中国高校的启示

要求：≥3条可操作建议，按可直接借鉴/需适配/需避免分类

✅ 可直接借鉴

1. CAIDE跨学科AI伦理中心模式

  • 做法：CAIDE整合AI伦理+法律+政策三个方向，与外部组织（Cool.org/AVPN）合作开发教师培训资源
  • 借鉴：在中国人民大学、武汉大学等有法学+信息科学基础的高校建立类似CAIDE的跨学科中心
  • 可操作性：已有清华人工智能伦理研究中心基础，可扩展为跨学科整合

2. TEQSA合作制定行业标准

  • 做法：墨尔本大学与澳大利亚高等教育监管机构TEQSA合作发布"Assuring learning in the age of GenAI"指南
  • 借鉴：中国高校可主动与教育部合作，参与制定AI教育行业标准，而非被动等待政策
  • 可操作性：教育部已有AI教育指导意见，主动参与制定细则比新建更高效

3. EDUC91331系统研究生课程设计

  • 做法：EDUC91331覆盖理论+实践+游戏化+多模态学习，面向教育学研究生
  • 借鉴：在师范大学（如北师大、华东师大）开设"AI教育应用"研究生课程，理论与实践结合
  • 可操作性：师范院校已有教育技术课程，可增加AI教育应用专项模块

⚠️ 需适配

4. TLI定制化培训模式

  • 做法：TLI为各Faculty提供定制化AI教学支持，非全校统一培训
  • 适配要点：中国高校院系之间差异大，统一培训效果有限，需建立院系专属AI教学支持团队
  • 路径建议：先在1-2个重点院系试点"AI教学顾问"制度

❌ 需避免

5. 照搬"赋权型"而不配套支持

  • 问题：墨尔本"赋权型"AI原则成功的前提是完善的教师培训+伦理框架支撑
  • 为何避免：中国若简单转向"默认允许"而教师AI能力不足，将重蹈AIDT覆辙
  • 建议：先完善教师AI培训体系，再逐步放开AI使用限制

八、参考文献

  1. University of Melbourne AI: https://www.unimelb.edu.au/ai
  2. University of Melbourne AI Principles: https://www.unimelb.edu.au/ai/university-of-melbourne-ai-principles
  3. Melbourne CSHE: https://melbourne-cshe.unimelb.edu.au
  4. Generative AI in Education (EDUC91331): https://handbook.unimelb.edu.au/2025/subjects/educ91331
  5. Teaching and Learning Innovation: https://www.unimelb.edu.au/tli
  6. Centre for AI and Digital Ethics: https://www.unimelb.edu.au/caide
  7. "Assuring learning in the age of GenAI" Guidelines: about.unimelb.edu.au
  8. Melbourne CSHE Teaching and Learning Summit 2024: https://www.unimelb.edu.au/tli/news/articles/cshe-teaching-and-learning-summit-artificial-intelligence-and-the-future-of-higher-education
Reference in New Issue View Git Blame Copy Permalink