AI教育在中国的发展现状

中国的人工智能（AI）教育是一个快速发展的领域，在各个教育层次的研究和应用中都有显著增长。

Triansyah等人（2023年）的文献计量学研究表明，与AI相关的中学出版物数量显著增加，中国在这方面处于领先地位。此外，Deng（2022年）探讨了AI在大学英语教育中的整合，暗示其作为智能教师、情感安抚者和评分者的潜力。Chen等人（2022年）和He与Niu（2021年）讨论了AI在体育教育中的应用，强调了AI视觉技术在中国击剑中的使用，以及AI革新体育教育课程的潜力。Yu等人（2019年）则专注于小学AI编程教育，提倡采用基于设计的研究方法。

在考虑中国的传统教育方法时，出现了有趣的事实。Renyun等人（2021年）提出了对AI崛起导致传统教育理念侵蚀的担忧，建议将这些方法适应现代AI环境。这在Lee和Cho（2021年）中得到了呼应，他们强调了AI教育在培养AI驱动社会所需的协作技能方面的重要性。

一、中国的AI教育研究现状

根据Triansyah等人（2023年）用文献计量分析方法，通过Scopus数据库检索与“高中学生中的人工智能”相关的文献。研究者按照特定的步骤进行数据收集和筛选，包括识别、筛选、资格评估和纳入，最终选取了50篇符合标准的出版物进行分析。

根据其文献计量学研究，中国在人工智能（AI）应用于高中教育领域的研究具有以下特点：

1. 高影响力：中国在人工智能应用于高中教育领域的研究中被认为是最具影响力的国家，这体现在中国作者发表的论文数量以及与其他国家和地区的合作关系上。

2. 研究产出：中国在这一领域的研究产出较高，论文中提到中国发表了大量与人工智能在高中教育中应用相关的文献。

3. 合作网络：中国的研究机构在国际合作方面表现活跃，与多个国家有合作关系，这表明中国在全球人工智能教育研究领域中具有广泛的学术交流和合作。

4. 研究质量和排名：论文中指出，大多数关于人工智能应用于高中学生的出版物都位于Q1分区的期刊上，这表明中国的研究质量得到了国际学术界的认可。

5. 研究主题：中国的研究可能集中在当前人工智能教育的热点问题上，如机器学习和深度学习，这些是论文中提到的新主题。

Huang & Li（2020）基于中国知网（CNKI）期刊数据库，使用关键词检索，对1988-2020年间的文献进行了统计分析。筛选出的核心期刊文献共计2232篇，经过剔除无关文献后，最终保留了1688篇文献进行分析。

文章对发表人工智能教育研究论文的期刊和研究机构进行了统计。发现中国有150家核心学术期刊发表了相关论文，其中北京师范大学发表论文数量最多。研究机构主要集中在高校，非高校研究机构参与较少。

研究涉及的学科广泛，包括教育学、控制工程、法学等16个主要学科。研究层次主要是基础理论研究和基础教育研究。基金项目支持情况表明，国家社会科学基金、国家自然科学基金等对人工智能教育研究给予了一定的支持。

上表列出了中国人工智能教育研究领域被引次数最多的论文和发表论文数量最多的作者，分析了这些论文和作者的特点，如发表时间、研究趋势等。

文章总结了人工智能技术对教育概念和模式的深远影响，并提出了后续研究和应用的三个加强方向：系统实践人工智能课程体系建设、加强资金保障和建设人工智能教育环境、培养优秀的“人工智能+教育”教师。

二、中国的AI教育政策支持

2024年1月

教育部部长：将实施人工智能赋能行动，促进智能技术与教育教学、科学研究深度融合。1月30日-31日，由教育部、中国联合国教科文组织全国委员会、上海市人民政府共同举办的2024世界数字教育大会在上海举行。

2024年2月

用好人工智能赋能教育转型，在2024世界数字教育大会“人工智能与数字伦理”平行会议上，国际组织负责人、中外教育部门负责人、大学校长和知名专家表示“现代教育的范式是由教师和学生两部分组成，我们称之为‘二元结构’，而人工智能赋能教育发展，将形成教师、机器和学生‘三位一体’，并且是教学相长的模式。”

世界教育创新峰会研究总监阿斯玛·法达拉强调，为合乎道德和公平地使用生成式人工智能，提升教育治理水平至关重要，应完善治理框架，解决潜在的数字鸿沟问题。

国际科学理事会高级总监、未来科学中心主任马修·丹尼斯呼吁，在人工智能融入各国科研系统的过程中，增加数字伦理融入要素，特别关注高质量研究数据生产、存储与分享，并加强国际科研合作。

2024年2月19日

近日，教育部公布了中小学人工智能教育基地名单。各省级教育行政部门根据推荐要求，认真组织在人工智能课程教学、师资配备、实验环境建设等方面具有较好基础的中小学校积极申报，经各省级教育行政部门严格审核推荐、教育部集中公示，最终确定了184个中小学人工智能教育基地。

本次中小学人工智能教育基地推荐，旨在通过基地试点，进一步探索人工智能教育的新理念、新模式和新方案，形成可推广的优秀案例和先进经验，推动中小学人工智能教育深入开展。

2024年3月28日

教育部3月28日举办数字教育集成化、智能化、国际化专项行动暨“扩优提质年”启动仪式。教育部当日启动人工智能赋能教育行动，推出4项具体行动，旨在用人工智能推动教与学融合应用，提高全民数字教育素养与技能，开发教育专用人工智能大模型，同时规范人工智能使用科学伦理。

4项行动包括：国家智慧教育公共服务平台当日上线“AI学习”专栏，邀请“大咖”谈AI、组织名师教AI、鼓励师生学AI；推动国家智慧教育公共服务平台智能升级，支持全民个性化终身学习，上线智能工具增加课堂互动，促进就业、考试、留学等教育服务更加便捷畅通；实施教育系统人工智能大模型应用示范行动，推动大模型从课堂走向应用；将人工智能融入数字教育对外开放，搭建数字教育国际交流平台，提供人工智能教育的中国方案。

提出了“构建人人皆学、处处能学、时时可学的学习型社会”的发展愿景以及数字教育出海的战略规划。人工智能融入数字教育对外开放行动，有助于人工智能教育中国方案的展现。将人工智能融入“数字教育出海”，可以多角度展示中国在数字教育领域的创新和应用成果，有力推动智能教育的中国理念、中国标准、中国方案转化为国际共识，增强国际社会对中国智能教育发展的认可，进而引领人工智能教育的国际化发展。

2024年4月18日

近日，人力资源社会保障部、中央组织部、中央网信办、国家发展改革委、教育部、科技部、工业和信息化部、财政部、国家数据局等九部门印发《加快数字人才培育支撑数字经济发展行动方案（2024—2026年）》（以下简称《行动方案》），明确紧贴数字产业化和产业数字化发展需要，用3年左右时间，扎实开展数字人才育、引、留、用等专项行动，增加数字人才有效供给，形成数字人才集聚效应。

三、小结

中国的AI教育以其在不同教育层次和学科的多样化应用为特点，从中学教育到大学教育，从英语教育到体育教育（Chen等人，2022年；Deng，2022年；He & Niu，2021年；Triansyah等人，2023年）。显然，有一个趋势是整合AI以增强教学和学习体验，既注重技术进步，也注重传统教育价值的保护（Lee & Cho，2021年；Renyun等人，2021年；Yu等人，2019年）。研究表明，尽管AI正在改变中国的教育，但也在努力确保这种转变与中国的教育遗产和未来需求和谐一致（Bedi̇zel，2023年；Xu等人，2022年）。

与此同时，中国的AI教育政策支持涵盖了政策引导、专业设置、人才培养、产学研合作以及教育信息化建设等多个方面，旨在推动人工智能与教育的深度融合，提升教育质量，促进教育公平，并加强国际合作。最新的政策动态表明，中国正在积极推进人工智能在教育领域的应用，以期实现教育的数字化转型和智能化升级。

在这个由人工智能引领的新时代，我们每一位教师都有机会站在教育革新的前沿。中国的AI教育政策不仅为我们带来了前所未有的挑战，更赋予了我们无限的机遇。让我们以积极的态度，拥抱这些变化，共同塑造教育的未来。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】