- 综合排序
- 最热优先
- 最新优先
2024 腾讯研究院 & 北京大学《AI 时代的教育变革探索指南》发布
报告通过构建“5U”AI素养框架和“7S”AI原生学校要素体系，探索如何从“讲授+作业”模式转向“对话+共创”的新范式，以实现技术与教育价值的共生。 第三章：报告目录 1. 把握 AI 时代的关键变化：人机协同 探索 AI 时代的能力培养方向：“5U”框架 2. 模式之问：AI 教育模式是否需要重构？ 构建人机协同的教学新范式 保留不可替代的“学习现场” 3. 报告构建了“5U”AI素养模型（Understanding, Using, Upholding, Uniting, Upgrading）及“7S”AI原生学校模型作为核心分析架构。 为此提出的 “5U” AI素养框架 强调： 知识理解力 (Understanding)：理解AI的机理与局限。 技术应用力 (Using)：高效使用AI工具链。 企鹅读伴：利用AI打造数字人作家，通过陪伴式阅读和互动交流，提升学生的阅读兴趣与素养。 3.
56710编辑于 2026-02-032025 北京大学国家智能社会治理(教育)特色实验基地等 人机共育 向善而为 AI 时代的教育变革探索指南 发布
研究价值在于为AI时代教育变革提供系统性框架。 年度国家社会科学基金教育学重大课题《新一代人工智能对教育的影响研究》(VGA230012)成果；EY研究显示“年轻一代在提示词设计、识别AI幻觉等关键能力上表现不足”；UNESCO、OECD等机构发布AI素养框架 把握AI时代的关键变化：人机协同 探索AI时代的能力培养方向：“5U”框架 模式之问 AI教育模式是否需要重构？ •核心分析模型： AI素养“5U”框架（知识理解力、技术应用力、价值判断力、跨界整合力、自我更新力）； 学校AI落地三层次模型（课堂增能型、校级统筹型、体系推进型）； AI原生学校“7S”要素体系 解决方案： 构建人机协同人才培养理念，以“5U”框架培养复合型人才； 推动教育模式转向“对话+共创”，采用分层任务体系（No-AI无AI任务、Co-AI限AI任务、Pro-AI全AI任务）；
31020编辑于 2026-04-02报告基础信息
报告旨在构建人机协同教育框架，提出适配智能文明的人才培养路径。 报告目录 * 前言 * 1.目标之问 AI时代需要培养什么样的人才？ * 把握AI时代的关键变化:人机协同 * 探索AI时代的能力培养方向:“5U”框架 * 2.模式之问 AI教育模式是否需要重构？ • 核心模型：提出 “5U”AI素养框架（知识理解力/技术应用力/价值判断力/跨界整合力/自我更新力）与 “No-Al/Co-Al/Pro-Al”分层教学任务模型。 核心观点 AI素养为人才核心能力：提出 “5U”框架（Understanding/Using/Upholding/Uniting/Upgrading），强调人类需在意义建构（如伦理判断$^{9}$）、创造性思维等非对称领域保持优势 学校变革三级进阶路径：从课堂增能工具（如印度IRIS教辅机器人）→校级统筹优化（北京“北极星-地平线”治理框架）→体系推进（阿联酋K12必修AI课程政策）。
22910编辑于 2026-04-01- 来自专栏Brian
Scala Turtuial-基本语法
概述 Scala是将面向对象思想与函数式编程思想集一身的编程语言，特别是在大数据和流式处理方面的快速发展，基于Scala语言一些重要的开源框架随之发布，比如：Spark，Kafka等。 String = HELLO scala> x.reverse res16: String = olleh scala> "hello".drop(3) res17: String = lo scala> 1*10 scala> 1*10-2::2::Nil:::List(89,89) res20: List[Int] = List(8, 2, 89, 89) 元组类型 scala> val test = ("hello
82240发布于 2018-04-03 - 来自专栏思影科技
深度学习在静息态功能磁共振成像中的应用
为了测试时空学习对fMRI数据的可行性和有效性，作者开发了一个样本4DDL模型(称为4DStL模型)，通过扩展作者之前提出的DL框架，预先添加一个额外的卷积层，以端到端方式获得时变特性。 图1描述了研究框架图。 图1. 研究框架图。这项研究使用一系列SML和DL方法，比较了不同方法在fMRI数据的几种时间特征、组ICA处理后的时间过程以及样本学习/回归任务的静态功能连接上的性能。 此外，对于3D CNN DL模型，作者使用的批量大小为16，初始学习率设置为10-2并通过在[10-1,10-2,10-3,10-4,10-5,10-6]范围内进行调优。 两层双向LSTM模型和graph-CNN均使用了Adam优化器，并对学习率在[5×10-2,10-2,5×10-3,10-3,10-4]范围内和对批量大小在(16,32,64,128)范围内进行了调整。 图3显示了由4DSTL模型对预处理的fMRI数据(上)编码的fMRI数据表示的非线性嵌入以及利用tSNE框架估计的TMF特征上的三维DL模型(下)。
1.8K30编辑于 2022-06-13 - 来自专栏数据派THU
发表 | 李正风、王硕：数字素养、数据权利与数字伦理
来源：清华服务经济与数字治理研究院 本文约9200字，建议阅读10+分钟 本文将三个层次整合到一个分析框架中，指出三者都是实现数字社会良性治理不可或缺的重要组成部分。 总体来看，已有研究涉及的学科领域分散，理论视角多元，但是很少有研究将这三个层次整合到统一的框架中，并用其来分析数字社会所面临的挑战及治理路径。 本文将以上三个层次整合到一个分析框架中，指出三者都是实现数字社会良性治理不可或缺的重要组成部分，分别分析每个层次的问题与挑战，并在此基础上提出可能的治理路径，以期为更好地推动数字社会的良性治理与实现人民美好数字生活提供理论参照与政策启示 对于数字素养的概念，比较有代表性的定义由以色列学者约拉姆（Yoram）提出，他认为数字素养应该包括五个方面，即图像素养（视觉识读）、创新素养（创造性生产）、分支素养（新思维）、信息素养（辨别真伪）及“社会 联合国教育、科学及文化组织则将数字素养定义为“通过数字设备和网络技术安全和适当地访问、管理、理解、整合、交流、评估和创建信息，以参与经济和社会生活的能力”[14]，并且提出“全球数字素养框架”（Digital
2.7K20编辑于 2023-03-29 - 来自专栏计算机视觉战队
Exxact公司提供液冷人工智能开发平台
Exxact TensorEX TWS-194019223 是一款预制液冷5U机架式工作站，具有双英特尔至强可扩展6444Y CPU和4个NVIDIA A100 80GB NVLinked GPU，通过双 该平台还配备了NVIDIA AI企业软件套件，这是用于人工智能和深度学习的全套工具，包括框架、工作流程和由 NVIDIA 策划的预训练模型。
58020编辑于 2023-08-24 - 来自专栏智能大数据分析
聚类分析方法（一）
（1）类球状的簇 (图10-2)，一般是聚类算法使用距离函数所产生的簇，而非球状的簇，通常由基于密度或基于原型的聚类算法获得的簇。 （四）聚类框架及性能要求 算法10-1 聚类算法框架 输入：数据集 S ，相似度 s ，以及簇的个数 k ； 输出：聚类 C=\{C_1,C_2,\cdots,C_k\} ； （1）任意产生 ）每个数据对象属于且仅仅属于一个簇； 将聚类算法框架10-1具体化，可得划分聚类算法框架，如下。 算法10-2：划分聚类算法框架 输入：数据对象集 S 和正整数 k 输出：“好”的划分聚类 C （1）生成初始划分聚类 C^{(0)}=\{C_1,C_2,\cdots,C_k\} （2） 因此，算法10-2就是寻找使 f(C) 达到最小，或使 F(C) 达到最小的聚类 C ，即是我们需要的好聚类。
65800编辑于 2025-01-23 - 来自专栏高性能服务器开发
（二） 服务器端的程序的编译与部署
2344463 0t0 TCP 127.0.0.1:8600->127.0.0.1:49172 (ESTABLISHED) http_msg_server 3998 root 5u 2344451 0t0 TCP 127.0.0.1:37566->127.0.0.1:8200 (ESTABLISHED) msg_server 4011 root 5u 2344468 0t0 TCP 127.0.0.1:8200->127.0.0.1:37566 (ESTABLISHED) msfs 4038 root 5u IPv4 33065 0t0 TCP 127.0.0.1:8700 (LISTEN) login_server 4075 root 5u IPv4 33115 pc端主程序用的是mfc框架，界面使用的duilib库。 我们将在下一篇文章中详细介绍pc端程序源码。
1.6K70发布于 2018-04-04 - 来自专栏互联网-小阿宇
Prometheus➕Grafana监控node节点资源情况
Prometheus是一套开源的系统监控报警框架。Prometheus作为新一代的云原生监控系统，相比传统监控监控系统（Nagios或者Zabbix）拥有众多有点。 node_expo 9891 root 3u IPv6 47017 0t0 TCP *:jetdirect (LISTEN) node_expo 9891 root 5u
86110编辑于 2022-11-21 东南亚中小企业AI素养与数据管道构建指南
AI素养对于东南亚中小企业的重要性我们对机器并不十分了解，因为我们忙于使用它们。以汽车为例。我们驾驶汽车，乘坐汽车，有些人以销售汽车为生。但如果我的汽车突然发生故障，我该怎么办？ 因为AI正在自行构建智能的基线和框架。而这就是我们谈到企业的切入点。感谢 Pexels.com 的摄影师们。在企业内部使用AI的决定是另一回事。 这就是为什么企业主具备AI素养至关重要。感谢 Pexels.com 的摄影师们。这的起点必须是数据素养。我最近参与的一个项目评估表明，许多数据分析并不需要AI，初期也无需对基础设施进行大量投资。 然而，决策者可能会开始讨论重大的资本支出问题和应用框架作为解决方案。在这种情况下，激进的供应商可能会回应“我能做到”。这在商业中是合适的，也是可以预料的。 供应商和服务提供商确保其行业构建模块的素养并非自然而然。由于IT行业的长期发展，其中大部分都被视为理所当然。然而，AI是另一回事，扎实的素养和培训基础至关重要。现在是时候了。
15210编辑于 2025-12-30- 来自专栏大数据文摘
电视记者需要具备的数据新闻素养
从事该领域报道的电视记者除了应具备一般意义上的职业素养外，还亟待培养和提升自我的数据新闻素养。 数据新闻素养之二：数据能力 有了数据意识以后，电视记者还应具有较强的数据能力，具体包括： 获取数据的能力。 电视新闻有着严格的时间限制和编排顺序，如何在既定的框架内凸显新闻主题，用数据说清讲透一个社会现象或热点话题，并引起受众的关注，是目前电视记者在制作数据新闻时的重点和难点之一。 那么，电视记者要想培养相关知识与素养，有哪些资源可利用？ 电视记者可以通过上述途径，充分利用各种资源并结合日常工作实践，更好地培养、提升数据新闻素养。
81880发布于 2018-05-22 - 来自专栏全栈程序员必看
Prometheus➕Grafana监控node节点资源情况
Prometheus是一套开源的系统监控报警框架。Prometheus作为新一代的云原生监控系统，相比传统监控监控系统（Nagios或者Zabbix）拥有众多有点。 node_expo 9891 root 3u IPv6 47017 0t0 TCP *:jetdirect (LISTEN) node_expo 9891 root 5u
1.6K10编辑于 2022-06-29 - 来自专栏音视频咖
互动再升级，适配新课标，实时互动-教育版快速构建在线素养教育课堂
随着新课标将培养学生的核心素养作为目标，素养教育变得越来越重要。在这样的背景下，在线教育机构纷纷推出了在线素养课程，如数理思维素养、思辨阅读与表达创作等。 相较于传统应试教育，素养教育更关注实践与思考，这就对在线教育中的师生互动、教学呈现提出了更高的要求。 提供更贴近线下教学的互动性并保证课中专注力和学习效果，腾讯云音视频实时互动-教育版（LCIC）推出了包含课中实时音视频、互动教学工具等核心功能的一站式aPaaS解决方案，帮助教育行业开发者快速打造互动性更强、教学效果更好的自有品牌教育应用，适配素养教育新要求 为了满足业务接入具有专属特色的个性化功能，LCIC支持开发者基于现有Web开发框架使用JS/CSS注入来实现自定义UI，即可在各平台同步生效。
97010编辑于 2025-01-20 - 来自专栏公共互联网反网络钓鱼（APCN）
个性特质与情境压力对网络钓鱼易感性的影响机制研究
本文基于一项包含312名参与者的大规模受控实验，结合五因素人格模型（Big Five）、数字素养量表与多轮模拟钓鱼任务，系统考察个性特质与情境压力对钓鱼易感性的交互影响。 基于实证发现，本文提出分层人因安全干预框架，建议在界面设计中嵌入延迟执行、二次确认与视觉风险标识，并在组织层面实施情境化、周期性安全演练。 据此提出假设：H1：神经过敏与冲动性正向预测钓鱼点击概率；H2：尽责性与数字素养负向预测点击概率。 Note the sender: 'support@amaz0n-security.com' is fake.")5 分层人因安全干预框架基于实证结果，本文提出三层干预框架：5.1 个体层：个性化风险画像在入职或年度评估中嵌入人格与数字素养测评 高神经过敏者在时间压力下更易落入陷阱，而尽责性与数字素养构成天然屏障。
46310编辑于 2025-12-16 - 来自专栏生成式人工智能
人工智能时代人才培养的变革路径：模式创新、能力重塑与认证赋能
这要求教育者在传授知识的同时，更加注重培养学生的创新思维、实践能力、团队协作等核心素养。例如，通过项目式学习、探究式学习等方式，让学生在实践中学习，在学习中创新，形成对知识的深刻理解和应用能力。3. 数据素养与分析能力在AI时代，数据是驱动决策和创新的关键资源。因此，数据素养与分析能力成为人才必备的核心技能之一。学生需要学会如何收集、整理、分析数据，并从中提取有价值的信息和洞察。 这一认证由全球终身学习公司培生（Pearson）推出，旨在为职场及专业人士、学生提供一套全面且实用的生成式人工智能技能培训框架及认证。 在AI时代，教师需要具备更高的专业素养和教学能力，才能更好地引导学生学习AI知识。因此，应加强对教师的培训和培养力度，提升他们的AI素养和教学水平。 生成式人工智能认证等培训框架和认证标准的推出，将为人才培养提供新的思路和方向。通过借鉴这些认证的理念和方法论，教育机构可以更加精准地定位人才培养目标，优化课程设置和教学方法，提高人才培养的质量和效率。
1.2K10编辑于 2025-04-04 - 来自专栏Web行业观察
前端工程师的未来在哪里？
观点 继续分化（领域、行业、技术栈） 继续融合（端技术、Web全栈技术、人工智能与端技术） 核心不变（计算机科学本质、软件工程思想与实践、程序员职业素养） 1. 泛Node：有工具链、Web框架、IoT、客户端（Electron、NW）等。 继续融合 端技术 前端、客户端技术思想的融合 组件化（组件化搭建页面） 组件生命周期钩子函数（如iOS ViewController） MV*（如MVVM设计就来源于微软客户端开发框架） 大前端的统一 核心不变 计算机科学本质/软件工程思想与实践/程序员职业素养。 计算机科学基础：如基本的操作系统概念和计算机组成原理，算法和数据结构基础等等。 程序员职业素养：如对代码整洁和可读性的追求，对软件开发的热情，对编程技艺的自我提升等等。
1.5K30发布于 2018-10-11 - 来自专栏木鸟杂记
DDIA：批中典范 MapReduce
步骤 3，排序阶段，由 MapReduce 框架隐式完成，所有 Mapper 的输出在给到 Reducer 前，框架都会对其进行排序。 例子：用户行为数据分析 在批处理任务中，一个典型的任务如图 10-2 所示。 如，设想在图 10-2 对应的场景中，用户资料数据足够小，能够装入内存。在这种情况下，当 Mapper 启动时，可以先将用户资料分布式文件系统中读取到内存的哈希表中。 但仍然会有多个 Mapper 任务：join 的大数据量输入侧（在 10-2 中，用户活动事件表是大输入侧）每个文件块一个 mapper。 仍以图 10-2 为例，你可以重新组织活动事件和用户信息，都将其按用户 ID 的最后一位进行分片（则每侧输入都会有十个分片）。
61710编辑于 2023-12-19 - 来自专栏友儿
高级PHP在技术上有独当一面的能力，还需要具备哪些条件
一：常见模式与框架 学习PHP技术体系，设计模式，流行的框架 常见的设计模式，编码必备 Laravel、TP开发必不可少的最新框架 YII、Symfony4.1核心源码剖析 二：微服务架构与性能优化 > Tars分布式RPC框架 Swoft微服务框架 服务器性能优化 算法与数据结构 三：工程化与分布式架构 任何脱离细节的PPT架构师都是耍流氓，向上能运筹帷幄，向下能解决一线开发问题， 熟练应用至少一个PHP框架，两三个PHP开源系统;拥有自己的一套应用系统。 3、良好的项目管理素养 项目不是一直开发过程中，项目也会进入运营期，维护期，这样，具备良好的项目管理素养会使项目更加稳定，可控。 良好的项目管理素养包括： 良好的项目开发及维护习惯，记住：千万别为了一时的省力，造成后面多次的重复劳动。时时提醒自己将工作流程化，流程规划化，规范简单化。
50820编辑于 2022-09-11 - 来自专栏生成式人工智能
数智时代如何构建人才培养生态？生成式人工智能（GAI）认证，引领数智时代人才培养新方向
一、顶层设计：构建“技术—人文—伦理”三维培养框架 数智时代的人才培养需突破传统学科壁垒，建立以“技术—人文—伦理”为核心的三维培养框架。 这一框架不仅强调技术能力的提升，更注重人文素养与伦理意识的融合，确保人才培养与社会发展协同。1. 技术能力：夯实人工智能基础，培养跨学科应用能力人工智能技术已成为数智时代的底层驱动力。 人文素养：坚守教育本质，培养终身学习与创新能力技术赋能需与人文教育并行。人工智能的发展要“坚持自立自强，突出应用导向”，而教育需“为育人而教”，而非“为就业、为利益而教”。 这一模式与生成式人工智能（GAI）认证体系中的伦理教育相呼应，共同构建了人文与技术并重的培养框架。3. 通过构建“技术—人文—伦理”三维培养框架，搭建个性化、终身化学习平台，并建立伦理约束机制，可培养兼具技术能力与人文素养的复合型人才。
30800编辑于 2025-06-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号