2024 春季学期《计算教育学》课程规划建议

[will-ww]

以2023年申请的卓越团队预研项目《数据驱动的大规模个性化在线教育平台关键技术研究》作为基础，团队主要成员作为该课程的讲师团队，开展课程设计与授课工作。

项目申请材料：Proposal.pdf

另外，由于 AIGC / LLM 成为近两年乃至今后的绝对研究热点，建议充分结合该方向对课程开展规划。具体如下：

• 参照以往课程模式，采取“教师团队授课 + 学生论文分享”相结合的模式，平均下来每位老师一学期上一次课程，每位同学一学期分享一次（从第 9 或 10 周开始，每次课安排 6 位左右的学生分享）；
• 每位老师给出 5~10 篇论文列表，供大家选取
• 将 AIGC / LLM 作为本学期课程的一个重要主题，推动大模型赋能教育场景下的创新应用
• 课程考核以大作业的形式，可以是综述型论文、专利草案、或产品原型设计等内容（具体大家可以商定）
• 本课程助教还没定，优先考虑博士生的义务助教，苏斌老师可以作为该课程的整体协调者

大家有什么建议，都可以随时提出~

[will-ww]

根据上面的内容，以及大家的讨论，进一步细化课程体系如下：

1、课程总体目标

• 讲授计算教育学中的在线教育场景，并辅以相关案例
  • 教育环节视角：教、学、练、测、创、评等
  • 内容类别视角：通识素养、代码编程、数据科学、软件工程、开源协助等
  • 分析任务视角：学习成效、知识追踪、情感状态、协作学习、资源推荐、智能导学、可视化分析、教育评价等
• 通过前沿技术赋能上述教育场景下的变革与创新，特别是 AIGC/LLM 技术的赋能
  • 讲授 AIGC/LLM 技术的核心要点，以及可能的对教育场景变革的潜在机会
  • 带领同学通过方案设计、原型系统、以及工程实践的方式，落地 AIGC/LLM 在教育场景下的创新实践

2、教师分工

• 在线教育场景：王伟、张琰彬、蒲鹏、胡文心
• AIGC/LLM 技术：高明、陆雪松、兰韵诗、刘垚

3、每周课程安排

• 03-01：第一讲，数据驱动的教育数字化转型（@AliceCodeZhang ）
• 03-08：第二讲，大模型赋能全民数字素养与技能提升（@will-ww）
• 03-15：第三讲，基于大模型的智能助教在《新生计算机第一课》中的应用（HWX）
• 03-22：第四讲，知识图谱与大模型技术的结合与教育场景应用（GM）
• 03-29：第五讲，代码大模型关键技术与应用案例（LXS）
• 04-05：第六讲，大模型技术在水杉在线平台中的应用案例（PP）
• 04-12：第七讲，AI4Science 教育场景中的大模型技术（LY）
• 04-19：第八讲，面向开源社区知识问答的大模型原型系统设计与实现（LYS）
• 05-26：第九讲，基于 BigDL 与 AIPC 与教育大模型一体机设计与实现（Intel）
• 持续更新中……

4、平时与课程大作业

• 课程中设置三次小作业
  • 智慧教育场景的用户故事与用例
  • 针对上述用户用例的相关 AIGC/LLM 论文阅读与分享
  • 技术解决方案与可行性分析
• 设置一个期末大作业
  • 学生分组（1 ~ 3人），基于三次小作业的可展示、可验证、可运行的原型系统
  • 解决某个智慧教育场景中的实际问题
  • 采用了 AIGC/LLM 相关技术
  • 有完整的设计文档、实施方案、与原型实现

5、课程评价

• 出勤：10%
• 平时作业：30%（共三次，每次10%）
• 期末大作业：60%

6、助教任务（王景超、杜涵悦）

• 平时课程出勤与知识性答疑
• 归纳在线教育场景的用例，梳理 AIGC/LLM 技术体系、以及应用案例，给老师作为上课素材
• 搭建大模型运行环境，包括 3 台 AIPC 和部分超算资源
• 分组管理、论文阅读分配与组织
• 对三次平时作业进行辅导与答疑
• 参与分组期末大作业的讨论，并进行答疑
• 协助老师对平时作业、以及大作业的打分与统计

根据上述课程安排与助教任务，需要助教每周的工作量：

• 1 ~ 12 周：出勤、教学案例设计、大模型实验环境搭建（包括 3 台 AIPC 和部分超算资源），每周 16 个小时
• 13~18 周：批改三次作业、期末大作业环境支持、作业批改与分数统计，每周约 12 个小时