教育

AI素养｜为什么有些人在AI时代更容易“翻身”？

作者
AI素养｜为什么有些人在AI时代更容易“翻身”？ “我到了” 我们经常会思考一个问题：到底什么样的人，在 AI 时代会过得更好？ 以前很多家长教育小孩时，总喜欢说一句话：“你不好好学习，以后就只能送外卖。”但现在我反而会去想另一个问题：什么样的人，即使现在在送外卖，在 AI 时代依然具备翻身的能力？ 这个问题，我有一些自己的观察。 现在大家点外卖很多，而我发现一个特别常见的现象：十个外卖员里面，可能有八九个会打电话，只说一句“我到了”。但当你打开家门时，却发现门口空空如也。这个时候你才意识到，他其实是在一楼，需要你帮忙打开楼下的大门。 问题就在于，他并没有把事情表达清楚。 其实有些小区并不需...

Prompt案例： 高阶提示词框架实战：ICE vs CoT (数据库教学篇)

作者
在掌握了基础的 **R-B-T-R-E 法则后，我们可以针对不同的任务类型，使用更精简或更具逻辑性的高阶框架。本文档将通过高职《数据库技术》教学场景，对比实战 **ICE 和 **CoT** 两种框架。 1. ICE 框架：标准任务的“三板斧” 适用场景： 格式要求严格、需要快速产出标准内容的任务（如生成特定格式的题目、代码片段）。 核心要素： I (Instruction 指令) ：要做什么？ C (Context 背景) ：给谁看？什么情境？ E (Example 范例) ：给个样板（核心灵魂）。 📌 实战案例：生成“段子手风格”的趣味试题 场景： 期中考试大家都觉得枯...

Prompt案例：提示词法则 R-B-T-R-E 对比实战：MySQL 试卷生成

作者
本文档通过“生成一套 MySQL 数据库技术试卷”这一具体案例，逐一拆解 **R-B-T-R-E (Role, Background, Task, Requirements, Example)** 五要素法则，展示加入各要素前后的提示词效果对比。 0. 原始指令 (Baseline) 提示词： “生成一套MySQL数据库技术试卷。” 缺点： AI 不知道试卷是给小学生做的还是给架构师做的，不知道包含什么题型，也没有答案，输出结果完全随机。 1. Role (角色) - 确立身份 定义： 明确指定 AI 的身份，使其调取特定领域的专业知识库和语气。 对比维度 提示词示例 预期效果 ...

从“寻找”到“确信”：深度解析知乎Slogan的战略性演变

作者
引言 2021年，在知乎成立十周年之际，知乎将其使用了多年的经典Slogan“有问题，上知乎” 升级为 “有问题，就会有答案”。 这不仅仅是一次简单的文案更迭，更是知乎从“知识社区”迈向“内容生态”，从“工具属性”迈向“人文属性”的战略转折点。本文将从语义逻辑、品牌定位、内容生态与商业版图四个维度，深度剖析这一转变背后的商业逻辑与社会心理。 一、 语义与心理层面的转变：从“行为引导”到“情感承诺” 1. 1.0 时代：“有问题，上知乎” —— 强功能的行为指令 语态分析： 这是一个典型的 Call to Action (行动号召) 。它是一个祈使句，直接告诉用户“当你有需求时，你应该做一个什...

高效学习的通用策略：从记忆到应用的系统性指南

作者
1. 诊断先行：你为什么“学不好”？ 在学习中，我们最常犯的错误，就是用“我数学不行”、“我没语言天赋”或“我就是学不会”这类模糊的标签来定义自己的困境。这种思维方式毫无帮助，如同医生不问症状就开药。真正高效的学习，始于精准的自我诊断——将学习动作精确对应到具体的问题上。 布鲁姆目标教学法（Bloom's Taxonomy） 正是这样一套精准的诊断与学习框架。它将认知过程从低到高分为不同层次。对任何领域的学习者而言，掌握前三个核心层次—— 记忆、理解、应用 ——是打好坚实基础、实现能力跃迁的关键。 下面，我们将结合这三个层次与相应的高效学习方法，为你提供一套适用于任何学科的、清晰可操作的学习方...

令爷课程第一课

作者
🚀 令爷第一课 🎓 曾确令老师介绍 📚 学术履历 graph LR A[吉林大学商学院硕士] --> B[中山大学访问学者] B --> C[广东机电职业技术学院专业教师] 🔍 学术画像 🌐 科研维度 主持/参与省部级课题5项，成果丰硕，为学科发展提供有力支撑。 发表SCI/SSCI论文4篇，其中一区顶刊论文含金量高，提升学术影响力。 横向项目转化经济效益达500万，实现产学研深度融合。 📖 教学维度 作为国家精品在线课程核心成员，助力课程建设与推广。 参与“十四五”规划教材编写，...

实证分析： T检验、方差分析（ANOVA）和卡方检验的对比分析

作者
以下是T检验、方差分析（ANOVA）和卡方检验的对比分析，以及它们在不同应用领域的详细描述。 统计方法 T检验 方差分析（ANOVA） 卡方检验 目的 比较两个组的均值差异 比较多个组的均值差异 比较分类变量的频数分布 数据类型 连续变量（通常是正态分布） 连续变量（通常是正态分布） 分类变量 适用条件 样本数量较小，正态分布，方差齐性 样本数量较大，正态分布，方差齐性 样本独立，预期频数不宜过低（通常每个单元格≥5） 类型 独立样本T检验、配对样本T检验 单因素ANOVA、双因素ANOVA、重复测量ANOVA 独立性检验、配对卡方检验、拟合优度检验 统计量计算 ...

【令爷推荐好文】到底什么是AI时代的教育？以及怎么实现AI教育学习赋能

作者
到底什么是AI时代的教育？以及怎么实现AI教育学习赋能 以下文章来源于艾笑说 ，作者艾笑 teacherAi 一直有人咨询，且也需要作为教练指导AI+教育航海，索性写了一篇，把航海手册的这部分开个源吧 教育困境与 AI 时代的变革 不论是学前启蒙教育、小初高、还是大学，我们现在的教育和学习都存在着一些怪相和困境。且不说关于补课内卷、刷题应试、单一标准、专业和择业等问题。 首先，最为重要的就是孩子们因为教育的压力和旧有模式丧失了对于学习的兴趣，甚而产生了更广泛和严重的心理健康问题。 正如冲上热搜 top1 的新闻「开学一个月后儿童精神科爆满」。2023 年 10 月发布的《2023 年度中国...

他山之石｜重新思考人工智能时代的信息素养

作者
他山之石｜重新思考人工智能时代的信息素养 [胖胖老师]() 本文选译自Dr. John Spencer最新博客“Rethinking Information Literacy in an Age of AI”，部分呢内容有所调整。 “改变游戏规则”和“颠覆性”等词汇在技术领域中已不再新鲜。教育工作者们已经目睹了1：1设备、无纸化教室、交互式白板等教育新潮流的兴起。然而，人工智能的崛起为我们带来了截然不同的感受。我们所处的时代，尤其是生成式人工智能和更广泛的机器学习领域，似乎正在迅速重塑我们的世界。尽管对于教育工作者而言，这带来了许多积极的趋势，但我们也不得不警惕人工智能如何改变信息格局，特...

深度拆解 AI 全能导师 Mr. Ranedeer 的提示词

作者
来源 ElfeXu [南瓜博士 ]() 2023-08-30 著名的 AI 全能导师 Mr. Ranedeer 的提示词中，有三条值得借鉴的技巧和两个要避开的坑。 *经验 1：用对格式 AI 记忆力和稳定性就能大幅提升 避坑 1：严谨的 json 表达会让 GPT 丢失一些创造力* 经验 2：对 AI 编程只需伪到极致的伪代码 经验 3：用 code interpreter 的内存大幅增强 AI 的记忆力 避坑 2：专业领域的 know how 比 prompt 技巧更重要 早在五月初，一位澳洲 17 岁的少年推出了 个性化 AI 全能导师，惊艳全网。很多文章对这个 prompt 的介绍聚...

5.1 【AIGC应用】个性化人工智能导师

作者
个性化人工智能导师：Ranedeer先生 1.个性化教育专家 https://github.com/JushBJJ/Mr.-Ranedeer-AI-Tutor 2.【动态】美国教育局：AI与教学未来 美国教育局最近发布的一份报告《AI与教学未来（Artificial Intelligence and the Future of Teaching and Learning）》，这份报告的核心是美国教育部将会使用AI技术改善教学和支持教育系统创新，但同时也必须应对预期的风险和可能的以外后果。 一些具体的建议： 并非让AI取代教师，还是要以学生和老师为中心 要让AI模型和教育的愿景对齐 要基于已经...

【令爷】学习方法总结

作者
学习是一项持续的过程，它需要不断的努力和实践，以便在日常生活和工作中取得成功。在学习过程中，有许多不同的方法可以帮助我们更好地理解和掌握知识。 1.学习流程 这里我们总结了三步学习方法：学得、习得和费曼学习法。 graph TD subgraph 知识组成 帕累托法则 双编码理论 分块学习法 多感官学习法 GROW模型 end 学得-->|专业指导|知识组成 习得-->|刻意练习|知识组成 知识组成--> 费曼输出 subgraph 学习原则 番茄工作法 SQ3R方法 艾宾浩斯遗忘曲线 end 学习原...

AI时代的学习方式

作者
请不要将数据中台做成BI！
1 明确目标 学习开始之前，明确你想要学习的具体知识或技能。例如，如果你的目标是学习Python编程，你可以问：“GPT，请分步列出Python编程的基础知识的学习提纲” 2 提出开放式问题 尽量提出开放式的问题，引导GPT提供更详细的信息。如，“GPT，Python是一种编程语言吗？”就是一个封闭问题 而：“GPT，你能告诉我Python编程语言的特点和用途吗？”就是一个开放性问题 3 追问 如果你对GPT的回答有疑问或者不理解，就应继续提问。例如，如果GPT告诉你Python是一种解释型语言，你可以追问：“GPT，你能解释一下什么是解释型语言吗？它和编译型语言有什么区别？” 4 多角度思考...