清華大學《邁向未來的AI教學實驗》（PDF文件）-AI教程攻略

AI教程 2025-04-30

《邁向未來的AI教學實驗》是清華大學新聞學院與人工智能學院的沈陽教授團隊編寫的報告。報告圍繞科學創見、理論創新、藝術創作、知識創造和數據創能五個主題板塊，基于27個典型案例，系統性地探索人機共生教學模式，展現AI在教育領域的創新應用。報告的核心是“四能教育”理論框架，揭示AI賦能下學習者能力的躍進路徑，包括從低能到高能的個性化學習、從單能到多能的跨學科融合、從多能到超能的深度學習，及從超能到異能的創新思維模式。這種教育模式強調教師作為啟發者、AI作為賦能者，學生成為“認知突圍者”，形成三位一體的新型教學關系，為智能時代的教育變革提供重要范式參考。

Towards a Future-Oriented AI Education Experiment

AI for Science 科學創見

用AI自動實施生物醫學實驗

AIGC與生物醫學科研：探討AI在生物醫學科研中的優勢（創新性、檢索能力和強大算力）及不足（可靠性和嚴謹性需實驗驗證）。
生物醫學科研基本流程：介紹生物醫學科研的基本流程，包括知識庫構建、研究問題確定、實驗設計與優化、實驗執行、結果分析與發表及知識整合與共享。

實驗執行：詳細討論AI在實驗執行中的作用，包括自動化硬件的互聯互通、人機協作及相關案例分析。
AIGC驅動的生物醫學實驗全流程智能解決方案：提出基于AIGC的生物醫學實驗全流程智能解決方案，涵蓋知識庫、研究問題確定、實驗設計與優化、實驗執行、結果分析與發表以及知識整合與共享。
未來方向：展望AI在生物醫學實驗中的未來發展方向，包括全流程整合的潛力以及面臨的成本、知識產權等風險與挑戰。

基于AI的文明沖突仿真實驗

不同文明間的價值觀差異：指出不同文明間的價值觀差異是文明沖突的根源，如西方文明強調個人主義，東方文明強調集體主義。
AI模擬為解決文明沖突提供新的策略：用AI技術進行文明沖突解決策略的模擬實驗，根據不同文明間的價值觀差異制定針對性的解決方案。

資源分配不均是文明沖突主因：分析資源分配不均是導致文明沖突的主要原因，指出約60%的資源集中在少數國家，導致資源爭奪和沖突。
科技發展對文明沖突解決的影響：提出用科技發展促進文明發展，提高文明的發展速度，化解資源與發展的矛盾，減少沖突的可能性。
解決文明沖突的長遠規劃與展望：強調科技手段，尤其是AI技術，可以更高效地分配資源，預測和解決潛在沖突，為解決文明沖突提供科學依據。

圍繞科學議題的智能體在線討論模擬

爆火的斯坦福AI小鎮：介紹斯坦福AI小鎮的智能體在線討論模擬實驗，探討AI在科學傳播中的應用，及AI智能體在意見演變和虛假信息傳播中的表現。
智能體的7層核心架構：介紹智能體的7層核心架構，包括自主性和適應性、多模態交互能力、認知架構、環境交互、社會性維度、系統完整性和安全機制。
核心關注點是LLMs在科學傳播中的可能性及其挑戰：探討LLMs在促進科學共識形成、抵御虛假信息傳播方面的潛力和局限。

實驗的目標：角色模擬、意見演變，基于AI模擬多個虛擬代理進行科學議題討論，觀察角色模擬和意見演變的過程。
虛假信息引入下的信念演變：研究虛假信息對科學議題討論中代理信念演變的影響。
后續想法：代理仿真模擬實驗：提出未來代理仿真模擬實驗的設計思路，包括代理人屬性設置、議題設置、規則設置、內容設置、時間設置、代碼運行、結果審查和調試代碼等環節。

AI分析遠程辦公的趨勢及影響

問題提出：探討遠程辦公是否能提高工作效率和員工滿意度，尤其是在新冠疫情期間。
可分析維度：分析遠程辦公對員工滿意度、工作時間和工作質量的影響。
基于現有研究的分析：引用Gartner、Bloom、康奈爾大學和Owl Labs的研究，探討遠程辦公對工作效率、員工滿意度和薪資的影響。
主要發現與結論：總結遠程辦公模式已被廣泛接受，在一些情況下提高工作效率和員工滿意度，指出結果的個體差異性。

AI for Theory 理論創新

理論構建學：用AI構建理論框架

起源：為什么要創造這門學科，探討理論構建學的起源，強調構建理論的重要性，包括預測未來、解決問題、推動科學發展等。
理論構建學 – 形式化定義：定義理論構建學，提出發展函數、評估函數和改進函數，用在構建、評估和改進理論。
構建理論的五步法：介紹構建理論的五個步驟，發現規律或問題、定義重要概念、提出假設、進行推理驗證和迭代改進。

如何評價一個理論：討論評價理論的標準，包括適用性、簡潔性、可操作性、預測能力、適應性、準確性和可證偽性等。
AI時代構建理論的五步法：結合AI技術，提出用AI進行理論構建的五個步驟，包括發現規律、定義概念、提出假設、驗證假設和迭代改進。
用AI構建理論的例子：基于具體案例展示如何用AI構建理論，包括發現規律、定義概念、提出假設、驗證假設和改進理論。

用AI論證素數位數關系理論

理論的發現過程：描述AI在探索素數位數關系理論中的發現過程，包括學習拉馬努金數性質、改進提示詞和運用Python程序驗證。
素數位數關系（PDRT）理論的具體內容及闡釋：詳細介紹素數位數關系理論（PDRT），包括三個分支性質，增和冪和性質、素和冪和性質和數字和冪和性質。
PDRT理論：數學與密碼學，探討PDRT理論在數學和密碼學中的應用，包括數論研究、組合數學與概率及加密算法設計。
人機共生找尋特殊數學性質的優缺點：分析AI在探索特殊數學性質中的優勢（如數據處理、計算能力和生成假設）和當前存在的問題（如路徑依賴和計算錯誤）。

用AI構建和實證逆向滿足理論

逆向滿足理論：顛覆邏輯、精神巨人，介紹逆向滿足理論的核心思想，即先實現高層次的精神需求，再回歸基礎需求。
逆向滿足理論形式化：計算滿足提升效果，探討如何將逆向滿足理論形式化為數學公式，并通過調整權重來改變不同需求層次的滿足度。
逆向滿足指數模擬測評：100位受訪者的打分，基于模擬數據，展示100位受訪者對逆向滿足理論的打分情況，計算平均評分。

基于AI對話的學術靈感激發研究

A I對談的三個特性：非主體性、盲從性、調和性。
靈感（inspiration）與啟發式（Heuristic）：介紹靈感和啟發式的概念，及它們在學術研究中的重要性。
對抗性啟發式：探討基于AI進行對抗性討論，嘗試產生新的觀點和靈感。
評論性啟發式：討論基于AI對辯論情景進行評論，提供創新性觀點的方法。
競爭性啟發式：介紹基于AI對同一話題進行競爭，要求“更好”的結果，深入探索和細化話題。

AI助力新漢字創造

歷史需求總結：總結新漢字創造的歷史需求，包括社會變革、科技進步、文化交流、環境與可持續發展、數字與信息時代、虛擬現實與元宇宙以及社會多樣性與包容性。
造字法則：介紹漢字的造字法則，包括象形、會意、指事和轉注。
詞庫構建：討論如何基于AI技術構建和優化漢字詞庫，實現新漢字的生成。
輸入與提取：基于詞匯輸入、詞組拆分、偏旁查找、特征提取和組合邏輯來生成新詞的方法
未來展望：展望AI在新漢字創造中的未來應用，包括詞庫拓展、AI豐富解讀和AI優化篩選。

AI分析人機關系及主體性問題

假設公理：提出兩個假設公理，包括AI不會產生自主意識和三個普世的價值觀念（個人成長和自我實現、愛與被愛、對他人的尊重幫助與同情）。
AI的權利：探討AI的權利問題，包括法律與倫理框架的重構、所有權和責任的重新定義及社會與文化的變遷。
數據為王：分析數據在AI時代的重要性，包括經濟基礎的轉變、上層建筑的調整、社會階層的重組、國際關系的變化、技術發展的推動和個人生活的影響。

社會圖景：展望AI高度發達時代的社會圖景，包括數據民主化與公平分配、智能化的社會治理、數據驅動的創新經濟模式及教育和職業的轉變。
個人成長和自我實現：探討AI對個人成長和自我實現的影響，包括學習和成長的機會、工作和職業的轉變及可能的失業問題。
愛與被愛：分析AI對人類情感的影響，包括人是否會愛上AI、AI導致的冷漠人際關系以及尊重與同理心的缺失。
尊重與同理心：討論AI對人類尊重和同理心的影響，包括與AI交流可能導致的對他人尊重的缺失和同理心的缺失。

AI for Arts 藝術創作

一個美術門外漢的VR創作體驗

創作心得體會 ：分享美術新手在使用VR技術進行創作時的心得體會，包括“視角呈現”與“實體構筑”的對比，及VR繪畫的優勢和挑戰。
創作思路 ：探討美術新手在VR繪畫中的創作思路，包括注重“實體”或“線條”的選擇，及如何用軟件內置筆刷探索特殊效果。

基于“影界”世界觀的異維度藝術實驗

“影界”概念闡述：介紹“影界”這一虛構世界觀，描述獨特的物理規則、主要居民和藝術形式，如影繪、光影舞、維度交響畫和時間旋律雕塑。
影界回響：時空之舞，闡述“影界回響，時空之舞”藝術展的理念，展示四種獨特的藝術形式，包括影繪、光影舞、維度交響畫和時間旋律雕塑，探討影界獨有的美學和感覺。
Shadow Painting（影繪）：介紹影繪這一藝術形式，用影子作為畫布和顏料，創作出流動且生動的畫作。

Light and Shadow Dance（光影舞）：描述光影舞這種動態的表演藝術，舞者基于控制身體周圍的光和影表達情感和故事。
Dimensional Symphony Painting（維度交響畫）：探討維度交響畫，展現不同時間維度下的生命場景，基于交錯的音符和色彩描繪生命的復雜性和多樣性。
Temporal Melody Sculpture（時間旋律雕塑）：介紹時間旋律雕塑，用抽象形式展現時間的流動感，雕塑的線條和形狀隨觀眾的視角和移動而改變，象征生命旋律的變化。
提示詞介紹：如何用提示詞生成具有特定風格和元素的藝術作品的方法，及AI如何優化描述以提高準確性。

AI for Knowledge知識創造

AI分析頂尖人物與普通人的思想

各領域頂尖人物：列舉科技、醫療、文學與藝術、體育、商業與管理、科學與工程等領域的頂尖人物，展示他們在各自領域的卓越成就。
經濟博弈實驗對比：基于AI模擬頂尖人物和普通人與AI進行經濟博弈的實驗，分析合作、對抗、共生和兩敗俱傷的概率差異。
頂尖人物的“烏托邦”實驗：模擬100位頂尖人物共同創建烏托邦社會的過程，探討其可能的發展方向和最終命運。

普通人的“烏托邦”實驗：模擬100個普通人組成烏托邦社會的可能結果，分析與頂尖人物烏托邦實驗的不同之處。
出現不同的原因：探討頂尖人物與普通人在“烏托邦”情境下出現不同結果的原因，包括資源管理、組織能力、決策能力和解決沖突的能力差異。
結論：總結頂尖人物的跨領域合作對系統性變革的推動作用，及在解決社會核心矛盾中的重要性。

AI分析哲學文本

選題背景：介紹選擇哲學文本進行AI分析的背景，強調哲學文本分析的重要性。
選擇的文本：列舉AI分析的哲學文本，包括笛卡爾、康德、愛默生、馬克思、恩格斯、尼采等人的著作。
數據處理：描述AI分析哲學文本時的數據處理過程，包括文本的整理和預處理。
詞云圖：基于詞云圖展示不同哲學文本中高頻詞匯的分布，分析文本的主題和重點。

文本相似度：探討不同哲學文本之間的相似性，分析文本之間的關聯和差異。
二元詞頻：分析哲學文本中的二元詞頻，探討文本中的關鍵概念和主題。
情感分析：基于情感分析探討哲學文本的情感傾向，分析文本的情緒特征。

微表情的AI分析及應用

背景介紹：介紹微表情分析的背景，強調微表情作為真實情緒反映的重要性。
方法與流程：描述微表情AI分析的方法和流程，包括定義問題、數據整理、細化分析和反饋。
案例分析：基于具體案例展示AI分析微表情的應用，如分析特朗普遇刺未遂事件中的情緒動態變化。

情緒動態變化：分析案例中人物的情緒動態變化，包括自信度、平靜度、焦慮度等的變化。
優勢與局限：探討AI在微表情分析中的優勢和局限，包括AI與人的差異、解讀角度等。
未來展望：展望微表情AI分析的未來發展方向，包括情境理解、混合情緒建模和實時分析。

用AI分析“種草式”消費的用戶心理及信任遷移

“種草”闡釋：解釋“種草”這一網絡用語的含義，探討在消費中的作用。
“種草”的主體：分析“種草”行為的主體，包括品牌和公司、KOL、KOC、普通消費者等。
數據來源與分析方法：介紹分析“種草式”消費的數據來源和方法，包括高頻詞統計、文本情感分析等。
綜合發布活動分析：分析“種草”內容的發布時間、頻率等發布活動特征，探討對營銷的影響。
綜合情感分布分析：基于情感分析探討“種草”內容的情感分布，分析正面、負面和中性情感的比例。
互動數據綜合分析：分析“種草”內容的點贊、評論、轉發等互動數據，探討對用戶參與度的影響。

筆記摘要詞云圖：基于詞云圖展示“種草”內容中的關鍵詞，分析用戶關注的產品特性、情感傾向等。
筆記標題詞云圖：基于詞云圖展示“種草”內容的標題關鍵詞，分析品牌和產品名稱的突出性。
“發布人”數據的基礎分析：分析“種草”內容發布人的活躍度和影響力，探討關鍵意見領袖的作用。
社區網絡分析：基于社區檢測算法分析“種草”內容的社區網絡結構，探討信息傳播路徑和主要影響者。
六大分析指標、兩大分析視角：介紹分析“種草”內容的六大指標和兩大視角，包括預估閱讀量、粉絲量、評論口碑等。

從單因素分析到多因素相關性分析：從單因素分析擴展到多因素相關性分析，探討不同因素對“種草”內容效果的影響。
主成分分析矩陣數據結果分析：基于主成分分析矩陣探討“種草”內容的綜合質量、外觀設計、影響力和代入感等維度。
多元線性回歸分析：基于多元線性回歸分析探討“種草”內容的各個因素對預估閱讀量的影響。
評論區數據分析：兼與B站平臺的對比，分析“種草”內容評論區的數據，對比小紅書和B站平臺的用戶互動特點。
結論分析：總結“種草式”消費的心理機制和信任遷移的特點，強調內容質量和用戶互動的重要性。

分析AI是否具有幽默感：探討AI是否能夠理解和生成幽默內容。

理解：AI在笑什么，探討AI對幽默的理解，分析AI如何識別和生成幽默內容。
「幽默」：定義幽默的概念，探討幽默感的來源和影響因素。
你認為，脫口秀表演令人發笑通常有哪些形式：列舉脫口秀表演中常見的幽默形式，如反轉、夸張、類比等。
理解：AI在笑什么，通過具體例子分析AI對幽默內容的理解和反應。
Step 1 對一檔節目的總體評價：介紹如何用AI對一檔脫口秀節目進行總體評價。
Step 2 對評判機制（賽制）的理解：探討脫口秀節目評判機制的理解，包括評委復活機制等。
Step 3 對表演水平的評價：分析AI對脫口秀表演水平的評價，包括節目排名和表演者的幽默能力。

一分高下：討論如何用AI評價不同脫口秀表演者的幽默能力，分析情感共鳴和互動性的重要性。
情感共潮：定義“情感共潮”這一概念，探討脫口秀表演中觀眾與演員之間的情感互動。
AI創作可行性：AI擅長模仿和生成笑話，但缺乏人類的情感體驗，更適合作為輔助工具與人類協同工作。
總結：將生活中的終點視為新的起點。

AI分析個體的戀愛關系

激情型：描述激情型戀愛關系的特點，包括強烈的身體吸引力和情緒波動，及在“蜜月期”的突出表現。
依賴型：探討依賴型戀愛關系的特點，包括情感或經濟上的依賴、缺乏獨立性以及對分離的恐懼。
網戀型：分析網戀型戀愛關系的特點，如主要通過網絡交流、匿名性和神秘感，以及現實接觸少的問題。
權力型：探討權力型戀愛關系的特點，包括一方主導、服從與控制及自我價值受影響等問題。
獨立型：描述獨立型戀愛關系的特點，如重視個人空間、自我成長及平等尊重。
探索型：分析探索型戀愛關系的特點，包括逐漸增加的興趣、試探性互動以及對關系未來的開放態度。
禁忌型：探討禁忌型戀愛關系的特點，如涉及違反社會道德規范或法律法規的行為，及帶來的刺激感和秘密性。

戀愛成癮的理論分析：從多個理論角度分析戀愛成癮現象，包括情感反射、信息可獲得性、認知失調、社會強化及情感連鎖反應等因素。
AI戀愛的可能性：探討AI在戀愛關系中的可能性，包括虛擬存在與物化理論、共情計算與情感共振理論、后人類主義與情感拓展理論及數字親密性與情感自治理論。
AI戀愛的風險：分析AI戀愛關系可能帶來的風險，如情感依賴性與人格異化、情感操控與數據濫用、社會不平等與“情感階層”問題、情感表達的“異化”與“文化遺忘”及群體效應與“愛情普及化”。

用AI分析標題的力量

研究背景：介紹標題對新聞文章閱讀量的重要性，及以往研究對標題特征（如文本長度、信息密度、情感色彩等）的探討。
數據采集：描述從“澎湃新聞”公眾號和BBC News推特賬號爬取新聞標題和閱讀量數據的過程。
閱讀量分布：分析采集到的新聞標題的閱讀量分布情況，發現大部分新聞閱讀量集中在同一區間。
標題文本長度與閱讀量：探討標題文本長度與閱讀量之間的關系，發現兩者基本無關。
標題文本長度與分享點贊數據等：分析標題文本長度與分享、點贊等數據的關系，發現相關性較弱。

標題情感態度與閱讀量：探討標題情感態度與閱讀量之間的關系，發現兩者基本無關。
句子類型與閱讀量：分析不同句子類型（陳述句、疑問句、感嘆句）的標題與閱讀量的關系，發現感嘆句和疑問句在短標題時閱讀量較高。
信息量與閱讀量：探討標題信息量與閱讀量之間的關系，發現兩者沒有顯著相關性。
不同類型句子下標題長度與閱讀量：分析不同類型句子的標題長度對閱讀量的影響，發現短標題結合強情感有一定的閱讀量優勢。

機器學習模型預測：嘗試使用線性回歸、隨機森林和XGBoost模型預測新聞閱讀量，發現直接基于標題文本特征預測閱讀量的效果不佳。
分析總結：總結中英文標題的差異，及標題長度、情感程度、信息量等因素對閱讀量的影響，強調內容質量的重要性。

AI for Data 數據創能

用AI研究經濟波動與陌生人社交趨勢

研究背景：介紹“寂寞經濟”和陌生人社交App的市場背景，及在現代社會中的重要性。
研究問題：探討陌生人社交App在經濟波動、疫情變化、婚姻及生育率等社會周期和時代動態下的表現差異。
收入、用戶數量和下載量之間的相關性：分析交友App的收入、用戶數量和下載量之間的相關性，發現它們之間存在顯著的正相關關系。
全球經濟與陌生人社交app數據相關性分析總結：總結全球經濟指標（如GDP增長率和失業率）與交友App數據之間的相關性，發現失業率與交友App的收入和使用者數量存在中等的負相關。
總結：指出交友App市場在經濟不確定時期表現出較強的市場需求，尤其是在經濟下行和疫情期間。

用AI研究雙寡頭市場的博弈

基本背景：介紹雙寡頭市場的基本特征和對手策略，及研究的目標是最大化利潤而非盲目跟隨對手降價。
轉化為數學設定：將雙寡頭市場的博弈問題轉化為數學模型，為后續的數學求解奠定基礎。
數學求解：基于數學方法求解雙寡頭市場的納什均衡，分析雙方的產量決策。
結果分析：總結博弈的結果，包括市場份額、利潤和應對策略等。
最終結論：指出邊際成本較低的一方將占據更大的市場份額，提出降低成本或提高市場需求系數的建議。

美國總統新聞發布會的AI數據挖掘

問題緣起：介紹總統新聞發布會的分類和功能，及研究的背景和意義。
樣本選擇：描述選擇特朗普和拜登新聞發布會作為研究樣本的原因和方法。
問題與回答：分析特朗普和拜登新聞發布會中問題和回答的數量差異及其原因。
新聞發布會偏好：探討特朗普和拜登在新聞發布會形式上的偏好，及疫情對發布會影響。
笑聲數量分析：基于AI分析特朗普和拜登新聞發布會中的笑聲次數，發現特朗普在2020年后的發布會笑聲數量顯著下降。

笑聲類型分析：對特朗普和拜登新聞發布會中的笑聲類型進行手動標注和分析，發現兩者在笑聲類型上存在差異。
政治傳播中的幽默：探討笑聲在總統新聞發布會中的傳播功能和社交功能，包括緩解沖突、建立關系、增進認同等。

關于“Met Gala 2024”的輿論數據AI分析

高頻詞統計及詞云：基于高頻詞統計和詞云分析，展示“Met Gala 2024”事件的輿論熱點和關注點。
情感統計分析：分析不同平臺上關于“Met Gala 2024”的情感傾向，發現中性情感占主導，正面情感在微博上較高。
相關性分析：探討“Met Gala 2024”事件的輿論數據與經濟實力、媒體覆蓋和消費水平之間的相關性。
網絡分析：基于網絡分析，識別與“Met Gala 2024”事件相關的關鍵詞和社區結構，分析在社交媒體上的傳播模式。

AI分析全球電動汽車市場的增長趨勢

全球市場現狀分析：分析全球電動汽車市場的現狀，包括市場規模、增長態勢和主要驅動因素。
主要國家市場對比：對比美國、中國和歐洲電動汽車市場的特點和發展趨勢。
未來增長預測展望：預測全球電動汽車市場的未來增長趨勢，預計到2030年銷量將超過4700萬輛。
政策影響展望：探討各國政府政策對電動汽車市場增長的支持作用，包括補貼、免稅和充電設施建設等。
技術創新與市場趨勢：分析電池技術進步、自動駕駛和共享出行等技術創新對電動汽車市場的影響。
充電設施建設：討論充電設施建設的現狀、挑戰和未來發展方向。

技術進步與成本：探討電池技術進步和生產成本降低對電動汽車市場的影響。
政策環境的影響：分析政策環境對電動汽車市場增長的重要作用，包括補貼政策和發展趨勢。
消費者偏好轉變：探討消費者對電動汽車的偏好轉變，包括環保優勢、節能性能和科技感。
環保意識提升：分析環保意識提升對消費者選擇電動汽車的影響，及政策引導和企業社會責任的作用。
主要競爭者分析：分析全球電動汽車市場的主要競爭者，包括市場份額、技術優勢和市場策略。

AI分析消費者對VR頭盔和智能穿戴設備的接受度

數據總覽：介紹分析的數據來源和主要信息，包括帖子標題、摘要、情感屬性和發布時間等。
主要發現：總結VR頭盔和智能穿戴設備市場的增長趨勢、應用領域和消費者興趣點。
情感分析：基于情感分析，發現消費者對VR頭盔和智能穿戴設備的態度多數為中性，部分表現出積極情感，但價格是影響接受度的關鍵因素。
用戶互動分析：分析用戶對VR頭盔和智能穿戴設備的互動行為，包括點贊、評論和轉發等。
結論和建議：提出針對產品開發者和市場營銷策略的建議，強調關注用戶體驗和技術創新的重要性。

AI分析彈幕數據與情感的關系

研究背景：分析B站彈幕數據優化視頻內容和提升觀眾滿意度。
數據來源：說明研究數據來源于B站2023最美的夜跨年晚會，展示高播放量和彈幕數量。
爬取過程：介紹使用Python和requests庫爬取彈幕數據的過程，及數據保存方法。
爬取結果：展示爬取到的彈幕數據量，分析數據未達預期的原因。

詞頻統計結果：基于詞頻統計，識別彈幕中出現頻率最高的詞語，反映觀眾的主要互動內容和情感表達。
情感分析過程：描述用SnowNLP庫進行情感分析的過程，包括情感得分計算和情感分類。
情感分析結果：展示情感分析的結果，發現正面彈幕占比較大，表明觀眾對視頻內容的整體反應較為積極。
情感與詞頻結合分析：結合情感分析和詞頻統計，深入了解觀眾在不同情感狀態下的高頻詞語和關注點。

網絡熱點的輿論傳播AI分析

研究背景：強調網絡熱點事件的輿論傳播對社會環境和風氣的影響，及研究輿論傳播機制的重要性。
文獻綜述：綜述現有文獻中關于輿論生成、傳播和引導的研究成果，指出當前研究的不足之處，如定量分析、網絡結構和關鍵節點分析的缺乏。
研究問題：提出關于網絡熱點事件輿論傳播的研究問題，包括傳播網絡結構、關鍵節點識別和輿論走勢分析。
研究方法：描述如何收集網絡熱點事件的輿論數據，包括數據范圍、類型和收集方法。介紹數據清洗、社會網絡構建和節點輿論相關性分析的過程。

研究結論：總結網絡熱點事件的輿論走勢和關鍵節點對輿情的影響，指出輿論從正面到負面的轉變。
預期結論：提出對網絡熱點事件傳播網絡結構和關鍵節點影響的預期分析，包括樹狀結構基礎下的網狀結構特征和關鍵節點的識別。
研究不足：指出研究的局限性，包括結論的效度評估、網絡結構動態變化的分析以及對輿情具體分支的研究不足。

邁向未來的AI教育

人機共生時代的能力培養體系：探討人機共生時代所需培養的能力體系，包括整合力、引導力、判斷力、元認知、創造力和系統思維等。
人機優生、人機快生：討論人機協作的兩種模式——人機優生（基于多模態、多學科的復合創作）和人機快生（高效迭代和快速成形），及在不同場景下的應用。
人類知識躍遷之路：AIGK，AI For Science。介紹AI在知識生成和科學研究中的作用，提出AIGK（人工智能生成知識）的概念，及自組織生成理論、遞歸知識涌現和多模態復合認知等核心概念。
三重概率：多層互動、逐層精煉。描述AIGC（人工智能生成內容）的三層概率交互體系，包括初始生成概率、交互篩選概率和主觀優化概率，強調人機協作在內容創作中的重要性。