第1章  人工智能基础

1.1 人工智能简介

    1.1.1人工智能的基本概念

    1.1.2 人工智能的历史

    1.1.3 人工智能的学派

    1.1.4 人工智能核心问题

1.2 智能计算系统

    1.2.1 人工智能发展的三大要素

    1.2.2 智能计算系统的定义

    1.2.3 智能计算系统发展

1.3 人工智能技术与应用

    1.3.1 大语言模型

    1.3.2 自然语言处理

    1.3.3 计算机视觉

    1.3.4 语音识别与合成

    1.3.5 科学智能

    1.3.6 机器人控制

    1.3.7 智慧教育

1.4 人工智能安全与伦理

    1.4.1 技术风险与安全

    1.4.2 社会伦理与法律法规

    1.4.3 教育应用伦理

    1.4.4 责任与未来

    1.5习题与实践

第2章  智慧教育基础 

2.1 从“电化教学”到“智慧教育”

    2.1.1媒介“技术”的发展史

    2.1.2 教育的“技术”发展史

    2.1.3 教育技术发展历史：从工具革新到认知革命

2.2 智慧教育的理论基础

    2.2.1 智慧教育的内涵

    2.2.2 智慧教育的教育理论支撑

    2.2.3 智慧教育的发展历史与现状

2.3 智慧教育的技术实现

    2.3.1 人工智能技术的本质

    2.3.2 智慧教育的数字底座

    2.3.3 智慧教育的核心特征

2.4 智慧教育的实践应用

    2.4.1 教学创新：从“标准化传输”到“个性化生成”

    2.4.2 评价变革：从终结性鉴定到过程性发展

    2.4.3 治理优化：从层级管控到敏捷服务

    2.4.4 实践平台：水杉教学平台

2.5 智慧教育的创新与发展

    2.5.1技术本体论：从双重符号体系到人工智能的层次批判

    2.5.2数据智能体系：智慧教育的“神经网络”

    2.5.3 智慧教育的定义与四维特征：迈向教育新生态

    2.5.4 智慧教育发展的未来图景与挑战

第3章  人工智能助力教学资源生成

3.1 生成式人工智能概述

    3.1.1 生成式人工智能的基本原理

    3.1.2 提示词工程

    3.1.3 教学资源的AI辅助工具

3.2  AI辅助图像处理

    3.2.1数字图像基础

    3.2.2传统图像处理 vs AI图像处理

    3.2.3 AI辅助从文本到图像

    3.2.4 AI辅助从图像到图像

    3.2.5 文生图与图生图的相辅相成

3.3 人工智能辅助音视频处理

    3.3.1 数字化声音

    3.3.2 AI语音技术

    3.3.3 数字视频基础

    3.3.4 AI视频生成

3.4 人工智能辅助动画

    3.4.1 数字动画基础

    3.4.2 AI数字人生成

    3.4.3 AI辅助下的3D模型生成

    3.4.4 AI实时绘画下的动画动态生成

3.5 AI辅助多模态教学资源生成

    3.5.1 数字媒体集成的方法

    3.5.2 AI辅助多模态教学资源生成

3.6 习题与实践

第4章  人工智能辅助教研

4.1 传统文献平台检索

    4.1.1 主流传统文献平台概述

    4.1.2 传统文献平台检索方法与技巧

4.2  知识库构建技术

    4.2.1 知识库构建的核心要素

    4.2.2 主流知识库构建工具与技术

4.3 AI辅助文献分析

    4.3.1 AI辅助文献分析的核心功能

    4.3.2 常见AI文献分析工具

4.4  使用知网研学AI辅助教研

    4.4.1智能构建知识库

    4.4.2 智能选题

    4.4.3 智能文献研读

    4.4.4 智能写作

4.5 习题与实践

第5章  智慧教育实践

5.1 智慧备课：从“准备教什么”到“如何高效地教”

    5.1.1 备课的“媒介考古”与范式跃迁 

    5.1.2 基于AI平台的智慧备课实践

5.2 AI增强教学：让教学互动从经验走向生成式建构

    5.2.1 课堂的“第二重身”正在诞生 

    5.2.2 AI增强课堂实践

5.3 个性化辅导与反思：数据驱动的精准教学

    5.3.1 从“苏格拉底产婆术”到“数据产婆” 

    5.3.2 基于AI平台的个性化辅导实践

5.4 AI赋能家校合作与班级管理

    5.4.1 从信息孤岛到数据共同体 

    5.4.2 基于AI平台的智能家校协作实践 

5.5 教师的终身发展：AI助手赋能科研与专业成长

    5.5.1 从培训消费员到研究生产者

    5.5.2 基于AI平台的教师专业发展实践

    5.6 习题与实践

第6章  智慧学情分析

6.1 机器学习与智慧学情分析

    6.1.1 机器学习基础

    6.1.2 智慧学情分析

    6.1.3未来展望

6.2 教育数据预处理与图形化编程

    6.2.1 数据预处理

    6.2.2 图形化编程-新大陆AIoT在线工程实训平台介绍

6.3 学生分群与学习风格识别

    6.3.1 学生分群（KNN分类）算法原理

    6.3.2  AI辅助代码生成与学习行为分类

6.4  学习成绩预测与表现关联分析

    6.4.1 学习成绩预测（回归）算法原理

    6.4.2 学习成绩与出勤率、作业提交、周测的相关性分析

6.5 学习行为聚类与个性化学习推荐

    6.5.1 学习行为聚类（K-Means）算法原理

    6.5.2  AI辅助代码生成与学习行为聚类结果解析

6.6 习题与实践