显影 · 本科课程BACHELOR ONE-PAGER本科段

课程框架草案 · 尚未开放 · docs/25
一门给本科生的 AI 时代跨学科课程：把提问、数据与项目方法带进专业学习——练习形成研究问题，完成可检查的项目，并建立可持续的学习与产出方法。
本科段把方法带进专业学习：练习形成研究问题，完成可复现的数据工作，了解部署与用户反馈，并明确成果的署名责任。课程不绑定单一模型，工具变化后方法仍可迁移。
3大主题：提问 × 生成 × 自我驱动
48门课（草案 16 / 16 / 16）
15–20分钟一课之形：讲-例-做-卡 · 项目制
交任务单连成学期项目 · 交付物进作品集
研究导向提问：从困惑到研究问题 · 证据与方法 智能体工程化：需求单 → 验收测试 · 多文件真项目 可复现数据工作：Python 管线 · notebook→报告 部署练习：把作品交给用户试用并收集反馈 学术与职业衔接：论文 · 答辩 · 作品集 · 公开学习
THEME 1 · SRL 任务定义

如何提问 ？

从问得专业，到问出研究。

把批判性装备加到专业强度：图尔敏全模型、谬误与认知偏差、研究设计与证据等级；对 AI 做领域级审问——幻觉引文、伪权威、方法漏洞；把问题带进研讨课、访谈与同行互评。

学理锚：四轴评题量规（学术版）· Toulmin 全模型 ·《学会提问》原生难度 · 谦逊提问 · 同行评审传统
THEME 2 · SRL 执行与反馈

如何生成 ⚒

从建项目，到能交付。

AI 编程助手进入工程化协作：需求单拆成验收测试；数据分析走可复现流程（Python · Jupyter · notebook→报告）；从脚本到应用、数据库到部署与用户反馈；论文、综述与答辩也作为项目练习。

学理锚：认知学徒制 · 需求-迭代-发布的工程循环 · 可复现研究实践 · Protégé 效应（为教而学）
THEME 3 · SRL 动机与反思

如何自我驱动 ▲

从建立学习方法，到保持长期节奏。

把学习方法带进专业现场：管理文献与笔记，把间隔与检索用于专业课；用复盘档案检查学习过程；参与公开学习、开源与学术共同体，连接职业探索与个人价值。

学理锚：自我决定论 · 元认知与校准 · 间隔重复算法 · 学术诚信研究

知识树 · 3 大主题 → 12 个子模块 → 48 个知识点

课程框架草案 · 16 / 16 / 16 · 正式开放前将逐课核对来源与适用边界
一 · 如何提问 4 组 · 16 点

1.1 研究问题的诞生4 点

  1. 从困惑到研究问题
  2. 四轴量规 · 学术版
  3. 可行性与新颖性：立项过滤器
  4. 学科范式与知识论

1.2 证据与论证 · 专业强度4 点

  1. 图尔敏全模型：限定与反驳
  2. 谬误与认知偏差
  3. 研究设计与证据等级：从个案到元分析
  4. 数字的修辞：统计如何撒谎

1.3 与 AI 协作研究4 点

  1. 专业交代单：从任务到规格书
  2. 长程项目的上下文管理：多会话与知识库
  3. 领域级审问：幻觉引文与方法漏洞
  4. 提问档案：复盘你的研究对话

1.4 学术对话4 点

  1. 谦逊提问与访谈
  2. 研讨课的追问艺术
  3. 反驳与钢人：学术辩论
  4. 同行评审入门：量规互评
二 · 如何生成 4 组 · 16 点

2.1 工程化装备4 点

  1. 终端与环境：让电脑听懂你
  2. git 协作：分支、合并与代码评审
  3. 编程智能体工程化：多文件真项目
  4. 需求到验收：把任务拆成测试

2.2 数据工作流4 点

  1. Python 数据分析管线
  2. 让数据说真话：清洗与探索
  3. 面向研究的可视化：用图呈现论证
  4. 可复现研究：notebook 到报告

2.3 作品与系统4 点

  1. 从脚本到应用：一个真实的 web 服务
  2. 数据库入门：给作品配记忆
  3. 自动化：让机器处理重复步骤
  4. 部署与反馈：把作品交给用户试用

2.4 专业表达4 点

  1. 论文工坊：结构、引用与诚信
  2. 文献综述：站在地图上写作
  3. 演示与答辩：把工作讲清楚
  4. 作品集与学术主页：让作品替你说话
三 · 如何自我驱动 4 组 · 16 点

3.1 方向与动机4 点

  1. 领域地图：自绘学习路线
  2. 从兴趣到志业
  3. 项目制学习：近目标驱动
  4. 导师、社群与资源网络

3.2 专业级第二大脑4 点

  1. 文献管理：把论文收进系统
  2. 笔记体系：从收集到输出
  3. 间隔与检索落进专业课
  4. 为教而学：讲义与助教

3.3 校准与复盘4 点

  1. 元认知教练：让 AI 陪你复盘
  2. 自我评估：考试与项目的两把尺
  3. 认知偏差自查手册
  4. 反馈：索取、消化、回赠

3.4 长期学习与职业探索4 点

  1. 注意力管理与数字自控（深版）
  2. 公开学习：learning in public
  3. 开源与学术共同体参与
  4. AI 时代的职业观：能力迁移与人的价值
本科课程沿用三主题并提高任务复杂度；正式开放前将逐课核对资料来源、适用边界与研究断言。

一课之形 · 15-20 分钟 + 项目制

讲
一个点讲透→ 例
一个专业场景→ 做
交付物任务单→ 卡
一张复习卡
  • 「做」升级为项目制：任务单彼此衔接，一学期连成 1–2 个真项目，交付物直接进作品集
  • 与高中重合处放「高中站回看」链接——螺旋上升，不重复讲
  • 示例场景兼顾文、理、工、商：同一课的任务单允许换领域素材
  • 每份任务单自带验收标准：先写「怎么算过关」，再动手

装备间（专业版）

  • 终端 + git（分支协作与代码托管）· 编程智能体（工程化用法，任选其一）
  • Python + Jupyter 数据管线 · 文献管理器（Zotero 一类，任选顺手的）· Anki 继续服役
  • 部署与数据：静态托管 / 轻量数据库 / 自动化脚本（免费开源为先）
  • 红线不变：只教免费开源工具，不诱导付费；API 密钥只教保管，示例一律占位符

学段衔接（螺旋上升）

  • 向 AI 交代任务 → 专业交代单：规格书
  • 编程智能体上手 → 工程化协作＋验收测试
  • 图尔敏＋证据等级 → 研究设计＋统计修辞
  • git 本地快照 → 分支协作＋部署练习
  • 评题量规自评 → 同行评审 · 量规互评
  • Anki 交给算法 → 文献管理＋输出体系
  • 用数据看自己 → 元认知教练＋复盘档案