AI 赋能课程开发与数字化教学全链路

1.1 课程开发：把教育目标落成可实施的课程

课程开发研究的是「怎么把教育目标落成可实施的课程」。它不像其他学科背一堆公式，而是帮你看懂：一门课为什么这样排、一个内容为什么这样组织、一种数字化方式为什么适合这个课程。做课程教师、讲师、教育培训，底层都是课程开发思维——先会开发，再做教育。

AI 时代课程开发的新变化：AI 能帮你整理开发方法、梳理课程体系、汇总学情数据，但「这个目标怎么落成课程、这个内容怎么组织、这个数字化教学对不对」的判断永远在人。本课教会你「人定课程开发判断、AI 提速开发」的协作观，并沿一条学习成果包主线走完全程：知识树 + 开发方法 + 数字化教学，这就是你本课的成果包路径。

我是课程开发与数字化教学入门学员（以当年度官方口径为准），请帮我生成课程开发知识树：
1. 按「目标设计/内容组织/课程实施/数字化教学」分级展开。
2. 每个节点给出核心概念、常见错误、课程判断归人提示。
3. 标注每个节点与我的目标（完成开发方法 + 数字化教学）的关系。
4. 输出为 Markdown 结构树，只依据教材通识与官方口径，不得编造，不确定处标「待核」。

2.1 课程开发与数字化教学的三大板块

课程开发与数字化教学核心三大板块：课程开发方法（目标/内容/结构——理解课程怎么开发）、课程内容组织（学科/逻辑/深度——理解内容怎么组织）、数字化教学与数据（数字工具/学情数据/教学决策——理解教学怎么数字化）。这三块构成课程开发思维的骨架——先搭骨架，再填细节。

课程开发不是「背术语」，而是「会开发、看组织、懂数字」。课堂理论与案例均为教学模拟数据，教育内容以现行法规为准（教学模拟口径）。

2.2 AI 课程开发知识树工作流

用 AI 建课程开发知识树的姿势：AI 按你的要求把「开发→组织→数字」分层梳理成知识树→你核验归类与概念定义→标记你自己的理解盲区。AI 帮你把「整理笔记」从 2 小时压到 20 分钟，但「这个概念我到底懂没懂、有没有归错类」的判断归你。

请帮我建「课程开发与数字化教学」知识树（教学模拟场景）：
1. 按「课程开发方法/课程内容组织/数字化教学与数据」分层展开核心概念。
2. 每个概念给出一个一句话定义 + 一个教学模拟例子。
3. 标出初学者容易混淆的成对概念（如课程目标 vs 学习目标、课程结构 vs 课程大纲、数字化教学 vs 多媒体教学）。
4. 输出为 Markdown 结构树；只依据通用课程开发原理，不得编造外部数据。

3.1 核心课程开发方法

课程开发方法核心分组：目标设计（依据课程体系与学情定目标）、内容设计（怎么组内容、怎么由浅入深）、结构设计（章节模块怎么排）。方法不是背流程，而是看「哪个环节有问题」：目标不清是目标设计问题、内容杂是内容组织问题、学跟不上是结构匹配问题。开发判断归人。

3.2 课程开发方法应用的判断

课程开发方法应用的判断是课程开发的地基：目标（依据课程体系与学情）、设计（怎么拆模块）、边界（方法不能机械套用）。判断的核心是「开发要能落地」——每条课程开发设计都要能回答「依据什么目标、对谁适用、边界在哪」。

3.3 AI 课程开发工作流

用 AI 做课程开发的姿势：AI 梳理开发方法要点与案例→你核目标与应用→AI 给课程开发候选→你判断哪个开发成立。AI 帮你把「整理方法、找案例」从 3 小时压到 30 分钟，但「这个目标怎么落、这个课程对这届适不适用」的判断归你。

请帮我做课程开发设计（教学模拟场景）：
1. 基于「XX 目标与学情」，给出课程开发方法候选。
2. 给出目标到课程结构的设计方向，标注逻辑强度。
3. 提示我哪些结论需要学情数据验证、哪些是常识性推断。
4. 输出为 Markdown 表格；不得编造学情数据，未核读标「待核」。

4.1 数字化教学：理解数据

数字化教学的核心是「看工具、看数据、看决策」：工具（数字化教学平台怎么用）、数据（学情数据怎么看）、决策（数据怎么支撑教学决策）。数字化教学是课程开发的升级路径——数据用不好，课程就失去精准迭代的依据。

4.2 数据判断

数据判断四件事：看口径（指标怎么定义）、看来源（数据可不可靠）、辨边界（结论是否夸大/误导）、定动作（下一步怎么改）。判断的核心是「结论要能站住」——每一个数据结论都要能回答「依据什么、是不是真问题、能不能验证」。

4.3 AI 数字化教学与数据工作流

用 AI 做数字化教学的姿势：AI 列数据汇总与图表→你核口径与来源→AI 给教学决策候选→你判断结论是否成立。AI 帮你把「汇总数据、做图表」从 3 小时压到 30 分钟，但「这个数据变化对课程意味着什么、要不要改」的判断归你——AI 不能替你做数据终审。

请帮我做数字化教学数据分析（教学模拟场景）：
1. 汇总「XX 指标」的变化与口径说明（教学模拟数据）。
2. 提示我如何判断指标变化、口径与是否需验证。
3. 标出该分析可能被误用的风险点（如数据过时/口径混淆/以偏概全）。
4. 输出为 Markdown 表格；不得编造学情数据，未核读标「待核」。

5.1 课程开发是通用底座

课程开发不是一门孤立的课，而是教育与育人类岗位的通用底座：课程教师岗（课程内容开发、数字化教学）、讲师岗（专业知识讲授、课程设计）、教育培训（课程设计、培训授课）、幼儿教师岗（课程设计与活动组织）。课程开发能力 = 会开发 + 看组织 + 懂数字，是教育人就业的通用杠杆。

5.2 入门路径

入门路径：课程开发与数字化教学（本课）→ 课程教师岗/讲师岗/教育培训岗位（目标设计+数字化教学是岗位地基，衔接 JY-L3-06 课程教师岗/JY-L3-02 讲师岗等 L3 深水）→ L3 深水。想走课程研发/教育技术方向的，课程开发的「目标 + 数字」是地基——地基不牢，上层方案全是空中楼阁。

我是课程开发入门学员，求职方向为课程教师/讲师/课程研发岗，请帮我做岗位地图与路径规划：
1. 基于教育岗位地图（课程教师/讲师/教育培训/课程研发/教育技术方向），列出与我匹配的岗位方向。
2. 每个方向说明需求特征、学历证书门槛与升级路径。
3. 结合我的情况，给出 3 步职业路径建议。
4. 只依据公开岗位信息与教学模拟口径，不得编造数据，不确定处标「待核」；最终路径判断归我。
[粘贴你的求职偏好与现状]

6.1 学习成果包的组装

课程开发与数字化教学入门学习成果包 = 知识树 + 开发方法 + 数字化教学 + AI 协作说明。它不是「学过课程开发的证明」，而是「做出来的成果」：知识树体现三大板块，开发方法体现目标设计，数字化教学体现数据判断。

我是课程开发与数字化教学入门学员，已完成学习成果包（知识树 + 开发方法 + 数字化教学），请帮我做交付前自检：
1. 按成果包三件套（知识树/开发方法/数字化教学）逐项对照我的产物给出达标自检表。
2. 对每条红线（AI 代答/编造数据/越线代判断）逐项排查并给出自检结论。
3. 输出「待补强」清单与修改建议。
4. 输出为 Markdown 表格，只依据教材通识，不确定处标「待核」；最终交付判断归我。
[粘贴你的学习成果包]

7.1 AI 在课程开发学习全链路的正确用法

本课你已掌握三条 AI 课程开发学习工作流：①课程开发知识树（ch2）→ ②课程开发方法（ch3）→ ③数字化教学与数据（ch4）。加上错题复盘，就构成完整的「AI 赋能课程开发与数字化教学学习全链路」。正确用法是：AI 帮你梳理、核对、提速，你负责判断、核验、担责。

7.2 教育人的职业底线与红线

教育与育人相关岗位（课程教师岗/讲师岗/教育培训/幼儿教师岗）共同的红线：育人真实性、判断归人、不误导教育决策。用 AI 学习与工作的教育人更要守住：教案自己写、学情自己核、决策自己担责。

结业指引：完成 ch1~ch7 学习后，进入「课程开发与数字化教学学习成果包」大作业（5 维评分，≥85 分结业）。交付物=知识树 + 开发方法 + 数字化教学 + AI 协作说明。结业测验 10 题（单选 6 + 多选 4）通过 ≥85 发放结业证书，结业认证会记录到你的学习档案。

我是课程开发与数字化教学入门学员，请帮我做结业前复盘与红线自查：
1. 按四条 AI 学习工作流（知识树/开发方法/数字化教学/成果包）逐条输出掌握程度自检表。
2. 对每条红线（AI 代答/编造数据/越线代判断）给出识别场景与自查问题。
3. 输出「待补强」清单与一周行动计划。
4. 输出为 Markdown 表格，只依据教材通识，不确定处标「待核」；最终能力判断归我。
[粘贴你的错题/笔记]