特别说明：《中心2025年教改立项指南》内容如下，项目具体申报流程及附件详见中心后续通知，请老师们及时关注网站信息！感兴趣的老师可以提前准备申报材料！

类型一、大学数学课程智能体研发方法及实践

研究内容：研究面向大学数学领域的数据处理方法，建立一套针对数学相关数据的标准化体系，包括数学异构资源的统一表达规范、数据整合方法与标准化处理流程。研究面向大学数学的大模型开发方法，明确数学知识表达框架，提出监督微调（SFT）和强化学习（RL）相结合的智能体训练与优化策略，形成系统化的数学专用智能体开发流程。

申报要求：申请人需具有大学数学教学或教学研究经验，熟悉数据标准化处理方法，具备生成式大模型监督微调与强化学习的实际操作经验。申请人应能明确界定研究目标，制定合理且可量化的评价指标。此外，申请人需具备数学知识图谱构建或大模型开发的相关研究基础，并提供相应的前期研究成果或应用案例。

结题要求：提交一套明确具体的数据标准化处理方法，提供关键步骤与技术路线，具备实际数据整合与标准化应用的成果。提交一种大学数学专用大模型开发与优化方法论，包括具体的模型训练步骤、监督微调和强化学习策略以及量化评价指标。

类型二、大学数学课程高质量专有知识库构建

研究内容：依据大学数学课程（高等数学、线性代数、概率统计）核心知识点（以中心统一发布为准），按指定的格式和类型自主构建规定数量的高质量、标准化教学资源，确保符合高校教学需求和人才培养规律。资源类型包括提问应答、概念精讲、释疑解难、前沿应用、典型题目解析等。

申报要求：本项目采取定向邀请与自主申报相结合的方式。申请人须深入理解大学数学课程教学内容，具备先进的教学方法创新理念和数字资源建设经验，具有使用大模型辅助教学的实践经验。申报时须从“高等数学（上）、高等数学（下）、线性代数、概率论与数理统计”中选择一门课程进行申报。项目获批后，申请人将在中心的统一协调下分工完成指定知识点的资源建设任务。参与项目研究的教师需承担一定量的同行互评任务，以保证资源构建的整体质量与一致性。

结题要求：按规定的标准格式提交完整的数据材料，包括资源建设的显性数据与建设过程记录，以及资源在实际教学中应用的实践支撑材料。提交结果将通过同行盲评进行质量审查，以确保建设成果的规范性、可靠性及教学推广价值。

类型三、人工智能工具赋能大学数学教学的应用实践研究

研究内容：研究如何将人工智能工具应用于大学数学课程（高等数学、线性代数、概率统计）教学，提高教学质量，包括课堂教学应用研究和课后实践教学应用研究。课堂教学应用研究模式上要体现师机生三元互动，内容上要体现启发数学思维、增强知识理解、创新教学方法、重构教学过程、激发学习兴趣、评价学习效果等；课后实践教学应用研究模式上要体现课堂教为主与课后学为主贯通，内容上要体现培养学生自主学习能力、知识获取能力、正确性辨识能力和知识应用能力等，研究如何在课后学生自主学习的过程中，发挥教师的伴学和导学作用等。

申报要求：项目采取定向邀请和自主申报两种方式。定向邀请主要面向教育部大学数学课程群虚拟教研室共建单位教师，自主申报教师须具有数智化赋能课程教学的实践经验。申报项目时须明确选择的大学数学课程名称。

结题要求：本类型项目研究期限为一年。提交结题报告时，须同时提交1个数智赋能课堂教学应用设计和1个数智赋能课后实践教学应用设计。课堂教学应用设计支撑材料须包括文本材料和课堂教学应用实景视频（拒绝摆拍），课后实践教学应用设计材料须包括文本材料和实际使用过程的佐证材料。支撑材料也可以包括发表的与本项目研究内容关联的高水平教改论文等。虚拟教研室将评选优秀设计进行示范交流。

类型四、“四新”背景下的大学数学课程教学改革与创新实践

研究内容：聚焦“四新”建设需求，以大学数学课程（高等数学、线性代数、概率统计）改革为核心，围绕新形态教材建设、数智化教学创新等方面开展系统性研究与教学实践。包括：

（1）基于人工智能技术，开发支持智能问答、个性化学习的数字教材。

（2）基于人工智能技术，创建优质数字化教学资源，包括视频、课件、应用案例、思政案例等。

（3）基于数字化教学资源和人工智能技术，探索与实践大学数学课程教学的新理念、新模式和新教法。

申报要求：本项目主要采取定向邀请方式。要求申请人须长期坚持大学数学课程教学一线，承担大学数学课程教学任务，在课程建设、教材建设和教学改革等方面已经取得良好的教学成果。

  结题要求：提交完整的项目研究成果报告和相应支撑材料。研究报告须包括项目研究过程中形成的教学成果以及教学实践实证材料等；支撑材料可包括发表的与本项目研究内容相关的高水平教改论文等。