您好,欢迎访问凌展软件官方网站!

加盟信息招聘信息收藏本站联系我们

  • 数字化校园信息平台

    最新版本:20160808

    数字化校园信息平台包括统一门户平台、统一身份认证平台、数据交换平台 核心应用系统包括教务综合管理平台、学生工作管理平台、人事管理平台、科研业绩管理平台、数字迎新管理平台、数字离校管理平台、学生公寓管理平台、研究生教育信息管理平台、办公自动化平台、决策支持平台、掌上校园平台、一卡通平台、资产管理平台、财务管理平台、图书馆管理平台等。

  • 研究生教育信息管理平台

    最新版本:20170118

    凌展研究生教育信息管理平台由十五个子系统组成,涉及研究生从入学到毕业的全过程管理,支持学年制、学分制、学年学分制三种办学形式,具体子系统包括系统管理子系统、教学资源管理子系统、学籍管理子系统、教师管理子系统、导师管理子系统、培养方案子系统、开课管理子系统、考务管理子系统、成绩管理子系统、质量监控子系统、实践管理子系统、网上报名子系统、论文管理子系统、学位管理子系统、报表管理子系统等。

  • 教务综合管理平台

    最新版本:20170109

    凌展高校教务管理平台包括系统工具、教学资源、学籍管理、教师管理、教学计划、开课管理、排课管理、选课管理、考务管理、成绩管理、开放性实验室、实践管理、毕业设计、教学质量监控、教材管理等十余个子系统,适用于综合性大学、学院、专科、中专及职业类学校,能够完成学年制、学年学分制、完全学分制学校教务管理部门对学生从入学到毕业的全过程管理。

  • 学生工作管理平台

    最新版本:20161216

    凌展学生工作管理平台涉及到学生从入学到毕业的全过程管理,主要包括系统工具、教学资源、在校生管理、毕业生管理、学籍异动管理、学生奖惩管理、学生照片管理、奖学金评定管理、辅导员管理、班主任管理等环节,与国家学信网平台无缝对接,大大减少管理部门的工作量。

  • 高校人事管理平台

    最新版本:20160919

    凌展人事管理平台针对高校人事管理的特殊性,平台涵盖了人事部门对教师在校任职工作的全过程管理,包括人事档案管理、人事调动管理、学历学位管理、离退管理、职称管理、奖惩记录、培训考核、家庭关系、教育经历、工作经历等方面,实现高效人力资源管理的信息化。

  • 高校科研业绩管理平台

    最新版本:20170116

    凌展高校科研业绩管理平台是应用于各个科研院校及高校等研究机构进行科研项目管理、科研成果管理及绩效考核管理等全方位科研管理的一套信息化平台。主要包括论文管理、专著管理、专利管理、软件著作管理、科研项目管理、科研成果获奖管理、教改项目管理、教学成果获奖管理、教学团队管理、教学名师管理、学生竞赛管理等。

  • 掌上校园信息平台

    最新版本:20161230

    凌展掌上校园信息平台是一款全新的基于微信平台开发的手机应用软件,平台利用学生和教师的“碎片时间”进行相关信息的查询、提交、学习,从而为学生和教师提供一种全新的学习生活体验,平台主要包括报到流程、教务动态、消息信息、个人信息、奖励查询、处分查询、我的课表、在线选课、选课结果、网上报名、成绩查询、考试安排、空闲教室模块等多个环节。

关于凌展 /ABOUT

长春凌展软件有限责任公司成立于2004年,是专业从事教育行业用软件开发销育行业应用软件开发销售的高新技术企业。为各类学校的信息化建设提供整体解决方案,同时也为政府..

[更多]行业动态 /INDUSTRY NEWS

  • 72026.5

    教育部《教育数据分类分级指南》解读

    在全面发力建设教育强国、纵深推进国家教育数字化战略的时代背景下,教育部于2025年12月正式发布行业标准《教育数据分类分级指南》(JY/T 0661-2025)。该标准的出台,是教育行业落实《中华人民共和国数据安全法》关于数据分类分级保护制度等法定要求的核心举措,为教育机构开展数据分类分级工作提供了科学合理的逻辑框架和实施路径。本文旨在深度解读该标准的体系架构、核心规则与内在逻辑,剖析其差异化分类标准、定性定量双维度分级模型以及闭环管理流程,提出可执行、可复制的操作案例,为教育机构落实数据分类分级工作提供参考,为后续教育系统全面加强数据安全保护奠定基础。1引言:教育数据分类分级的必要性开展教育数据分类分级是法定义务2021年9月,《中华人民共和国数据安全法》[1]正式施行,确定数据分类分级保护制度是数据安全保护基本制度之一,明确要求“各地区、各部门应当按照数据分类分级保护制度,确定本地区、本部门以及相关行业、领域的重要数据具体目录,对列入目录的数据进行重点保护”。教育作为数据安全法确定的八大重点行业领域之一,应加快开展数据分类分级工作,实现数据的合法合规保护与高效有序应用。开展教育数据分类分级是行业急需随着教育数字化的持续推进,尤其是国家教育数字化战略行动的实施,数字技术全面融入教学、科研、管理、服务等全流程各方面,积累了大量业务数据和个人信息,数据共享和数据应用也在持续深化,为教育行政部门和学校推进教育数字化提供了有力支撑。与此同时,面临的数据安全威胁也在持续加大,教育系统数据安全方面仍存在底数台账不清、防护能力失衡、合规压力大、隐私泄露突出等风险。数据安全事件一旦发生,其影响范围也可能从一地一校扩大到教育系统,甚至影响国家安全、经济运行和社会稳定。随着《“人工智能+教育”行动计划》的纵深推进,教育数据形态已从传统的单一结构化业务数据,拓展至多源异构的多模态数据。此类数据集的爆发式增长在精准赋能教育的同时,也面临着隐私泄露、数据滥用等前所未有的安全挑战。因此,在教育系统内全面开展科学、规范的数据分类分级工作已势在必行。开展教育数据分类分级是保护开端2025年12月,《教育数据分类分级指南》[2](以下简称《指南》)正式印发施行。该标准是教育行业数据安全保护的“里程碑”,为教育数据安全保护标准体系建设打下坚实基础,用以指导教育行政部门和学校合理开展教育数据安全保护工作,有效落实教育数据全生命周期安全保护,进一步提升教育数据管理和安全防护水平。该标准的发布,标志着教育数据安全治理进入了标准化新阶段,是教育数字化转型发展的底线要求与必然选择。2教育数据分类分级的规则与流程数据分类:基于单位类型和业务逻辑的资产梳理《指南》遵循“界限明确原则”提出教育数据分类规则。根据国家标准《数据安全技术 数据分类分级规则》[3],按照不同的分类维度,对教育行政部门数据(以下简称部门数据)和学校数据进行差异化分类。对于教育行政部门而言,因为其行政管理职能,掌握大量的业务类数据和行政类数据,数据描述对象不同、数据边界清晰,因此考虑采用描述对象维度开展数据分类,分为教育基础数据、教育业务管理数据、教育行政管理数据及其他数据四大类。而对于学校来说,核心职能围绕教学和科研开展,同时存储大量师生个人信息,数据主要为个人信息类、教学类数据和科研类数据,因此考虑采用业务领域和数据主体两个维度来开展数据分类,分为学生数据、教职工数据、教学管理数据、科研管理数据、校务管理数据及其他数据六类。这种基于单位类型和业务逻辑的分类方法,为教育机构建立清晰的数据分类目录提供了结构化框架。同时,有两点需要特殊说明:一是其他数据,在标准编制的试点验证过程中,部门数据的前三类和学校数据的前五类,基本可以覆盖所有数据,但考虑到实际情况中,仍有部分单位存在特殊数据不属于前三大分类,因此保留了“其他数据”类。二是科研管理数据,此处提到的科研管理数据,仅包含在开展科研管理活动过程中产生的数据,比如学校建设的项目管理系统产生的业务数据等,并不包含科研数据本身。《指南》的适用范围已经明确,不包含涉及卫生健康、科技等行业领域的数据,这些数据遵照相关行业领域的标准规范执行。数据分级:包含定性和定量双重维度的定级判断教育数据分类分级工作有明确的先后顺序,应该在完成数据分类之后,再对数据集进行分级。而《指南》给出的分级规则,包含定性和定量双重维度的判断依据。从定性的角度来看,教育行政部门有不同的行政级别,因此部门数据也有对应行政级别的覆盖范围,比如省级教育行政部门可能掌握覆盖省级范围的部门数据,在此处引入覆盖范围的区别,分为覆盖全国范围、覆盖省级范围、覆盖地市级及区县级范围三个级别。数据分类和覆盖范围两者叠加,就形成部门数据的定性规则,如图1所示,从左到右、从上到下存在递减逻辑,需特别说明的是,覆盖省级范围的教育业务管理数据定为重要数据L4。该特殊点主要考虑到,从实际情况来看,省厅的业务数据覆盖范围较大、影响范围较广,应按照重要数据L4的级别进行保护,更符合国家数据安全治理体系的要求,所以定级为重要数据L4。图1 部门数据的定性规则从定性的角度来看,虽然学校没有行政级别的区分,但高等学校的数据和其他学校的数量级也有很大差别。因此类比部门数据的覆盖范围,引入覆盖高等学校全校范围和覆盖其他类学校全校范围的区别,形成了学校数据的定性规则,如图2。图2 学校数据的定性规则除上述定性维度以外,考虑到教育数据包含大量个人信息尤其是敏感个人信息,需要重点关注,因此在分级规则中专门针对个人信息引入定量考虑,形成如图3的数据阶梯。图3 定量维度的数据阶梯《指南》遵循“就高从严原则”提出教育数据分级规则,当按照定性和定量两种分级规则导致同一数据集出现不同级别时,应以最高级别为准。实施流程:规范化的闭环管理机制《指南》提出开展教育数据分类分级工作的五个步骤:数据资产梳理、数据分类分级、数据目录报批、数据目录审定、动态更新管理,形成规范化的闭环管理机制。各单位可自主编制一般数据目录,报上一级教育主管部门备案即可;如有拟定的重要数据和核心数据,需报送至教育部审批。教育部统一组织对拟定的重要数据进行评审,确定教育系统重要数据目录;同时提出教育系统核心数据建议报国家数据安全工作协调机制办公室,由国家数据安全工作协调机制办公室确定教育系统核心数据目录。审定后的重要数据和核心数据目录将逐级反馈至申报的教育机构,完成闭环管理。《指南》遵循“动态更新原则”提出数据分类分级流程,当数据业务属性、使用场景、公开范围等发生变化时,教育机构应按照该标准重新开展数据分类分级并按流程报批审核确定。3教育数据分类分级的实践实施路径实际开展数据分类分级时,可参照“四步法”执行:先分类,再定性分级,之后定量分级,最后就高从严确定分级。以某省中小学学籍信息为例,该数据集可能包含姓名、性别、学籍号、民族、出生日期、籍贯、政治面貌、户口所在地等信息。第一步分类。按照《指南》附录1中的示例,应判断出该数据集为教育基础数据-人员基础数据。第二步定性分级。按照图1定性规则,覆盖省级范围的教育基础数据,应初步判定为重要数据L4。第三步定量分级。首先判断该数据集包含个人信息,因此需要考虑定量分级规则。假定该省为人口大省,该数据集内包含1000万未满十四周岁未成年人个人信息,均属于敏感个人信息,则按照图3的定量规则,应考虑判定为核心数据L5。第四步就高从严原则确定最终分级,将该数据集确定为核心数据L5。至此,四步流程闭环,完成该数据集的分类分级定级工作。再以某高校本科生基本信息为例,该数据集中可能包含学号、姓名、性别、身份证件号、所属学院、专业、出生日期、民族、政治面貌、生源省市等信息。第一步分类。按照《指南》附录2中的示例,应判断出该数据集为学生数据-学生基础数据。第二步定性分级。按照图2定性规则,覆盖高等学校范围的学生数据,应初步判定为一般数据L3。第三步定量分级。首先判断该数据集包含个人信息,因此需要考虑定量分级规则。假定该数据集包含3万学生数据,且身份证号等信息属于敏感个人信息,则按照图3的定量规则,应考虑判定为一般数据L2。第四步就高从严原则确定最终分级,将该数据集确定为一般数据L3。至此,四步流程闭环,完成该数据集的分类分级定级工作。4结论:《指南》的实践意义与未来展望《指南》的发布施行,填补了教育行业数据分类分级在落地实施层面的标准空白[4],是构建“以分类分级为基础、以保护要求为底线、以风险评估为抓手”的教育数据安全标准体系的第一步,标志着教育数据安全保护迈入标准化新阶段。该标准提出的差异化分类标准、定性定量双维度分级模型以及闭环管理流程,将宏观的法律要求转化为微观的管理动作,形成了“操作手册”,为后续教育系统全面加强数据安全保护提供了制度保障与实践指引。参考文献:[1]全国人民代表大会.《中华人民共和国数据安全法》[OL].<http://www.npc.gov.cn/npc/c2/c30834/202106/t20210610_311888.html>[2]JY/T 0661-2025,教育数据分类分级指南[S].[3]GB/T 43697-2024,数据安全技术 数据分类分级规则[S].[4]杨伟平,曾德华,段婷婷,赵昱.数字化转型背景下的教育数据分类分级研究[J].现代教育技术,2025,(1):89-97.转载于“中国教育网络”微信公众号https://mp.weixin.qq.com/s/2Y9PPO_mIWs4BAi6Kbp5Aw

  • 232026.3

    OpenClaw安全使用实践指南

    (国家互联网应急中心CNCERT、中国网络空间安全协会 联合发布)OpenClaw(龙虾) 因具备系统指令执行、文件读写、API调用等高权限能力 ,默认配置与不当使用极易导致远程接管、数据泄露、恶意代码执行等严重安全风险。为帮助用户安全使用OpenClaw,CNCERT会同中国网络空间安全协会组织国内相关厂商共同研究,面向普通用户、企业用户、云服务商以及技术开发者/爱好者,提出以下安全防护建议。一、普通用户(一)建议使用专用设备、虚拟机或容器安装OpenClaw,并做好环境隔离,不宜在日常办公电脑上安装 。方案 1:用闲置旧电脑专门运行 ,清空个人数据。方案 2:用VMware、VirtualBox、 Docker创建独立虚拟机或容器 ,并与宿主机隔离。方案 3:在云服务器部署 ,本地仅远程访问。(二)建议不将 OpenClaw 默认端口(18789\19890) 暴露到公网配置为仅本地访问(127.0.0.1),关闭端口映射与公网 IP 绑定。如需远程,建议采用VPN访问等方式,并启用验证码等强认证措施。若对接即时通讯软件(如微信、钉钉、飞书等等),建议仅允许本人或已授权的可信人员访问。(三)建议不使用管理员或超级用户权限运行 OpenClaw创建专用低权限账户,仅授予最小必要目录的读写权限。关闭无障碍、屏幕录制、系统自动化等高危权限。仅开放专用工作目录 ,禁止访问桌面、文档、下载、密码管理器目录。配置白名单路径 ,拒绝读取配置文件、密钥文件等隐私配置。关闭系统命令执行功能 ,仅在必要时临时启用并二次确认。限制网络访问 ,仅允许连接必要的AI服务与API。(四)建议安装可信技能插件(Skills)谨慎安装、使用外部社区/个人发布的Skills,预防信息泄露或服务器被攻击等风险拒绝“自动赚钱、撸羊毛、破解”类不明技能或黑灰产技能。(五)建议不在 OpenClaw 环境中存储/处理隐私数据不用OpenClaw处理银行卡、密码、身份证、密钥等数据。(六)建议及时更新 OpenClaw最新版本 及时安装官方安全补丁 ,关注官方安全公告与漏洞通报。二、企业用户(一)建议做好智能体应用的安全管理制度与使用规范明确允许与禁止的使用场景、数据范围和操作类型,划定智能体应用的业务边界。建立内部使用规范和审批流程,对引入新的智能体应用或高权限功能需经过安全评估和管理层批准,确保使用有据可依、有章可循。(二)建议做好智能体运行环境的基础网络与环境安全防护禁止将智能体服务直接暴露在公共网络上,需通过防火墙、VPN等手段限制访问,仅开放必要端口给可信网络或IP地址。对智能体所在服务器启用主机入侵防御、恶意流量检测等措施,抵御网络攻击威胁。确保运行环境定期更新补丁,消除已知系统漏洞,保障基础环境安全可靠。(三)建议做好智能体权限管理与边界控制对所有智能体服务账号遵循最小必要权限原则进行配置。利用系统自带或第三方权限控制工具,对智能体可访问的文件目录、网络域、数据库表等进行边界限定和访问控制。对具有高权限的智能体,应实行严格的多因素认证和操作审批,在关键资源层设置额外防线,防止权限滥用。(四)建议做好智能体运行监控与审计追踪建立针对自主智能体的持续运行监控机制,监控内容包括智能体的行为日志、重要决策输出、系统资源使用以及异常事件记录等。对关键操作和安全相关事件应生成审计日志并防篡改保存。配置安全信息与事件管理(SIEM)工具,实现对智能体日志的集中分析,及时发现可疑行为迹象。审计追踪能力应保证发生事故后可以还原智能体行为路径,为问题调查和责任认定提供依据。(五)建议做好智能体关键操作保护策略针对自主智能体可能执行的高危操作,企业应制定保护策略作为治理基线。例如,对删除大量数据、修改核心配置、资金交易等操作设置人工二次确认或多重签批流程;对不可逆转的操作先行模拟演练或安全检查;对高影响操作限定时间窗和范围,仅允许在特定条件下执行。上述策略应与金融系统、生产控制系统等高安全级别场景的管控措施看齐,确保智能体不会单点突破整个业务安全。(六)建议做好智能体供应链安全与代码管理应建立对自主智能体所依赖第三方组件和技能插件的安全管理制度。引入的新技能模块必须经过安全审核和测试,符合安全要求后方可投入使用。对现有运行的技能和依赖库应定期检查版本和安全更新情况,及时应用补丁或升级。推荐采用企业内部代码仓库存储已审核通过的技能代码,禁止智能体运行时直接从外部获取并执行未存档的代码。(七)建议做好智能体凭证与密钥管理所有敏感凭据不得明文写入代码或配置文件,应使用安全的凭证管理系统按需注入。智能体使用完毕后,应及时销毁或回收相关密钥,防止长期驻留内存或日志中。定期更换更新关键凭据,以降低泄漏风险。(八)建议做好人员培训与应急演练对相关研发、运维和使用人员定期开展安全培训,提高对自主智能体风险的认知。避免“一句话授权”导致高危操作无意识执行等情况。强化员工在使用智能体过程中的安全责任意识,杜绝违规使用和粗心误用。制定应急预案并定期开展模拟演练,提高团队对智能体安全事件的反应速度和处置能力。三、云服务商(一)建议做好云主机基础安全层面的安全评测与加固做好认证、隔离与访问控制,尽可能做到内化默认安全在基本的密码规则基础上,规避已知泄露的弱密码,默认条件下禁止云主机远程登录访问。做好OpenClaw服务认证与访问控制,每个用户的OpenClaw Gateway服务默认启用唯一且随机token,默认不暴露Gateway到公网。做好安全隔离,建议在用户自己账号下配置独立隔离的VPC网络,部署OpenClaw。做好产品迭代安全扫描与人工安全测试,包括镜像、产品控制面、用户运行时实例等层面,规避云产品设计与实现层面的典型安全问题、API Key泄露等风险。(二)建议做好安全防护能力部署/接入在主机层、网络层等位置部署入侵监测能力,并提供基础安全防护。默认具备防DDoS攻击等基础防护能力。对部署OpenClaw的云主机实例加强安全风险监测。(三)建议做好供应链及数据安全防护做好OpenClaw安全漏洞监测与防护,开启例行常态化监测,定期更新云上OpenClaw镜像。做好Skills安装安全管控,云OpenClaw产品界面中默认提供经过安全检测、验证的Skills,具备已知恶意Skills阻断安装的能力,防控引入恶意Skills。增加新型AI场景的恶意风险检测能力,及时保障云平台、用户更加安全可控的使用AI助手。做好模型调用安全防护,云OpenClaw产品界面仅支持调用已备案的大模型。升级大模型安全护栏的防护能力,包括提示词注入防御,进一步增强、隐私泄露防护等。四、技术开发者/爱好者(一)建议做好基础配置加固建议使用最新版本,确保已修复所有的已知漏洞,持续关注版本更新以及漏洞修复工作。开启身份认证:1)在 config.json 中配置高强度的密码或 Token。2)开启DM 配对策略,将聊天软件的配对策略设置为 pairing(需验证码)或 allowlist(白名单),绝对禁止设置为 open。做好网络隐身与最小化暴露:1)不将 Web 管理界面(端口 18789)直接暴露在公网/局域网。2)不私自使用 Tailscale、WireGuard 等安全隧道方案,将端口映射到外网。3)不用不安全 UI,确保 gateway.controlUi.allowInsecure Auth 为 false,防止控制台降级。(二)建议做好运行环境隔离根据官方文档,OpenClaw 提供了两种互补的沙箱化策略,当需要避免OpenClaw对系统增删改破坏系统完整性时,建议:启用全量 Docker/虚拟机运行将整个 OpenClaw Gateway 及其所有依赖直接运行在一个 Docker 容器/虚拟机内。即使 Gateway 本身被攻破,攻击者也仅被困在容器内,难以直接危害宿主机系统。启用工具沙箱1)Gateway 运行在宿主机,但将 Agent 的工具执行(如代码运行、文件操作)隔离在 Docker 容器中。2)通过 agents.defaults.sandbox 启用。建议保持 scope: "agent"(默认)或 scope: "session" 以防止跨 Agent 数据访问。3)通过 workspaceAccess 参数精细控制 Agent 对工作区的权限(none 禁止访问,ro 只读,rw 读写)。最小权限原则1)启用工具白名单,在配置中禁用高危工具(如 shell、browser 的写权限),仅开放必要的工具,配置好插件白名单。2)启用文件系统限制,敏感目录以 :ro(只读)方式挂载,避免核心文件被误删。建议使用官方提供的安全审计工具定期进行安全审计1)开启openclaw security audit进行常规检查,扫描入站访问控制、网络暴露面及本地文件权限。2)开启openclaw security audit --deep进行深度探测,执行实时的网关探测,模拟攻击者尝试发现潜在的暴露点。3)开启openclaw security audit --fix进行自动修复,自动实施安全加固(三)建议做好供应链防范1)不宜盲目安装技能商店(ClawHub)中的热门技能以及非官方渠道的 VS Code 插件或 NPM 包,安装前做好代码审查。可运用 clawhub inspect <slug> --files 命令查看是否存在可疑指令,例如诱导执行 npm install、pip install、远程脚本下载等。 2)明确Agent禁止从事的事项以及需要记录的操作,禁止执行危险命令(例如 rm -rf /)、禁止修改认证或权限配置、禁止将 token/私钥/助记词发送至外网、禁止盲目执行文档中的“一键安装”命令。 3)安装完成后,建议立即做好安全配置,只允许本机访问核心配置文件,建立配置哈希基线,切勿将私钥或助记词交付给 Agent。转载于“国家互联网应急中心CNCERT”微信公众号https://mp.weixin.qq.com/s/L9AKvAFMB6kE2EcRSvTxZw

  • 172025.12

    深入实施“人工智能+”行动 人工智能开放联盟成立

    新华网广州12月17日电 16日,由17家高水平大学、8家科技领军企业和科研机构共同发起的人工智能开放联盟,在广州举行的2025高校科技成果交易会上宣告成立。广东省委书记黄坤明,教育部党组书记、部长怀进鹏,广东省委副书记、省长孟凡利和来自全国600余所高校的参会代表共同见证联盟正式成立。清华大学校长、人工智能开放联盟理事长李路明代表联盟理事会向所有加入联盟的成员单位表示欢迎。他表示,成立人工智能开放联盟是主动服务国家重大战略需求、抢占人工智能发展制高点的重大举措。作为联盟首任理事长单位,清华大学将全力支持秘书处运行,积极推进联盟各项工作顺利开展,为各成员单位做好服务。面向未来,联盟将重点构建“纵向贯通”的应用创新体系、“横向协同”的技术底座体系和“内外联动”的治理交流体系,聚众智、合众力,为加快推进教育强国、科技强国、人才强国建设作出新的更大贡献。联盟是在教育部科学技术与信息化司指导下,由清华大学、北京大学、上海交通大学、浙江大学、南京大学、复旦大学、武汉大学、华中科技大学、中山大学、北京师范大学、北京邮电大学、东南大学、厦门大学、南方科技大学、西湖大学、香港中文大学、香港科技大学等17家高水平研究型大学,8家科技领军企业和科研机构等自愿结成的国际性、开放性、非营利性的战略协作平台,秘书处设立在清华大学。联盟旨在秉持国家使命牵引、真实应用导向、核心创新驱动、生态开放共享的原则,汇集各方力量共同承担国家人工智能重大攻关任务、共同打造基于自主可控技术的人工智能基础设施体系、共同培育人工智能高层次人才、共同推进人工智能技术在教育等领域的应用、共同建设人工智能开源技术社区,致力于成为人工智能创新技术的策源地、人工智能国际合作的重要窗口和推进“人工智能+”行动的战略支点。联盟将重点围绕引领教育教学范式变革、构建人才自主培养新体系、组织前沿技术协同攻关、建设自主可控的基础设施、推进高水平国际交流与生态建设等方面通力合作,并设立五个专业委员会,分别由清华大学、北京大学、上海交通大学、香港中文大学、香港科技大学牵头人工智能赋能教育、人工智能赋能科研,人工智能基础工程,人工智能伦理与治理,人工智能国际交流专委会的工作。12月15日晚,人工智能开放联盟举行第一次理事会。会议审议通过了联盟章程等事项。与会人员围绕专业委员会建设、国家人工智能高等教育应用中试基地建设、教育智联网与算力服务平台建设、人工智能教育社会实验开展、人工智能教育产品出海实践等内容进行深入交流。转载于https://education.news.cn/20251217/0227e6634aa64deeab01acde37717429/c.html

产品展示 /INDUSTRY NEWS

数字化校园平台

凌展数字化校园信息平台是基于公司十几年教育行业软件开发经验和技术的积累,并融合先进的管理理...

高校教务综合管理平台

随着我国高校教学体制改革的发展,更加体现出以人为本的教育方针政策。学生自主地选择专业及专业...

研究生教育信息管理平台

研究生教务管理工作是研究生教育中的一个极为重要的环节,是整个研究生管理的核心和基础。面对种...

中学教务管理平台

中学教务、教学管理是整个学校管理工作中的一个重要组成部分,长期以来手工管理以及使用简单的、...

Copyright © 2012 长春凌展软件有限责任公司 All rights reserved. 吉ICP备12003479

地址:长春理工大学南区实训楼232室 电话:0431-85583910(办公室),0431-85583911(技术部),0431-85583912(商务部)