1.“以智强学”——提升学生自主学习与高阶思维能力（数据验证赛，此赛题尚未开启报名，请持续关注）

聚焦知识机械记忆主导、自主学习动力不足、创新思维评估缺位等问题，推动基于学习轨迹（解题轨迹、知识检索路径、认知负荷监测）诊断的自适应学习策略。支持探索知识断点智能检测、探究式任务动态生成、思维发展可视化建模等方向，构建“因能施教、以评促学”的智慧学习新场景。本赛题旨在通过“以智强学”模式，利用学习行为深度挖掘技术，解决传统教育中填鸭式教学惯性、分层学习路径缺失、思维训练可视化不足等问题。通过构建数据赋能的个性化能力发展服务体系。

2.“以智护心”——实现心理健康风险早期识别与干预（数据验证赛，此赛题尚未开启报名，请持续关注）

青少年心理健康问题日益严峻，抑郁症、焦虑症等心理障碍发病率持续上升，严重影响其成长和社会适应能力。当前心理健康筛查与干预体系存在不足：传统问卷依赖主观报告，易受社会期望效应干扰；心理危机识别滞后，隐性情绪波动难以及时捕捉；家校协同不足，数据共享和个性化干预缺乏；现有干预方案同质化，缺乏精准数据支撑。人工智能与多模态感知技术的发展为突破这些瓶颈提供了可能，通过语音、微表情、社交行为等多维度数据分析，构建更客观、精准的心理健康评估与干预体系成为重要研究方向。本赛题旨在利用多模态情绪感知技术，构建智能化心理健康防护系统，实现以下目标：（1）精准筛查：融合语音、微表情、社交行为数据，提升评估客观性，建立动态情绪模型识别早期风险。（2）实时预警：通过AI分析课堂、社交场景情绪变化，减少误报与漏报。（3）家校协同干预：搭建数据共享平台，提供个性化干预方案（如CBT、社交支持）。（4）技术赋能教育：开发课堂情绪反馈系统，优化教学策略，推动AI+心理健康服务标准化。最终形成“筛查-预警-干预-反馈”闭环体系，助力青少年心理健康管理。

3.“以智铸魂”——创新思政教育模式与强化价值内化（数据验证赛，此赛题尚未开启报名，请持续关注）

当前思政教育面临“知行分离”的困境，学生虽掌握理论知识，但难以内化为价值认同与实践行动。传统教学模式缺乏动态追踪与个性化引导，导致教育成效不足。随着数字技术的发展，融合课堂辩论、红色资源与社会实践数据，构建价值观发展动态追踪系统成为可能。通过智能算法推演历史事件、预测道德决策行为、辨析价值观冲突，可打造沉浸式思政教育元宇宙空间，实现从知识传授到价值内化的转变。本赛题旨在探索创新思政教育模式，利用技术手段强化学生的价值认同与实践能力，破解教育实效性不足的难题。本赛题要求参赛者结合课堂辩论逻辑链、红色资源访问轨迹及社会实践行为数据，构建价值观发展动态追踪系统。重点研究方向包括：历史事件智能推演算法，模拟历史情境以增强认知；道德决策行为预测模型，评估学生价值取向；价值观冲突辨析知识库，辅助思辨能力培养。同时，需开发沉浸式思政教育元宇宙空间，支持智能辩论对抗训练与社会实践成效数字化认证。最终目标是形成可落地的创新思政教育解决方案，提升学生的价值内化程度，推动思政教育向智能化、个性化、实效化方向发展。

4.“以智优教”——促进教育资源均衡配置与适切供给（数据验证赛，此赛题尚未开启报名，请持续关注）

当前，我国教育资源分配仍存在显著不均衡问题，城乡、区域间的教育质量差距较大。传统资源供给模式多以“大水漫灌”为主，难以精准匹配不同学校、教师和学生的实际需求，导致优质课程、教研资源和实验设备利用率低下。同时，教师能力差异、学情数据分散、设备使用低效等问题进一步加剧了供需错配。随着教育数字化转型加速，如何利用人工智能、大数据和边缘计算等技术，实现教育资源的智能调度与精准供给，成为推动教育公平的关键。本赛题聚焦教育大模型在课堂分析、学情诊断和资源调度中的应用，旨在通过数据驱动的方式优化资源配置，提升教育服务的适切性和普惠性。本赛题要求参赛者基于教育大模型，结合课堂实录、学情报告和设备日志等数据，构建智能化解决方案。

5.AI赋能教学应用开发（数据验证赛，此赛题尚未开启报名，请持续关注）

近年来，国家越来越重视人工智能人才的培养，很多学校也开始在课堂中引入人工智能内容。但要让学生真正理解人工智能如何帮助科学研究并不容易。AI for Science不仅涉及很多学科知识，还要求教师能把人工智能内容很好地融入日常课程中。本次比赛希望鼓励老师们设计出将人工智能和理工科课程（如数学、物理、化学、生物）结合的课堂案例或教学工具，让学生在学科学习中了解人工智能，激发他们对科学和未来科技的兴趣。本赛题希望参赛者围绕“人工智能+学科教学融合设计”这个主题，完成以下两个任务：（1）深度融合课程设计：选择一个理科课程（如物理、化学、数学、生物等），把人工智能相关知识或技术自然地融入到教学内容中，设计出有深度的课堂内容。（2）教学实践案例开发：基于推荐平台或其他教学工具，设计一个学生可以参与的课堂项目或实践案例。这个案例要能体现人工智能和学科知识的结合，并让学生可以亲自操作、动手实践。

6.数智赋能专业建设促进高质量充分就业（专业数据赛，此赛题尚未开启报名，请持续关注）

就业是最基本的民生，事关人民群众切身利益，事关经济社会健康发展，事关国家长治久安。为了更好服务就业、提高毕业生就业质量，教育部门需要对产业数据进行充分挖掘与分析，将产业端需求更精确、更及时纳入人才培养方案、教育教学、个性化学习等环节。本赛题提供企业岗位数据集、专业人陪方案、课程大纲等数据，要求：（1）根据产业数据提取岗位群、岗位群结构、岗位群分布、岗位群典型工作任务、岗位群能力要求。（2）根据人才培养方案和课程大纲，提取专业能力。（3）计算专业定位精准度，计算专业能力与产业需求匹配度，优化调整专业定位、课程体系设置、课程大纲。

7.数据驱动的学生职业规划与岗位智能匹配算法（专业数据赛，此赛题尚未开启报名，请持续关注）

高校毕业生就业结构性矛盾突出，学生职业规划盲目、岗位匹配效率低、企业选才成本高等问题亟待解决。传统就业指导方式缺乏对学生能力与岗位需求的精准识别，难以适应产业快速发展与用人需求变化。同时，企业在招聘过程中也普遍面临“人岗不符”“文化不契合”等挑战。本赛题聚焦学生全周期学业与实践数据的结构化建模，探索基于人工智能与大数据技术的职业规划与人才推荐方法，既可服务高校开展个性化就业指导，也具备在招聘平台和用人单位人力资源系统中落地应用的可行性，推动实现“人岗匹配精准化、职业发展智能化”的新型就业服务模式。本赛题围绕高校学生职业发展方向不清晰、岗位匹配效率低、招聘成本高等核心痛点，旨在构建基于学生多维度数据与企业岗位需求信息的智能推荐系统，具体包括：（1）构建学生职业规划推荐模型，输出岗位类别、行业方向及个性化技能提升路径。（2）构建岗位匹配推荐模型，预测岗位需求与学生特征的适配程度，输出候选学生名单。（3）提升模型的推荐准确性、解释性与可部署性，形成可服务于高校就业指导与企业招聘场景的智能推荐方案。

8.数智赋能院校教育管理（专业数据赛，此赛题尚未开启报名，请持续关注）

教育强国建设规划、国家教育数字化战略要求院校提高数据治理水平、赋能教育管理决策。数据治理是针对教育治理中数据孤岛、应用能力不足等问题，通过构建数据治理框架、推进智慧校园建设及教学过程数字化等手段，实现数据整合共享与精准决策，虽面临技术壁垒与管理惯性挑战，但未来将促进协同治理与质量提升，是院校高质量发展的关键路径。本赛题提供学校各业务系统数据集，要求：（1）将院校各业务系统数据，按照国家和行业数据标准，利用大数据和AI技术进行数据清洗、治理、分析，形成院校大数据中心。（2）可视化展示院校专业画像、教师画像、学生画像。（3）在大数据中心的基础上，制作学生成长档案、教师发展档案、专业建设档案。

9.人工智能赋能教育教学（数据验证赛，此赛题尚未开启报名，请持续关注）

随着人工智能技术在教育领域的广泛应用，如何将其深度融合到教育教学的各个环节，提升教育质量和管理效率，成为教育创新的关键。本赛题聚焦于利用人工智能优化教学管理、辅助教学决策、个性化学习支持、教学效果评估、教育资源服务、教育过程管理以及学生全面发展培育等方面，旨在探索可推广的创新解决方案。参赛者需针对教育教学中的某一具体环节或问题，设计一套基于人工智能的解决方案。该方案应充分利用人工智能技术的优势，解决传统教育模式中的痛点，提升教育的智能化水平和个性化程度，促进教育公平与质量的提升。

10.基于大模型的智能教学资源生成（数据验证赛，此赛题尚未开启报名，请持续关注）

随着教育信息化发展，传统教学资源（如PPT、教材、视频）存在静态化、开发成本高、个性化不足等问题，难以满足学生多样化需求。近年来，大模型技术（如生成式AI、多模态融合）的突破为教育创新提供了新可能，可动态生成高沉浸、可交互的教学资源，如智能解题引导、虚拟实验模拟、历史/地理场景重建等。本赛题旨在探索大模型在教学资源生成中的应用，通过AI生成技术降低优质资源开发成本，同时增强学生参与感与理解深度，推动教育从“单向输出”向“主动探索”转变，解决传统教育痛点。

11.人工智能赋能基础教学课程建设（数据验证赛，此赛题尚未开启报名，请持续关注）

随着人工智能技术在教育领域的广泛应用，如何将其深度融合到基础教育课程体系中，成为推动教育现代化的关键。本赛题聚焦于利用人工智能优化课程内容、创新教学模式、提升教学质量等方面，旨在探索可推广的创新解决方案。参赛者需结合基础教育课程标准与学生发展需求，针对某一学科或主题，设计一套融入人工智能技术的课程体系。该课程体系应注重学科核心素养培养，将人工智能作为工具和手段，促进学生对学科知识的深度理解和综合应用能力的提升。

12.智慧校园赋能教育数字化转型（数据验证赛，此赛题尚未开启报名，请持续关注）

随着信息技术的快速发展，教育数字化转型已成为全球教育变革的重要趋势。智慧校园作为教育信息化的重要载体，通过人工智能、大数据、物联网等技术，推动教学、管理、评价等环节的智能化升级。当前，传统教育模式面临教学效率不足、个性化学习难以实现、教师专业发展路径单一、教育评价体系滞后等问题。智慧校园的建设旨在利用数据驱动和智能技术，优化教育资源配置，提升教学质量，促进教育公平，构建更加开放、协同、高效的现代教育体系。在此背景下，本赛题聚焦智慧校园如何赋能教育数字化转型，探索智能教学、教师发展、综合评价、教育生态和管理优化等方面的创新应用。参赛者需结合先进技术，设计切实可行的解决方案，推动教育模式从传统向智能化的转变，助力教育高质量发展。

13.数据驱动的个性化学习方案设计（数据验证赛，此赛题尚未开启报名，请持续关注）

教育信息化的发展使得传统“一刀切”教学模式难以满足学生个性化需求。学生在知识掌握、学习习惯等方面差异显著，但现有系统缺乏精准的学情分析和个性化指导手段。在线教育平台积累了海量学习数据（如课堂互动、作业、测试等），但这些数据分散且未有效整合。同时，学科知识点关联复杂，如何构建知识图谱并优化学习路径成为关键挑战。本赛题鼓励利用大数据、知识图谱和强化学习等技术，设计数据驱动的个性化学习方案，推动“因材施教”，提升教育质量。本赛题的答题目标包括：（1）动态学情画像。整合多源数据（课堂互动、作业、测试等），建立学生个体学习特征模型，精准识别薄弱点和能力水平。（2）知识图谱构建。针对特定学科（如数学、物理），建立知识点关联网络，量化掌握依赖关系，支撑个性化推荐。（3）智能学习路径优化。基于强化学习或推荐算法，动态调整学习路径，推荐合适的微课、习题等资源，实现“千人千面”学习体验。（4）提升学习效率。通过个性化方案减少无效学习时间，提高知识掌握效率，最终提升学业成绩。

14.数据要素×区域学生学业评价（数据验证赛，此赛题尚未开启报名，请持续关注）

随着教育评价改革的深化，国家对学业评价提出了“结果评价、过程评价、增值评价、综合评价”的新要求。传统学业评价多依赖单一考试成绩，难以全面反映学生发展水平。区域教育管理亟需科学、多维的评价体系，结合学业与非学业数据，精准分析教学成效，为教育决策提供依据。数据要素的合理运用，可助力构建智能化、个性化的评价系统，推动区域教育质量提升。本赛题旨在构建区域学生学业评价指标体系，整合学业与非学业数据，运用教育测量与评价方法进行多维度分析。通过定制化报告（区域、学校、学科、学生层面），为教学改进提供量化支撑，实现精准诊断与个性化指导。最终推动区域教育评价改革落地，促进教学质量提升，助力学生全面发展。

15.健康智能体（数据验证赛，此赛题尚未开启报名，请持续关注）

随着人工智能技术的快速发展，AI在教育领域的应用日益广泛。健康智能体是专注于体育教育的AI智能体，旨在通过AI提升学生的体育素养、健康管理能力和综合素质。该智能体覆盖了体育教学、健康评估、个性化建议、国测数据、日常锻炼、阳光跑等多个场景，致力于打造“身上有汗、眼里有光”的身心健康个性化模型。本赛题的答题目标包括：（1）技术应用创新。垂直领域大模型，进行训练体育教育大模型，根据国考、日常运动、卡路里分别输出运动建议与膳食，同时根据摄入量生成当天运动建议。（2）数据融合创新，多模态分析。结合视频动作捕捉与体测数据，开发AI驱动的运动姿态矫正算法。（3）AI系统集成。打通阳光跑、体测、膳食、视力等数据，自动进行分析，构建学生“AI数字健康画像”。（4）服务模式创新。实现AI个性化健康闭环，基于运动量、BMI、视力数据，AI自动生成“运动+营养+护眼”建议方案。

16.数据赋能教育教学互动课程建设与个性化学习（数据验证赛，此赛题尚未开启报名，请持续关注）

随着“AI+教育”政策的深入推进（如2023年《生成式人工智能服务管理暂行办法》、2024年教育部“人工智能赋能教育行动”），教育教学正加速向个性化、智能化转型。然而，当前教育领域面临教学效率瓶颈、学习体验单一、资源适配不足、数据价值未释放等多重挑战。本赛题聚焦“数据要素×教育教学”，通过整合多模态教学数据，构建数据驱动的智能教学体系，推动课程建设与学习模式创新，助力实现“以智助学、以智助教”的教育新生态。本赛题的答题目标包括：（1）构建课程生成平台。开发智能课程设计工具，支持课件自动解析、互动环节生成（如虚拟实验、情景对话）、多语言字幕适配（支持中/英/日/韩等10+语言，翻译准确率≥90%），课程制作周期缩短70%以上。（2）搭建个性化学习引擎。构建基于大模型的学情分析系统，实现学生能力画像动态更新（更新频率≤1小时）、个性化练习推荐（题目匹配准确率≥85%），学习效率提升30%以上。（3）打造多模态数据融合系统。设计“教学资源-学习行为-产业数据”集成框架，形成跨学科知识网络。

17.基于大模型的学生学业成绩预测评估（专业数据赛，此赛题尚未开启报名，请持续关注）

当前基础教育阶段对学生成绩分析多停留在静态统计与事后总结层面，缺乏对未来趋势的量化预测与系统性追因机制。随着“双减”政策的推进与教学资源精细化管理需求的提升，学校迫切需要借助人工智能技术实现从“看结果”到“看发展”的转变。本赛题聚焦学业成绩的时序预测与差异分析，探索利用历史成绩数据构建预测模型，提前预判各教学单元（班级、年级、班组群、校中校）的成绩走向，并结合异常差异的智能诊断与可视化分析，助力教育管理者开展精准教学决策和资源优化配置。本赛题围绕学生成绩预测不精准、成绩波动原因难以追溯、异常识别滞后等实际问题，旨在构建面向多维度教学单元的学业成绩预测与差异分析系统，具体包括：（1）构建基于时序成绩数据的预测模型，实现各教学维度（班级、年级、班组群、校中校）下一年度平均成绩的精确预测。（2）构建差异检测与显著性分析机制，基于z分数识别异常波动点，评估预测偏差程度。（3）集成大模型能力，结合历史趋势生成成绩变化原因的解释性报告（如教学资源、师资变动等因素）。（4）实现动态可视化模块，展示历史趋势、预测误差热力图和异常点标注结果，提升决策直观性和可操作性。

18.智能个性化学习路径规划（数据验证赛，此赛题尚未开启报名，请持续关注）

在教育数字化转型的背景下，如何因材施教、提升学习效率成为教育领域的重要课题。当前，大量学生在学习过程中会产生学情数据、行为数据与知识掌握记录，但这些数据尚未被充分利用于个性化学习路径的智能生成与动态优化。传统的教学模式多采用“统一进度”，难以有效满足学生在知识基础、学习节奏和认知习惯上的个体差异，容易导致优生“吃不饱”、学困生“跟不上”。与此同时，课程体系内部的知识结构复杂，教师在实际教学中难以手动制定每位学生的个性化进阶路径。本赛题聚焦于个性化学习路径规划，基于学生学习全流程数据和课程知识图谱，探索融合多源数据、构建学生画像、实现路径动态调整的智能推荐方法，推动形成“教-学-评”闭环优化的新型教学服务模式。

19.基于深度学习的知识点与资源自动关联匹配（专业数据赛，此赛题尚未开启报名，请持续关注）

当前基础教育阶段对学生成绩分析多停留在静态统计与事后总结层面，缺乏对未来趋势的量化预测与系统性追因机制。随着“双减”政策的推进与教学资源精细化管理需求的提升，学校迫切需要借助人工智能技术实现从“看结果”到“看发展”的转变。本赛题聚焦学业成绩的时序预测与差异分析，探索利用历史成绩数据构建预测模型，提前预判各教学单元（班级、年级、班组群、校中校）的成绩走向，并结合异常差异的智能诊断与可视化分析，助力教育管理者开展精准教学决策和资源优化配置。本赛题围绕学生成绩预测不精准、成绩波动原因难以追溯、异常识别滞后等实际问题，旨在构建面向多维度教学单元的学业成绩预测与差异分析系统，具体包括：（1）构建基于时序成绩数据的预测模型，实现各教学维度（班级、年级、班组群、校中校）下一年度平均成绩的精确预测。（2）构建差异检测与显著性分析机制，基于z分数识别异常波动点，评估预测偏差程度。（3）集成大模型能力，结合历史趋势生成成绩变化原因的解释性报告（如教学资源、师资变动等因素）。（4）实现动态可视化模块，展示历史趋势、预测误差热力图和异常点标注结果，提升决策直观性和可操作性。

承办单位：北京市海淀区人民政府、北京市西城区人民政府、北京市东城区人民政府、北京市房山区人民政府

主办单位：北京市教育委员会

协办单位：中关村互联网教育创新中心、中关村智能科技发展促进会、北京华职教育科技集团有限公司

1.启动阶段：

      5月28日启动北京分赛，发布北京分赛赛道赛题等赛事信息。

2.初赛阶段：

      竞赛启动后，参赛团队可通过官网报名和提交材料，初赛报名和比赛分阶段进行，预计8月下旬开展初赛评审，审核获奖材料，确定晋级北京分赛区决赛单位。

3.决赛阶段：

      公布决赛评审时间和评审安排，预计8月底左右开展北京分赛区决赛，围绕初赛评选产生的优秀项目，采取路演答辩等方式进行决赛评选，计划9月底前提交参加全国总决赛名单。

各赛道设置一、二、三等奖、优秀奖等奖项，并提供以下权益：

1.数据流通

鼓励优秀项目数据资源和成果加入北京市数据流通利用增值协作网络，组织北京国际大数据交易所与参赛单位开展“所商合作”，促进数据要素流通，通过市场化实现价值化。

2.产融对接

持续组织国家级、市级和区级投融资机构举办产融对接活动，提供的产融合作资源支持。

3.展示推广

组织数据应用方与参赛单位开展业务合作，举办论坛沙龙、座谈交流、线下推展等赛事活动，制作获奖项目案例汇编，促进数据产品的服务推广与供需对接。

4.企业发展

符合条件的获奖团队可享受相关市级部门和属地政府提供的产业支持、人才招引等政策。

5.跟踪服务

北京分赛组委会建立竞赛项目库、主体库，推动全市产业支持政策触达参赛单位，加强常态化跟踪与沟通服务。

6.交流学习

获奖团队有机会参与大赛组委会举办的政策宣贯、调研走访、成果转化等活动。

每个赛道的奖项数量、大赛权益详情将在后续进行通知，敬请持续关注。