higher educationedtechaipblsrl

NC州立大學全校資料科學與人工智慧專題式教學學習模型（ADAPT）

arXiv - Computers and SocietyRachel Levy (NC State University), James B. Harr III (College of William and Mary), David Stokes (NC State University)

ADAPT 模型透過跨學科學院，打破學術壁壘，將資料科學與 AI 融入教學、研究與社群參與，提升工作相關學習。

AI 幫你先抓重點

AI 重點 1

跨學科學院模式是打破傳統學術壁壘的關鍵

滑鼠懸停看 AI 判斷理由
AI 認為此模式能將不同領域的知識與資源整合，創造更具創新性與實務性的學習機會，改變傳統單一學院的教學與研究方式。
AI 重點 2

將資料科學與 AI 與大學使命緊密結合，提升工作相關學習價值

滑鼠懸停看 AI 判斷理由
此洞察顯示學術機構不僅要教學，更需與產業需求同步，AI 認為這能讓學生在畢業後更快適應職場，並促進學校的社會影響力。

核心研究發現

  1. 1

    建立跨學科學院，將資料科學與 AI 融入所有學院、中心與研究所，打破 STEM 與人文之間的隔閡。

  2. 2

    該模型將資料科學與 AI 的學習與大學使命（教學、研究、參與）緊密結合，形成全校範圍的協同學習環境。

  3. 3

    透過 ADAPT，學校能夠提供符合職場需求的學習體驗，促進學生在資料科學與 AI 領域的就業競爭力。

對教育工作者的啟發

為實務教育工作者與課程設計者提供可行建議：首先，建立跨學科學院或工作小組，確保不同學院的教學資源與研究專長能互相協作；其次，將資料科學與 AI 的學習目標與職場需求對齊，設計以專題式學習（PBL）為核心的課程，讓學生在實際專案中應用理論；再次，利用學院內的中心與研究所作為實驗平台，提供實務導向的實習與實驗機會；最後，建立持續評估機制，追蹤學生學習成效與就業走向，並根據數據調整課程設計。這些步驟可協助學校在快速變遷的資料科學與 AI 產業中，培養具備跨領域能力與實務經驗的畢業生。

原始文獻資訊

英文標題：
The NC State All-campus Data Science and AI Project-based Teaching and Learning (ADAPT) Model: A mechanism for interdisciplinary engagement in workforce-relevant learning
作者：
Rachel Levy (NC State University), James B. Harr III (College of William and Mary), David Stokes (NC State University)
來源：
arXiv - Computers and Society
AI 摘要模型：
openai/gpt-oss-20b
閱讀原文

每週精選研究電子報

每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。