课程资源

选型与应用说明

原理与关键区别

课程资源应包含数据质量、错误类型和人工复核。分类实验要分开调参样本与验证样本；若同一张图片反复参与两边，结果容易高估泛化能力。评价目标应包括能解释误判而非只给正确率。

具体核对步骤

1. 检查教案是否提供非演示样本
2. 让学生分组标注并讨论歧义
3. 另存未参与调整的验证集合

容易误判的地方

更多训练轮次不自动证明模型更适合真实课堂场景。

本方向输入与判断

课程目录、版权、教师准备

账户和授权怎样分配给班级？

审查续用、修改和导出范围

保留记录

授权说明及备课试做

适用边界

不能搬运第三方付费课程

原始资料阅读

[S1] Make a Pick and Place Robot — Lesson Plan
https://education.lego.com/en-gb/lessons/ev3-cim/make-a-pick-and-place-robot/
属于特定平台的课例，本站另写的课堂时长、分组和评分不是原厂推荐配置。

[S2] Built-in Examples
https://docs.arduino.cc/built-in-examples/
示例须按目标板卡电压、接口和 IDE 版本核对，不能直接视为任意套件接线方案。

[S3] AI Risk Management Framework
https://www.nist.gov/itl/ai-risk-management-framework
自愿性框架；不能替代教育评价、专业诊断或当地法律要求。

沟通前准备

复核记录字段

1. 检查教案是否提供非演示样本

2. 让学生分组标注并讨论歧义

3. 另存未参与调整的验证集合

同时填写配置与版本、观察结果、待解决事项、责任人和复核日期。