35门结项课程
深度数据挖掘看板
从“课程有没有用AI”进一步挖掘到“AI嵌入多深、教学是否重构、资源是否资产化、改革链条是否闭环、哪些要素经常共同出现，以及不同专业场景采用了怎样的技术组合”。
从35门课程看，建设已经进入“深融 + 资产化 + 评价闭环”阶段
以下结论来自结项申请书中的实施证据，不把“未来计划”计入已完成建设；未检出明确证据不等于课程实际没有该要素。
文本证据成熟度：五维画像与课程类型聚类
构造性指标，不是官方评审分。五维分别为技术嵌入、教学重构、资源资产化、评价闭环、场景真实性；用于比较建设模式而非判定课程优劣。
35门平均五维画像
0–100课程分布：成熟度 × 改革闭环率
每个点代表1门课程，可悬停专业问题 → AI方法 → 结构化资源 → 真实任务 → 过程评价 → 成效证据
把课程改革从“工具清单”还原成完整教学链条。最后一环采用更严格的“成果成效”文本证据口径，因此更能暴露当前的评价证据短板。
改革闭环分布
6环节知识资产化层级
从数字资源到AI可调用资产哪些AI+建设要素经常“成套出现”？
使用Jaccard相似度衡量两个建设要素共同出现的强度。越深表示越经常在同一门课程中同时出现。
最强共现组合
Top 8建设要素共现热力矩阵
Jaccard 0–1不同专业场景采用了怎样的AI技术组合？
一门课程可同时落入多条技术路线，因此这里呈现的是“技术路线在场景中的出现次数”，不是互斥分类。
场景群平均建设画像
文本编码平均值技术路线 × 专业场景耦合矩阵
出现次数从教学材料到可复用、可调用的课程资产
资产化关注“资源能不能持续更新、结构化复用，以及能否被AI检索、调用、反馈”，而不只是资源数量。
核心资源覆盖
35门课程资产化层级解释
探索性编码申请书中未检出明确的可复用资源证据。
已有视频、平台或数字材料，但结构化程度有限。
形成知识图谱/知识库、案例库、数据集、代码/模型等。
知识库/图谱进一步与智能体、AI助教或RAG等发生联动。
下一阶段最值得补的是“长期成效证据”，而不是再增加工具数量
证据等级只看“建设成果成效”部分；局限性主题只看“局限性及未来展望”部分，避免把计划中的建设误判为已完成。
教学成效证据等级
严格口径局限性 / 未来展望中的高频主题
课程数课程画像、改革特征矩阵与知识资源矩阵
点击课程行可查看建设设计、成果证据、局限性摘要和五维评分。搜索与筛选会同步作用于矩阵。
这是一套“文本证据挖掘”而不是重新评审
目的是把35份结项材料转成可比较、可管理的结构化数据，帮助学校识别共性模式、资产化水平和下一阶段建设缺口。
主要使用“建设目标—改革举措—特色创新—建设成果—教材/资源—开课情况”。“未来展望”不计入已完成建设。
矩阵中的“未检出”只表示申请书文本没有明确证据，不直接推断课程现实中不存在该做法。
成熟度、闭环率、资产层级、聚类均为本次分析构造的探索性管理指标，不替代专家评审和正式结项等级。
若后续补充平台日志、学生前后测、课程成绩、问卷原始数据，可把当前文本挖掘升级为“建设投入—教学过程—学习成效”的因果评估。