教学管理
2024年数字人文与外语人才项目招生简章
2024-04-16
天博官方网站,天博tianbo(中国)、人工智能研究院
随着人工智能、大数据等技术的不断发展和应用,数字化浪潮已经成为了推动社会知识体系和思维方式跨学科升级跃迁的强大力量。数字人文作为数字技术与人文学科交叉结合的领域,正在改变传统学科研究范式,成为了创新人文研究的前沿阵地和极具潜力的研究方向。数字人文不仅有助于拓宽传统人文研究的时空范围和纵深程度,还可以通过跨学科协作促进学术视野与思维方式的转变,为社会、文化、语言、文学等研究提供系统化、科学化、智能化的数智化实践路向。同时,在新一轮技术革命重构全球创新版图的今天,以人工智能为代表的数字技术在各行业中都在孕育新的变革。掌握数字化方法已经成为了提高知识体系创新能力的必备素养。在新文科建设的背景下,培养适应数字化环境、掌握现代科技前沿知识的融通型卓越外语人才已经成为了当今外语界高等教育领域的发展趋势。
数字人文与外语人才项目主干课程由天博官方网站,天博tianbo(中国)、人工智能研究院和计算机学院经验丰富的教师教授。学术研究与项目实践将由上述学院/研究院的导师提供个性化指导,并聘请国内外相关领域的专家学者参与。
本项目结合数字人文与外语学科的特点,设计了以数字化研究方法为主、语言与文化研究理论为辅的课程体系框架,以期打破学科壁垒,培养多学科交叉融合意识和学术能力。本项目也将通过任务导向型学术研究方案和导师负责制提升数字人文方法在外语学科的实践能力。项目周期为2至3年,学生需要完成计划规定的26学分的课程学习和实践任务,达到学分要求后可获得项目证书。项目指导团队将通过完善的项目管理和评估体系,保证项目的质量和效果,为学生的未来职业发展和学术进步打下坚实的基础。
一、 培养目标
本项目为学生提供扎实的学术训练和个性化指导培养。课程体系涵盖培养数字化技能的人工智能与语言智能处理技术,以及培养人文问题意识的语言、文化分析等专业基础课程,旨在为学生提供跨越学科界限、高效融合多学科优势资源的专业化培养方案;并通过与外语类学科相结合的项目实践,提升创新性科研能力。熟练掌握数字人文和外语交流领域的基本理论知识和专业技能。
二、 招生对象
项目计划在天博官方网站,天博tianbo(中国)本科生中遴选15人,报名后经项目专家委员会审核后择优录取。
三、 培养方案(学习期限2-3年,修满26学分)
项目培养计划主要分为四个专业培养模块:
1. 课程学习(22学分): 需完成项目主干课 10学分及选修课12学分。
2. 学术研究(2-4学分):在学术导师的指导下完成一项长学期本科生科研项目或两个短学期本科生科研项目,如学术论文、参加挑战杯等学术竞赛等
4. 学术实践活动(2学分):在学术导师的指导下,参观数字人文企业、科研机构以及数字人文作品展览;参加数字人文学术会议或讲座;积极参与天博官方网站,天博tianbo(中国)的数字人文科研项目
4. 毕业论文: 在学术导师的指导下,建议将数字人文技术应用于毕业论文的研究与实践。
获得项目证书要求:
学生须获得主修专业毕业证书和学位证书,并完成本项目所规定的课程即可获得项目的荣誉证书。
四、 师资保障
数字人文与外语人才项目主干课程由天博官方网站,天博tianbo(中国)、人工智能研究院和计算机学院经验丰富的教师教授。学术研究与项目实践将由上述学院/研究院的导师提供个性化指导,并聘请国内外相关领域的专家学者参与。
五、 报名方式
1. 报名时间:4月22日—5月7日
2. 报名方式:请在规定日期之内将报名材料发送至苏老师(电话:010-62751573;邮箱:suxiao824@pku.edu.cn)
邮件命名为:数字人文与外语人才-专业-姓名
3. 报名材料:①报名申请表;②个人陈述(中文1000—1500字,简述自己申请数字人文培养项目的目的、优势和学习/科研计划);③个人简历;④成绩单
4. 招生咨询会:
时间:2024年4月17日 9:00-12:00
线下地点:天博官方网站,天博tianbo(中国)新楼301会议室
线上地点:腾讯会议号761-923-931;会议密码:0417
5. 温馨提示:收到报名材料后,老师会回复邮件告知收到;若没收到反馈,请电话或邮件再次联系相关老师进行确认。录取信息将在天博官方网站,天博tianbo(中国)官网(www.212541.com)上公布。
六、 课程设置:
学分要求:总学分26,其中课程部分22学分,包括项目主干课10学分,项目选修课12学分
1、项目主干课:10学分
课号 |
课程名称 |
学分 |
周学时 |
03930180 |
语料库语言学 |
2 |
2 |
新开课 |
面向语言学习的语料库构建与应用 |
2 |
2 |
03930110 |
数字人文的理论与方法 |
2 |
2 |
03033630 |
信息表示与知识图谱 |
3 |
3 |
04834630 |
Python程序设计与数据科学导论 |
3 |
3 |
02035020 |
人类语言与人工智能 |
2 |
2 |
04831780 |
自然语言处理导论 |
3 |
3 |
03033930 |
Python数据分析 |
2 |
2 |
课号 |
课程名称 |
学分 |
周学时 |
02812710 |
R语言与数据可视化 |
2 |
2 |
02839440 |
机器学习与人工智能 |
2 |
2 |
02812770 |
深度学习与人工智能 |
2 |
2 |
02812930 |
数据科学的Python基础 |
2 |
2 |
02432161 |
社会科学定量方法 |
3 |
3 |
03131940 |
社会网络分析 |
3 |
3 |
03130120 |
社会统计学 |
4 |
4 |
03131260 |
数据分析技术 |
2 |
2 |
00136700 |
普遍统计学 |
3 |
3 |
00432298 |
R语言数据分析与机器学习 |
2 |
2 |
03033931 |
Python数据分析上机 |
0 |
2 |
03033960 |
复杂网络理论与实践 |
2 |
2 |
03033441 |
机器学习 |
3 |
3 |
03066970 |
深度学习模型与应用 |
2 |
2 |
03033890 |
数据科学导论 |
2 |
2 |
03033940 |
数据可视化 |
2 |
2 |
03033970 |
数据叙事:描述、分析与叙述 |
2 |
2 |
03033691 |
文本挖掘技术 |
3 |
3 |
03033850 |
应用量化分析 |
2 |
2 |
04835010 |
多模态学习 |
3 |
3 |
04832192 |
互联网数据挖掘 |
2 |
2 |
04831730 |
机器学习概论 |
3 |
3 |
04835020 |
可视化与可视分析 |
3 |
3 |
04831780 |
自然语言处理导论 |
2 |
2 |
04835120 |
自然语言处理基础 |
3 |
3 |
04832710 |
自然语言处理中的经验性方法 |
3 |
3 |
04834560 |
人工智能技术与应用 |
2 |
2 |
04834570 |
社会科学问题研究的计算实践 |
2 |
2 |
04832680 |
社会科学中的计算思维方法 |
3 |
3 |
04834730 |
深度学习算法实践 |
2 |
2 |
04835090 |
文本数据挖掘与社会科学计算 |
2 |
2 |
02035480 |
古代文献研究中的数字人文方法 |
2 |
2 |
02031150 |
语言与文化 |
2 |
2 |
12634110 |
人文地理学导论 |
2 |
2 |
02432320 |
中外文化比较 |
3 |
3 |
03130880 |
西方社会思想史 |
3 |
3 |
03130050 |
中国社会思想史 |
2 |
2 |