服务对象: 学生
AI Tutor
依据能力图谱陪伴学习，推荐练习并提供反馈。
边界
不代替学生完成作业。
宗旨
实质 – 实才 – 开创未来
01 — 概览
一项大学转型计划，而非软件项目
本项目不是采购聊天机器人或管理软件，而是推动 DAU 成为一个依靠数据、学习成果、实证能力和 AI 运行的大学生态系统——同时，人始终是最终决策的主体。
01
技术重塑教育
AI、大数据、自动化、Digital Twin、绿色转型与数字经济，正在改变大学的教学、学习与治理方式。
02
市场需要真才实学
学习者需要以作品和可信的证据证明自己的能力，而不仅仅依靠成绩单。
03
自主与问责
高等教育正走向自主办学、认证评估与质量透明。
04
从规模到能力
发展方向正从规模扩张转向能力、数据、质量与创新。
2006
基础
近 20 年的建设与发展。
6 年
2026–2031
DAU 重点战略项目。
第 5 级
AI-native
力争于 2031 年达到的成熟度目标。
2050
愿景
5T 价值 – 实证能力 – 亚洲与世界影响力。
02 — 特色
5T 的三个层次
5T 是 DAU 的特色与身份，分为三个相互独立的层次：指导理念、培养方式与学校品牌价值。AI-native 只是实现这些价值的基础设施。
5T 理念
思想基础
- T1
宁静
Tranquility
- T2
睿智
Theoria
- T3
实证
Tangibility
- T4
通变
Transfluency
- T5
永续
Transcendence
5T 教育
培养方式
- T1
实学
Think
- T2
实训
Train
- T3
实务
Task
- T4
实战
Test
- T5
实创
Transform
5T 品牌价值
DAU 学子的特质
- T1
先锋
Trailblazing
- T2
务实
Tangible
- T3
全面
Thriving
- T4
协作
Togetherness
- T5
责任
Trustworthy
将 5T 融入数据与 AI 的运行指标
实证能力数字责任建构思维
03 — 模式
一体化设计，九个层次
AI-native Competency-Based DAU 模式由九个层次构成，从人的价值延伸至智能与质量基础设施——是一个统一的整体设计，而非零散的工具。
5A
Human-centred 5T
以人为本；AI 不取代教师。
5B
OBE/VQF
基于学习成果的培养，与越南国家资历框架（VQF）相衔接。
5C
AI-Native CBE Ecosystem
将学习成果转化为可观察、可衡量、可证明、可改进的能力。
5D
OBE/CBE Core
全校学术数据的主干。
5E
Competency Map
以可观察的行为描述能力，并关联证据、评分量规与熟练等级。
5F
Second Brain & Governance
机构记忆、Knowledge Graph 以及数据与 AI 治理。
5G
AI Infrastructure Efficiency
模型调度与成本控制；可更换模型而不破坏基础数据。
5H
Agentic Orchestration
调度具备权限管理、审计日志和人在回路（human-in-the-loop）机制的 AI 智能体。
5I
World Models, Evidence & Quality Intelligence
Digital Twin University、Learning Analytics、Living Portfolio、PDCA/CQI 与动态认证评估。
04 — Copilot
四个核心 Copilot，一个共同基础
Agentic AI 不是单一的聊天机器人，而是具备权限管理、控制与问责机制的智能体生态系统。每个 Copilot 都有明确的边界。
服务对象: 教师
Faculty Copilot
支持课程设计、评分量规、教学资源以及对学习者的反馈。
边界
不取代教师的专业判断。
服务对象: 研究人员
Research Copilot
支持文献综述、数据管理与成果发表流程。
边界
不代写论文，不编造数据。
服务对象: 管理人员
Admin Copilot
支持业务流程、报告、质量监测与认证评估。
边界
不自行决定教务、财务、人事及认证事项。
四者共用 Second Brain、Knowledge Graph、OBE/CBE Core 与 Data/AI Governance。
Second Brain 让 DAU 记得准确
World Models 让 DAU 预测得更好
由人来决定
05 — 成熟度
五个成熟度等级
每一级都是迈向下一级的必要条件。DAU 稳步推进，在扩展之前如实衡量。
01
数字化
Digitized
流程与数据实现数字化。
02
数据支撑
Data-informed
决策以数据为依据。
03
AI 融合
AI-integrated
AI 融入各项核心工作。
04
AI 驱动
AI-driven
由 AI 协调流程，人负责监督。
05
AI-native
大学从设计之初即以数据和 AI 为基础运行。
目标：力争于 2031 年达到第 5 级。
06 — 路线图
2026–2031 路线图
技术服从于学术目标。只有当数据与证据足够可信时，各阶段才会扩展。
最初 100 天
启动
成立指导委员会，选定试点培养方案，建设 Second Brain v1。
2026
AI-ready & CBE-ready
试点 OBE/CBE Core 与 Competency Map；出台数据与 AI 政策。
2027
AI-integrated & CBE-integrated
试点 AI Tutor、Faculty Copilot、Research Copilot；推行 Living Portfolio。
2028–2029
AI-driven CBE DAU
扩展 Agentic AI；建立学生、课程与专业层面的 Digital Twin；动态认证评估。
2030–2031
AI-native core completion
多智能体生态系统、全校 Digital Twin、终身学习。
2031 年以后
AI-native scaling & maturity
全校推广并优化运行。
“从小处起步，如实衡量，快速改进，有序扩展。”
各里程碑为建议框架；阶段推进以数据成熟度指数（Data Maturity Index）和证据真实性指数（Evidence Authenticity Index）为依据。
2030 年目标
拟定指标
- 依据学习成果、VQF 与认证要求完成审查的培养方案
- 100%
- 依据学习成果、VQF 与认证要求完成审查的培养方案
- 拥有 Living Portfolio 的 2027–2030 级新生
- ≥50%
- 拥有 Living Portfolio 的 2027–2030 级新生
- 接受 OBE/VQF、评分量规与评价培训的教师
- 100%
- 接受 OBE/VQF、评分量规与评价培训的教师
- 完成 AI-readiness 与数字教学资源培训的教师
- ≥80%
- 完成 AI-readiness 与数字教学资源培训的教师
- 具有博士学位的专任教师
- ≥30%
- 具有博士学位的专任教师
依据 2026–2030 年发展战略。仅在具备证据时公布结果。
07 — 支柱
七大战略支柱
所有支柱都建立在共同的基础之上：5T 价值与基于 OBE/VQF 学习成果的培养。
01
人才培养
基于能力的培养方案、工作室化教学、Living Portfolio。
02
科技与 AI
Research Copilot 与透明的成果发表流程。
03
社区服务
服务社区的学习，连接地方发展。
04
国际合作与传播
传播教育投资的价值，拓展合作伙伴。
05
师资队伍
提升教师的 OBE 能力与 AI-readiness。
06
财务与基础设施
AI 基础设施、第二校区、资源多元化。
07
质量与 IQA
在学校、学院、专业、课程四个层面实施内部质量保障。
Design × Domain 跨学科优先方向
- Smart City, Urban Design & Digital Twin
- Green Architecture & Sustainable Construction
- BIM, Construction Management & Project Finance
- UX/UI, Digital Product & Visual Communication
08 — 试点
建筑设计工作室
试行版
建筑设计作业的 9 项标准评分量规是首个试点成果。AI 的使用须受控并如实申报；学生必须证明个人能力。抗 AI 要素贯穿始终，而非单列为一项标准。
- TC1构思与创意
- TC2特色与在地性
- TC3空间与功能
- TC4规划与景观
- TC5建筑技术
- TC6材料与构造
- TC7绿色建筑
- TC8社区影响
- TC9表现与答辩
09 — 对标
科学依据与对标
DAU 设计中的每个组成部分在世界上都已有先例。因此，优势并非来自“AI-native”这一名称，而是来自整合的质量。
- 越南重点案例
- 76
- 越南重点案例
- 对标院校：国际 80 所，越南 20 所
- 100
- 对标院校：国际 80 所，越南 20 所
- 全球地理集群
- 14
- 全球地理集群
- 学术与制度评价标准
- 14
- 学术与制度评价标准
六项潜在优势
- 01价值与运行机制相一致
- 02可追溯至每一项能力差距
- 03学习与正式认定相分离
- 04统一标准，灵活路径
- 05动态能力档案 — Living Portfolio
- 06立足建筑–建造–设计特色的跨学科工作室
这是对设计质量与潜力的评估，并不意味着 DAU 已取得卓越成果。
10 — 原则
运行原则
由人决定
Human-in-command 是治理原则；human-in-the-loop 是执行机制。
学术引领
技术服从于学术目标，而非相反。
核心稳定，边缘灵活
核心坚守使命、5T、OBE/VQF 与治理；边缘快速试验微证书与跨学科工作室。
DAU 掌握核心知识
依据 Build–Buy–Partner 模式，DAU 自主掌握标准、评分量规与证据数据。
数据清洁优先
在数据尚未清洁、证据尚未核实之前，不过早扩展。
有据方可发布
只公布有证据支撑的实施程度与成果。
以人为中心，以 5T 为特色，以实证能力为标尺，以数据和 AI 为智能基础设施，以真正的质量为长期承诺。