# 《AI赋能下的人工智能通识课程创新与实践》智慧教学应用报告

| 项目 | 内容 |
|---|---|
| 课程名称 | 人工智能基础 |
| 项目名称 | AI赋能下的人工智能通识课程创新与实践 |
| 课程类型 | 公共基础课（通识课） |
| 学时/学分 | 总学时 48（线上 15 / 线下 33），学分 3 |
| 依托平台 | 粤港澳大湾区高校在线开放课程联盟平台 · 超星泛雅（资源平台 / 知识图谱平台 / AI 助教平台） |
| 应用周期 | 2025 年 2 月 24 日 — 2025 年 6 月 13 日（2025 春季学期） |
| 应用单位 | 广东金融学院及项目共建单位 |

---

## 1. 混合式智慧教学实施目标

《人工智能基础》面向全校各专业开设，传统教学中长期存在四类问题：**教学资源固化**（课件与题库更新慢，跟不上 AI 领域快速迭代）、**师生互动单一**（大班教学以讲授为主，个性化不足）、**学情评价粗放**（依赖期末卷面，过程性数据缺失）、**个性化教学缺失**（多专业同班授课，难以兼顾法学、理工、医学等不同专业背景）。

本项目课程改革的目标是：

1. **资源活页化**：依托知识图谱组织课程知识体系，使知识点与资源可更新、可打补丁，解决教材两年一改与 AI 季度迭代的矛盾；
2. **教学智慧化**：以 AI 助教贯穿课前—课中—课后，把"师—生"二元互动升级为"师—机—生"三元互动，实现学情采集、个性化推送、智能测评；
3. **评价数据化**：过程性评价与终结性评价结合（平时 50% + 卷面 50%），用学习行为数据支撑精准学情画像；
4. **供给个性化**：按专业模板（法学/理工/医学等）生成差异化教学内容，实现"因班施教"。

## 2. 混合式智慧教学设计总体思路

本课程对标专业人才培养方案，落实立德树人根本任务，立足课程知识体系重构：以**知识图谱**为骨架组织 8 章理论内容（人工智能概述、Python、NumPy、pandas、计算机视觉、智能语音、自然语言处理、生成式大模型）与 6 个实验；以**优质在线开放课程资源**为依托；以**AI 智能助教**为枢纽打通课前、课中、课后全流程；并以**课程思政**贯穿（科技伦理、法治精神、理性用网等，融入案例与争议讨论）。

> **图1 混合式智慧教学整体模式图**（见《图1-混合式智慧教学整体模式图.html》）

### 2.1 教学活动的设计与组织

落实"以学生为中心"的教学理念，运用 AI 教学工具重构课前、课中、课后全流程：

- **课前**：AI 助教基于知识图谱与学情档案，推送与学习目标匹配的预习资料、视频与导学问题，并采集预习行为数据生成学情报告，供教师调整课堂重点。
- **课中**：线上依托联盟平台提供可视化课件、知识图谱导航与实时互动测评；线下由教师主导重点讲解、案例研讨与小组任务，AI 测评实时反馈答题正确率与互动参与度，支持教师动态调节节奏。
- **课后**：AI 系统按学习表现自动生成专项练习与复习题集；客观题自动评分，主观题教师结合 AI 分析评定；教师按学情报告安排返课与案例延展。

课程思政渗透于案例选择与讨论议题：以流浪狗舆情反转、AI 结论证据效力等真实案例组织辩论，把价值判断放进"学生必须表态的争议"中，避免说教式贴标签。

> **图3 课程思政融入示意**（见《图3-课程思政融入示意.html》）：思政价值主题库 → 真实案例争议载体 → 学生表态处境 → 价值内化，并附分章思政切入点映射。

### 2.2 基于知识图谱及人工智能在教学应用具体情况

**知识图谱**：课程知识图谱分两个阶段建设。中期检查时，按"章—节—知识点"三级结构完成骨架搭建，收录知识点 170 个、建立关系 88 条，覆盖课程核心概念与主要逻辑结构；结题阶段，在骨架基础上向知识点细分层级纵深扩展，将核心知识点按教学颗粒度细分为子知识点与细分要点，形成"章→节→知识点→子知识点→细分要点"的 **5 级层级结构**。截至结题，图谱共收录知识点 **522 个**（其中一级章节 9 个、二级节与模块 48 个、三级及以下具体知识点及其教学细分 465 个），建立知识点关系 **896 条**（前置关系 210 条、后置关系 211 条、关联关系 475 条，其中关联关系涵盖知识点间横向联系与父子层级归属关系）。

扩充过程以课程教学大纲为纲、以项目自建课程知识库（110 个小节，每节含概念定义与关键要点）为内容支撑、以主流人工智能学科分类框架为校正参照，所有新增节点均严格控制在课程实际讲授范围内；关系按前置/后置（学习顺序）与关联（横向联系及归属从属）两种逻辑构建，同一对知识点仅保留一种核心关系。知识点挂载教学资源，支持按图谱导航学习、薄弱环节定位与知识补丁机制运行。

**AI 助教与 AI 工具在"助教、助学、助评、助研、助育"场景的应用**：

| 场景 | 解决的问题 | 主要方法 | 应用成效 |
|---|---|---|---|
| **助教** | 教师备课负担重、多专业班级难以兼顾 | AI 备课工作台按"班级画像分布 × AI 素养五维 × 专业模板"生成教案/课件/习题；知识库问答库自动建题 | 已建成知识库 110 小节、问答库 1299 题（每节 ≥10 题，分级分类），已按超星导入模板导入平台，问答规模由中期 197 题扩展至 1496 题 |
| **助学** | 学生差异大、课后缺乏贴身辅导 | AI 助教结合知识图谱与问答库推送个性化预习/复习；答疑 7×24 在线 | 学生可随时提问，问答库覆盖 110 小节知识点，并支持按图谱定位薄弱点后的定向问答 |
| **助评** | 评价粗放、缺少过程证据 | 平时 50%（学习行为数据：视频观看、互动答题、作业）+ 卷面 50%；客观题自动评分 | 形成可追踪的个人学习档案，期中期末纳入综合评价 |
| **助研** | 教材滞后、案例陈旧 | 知识补丁机制 + 热点案例转述提炼入案例库，按知识点优先匹配 | 课程内容可随领域迭代打补丁，保持前沿 |
| **助育** | 价值引领缺抓手 | 思政融入争议案例与讨论，AI 推送科技故事、科研人物事迹 | 润物无声地渗透科技伦理与社会责任教育 |

> **图4 AI备课工作台模式图**（见《图4-AI备课工作台模式图.html》）：两段式人机协同备课（课程设计段→课时开发段）→ 六条标准 + G1–G6 闸门准出 → 个性化教学包/题库 → 学习通交换物 → 课堂，课后反馈回写下一课。

## 3. 教学实践应用效果情况

**应用时间**：2025 年 2 月 24 日—2025 年 6 月 13 日（2025 春季学期）。

**应用模式**：线上线下混合式教学（联盟平台线上资源 + 知识图谱导航 + AI 助教 + 线下面授），面向校内各专业班级统一开课。

**应用规模**：面向校内全校各专业 60 余个班级开课，涵盖会计、金融、法学、经贸、管理、统计、语言、信息等专业方向，**选课学生共计 5033 人**；课程资源同步开放给联盟成员高校共享（含港澳与西部合作高校）。

**资源与智能应用数据**（截至项目结题）：

| 维度 | 数据 |
|---|---|
| 教学资源 | 视频 80 个 / 非视频 110 个 / 习题 625 道 |
| 知识图谱 | 知识点 522 个 / 层级 5 级 / 关系 896 条（中期为 170 个 / 3 级 / 88 条，结题阶段完成纵深扩充） |
| AI 助教 | 知识库文件 6 个 / 问答库题目 1496 个（原 197 题 + 本项目新增导入 1299 题，具体数量以平台后台实际显示为准） |
| 知识库 | 110 小节（每节含概念定义与关键要点，每节配套 ≥10 题） |
| 开课规模 | 60+ 班级 / 5033 人 |

> **图2 课程数字化建设与 AI 应用数据**（见《图2-课程数字化建设与AI应用数据.html》）

**学习者评价与反馈**：过程性评价显示学生课堂参与度与预习完成率较传统班型明显提升；学生对"知识图谱导航 + AI 助教随问随答 + 个性化复习题"的反馈积极；多专业班级学生普遍认为课程内容"与本专业相关、听得懂、用得上"。**应用单位反馈**：所在学校教务部门对课程资源体量、知识图谱建设与 AI 助教应用给予肯定，并将建设经验纳入课程数字化建设交流。

## 4. 结论

### 主要成果及推广情况

1. **建成课程数字化基座**：视频 80、非视频 110、习题 625；知识图谱经结题阶段纵深扩充，达到 522 知识点 / 5 级层级 / 896 条关系，实现课程知识体系的颗粒化组织；AI 助教问答库经本项目新增 1299 题（已按超星导入模板导入平台），达到 1496 题，问答库覆盖知识库 110 小节并与知识图谱形成联动；
2. **形成可推广的智慧教学模式**：凝练"建设性对齐的「双段闸门」智慧备课模式"（Align ▷ Gate ↻ Return），形成《建设特色与智慧教学模式（融合定稿）》与模式图 v2.1，可迁移到其他通识课与多专业课程；
3. **构建备课—教学—评价闭环**：AI 备课（两段式人机协同）→ 混合式实施（课前三段）→ 数据化评价（50/50）→ 反馈回写（学情修订、知识补丁、错误清单），实现"教—学—评"数据贯通；
4. **推广路径清晰**：模式可迁移内核（建设性对齐、六条质量闸门、合规闸、问卷防标签、活页补丁、交换物集成）与本地化件（素养指标、专业模板 PCK、主案例、LMS 列映射）已明确切分，便于其他高校复制。

### 反思及后续优化方向

1. **知识图谱关系网络延伸**：当前关系以章内先修与横向关联为主，后续补充跨章综合关联与跨课程衔接关系（如与后续数据类课程的接口知识点），提升图谱的跨模块导航与路径推荐价值；
2. **"知识点—题目"双向索引深化**：1299 题已导入平台，正按知识点逐个挂载至图谱节点构建双向索引，学情数据回填后将生成薄弱点热力图，并与自动组卷、智能批改衔接，进一步强化助评能力；
3. **学情画像动态化**：当前画像以学期初问卷为主，计划引入课中签到/投票/测验数据的回填（经学习通聚合指标人工回填），形成动态学情；
4. **多专业深度适配**：法学模板已闭环验证，理工/医学模板仍需真实班级试讲与迭代；
5. **可持续运营**：完善知识补丁审核机制与教师共建流程，把"活页教材"从机制落实为常态运营。

---

*本报告依据项目中期检查表、课程平台实际数据、知识库问答库建设成果及《建设特色与智慧教学模式（融合定稿v1.1）》撰写。*