开课时间：2025 年 2 月 24 日 — 2025 年 6 月 13 日
开课班级：24 级全校各专业 60 余个班级（含 24 会计学、24 数字媒体艺术、24 金融科技、24 法学、24 国际经济与贸易、24 人力资源、24 公共事业管理、24 劳动保障、24 知识产权、24 金融工程、24 应用统计、24 工商管理、24 财务管理、24 保险学、24 英语、24 汉语言文学等），共计 5033 人（数据以中期检查表为准）。
这门课的设计出发点是"以学生为中心"，备课阶段先不做课件，先做两件事：看学生的知识起点，再定这节课要让学生带走什么。AI 在其中的位置是学情分析、个性化推送、智能测评与课堂互动的辅助，不是替代教师判断。
课前，AI 助教依据学生的学习数据和知识图谱，推送与目标匹配的预习资料、视频与案例，同时记录预习行为，标出每位学生的薄弱环节和兴趣点。这些数据除了帮学生带问题进课堂，也让教师调整课堂重点有了依据，而不是凭印象讲。
课上以线上线下混合进行：线上依托联盟平台与知识图谱提供核心内容与拓展资料，线下由教师围绕重难点做讲解和案例实操。AI 助教实时统计答题正确率、互动参与度等指标，教师据此临时调整难度与内容。学生在案例讨论、项目实验中接触 AI 在教育、金融、智慧城市等领域的实际应用——学原理，也看它怎么用。
课后，系统根据课堂表现生成针对性练习和复习题集，客观题自动评分，主观题由教师结合系统建议评审，并据此调整下一轮学习路径。这部分的直接效果，是学生有了可自检、可追踪的学习闭环，不再"听完就忘"。
课程思政没有单独设栏目，而是放在具体的讲解里：讲 AI 发展历程时引入钱学森先生的工作，以及我国在大模型、生成式 AI 上的进展；跨领域案例讨论时强调科技与社会责任的张力，培养科技伦理意识。AI 助教在个性化推送中也会加入与主题呼应的科技故事与科研人物事迹，做得比较轻，不喊口号。
整个学期的节奏是"课前引导—课堂探究—课后巩固—跨时延评价"，AI 贯穿四个环节，把信息流、数据流和交互流串起来。
课前，教师与 AI 助教协同，按知识图谱和学习档案推送预习资料、导学问题和案例链接；学生通过小测验、互动题留下学习数据。这些数据在教师端汇成即时的学情报告，课堂讲什么、重点放哪里，依据就来自这里。
课堂强调双线互动：线上提供可视化课件、实时答疑板和互动测评，线下由教师主导讲解、演示和案例研讨。大班背景下辅以小组讨论、任务驱动实验，让学生在解决具体问题的过程中体会 AI 方法。AI 测评实时收集答题正确率、互动频率，帮助教师调整节奏，对理解薄弱的内容当场补充。课程思政体现在案例选择和讨论议题上——既讲科技对社会的好处，也让学生讨论技术带来的伦理与法律问题。
课后以个性化作业和在线复习为核心：系统按课堂与作业表现生成专题练习、推送拓展阅读和视频案例；教师批阅作业时结合学习行为报告，对群体性或个体性薄弱环节安排专项返课或案例延展。学生可随时通过智能问答库提问，形成一个随时可触达的学习支持环境。
每轮教学结束后，教师都会利用学情分析结果微调内容设计、活动安排与评价标准。这门课不是"开学定死讲到底"，而是边教边调。
评价按卷面 50%、平时 50% 拆开，过程和结果都算数。
卷面来自期末，客观题平台自动评分，主观题教师结合 AI 分析人工评定，既看思路完整度，也看答案是否有创新与社会价值。
平时成绩的构成比较杂：视频观看完整度、互动答题表现、知识点掌握进度、课后作业完成质量与及时率，都计进来；线下课堂的参与程度、提问与交流、团队协作和案例讨论的贡献度，也占一定权重。也就是说，平时成绩既反映自主学习态度，也反映课堂互动与实践环节的真实表现。
过程性评价由系统持续记录、教师定期分析：课前预习、课堂答题、讨论参与、小组任务会汇成多维度学情档案，期中和期末纳入综合评价参照。终结性评价除卷面外，还结合课程项目或案例展示，考察知识应用、问题解决与团队合作。
价值引领维度上，评价不只考技术掌握，也看科技伦理意识与社会责任感——案例研讨、项目选题中的价值判断与立场由教师记录，作为综合素质参考。
最终，AI 量化数据与教师的质性评价合到一起，形成可追踪的个人学习档案。学生能看到自己在知识掌握（50% 卷面）与学习过程（50% 平时）上的轨迹；教师则据此优化教学安排与资源配置。
注：本部分教学设计、活动组织、教学评价三段内容整理自项目中期检查表，保留原数据与表述，仅做去重与结构调整。