人工智能賦能高職課程思政有效教學的策略研究

摘要：隨著教育信息化的快速發展，人工智能在提升高職院校課程思政教學效果方面展現出巨大潛力。本研究聚焦在目前高職課程思政教學中普遍存在的問題，探討了人工智能如何有效整合進教學過程，以增強課程思政的吸引力和實效性。通過構建智能診斷與預警機制，實現對學生思想動態的精準把握和職業規劃路線的診斷，及時調整學習策略，優化學習內容，修正職業規劃路徑等策略。該研究不僅有助于推動高職院校教育教學改革，也為人工智能技術在教育領域的深度融合和應用提供了理論支撐和實踐方案。

關鍵詞：高職教育；課程思政；人工智能；教學策略；智能診斷預警

引言

近年來，隨著人工智能技術的突飛猛進，其在教育領域的應用正受到業界和學界的廣泛關注與深入研究。尤其是職業教育，需要不斷創新以應對新時代的挑戰。高職院校的課程思政通過融合專業課程與思想政治教育，旨在培養學生的職業素養和社會責任感。然而，目前高職院校課程思政教學效果欠佳，存在目標缺乏清晰規劃、專業與思政教育融合不夠、教學方法單一、診斷與預警策略不完善等問題。為此，探究如何利用人工智能優化高職課程思政教學策略，提高教學的吸引力和針對性，已經成為當前教育改革的一項重要議題。

本研究基于人工智能技術的最新進展，著重分析了高職院校課程思政教學中存在的問題，并提出了結合人工智能的有效解決方案。通過構建智能化教學診斷與預警機制，可以實現對學生思想動態的精確捕捉與分析，既有利于教師針對學生的實際情況作出更為合理的教學調整，又能在教學過程中發現可能存在的問題，及時采取預防與干預措施。這種策略轉變，不僅促進了課程思政教育與時俱進，更體現了教育教學個性化、精準化的發展趨勢[1]。

一、當前高職院校課程思政教學存在的問題

當前高職院校課程思政教學中普遍存在的諸多問題，對課程思政的教學效果與學生的學習積極性產生了負面影響。具體而言，教師在授課過程中缺少個性化教學策略，難以針對不同學生的理解能力和興趣點進行有針對性地教學設計，導致教學內容與學生實際需求脫節，無法激發學生的學習熱情。同時，課堂互動性不足，學生參與度低，課堂氛圍顯得呆板單一，這進一步加劇了學生對課程思政的排斥心理。此外，教師在課程內容傳遞中過于注重理論的灌輸，忽視了實踐應用的結合，導致學生難以將所學知識與現實社會問題相聯系，知識的應用性和實踐性受限。另一方面，課程評估體系的不完善也是一大障礙，傳統的考核方式過于單一，難以全面準確地反映學生的思想動態和理論掌握程度，以及將其轉化為教學改進的依據。再者，教材內容更新不及時，缺乏與時俱進的實例和現實問題的結合，使教材脫離學生生活實際和時代背景，減弱了思政教育的時效性和針對性。高職院校課程思政教學還面臨教師專業素養不一，缺乏必要的教育技術支持和創新能力，難以適應新時代教育教學的要求。諸如此類的問題亟須高校管理層和教師共同面對并尋求創新有效的教學方法，以實現高職課程思政教學的根本轉變與全面提升。在此背景下，探討人工智能技術在解決傳統高職課程思政教學中存在問題方面的應用與成效顯得尤為關鍵和迫切，這不僅能夠為高職課程思政教學提供更為科學、精準和多元化的教學方法，而且能夠促進高職院校教育教學改革的深入推進[2]。

二、人工智能賦能高職院校課程思政的有效教學策略

（一）利用AI優化教學內容

在智能時代背景下，教育教學模式亟待創新，AI技術為高職課程思政教學提供了新的路徑。本研究采用算法分析與數據挖掘技術，針對高職學生的認知特點與需求，優化思政教學內容的策略設計[3]。首先，通過自然語言處理（Natural Language Processing，NLP）技術，分析大量思政教學相關文獻與在線開放課程內容，提取課程核心觀點與知識結構，形成知識圖譜；其次，結合機器學習算法，如支持向量機（Support Vector Machine，SVM）和決策樹（Decision Trees），對學生的在線學習行為數據進行分類與聚合分析，進而定制個性化的學習路徑與教材內容；再次，利用深度學習模型，特別是卷積神經網絡（Convolutional Neural Networks，CNN）和循環神經網絡（Recurrent Neural Networks，RNN），對課堂互動與學生反饋數據進行情感分析和學習效果評估，實時調整教學策略[4]。

該研究方案引入了主題建模（Topic Modeling），特別是潛在狄利克雷分布（Latent Dirichlet Allocation，LDA）算法，以智能劃分課程主題，確保教學內容的系統性和科學性，同時也保障課程內容與時俱進。此外，對于模型的訓練與優化，本研究采用交叉驗證（Cross-Validation）和網格搜索（Grid Search）技術精細調整超參數，確保模型的最優性能和高度泛化能力。數據集方面，選取近5年內高職院校課程思政相關的教學日志、學生作業、論壇討論記錄等真實場景數據，確保研究結果的普遍適用性[5]。模型參數配置遵循經驗法則與前沿研究成果，例如，Adam優化器的學習率設置為5e-5到1e-4之間，以適應不同規模的數據集。

通過上述策略的實施，教學內容將更加貼合學生實際，增進其對課程思政的興趣與認知深度，培養其批判性思維能力和問題解決能力。最終，該研究預期將實驗性地證明，AI賦能下的思政教學內容優化能夠顯著提高學生的學習動機、知識掌握水平以及思想政治素養，為高職教育領域提供切實可行的教學策略，同時也為未來的教育技術和教學方法研究提供科學的數據支持和理論指導[6]。

（二）借助AI實現個性化教學

在探究人工智能技術賦能高職課程思政教學中實現個性化教學的過程中，首要任務是明確課程思政的實施目標。結合《高職學前教育專業實施課程思政路徑示意圖》，首先厘清了課程思政的核心價值與目標定位，進而根據學前教育專業的特點，分析學生群體的學習需求與個性特征。在此基礎上，利用人工智能技術，設計出符合學前教育專業的個性化教學方案。

該方案采用并發處理思想，通過制定個性化學習路徑與準備智能化教學工具兩個并行的分支流程來實施，具體流程包括但不限于為每個學生定制學習路徑、選擇合適的智能教輔工具以及調整課堂互動方式。在實施教學活動時，采集學生互動數據，反向教學過程，通過數據分析對教學策略進行實時優化[7]。實施過程中，還需收集學生的學習反饋和表現，運用定量與定性的評估方法深入分析教學效果。

與傳統教學模式相比，AI賦能的個性化教學更加注重數據驅動。以“個性化教學策略偽代碼”為藍本，開發了一套動態學生模型構建流程。通過算法輸入學生的學習信息集合，經過并行處理獲得學生學習能力與知識掌握狀況的多維度分析結果，進而構建針對每個學生的學習模型，并以此模型為依據設計個性化教學計劃[8]。該策略不僅基于理論研究，而且在實踐中不斷修正與完善，力求通過精準教學達到思政教育與專業教學的有機結合。

三、人工智能賦能高職院校課程思政的智能診斷與預警策略

在教育信息化的進程中，高職院校的課程思政面臨著傳統教學方法與學生思想動態脫節的難題，亟需智能化手段以增強教學的針對性與時效性。基于人工智能技術的智能診斷與預警策略可以實現對學生學習動態和思想動態的實時監測，為教學決策提供數據支撐，專業實施課程思政路徑，見圖1。該策略核心包括大數據收集、學生行為分析、個性化推薦、預警反饋以及學生職業規劃診斷五大部分。

首先，通過教育大數據收集技術，系統能夠實時記錄學生在網絡學習平臺上的行為數據，如學習時長、頻率、互動情況等。數據挖掘技術可以分析學生的學習習慣，結合自然語言處理技術，對學生在討論區等互動環節中的語言表述進行情感傾向和關鍵詞提取，為后續的個性化教學內容準備精確依據[9]。

其次，采用機器學習算法對學生行為數據進行模式識別，分析學生的學習成效和可能存在的問題。在此基礎上，利用智能推薦系統為每位學生定制化生成學習路線和資源推薦，不僅體現個性化教學，還能提高學生的參與度和興趣。

進一步，構建以教育心理學和行為分析為基礎的學生思想動態判定模型，通過深度學習算法對模型進行訓練與優化。模型能夠動態評估學生的思想狀態、識別偏離正常范疇的思想動態，實時反饋給教師，讓教師能夠及時了解學生的思想狀況，采取相應措施。

此外，特別加入了對學生職業規劃的診斷環節。系統通過監測學生的學習行為和日常活動，與其既定的職業規劃進行匹配分析。當系統識別出學習行為或日常活動與職業規劃存在偏差時，會提供兩種類型的建議：（1）糾正學生的學習行為和日常活動，確保其與職業規劃保持一致；（2）在必要時建議學生重新審視和調整職業規劃，以更符合實際情況和個人發展需要[10]。通過這種雙管齊下的策略，系統能夠幫助學生及時修正偏差，優化學習路徑，最終確保其職業目標得以實現和達成。

最后，應用預警反饋系統，當系統檢測到學生學習成效不佳、思想動態異常或學習行為與職業規劃不符時，可以自動觸發預警機制。預警信息將及時通知教師或教育管理者，以便他們能夠采取措施，如個別輔導、心理咨詢或者調整教學策略，避免問題進一步惡化。

結語

綜上所述，本研究深入探討了人工智能在高職課程思政有效教學中的賦能策略。結果表明，人工智能能夠顯著提升高職課程思政的教學效果，通過個性化學習路徑和提高教學針對性，增強教學的有效性。區域性高職院校可以根據自身條件和特色，定制適合本地化的智能診斷與預警系統。系統建成后，將通過動態數據追蹤、定期測試和反饋調整，形成閉環教學過程，優化課程內容，提高課程思政的吸引力和實效性，增強學生的思想政治教育效果及職業生涯規劃修正能力。通過這種創新教學與智能技術深度融合的策略，高職院校能夠有效提升教學質量，培養符合社會主義核心價值觀的高素質技術技能人才。

本文系2022年度天津市高等職業技術教育研究會課題《人工智能賦能高職課程思政有效教學的策略研究》（課題編號：2022-H-123）的研究成果。

參考文獻：

[1]羅靜，卿春，王游濱.高校思政課“五位一體”教學創新機制探究[J].教育文化論壇，2022，14 （04）：30-33.

[2]劉麗娟，潘婕.人工智能賦能高校思政課程教學改革研究[J].成都師范學院學報，2023，39（05）：100-107.

[3]孫平，姜丹，唐非，等.新工科人工智能人才培養的專業課程思政探究[J].教育教學論壇，2022，（23）：153-156.

[4]郭孔生，薛慧麗，佟曉彤.5G+AI技術賦能高職院校課程思政設計研究——以大學語文課程為例[J].湖北職業技術學院學報，2022，25（02）：35-42.

[5]何利娟.智慧平臺賦能的大學法語”課程思政”教學改革研究[J].成才之路，2021，（33）：21-22.

[6]謝幼如，邱藝，黃瑜玲，等.智能時代高校課程思政的設計理論與方法[J].電化教育研究，2021，42（04）：76-84.

[7]崔正賢，馬萬利.人工智能賦能課程思政改革研究[J].教育理論與實踐，2023，43（12）：33-36.

[8]石慧，李延秋，楊文睿.人工智能賦能高校課程思政建設[J].計算機教育，2022，（09）：94-100.

[9]何良偉，靳玉軍.新文科背景下高校課程思政建設的實踐路向[J].西華師范大學學報（哲學社會科學版）， 2023， （01）： 98-104.

[10]吳軻威，閆彩虹.灌輸理論賦能高職課程思政的內在圖式[J].職業技術教育，2022，43（32）：36-41.

（作者單位：天津輕工職業技術學院）

（責任編輯：豆瑞超）