面向工程教育的TIE提示語框架的設計與應用研究

[摘 " 要] 工程教育在提高學生的創新能力方面發揮著重要作用，而生成式人工智能（GAI）的教育應用對學生創新能力的培養提出了新的挑戰。因此，將GAI引入工程教育需要進行審慎的設計。為此，研究在現有通用GAI提示語框架的基礎上，融入發明問題解決理論（TRIZ理論）和逆向工程方法，構建了面向工程教育的TIE提示語框架。為驗證其在工程教育中的有效性，課題組采用實驗研究方法，隨機選擇了兩個初中班級進行比較實驗。結果表明，與不使用GAI的班級相比，TIE提示語框架的使用能夠顯著提升學生的創新能力、工程知識水平和工程設計能力，具有較為重要的應用潛力與教育價值。

[關鍵詞] 生成式人工智能； 工程教育； TIE提示語框架； TRIZ理論； 逆向工程方法

[中圖分類號] G434 " " " " " "[文獻標志碼] A

[作者簡介] 鐘柏昌（1978—），男，江西宜豐人。教授，博士，主要從事跨學科教育、人工智能教育研究。E-mail：zhongbc@163.com。

一、引 " 言

當前，隨著科技的迅猛發展，尤其是生成式人工智能（Generative Artificial Intelligence，GAI）的興起，為教育領域提供了新的發展契機。國家互聯網信息辦公室發布《生成式人工智能服務管理暫行辦法》、教育部辦公廳發布《關于加強中小學人工智能教育的通知》、聯合國教科文組織發布《在教育和研究中使用生成式人工智能的指南》，都鼓勵GAI在教育中的創新應用。研究表明，GAI在生成教師評語、助力編程學習等方面取得了積極的應用效果[1-2]。雖然GAI在教育領域的應用前景廣闊，但同時也存在著諸多應用挑戰。例如，隨著人們對GAI使用頻率的增加，在某種程度上導致人們過分依賴機器智能，而忽略了個人創新和獨立思考的重要性。

工程教育強調基于真實情景的學習，主張學生從做中學、用中學、創中學，對培養學生的創造思維與復雜問題的解決能力具有重要促進作用。毫無疑問，工程教育是培育學生實踐能力和創新能力的重要載體[3]。此外，工程問題的解決常常是一個復雜的過程，涉及科學、數學、技術等諸多學科與領域。這表明工程教育與單學科相比，具有極強的跨學科屬性。單學科知識交叉薄弱，若將GAI應用其中，勢必導致學生對答案的直接復制，缺少培養批判思維與創新能力的機會。相較而言，跨學科知識交叉密切，學生需要對機器生成的答案進行批判性思考與整理。因此，借助GAI賦能工程教育是創新能力培養的重要途徑。

然而，將GAI應用于工程教育領域的實證研究相對較少，并且在應用過程中缺乏學習支架的設計，未能充分發揮GAI在工程教育中的應用潛力。為此，本文嘗試在發明問題解決理論和逆向工程方法等的指導下，構建面向工程教育的提示語框架，以期為GAI在工程教育中的有效應用提供新思路。

二、文獻綜述

（一）基于大語言模型的教育提示語研究

自2022年ChatGPT推出以來，GAI引起了教育領域的高度關注。然而，若輸入的指令不恰當或缺乏針對性，容易出現不合要求的“垃圾輸出”[4]。故而諸多學者針對GAI在教育領域的應用，設計了不同類型的提示語模板與框架。

例如：祝智庭等提出了教育提示語設計的“CORE”框架，該框架由必備元素（語境、目標）和可選要素（角色/規則、示例）構成[5]；趙曉偉等提出了GAI使能的蘇格拉底對話新形態——“數智蘇格拉底”，形成了促進學習者主體性塑造的“3S3L”提示語策略[6]；戴嶺等人基于GAI的智慧問學模式，提出了“5W”模式的提問策略[7]。此外，方海光等人對GAI的輸入環節進行設計，提出了基于三輪對話的T|BO-LRQET-Pamp;R模型[8]；趙曉偉等提出了促進高意識學習的教育提示語設計螺旋模型[4]。

國外學者也進行了相應研究。例如：吉拉伊（Giray）提出了ICIO框架，即指令、背景、輸入數據和輸出指標[9]；羅（Lo）提出了教育提示語的CLEAR框架，即簡潔、邏輯、明確、可適應、可反思[10]；塔索蒂（Tassoti）針對職前化學教師使用GAI解決化學問題和任務，設計了“5S”提示語框架，包括設定場景、具化指令、簡化語言、構建輸出和分享反饋[11]；拉納德（Ranade）通過寫作等一系列實驗，總結設計了一個通用的提示語模板，即“提示語=受眾+類型+目的+主題+背景+特殊性+作者”[12]。

整體而言，相關研究設計的提示語模板和框架大多強調指示、語境、角色、輸出指標等元素，為本研究提供了重要借鑒。遺憾的是，這些研究存在如下不足：首先，現有提示語主要是基于角色、背景等一般元素的線性流程形式，不利于應對非線性和復雜的交互需求；其次，提示語的設計缺乏理論支撐，當前研究主要聚焦于提示語構成元素和語言表述的探討，鮮有研究將提示語與科學理論相結合進行深層次研究和應用。因此，在面向教育領域設計針對性的提示語模板和框架時，如何將提示語與科學理論相結合，并滿足靈活復雜的交互需求，成為本文需要重點解決的問題。

（二）GAI在工程教育中的應用研究

國內鮮見GAI與工程教育相關的研究，目前僅發現幾例研究：閔嘉劍等在大學建筑設計課程中引入GAI，利用GAI的圖像生成工具將設計概念轉化為可視化的場景，在一定程度上簡化甚至替代了傳統的建模和動畫渲染等過程[13]；李承超等將GAI賦能工程地質課程雙語教學中，結果顯示GAI在教學內容情景模擬和學習指導等方面展現出一定的教育潛能，提高了師生在工程地質課程中分析與思考問題的能力[14]。

國外關于GAI在工程教育中的應用研究則相對廣泛，主要集中在GAI輔助工程知識學習和助力工程設計兩個方面。在工程知識學習方面，例如：烏丁（Uddin）等招募土木工程專業的學生，要求他們利用GAI學習工程方面的知識，結果顯示GAI作為教育輔助工具有助于提高學生的工科知識水平[15]；普爾斯納尼（Pursnani）等將GAI應用于工程基礎考試后發現，GAI在解決復雜工程問題方面展現出巨大潛力，并且能優化學習經歷和提高學生成績[16]。此外，斯特拉（Stella）等針對機器人設計的研究主題，認為GAI可以幫助找到領域之間的相關聯系，促進人類習得跨學科的專業知識[17]；納賽爾（Naser）等同樣認為GAI在回答工程專業問題上展現出巨大潛力，未來將成為工程教育中重要的輔助工具[18]。

將GAI應用于工程設計方面的研究更為廣泛。例如：李（Lee）等要求參與者使用GAI對各種日常問題產生創意想法，研究發現，與不使用任何技術或使用傳統的網絡搜索相比，使用GAI可以提高參與者的創新能力[19]；科伊維斯托（Koivisto）等要求GAI與人類分別為日常物品創造不常見且富有創意的用途，研究顯示GAI在增強人類創新能力方面展現出巨大潛力與價值[20]；菲利皮（Filippi）為衡量GAI對創意產品設計產生的影響，要求學生依次采用頭腦風暴、類比隱喻、逆向極值、TRIZ和GAI等方法進行設計，結果顯示TRIZ在提出實用性想法方面更有效，但GAI提出的方案更具有創新性和獨特性[21]。此外，帕姆（Pham）和尼科利奇（Nikolic）等都認為GAI推進了工程教育中的創新和個性化學習，能支持學生解決問題并提高學生的批判思維能力[22-23]。

整體而言，已有研究普遍認同GAI在工程教育領域具有顯著的教育潛力，在一定程度上能提升工程知識水平和創新能力，為本研究提供了重要啟示。然而，現有研究也存在一些不足。首先，關于GAI與工程教育相關的實證研究數量偏少，更傾向于GAI本身的工程設計能力的評估和展望；其次，現有研究中大多采取自由使用GAI的方式，缺乏對GAI使用策略和框架的具體設計，僅有極少數研究提供了簡單的提示語示例或對話流程圖，可遷移性和普適性有限。由此可見，目前針對GAI在工程教育中的應用研究有待拓展和深入。因此，本研究旨在構建一個面向工程教育的提示語框架，并檢驗其在工程教育中的應用價值。

三、基于逆向工程方法和TRIZ理論的

GAI提示語框架設計

（一）基本構成

1. ICIO框架：奠定提示語框架的基礎

進一步分析文獻發現，現有提示語模板與框架大多參考了Giray提出的ICIO框架。例如，祝智庭等提出的“CORE”框架，將C（語境）和O（目標）列為提示語的必備要素。前者幫助GAI掌握與任務相關的背景信息，后者表示希望GAI執行的任務[5]。又如，克謝特里（Kshetri）在為GAI設計提示語時，認為不僅要提供清晰明確的指令以闡明任務目標，而且要提供一定的語境信息，幫助GAI更好地理解任務背景，從而給出具體深入的回答[24]。除ICIO框架中提及的四個元素外，還有部分研究強調角色扮演的獨特作用。角色扮演不僅能增強對話的互動性和真實感，而且能使GAI扮演該領域的專家，從而更專業地解決問題[8]。基于此，本研究將ICIO框架作為提示語框架的底層基礎，并在此基礎上加入“角色扮演”要素，進一步豐富和完善提示語框架的基本構成。

2. TRIZ理論：提升提示語框架的深度

需要追問的是，在確定了提示語框架基礎元素的前提下，還應如何化解其過于線性化和缺乏理論支撐的局限性？目前，TRIZ理論作為一種成熟的創新理論，已被廣泛應用于工程教育、產品開發和其他創新工作中。其包含一系列原則和工具，可將復雜問題轉化為一般標準問題，指導用戶突破傳統思維模式的桎梏，尋求“非線性”的解決方案，并能提升解決問題的效率和準確性[25]。從這個意義上說，將TRIZ理論引入ICIO提示語框架可能是解決上述不足的可行方案。

究其原因，大語言模型通常在通用數據集上進行訓練，缺乏特定領域的深度知識，故其在復雜情景下處理問題的準確度不足[26]。如若對輸入提示和推理步驟缺乏控制，會造成低質量或不相關的輸出，導致用戶嘗試多次也未必能獲得理想結果。因此，將TRIZ理論與ICIO框架結合可以更好地發揮GAI的作用：一方面，ICIO框架作為基礎提示語能穩定GAI的性能，實現基本輸出；另一方面，TRIZ可助力GAI生成更多具有創新性、深度性和靈活性的解決方案[27]。總而言之，將TRIZ加入提示語框架中，可以使GAI更有效地控制變量，提升設計方案的科學性和新穎性。

3. 逆向工程方法：釋放提示語框架的潛能

傳統課堂中常采用正向項目式教學，需要學生從無到有完成一個項目作品，通常涉及多個復雜或劣構的真實問題，因此，直接開展正向項目式學習具有較高的挑戰性，尤其對課時、班級規模和師生能力水平均有較高要求[28]。相較于正向項目教學，逆向工程方法則強調學生探索現有作品，對其進行重構和優化，實現作品的微創新。同時，學習者在對作品進行解構的過程中能夠獲得大量的具體實踐經驗，有效彌補傳統“教—學—做”模式下的理論與實踐脫節的問題[29]。更重要的是，逆向工程方法中的各環節是相對獨立的部分，不僅容易被分割成不同的課時，而且將問題的提出從項目式學習的最前端后移于再設計與微創新階段[28]，更加符合學生認知規律。因此，逆向工程方法不僅降低了學習難度，在課時安排上也更加靈活，有助于提高學生的學習效率和創新能力。故將逆向工程方法引入工程教育是一種更具可行性的選擇。

需要注意的是，逆向工程方法包括作品使用與功能分析、作品拆解與復原、再設計與微創新、原型制作或產品再造、評價與反思五個環節，如若每個環節都使用GAI，未必適用且耗費過多時間。實際上，作品使用與功能分析、作品拆解與復原以及原型制作或產品再造這三個環節重點在于參與者和作品之間的互動，而非使用工具輔助提出創新設計方案。與之不同的是，再設計與微創新環節的核心是在了解現有事物或解決方案的基礎上作出一些有意義的、合理的改進和優化設計[30]。同時，評價與反思需深入思考方案設計的合理性與有效性。基于此，在逆向工程教學中，可以聚焦再設計與微創新、評價與反思兩個環節使用GAI，發揮提示語框架的潛能，提高設計方案的創新性。

（二）內在機理

考慮到TRIZ包含的原則和工具非常龐雜，對于初學者，尤其是中學生而言，學習并掌握全部內容并不合適。因此，為便于中學生的使用，需要對TRIZ工具進行遴選。本研究團隊曾針對中學生的知識和能力水平、學科特點和發明問題等級篩選出技術沖突和發明原理、物理沖突和分離原理作為中學生解決創新問題的方法[3]。此外，諸多學者對不同TRIZ工具的使用頻率進行統計后發現，發明原理和最終理想解兩種工具的使用頻次最高，應用效果最好[31-32]。其中，“最終理想解”是解決問題的關鍵所在，在使用時應盡量利用現有能量和資源實現有用功能[33]。這說明若想最大化地實現系統的理想狀態，要做好資源分析和功能分析。綜合上述研究，本研究綜合選取了技術沖突和發明原理、物理沖突和分離原理、最終理想解、資源分析和功能分析作為實驗的創新工具。

基于以上分析，提示語框架包括指令、角色扮演、背景信息、TRIZ、輸入數據和輸出指標六個元素。其中，指令、背景信息、TRIZ和輸入數據為必備元素，角色扮演和輸出指標為可選元素。指令表示希望GAI執行的任務，指令的清晰度直接影響輸出內容的準確性；背景信息幫助GAI了解任務信息，給出符合任務情境的回答；輸入數據可以是對問題的詳細描述；TRIZ作為提示語框架的創新引擎，提供具體的創新工具供選擇使用。需要說明的是，各元素的使用順序并非統一固定，可視情況進行靈活調整。

提示語框架主要融入逆向工程的再設計與微創新、評價與反思兩個環節。根據重構作品的難度系數和創新水平可進一步將微創新分為三類操作形式：原型復原型（微創新1.0）、要素增減型（微創新2.0）和結構創新型（微創新3.0）[30]。本研究團隊為解決逆向工程方法應用所存在的教學模式單一現象，從復原和重構實驗兩個層面提出了解構復原、糾錯復原、要素增減和結構創新四種教學模式，進而構建了“燈籠模型”[34]。其中，解構復原和糾錯復原對應微創新1.0，要素增減對應微創新2.0，結構創新則對應微創新3.0。本研究主要借鑒要素增減型和結構創新型兩種教學模式，依此開展微創新實驗。在此基礎上，學生還需比較、分析和反思各種可能的設計方案，并作出合理的選擇。

綜上所述，我們認為ICIO框架、TRIZ理論和逆向工程方法為提示語框架的構建提供了重要養分，為學生創新能力的培養提供了抓手和支柱。由此構建了一個面向工程教育的具有完備的基本元素、扎實的理論基礎和實用的教學模式的提示語框架，簡稱“TIE提示語框架”（如圖1所示）。其中，TIE中的T代表TRIZ理論，I代表面向GAI的ICIO框架，E代表工程教育（Engineering Education）和逆向工程方法（Reverse Engineering）。

圖1 " TIE提示語框架

四、實驗設計

（一）研究目標與研究問題

本研究試圖討論TIE提示語框架在中學工程教育中的應用效果，主要從學生的創新能力、工程知識水平、工程設計能力與生成式人工智能使用態度等維度對實踐效果進行分析與評價。為此，需要回答以下研究問題：

（1）TIE提示語框架能否提高學生的創新能力？

（2）TIE提示語框架能否提升學生的工程知識水平？

（3）TIE提示語框架能否提升學生的工程設計能力？

（4）TIE提示語框架是否影響學生對生成式人工智能的使用態度？

（二）實驗對象

為回答上述問題，課題組于2024年春季學期在某中學開展了為期6周的教學實驗。我們從初一年級的20個班級中隨機選擇了2個平行班級共88名學生作為實驗對象，其中實驗組、對照組人數均為44人。為確保兩個班級學生的知識儲備處于同一水平，我們在實驗開始之前進行了前測，獨立樣本t檢驗結果顯示兩個班級在創新能力方面無顯著差異，F（1，86）=0.780，p=0.138gt;0.05；在工程知識水平方面亦無顯著差異，F（1，86）=1.187，p=0.296gt;0.05。

（三）實驗處理

在教學過程中，我們鼓勵學生通過兩人自由配對的方式完成任務。對照組在實驗過程中不使用GAI，實驗組在參考提示語框架及學習流程圖的基礎上，使用GAI對作品進行微創新方案設計。具體課時安排見表1。

（四）實驗材料

本研究選取橋梁設計作為實驗任務。橋梁設計項目是經典的工程設計項目，在《義務教育科學課程標準（2022年版）》的工程設計與物化模塊、人教版小學三年級科學課程和普通高中通用技術課程等文件與教材中都有提及。因實驗對象為初一年級學生，故教學內容在參考以上教材和文件的基礎上作了適當修改。

實驗中使用了多種實驗工具，包括訊飛星火平臺、木板、膠水、腳釘、細繩、尺子、小刀、電子秤和砝碼等。此外，為規范學生對GAI工具的使用，并及時記錄與GAI對話后得到的創新想法，本研究設計了學習流程圖、TIE提示語設計示例以及學習工作紙。

（五）測量工具

創新能力問卷源自本研究團隊之前編制的跨學科創新能力量表，共32道題目，包括創新人格、創新思維、創新學習、創新技能和創新成果五個維度[35]。Cronbach's α系數為0.934，表明其量表具有較高的信度。

工程知識水平測試主要考查學生的工程知識水平，要求每位學生獨立完成所有測試題目。測試試卷題目主要由橋梁基礎知識、結構穩定性、重力及工具使用等多部分組成。

工程設計能力主要通過工作紙和作品評分來體現。工作紙和作品總分各為100分，其評分標準由研究團隊自行編制，由研究者和三位助教依據評分標準共同評分，取Kendall和諧系數最高的三位評分者的均值為最終分數。

生成式人工智能使用態度問卷主要參考Ngo編制的量表，分為三個維度，即生成式人工智能的使用、生成式人工智能使用的好處以及生成式人工智能使用的弊端[36]。Cronbach's α系數為0.864，表明量表的信度較好。

五、研究結果

（一）創新能力

為了驗證TIE提示語框架對學生創新能力是否有影響，我們進行了多元方差分析。其中，實驗類型與實驗階段為固定因子，創新能力的五個維度為因變量。結果顯示，Wilks' Lambda=0.523，p=0.004lt;0.01，表明本實驗干預對學生的創新能力產生了顯著影響。

為了找出具體差異，需對創新能力中的每個維度進行2×2的因素分析（2×2 independent-groups ANOVA），結果見表2、表3。創新能力的五個維度在實驗類型上均存在顯著差異，實驗組顯著高于對照組；在實驗階段上，創新人格和創新思維不存在顯著差異，創新學習、創新技能和創新成果存在顯著差異，結構創新階段要高于要素增減階段；在交叉效應上，五個維度均不存在顯著差異。整體而言，創新能力在主效應上顯著，在交叉效應上不顯著。

（二）工程知識水平

由表4、表5可以看出，工程知識水平在主效應上顯著，在交叉效應上并不顯著。從實驗類型上看，實驗組顯著高于對照組；從實驗階段上看，要素增減階段顯著高于結構創新階段。

（三）工程設計能力

多元方差分析結果顯示，Wilks' Lambda=0.601，p=0.015lt;0.05，表明本實驗干預對學生的工程設計能力產生了顯著影響。

對工程設計中的每個維度進行2×2方差分析，結果見表6、表7。在實驗類型上，工作紙和作品質量均存在顯著差異，實驗組顯著高于對照組；在實驗階段上，作品質量存在顯著差異，且結構創新階段高于要素增減階段；在交叉效應上，作品質量亦存在顯著差異。從整體上看，兩個班級在工程設計能力的主效應上顯著，在交叉效應上并不顯著。

（四）生成式人工智能使用態度

本研究采用非參數檢驗中2個相關樣本德威爾科克森檢驗方法來分析實驗組在研究前后對生成式人工智能的使用態度。實驗前后學生對生成式人工智能的使用態度存在顯著差異（p=0.000lt;0.01，d=0.95gt;0.8）。從均值來看，后測的使用態度（M=72.68）要顯著高于前測（M=63.52）。

六、研究討論

（一）TIE提示語框架能夠提升學生的創新能力

實驗結果表明，TIE提示語框架能顯著提高學生的創新能力。其原因可能是多方面的：首先，相比傳統的創新方法，比如頭腦風暴法等，TRIZ理論具有鮮明的特點和優勢。它揭示了創造發明的內在規律和原理，可以幫助人們解決產品設計與研發過程中遇到的發明問題，加速創新進程[33]。其次，實驗學校的創新氛圍也提供了助力。通過觀察發現，實驗學校十分重視科技創新的建設與發展。學校開設有“3Done設計”“創客小達人”等主題豐富的第二課堂，為激發學生探索新鮮事物創造了良好的實踐環境。在校園科技環境與創新氛圍的影響下，當學生使用TIE提示語框架時，接受度較高且使用流暢，極大地激發了學生的好奇心與求知欲。正如一些學生在訪談中所提到的那樣，“學校經常會開展一些科技創新的活動，這不僅讓我對新鮮事物保持開放和好奇的態度，也極大地促進了我接受并運用這些新事物的能力”。同時，學生對生成式人工智能使用態度的提升也印證了這一點。

值得關注的是，在實驗階段的主效應上，創新人格和創新思維不存在顯著差異，創新學習、創新技能和創新成果存在顯著差異。研究表明，創新人格、創新思維是一種普適性的創新潛質，具有與生俱來的穩定性，而創新學習、創新技能、創新成果是一種領域性創新能力，會隨著學習時間推移而有所變化[35]。此外，創新能力在結構創新階段高于要素增減階段。究其原因，要素增減階段只是做要數或參數上的微調，側重創新思維的引領和新創意的萌芽；而結構創新階段強調視域融合與跨學科整合，是對學生創新能力更深層次的培育[30]。

（二）TIE提示語框架能夠提升學生的工程知識水平

實驗結果顯示，TIE提示語框架可以顯著提升學生的工程知識水平，原因主要涉及兩個方面。一是，GAI賦能的生成性教學方式能夠更好地滿足學生的不同需求，促進學生的主動學習和知識建構[37]。二是，學生經過不斷探究和反思而獲得的知識，記憶會更加持久并且更容易遷移[38]。通過課堂觀察發現，學生在工程實踐中會積極驗證GAI提供的知識和建議是否準確。雖然在此過程中會遇到困難和經歷失敗，但學生能運用TIE提示語框架反復尋求GAI的個性指導，不斷進行反思，從而解決問題。

此外，工程知識水平在要素增減階段顯著高于結構創新階段。通過分析測試題目發現，其原因主要是前后兩個階段關于工程知識水平測試的題目難度差異較大。具體而言，結構創新階段的測試題目難度明顯高于要素增減階段。因此，在未來的研究中，應當考慮不同階段測試題目的均衡分布，減少因題目難度差異過大而帶來的統計差異。

（三）TIE提示語框架能夠提升學生的工程設計能力

實驗結果表明，TIE提示語框架還可以顯著提高學生的工程設計能力。在工作紙方面，TIE提示語框架能夠顯著助力方案設計，并提供深刻的反思指導。有一組學生說：“我們可以使用提示語與GAI交流，它會根據要求提供有針對性的啟發和建議，從而幫助我們完善設計方案。”已有研究也表明，AI系統可以根據設計師的反饋，持續優化和迭代方案，最終得到符合要求且具有創新性的設計方案[39]。在作品方面，通過課堂觀察發現，實驗班的學生因使用TIE提示語框架，獲得了更多方案設計上的指導與支持，他們在制作作品過程中通常表現出更強的自信心和積極性，因而實驗班制作出的作品質量會顯著優于缺乏設計啟發的對照班。

需要深入探究的是，在實驗階段的主效應上，工作紙的表現不存在顯著性，而作品質量存在顯著性。究其原因，TIE提示語框架主要從過程角度輔助學生進行工程設計，而工程設計的結果則更多依靠學生的實際操作和經驗積累。

除此之外，在本實驗中，創新能力、工程知識水平和工程設計能力在交叉效應上均不存在顯著性。究其原因，本實驗內容具有極強的實踐性與綜合性，課程教學從易到難、從簡到繁，有計劃、分層次地開展。同時，兩個班級均采用逆向工程方法。這也反映出逆向工程方法能夠有效地適應不同教學階段和不同班級的學生，具有較強的普適性與穩定性。

七、結 束 語

本研究結果對于GAI在工程教育中的應用有以下幾點啟示：首先，在教學工具上，GAI作為新興技術，在教育中展現出較大潛力。教師要積極主動地適應與GAI協同的新型教學形式，依據教學任務設計明確而清晰的提示語，更重要的是引導學生合理使用提示語，通過不斷迭代生成高質量內容。其次，在教學實踐中，僅引入新技術是不夠的，只有先進的技術與新方法、新模式相結合時才能產生巨大的作用。對于初學者而言，逆向工程教學方法能使其在復原的過程中獲得大量的實踐經驗，快速獲得宏觀認知，促進知識學習與技能習得，最終實現創新能力的提升。可見，逆向工程方法在教學實踐中具有廣闊的應用前景。最后，教學內容應具有綜合性和實踐性，鼓勵融入多學科知識，并將實際問題引入教學中，引導學生在解決問題的過程中學習相關知識。

然而受現實條件制約，本實驗樣本的規模較小，在未來研究中有待進一步擴大樣本規模，進而驗證研究結果的推廣性和普適性。

[參考文獻]

[1] 羅恒，廖小芳，茹琦琦，等． 生成式人工智能支持的教師評語研究：基于初中數學課堂的實踐探索[J]． 電化教育研究，2024，45（5）：58-66．

[2] 孫丹，朱城聰，許作棟，等． 基于生成式人工智能的大學生編程學習行為分析研究[J]． 電化教育研究，2024，45（3）：113-120．

[3] 閆妮，鐘柏昌． 中小學機器人教育的核心理論研究——論發明創造型教學模式[J]． 電化教育研究，2018，39（4）：66-72．

[4] 趙曉偉，戴嶺，沈書生，等． 促進高意識學習的教育提示語設計[J]． 開放教育研究，2024，30（1）：44-54．

[5] 趙曉偉，祝智庭，沈書生． 教育提示語工程：構建數智時代的認識論新話語[J]． 中國遠程教育，2023，43（11）：22-31．

[6] 趙曉偉，沈書生，祝智庭． 數智蘇格拉底：以對話塑造學習者的主體性[J]． 中國遠程教育，2024，44（6）：13-24．

[7] 戴嶺，趙曉偉，祝智庭． 智慧問學：基于ChatGPT的對話式學習新模式[J]． 開放教育研究，2023，29（6）：42-51，111．

[8] 方海光，王顯闖，洪心，等． 面向AIGC的教育提示工程學習提示單設計及應用[J]． 現代遠距離教育，2024（2）：62-70．

[9] GIRAY L． Prompt engineering with ChatGPT： a guide for academic writers[J]． Annals of biomedical engineering，2023，51（12）：2629-2633．

[10] LO L S． The CLEAR path： a framework for enhancing information literacy through prompt engineering[J]． The journal of academic librarianship，2023，49（4）：102720．

[11] TASSOTI S． Assessment of students use of generative artificial intelligence： prompting strategies and prompt engineering in chemistry education[J]． Journal of chemical education，2024，101（6）：2475-2482．

[12] RANADE N， SARAVIA M， JOHRI A． Using rhetorical strategies to design prompts： a human-in-the-loop approach to make AI useful[J]． AI amp; society，2024，39（2）：1-22．

[13] 閔嘉劍，于博柔，張昕． 生成式人工智能時代的設計教學探索——以清華大學“AI生成式影像” 課程為例[J]． 建筑學報，2023（10）：42-49．

[14] 李承超，姜朋明． 生成式人工智能ChatGPT助推工程地質課程雙語教學的探索與實踐[J]． 大學教育，2023，12（23）：97-99，113．

[15] JAMIL UDDIN S M， ALBERT A， TAMANNA M， et al． ChatGPT as an educational resource for civil engineering students[J]．Computer applications in engineering education，2024，32（4）：e22747．

[16] PURSNANI V， SERMET Y， KURT M， et al． Performance of ChatGPT on the US fundamentals of engineering exam：comprehensive assessment of proficiency and potential implications for professional environmental engineering practice[J]． Computers and education：artificial intelligence，2023，5：100183．

[17] STELLA F， DELLA SANTINA C， HUGHES J． How can LLMs transform the robotic design process？[J]． Nature machine intelligence，2023，5（6）：561-564．

[18] NASER M Z， ALOGLA S， ANAND N， et al． Conversing with AI chatbots： examining what OpenAI ChatGPT-4， microsoft bing chatbot， and google bard know， think they know， do not know， and would like to know about engineering[J]． Journal of Umm Al-qura university for engineering and architecture，2024，15（4）：643-656．

[19] LEE B C， CHUNG J J． An empirical investigation of the impact of ChatGPT on creativity[J]． Nature human behaviour，2024，8（10）：1906-1914．

[20] KOIVISTO M， GRASSINI S． Best humans still outperform artificial intelligence in a creative divergent thinking task[J]． Scientific reports，2023，13（1）：13601．

[21] FILIPPI S． Measuring the impact of ChatGPT on fostering concept generation in innovative product design[J]． Electronics，2023，12（16）：3535．

[22] PHAM T， NGUYEN T B， HA S， et al． Digital transformation in engineering education： exploring the potential of AI-assisted learning[J]． Australasian journal of educational technology，2023，39（5）：1-19．

[23] NIKOLIC S， DANIEL S， HAQUE R， et al． ChatGPT versus engineering education assessment： a multidisciplinary and multi-institutional benchmarking and analysis of this generative artificial intelligence tool to investigate assessment integrity[J]． European journal of engineering education，2023，48（4）：559-614．

[24] KSHETRI N． Generative artificial intelligence and the economics of effective prompting[J]． Computer，2023，56（12）：112-118．

[25] GUO Z S， SONG M， FANG X F， et al． Exploring synergies between AIGC and TRIZ in the optimisation of road cone design through integrated innovation methods[J/OL]． Journal of engineering design，2024：1-20[2025-01-16]． https：//doi.org/10.1080/09544828.2024.2373038.

[26] 劉明，吳忠明，楊簫，等． 教育大語言模型的內涵、構建和挑戰[J]． 現代遠程教育研究，2024，36（5）：50-60．

[27] LEE C K M， LIANG J Y， YUNG K L， et al． Generating TRIZ-inspired guidelines for eco-design using generative artificial intelligence[J]． Advanced engineering informatics，2024，62：102846．

[28] 鐘柏昌，劉曉凡，陳嵐鑫． “新師范” 背景下師范生跨學科創新能力培養的基本框架與實踐案例[J]． 電化教育研究，2023，44（7）：114-120，128．

[29] 翟雪松，張麗潔，夏亮亮，等． 基于GAI的逆向工程教學思維在人機協作中的應用研究——以編程教育為例[J]． 電化教育研究，2024，45（9）：61-68．

[30] 鐘柏昌. 創客教育的內涵式發展：微創新與跨學科是怎樣“煉”成的[N]. 中國教育報，2018-09-29（3）.

[31] 鐘柏昌，龔佳欣． 基于TRIZ的跨學科創新能力評價：試題編制與證實[J]． 現代遠程教育研究，2023，35（4）：75-82，112．

[32] SPREAFICO C， RUSSO D． TRIZ industrial case studies：a critical survey[J]． Procedia cirp，2016，39：51-56．

[33] 張明勤，范存禮，王日君，等． TRIZ入門100問：TRIZ創新工具導引[M]． 北京：機械工業出版社，2012．

[34] 康斯雅，鐘柏昌． 機器人教育中的逆向工程教學模式構建[J]． 現代遠程教育研究，2019，31（4）：56-64．

[35] 鐘柏昌，龔佳欣． 跨學科創新能力評價指標體系的構建與實證研究[J]． 中國電化教育，2022（12）：27-34．

[36] NGO T T A． The perception by university students of the use of ChatGPT in education[J]． International journal of emerging technologies in learning，2023，18（17）：4-19．

[37] 張玉柳，羅江華． 生成式人工智能增強學科教學適應性的邏輯理路與實踐路徑[J]． 電化教育研究，2024，45（11）：100-107．

[38] KAISER I， MAYER J， MALAI D． Self-generation in the context of inquiry-based learning[J]． Frontiers in psychology，2018，9：2440．

[39] 李宇星. AIGC技術在水利工程設計中的應用前景與挑戰[J/OL]. 水利水電技術（中英文），2025：1-10[2025-01-16]. http：//kns.cnki.net/kcms/detail/10.1746.TV.20240731.1036.002.html.

Research on Design and Application of TIE Prompt Framework for

Engineering Education

ZHONG Baichang， "PEI Yongman

（School of Information Technology in Education， South China Normal University，

Guangzhou "Guangdong 510631）

[Abstract] Engineering education plays a crucial role in enhancing students' innovative abilities. However， the educational application of generative artificial intelligence （GAI） poses new challenges to the cultivation of students' innovative abilities. Therefore， the introduction of GAI into engineering education requires careful design. To this end， this study develops a TIE prompt framework for engineering education based on the Theory of Inventive Problem Solving （TRIZ Theory） "and reverse engineering method. In order to verify its effectiveness in engineering education， this study adopted an experimental research method， and randomly selected two junior high school classes to conduct comparative experiments. The results show that compared with the class without using GAI， the use of the TIE prompt framework can significantly improve students' innovative abilities， engineering knowledge level and engineering design ability， demonstrating more important application potential and educational value.

[Keywords] Generative Artificial Intelligence; Engineering Education; TIE Prompt Framework; TRIZ Theory; Reverse Engineering Method