GAI在職業院校編程教學中的應用模式與理論思考

引言

隨著人工智能技術的迅速發展，生成式人工智能（generativeartificialintelligence，GAI）已在自然語言處理、代碼生成、邏輯推理和調試優化等多個領域展現出強大能力。GAI正逐步應用于軟件開發全流程，為提升代碼編寫效率、工程文檔規范以及項目管理提供了全新工具。然而，傳統的職業院校編程教學模式主要依賴課堂講授和教師手把手指導，往往存在授課內容陳舊、個性化指導不足、實踐操作環節薄弱等問題，難以適應新工科對復合型技術人才培養的需求。與此同時，部分實踐中引入GAI輔助教學雖然在一定程度上提高了編程效率，但也出現了學生對GAI工具過度依賴、編程能力下降等風險。

因此，如何在教學中充分發揮GAI的優勢，同時防范技術依賴帶來的負面效應，成為當前職業院校編程教學改革亟待解決的重要課題?；诖耍疚奶岢隽艘韵卵芯繂栴}：一是GAI在職業院校編程教學中可能帶來的優勢與潛在風險是什么？二是如何構建一種兼顧高效與認知深度的“分層干預一人機協同”教學模式？三是該模式在實際教學環境中的效果如何，能否有效緩解認知退化風險并提升學生實踐能力？

為回答上述問題，本文首先對GAI在職業教育中的應用現狀與挑戰進行文獻綜述，結合建構主義[3]、掌握學習[4及維果茨基社會文化理論構建理論5框架；然后，在軟件專業的兩門Java課程中開展準實驗研究，通過對比實驗組與對照組的過程性評價和終結性考核表現，驗證該模式的有效性；最后，針對研究發現提出進一步優化策略并展望未來研究方向。

1.文獻綜述與理論基礎

近年來，GAI的快速發展正在深刻改變職業教育的生態格局，通過其強大的自然語言處理和深度學習能力，能夠顯著提升教學效率。例如，GAI可以生成高質量教學內容、自動化評估學生作業，并通過情境模擬為學生提供沉浸式學習體驗。這為學生提供了更多自主學習的機會，尤其是在編程和職業技能培訓等領域[7-8]。

然而，GAI在職業教育中的應用也帶來了新的挑戰。技術的快速迭代使得教育資源的更新速度難以跟上技術發展的步伐，可能導致教學內容的滯后性，并且GAI的使用可能引發倫理和隱私問題，如數據泄露和生成內容的版權爭議[10]。

為解決技術輔助與學生自主認知構建之間的矛盾，本文借鑒了三大經典教育理論，構建了“分層干預一人機協同”教學模式。

一是建構主義理論。建構主義主張學生應在真實情境中主動構建知識，而不是被動接受教師灌輸。GAI作為外部輔助資源，其主要價值在于激發學生思考、輔助解決問題。

二是掌握學習理論。掌握學習理論強調“因材施教”和“分層教學”，主張根據學生的認知水平和學習進度進行個性化教學。職業院校學生在編程學習中存在能力參差不齊的現象，通過分層干預，可以確保不同層次的學生都能在適宜難度下獲得有效提升。

三是維果茨基社會文化理論。維果茨基提出的“最近發展區”理論強調，通過師生互動、同伴合作以及利用工具進行外部輔助，可以促進學生從當前認知水平向更高水平邁進。GAI在此過程中既是信息獲取的媒介，也是認知激發的重要載體，通過人機協同教學，能夠在教師的引導下實現知識內化與認知提升的雙重目標。

本文提出的“分層干預一人機協同”教學模式，旨在通過整合GAI與系統化教學干預，構建一個“技術一認知—反饋”閉環的動態平衡模型，從而確保在技術激活學生學習熱情的同時，通過分層指導與動態反饋有效防控認知退化風險。

2.“分層干預一人機協同”教學模式構建

“分層干預一人機協同”教學模式以提升編程效率為目標，同時注重保障學生對底層邏輯的深人理解和自主調試能力的培養。模式實施可分為以下三個環節。

在技術激活環節，學生在接到編程任務后，須先獨立對問題進行分析，形成初步解決方案，然后借助GAI獲取代碼生成、調試建議或相關文檔輔助。此環節的核心在于要求學生先行獨立思考，避免因直接調用GAI而形成依賴，從而保證學生對問題本質的初步把握和自主探索意識的激發。

在認知加工環節，教師通過分層干預策略對學生使用GAI后的思考過程進行有針對性的指導。具體來說，對于基礎層次的學生，教師要求其在使用GAI前必須書面提交解題思路和方案，重點引導學生關注語法規則、代碼邏輯以及底層原理；對于中級層次的學生，教師則通過分步任務、小組討論和案例分析等方式，促使學生對GAI輸出的結果進行邏輯推演和批判性思考；而對于具備較高認知水平的學生，則通過項目式實踐和跨模塊綜合應用，鼓勵他們探索多種解決方案，并對GAI生成結果進行深入分析和優化（如表1所示）。此環節的核心在于通過教師及時、分層次的干預和反饋，強化學生對GAI輸出內容的理解和內化，防止知識僅停留在“表層復制”。

在最后的反饋調整環節，完成整個教學模式的閉環。在這一環節，教師根據課堂討論、作業批改、學生學習日志和代碼注釋等多元數據，及時捕捉學生在使用GAI過程中可能出現的認知偏差和依賴傾向，并通過個別輔導、課堂點評和階段性測評等方式進行針對性調整。通過這種動態反饋機制，教師不僅能夠確保每位學生在技術輔助下保持自主思考，還能不斷優化教學方案，逐步提升整體教學效能。

整體來看，“分層干預一人機協同”教學模式以“工具輔助一分層干預一動態反饋”為流程主線，通過不同層次的教學干預，充分調動了學生的主動性和創造性，使得GAI不僅僅停留在簡單的代碼生成層面，而成為激發學生認知、提升實踐能力的重要工具。該模式既強調了技術工具的優勢，又注重防控因工具依賴而導致的技能退化風險，有效實現了技術先進性與教學有效性之間的動態平衡。

3.實證研究

3.1實驗設計與實施

為驗證“分層干預一人機協同”教學模式的有效性，本文在浙江工貿職業技術學院2023級軟件專業開展實驗研究。選取數據結構相同、師資配置均衡的兩個平行班（各34人）作為實驗組（A班）和對照組（B班），在Java系列課程中實施差異化教學干預。

本文采取“非等組前后測”準實驗研究設計，實驗周期為一學期，分別涵蓋“Java程序設計基礎”和“JavaWeb應用開發”兩門銜接課程，形成自然對照場景。在前置課程中，實驗組僅進行GAI的基礎使用，未采用系統化教學干預；在后續課程中，實驗組則全面實施了“分層干預一人機協同”教學模式，對照組全程采用傳統教學方法。通過對比兩組學生的過程性評價和終結性考核表現，驗證分層干預機制的有效性。

3.2數據采集與分析

本文構建了一個多維度評價體系，其中包括過程性評價和終結性考核。兩階段教學實驗數據統計結果如表2所示。

3.3實驗結果解讀

實驗數據顯示，在未進行分層干預時，實驗組的過程性評價明顯優于對照組，但終結性考核成績則呈現較大負差異。這說明GAI的初步應用雖然有助于短期內完成任務，但也可能導致學生產生一定的技術依賴，從而削弱了其獨立解決問題的能力，驗證了文獻中關于認知退化風險的觀點。隨著“分層干預一人機協同”教學模式的實施，實驗組在過程性評價和終結性考核兩個方面均表現出明顯優勢。相較于對照組，實驗組在過程性評價中提高了 6.8% ，在終結性考核中提高了 7.9% ?？傮w來看，實驗結果較好地支持了“分層干預一人機協同”教學模式，證明該模式可以有效地將GAI從單純的效率工具轉變為促進認知發展的媒介。

結語

本文基于建構主義、掌握學習和社會文化理論構建的“分層干預一人機協同”教學模式，不僅發揮了GAI在提高教學效率方面的優勢，更在理論上確保了學生自主認知構建和獨立調試能力的培養。在這一模式下，教師不僅是知識的傳遞者，更是學生認知過程的引導者和監督者。

在實踐層面，通過對兩門Java課程的準實驗研究驗證了系統化干預在平衡技術效率與學生自主認知發展中的有效性。同時，本研究存在樣本規模較小、周期較短以及未深入探討學生個體差異等局限性，這些都為后續研究提供了進一步探索的方向。

未來，隨著GAI的不斷完善和職業教育信息化的加速推進，“分層干預一人機協同”教學模式在產教融合以及大數據驅動的個性化學習指導等領域具有廣闊的拓展空間，為職業教育的持續創新提供有力支持。

參考文獻：

[1]DeepSeek-AI，Guo DY，Yang DJ，et al.Deepseek-r1： Incentivizing reasoning capability in llms via reinforcement learning[EB/OL].（2025-01-22）[2025-04- 20].https：//arxiv.org/abs/2501.12948v1.

[2]楊凡，湯書昆．“新工科”的哲學闡釋——中國傳統哲學的視角[].高等工程教育研究，2018，66（6）：4-10.

[3]瓊·皮亞杰，傅統先.發生認識論J].教育研究，1979（2）：86-91，96.

[4]Block JH，Burns RB.Mastery learning[J].Review of researchin education，1976，4：3-49.

[5]Vygotsky L S.The collected works ofL.S.Vygotsky：Problemsof the theoryand history of psychology[M].Springer Science amp; BusinessMedia，2012.

[6]顧小清，王成梁，王培均，等.生成式人工智能賦能教學的機制、需求與路徑[].中國教育學刊，2025（4）：15-22.

[7]宋永磊，羅江華.AIGC賦能職業教育數字資源服務的愿景，挑戰與路徑[].中國職業技術教育，2024，（17）：27-33.

[8]陸軍.人工智能技術在高職院校課程教學中的應用研究——以Python程序設計課程為例[].大學教育，2024（18）：89-92.

[9]林峰.人工智能技術對高職計算機類專業教學的影響[J].武漢工程職業技術學院學報，2024，36（1）：92-95.

[10]王悅曉，郝天聰.生成式人工智能賦能職業教育變革：挑戰與現實路徑[].教育與職業，2025（4）：14-20.

作者簡介：章理登，碩士研究生，助教，zld0330@zjitc.edu.cn，研究方向：計算機教育和計算機視覺；陳錫鍛，碩士研究生，講師，研究方向：信號與信息處理，人體目標姿態估計；林婷婷，碩士研究生，講師，研究方向：創新創業教育、區域發展；邱儒，碩士研究生，講師，研究方向：計算機視覺與深度學習。

基金項目：2022年浙江工貿職業技術學院校級課題——基于企業工匠坊的雙創能力培養模式探索“索思工匠坊”實踐（編號：縱20220041）；2023年度浙江工貿職業技術學院校級課題——基于Transformer框架的圖像增強算法研究（編號：縱20230007）。