AIGC在醫學類高職信息技術課程中的應用

摘要：AIGC（AI-Generated Content，人工智能生成內容） 作為加速教育數字化變革的工具，在重塑教育結構，重整教學過程，促進學生學習能力提升及個人價值的多元化發展等方面發揮著獨特作用。文章緊緊圍繞AIGC技術賦能教學，輔助學生建構個性化的知識體系，提高教學效率展開，選取甘肅衛生職業學院2025級針灸推拿專業兩個平行班級（N=102） 學生為研究對象，實驗班采用融入AIGC的教學模"，"Introduction":""，"Columns":"人工智能"，"Volume":""，"Content":"

摘要：AIGC（AI-Generated Content，人工智能生成內容） 作為加速教育數字化變革的工具，在重塑教育結構，重整教學過程，促進學生學習能力提升及個人價值的多元化發展等方面發揮著獨特作用。文章緊緊圍繞AIGC技術賦能教學，輔助學生建構個性化的知識體系，提高教學效率展開，選取甘肅衛生職業學院2025級針灸推拿專業兩個平行班級（N=102） 學生為研究對象，實驗班采用融入AIGC的教學模式，對照班沿用傳統教學模式。結果顯示，兩個班級的期末測試成績P值存在顯著差異，P=0.000lt;0.01，表明實驗班學生對知識點的掌握明顯優于普通班。滿意度調查結果顯示，實驗班學生對新教學模式的滿意程度達到了95.67%。

關鍵詞：AIGC；教學模式；醫學類高職；信息技術；個性化學習

中圖分類號：G642" " " 文獻標識碼：A

文章編號：1009-3044（2025）18-0028-04

開放科學（資源服務） 標識碼（OSID）

0 引言

教育部懷進鵬部長在召開的第二次教育強國建設戰略咨詢委員會上指出：人工智能是把“金鑰匙”……讓青年一代更加主動地學，讓教師更加創造性地教。由此，重構教育理念，創新課堂教學方法，充分發揮以自然語言處理技術為基礎的AIGC（AI-Generated Content，人工智能生成內容） 工具在人才培養中的積極作用，為教育提供新的交互模式和個性化學習體驗是“工業時代”向“數字時代”轉型教育改革的方向。作為人工智能技術之一的AIGC引發了教育研究者的深度關注。

在此背景下，AIGC憑借其強大的文本、聲音、圖形、圖像、視頻等數據生成及處理功能被引入教育領域。它在創新性、傳播力、迭代性、個性化等方面技術優勢突出。它能根據學生特點提供個性化教學，實現智能輔導及實時反饋，促進教育公平，創新評估方式，并具有強適應性。特別是在語言學習和終身教育方面，AIGC能提供有力支持，被認為終身學習伴侶[1]。

在傳統的教學中，教師在課前需要花費大量時間完成教學資料的準備，例如，課件、教案、教學視頻、學習任務單等，學生需要獨立完成舊課復習、新課預習。課中，教師雖然盡力參與小組學習中去，但仍舊無法關注到每位學生的學習情況，尤其針對信息技術這種實操性強的課程，很多學生的操作因得不到及時解答而流于形式，只知其然，不知其所以然。課后，教師又投入新一輪的教學資料準備，學生又開始新一輪復習、預習。經過調研及課堂觀察發現，實際教學中，教學資源有限，教師授課量大且科研任務繁重，外加學生學習的差異性等因素，每個教學單元獲得教師指導和幫助的學生不足5%。傳統的教學節奏迫使部分學生在還未掌握基本概念的情況下，就轉向了更高階知識的學習，這種知識上的漏洞會隨時間不斷積累，最終形成難以逾越的學習障礙。而信息技術作為一門應用性很強的公共課，面向各校幾乎所有專業開設，具有內容龐雜，學時有限，專業覆蓋面廣，學生數量多且水平參差不齊等特點。如何激發不同專業、不同能力學生的學習興趣，滿足不同層次學生對知識的需求，實現異步化教學，是課程教學中的難點。

1 文獻綜述

在國際上，已有研究指出，生成式人工智能（Artificial Intelligence Generated Content，簡稱AIGC） 能夠輔助教師進行教學資源的多元化整合、增強課堂及時反饋互動以及進行學生學習效果的評估。2024年7月，薩爾曼·可汗出版的《教育新語》中，強調了人工智能對教育的深遠影響。他指出，人工智能不僅為教育帶來了精準化與個性化的教學可能，還促使教師的角色從知識傳遞者轉變為學習引導者、支持者與啟發者。通過大數據和AI技術，教育得以實現定制化的學習路徑，為每位學生提供個性化的學習體驗，進而激發學生的無限潛能[2]。

在國內，隨著教育信息化的推進，越來越多的研究開始關注AIGC技術在教學中的應用潛力。喻國明提出AI時代教學模式變革的要點是培養學生的人工智能思維[3]。張明飛等人認為人工智能是通過對數字資源的重組，提供個性化學習資源，從而實現個性化導學[4]。羅江華提出建構多模態學科知識圖譜，通過多模態知識的傳達深化學習者的理解[5]。吳蘭岸等人指出AIGC可以借助問題為學生創設問題情景，在沉浸式對話交互中，激發學生的問題意識，使其高階思維能力得到培養和發展[6]。何克抗提出探究性教學模式已成為各學科常規課堂教學最需要、最有效也是最常用的課內整合模式之一[7]。沈張一等人將MM-AIGC應用于數據結構課程促進了學生深度學習，提高了教學效率[8]。莊舒婷等人認為人工智能的使用雖然有其積極的一面，但其昂貴的費用增加了教育成本，監管系統的缺失造成了專業信息傳輸及倫理的錯誤，學生的過度依賴削弱其學習能力[9]。

綜上，多數研究均從AIGC工具應用于教學的價值、意義、存在的風險等角度展開深入探討，但建構基于AIGC工具的教學模式并將其應用于職業院校教學實踐方面的研究較少。

2 理論基礎

2.1 布魯姆掌握學習理論

掌握學習理論強調，只要給予適當的教學與足夠的時間，80%～90%學生都能達到對所學課程內容的掌握。融入AIGC工具的教學實踐充分體現了“以學生為中心”的教學理念，與布魯姆的掌握學習理論不謀而合?！盀檎莆斩?，為掌握而學”，這一原理強調教學應以學生的學習需求為中心，注重教學過程中的及時反饋與個別化的矯正性幫助。但在實際教學中，及時反饋與個別化矯正需要教師投入大量的時間和精力。面對當前職業院校教師周18～24學時的教學工作量及科研壓力，根本無法完成。而AIGC工具的應用減輕了教師負擔，針對學生提出的問題24小時不停歇地提供高效、快速解答，由此，AIGC工具的應用在輔助學生學習方面達到了及時反饋與個別化矯正的目標。

2.2 戴爾“學習金字塔”理論

戴爾“學習金字塔”理論強調，教育者應當設計并實施更多促進主動參與的學習活動，以確保學生在實踐中深化理解、掌握知識。為了確保學生在學習中積極參與和實踐，教育者需要從思維和行為兩個層面著手。在思維層面，激發學生的主動思考，引導他們探索知識的內在聯系，并通過多角度分析問題，尋求解決問題的方法。在行為層面，教育者應促進課堂互動，鼓勵學生主動回答問題、分享見解，并對同伴的答案提出創新性的解決方案，以此拓展問題的廣度。在實際課堂中，由于學生個體差異、教學資源限制、緊湊的課程要求、教師準備不足以及技術挑戰等因素，實現高水平的參與和實踐面臨多重挑戰。而AIGC工具可以增強學生的參與感和實踐能力。它可以根據學生的學習進度和能力動態調整學習內容，確保每個學生都能在適合自己的節奏、方式下參與學習；通過智能輔導系統提供即時反饋，幫助學生糾正錯誤并深化理解。AIGC工具為學生提供了開放、包容的學習環境，實現了學生在學習中的充分參與和實踐。

3 人機協同的“課堂小循環+課程大循環”教學模式設計

3.1 模型整體結構

本教學模式的特點是課堂小循環+課程大循環，如圖1所示。課堂小循環由課前、課中、課后三階段組成，圍繞本小節學習內容展開，各學段相互影響，如學生的預習反饋影響課堂教學內容規劃及教學活動的設計。從課前到課后，形成“學懂—遷移—內化”的閉環，解決了傳統課堂“學用脫節”的問題。課程大循環以完成“手搓”一本計算機教材為學期目標。“手搓教材”任務符合高職教育“實踐導向”的人才培養特點，旨在通過整合課程知識點，推動學生主動梳理知識體系，完成知識體系化建構。

3.2 課前、課中、課后的設計意圖與實施細節

3.2.1 課前：精準準備，高效預熱

在教學的起始階段，教師利用AIGC工具高效地準備教學資料，包括生成教案、課件和授課計劃等教學文檔。AIGC輔助教師生成視頻等教學素材，豐富教學內容，精準匹配學生的實際需求。同時，教師利用AIGC工具為學生搭建“腳手架”式的自主學習任務單，引導學生做好預習，確保學生掌握本節課程必要的核心知識與技能。為了更加準確地評估學生課前知識的掌握情況，教師使用AIGC生成了課前自測題。課前自測有助于教師了解學生的學習基礎，為后續的課堂教學活動設計，以及教學內容調整提供針對性指導。最后，為使學習內容更加條理清晰，幫助學生理解和記憶，要求學生依據所學知識搭建思維導圖框架，擬定教材編寫大綱。學生遇到問題時，可以通過AIGC輔助知識點答疑，這不僅提高了學習效率，還增強了學生的自主學習能力。

3.2.2 課中：互動答疑，深化理解

進入課堂教學階段，AIGC工具的應用進一步凸顯了其優勢。教師針對課前設計的教學案例，結合學生預習成果進行全面解讀，引導學生理解案例中的關鍵知識點和應用場景。學生完成案例制作，并針對自己存在的問題與AIGC工具展開“對話式”探討。AI工具的應用降低了技術門檻，學生通過“做中學”強化了實踐能力，進一步提升了學習動力。教師從“知識的傳授者、案例的演示者”轉型為“學習活動的設計者、引導者”。一些簡單的操作及常識性的問題已由AIGC輔助解答，教師僅聚焦學生高階能力培養。最后，學生通過小組交流、演示分享、歸納總結，實現知識點內化。

3.2.3 課后：反思總結，個別輔導

“總結鞏固”與“銜接下一階段學習”是這一環節的關鍵任務，通過AIGC工具的深度支持，形成教學效果的動態優化與持續性跟蹤。教師借助AIGC生成學習報告，精準識別學生薄弱環節，并據此調整下一階段教學內容。同時利用AIGC自動生成教案、課件及教學案例，確保教學資源的前瞻性與連貫性。學生則借助AIGC完善思維導圖，編寫個性化教材章節，完成NCRE Level 2專項測試，此部分由AI提供錯題解析與針對性練習，進一步鞏固知識體系，實現能力遷移。至此，AIGC工具已經解決了學生的大部分共性及個性問題，教師僅針對個別學生的特殊問題進行答疑。在作業的完成中，學生也由“知識掌握者”邁向“知識建構者”。通過數據驅動的閉環銜接，即課后成果反哺下一階段資源，形成“教—學—用”的良性循環，使其工程化思維與創新能力都得以提升，最終實現了教學精準度提升與學習生態的可持續迭代。

綜上所述，AIGC工具作為教學全過程中的智能性助教，不僅減輕了教師的教學負擔，同時，成了學生的學伴，在提供豐富學習資源的同時，與學生展開基于情境的學科知識多輪對話，既提高了教學效率和質量，又增強了學生的學習體驗，做到個性化學習路徑設計，滿足不同程度學生的學習需求[10]。

4 AIGC助力教學的應用場景

郵件合并技術作為文字處理模塊的進階教學內容，其多維數據整合特性對學生的計算思維與問題解決能力提出了較高要求。在課前預學階段，通過基礎性郵件合并任務，引導學生開展自主探究學習，初步形成對數據關聯的認知圖式；課堂實施階段，教師引入高階認知沖突——圖像數據的異構性整合問題，采用問題導向教學法激發深度思考。相較于結構化文本數據，圖像數據在郵件合并中存在兩個技術壁壘：第一，非結構化數據的路徑動態引用機制需建立跨文件系統認知；第二，圖像格式兼容性及大小將影響數據可視化呈現。在教學中，學生通過操作觀察—認知沖突—概念重構的迭代過程，運用AIGC工具解決技術瓶頸，最終完成個性化護理手冊的生成，如表1所示。

5 實施效果

5.1 期末測試

為了進一步檢測新教學模式的教學效果，研究者選取甘肅衛生職業學院2025級針灸推拿專業兩個平行班級學生為研究對象，實驗班52人，采用融入AIGC的教學模式，對照班50人，采用傳統教學模式，進行了為期15周的教學實驗。期末測試卷由AIGC工具生成難度貼近全國計算機等級考試（二級） 的試題組成，總分100，包括單選、多選、判斷、簡答、操作五大題型。測試結果顯示，實驗班優秀率（≥85分） 達80%，顯著高于普通班級，無不及格學生，普通班優秀率為46%，有9名學生不及格。再結合總分均值檢驗P值，P=0.000lt;0.01，表明融入AIGC工具的教學效果較好。其中，選擇題、簡答題得分均值檢驗不存在顯著差異，多選題、判斷題、操作題得分均值檢驗存在顯著差異，表明AIGC更有利于高階知識目標的達成，有效促進了學生復雜技能掌握。

5.2 問卷及訪談調查

課程評價問卷調查顯示，實驗班級學生對課程的滿意程度高達95.67%，學生認為該教學模式不僅有效提升了他們的信息技術應用能力和數字素養，更加深了他們對人工智能的認知和理解。課后，對5名實驗班級學生進行訪談，其中，3名學生表示，新教學模式的應用使得跨學科內容、未知領域知識、被遺忘、含混不清的概念及不能及時得以解答的問題，都不再成為學習中的障礙。在追問中表示，探究的學習模式極大地激發了他們的學習興趣與熱情。2名學生表示，希望開設與AI相關的課程，期待通過系統學習掌握工具的使用方法，同時表示，在學習中存在過度依賴AI工具的現象，有時也會因為頻繁交互訪問導致注意力碎片化。

6 總結與反思

本研究通過將AIGC技術深度嵌入教學全過程，重構了“師—機—生”三元協同教育生態；通過多模態資源生成、認知路徑優化與動態評估反饋，顯著提升了知識傳遞效率及高階思維能力培養。然而，技術工具的雙刃劍效應要求教育者警惕算法偏見與認知依賴風險，需在教學設計中建立倫理審查機制。

6.1 重塑課程目標

課程目標體系超越了傳統布魯姆分類法的層級局限，基于AIGC多模態支持，建構了“知識-能力-素養-價值”四維目標模型，如圖2所示。該模型通過AIGC的動態適應性特征實現了目標遞進，驅動學生能力螺旋上升。

6.2 重創學習新樣態：從場景重構到范式革命

AIGC技術正在引發教育范式的三重變革：

1）認知交互革命：大語言模型的對話式學習顛覆了知識單向傳遞模式，學生通過“質疑-修正-再建構”循環發展批判性思維。

2）評估體系重構：基于AI的實時學習分析系統實現了高精度的實時評估，教師可精準識別學生的認知斷點。

3）教育公平再定義：AIGC驅動的自適應學習系統極大地縮小了教育資源鴻溝，讓更多學生享受到個性化教育。但同時，也要警惕算法可能帶來的歧視風險，需要通過多模態去偏技術加以遏制。

未來，AIGC技術與腦機接口、情感計算的融合將催生“神經教育學”新領域。例如，通過EEG（Electroencephalogram） 信號同步分析AI輔導過程中的認知負荷變化，可實現教學策略的神經反饋優化。教育者需前瞻性建立“技術-倫理-教學法”協同演進框架，避免陷入技術決定論陷阱。

6.3 研究局限與展望

本研究存在三方面局限：首先，實驗周期僅覆蓋單學期，未能觀測長期認知遷移效果；其次，未量化分析不同AIGC工具（如ChatGPT、質譜清言、文心一言等） 的教學效能差異；最后，信息技術課程的特殊性可能限制結論普適性。后續研究將構建跨學科對比實驗，并開發AIGC教育效能評估指標體系，為智能教育生態系統建設提供理論支撐。值得注意的是，教學中需引導學生辯證看待AIGC的技術依賴風險，培養其對生成結果的批判性驗證能力，進一步為信息化技能人才培養提供新的方法論視角。

參考文獻：

[1] 生成式人工智能（AIGC） 之最全詳解圖解[EB/OL].[2024-02-18] [2024-10-18].https：//blog.csdn.net/DFCED/article/details/136107612

[2] 薩爾曼·可汗.教育新語：人工智能時代教什么，怎么學[M].王琦，萬海鵬，譯.北京： 中信出版集團，2024.

[3] 喻國明，滕文強，李釩.AIGC時代人機關系的再思考：本質認知、特征演化與協同路徑：基于機體哲學與WSR方法論的分析[J].廣州大學學報（社會科學版），2024，23（6）：52-63.

[4] 張明飛，孔新梅，王顯闖，等.基于生成式人工智能的探究式教學設計與應用研究[J].中國現代教育裝備，2024（18）：1-4.

[5] 羅江華，馮瑞.智慧教育平臺的適應性服務框架和實施路徑探析[J].中國電化教育，2024（6）：46-53.

[6] 吳蘭岸，閆寒冰，黃發良，等.大型語言模型在高等教育中的應用分析與現實挑戰[J].現代教育技術，2023，33（8）：29-37.

[7] 何克抗，吳娟.信息技術與課程整合的教學模式研究之三：“探究性” 教學模式[J].現代教育技術，2008，18（9）：5-10，27.

[8] 沈張一，李琛璞，鐘華.多模態生成式人工智能在數據結構課程教學中的應用[J].湖州師范學院學報，2024，46（10）：44-50.

[9] 莊舒婷，袁明洲，林信富，等.生成式人工智能在病理生理學基于案例/問題教學中的應用探討[J].中國當代醫藥，2024，31（34）：114-118，125.

[10] 荀淵.ChatGPT/生成式人工智能與高等教育的價值和使命[J].華東師范大學學報（教育科學版），2023，41（7）：56-63.

【通聯編輯：王 力】