大模型驅動的課程三維重構：角色、生態與個性賦能

關鍵詞人工智能賦能；高等教育課程改革；機器學習概論；大語言模型

中圖分類號：G642

文獻標識碼：A DOI：10.16400/j.cnki.kjdk.2025.18.003

AbstractTherapid developmentof artificialinteligence technology provides apowerful wayforschol teaching reform. This study takesthe Introduction toMachine Learningcourseasapracticalcarier，andconstructsathree-dimensional teaching framework driven by large models through systematic reforms such as teacher-student role reconstruction， integrationofteachingecology，andempowermentoflearningpersonality.Teachingpracticehasshownthat theintroduction courseof machine learning empowered byartificial intellgencecaneffectivelyoptimizetheteaching processand improve teaching effectivenessfrom three aspects： knowledge source scalability，cross domain teachingcollaboration，and learing path generation， thereby helping to cultivate compound talents with innovative and practical skils.

KeywordsAI powering; reformation forcollege courses; Introduction to Machine Leaming; large language models

DeepSeek等新一代人工智能（AI）大模型正在對人類的生活產生深刻的影響。相比于傳統的深度學習模型，AI大模型能夠處理更為龐大、復雜的數據，并展現出卓越的學習能力和泛化性能，成為學術界和工業界關注的焦點，也必將對高等教育產生變革性影響。習近平總書記明確指出：“教育數字化是我國開辟教育發展新賽道和塑造教育發展新優勢的重要突破口。”懷進鵬部長在2024世界數字教育大會上提出將實施人工智能賦能行動，為學習型社會、智能教育和數字技術發展提供有效的行動支撐[。因此，將AI大模型賦能大學課程改革，特別是計算機專業課程改革，具有重要的理論價值和現實意義。

1現有機器學習概論課程面臨的問題

隨著通用人工智能時代的到來，機器學習技術受到了前所未有的關注。機器學習概論課程主要講授機器學習的基本概念、理論、算法及其應用，旨在培養學生運用機器學習算法解決實際問題的能力。然而，在實際教學過程中，課程仍面臨諸多挑戰[3]。

1.1課程內容與現實脫節

現有的機器學習課程理論性較強，從大量的理論知識和數學推導入手，學生需掌握線性代數、概率論等前置知識，部分學生對于授課內容的理解較為困難。在課程內容的設計上，對于實踐的重視程度不夠，使得學生難以將所學知識應用于解決實際問題。

1.2學生參與度低

一方面，現有的授課體系中知識傳遞往往封閉且高度中心化，即僅有教師進行知識輸出，知識的來源僅為課本，學生處于被動接受知識的位置，導致學生的主觀能動性未能被充分調動。另一方面，現有課程缺乏有效的過程管理，學生僅在課堂上有限的時間參與課程學習，未能有效利用課前、課后的大量時間，導致學生對課程學習的參與程度不足，知識吸收程度有限。與此同時，學生在學習過程中難以直接評估個人學習效果，在遇到困難時也無法及時獲得有效的反饋和指導，從而進一步降低了學生的積極性。

1.3學生個體差異大

在學習基礎的差異上，部分學生已經有相關的項目或科研經歷，能夠較為輕松地理解課程內容，但小部分編程能力較弱的學生和部分缺乏前置課程基礎的跨專業學生可能存在一定的困難。在學習目標上，由于職業規劃的差異，學生對于理論學習與應用實踐的偏好和側重各有不同。此外，學生的學習能力也存在一定差異。傳統課程中“一刀切\"的做法忽略了上述差異性，削弱了課程效果。

針對上述問題，結合生成式人工智能的突出優勢開展機器學習概論課程改革，旨在加深學生對課程內容的理解，提升學生參與度，并結合學生個體差異進行個性化教學，從而進一步提升教學效果。

2人工智能賦能機器學習概論課程改革的優勢

近年來，人工智能技術的發展為高等教育帶來了突破性的改變，將人工智能技術應用到課程之中不僅是提升課程質量的必然之舉，也是培養計算機專業拔尖人才的重要需求[4。作為人工智能研究的基礎課程之一，機器學習概論課程在進行AI賦能的課程改革方面具有以下優勢。

2.1課程地位重要，學生重視程度高

本課程在計算機教育體系中具有承上啟下的作用。一方面，課程整合了學生在本科階段已學習的線性代數、算法設計等多門課程的知識，通過機器學習概論的學習，學生能夠將已學的知識進行串聯，形成更為完整的知識體系。另一方面，作為學術界和工業界共同的關注焦點，機器學習技術已成為計算機專業畢業生必備的技術，學習本課程可以為學生后續的研究生學習或職業發展打下堅實的基礎。

2.2課程覆蓋面廣，受益學生多

以哈工大（深圳）為例，作為方向必選課，每年有近三分之二的計算機學院本科生選修本課程。此外，隨著人工智能技術的發展，各行各業對于理解機器學習原理及其應用的人才需求也日益增長，因此課程也將吸引一大批跨專業的學生進行學習。因此，對于機器學習概論課程進行人工智能賦能的教學改革將使一大批學生受益，并將對其產生長期的影響。

2.3課程與AI賦能適配性強

選修該課程的學生在編程、數據處理和算法設計等方面已經具備一定的基礎，因此，相比零基礎學生能更快速地適應改革后的課程形式。課程任務中包含的概念理解、應用、代碼實現等內容正是生成式人工智能擅長的領域，使用大模型可以大大提升學生的學習效率，從而為其未來開展人工智能相關領域的工作學習奠定有力的基礎。

3人工智能賦能機器學習概論課程改革的思路

3.1去中心化的知識結構

相比于傳統課堂中教師占主導、知識來源集中、學習路徑單一的教學方式，新技術的引入使課程以更為個性化的方式展開，使知識的來源和學習方式更加廣泛和多元：知識圖譜、推薦系統等技術可以根據學生的學習進度、知識掌握情況和學習風格，提供個性化的學習建議和資源；人工智能的自然語言處理和對話系統等分支則可以為學生提供實時答疑反饋，及時解決學生學習中的疑惑，增強學習的參與感和主動性。

3.2線上線下結合的教學生態

人工智能技術可以為課程提供更為豐富線上學習資源，同時對重點內容進行概括和強調，幫助學生更高效地掌握知識。此外，通過搭建相關平臺，學生可以在課前課后通過線上資源自主學習，教師可以利用AI工具分析學生的學習數據，調整教學策略。

3.3倫理約束的風險防控

涉及學生數據的人工智能模型需要嚴格防范學生信息泄露和模型幻覺等問題，采用數據加密、匿名化處理等技術手段，確保學生的個人信息不被泄露或濫用。同時，由于教育行業的特殊性，課程所使用的大模型需要確保輸出知識的真實性和可靠性，避免對學生產生誤導。此外，教師應鼓勵學生的批判性思考，培養其對AI生成內容的辨別能力，預防其對AI工具的過分依賴。

4課程改革研究實踐

4.1角色重構：人機協同的師生關系進化

本項改革提出的多主體協同的知識獲取理念，旨在打破知識傳授的封閉性，將課堂由“教師主導”轉變為“師生共創”。

針對知識來源局限的問題，課程平臺可設置師生合作建設的共享知識庫。教師可以上傳課件、知識圖譜等資源，學生可以上傳自己的案例、代碼等內容，也可以對教師上傳的內容進行補充和完善。共享知識庫的構建在大大豐富學生學習資料來源的同時，使學生完成從知識的被動接收者到知識的分享者、傳播者乃至貢獻者的轉變，通過輸出進一步提升對知識的理解。

值得注意的是，在已有大模型的基礎上，還可以利用上述共享知識庫、專業領域知識和互聯網信息等課程領域的專業知識為大模型構建知識庫，使其與課程的相關性更強。

4.2生態融合：虛實聯動的學習場景構建

現有基于認知理論和建構模型的研究表明，除了課堂參與之外，學生還需要在課前、課后分別完成相應的學習目標，方能最大限度地掌握教師所講授的知識[89]。基于大模型的課程平臺可以有效突破傳統課堂的時空限制，將數字資源與物理課堂融合形成閉環的教學生態，提升學生參與度。

具體而言，在課前，學生需要預先在課程平臺上結合教師上傳的材料了解章節的學習內容。相比于課程中學生難以理解的抽象敘述和數學公式，改革后課程的引入部分使用更為平實的語言和日常生活中的實際案例對課程內容進行簡要介紹和類比，使學生在上課之前就能建立對概念的感性認識，利用“先驗知識\"輔助對后續課程內容的理解。在課堂中，教師可以結合大模型的生成和檢索能力進行可視化展示和案例教學，進一步加深學生的理解。在課后，則主要安排面向現實場景且相對更為開放的課后實踐作業進行總結鞏固，從而培養學生解決實際問題的能力。

4.3個性賦能：數據支持的學習路徑生成

知識溯源與知識推薦等人工智能輔助教學技術可以在教學大綱的框架內，針對個體差異進行學習內容的動態調整，實現教學內容個性化。

知識溯源技術可以對學生掌握不牢的知識點進行挖掘。對于學生容易出錯的練習題，該技術可以對其錯題進行類別劃分，并根據教師提供的知識圖譜進行溯源，找到錯題的共性前置知識點，從而幫助學生鞏固薄弱知識點。知識推薦技術基于學生的作業完成情況、與“AI助教”的對話內容等個性化信息，可以對學生可能感興趣的領域和可能有需要的知識進行分析和預測，從而針對學生學情推薦課本以外的知識。此外，教師在平臺上可查看學生的作業完成情況，從而關注到基礎薄弱、學習進度較慢的學生，并針對性地進行幫助，實現對掉隊學生的“早發現、早預防”。

5結語

人工智能大模型的引入能夠提升機器學習概論課程的整體教學效果。通過構建人工智能輔助教學平臺，并對大模型的生成、檢索、推薦等能力進行充分挖掘利用，課程改革后的機器學習概論課程具有涉及的知識面更廣、學生獲取反饋更及時、個性化程度更高等優勢。在未來，本文提出的教學改革模式及其相關的輔助教學平臺有望被拓展到其他課程，從而與現有課程進一步形成合力，助力人工智能在教育領域的應用和發展，為培養人工智能領域的拔尖創新人才提供支持。

*通信作者：魏宇虹

★基金項目：廣東省高等教育學會“十四五”規劃2024年度高等教育研究課題“人工智能大模型賦能的開放式全過程個性化機器學習概論課程改革研究”（24GYB214）；2023年度哈爾濱工業大學深圳校區思政課程和課程思政專項課題（課程改革研究）（HITSZIP23001）。

參考文獻

[1]人民日報社．以數字化開辟教育發展新賽道[N].人民日報，2023-10-13：9.

[2]紅星新聞.教育部部長：將實施人工智能賦能行動，促進智能技術與教育教學、科學研究深度融合[EB/OL].（2024-02-01）.htp：//www.moe.gov.cn/jyb_xwfb/xw_zt/moe_357/2024/2024_zt02/mtbd/202402/t20240202_1114004.html.

[3]劉田禾.新工科背景下機器學習課程教學改革探索——以“學習器性能評估\"為例[J].科教導刊，2024（31）：99-101.

[4]葡跟榮，張澤慧.AI賦能研究生教育治理體系現代化建設[J].學位與研究生教育，2024（12）：9-15.

[5]桂小林，何欽銘.AI賦能的大學計算機通識教育的體系化改革探索[J].中國大學教學，2024（4）：4-11，2.

[6]蔣崢崢，彭志娟，陳曉紅，等.AI大模型與任務驅動式下的軟件設計與體系結構課程改革探索[J].大學教育，2025（4）：44-47.

[7]黃錯.人工智能大模型訓練數據的風險類型與法律規制[J].政法論叢，2025（1）：23-37.

[8]段喜龍，鄔志紅.基于BOPPPS的面向對象程序設計課程線上線下混合教學[J].高教學刊，2023，9（23）：104-107.

[9]宋潼潼，楊巍，于玲，等.免疫系統的器官系統整合BOPPPS教學模式在新生研討課中的初步探索[J].中國免疫學雜志，2024，40（12）：2638-2641.