人工智能賦能結構防災減災工程專業(yè)本科畢業(yè)論文（設計）教育改革的探索

中圖分類號：G434文獻標識碼：A論文編號：1674-2117（2025）15-0109—04

引信

在當前信息化和智能化迅猛發(fā)展的背景下，人工智能作為一種前沿技術，正在各行各業(yè)中發(fā)揮著日益重要的作用，成為引領新一輪科技革命和產業(yè)變革的核心驅動力。同樣，人工智能也為各個科學領域賦能，同濟大學土木工程學院（以下簡稱“學院”）為充分發(fā)揮人工智能技術在教育中的潛力，積極引入人工智能技術，提出推動本科畢業(yè)論文（設計）的教育改革設想完成了人工智能賦能課題內涵和課題升級的初步改革實踐，并提出了包含智慧化導師匹配和管理、人工智能驅動進度管理與質量督導、多維度智能評價等方面的未來發(fā)展方向，具體如下頁圖1所示。

目前，學院常用的人工智能模型有RNN（Recurrent NeuralNetwork）， GNN（Graph NeuralNetwork） [2]、LSTM（LongShort-Term Memory）3和Transformer4等。在人工智能技術推動結構防災減災工程專業(yè)本科畢業(yè)論文（設計）的教育改革中，需要針對不同場景、不同任務的特點選擇不同的人工智能模型。

人工智能賦能課題內涵的實踐探索和賦能課題選擇的理念分析

使用人工智能賦能課題內涵、完成課題升級是目前最常見和普遍的交互方式。除了使用人工智能賦能課題內涵外，本文還指出使用人工智能賦能課題選擇過程是結構防災減災工程專業(yè)本科畢業(yè)論文 （設計）教育改革的發(fā)展方向之一。

1.前沿課題挖掘和推薦的未來發(fā)展方向

使用大數(shù)據(jù)和深度神經技術，通過對海量科研文獻、專利和行業(yè)報告的文本挖掘和分析，識別當前研究的熱點領域和發(fā)展趨勢，為學生提供前沿的課題方向。

收集和分析大量的研究課題數(shù)據(jù)，對現(xiàn)有研究成果和應用案例進行分析，評估課題的創(chuàng)新性和應用前景，幫助學生選擇具有高創(chuàng)新性和實踐價值的課題。

傳統(tǒng)的選題方式往往需要學生查閱大量的文獻和資料，耗費大量的時間和精力，而推薦模型可以通過智能分析和推薦，大大縮短選題時間，提高選題效率。

2.個性化課題推薦的未來發(fā)展方向

通過對學生過往的學術成績、科研經歷和興趣愛好的分析，建立個性化檔案，推薦與其興趣和特長高度匹配的課題。為了提高推薦的準確性，結合學生選題偏好，提供更加個性化和精準的推薦。例如，通過分析學生在數(shù)據(jù)科學、數(shù)學、編程等課程中的表現(xiàn)，識別其在數(shù)據(jù)分析方面的能力；通過對學生科研經歷的評估，識別其研究能力和創(chuàng)新潛力；通過問卷調查、社交媒體分析等方法，了解學生興趣所在的技術領域、研究主題或應用場景。

域內進行研究，提升研究效率和質量，從而充分激發(fā)學生的研究熱情和創(chuàng)造力，提升畢業(yè)論文（設計）的整體水平。

3.人工智能融入傳統(tǒng)課題的 實踐探索

將人工智能技術嵌入傳統(tǒng)土木工程課題中，利用人工智能強大的數(shù)據(jù)處理能力，優(yōu)化現(xiàn)有研究方法，提升研究效率，增加應用場景。在引入機器學習算法（如LSTM模型）后，可以快速處理和分析海量數(shù)據(jù)，完成數(shù)據(jù)挖掘或理論發(fā)現(xiàn)，從而顯著提高研究效率。人工智能的引入可以促進傳統(tǒng)課題的發(fā)展為土木工程研究注人新的活力和創(chuàng)新動力。

工智能和大數(shù)據(jù)技術，通過分析學生和導師的多維度信息，對其進行智能化的匹配。因此，教師可以從多個方面完善智慧化導師匹配制度，提升畢業(yè)論文 （設計）的質量和教學質量。

1.個性化匹配算法的未來發(fā)展方向

智慧化導師匹配和管理的理念分析

通過在線問卷、學術檔案等途徑，收集學生的學術背景、研究興趣、學業(yè)水平、職業(yè)目標等信息，收集導師的研究方向、學術成果、指導風格、可用時間等數(shù)據(jù)。通過機器學習模型，如GNN等，提取學生和導師的關鍵特征，綜合考慮學生和導師的多維度信息。根據(jù)學生和導師對溝通方式和管理模式的偏好，利用個性化匹配算法，進行雙向匹配。

基于學生的個性化檔案，智能推薦最適合的課題，完成智能匹配，確保學生在感興趣和擅長的領智慧化導師匹配系統(tǒng)基于人

圖1

2.導師資源優(yōu)化配置的未來發(fā)展方向

通過對導師帶學生數(shù)量和工作負擔進行動態(tài)監(jiān)控，平衡導師的工作量，提高導師的指導效率，確保每個學生都能得到充分的關注和指導。根據(jù)導師的專業(yè)領域和學生當前研究難點，動態(tài)調整導師的匹配和分配，確保導師資源的最優(yōu)利用。

3.實時反饋和調整機制的未來發(fā)展方向

對師生之間的互動進行實時監(jiān)控和分析，及時發(fā)現(xiàn)和解決溝通中的問題。例如，通過GNN模型分析電子郵件、會議記錄等數(shù)據(jù)，識別出交流不足或溝通不暢的情況，分析潛在原因，提出相應的改進措施。在研究過程中發(fā)現(xiàn)導師和學生之間存在不適配的情況，可根據(jù)實時數(shù)據(jù)進行動態(tài)調整，重新匹配更合適的導師，確保研究的順利進行。

人工智能驅動進度管理與質量督導的理念分析

進度管理和質量督導是確保學生按時高質量完成研究任務的關鍵環(huán)節(jié)。人工智能驅動的進度管理與督導系統(tǒng)通過大數(shù)據(jù)和人工智能技術，對學生的論文（設計）進度進行實時跟蹤和智能化督導，有望使進度管理和督導更加高效、精準和智能化，且可以從多個方面完成人工智能驅動進度管理與督導系統(tǒng)，提升畢業(yè)論文（設計）的質量和教學質量。

1.實時進度監(jiān)控的未來發(fā)展方向

幫助學生將畢業(yè)論文（設計）任務分解成若干具體的小任務，為每個任務設定合理的時間節(jié)點，或幫助判斷學生設置的任務或時間節(jié)點的合理性。例如，將論文（設計）撰寫分為文獻綜述、方法論、數(shù)據(jù)分析和結論等多個部分，每部分設定具體的完成時間和可量化的質量要求。

通過在線平臺、學習管理系統(tǒng)等途徑收集學生的論文（設計）進度數(shù)據(jù)，包括任務完成情況、時間節(jié)點、遇到的困難等。通過

Transformer等模型對這些數(shù)據(jù)進行分析，判斷學生的論文（設計）進度。將學生的論文（設計）進展以圖表的形式可視化展示，幫助導師和學生直觀了解進度情況。分析學生的進度數(shù)據(jù)，及時檢測出進度異常的情況，如進展緩慢或忽略了某個階段需要完成的任務。

2.智能督導和反饋的未來發(fā)展方向

系統(tǒng)根據(jù)學生的進度和提交的文檔內容，自動生成個性化的指導建議。例如，分析學生論文（設計）已完成的部分，提供改進建議或推薦相關文獻，幫助學生提高論文 （設計）質量。

系統(tǒng)針對常見錯誤進行自動檢測與糾正提醒。例如，自動分析論文（設計）的整體結構，識別并建議改進段落布局和邏輯順序，確保論文（設計）結構嚴謹、條理清晰。檢查論文（設計）中的圖表，識別出標注錯誤、數(shù)據(jù)不一致等問題，并提供修正建議。檢查參考文獻的格式和引用情況，糾正引用錯誤，提醒學生補充遺漏的文獻信息或修正錯誤的引用格式。

3.督導評估的未來發(fā)展方向

對導師的督導效果進行量化評估，通過分析學生的進度數(shù)據(jù)和論文（設計）質量，評估導師的指導效果。例如，統(tǒng)計每個導師指導的學生平均完成時間和論文（設計）評分，為導師提供反饋，促進其改進指導方法。基于數(shù)據(jù)分析，人工智能可以提供優(yōu)化的督導策略建議，幫助導師提升督導效果。

多維度智能評價的理念分析

單一維度的評價方法難以全面衡量學生的學術能力和創(chuàng)新水平，而人工智能賦能的多維度智能評價體系，能夠通過分析學生的研究過程、創(chuàng)新點、學術能力和實踐應用能力，進行全面、客觀的綜合評估。

1.論文（設計）內容智能分析的未來發(fā)展方向

人工智能可以對論文 （設計）的文本進行深度分析，評估其邏輯結構、語言表達、創(chuàng)新性和實際應用價值。例如，通過Transforms模型，檢測畢業(yè)論文中的語言錯誤、語法問題，以及邏輯不一致之處，并提供相應的改進建議。通過比對海量數(shù)據(jù)庫中的學術論文（設計），評估學生論文（設計）的創(chuàng)新性和原創(chuàng)性，檢測潛在的抄襲行為，確保論文（設計的學術誠信和創(chuàng)新價值。

2.研究過程全面評價的未來發(fā)展方向

通過RNN等機器學習算法分析學生的研究過程數(shù)據(jù)，如實驗數(shù)據(jù)、進度報告、學習日志等，評估學生的研究能力和過程管理能力。通過分析學生的任務完成情況和時間節(jié)點，評估其是否具有良好的計劃性和執(zhí)行力，評估學生在研究過程中遇到的問題和解決問題的能力。

整合多維度的評價數(shù)據(jù)，包括論文（設計）內容、研究過程、導師評價、同行評議等，形成綜合評分，確保評價的全面性和客觀性。結合文本分析結果、進度數(shù)據(jù)和能力評估，給出綜合評分和詳細評價報告。

3.客觀和一致性評價機制的未來發(fā)展方向

對不同類型的論文（設計）和研究過程建立相應的評分模型，進行科學的評價。通過人工智能的自動化和標準化評價，減少人為主觀因素的干擾，確保評價結果的客觀性和一致性。

多維度智能評價系統(tǒng)的發(fā)展有望提高本科畢業(yè)論文 （設計）的評價全面性和客觀性。通過整合多種評價維度和智能算法，有望全面、客觀地反映學生的實際能力和研究水平，減少評價的主觀性和片面性。通過詳細的評價報告和改進建議，學生能夠清晰了解論文（設計）和個人能力的優(yōu)缺點及改進方向，有望提高論文 （設計）質量和學生的研究能力。

工智能融入傳統(tǒng)結構防災減災工程專業(yè)本科畢業(yè)論文的設計過程，通過高效的數(shù)據(jù)處理和智能分析能力，有效優(yōu)化研究方法，提升畢業(yè)論文完成質量。

例如，在題為“基于機器學習和物理融合建模的結構力學正反問題研究”的畢業(yè)論文中，學生將人工智能融入傳統(tǒng)的力學正反問題研究領域，建立了一種基于機器學習和物理融合建模的分析方法（如圖②）。該研究不僅使學生的畢業(yè)論文獲得優(yōu)秀畢業(yè)論文（設計）的榮譽，還為學生的后續(xù)博士課題提供了堅實的基礎。人工智能賦能畢業(yè)論文（設計）過程，不僅拓展了傳統(tǒng)土木工程領域研究的深度和廣度，還為學生的學術和職業(yè)發(fā)展奠定了堅實的基礎，展示了人工智能技術在土木工程防災減災領域中的巨大潛力。

圖2

結語

在人工智能技術賦能課題升級的實踐中，畢業(yè)論文（設計）中的課題內涵更加豐富，研究方法更加高效。對人工智能賦能課題選擇、智慧化導師匹配和管理、人工智能驅動進度管理與質量督導、多維度智能評價等未來發(fā)展方向的理念探索，為進一步實踐和推廣提供了理論基礎和探索方向。具體案例的成功，不僅為學生的后續(xù)發(fā)展和課題的深入研究提供了堅實基礎，還為土木工程防災減災專業(yè)的建設提供了寶貴的經驗和借鑒，展示了人工智能賦能傳統(tǒng)課題的巨大潛力。

參考文獻：

[1inWaid 2HuZgi能Cf xonferenoeonknowledgedisoveryamp;datamining，202o1857—1867. [3Y，idi [4HanK，iaoinoafo）

[5]侯慧玉.《化工文獻檢索》與畢業(yè)論文（設計）融合的教改研究[J].廣州化工，2020，48（22）：201-202+214.e