《人工智能通识》智慧升级：以三大范式改革，驱动AI通识教育与专业建设深度融合-AI Express News

引言

人工智能浪潮下，教育如何应变？浙江工贸职业技术学院人工智能学院交出了一份系统性的答卷。本学期，《人工智能通识》完成智慧课程建设和上线，覆盖51个班级、2056名跨专业学生，其背后是一场以三大教学范式改革为核心、旨在赋能专业建设的智慧课程实践。

《人工智能专业引擎》课程主页

范式改革一

从“静态叙述”到“动态呈现”

让知识“活”起来

一门“人人用得上”的AI课程，如何服务“跨专业”学生？

面对专业背景各异、AI基础不一的学生群体，一成不变的教法必然行不通，该课程精心设计“七大模块、三类项目、多样任务”，构建了“任务驱动—技能操作—原理探究—素养延展”的螺旋式教学路径，从AI概述、图像识别、自然语言处理、AI模型到推荐系统，最终聚焦于前沿的智能体与未来工作流，层层递进，让学生一步步掌握AI的实际应用。

《人工智能通识》课程模块设计

三类项目

让AI与每个专业“无缝对接”

为了让AI学习“接地气”，该课在教材方面设计了极具针对性的三类项目：

（1）通用类项目

如“AI赋能职业形象塑造”“AI助力办公自动化”，面向全专业，强调AI工具的普适性与实用性。

（2）文科类项目

如“AI助力文旅营销”“AI优化市场宣传”，聚焦表达创意与服务设计，让AI成为文科生的“创意加速器”。

（3）工科类项目

如“AI驱动机器人控制”“AI在制造业应用”，突出智能控制与流程优化，为工科生搭建通往智能制造的桥梁。

《人工智能通识》教材项目设计

人脸检测

知识图谱

为每个学生绘制“AI学习地图”

在传统教学中，知识点往往是零散的，但在这门课程中，知识图谱成为了连接所有知识点的“神经网络”。它不再是简单的目录，而是一个动态的、可视化的知识网络。

（1）全局视野，清晰定位

学生打开知识图谱，就能清晰地看到从“AI概述”到“智能体设计”的完整学习路径，以及各个知识点之间的关联。例如，要设计一个智能客服，需要先掌握“自然语言处理”和“推荐系统”等相关知识。

《人工智能通识》知识图谱

范式改革二

从“单向灌输”到“双向互动”

让课堂“暖”起来

该课程构建了“教师-学生-AI”三元协同的教学范式，让课堂不再是教师的“独角戏”，深刻改变了教与学的路径。

师生机三元协同

教师端应用路径

从“讲授者”到“引导者”的赋能之旅

（1）课前：智能备课

教师利用AI工具与资源库，快速生成个性化教学方案与素材，让备课效率大幅提升。

（2）课中：灵活调度

教师可灵活调度“AI讲伴”进行标准理论讲解、参与课堂辩论或提供个性化辅导，将课堂时间用于更具创新性的思维启发与深度互动。

教学数据实时采集：课程借助AI收集整理教学运行数据，让课堂行为实现可视化分析，教师精准掌握每个学生的学习状态，及时调整教学节奏。

开课数据

课堂互动+任务驱动：每堂课都嵌入操作任务、图文选择和AI体验式操作，让学生在“做中学”，兼顾知识掌握与技能训练。

机电2501班学生活跃人数趋势

机电2501班学习数据

（3）课后：精准研判

“智能批改”为作业提供多维度诊断报告；“学情预警”系统则通过动态学生画像，精准定位班级共同的薄弱点与学生个体的疑难点，让教学调整有据可依。

多样化AI功能助力课后教学

学生端应用路径

从“依赖工具”到“赋能思维”的成长阶梯

（1）课前：数字人微课+知识图谱，开启个性化预习

该课程告别传统的“一刀切”式预习，学生通过雨课堂平台就可以随时观看由数字人主讲的微课，对即将学习的模块建立初步认知。

更关键的是，学生可以借助知识图谱，提前了解知识点之间的关联，明确学习重点和难点，带着问题走进课堂。

在AI学习空间，“知识检测员”还会根据知识点学习情况推送个性化题目，让预习从“被动接收”变为“主动探索”。

《人工智能通识》数字人微课

AI学习空间

（2）课后：AI学习伙伴登场，开启深度探索与个性化陪练

学习在课后并未停止，而是进入了更智能、更个性化的深度探索阶段。课程平台为学生配备了三位强大的“AI学习伙伴”：

24小时智能学伴：激发集体智慧

学生可以随时与“AI学伴”对话，无论何时何地，学习上的困惑都能得到即时响应。该课程开课一个月，学生使用24小时智能学伴的总时长已超过100小时。

24小时智能学伴

苏格拉底式智能体：引导深度思考

对于课程的核心概念和复杂问题，学生可与“苏格拉底式智能体”进行一对一对话，智能体不会直接给出答案，而是模仿苏格拉底的教学方式，通过不断提问、反问和引导，帮助学生审视自己的逻辑漏洞，激发批判性思维和独立思考能力，真正实现“知其然”，更“知其所以然”。

苏格拉底式智能体

AI陪练：实现技能内化

针对各知识点的掌握情况，AI陪练化身为一位智能出题官，根据学生的知识图谱和学习进度，智能生成自测题目，模拟真实任务场景进行考核。学生提交答案后，系统会即时反馈与纠错，记录学生的学习数据，通过反复的针对性练习完成技能的巩固和内化。

AI陪练

范式改革三

从“固定内容”到“进化生态”

让课程“长”起来

以AI通识为引擎

赋能专业集群建设

该课程改革的深层目标是以AI通识教育为突破口，反推专业建设的系统升级，回应“培养模式如何对接产业需求”“专业群之间如何协同构建生态”两大核心挑战，通过 “课程群引擎” ，将通识素养无缝注入各专业血脉。

（1）交叉知识图谱构建跨学科链接

不仅梳理AI知识，更将其与各专业课程知识点关联，可视化呈现AI在特定领域的应用逻辑，为学生构建“AI+专业”的融合知识体系。

交叉知识图谱

（2）专属学习路径促进大规模因材施教

通过“预置模板+输入问题+学情背景”，由AI动态生成专属学习路径，为每位学生规划适配其专业发展的成长路线，实现从“批量培养”到“精准赋能”。

个性化学习路径

教学共同体协同

用AI思维，打造AI课程

为了保障课程群的高质量运行，人工智能学院组织了26位任课教师及教材撰写团队，共同组建了一支特殊的“教学共同体”。他们的集体备课，本身就是一场生动的“AI实践”。

（1）项目驱动备课：像设计智能体一样设计课程

团队在备课时并非空谈理论，而是围绕一个个具体的项目任务展开。无论是“AI赋能职业形象塑造”还是“AI驱动机器人控制”，教师团队会像产品经理一样，拆解项目目标、分析学生可能遇到的难点、设计引导性的任务链。这种“项目驱动”的备课模式，与课程中教授的“智能体设计”思路异曲同工，确保了课程内容的前沿性和实用性。

（2）数据驱动迭代：让教学“自我进化”

每周的集体备课，也是一个“数据复盘”的过程。老师们通过分享并分析雨课堂平台上的教学数据，精准判断哪些教学环节效果最好，哪些知识点学生普遍感到困难。教师团队基于这些数据，共同调整教学策略、优化案例素材，让课程体系像AI模型一样，在反馈中持续迭代和进化。

（3）人机协同备课：探索AI助教的无限可能

教学团队也将AI工具融入备课流程，利用AI生成多样化的教学案例、辅助设计项目评价标准，并模拟学生视角来检验教学设计的合理性，大大提升备课效率。

课程未来将依托“AI助教+能力图谱+学习路径推荐”实现进一步智能化升级，而课程团队在备课过程中利用AI工具解决真实世界的问题——这也恰是人人普及“AI素养”模式的生动体现。