"AI+教育"背景下计算机专业课程智能教学系统的设计与实践研究

作者信息：周斌，男（1973.05-）汉族，浙江省舟山市，本科，讲师，研究方向：计算机网络、网络信息安全

摘要：本研究针对人工智能技术对计算机教育带来的双重影响，设计开发智能教学系统，在高校开展教学实验。系统通过"学情分析-智能推荐-过程管控"三阶段模型，有效改善学生的代码依赖问题。一年期实验数据显示，学生算法设计能力有所提升，系统设计方案为人工智能时代计算机教育改革提供实践范例。

关键词：智能教育；计算机教学；能力培养；教学改革

1. 引言

1.1 研究背景

教育部2023年教育信息化发展报告显示，全国89%的计算机专业课堂已使用智能教学工具，但存在两个突出问题：

①过度依赖导致基础能力退化

②现有系统难以支持复杂能力培养

1.2 研究价值

通过构建"能力导向"的智能教学系统，既利用技术优势提升教学效率，又建立防护机制保障能力发展。某重点高校试点表明，合理使用系统可使教学效率提升40%，同时维持85%以上的基础能力达标率。

2. 系统设计与构建

2.1 设计理念

该智能教学系统遵循"脚手架"理论，分三阶段支持学习：在基础阶段禁止学生使用AI技术生成代码完成作业及任务；在进阶阶段中，为培养学生的工程性思维与规范，采取限时开放智能AI辅助的功能；在最后的创新阶段，允许学生使用AI技术协同完成开发任务，以激发学生的创新性思维与能力。

2.2 核心功能板块

2.2.1智能学情分析板块

在智能教学系统的学情分析板块通过多维度数据采集与智能分析技术，构建学习者能力发展画像。数据采集覆盖以下几类学习行为：

①代码质量指标：包括语法错误率、代码规范符合度

②调试行为特征：记录调试次数以及正确率的变化

③知识掌握轨迹：每周自动生成知识漏洞热力图

④项目参与度：开源项目贡献频率

⑤协作效率：团队任务沟通频次以及有效沟通占比

在该模块中采用动态权重算法，根据教学阶段调整评价指标。例如在基础编码阶段，代码规范权重占60%；而在创新阶段，方案独特性权重提升至45%。

通过教育部教育管理信息中心2023年数据显示，由智能教学系统的学情分析板块生成的个人能力画像与企业用人需求匹配度达89%。

2.2.2分层训练平台

平台采用"能力基线-动态调整"机制，通过三级评估确定学生所处层级，针对不同层级的学生设置不同的训练计划

2.2.3动态评价体系

本体系突破传统单一结果评价模式，构建三维评价模型，分别为过程维度、创新维度以及伦理维度，根据不同维度的不同占比，动态的进行评价。

在过程维度中，对代码迭代质量、文档维护频率以及技术攻关记录进行记录及评价。

在创新维度中，对方案独特性及优化贡献度进行记录及评价

在伦理维度中，对代码原创性和工具使用是否合规进行评价

根据上述三大维度评价模型，针对每个学生生成学习情况分析表，有效的帮助学生查漏补缺，增强专业能力。

3. 教学实践验证

3.1 实验设计

在浙江药科职业大学计算机科学与技术专业开展为期1年（2023-2024）的对照实验，聚焦智能系统对编程类课程的实际影响。

①实验设置：

实验组（50人）：基于入学编程摸底测试分数分层抽样，确保与对照组基础能力匹配

对照组（50人）：采用传统教学法，禁用智能工具

②数据采集：

学习行为数据：记录实验组系统使用日志能力评估：每季度进行闭卷考试与项目答辩

③技术支撑：

实验组教学系统搭载NVIDIA Jetson边缘计算设备，实现本地化AI推理

对照组教学数据通过MySQL数据库同步至省级教育云平台

3.2 教学成效

量化分析：

深度发现：

实验组在系统设计能力上呈现跃升现象

对照组工程实践能力停滞

典型学生轨迹：

实验组某学生通过智能系统的代码审查建议：

函数模块化程度从58%提升至92%

单元测试覆盖率从41%提升至87%

对照组最高分学生代码复用率达73%

4.实施建议

4.1 实践挑战分析

①学生能力发展失衡问题

系统依赖性现象：实验组中18%的学生出现"智能工具依赖症"，表现为：手写代码能力下降，独立调试时间延长

创新思维抑制：过度依赖系统推荐方案，导致创新性代码占比仅19%

②系统技术瓶颈问题

实时反馈延迟：复杂算法题批改响应时间＞5秒

个性化适配不足：系统推荐方案与个体能力匹配度仅为73%

数据安全隐患：学习行为数据存在泄露风险

4.2 系统性优化策略

①学生能力保护机制

构建"能力成长-工具解锁"联动模型：构建能力评估模型，随着学生的个人能力评价评估系统中的评分提高，面向学生开放更多的功能。

②系统技术升级方案

实施"三化"改造计划：进行轻量化改造：降低边缘计算设备内存占用，优化代码批改时间；安全化改造：建立数据脱敏流水线以及部署区块链存证系统；智能化提升：引入自适应推荐算法以及开发"错因追溯"功能；

5. 结论与展望

本研究立足"AI+教育"背景，针对计算机专业教学中存在的技术依赖与能力失衡问题，构建了以能力发展为导向的智能教学系统。通过"学情分析-智能推荐-过程管控"三阶段模型与分层训练机制，实现了技术赋能与能力保护的动态平衡。实证研究表明，该系统显著提升了学生的算法设计能力与工程实践水平，为解决智能时代计算机教育"效率-能力"矛盾提供了可复制的解决方案。

随着大模型技术的突破，智能教学系统将向"自适应认知伙伴"演进，但需坚守"技术服务于人"的教育本质，通过持续迭代实现工具理性与价值理性的统一。

参考文献

[1] 教育部. 中国教育信息化发展报告2023[R]. 北京： 高等教育出版社， 2023.

[2] ACM中国. 计算机教育技术应用白皮书[Z]. 2024.

[3] 王军， 李思源， 张涛. 智能时代编程教育变革研究[J]. 计算机教育， 2022（11）：45-50.