“AI 赋能 + 思维进阶”双核心引领：人工智能时代计算机课程教学改革的新范式探索

1 引言——AI 浪潮下的教育挑战与机遇

深 度 学 习 驱 动 的 GenAI[1]（ 如 ChatGPT、DeepSeek[2]-Coder、GitHubCopilot）正深度渗透计算实践，不仅高效完成代码生成、调试与文档撰写，更重塑了编程工作流。这对大学计算机教育提出根本性拷问：传统“手写代码”熟练度、记忆性知识的价值急剧下降；人才需求从“能写代码”转向“定义问题、驾驭AI、评估方案、创新应用”；现有课程仍沿袭“知识灌输 + 技能训练”模式，对AI 工具反应迟钝；学生已广泛使用AI 完成任务，课程里若无视或禁止，易引发学习积极性受挫与学术诚信问题。

2. 人工智能现状与高校计算机课程痛点分析

2.1 人工智能现状及其对计算实践的影响

当前人工智能领域中，代码生成与辅助工具已成为开发者日常工作的“标配”，Copilot、ChatGPT 等工具如同“副驾驶”般极大提升基础编码效率，既改变了编程入门门槛，也重塑了传统工作流；在此背景下，问题理解与抽象能力愈发凸显，因为有效利用 AI 的前提是能清晰、精准地描述问题，而这离不开深刻的问题理解与抽象建模能力；同时，调试、验证与批判性评估能力也至关重要，由于 AI 生成的代码或方案可能存在错误、低效、安全漏洞或与需求不契合的问题，亟需开发者具备强大的调试、测试、性能分析及批判性评估能力；此外，创新与跨领域应用则成为新前沿，AI 降低了技术实现门槛，使得将计算思维与 AI 能力应用于医疗、生物、药学、社会科学等非计算机领域以解决实际问题，变得更为可行且重要。

2.2 高校计算机课程现状与核心痛点

当前高校计算机课程存在多方面核心痛点：一是课程内容滞后，部分内容陈旧，未及时融入AI 工具使用等新知，基础知识讲授也未与AI 能力有机结合；二是教学目标偏移，过度强调语法细节，忽视AI 辅助下的创新思维培养；三是教学方法单一，以教师讲授、学生被动接受及独立编程作业为主，缺乏引导学生用AI 工具探索、协作、迭代及解决开放式跨学科问题的设计；四是实践环节薄弱，实验与项目多为小型孤立的理想化题目，与 AI 解决真实复杂问题场景脱节；五是评价体系僵化，考核以侧重记忆的闭卷笔试和手工编码的独立编程为主，未有效评估学生用AI 解决问题的能力、批判性思维、创新力及协作水平；六是师资能力鸿沟，部分教师不熟前沿AI 工具，缺教学中整合AI 的经验方法。

3. 教改核心理念——AI 赋能与思维优先

本教改方案的核心在于确立并贯彻两大支柱理念：AI 作为核心赋能手段；思维培养作为终极目标。

将 AI 作为核心赋能手段。正视 AI 工具的作用，GenAI 工具视为学习与开发环境的标准组成部分，而非作弊工具，教学活动和项目设计应默认学生在 AI辅助下完成；其次，教授学生有效驾驭AI 的技能；最后，要求学生理解底层原理，这样便于更好地指导、约束和评估 AI，而非替代 AI 完成基础操作。基础知识的教学需紧密围绕如何利用这些知识去有效驾驭AI 和进行系统级思考。

将思维培养作为终极目标。将教学重心转向培养学生在 AI 环境下不可或缺的计算思维、批判性思维、系统性思维、创新思维和设计思维；让“教会思考”的理念贯穿始终，所有教学活动、项目设计、评价反馈都应以激发、引导和评估学生的思维过程为核心，而非仅仅关注最终产出。

4. 系统性教改方案设计

4.1 课程体系重构——构建 ⁶⁴AI+^[3] 思维”融合的金字塔

基础层：“计算思维与 AI 赋能导论”替代传统“计算机 / 编程导论”, 建立计算思维核心概念（分解、模式、抽象、算法）, 同时教授有效使用 AI 工具完成基础任务（简单编程、数据处理、信息检索）, 并引入AI 伦理、Prompt 基础;强调“用AI 学思维，用思维控AI”。

核心层：将传统核心课程进行深度改造。默认学生掌握基础 AI 工具使用，课程项目设计要求综合运用 AI ；目标重点转向理解原理为何及如何指导 AI 应用和系统设计，例如，数据分析/ 编程类课程中重点分析AI 生成算法的复杂度、适用场景、优化可能，动手实践则侧重利用AI 实现算法并分析其优缺点；并增加“AI 工具在本领域的应用”模块，强调概念模型和设计权衡。

拓展层：强化跨学科应用课程。开设“计算 +X”课题实践项目，以真实跨领域问题驱动，重点训练学生如何定义问题、选择并整合适当 AI/ 计算技术、评估方案影响。

顶峰层：强化课程大作业或综合任务。强制要求在项目中深度、透明地应用 AI 工具，重点评估问题定义的创新性、技术选型（含 AI 工具）的合理性、系统集成的复杂性、解决方案的有效性及批判性反思（包括 AI 使用的得失、伦理考量）。

4.2 教学方法革新——从讲授到引导，从孤立到协作

“AI 协作者”模式 [4] ：课堂和实验环境默认提供并鼓励使用AI 工具，教学活动设计围绕“人-AI 协作”，将“填鸭式”学习转变为“基于问题/ 项目”的学习。开设项目要强调真实性、开放性、复杂性、跨学科性，问题应无标准答案，需探索多种AI 辅助解决方案路径；在研究过程中，教师角色转变为引导者和思维教练，重点指导学生如何定义问题、拆解任务、设计 Prompt、评估 AI 输出、迭代优化、整合方案、反思过程，组织学生讨论“AI 方案的优缺点？潜在风险？”等问题；最后，要求学生详细记录AI 使用过程，并编写深度反思报告。

翻转课堂与研讨式教学：利用 AI 工具帮助学生课前自学基础知识和技能点。课堂时间用于深入讨论核心概念、设计难题、评估不同 AI 方案、进行代码/ 设计审查、探讨伦理困境。

AI 辅助的个性化学习：利用 AI 工具为学生提供个性化的练习题目、学习路径建议、即时反馈，教师聚焦于解决深层困惑和思维引导。

5. 未来与展望

人工智能不是计算机教育的颠覆者，而是重塑教育目标、内容与方法的强大催化剂。将 AI 工具深度融入教学环境，并非降低标准，而是将宝贵的师生精力从低阶、可自动化的技能训练中解放出来，投入到更具价值的高阶思维培养和复杂问题解决中。本研究所提出的教改方案，以“教会学生使用人工智能手段，教会他们去思考”为灵魂，通过课程体系的重构、教学方法的革新、实践范式的升级、教师角色的转型，系统性地回应了 AI 时代对应用型计算机人才的新要求。

参考文献：

[1] ACM/IEEE-CS. Computing Curricula 2023: GenAI Edition

[2] DeepSeek. 智能编码白皮书 .2024

[3] 教育部. 人工智能赋能教育专项行动计划.2025

[4] Brown,T. 等 . 人机协作设计思维 [M]. 机械工业出版社 ,2023

[5] 陈渝等 .AIGC 时代计算机教育转型路径研究 [J]. 中国电化教育 ,2024(3)

作者简介：

第一作者：史智慧，女，讲师，研究方向为计算机应用技术，527990024@qq.com通讯作者：翟玉萱，女，特聘副教授，研究方向为医药大数据与人工智能，278763282@qq.com