人工智能背景下《工程力学》课程的教学创新设计

2024年秋季 教师3+1教学创新项目“人工智能背景下《工程力学》课程的教学创新设计”（项目编号cx20241-0108）；

2024年度院级教育教学改革研究与实践项目“创新人才培养模式融合自主学习与个性化教学的研究与实践”（项目编号：CLGC-2024003）；

2024年秋季 教师3+1教学创新项目“生成式人工智能在发动机原理与构造课堂教学中的应用”（项目编号cx20241-0097）

姜楠楠，1986.05，女，山东平原，汉，硕士研究生，讲师，研究方向：工程力学，多学科优化。

摘要：《工程力学》具有概念抽象、理论性强、计算复杂等特点，学生在学习过程中普遍存在理解困难、学习兴趣不足、理论与实践脱节等问题。本文结合人工智能技术，提出一种创新的教学模式，通过模块化教学内容、智能化教学资源、线上线下混合式教学以及生成式AI互动平台，提升学生的学习主动性和实践能力。研究结果表明，该模式能够有效提高学生的课程参与度、学习成绩及工程应用能力，为工科课程的教学改革提供参考。

关键词：人工智能；工程力学；教学创新

1. 引言

《工程力学》作为机械、土木、航空航天等工科专业的核心基础课程，具有理论体系严密、计算过程复杂的特点，对学生的逻辑思维能力和数学基础提出了较高要求。在当前的教学实践中，该课程面临着诸多挑战。首先，由于教学内容高度抽象，学生往往难以将力学理论与工程实践有机结合，导致学习动力不足；其次，传统的"讲授式"教学模式单一固化，师生互动匮乏，难以有效激发学生的学习兴趣；此外，传统的教学手段缺乏智能化支持，无法通过大数据技术分析学生的学习行为特征，因而难以实现精准化的教学策略优化。

随着人工智能（AI）技术的快速发展，教育领域正在经历深刻的变革。AI技术在教学资源优化配置、学习行为智能分析、个性化学习辅导等方面展现出巨大潜力，这为工程力学课程的教学创新提供了全新的思路。

2. 人工智能在工程力学教学中的应用

2.1 模块化与精细化教学内容设计

传统工程力学课程内容体系庞杂，知识点之间关联性不强，碎片化的知识结构不仅增加了学生的学习负担，也不利于培养学生系统性的工程思维能力。

通过智能图谱分析和学习路径规划，教师可将课程内容分为基础理论、数值模拟和工程案例三大有机联系的模块，并对每个模块的知识点进行精细化拆解，形成循序渐进、前后呼应的递进式学习路径。在具体实施层面，基础模块聚焦静力学、材料力学等核心理论。专题模块则借助ANSYS等有限元仿真软件和虚拟实验平台，让学生在数字化环境中直观理解力学原理的实际应用。提升模块通过引入桥梁受力分析等真实工程案例，引导学生运用所学知识解决复杂工程问题。这三个模块从理论认知到实践应用逐步深入，符合学生的认知规律，有效培养其工程实践能力。

2.2 智能教学资源的开发与整合

在人工智能技术的支持下，工程力学课程可以构建系统化、智能化的数字化教学资源体系。首先，通过AI辅助的微课视频制作系统，教师可以针对课程中的重难点，生成短小精悍的讲解视频。这些微课视频不仅包含传统的理论讲解，还能通过AI算法自动嵌入三维动画演示和交互式问答环节。同时，基于学习行为分析的智能推荐系统可以根据每位学生的知识掌握情况，在课前预习和课后复习阶段推送个性化的微课视频组合，实现精准化的学习支持。

其次，借助AI技术可以打造虚实结合的实验教学环境。一方面，通过MATLAB、COMSOL等数值模拟软件构建的虚拟仿真实验平台，可以高度还原真实力学实验场景，让学生在安全的环境中反复练习；另一方面，AI驱动的智能实验指导系统能够实时分析学生的实验操作数据，提供即时反馈和优化建议。这些AI赋能的数字化资源不仅解决了传统教学资源单一、互动性差的问题，还能通过持续的学习数据分析，为教学改进提供科学依据。

2.3 线上线下混合式教学模式

基于AI技术构建的"课前—课中—课后"三位一体混合式教学模式可以实现教学全流程的智能化重构。在课前阶段，学生通过AI微课进行自主预习，系统自动分析预习数据并生成学情报告，帮助教师精准调整课堂教学重点；在课中环节，采用"问题导向+小组讨论"的互动教学模式，结合AI实时测验工具（如课堂智能抢答系统）即时检测学习效果，显著提升课堂参与度；在课后巩固阶段，AI系统根据每位学生的知识掌握情况智能推送个性化作业，并依托虚拟仿真实验平台提供针对性的强化训练，形成完整的学习闭环。

这种智能化的混合教学模式不仅实现了教学过程的精准化和个性化，更通过AI技术的深度应用有效提升了学生的学习效率和工程实践能力。

2.4 生成式AI辅助师生互动

基于人工智能对力学课程的创新改革，通过整合文心一言、ChatGPT等先进的大语言模型可以实现三大核心功能。

首先，在即时答疑方面，学生可以随时提出"如何理解梁的弯曲正应力分布"等专业问题，AI不仅能够提供详细的文字解答，还能自动生成示意图和计算示例；其次，在学习行为分析维度，系统通过持续采集学生的提问内容、答题表现等数据，运用机器学习算法构建个人学习画像，精准预测知识薄弱点并推荐针对性学习方案；更重要的是，系统特别设计了创新思维培养模块，通过设置"优化建筑结构抗震性能"等开放式工程问题，引导学生与AI展开协作探究，AI会模拟工程专家的思维方式，逐步启发学生考虑材料选择、结构形式、连接节点等多重因素，培养系统性的工程思维能力。

3. 预期教学效果分析

首先，通过引入工程案例教学和虚拟仿真技术，将抽象理论转化为直观可视的实践场景，大幅提升学生的学习兴趣和参与热情，课堂互动率预计可提升40%以上；其次，借助智能化学习辅导系统和自适应测试平台，能够精准诊断每位学生的知识盲区并提供个性化训练方案，预期可使班级平均成绩提高15%-20%，课程及格率提升至90%以上。

在实践能力培养方面，通过虚实结合的仿真实验和真实工程案例训练，学生的工程建模能力和问题解决能力将得到系统性提升，超过80%的学生能够独立完成复杂工程问题的分析计算；更重要的是，基于生成式AI的开放式探究学习将有效激发创新思维，通过人机协作解决"结构优化"等挑战性课题，培养学生的批判性思维和创新能力，为未来工程实践奠定坚实基础。

4. 结论

通过模块化教学、智能资源整合、混合式教学和生成式AI互动，有效解决了《工程力学》传统教学中的问题。该模式不仅能提高学生的学习效果，还能培养其工程实践能力和创新思维，为工科课程的教学改革提供了新思路。未来，可进一步探索AI与虚拟现实（VR）、增强现实（AR）的结合，以打造更沉浸式的工程力学学习体验。

参考文献：

[1]姬建敏，王琪. 困境与突围：人工智能赋能学术期刊知识服务的技术架构[J].科技与出版 . 2023 （8）：49-55.

[2]李彦京. 学术期刊高质量发展中生成式人工智能的运用[J].出版广角 . 2023 （12） ：77-80.