AI 赋能课程资源建设与个性化智慧教学改革研究与实践

一、引言

在知识爆炸与产业变革的双重驱动下，传统教学模式面临资源碎片化、学习同质化、评价滞后性等结构性困境。《机器学习》课程作为人工智能领域的核心课程，其教学内容与 AI 技术天然同源，成为探索“以技术反哺教学”的理想试验田。本研究依托2024 年辽宁省教改项目，以三大图谱为骨架、AI 技术为神经中枢，构建从资源重组到个性化学习的全链条改革框架。通过将机器学习算法应用于教学诊断本身，实现“教研共生”的闭环创新，推动课程从经验驱动向数据驱动的范式转型。

二、三大图谱与智能技术的融合实践

课程改革的核心在于构建知识图谱、问题图谱与能力图谱的有机体系。知识图谱借助大语言模型解构课程内容，将教材、论文、案例等资源整合为多级关联的动态网络。问题图谱在此基础上设计阶梯式问题关卡，从基础概念辨析延伸至算法调优实践，紧扣布鲁姆认知层次理论，支撑学生渐进式深度学习。能力图谱则聚焦人才培养目标，将抽象的能力要求转化为可观测指标，使教学目标具象化、可测量。三者形成“知识奠基 - 问题牵引 - 能力达成”的育人闭环，为后续智能推荐提供逻辑基础。

基于图谱体系，个性化学习路径的生成依赖于动态学习画像。采集学生作业、测试、平台交互等多元数据，应用聚类算法与神经网络模型生成三维画像：知识掌握度量化具体知识点理解水平，认知风格分析揭示学习偏好，能力短板诊断定位实践薄弱环节。当学生在问题图谱中卡在“过拟合诊断”关卡时，系统自动推送正则化技术视频解析与交叉验证案例，实现“千人千面”的自适应学习。

智慧教学环境的构建聚焦人机协同效率提升。24 小时 AI 学伴采用RAG 技术，将课程专属资源库与大语言模型结合，有效解决通用聊天机器人存在的领域知识幻觉问题。当学生提问“SVM 的核函数如何选择”时，系统优先检索本地化教材与案例，生成精准解答而非泛化论述。智能助教系统则承担代码自动批改、学习诊断报告生成等机械劳动，释放教师精力至高阶教学设计。教学管理端的可视化交互平台实时呈现群体学情热力图，教师可快速识别共性难点动态调整授课重点，形成“教学-反馈- 优化”的敏捷闭环。

三、数据驱动的教学质效提升

在资源建设维度，图谱化重组使碎片化知识转化为系统网络。《机器学习》课程建成覆盖 181 个知识点、120 道阶梯式问题、16 个工程案例的结构化资源池，资源利用率较传统 MOOC 提升 25% 。教材《大数据模型与应用》、《数据科学导论》（清华大学出版社）的出版，既是图谱构建的源头素材，又通过教学实践反哺内容迭代，形成“教研相长”的良性循环。

学习效果提升体现于多维度数据，平台行为分析显示学生平均学习效率提升 41% ，高阶能力达标率从 58% 跃升至 82% 。2023-2024 学年课程评教优良率稳定在 90% 以上，学生反馈“问题关卡引导自主探究”“AI 学伴及时破解学习盲点”成为高频评价。技术落地层面，项目研发的《面向学情监测的智慧教学平台》获软件著作权，采用轻量化领域模型实现本地化部署，破解高校普遍面临的算力瓶颈。

教学模式的革新同步激活教师角色转型。教师从知识传授者转变为学习导航者，依托学情热力图开展精准教学干预。在“聚类算法”单元教学中，系统预警 30% 学生混淆 K-Means 与 DBSCAN 原理，教师随即设计对比实验课，通过可视化聚类过程深化理解。这种数据驱动的教学决策使课堂效率提升，印证了AI 与教师专业智慧协同的价值。

四、破解教育痛点的技术路径

本改革的根本创新在于构建“课程 - 技术”同源生态。将课程讲授的机器学习算法应用于学习行为预测模型开发，使教学场景与技术研发形成闭环。学生通过课程设计作业参与 AI 助教系统优化，其提交的代码经筛选后嵌入平台，真正实现“学以致用、用以促学”。

三大图谱的层级设计突破了单一知识图谱的局限。问题图谱将离散知识点转化为问题解决链条，能力图谱则对接新工科“复杂工程能力”

培养要求，例如在推荐系统中关联“商业需求分析 - 数据采集 - 模型部署”全流程能力节点。这种设计使课程目标从知识传递升维至能力生成，呼应了产业对应用型人才的核心诉求。

技术方案的轻量化特性保障了推广可行性。采用“RAG + 领域微调”模式替代全参数训练，使系统在普通服务器即可运行。知识萃取引擎仅需 2 周即可完成专业课程适配，为《数据挖掘》《Python 分析》等课程的改革提供技术模板。校企协同机制进一步加速方案落地，与中软国际共建的实训平台已实现学情数据与企业项目的双向流通。

五、结论

本研究证实，AI 驱动的课程改革核心价值在于重构“教”与“学”的互动逻辑。通过知识图谱实现资源的结构化重生，依托学习画像促成个性化学习路径，借助智能环境释放教师创造力，三大创新层层递进直指教育本质——从规模生产转向因材施教。本研究形成的轻量化工具链与跨课程推广机制，为应用型高校提供了数字化转型的可行范式。未来将在跨课程能力追踪、拓展产教融合场景和构建动态资源进化机制等方面进一步探索。

参考文献

[1] 文雯 . 人工智能赋能高等教育的新思考 [J]. 北京教育 ( 高教 ),2025,No.1065(03).

[2] 陈向涛, 申传璞, 桂双英. “新医科”背景下人工智能赋能中药学课程教学思考与实践 [J]. 安徽中医药大学学报，2025,5(08):76-83.

[3] 冯右骖, 孙晓庆.“人工智能 + 数字孪生”协同赋能水力学课程教学模式探索 [J]. 高教学刊 ,2025,11(23):119-122.

[4] 王艳丽 . AIGC 赋能职业院校课堂变革的实施路径研究 [J].四川职业技术教学院学报 ,2025,35(04):58-63.

[5] 李静, 刘蕾. 技术赋能的高等教育规模化教育与个性化培养：逻辑必然与实践机理 [J]. 中国电化教育 ,2021,No.415(08).

[6] 王家华. AI 赋能教育教学数字化改革的智慧教学新模式[J].辽宁高职学报 ,2025,27(01):38-42.

作者简介：

姓名：魏惠梅，出生年月 1984.01.02，女，汉族，籍贯：福健省南平市，所在院校：，职称：讲师，学历 : 硕士，研究方向：机器学习、深度学习、计算机视觉等。

姓名：孙建言，出生年月 1983.4.18，男，汉族，籍贯：辽宁省大连市，所在院校：学院，职称：副教授，学历 : 硕士，研究方向：算法分析，人工智能。

姓名：李瑶，出生年月1989.3，女，汉族，籍贯：辽宁省瓦房店市，所在院校：，职称：副教授，学历: 研究生，研究方向：数据挖掘、自然语言处理。

姓名：李思慧，出生年月 1991.1.21，女，汉族，籍贯：辽宁省海城市，所在院校：，职称：讲师，学历: 硕士，研究方向：数据可视化、机器学习。

姓名：李健，出生年月1998.03.24，男，汉族，籍贯：辽宁省大连市，所在院校：信息科学与技术学院，职称：助教，学历: 硕士，研究方向：大数据分析，机器学习，数据采集。

基金项目：

课题来源：2024 年普通高等教育本科教学改革研究项目；课题名称：AI 驱动下三大图谱赋能的个性化智能化教学改革研究与实践- 以《机器学习》课程为例；课题编号：XJG202432；

课题来源：校级智慧课程培育建设项目，课题名称：机器学习。