生成式AI 赋能吉林省地方高校教学范式重构

一、研究背景

吉林省作为国家重要的汽车产业、光电信息产业基地，亟需高等教育培养符合产业升级需求的创新型人才[1，2]。当前，省内地方高校普遍面临三大困境：一是优质教育资源集中于少数高校，跨校资源共享不足；二是教学模式与产业需求存在脱节，传统课堂难以满足智能制造、卫星遥感等新兴产业对实践能力的要求；三是区域人才流失加剧，教学吸引力需通过数字化转型提升。

生成式 AI 技术为破解上述困境提供了新路径 [3，4]。长春理工大学作为吉林省“双一流”建设高校，其光电信息科学与工程、机械工程等学科与省内长光卫星、一汽集团等龙头企业存在深度产业绑定，具备技术落地的天然场景。生成式 AI 在虚拟仿真实验、跨学科知识融合、产业场景化教学中的应用，既能强化该校“光电特色”办学定位，又能为吉林省高校教学改革提供可复制的经验。

二、传统教学范式的解构

2.1 教学主体关系的重构

长春理工大学传统工科教学中，“教师讲授 - 实验室操作”的二元模式长期存在。生成式AI 推动形成 “教师- 学生-AI”三元协同体系：在《激光原理》课程中，教师从公式推导主导者转型为“问题设计师”，依托 AI 工具生成激光谐振腔仿真场景；学生通过 AI 辅助的虚拟实验平台自主设计参数方案。

2.2 知识传递模式的转型

针对吉林省产业特色，长春理工大学在《智能制造系统》课程中打破教材线性知识结构，利用生成式 AI 构建跨领域知识图谱。学生可通过自然语言交互调取一汽红旗生产线的真实参数、长光卫星相机装配的工艺标准，实现从课本知识到产业实践的网状迁移，知识应用效率提升 40% 以上。

2.3 教学评价体系的革新

传统以考试为核心的评价模式难以适配工科人才培养需求[5]。长春理工大学在《光电检测技术》课程中引入生成式 AI 评价系统，通过捕捉学生在虚拟检测实验中多模态数据，构建包含“工程思维- 创新方案-产业适配”三维度的评价模型，使评价结果与长光卫星等企业的岗位能力要求吻合度提升至 82% 。

三、新范式构建维度

3.1 构建“ AI+ 学科”协同生态

重点推进三类技术融合：一是开发光电领域专属 AI 工具，如基于生成式模型的激光光束仿真系统，解决传统实验设备昂贵、操作风险高的问题；二是搭建“吉浙联合”教学数据平台，整合课程资源、实验数据，通过 AI 实现跨区域知识匹配；三是制定符合军工特色的 AI 规范，在《遥感图像处理》等涉密课程建立数据脱敏与权限管理机制，确保技术应用安全。

3.2 创新产业情境化教学形态

勇于探索三类吉林特色模式：基于 AI 的“虚拟产线”教学，学生通过 AI 生成的故障情境开展沉浸式诊断训练；自适应学习路径系统，针对吉林省农村生源较多的特点，为基础薄弱学生推送简化版光电原理动画，为拔尖学生匹配长光卫星的科研项目片段；跨校协同教研机制，联合吉林工程技术师范学院、长春工业大学共建“AI+ 智能制造”虚拟教研室，共享课例资源。

3.3 完善校地企保障机制

积极构建三类支撑体系：吉林省教育厅设立“ AI+ 教学”专项基金，长春理工大学获500 万元资助用于光电学科AI 实验室建设；建立“高校-企业”数据共享机制，与长光卫星签订协议，将卫星遥感数据脱敏后纳入教学数据库；实施“双导师制”，企业工程师与校内教师共同开发AI 教学案例，如将一汽的智能焊接工艺转化为课堂虚拟仿真模块。

四、实践路径

4.1 特色学科覆盖

初期以长春理工大学光电信息科学与工程专业为试点，开发 10 门AI融合课程；中期向机械工程、计算机科学等学科辐射，形成“光电引领、多学科协同”格局；后期联合省内高校建立“吉林省AI 教学资源联盟”，共享光电、汽车等领域的优质AI 课例。

4.2 教师能力重塑

基础层开展“AI 工具实操”培训，重点提升教师使用 ChatGLM 生成教学案例；进阶层实施“产业场景转化”项目，组织教师与长光卫星工程师共同设计 AI 虚拟实验；高阶层设立“AI 伦理与创新”研修班，针对光电领域数据安全、算法公平性等问题开展专题研讨。

4.3 校地企协同

与一汽集团共建“智能装备 AI 教学实验室”，引入生产线实时数据驱动教学；联合长光卫星开发“遥感图像处理 AI 教学模块”，将卫星在轨数据转化为教学案例；协同吉林省教育厅制定《高校 AI 教学应用指南》，明确与地方产业对接的技术标准。

五、结论

生成式 AI 对吉林省地方高校教学范式的重构，本质是通过技术赋能实现 “教学- 产业- 区域”的价值闭环。长春理工大学的实践表明，聚焦光电、智能制造等区域优势产业，以 AI 技术重构教学主体关系、知识传递模式与评价体系，可显著提升人才培养与产业需求的适配度。这一模式为吉林省高校突破资源约束、强化服务地方能力提供了可行路径，也为东北老工业基地高等教育数字化转型提供了实践样本。

参考文献

[1] 宋宇 ， 许昌良 ， 穆欣欣 . 生成式人工智能赋能的新型课堂教学评价与优化研究 [J]. 现代教育技术 ，2024，34（12）：27- 36.

[2] 穆肃 ， 陈孝然 ， 周德青 . 生成式人工智能赋能教学设计分析：需求、方法和发展 [J]. 开放教育研究 ，2025，31（01）.

[3] 万昆 ， 黄嘉松 . 生成式人工智能赋能跨学科学习实践新图景 [J].天津师范大学学报 （ 基础教育版 ），2025，26（04）.

[4] 郑永和， 王一岩. 生成式人工智能何以赋能科学教育高质量发展[J]. 科学与社会 ，2025，15（01）.

[5] 余亮 ， 邓双洁 ， 张馨月 . 人工智能技术赋能教育的演进脉络、内在逻辑和发展趋势 [J]. 电化教育研究 ，2025，46（06）.

作者信息：陈宇，男（1998.03.15- ），汉族，人，博士研究生，讲师，研究方向：图像处理，模式识别