基于生成式AI 的计算机网络实训教学创新研究

1 研究背景与目的

AI 技术，特别是生成式 AI，正深刻变革教育领域。其强大的内容生成与互动能力，为职业教育实践教学，尤其是中职计算机网络技术专业，提供了突破传统困境的新途径。当前，该专业实训面临教学资源更新滞后、师生比失衡导致个性化辅导不足、实训设备昂贵且更新慢、实验场景单一等挑战，难以满足数字经济下对复合创新型网络技术人才的需求（如掌握云计算、SDN 等新技术）。2025 年教育部《职业教育信息化进展综述》强调，人工智能深度应用是提升实训体系的核心。

本研究聚焦生成式 AI，旨在创新性构建应用于中职网络专业实训的解决方案，包括虚拟仿真环境、智能问答、自适应反馈机制及技术伦理教育。目标在于有效缓解设备短缺、使用困难等问题，提升实训效果与学生学习热情，形成可推广的应用方案，为中职实践教学提供参考。

2 生成式AI 在计算机网络实训教学中的应用现状

2.1 国内外研究现状

近年来，生成式 AI 技术在全球教育领域的应用呈现快速发展态势。国内外学者普遍认同生成式 AI 对教育产生重大影响，并呼吁其应用于职业教育。李秀在研究中指出，“生成式人工智能技术的出现，给高校教育教学带来了重大变革”[1]，发达国家如澳大利亚已将其纳入教育管理体系，视其为“前所未有的机遇与挑战” [2]。国内高校（如清华大学）积极实践“人机双师”协同教学。研究显示，生成式AI 对专业教学的影响是多维度的，体现在：

技能导向： 从知识传授转向能力培养（如模拟网络攻防环境）。

智能交互： 由单向输出转变为支持提问与即时反馈的智能对话动态资源： 实训案例能根据学情实时调整难度。

周兴社等研究指出，生成式 AI 对专业教学的影响呈现多维度特征 [3]。其在问题生成、解决（如智能问答、代码生成）及虚拟仿真弥补设备不足等方面具有潜力，可为中职提供借鉴。2025 年教育信息化政策大力推动AI 赋能实训，智能化教学场景建设加速。

然而，现有研究多集中于高校，针对中职特点的系统性方案较少，且需解决课程对接、伦理风险预警等关键问题。

2.2 中职实训现状与挑战

中职网络实训面临严峻挑战，难以匹配行业对“技术创新 + 应用意识”复合型人才的需求：

资源匮乏与陈旧： 经费限制导致设备更新滞后于技术迭代，学生常使用淘汰设备，无法接触云计算、SDN 等新技术。静态组网平台无法模拟真实动态环境，制约实践能力提升（刘俊霞）[4]。

教学方式单一： 多为教师演示 - 学生模仿，缺乏个性化指导和分层教学，易致基础薄弱学生形成错误理解。企业案例融入不足，校企协同育人效果不佳，学生缺乏企业级网络设计、部署与排障能力。

评价反馈滞后： 侧重结果评价，忽视过程表现。手工批改效率低，难以及时发现共性问题和提供针对性改进指导，不利于技能提升。

技术伦理教育缺失： 对生成式 AI 等新技术带来的监管、依赖、信息安全等风险关注不足，课程设置缺乏对学生行为的有效引导。

核心原因在于现有实训模式难以满足智能化时代要求。亟需融合先进技术手段，构建新型实训体系。

3 基于生成式AI 的计算机网络实训教学创新设计

3.1 生成式 AI 在实训教学中的具体应用方案

针对计算机网络技术领域实践教学中，生成型人工智能应用策略制定时需要符合中等职业教育特点，攻克传统实训环节重点难点问题，在前期调研的基础上，该文从虚拟仿真实训环境建设、智能化辅助教学、个性化评价反馈及技术伦理教育等四个方面提出了路径规划方案，实现技术和教学的深度融合。

（1） 智能化的虚拟仿真环境生成是重点环节。对于实训设备少、场景少等问题，用生成式 AI 动态生成网络拓扑，自动生成符合教学进程的不同难度等级的实验场景（由简单得局域网搭建、到加入防火墙、VPN 等的企业级网络搭建等）。教师可以根据自己的教学进度安排自动生成不同的场景。如果老师用“构建支持 IPv6 的园区网络”这样的自然语言告诉系统想要实现的功能，则可以立即创建出所需的虚拟实验环境，并且能创建更多细节化的具体实施方案；教师还可以批量生成一批故障点注入实例来反映实际生产过程中的可能发生的包括网线松动、配置错误等所有容易发生故障的问题。

（2） 智能辅助教学突破师生互动瓶颈。利用集成知识图谱的问答系统让学生可以通过语音或者文本形式直接对实训中所碰到的问题进行提问（例如：“交换机端口如何配置 VLAN”）；生成式 AI 可以基于专业课程内容库，对学生进行分步骤的操作引导并以具体文字和图形信息呈现方式呈现知识点；当出现一些比较难的问题时还可以自动生成可视化操作流程图，以便学生更好地去了解各种的网络协议是怎样进行交互的；教师可以将经典案例导入至共享的知识库，形成教学资源池也随时进行更新。

（3） 个性化评价反馈机制是方案创新点。根据学生实训操作日志信息，由生成式 AI 自动提取 IP 地址、配置错误率高的点、路由协议错误较多的内容等，并给出学生对应的个性化改进建议（比如：通过配置 3 个不同子网练习、完成 3 次不同子网划分实践命令识别、完成3 次不同子网划分实操判读等改进建议），相关练习任务以及微课学习内容推荐；针对进阶学生还可以结合实际行业项目案例，提出如云计算环境下基于实际业务的组网架构设计等练习任务；教师端可形成可视化学情报告，了解班级全体学情概况和个体差异，支撑教法改进。

（4） 技术伦理教育融入实训全过程。基于“人工+AI”的思路，实行“人工+AI”双轨制，教师保留干预权，使用过程中可能出现存在违规的情况，如弱密码，系统都会检测出来并作出相应的提示，并且系统也可以输出给教师相应网络安全意识教育的内容；教师可以根据学生的 AI 使用日志记录，对学生个人进行反思和自我检查教育、培养学生的自我自觉性、养成良性的反思和检查习惯。

3.2 网络专业的实训教学创新实践

在东莞经贸学校网络专业实训教学中，生成式 AI 技术创新实践主要从上述四个方面展开，充分发挥了生成式 AI 的优势，很好地解决了传统教学中存在的重点、难点问题。针对没有实际的实训设备问题，开发了一个动态网络拓扑生成系统。只需要输入“设计一个包含三层交换机的企业网络”之类的指令，AI 就可以自动生成实训需要的虚拟化实验环境，同时也可以让学生自行设置相关参数。2025 年春季学期，在数字化与虚拟化的手段下，这个平台已经可以很好地模拟出云计算、IPv6 过渡等技术场景，真实程度能够跟上前沿技术发展步伐。

构建了基于知识图谱的智能辅导系统，其内嵌的各类知识点正是当前网络设备配置、故障排查等涉及的核心技能点，当学生实训中出现问题时，可以运用熟悉的汉语提问（ 如：“如何排查 DHCP 服务故障”） ，AI 自动为其生成图文并列出解决办法流程步骤，并且把 VLAN划分、IP 地址分配等知识点也关联起来，经验证，可以完成 80% 的日常操作答疑工作，使老师可以把精力更多地投入到复杂问题的教学工作中。为了避免学生过于依赖于技术的使用，我们会标记出AI 生成的部分技术内容的可信等级，要求学生自己在过程中去验证这些步骤。

智能化教学中开发了个性学情分析模块，把学生进入虚拟仿真实验平台后的操作行为轨迹数据记录到数据库中，再由 AI 计算机程序自动分析辨别出学生的技能水平状况，例如存在多次出现同样问题的用户，将给这些用户推送基于智能学情分析定制化微课、习题等；进阶学习者将被推送相关真实项目的片断（例如“跨境电商平台的负载均衡配置”）。教师可以实时了解本班总体进度情况热力图，快速定位某一个共性问题学生。通过对上一学年教学情况进行测评发现，在该机制作用下学生实操准确率有了较大幅度提高，并且能够对学生的基础薄弱人群起到很大帮助。

（3）把技术伦理教育注入实训全过程，在网络安全实操实验过程中 AI 实时检测是否有弱口令、明文传输等错误行为，一旦出现 AI 就会产生警示案例，并以“AI 模拟违规后果 -教师讲解原理”的方式引导学生提高职业素养；针对上述问题，学校制定了评价机制：每月将相关情况向师生征集意见，并对 AI 系统的回应方式进行调优；每学期定期补充更新行业案例库，使实训内容紧贴岗位要求。

4 研究结论与展望

将生成式 AI 技术体系化融入到中职学校计算机网络技术专业的实训教学中，在应用中充分检验技术创新赋能教育教学的作用。经过实证分析发现，基于虚拟仿真实验环境的生成式、智能问答、个性化反馈、技术伦理教育融合一体解决方案，能够较好地缓解当前实训设备匮乏、师生交流沟通不畅等现实难题。借助动态网络拓扑生成技术的集成应用，使实训场景更加丰富多彩，学生可以身临其境置身于模拟的真实工作环境中，学习、了解 SDN、云计算等新技术的应用；利用基于熟悉汉语交互的智能辅导系统，能够针对 80% 以上的基础操作类问题做到即时回答，极大程度上降低了老师重复知识点的工作量；个性化学情分析模块可以帮助老师发现哪些技能基础相对较弱的学生需要加强练习，并给予相应的一些建议，在整个班级实操的过程中，准确率能得到提升。

从实施效果来看，生成式 AI 的应用不仅优化了教学资源配置效率，更重塑了实训教学模式。2025 年试点数据显示，学生主动探究意愿增强，尤其在故障排查等复杂任务中表现出更系统的思维逻辑。教师角色从知识传授者转变为学习引导者，能够聚焦于高阶能力培养。技术伦理教育的同步嵌入，帮助学生建立起合理使用 AI 工具的自觉意识，为其职业发展奠定良好基础。这些成果证实，生成式 AI 在中职教育领域具有可推广的应用价值，其“按需生成、智能适配”的特性与职业教育实践性要求高度契合。

展望未来，要进一步在计算机网络实训中深度挖掘和拓展生成式 AI 的应用场景，进一步优化提升虚拟仿真环境与现实物理设备的融合能力，更好地解决一些目前无法通过虚拟仿真环境代替的部分硬件实验内容；要进一步做好细节方面的研究，既要在使用规范方面完善规范，又要在注重应用的同时警惕本末倒置，避免出现使用过度的现象；将更多知识关联在一起，实现 AI 的跨课和跨专业的知识迁移，进而实现人工智能更多的应用场景，有助于构筑起更加完整的技能培育体系，为职业教育数字化转型探寻更多实践途径。

参考文献

[1] 李秀 .GenAI 赋能的人机双师协同教学研究——基于清华大学计算机基础课程的案例分析 [J].《现代教育技术》，2025，（3）：34-43.

[2] Lanting Liu.Constructing a Multi-Dimensional Governance System for the Application of GenerativeAIin Schools：Policy Analysis and Implications of the“Australian Framework for GenerativeAIin Schools”[J].《Journal of Contemporary Educational Research》，2025，（1）：157-162.

[3] 周兴社.生成式AI对计算机类专业教育的影响及对策[J].《计算机教育》，2024，（11）：1-5.

[4] 刘俊霞 .AI 赋能的应用型本科计算机网络课程教学改革与实践探索 [J].《高教学刊》，2024，（32）：148-151.

曾文全 （1969.8-）， 男 ， 汉族 ， 江西赣州市人，本科，高级讲师，研究方向：职业教育、计算机网络技术