摘要：在教育数字化转型背景下，高校理工科专业课程教学中存在着学生学情差异大、实践场景不足、行业需求脱节等问题。本文基于 AI 技术提出了专业课程教学模式重构方案，即通过AI 技术构建学生学情画像、重构课程体 系、设计案例驱动场景，建立动态评价体系优化反馈机制，形成了“数据驱动+场景创新”的教学新形态。并以《测量地图学》课程为实践对象，对比23 级（无AI）与24 级（AI 辅助）班级成绩发现，24 级学生的成绩无论从知识掌握 程度、实践能力的养成还是创新与社会适应效果都得到了明显提高，证明了AI 赋能系统的教学模式可显著提升教学效果，为高校理工科专业课程的教学改革提供了新思路与实践经验。关键词：AI 赋能；教学模式重构；分层教学；案例驱

引言

随着人工智能的快速普及，其在教育领域的应用也愈加广泛而深入。教育部《教育强国建设规划纲要（2024-2035 年）》明确提出 “促进人工智能助力教育变革”，推动专业课程向智能化、个性化方向转型。目前，高校专业课程仍以传统授课方式为主，尽管采用了线上线下相结合的混合式教学模式，但效果不甚理想，主要原因是课程系统未发生本质变化，而且线上学习严重依赖于学生的学习自觉性，这在诱惑日盛的当下社会难以实现。以《测量地图学》课程为例，其作为地理学、地理信息科学和人文地理与城乡规划等专业的基础课程，兼具理论抽象性与实践操作性，在传统的教学模式下主要存在着三大痛点，即教学内容固化、学生学情差异大、实践场景有限，难以达到预设的教学目标。国外研究聚集AI 自适应学习系统开发，如MIT 通过智能导学工具实现课程个性化学习路径规划；国内虽有雨课堂、超星学习通等在线学习平台，但多停留在辅助教学层面[1-3]，缺乏对课程体系与教学模式的系统性重构，也难以满足不同专业课程的授课需求。

一、AI 时代专业课程需求分析

随着社会的不断发展，人类已经进入到了信息化时代。高校的教学对象与教学环境都发生了显著的变化。大学生从出生之日起就已身处信息爆炸的互联网时代，他们对信息的获取方式和获取手段更加多样而便捷，知识不再是可遇而不可求的稀罕之物，而且他们成长的环境充满了技术革新与新奇事物，这就造成了当代大学生对待学习的态度发生了变化。这种变化就是学习需要满足自身认知基础上的心理需求，显然传统的讲授式与灌输式教学模式无法适应这种变化[4-5]。那面对这样的变化，高校教学该如何应变？这就需要从过去的以教为中心，转变为以学生为中心。 同时，要从学生和社会的角度分析AI 时代的课程需求。经过调查分析与研究，发现AI时代的专业课程需要满足如下三个方面：

（1）学生喜欢学（AI 赋能的沉浸式体验）

这就要求专业课程在课程体系和课程设置上发生变化，一是能够适应不同学情学生的学习需求，满足个性化需要，如通过知识图谱，满足个性化学习体验；二是课程内容要有可视化场景，能够满足学生视觉需求，如利用AR 技术还原野外测绘现场；三是要有一定的激励手段，满足学生的心理需求，如利用游戏闯关式方法，让学生更有成就感。

（2）学生学得懂（能够科学评价）

传统的以教授为主的教学方式，属于“一刀切”模式，根据认知负荷理论，统一教学内容易导致基础生认知超载而优秀生认知闲置[7]，呈现中等生过度集中的特征，学生的差异化需求往往被忽略[5]。导致部分学生难以跟上教学进度，而部分学有余力的学生无法得到充分拓展。在教学实践中，教师难以关注到每个学生学习情况，无法为所有学生提供针对性指导与反馈。与此同时，传统课堂主要以“教师讲-学生听”为主，师生互动受时空限制，答疑反馈滞后。评价机制主要以期末考试为主，过程性评估较为缺乏。研究指出，这种模式导致学生主动探究能力弱化，容易形成“等待投喂”的学习心态[6]。而AI 时代呼唤基于数据支撑的更为科学合理的学习效果评价方法。因此，实现个性化需求，满足不同学情学生的学习习惯与能力，让学能够听得懂而且能够有效评价是课程的重要需求之一。

（3）学生能应用（满足社会发展需要）

对于地方性院校来说，主要承担着为国家培养高水平应用型人才的责任。而学生在学习时也非常务实，也就是学习的知识能够应用到社会发展当中，能够满足社会对人才的能力需求。以《测量地图学》课程为例，尽管在教学过程中设置了实验与实践环节，但学生的实践能力难以满足社会对人才的需求。主要表现在传统的实践教学中，实验设备与软件更新缓慢，无法与行业最新技术接轨，且实验教学内容多为验证性实验，缺乏综合性与创新性实验项目。学生在实践中难以将所学知识融会贯通，无法培养解决复杂实际问题的能力。此外，实践教学缺乏与企业实际项目的对接，学生在实践中缺乏对行业实际需求的了解，毕业后难以快速适应工作岗位。因此，加强对学生应用能力的培养也是课程的主要需求之一。

二、基于AI 的课程教学模式重构

2.1 课程体系重构设计

AI 时代教师不仅是知识传授者，更是系统设计师与资源管理者。高校掌握者更多的专业知识、前沿视野以及专业教学资源，AI 时代为了最大程度的提高教学效果。授课教师需要统筹各种资源，并根据课程体系进行资源重构与分配。首先基于AI 学情分析结果，将《测量地图学》课程体系重构为“基础层-进阶层-创新层”三级模块，各模块通过 AI 实现动态适配。然后，需要对课程的知识进行系统梳理，并进行知识图谱构建。构建时，将分层进行显示，不同的层级对应不同的知识点，不同的知识点链接到不同的资源。其中基础层主要涉及地图学的基础知识，如地图的符号与要素识别、地图的数学元素、常见地图的投影方式以及地形图与专题图的主要绘制方法、测量仪器和制图软件的简单操作等。而进阶层，主要涉及到使用相应软件开展地图的数字化、地形图分幅与编号方法、坐标系的变换、地图投影的变换、水准测量和平面测量的仪器和主要方法等。创新层，主要涉及到地形图的应用、地图的概括、4D 产品的制作、地图投影的设计、多源数据的融合制图、测绘数据的智能分析、行业数据的分析与地图制图、三维激光扫描与无人机航测三维建模等。具体内容如表1 所示。

2.2 个性化教学模式构建

本文将构建“AI+双师协同”的个性化教学模式，具体流程如下：

课前：AI 画像与路径规划。学生通过超星AI 工作台完成课前的测试与兴趣问卷，AI 生成学情画像与学习路径。对“基础薄弱+偏好实践”的学生，推送基础知识视频和仪器操作视频；对“基础扎实+偏好创新”的学生，推送项目案例+数据处理工具及教程。

课中：分层教学与实时互动。理论课利用AI 技术实时分析课堂互动数据（如答题正确率），动态调整教学节奏。当某一知识点错误率较高时，自动推送补充习题或案例。 实践课采用“AI 导师+专业教师”的双指导制，AI 实时监控学生操作（如全站仪的对中整平步骤）、识别错误后并提示；专业教师聚集复杂问题解答与创新指导。

课后：个性化巩固与拓展。AI 根据学生的课堂表现推送课后任务：基础层学生完成仪器的操作模拟训练；进阶层学生完成“校园地形图测绘”任务；创新层学生参与“专题地图编制”项目。同时，AI 生成学习报告，标注薄弱环节（如水准测量平差正确率低、地形图分幅编号方法搞不懂等）并推荐针对性资源。

2.3 案例驱动教学模式与教学场景建设

（1）案例设计原则与类型

基于“行业需求-课程目标-学生能力”相匹配的原则，设计了“生活场景-专业场景-工程场景-创新场景”四级案例库。案例依据不同内容，将其拆解为不同的任务环节，以匹配课程的知识点。同时，为了适配不同层级的学生，案例同样设置了难度分层，设置了基础版（需要步骤引导）、进阶版（需要自主决策）和创新版（需要多次优化改进）。如表 2 所示：

表2 案例库建设场景分类统计表

（2）教学场景建设

主要分为虚拟仿真场景与真实项目场景。虚拟场景主要基于Unity3D 与 AI 技术构建的“虚拟测绘实验室”，包含了三大功能：一是场景生成，AI 根据教学需求生成不同地形（山地、平原、城市）、气象（晴天、雨天、雾天）场景；二是操作模拟，学生通过VR 设备操作虚拟全站仪、水准仪等，AI 实时反馈操作规范度（如对中整平误差≤3mm 为合格）；三是故障模拟，AI 随机设置测量故障或给出错误数据，训练学生问题排查能力。真实场景，主要是利用真实项目，如“唐山南湖部分区域测绘与制图”。AI 根据学生学情画像分组（每组5-6 人），确保每组包含“基础型-进阶型-创新型”学生，学生将在教师指导下，完成“现场踏勘-方案设计-数据采集-成果提交”全流程。在项目完成过程中，需要学生利用已有知识或者AI 技术分析项目成果合格性（如地形图精度、报告完整性），并提出改进建议（如数据重测、等高线数目太少需要数据内插等）。

三、教学实践与评价分析

3.1 实验设计与数据采集

采用双组对照设计：23 级（50 人，传统教学）与 24 级（49 人，AI 赋能教学）。控制课程内容、教师等变量，采集学业成绩、学习行为等多源数据。样本量经检验满足统计学要求（t=0.9234， p=0.3587>0.05 ）。

3.2 评价体系构建

基于AI 采集的多维度学习数据，构建“知识掌握-实践能力-创新思维-社会适应”四维度评价体系，各维度权重与评价指标如表3 所示。

表 3 各维度权重与评价指标统计表

3.3 学习效果对比分析

实验组（24 级）与对照组（23 级）一学期教学结束后，各项指标对比结果如下：

知识掌握效果：实验组理论测试平均分（82.6±7.8）显著高于对照组（74.3±9.2），t=7.32，p<0.01，且学生的成绩分布更加合理；知识点掌握率达 89.4% ，较对照（76.7%）提升 12.7 个百分点，表明 AI 分层教学有效提升知识吸收效率。

实践能力效果：实验组实践项目完成质量评分（81.5±9.3）高于对照组（76.2±10.5），其中 “数据误差率” 平均为 3.2% ，较对照组 （7.8%） ）降低 4.6 个百分点；企业导师对实验组学生实践能力评价（满分 100）达 79.8 分，较对照组（72.3 分）提升 7.5 分，证实 AI 虚拟场景与真实项目结合有效提升实践能力。

创新与社会适应效果：实验组提交创新设计方案 31 项（人均 0.63 项），较对照组（22 项，人均 0.5 项）增长 180% ；沟通能力评分（小组互评）达 85.3 分，较对照组（79.7 分）提升 5.6 分；行业适配度测试（岗位匹配度≥80% 为合格）达标率 78.4% ，较对照组 （65.2%） ）提升 13.2 个百分点，说明 AI 赋能教学有助于培养创新思维与社会适应性。

四、结语

（1）通过对 AI 时代专业课程需求的分析，提出了基于 AI 赋能的课程体系与教学模式，通过AI 学情画像与知识图谱分层课程体系，解决了《测量地图学》学情差异大的问题，实现“千人千策”的个性化教学，学生的知识掌握程度得到明显提高。

（2）提出了“案例库+虚拟仿真+真实场景”的教学模式，通过案例驱动有效提升了学生的实践能力，学生的行业适配能力明显提升，有效实现了与就业市场的需求对接。

（3）提出了基于学生行为数据的科学评价策略，完成了教学闭环。基于AI 的多维度评价体系，突破了传统“唯分数”的局限，实现了对学生创新思维、沟通能力等素养的全面评估，为教学改进提供了较为精准的依据。本课程教学模式具有一定的推广价值，并在地理信息科学专业验证有效，可迁移到其它相关专业，为高校理工科课程的智能化教学改革提供参考。

[参考文献]

[1] 刘婷，李春旭，柏青杨，于秀文，吕钢，王俊平.以“三导向”人才培养模式为基础构建病理学专业模块化实践教学体系[J].卫生职业教育，2014，32（17）：5-6.

[1]宫大鹏，闫淳.“AI+VR”技术下森林消防课程教学模式重构研究[J].森林防火，2025，43（03）：50-53.

[2]郭丹，陶东刚.“AI+教育”背景下计算机专业课人机协同教学模式改革研究[J].中国多媒体与网络教学学报（上旬刊），2025，（04）：1-4.

[3] 杨兰，刘伟强. AI 赋能的 C 语言程序设计课程改革路径探索 [J]. 电脑知识与技术，2025， 21（19）：169-171.

[4] 苗逢春。后人工智能时代的高等教育重构 [J]. 开放教育研究，2025， 31 （2）：4-13.

[5] 张芳，邹俊. “AI + 教学” 融入高校课堂：现实挑战与推进路径 [J]. 湖北经济学院学报 （人文社会科学版）， 2025， 22 （08）：140-143.

[6]丰雪，宋贽，于淼.人工智能视野下教育教学体系重构探析.当代教育理论与实践， 16（5）， 2024：19-24.

作者简介：张广伟（1981-），男，博士，副研究员，研究方向：地图学的教学、科研与实践应用。

基金支持：唐山师范学院教育教学改革研究项目： AI 赋能视角下专业课程教学模式重构研究与实践（编号：2025JGZD165）