摘要：通过在“多媒体技术及应用”课程中实施基于知识图谱的AI+智慧课程，为学生打造全新的学习模式，实现课程教学资源的有效整合，旨在教学理念、教学模式、学习范式、评价方式等方面实现深层次变革；建设数智化、智慧化的新形态课程建设案例；争创数字化与教育教学深度融合的混合式教学示范课程。关键词：知识图谱；AI 智慧课程；混合式教学；新形态课程

中图分类号：TP391 文献标识码：A

Abstract： This paper explores the implementation of AI - enhanced smart courses with knowledge graphs in the "Multimedia Technology and Applications" course. The goal is to create a new learning model for students by integrating teaching resources effectively. The initiative seeks to achieve profound changes in teaching philosophy， teaching models， learning paradigms， and evaluation methods. It also aims to build a case of a new - form course with digital and intelligent features and set an example of deep integration of digital technology with teaching and education.

Keywords： Knowledge Graph; AI - enabled Smart Course; Blended Learning; New - form Course

0 引言

随着信息科技，尤其是人工智能科技的不断进步，教育教学方式迎来变革与重塑。围绕人工智能赋能教育创新，高质量、高标准的探索实践智慧课程建设是当前非常紧迫的任务。在AI 智慧+大背景下，高质量推进数字化背景下的教学资源建设与教学改革，强化数字化背景下的科教资源建设，以知识图谱为支撑，积极探索智能技术与教育教学的深度融合，以解决传统课堂的改造和革新问题。我校的“多媒体技术及应用”课程从 2012 年开始开设，至今已经连续授课13 年，课程建设相对较完善，构建基于 AI 的课程知识图谱基础框架是非常合适的。课程知识图谱能帮助学生掌握课程基础知识，进一步培养学生系统利用知识解决问题的思维能力[1]。

1 建设基于知识图谱的新形态课程内容体系

为更好地提升“多媒体技术及应用”课程的教学质量，需重新梳理课程的知识体系和交叉知识体系，用可视化、数字化、结构化的方式展现出来；在课程教学大纲的基础上，重新梳理课程包含的知识点，构建知识点之间的相互关联，并用可视化的课程知识图谱方式展示，重新整合课程的教学认知目标和教学资源，便于学生了解和掌握，获得更好的学习效果[2]。

（1）知识整合，构建课程知识模块

将“多媒体技术及应用”课程内容按照两性一度的思路和要求，分为图像处理、音频编辑、视频编辑、视频特效等四个模块进行细致分类，每个模块下再细分知识点，形成清晰的知识结构体系。图像处理模块的知识图谱如图1 所示。

图 1 图像处理模块知识图谱

（2）提取知识，梳理课程知识地图

依据课程的权威教学资源以及预定的课程框架，将课程内所有教学资源，如：MOOC 视频、教学教材、培养方案、课程大纲、课程思政、教学案例等，进行模块化处理。利用人工智能技术，对模块化后的知识进行层级结构拆分，提取相应的教学子主题、知识点及知识点内容。同时，对所有知识点进行标签化处理，标注知识点、难度级别、适用场景等信息，便于学生快速检索。

（3）定义知识关系，确定知识图谱

对课程内容进行深入分析，梳理出各个知识点之间的内在联系。知识点可跨模块建立关联。将不同知识点之间的关系进行关联，形成网状图谱。

（4）多模态构建教学资源，实现教学资源结构化

根据课程建设完成的知识图谱，将本课程已有的各类教学资源例如视频、教材电子版，教学PPT 等进行结构化关联，将课程已有的各类知识内容传承保留下来，提升既有资源的利用效率。完善每个知识点的详细内容，主要包括如下：知识点基本信息、知识点视频资源、知识点教材资源、知识点测试习题、知识点网络资源包括网络上其它知识点资源，如相关案例、链接、实验等，并且及时更新。

2 AI 赋能教学全过程，形成基于人工智能的探究式教学

人工智能赋能教学，除了要对数字资源供给模式进行优化，教师在备课、授课、作业布置、作业批改、学情收集与分析方面更需要实践应用，应用于备课、课前任务、布置作业等。通过构建高效的人工智能辅助教学系统，通过知识图谱系统、知识推荐算法、知识点个性化学习算法模型、知识点掌握程度算法模型、大数据分析等，提升线上教学的质量和效果。

“多媒体技术及应用”课前备课期间，通过AI 生成场景问题、AI 问答助手、AI 生成课程思政案例等，提前准备课堂所需场景问题、思政案例、育人元素素材，课前发布知识点任务学习，将课程目标和具体要求明确地传达给学生，学生提前预习课程内容，为课堂学习做好充分的准备，同时，学生可以根据任务要求，自主查找资料、分析问题，从而提高自学能力。利用人工智能技术开展多媒体课程的探究式教学方法改革，如图 2 所示。探究式教学是指学生在教师指导下，通过以“自主、探究、合作”为特征的学习方式，对当前教学内容中的主要知识点进行自主学习、深入探究并进行小组合作交流的教学方式[3]。

基于知识图谱的多媒体AI 课程教学中，课中利用课堂 PPT 插件辅助教学，使用知识图谱建设成果内容，AI 资源检索优质资源课堂学习，发布课堂小测试等任务，以检测学生对课程内容的掌握程度，这些测试可以即刻得到反馈，帮助教师了解教学效果。

课后自主学习知识图谱和应用AI 助手答疑、作业自动批改等技术，应用 AI 资源发现检索拓展学习，开展针对性的教学活动，帮助老师根据学生实际的掌握情况安排个性化和有针对性的教学活动，选择合适的教学方法，促进因材施教。

利用人工智能技术开展多媒体课程的探究式教学方法改革，如图2 所示。探究式教学是指学生在教师指导下，通过以“自主、探究、合作”为特征的学习方式，对当前教学内容中的主要知识点进行自主学习、深入探究并进行小组合作交流的教学方式[4]。

图2 AI 课前、课中、课后应用

3 开展基于 AI 和知识图谱的课程新形态评价体系

知识图谱新形态AI 课程兼容多种路径学习选择，包括传统目录式的知识学习和新形态知识图谱式的知识漫游，并将知识点教学目标具体化，充分体现学生的学习主体地位和自主学习意识。教师结合课程教学计划，灵活地将知识图谱融入教学全流程，开展课前教学任务+课中教学活动+课后测评方式，线上学生自主学习与线下课堂老师讲解相结合的教学活动，辅助教师开展教学方法创新。AI 技术智能分析教学场景里面的各类数据，包括学生知识点学习时长、练习次数、掌握情况、知识点被同学掌握情况等，老师可以针对性的去做一些教学策略的诊断和改进的工作，例如对不同专业和不同层次学生开展不同版本的教学内容设计，帮助教师做到“因材施教”。

图3 课程考核和评价方式

多媒体课程摒弃以教师为主、纯粹知识性考核的传统评价方式，构建了多主体与多元化相结合的过程评价机制。“多媒体技术及应用”的多元评价即将学生成绩分为课程考核和实践考核两大大部分，如图 3 所示。

4 结论

开展基于 AI 资源的互动式探究式教学模式，实施“多媒体技术及应用”课程的线上线上混合式教学改革。基于 AI 的探究式教学模式是一种以学生为中心，利用生成式人工智能辅助学生进行自主学习和探究的教学模式。

结合课程实践性应用性较强的特点，遵循两性一度标准，教学内容反映前沿性和时代性，教学形式呈现先进性和互动性，学习结果具有探究性和个性化，培养“知识-素养--思维-能力”四维有机融合的学生，将个性化学习、互动式学习和知识图谱教学融合到课程知识和教学环节中。

个性化学习路径：利用知识图谱 AI 技术，为每位学生量身定制个性化学习路径，根据学生的学习需求和水平提供定制化的学习资源和指导、主动挖掘新知识和解决问题新策略新技术，提高学习效果。

新形态知识图谱教学：通过构建综合的“多媒体技术及应用”课程知识图谱，将多领域知识进行结构化整合和可视化关联，为学生提供全面的学习资源和知识检索工具，促进跨学科深度融合学习和问题探索能力。

探究式教学设计：设计丰富的探究式教学环节，如在线讨论、专题设计等，同时促进学生之间的互动和合作，激发学习兴趣，提升学习动力和效果。从而为非计算机专业的“多媒体技术及应用”课程教育注入新的活力与效率，推动教学模式的进步，为培养高素质科学与艺术人才提供重要支持与保障。

参考文献

[1]苏小红，何铭. 人工智能赋能教与学场景和模式革新的探索——以程序设计课程为例[J].中国大学教学，2025.06：65-72.

[2]夏其表，许凤亚，王国省，张广群. 思政元素在多媒体技术及应用课程中的应用[J].电脑知识与技术，2022.18（20：146-148.

[3]张明飞，孔新梅等.基于生成式人工智能的探究式教学设计与应用研究[J].中国现代教育装备，2024.09：01-04.

[4]杨竞昌. 基于知识图谱的《机械制造基础》课程教学设计研究— 以高职院校《机械制造基础》课程为例[J].赣南师范大学学报，2025，46（4）：86-93.

作者简介：夏其表（1979-），男，浙江上虞人，硕士研究生，讲师，主要研究方向：图像处理与建模。