摘要： 随着生成式人工智能等前沿信息技术的迅猛发展，高等教育形态正经历深刻变革。本文针对传统工程地质课程教学中存在的“理论抽象、实践受限、评价单一”等痛点，以“学生发展为中心”理念为根本，系统阐述了构建AI 赋能的工程地质智慧课程的路径与创新实践。以AI 技术重塑“教、学、管、评、测”的全流程，构建以学生能力发展为核心的教育新范式，为新时代地质工程人才培养提供参考。关键词： 工程地质；人工智能；智慧课程；以学生为中心；创新教学

一、 引言

工程地质学是土木、水利、矿业等专业的核心基础课，其特点是理论性强、实践要求高、空间想象力需求突出。传统教学模式常受限于课时、场地、成本和安全性，难以将复杂的地质现象、抽象的力学原理和隐蔽的地下空间直观地呈现给学生，导致学生“听不懂、看不透、想不通”。同时，教学评价多依赖于期末笔试，难以全面衡量学生的实践能力、创新思维和解决复杂工程地质问题的综合素养。

以 Deepseek、ChatGPT、Midjourney、Sora 等为代表的生成式 AI 技术的成熟，为破解这些难题提供了前所未有的机遇。它们强大的内容生成、情景模拟、自然语言交互和数据分析能力，能够深度融合工程地质的课程特点，构建一个高度沉浸、个性互动、智慧赋能的教学新生态[1-3]。因此，建设 AI 赋能的智慧课程，不仅是技术发展的应用，更是以“学生发展为中心”、提升教学质量与效率的必然选择。

二、智慧课程特征

智慧课程的建设是一个系统性工程，它将深刻改变了传统的教学样态。其核心是以学生发展为中心，通过人工智能等前沿信息技术的深度融入，构建一个资源丰富多元、工具智能高效、场景无缝融合、活动探究有趣、评价科学精准的新型教育生态，最终目标是规模化因材施教，培养能适应未来、具备创新能力和终身学习素养的人才[3-4]。

基于当前教育数字化的发展趋势，特别是AI 技术的深度融合，智慧课程的建设正呈现出以下鲜明的核心特征。这些特征共同描绘了以学生发展为中心、技术赋能的新型教育生态。如教学资源的“多模态”与“生成性”、教学工具的“智能化”与“交互性”、教学环境的“跨时空”与“沉浸性”、教学活动的“项目化”与“探究性”、学情管理的“数据化”与“可视化”、学生发展的“个性化”与“中心化”、教师角色的“转型”与“赋能”和课程生态的“开放性”与“进化性”，其中，教学资源的“多模态”与“生成性”表现为：教学资源已不再局限于传统的 PPT 和教材。它们呈现出形式多样化（如三维模型、虚拟仿真、实时数据）和生成动态化的特点。教师角色的“转型”与“赋能”表现为：AI 并非取代教师，而是让其从重复性劳动中解放出来，进行角色重塑。教师从知识的传授者，转变为学习的设计者、引导者、激励者和学生成长的陪伴者。AI 赋能体现为：AI 承担了诸如备课、批改作业等大量繁琐工作，让教师有更多时间投入教学设计和创造性活动，以及针对学生的个性化指导和人文关怀 [5-6]。

三、AI 赋能工程地质智慧课程建设途径

工程地质智慧课程的建设是一个系统工程，其总体思路可概括为“一体两翼，双轮驱动”。一体为以 “智能化的课程教学与管理平台” 为一体。两翼分别为： “多模态智能教学资源库”和“项目式智能教学活动体系”。双轮驱动分别为数据驱动和 AI 驱动，数据驱动为教学全过程的数据采集、分析与反馈，驱动教学优化与个性化推荐。AI 驱动为生成式AI、计算机视觉、机器学习等技术的全面渗透，驱动资源、工具、评价的智能化变革。具体建设途径如下：

途径一：构建“AI+多模态”资源生成体系，实现知识表征的智能化与沉浸化

利用AIGC 技术，构建“工程地质案例生成引擎”。教师或学生输入关键参数（如“生成一个位于红层地区、发育顺层滑坡的公路边坡案例”），引擎自动输出包含地质图、剖面图、三维模型、岩土参数、监测数据、现场照片的标准化案例包。极大丰富教学案例库，满足不同教学场景的个性化需求。针对地质灾害动态过程，开发基于物理引擎和 AI 算法的“地质过程模拟器”。对滑坡形成、断层活动、地下水渗流、地面沉降等过程进行高仿真模拟。学生可改变初始条件（如降雨强度、岩体强度），观察不同演化路径和结果。将百万年尺度的地质过程“压缩”再现，变“静态讲解”为“动态观察”，深刻理解机理。构建虚拟野外地貌，综合利用无人机倾斜摄影、卫星影像解译和激光 LiDAR 技术，构建关键典型地质现象的高精度数字孪生体。学生可在虚拟环境中进行无限制的“踏勘”、测量和虚拟钻探。打破时空限制，将“整个地质公园”搬进教室，实现“随时随地”的野外实习。

途径二：设计“AI+项目式”教学活动流程，实现能力培养的综合化与实战化

AI 根据教学大纲和能力目标，自动组合资源库中的元素，生成若干综合性 PBL 项目（如《某抽水蓄能电站库区渗漏条件评价》、《某跨断裂带 程风险评估》）。随后， AI 作为“项目智能导师”，将大项目分解为阶段性任务，推送引导性问题和学习资源。 时， AI 分析团队讨论记录， 识别争论焦点或知识盲区，提示学生补充调研或组织辩论。确保项目探究不 向，并促进深 。在项目关键决策点，AI 提供虚拟仿真环境供学生验证方案。例如，在边 计排水方案 虚拟模型中模拟降雨入渗过程，直观看到地下水位线变化和稳定性系数的提升效果。提供低成本、无风险的“试验场”，培养工程实践能力。

途径三：建立“AI+数据化”评价反馈机制，实现学习评价的过程化与个性化

全过程数据采集平台自动采集学生在虚拟操作、模型构建、方案设计、讨论发言、报告撰写等各个环节的行为数据，形成全息数字画像。 注重分析学生的思维逻辑、操作流程和创新点。通过对比学生期初和期末的能力 示其在空间思维、系统分析、工程决策等方面的进步。实现从“ 生成长。最后基于能力画像，AI 自动诊断学生薄弱环节，并动态推送针对 。例如，对地层产状测量概念不清的学生，会收到AR 测量工具和虚拟露头进行强化训 实现真正意义上的“因材施教”，保障每个学生的有效学习。

四、地质构造模块智慧化建设构思

根据工程地质课程教学内容，可以分别从地形地貌、地层岩性、地质构造、水文地质条件和不良地质问题等方面，分模块梳理知识重难点和知识图谱，深度融合AI 的模块化教学设计，将知识图谱化、学习个性化、实践无限化、评价过程化、课程进化性，真正实现了以“学生发展为中心”，培养其成为能够应对未来复杂挑战的卓越工程师。以“地质构造”模块为例，“地质构造”模块是工程地质的核心与难点，其智慧化建设可作为典型示范。

1. 多模态教学资源的智能化生成与重构

（1）构建“智能构造案例库”：利用 AIGC 技术，输入不同关键词（如“逆冲断层”“地堑”“倾斜褶皱”），自动生成包括二维剖面图、三维结构模型、地质图、现场照片、描述文本在内的多模态案例包。（2）创建“动态构造演化动画”：基于物理引擎和 AI 模拟，将构造运动（如断层形成、褶皱演化）的过程做成交互式动画。学生可调整参数（如应力方向、岩层强度），观察不同条件下构造形态的差异。（3）开发“虚拟露头库”：利用无人机倾斜摄影和激光 LiDAR 技术，对典型构造露头进行数字化扫描，生成高精度三维实景模型。学生可在虚拟环境中360°无死角观察、测量产状、绘制剖面图。

2. 智能化教学工具的深度嵌入

（1）AI 地质构造识别助手：学生上传野外拍摄的构造照片或手绘草图 I 助手可进行初步识别（如“可能为正断层，请重点测量上下盘位移方 H行 关键 交互式地质图/剖面图生成器：学生用自然语言描述（如“生成 ”），AI 即时生成模型。学生可在此基础上进行虚拟钻探、切剖面等操作，验证 值模拟平台：提供简化的界面，让学生设置边界条件，模拟地应力作用下岩层的变 造的形成机制及其对工程选址（如隧道、坝基）的影响。

3. 跨时空教学情景的构建

（1）打造虚拟野外实习“构造专题”：选择一个经典构造带（如北京西山），打造数字孪生场景。学生以第一人称视角在虚拟环境中完成“踏勘-测量-采样-分析”的全流程任务。AI 导师随时弹出任务（如“前方发现断层三角面，请测量其产状并判断断层性质”）并提供引导性反馈。（2）建设 AR 辅助实地教学：在真实野外实习中，学生通过AR 眼镜或平板，能看到虚拟信息叠加在实景露头上：如清晰地标绘出地层界线、断层线、褶皱枢纽的延伸方向，显示关键测量点的虚拟测绳和罗盘，辅助学生进行精准测量和记录。

4. 项目式、探究式教学活动的设计

拟定《某跨山隧道工程线路地质构造专题评价》项目题目，实施途径：AI 系统向学生小组发布项目任务书，并提供区域地质图、遥感影像等基础资料包。根据学生的能力画像，进行异质分组，并推荐成员扮演“构造分析师”“水文地质师”“风险评估师”等角色。具体探究过程为：阶段（1）构造解释。学生使用 AI 地质图分析工具，在数字区域地质图上识别主要构造（褶皱、断层），AI 提供实时纠错和提示。阶段（2）三维建模。小组协作，利用交互式工具构建隧道沿线的三维地质构造模型。AI 可对模型的合理性进行初步评估。阶段（3）隧道穿越分析。在构建好的模型中，虚拟布设隧道线路。AI 动态模拟隧道穿越不同构造（如断层破碎带、褶皱核部）时可能遇到的围岩稳定性、涌水突泥等工程问题。阶段（4）决策与报告。小组基于模拟结果，论证最优线路方案，并提出工程对策。AI 智能报告助手可协助梳理逻辑、检查完整性。AI 评价与反馈：AI 系统不仅评价最终报告，更全程记录每个学生的操作日志、讨论贡献、决策过程，生成一份能力增值性评价报告，指出其在空间思维、逻辑推理、知识应用等方面的进步与不足。

5. 以学生发展为中心的个性化支持

AI 记录学生在“构造模块”中所有行为（如哪个三维模型反复修改最多、哪种断层类型识别错误率最高），构建其“构造空间认知能力画像”。为空间想象能力弱的学生推送更多 AR/VR 模型和分解动画；为机理理解困难的学生推送简化的个性化模拟实验和类比案例。在学生做出判断时，AI 导师不断追问“你的证据是什么？”、“这个判断是否考虑了岩层的新老关系？”，迫使学生反思自身思维过程，培养严谨的地质思维习惯。

通过以上思路与途径，工程地质“地质构造”模块的教学将发生根本性变革：从知识灌输转向能力建构，从纸上谈兵转向虚拟实战，从统一教学转向因材施教，最终培养出具备扎实理论、精湛技能和卓越工程思维的新一代地质工程师。

五、 结语与展望

基于AI 赋能的工程地质智慧课程建设，其根本途径在于以AI 技术重塑“教、学、管、评、测”的全流程。它不是技术的简单堆砌，而是通过生成式资源、智能化工具、项目化活动和数据化评价的深度融合，构建一个以学生能力发展为核心的教育新范式。这将最终培养出能够驾驭未来复杂工程挑战、具备卓越创新能力和终身学习素养的新一代地质工程人才。

未来，随着AI 技术的进一步发展，课程将更加智能化、情感化。AI 或许能更精准地识别学生的学习情绪状态，提供更具人文关怀的引导。同时，如何确保 AI 使用的伦理边界、 防止学术不端、以及培养学生在 AI 辅助下的批判性思维和原创能力，将是需要持续探索的重要课题。然而 毋庸置疑的是，这场由 AI 引领的教学变革，正在深刻地重塑工程地质教育的未来图景，为培养能够应对未来地球挑战的新一代工程师奠定坚实的基础。

参考文献

[1]陈耀华,陈琳. 智慧型课程特征建构研究 [J]. 开放教育研究, 2016, 22 (03): 116-120.

[2]陈琳,陈耀华,张虹,等. 教育信息化走向智慧教育论 [J]. 现代教育技术, 2015, 25 (12): 12-18.

[3]胡翰林,刘革平. 智慧课程的内在价值、作用机理与实施路径 [J]. 现代基础教育研究, 2025, 58 (02):192-198.

[4]黄廷祝. 人工智能时代教学形态的主动变革 [J]. 中国大学教学, 2025, (Z1): 85-91+107.

[5]卫红,李梦姣,姚晓军. 智慧教育视域下风景园林建筑设计课程教学改革探索 [J]. 建筑科学, 2025, 41(07): 199-200.

[6]贺春英,王宇,郭晶. AI 赋能的智慧化教学模式构建与实践——基于数智教学平台的大学英语课程教改实践研究 [J]. 外语电化教学, 2025, (02): 62-64+105.

基金项目：高等教育教学研究与教学改革项目“新时代 OBE 理念下地方高校工程地质混合式金课建设与实践”(2024BK077)；国家重点实验室开放课题（SKLGP2022K004）；河南省高等学校 SRTP 项目（202310464037）； SRTP 项目（2025151；2025163；2025167）；课堂教学改革“工程地质混合式课堂教学改革(2023-2024-2)”。