摘要：对材料成形有限元分析课程的工业实践脱节、软件多版本操作烦琐、课程评价体系单一同质等现实问题，本研究提出生成式人工智能赋能课程教学的改革设想。通过设计和开发跨平台语义翻译器，使学生能够使用自然语言命令来实时产生多种软件的操作代码或流程指令，从而极大程度地减少操作记忆负荷；通过误设参数提示、知识关联、案例强化三重预警模式提高软件迁移能力；通过构建物理信息驱动的工业级案例生成系统，在输入材料参数和工艺条件后自动生成带公差约束的有限元脚本以及案例库；利用区块链技术存证随堂任务操作链和多维度的能力矩阵来转变以往闭卷考核为主导的评价方式。

关键词：生成式人工智能；跨平台操作；工业级案例生成；三维融评体系

一、引言

材料成形有限元分析是针对材料成型及控制工程专业所开设的一门专业必修课程，教学旨在让学生了解有限元模拟的发展过程和各软件的优缺点；掌握弹塑性力学和有限元的基本理论知识，能够使用不同模拟软件及方法完成圆柱体等温压缩过程模拟对比，掌握温度场有限元模拟、塑性加工过程有限元模拟和塑性加工过程耦合场有限元模拟，让学生认识到有限元模拟是当前材料成型及控制工程领域的一大技术难点。该课程具有三大特点：

（一）应用实践性强。

一半以上的学时用于软件实操教学，把掌握 ANSYS、ABAQUS 和 DEFORM 等工业主流软件应用作为课程目标。其教学内容涵盖了圆柱体等温压缩单场模拟、焊接过程热 - 力耦合作用下的多场模拟等典型工程实例，强调学以致用，追求抛弃繁琐复杂的理论推导。

（二）工业软件种类多

课程内容包含对比教学模块，要求学生运用三个不同有限元软件求解圆柱体等温压缩过程，剖析各软件操作流程、参数设置、计算结果等问题，课程着重引导学生建立科学的工具选型决策思维。

（三）评价体系单一化

课程评价体系依靠闭卷考试，此评价方式已无法满足新工科背景下“解决复杂工程问题”的要求，系忽略了人工智能工具应用能力、多学科综合协同创新能力和工程伦理意识的考查。需要构建多元化的评价体系，利用现代教育技术手段加强过程性评价，贯彻“学生中心”，以达成学习效果为根本目标，把学生的学习收获作为主要评价内容。

二、生成式人工智能赋能课程教学改革设想

生成式人工智能是从大量的数据中学习如何产生新的内容，如文字、图像、音频、代码等，而不是像传统的判别式人工智能那样进行分析判断，它强调创造的功能 [1]。在教学过程中，生成式人工智能能带来课堂的教学方式革新，用个性化的动态课程推送打造适合每个人的不同路线来加深学生记忆 [2]-[3][4]。针对材料成形有限元分析课程，生成式人工智能可以辅助建立材料本构模型，自动生成或者优化工艺参数、网格划分，搭建出动态化的可视化案例，让学生能够了解塑性成形过程中比较难懂的抽象概念；可改善教育管理流程，自动为老师生成教学报告，课程大纲等；可自动完成动态化学习评估，辅助教师精准教学干预。针对材料成形有限元分析课程的特点，借助于生成式人工智能，本文提出以下改革设想：

（一）多软件操作认知负荷的智能化化解

为消除传统教学中学生掌握大量软件操作命令，造成大量课堂时间花在死记硬背上，通过设计基于领域知识图谱的语义翻译引擎，可以实现将自然语言指令转化为个软件对应的代码或操作指令，以做到无缝对接。比如学生输入圆柱体等温压缩摩擦系数为0.1时，引擎直接输出 ANSYS 命令流 MP MU 1 0.1、输出 ABAQUS 交互路径 Interaction 模块创建切向摩擦系数为 0.1、DEFORM 参数树Process Conditions 中的 Shear Factor=0.1；当输入错误的参数时，立刻触发三级响应机制：弹出警告框提示正确选项。极大程度上解决多种软件切换带来的认知超载问题，大幅度减少老师基础操作讲解时间，留给学生更多时间进行高阶学习，提升学生的工具迁移能力。

（二）高保真教学案例的生成与验证增强

针对书中案例和工程实际相脱节问题，采用物理信息神经网络赋能的参数化案例引擎，使工业场景与教学现场融为一体。根据输入的材料参数、工艺条件等参数生成代码或命令文件，从而生成正交变异数值仿真代码。如输入材料为 35 钢并希望采用 Abaqus 软件建立以 Johnson － Cook 本构方程为依据的热－力耦合模型的话，可直接获得若干个典型案例集。学生选择案例进行实操演练，操作过程中，当监测到错误设置时，则触发相应提醒。最后生成对比实验数据报告，针对易出错的问题进行强化学习。基于工业实际数据训练的扩散模型可生成包含折叠、破裂等典型缺陷的案例，使教学与工业实际紧密结合。

（三）生成式人工智能赋能的“三维融评”体系构建

生成式人工智能对材料成形有限元分析课程考核体系进行重构，运用“动态诊断 - 工业实例 - 能力认证”三维立体化评价模型，解决以往仅以闭卷考试进行评价的问题。在随堂练习部分，生成式人工智引擎根据关键词自动生成不同难度系数题目。根据“盒形件拉深破裂”自动生成并派发相应的参数化模型，限时答题，记录决策过程并实时推送补偿训练，并对设置错误的学生推送专门案例库。针对课程大作业，让学生在案例库中选择工业实际问题，并给出合理的优化工艺方案。通过区块链系统完整记录学生整个学习过程，包括模型修改次数、参数调整、人工智能辅助的比例以及各自的操作链等给予过程评价，并自动生成三维能力雷达图，在线解析作业报告，并与行业最优解对比，给出相应学习建议。教师云端分析班级情况，根据答题情况，及时调整教学内容和教学进度。

三、结束语

人工智能赋能教育，促进教育体系的结构性变革，只有需求驱动的动态课程适配体系才能满足国家、区域战略和产业转型升级需求，助力完善教育链和产业链，实质性减少知识结构滞后性问题，充分发挥教育链和产业链互带互促、互生互融的作用，使人才培养与经济社会发展精准对接。智慧教学范式下重塑师生角色和培养路径，教师由传统的知识传授向师生共思创享、师生互促转变。通过在线—离线、虚拟—现实交叉互通的范式促进学生学习，在虚实联动的学习路径中培育学生的批判性思维和创新能力。本文所提出的改革设想的成功落地可以为生成式人工智能赋能的教育教学改革发展提供可复制的创新方案。

参考文献

[1] 郑海峰 . 生成式 AI 驱动的高校数字化教学模式改革研究 [J].现代商贸工业 ,2025,(17):16-19.

[2] 蔡谆皓 , 刘晓秀 . 从 DeepSeek 看国产 AI 大模型赋能高端装备制造业的途径 [J]. 机器人技术与应用 ,2025,(04):2-6.

[3] 郭翰林 , 郑雪钦 , 卢杨 . 大语言模型下的模式识别与人工智能研究生课程教学改革 [J]. 计算机教育 ,2025,(07):160-164.

[4] 刘明, 郭烁, 吴忠明, 等. 生成式人工智能重塑高等教育形态:内容、案例与路径 [J]. 电化教育研究 ,2024,45(6):57-65.基金项目：本文系本科教育教学改革研究课题“人工智能驱动下的《计算方法 - 材料成形有限元分析》教学改革探索研究”（课题编号：2025YB03）的研究成果。

作者简介：田宇（ 1994- ），男，讲师，研究方向为塑性成形微观机理与力学行为。