摘要 随着人工智能技术的发展，生成式AI 在教育领域的应用日益广泛。电磁场与电磁波作为电气与电子工程专业核心课程之一，具有抽象性强、数学基础要求高的特点。传统教学中，学生对电磁场分布、波动传播及实验操作理解不够直观。生成式AI 可通过智能辅助讲解、可视化仿真和个性化练习，为教学提供新的实践路径。本文结合DeepSeek 和百度文心一言等易用生成式 AI 工具，探讨其在电磁场与电磁波课堂讲授、实验演示及作业设计中的应用方法，提出可行的教学实践方案，旨在提升学生学习兴趣和理解深度，为高校理工科课程数字化教学提供参考。

关键词：生成式AI，电磁场与电磁波，教学应用，可视化，个性化学习

引言

电磁场与电磁波课程涵盖静电场、恒定磁场、电磁感应、麦克斯韦方程组及波动传播等内容。课程知识抽象、公式繁多，学生难以建立直观的空间概念。传统教学主要依靠板书讲解、教材例题及实验操作，学生学习效果受限。生成式AI 具有自然语言理解、知识问答、文本生成和一定可视化辅助能力，可辅助教师讲解抽象概念、生成学习题目、提供实验数据模拟及可视化示意，为课堂教学和自主学习提供支持。本文结合常用、易操作的生成式AI 工具，探索其赋能电磁场与电磁波教学的实践路径。

一、生成式AI 在电磁场概念理解中的应用

1.静电场与电势讲解

静电场是电磁场课程中基础且抽象的部分。学生在理解点电荷和连续电荷分布产生的电场时，常常难以建立空间直观感受。教师可使用ChatGPT 生成针对不同学习层次的文本讲解，包括库仑定律公式的文字说明、点电荷间相互作用示意及电势叠加原理解析。教师通过在课堂上展示AI 生成的案例，如三角形排列的三点电荷，中心点电势计算过程，学生可以提出具体问题，例如“如果一个电荷移动到不同位置，中心点电势会如何变化”。AI 可根据学生提问生成详细解析，包括向量分解、标量叠加计算和公式推导步骤。教师在实验环节可结合在线仿真工具Falstad 电场模拟，将ChatGPT 生成的文字解析与可视化界面结合，学生在操作不同电荷位置时观察电势线分布变化。教师通过引导学生调整电荷数量和电量大小，让学生记录电场强度和电势变化数据。AI 可辅助生成实验记录表格模板，学生填写实验结果后，AI 可提供误差分析和解释，帮助学生理解实验数据背后的物理意义。学生通过文字解析与图像直观结合建立空间电场概念，同时掌握电势叠加规律和电荷间相互作用关系。学生在自主学习阶段使用百度文心一言生成练习题，AI 根据输入知识点生成题目，例如计算不同几何排列点电荷产生的电势或验证电场强度方向。AI 提供逐步推导和答案解析，学生可对比自己的计算结果，发现概念理解偏差。教师将AI 生成内容纳入课堂讨论环节，促进学生自主思考与互动，提升对静电场概念的掌握。

2.恒定磁场与电流关系可视化

恒定磁场内容涉及电流产生磁场、安培定律及右手螺旋定则等概念。学生在纸面上理解导线周围磁场方向及叠加效果难以建立直观印象。教师可使用ChatGPT 生成针对不同导线布置的磁场解析文本，包括直导线、螺线管和平行导线的磁场方向说明。教师展示文本案例，如三条平行导线分别通以不同电流，学生观察磁场叠加示意图。在线可视化工具PhET 电磁场模拟允许学生在屏幕上实时调整电流大小和方向，观察磁场线变化。教师将AI 生成的实验指导文本与模拟软件结合，学生按照指导操作可调整电流强度、方向及导线间距，实时观察磁场方向及强度分布。AI 可解释磁场叠加原理，例如通过生成文本描述每条导线磁场矢量如何合成总磁场矢量。学生可利用百度文心一言生成磁场计算练习题，例如计算环形导线中心磁场强度、螺线管内部磁感应强度。AI提供解析步骤，包括选择积分路径、应用安培环路定理和计算磁通量。学生通过比较模拟结果与计算结果，理解恒定磁场与电流关系，同时掌握公式应用和矢量叠加方法。教师在课堂中引导学生提出操作问题，AI 提供即时解释文本，使学生在互动中建立对恒定磁场概念的直观理解。

3.麦克斯韦方程组的个性化练习

麦克斯韦方程组是电磁学的核心，包含电场高斯定律、磁场高斯定律、电磁感应定律和安培环路定理。学生在理解位移电流项、边界条件处理及波动方程推导时存在困难。教师可使用ChatGPT 生成分层解析文本，包括方程物理意义、公式推导示意及典型应用案例。案例如平板电容器中位移电流计算、变化电流产生磁场的分析，学生可提出“如果电流频率改变，磁场分布会如何变化”问题，AI 生成详细推导及图示说明。教师可结合在线仿真工具Falstad 电磁波模拟或 PhET 波动模拟展示电场随时间变化的场线动画。学生调整参数观察场线变化与公式推导的对应关系。AI 生成个性化练习题，例如在不同边界条件下求解平面波的反射与透射，提供逐步计算过程和结果验证。学生在练习中自主操作，AI 提供即时文本解析，使学生能够逐步掌握麦克斯韦方程组的数学逻辑和物理意义。教师在课堂讨论中使用AI 生成的题目作为练习和考核内容，学生完成后可通过 AI 解析检查答案，发现推导中易错环节。通过文字解析、公式演示和可视化模拟结合，学生能够从整体上理解电磁场产生、变化及传播规律，同时培养自主学习和分析问题能力。生成式AI 在静电场、恒定磁场及麦克斯韦方程组教学中实现概念直观化、练习个性化和实验指导辅助。教师使用ChatGPT 和百度文心一言生成讲解文本、解析题目和实验指导，结合Falstad 和 PhET 在线仿真软件，学生能够形成清晰的空间感知和公式理解，提升电磁场与电磁波课程学习效果。

二、生成式AI 在电磁波实验教学中的赋能

1.电磁波传播模拟

电磁波传播涉及波在不同介质中的反射、折射和衍射特性。学生在纸面上理解电场与磁场随时间变化及空间传播难以建立直观印象。教师可使用ChatGPT 生成实验指导文本，包括模拟波动在空气、介质和边界表面传播的操作步骤。文本示例可以说明如何在仿真平台中设置波源频率、振幅及介质参数。在线仿真平台PhET 波动模拟提供可视化界面，学生通过调整波源参数观察电场和磁场随时间的变化。教师引导学生在不同介质厚度或折射率条件下记录波传播速度和波长变化。AI 可生成实验记录表格模板，学生填写数据后，AI 解析波速计算方法，并提供结果对比分析。学生在自主学习环节使用百度文心一言生成个性化观察任务，例如比较平面波在空气与介质中传播速度差异，或模拟不同频率电磁波通过缝隙衍射效果。AI 提供操作提示和数据解析方法，学生根据提示完成仿真操作，形成电磁波传播规律的直观理解和数据分析能力。

2.天线辐射模式分析

天线辐射模式是电磁波实验中重要内容，包括全向天线、方向性天线及其增益特性。教师可使用 ChatGPT生成文本案例，说明不同类型天线的结构、工作原理及辐射方向特性。例如文本描述全向天线在水平面内等幅辐射，方向性天线具有主瓣和副瓣分布。学生通过在线仿真工具 Falstad 电磁波仿真或 PhET 波动模拟设置天线参数，如长度、馈电方式和振幅，观察辐射模式变化。AI 可生成操作提示，例如调整天线方向角度并观察辐射能量分布，指导学生理解方向性与增益之间关系。学生在操作中记录主瓣方向、半功率角及辐射强度分布，并将结果与AI 生成的示意图进行对比，形成直观理解。教师通过AI 生成练习题，例如“调整方向性天线馈电相位，分析主瓣方向变化”，学生在仿真中进行操作并记录数据。AI 提供计算方法和解释文本，学生可以核对实验结果与理论预测差异。通过仿真操作与AI 解析结合，学生掌握天线辐射模式及参数调整对波束特性的影响。

3.信号调制与频谱分析

信号调制实验涉及振幅调制（AM）、频率调制（FM）及相位调制（PM）概念。学生在理解时域波形与频域特性联系时容易出现困惑。教师使用ChatGPT 生成操作指导文本，说明如何生成调制信号、设置载波频率及调制指数，并解释调制信号的物理意义。学生在在线仿真平 波模拟中观察调制信号波形随时间变化，同时利用AI 生成的解析文本理解频谱特性，包括主载波和边带分布。教师引导学生通过改变调制指数、载波频率观察频谱变化，学生记录频率成分及幅值。AI 提供计算公式解析和实验数据处理方法，帮助学生对比理论与仿真结果。

三、生成式AI 在教学资源与作业设计中的应用

1. 自动生成课堂案例

电磁场与电磁波课程内容抽象，学生难以将理论知识与现实生活联系。教师使用ChatGPT 或百度文心一言生成与生活相关的课堂案例，如手机天线辐射、微波炉加热原理、电动机线圈电磁感应等。AI 根据输入的知识点生成文本说明，详细描述物理现象产生原理、涉及公式及实验操作建议。课堂中，教师将AI 生成案例文本展示给学生，并引导学生提出问题。学生可使用AI 辅助生成问题解析，例如在手机天线辐射案例中，询问不同天线布局如何影响信号覆盖范围，AI 生成详细文字解析，包括电磁波传播路径、干扰因素及波束方向计算。学生在讨论和操作中建立理论与现实联系，增强对电磁场概念的理解。教师可利用AI 生成图文结合的案例资料，将理论知识和可视化示意图整合，展示电场、磁场及波动分布。学生通过观察示意图和阅读解析文本，将抽象公式与实际现象对应起来，形成直观理解和认知框架。AI 生成的案例可覆盖不同知识难度层次，教师根据学生基础灵活选择，增强课堂互动性和实践性。

2.作业题目智能生成

生成式 AI 可根据课程知识点生成多层次作业题，包括计算题、应用题和拓展思考题。教师输入知识点如“螺线管磁场计算”、“平板电容器电场分布”或“平面电磁波反射与透射”，AI 生成题目及答案解析文本。学生使用AI 生成题目进行在线练习，AI 提供详细解题步骤，包括公式使用、边界条件处理及推导过程。学生在完成题目后对照 AI 解析检查答案，发现计算或概念偏差。教师可根据学生练习结果统计错误类型，调整课堂讲解重点或增加案例讲解。AI 生成作业题可结合图示或仿真操作，如通过 PhET 波动模拟或Falstad 电磁波仿真生成波形图和场线图作为作业附图。学生根据题目提示进行模拟操作并记录数据，AI 提供结果解析和错误分析，学生通过数据对比理解知识点应用及实验规律。生成式AI 在作业设计中节省教师时间，同时提升学生自主练习效率和解题能力。

3.教学反馈与答疑辅助

生成式 AI 在教学反馈和答疑中发挥重要作用。学生在学习过程中遇到概念困惑或实验操作问题，可通过ChatGPT 或百度文心一言提出问题。AI 根据输入文本生成详细解析，包括公式推导、图示说明及操作步骤指导。教师在课堂或课后将学生问题输入 AI，获得解析文本后进行讲解或整理成答疑资料。AI 生成的解析文本可分步骤说明，如对麦克斯韦方程组推导中位移电流项的物理意义和数学表达进行逐步演示，结合在线仿真结果验证理论正确性。学生在阅读AI 解析后可再次操作仿真软件验证结论，加深理解。AI 可根据学生答疑记录生成个性化练习题和提示性反馈，帮助学生发现易错环节。教师利用AI 分析学生作业和实验数据，将知识点掌握情况可视化，指导后续教学设计。学生通过AI 辅助学习，实现自主发现问题、解决问题和验证理论的循环，提高学习效率和理解深度。生成式AI 在课堂案例生成、作业设计和答疑反馈中发挥作用。教师利用ChatGPT 和百度文心一言生成案例文本、作业题目及解析，结合在线仿真软件进行实验演示，学生通过文字解析、图像观察及模拟操作建立理论与实践的联系，实现电磁场与电磁波课程知识的直观理解和应用能力提升。

结论

生成式 AI 在电磁场与电磁波课程教学中能够实现概念直观化、实验可视化和作业个性化设计。教师使用ChatGPT、百度文心一言等工具生成课堂案例、实验指导和练习题，学生通过文本解析、图像示意及在线仿真操作建立对电磁场和电磁波的空间感知与理论理解。AI 能够提供即时答疑与数据分析辅助，使学生在操作中发现问题、验证理论和完成知识迁移。静电场、电流产生磁场及麦克斯韦方程组教学中，AI 生成讲解文本与在线仿真结合，使抽象公式和空间分布直观化。电磁波实验教学中，AI 辅助指导波传播、天线辐射及信号调制实验，提供操作步骤和结果解析，学生能够在实践中理解波动规律和实验原理。作业设计与答疑环节中，AI 生成多层次题目、解析步骤及个性化反馈，学生通过练习掌握计算和应用方法。生成式AI 赋能课程教学具有可操作性强、资源生成效率高和学习体验直观的特点。教师在常规教学环境下即可使用，无需特殊硬件或许可。学生通过AI辅助学习，不仅理解课程核心概念，还能够提升自主学习能力和问题解决能力，为电磁场与电磁波课程教学数字化、智能化提供有效路径。

参考文献

[1]李明. 生成式人工智能在高等教育 中的应用研究[J]. 电化教育研究， 2023， 44（8）： 45-53.

[2]王芳. 基于AI 的高校电磁 ]. 实验技术与管理， 2022， 39（12）： 120-125.

[3]赵强. 生成式 AI 辅助大学 中国远程教育， 2023， （5）： 34-42.

[4]周楠. 在线仿真平台与 AI 结合在电磁波课程教学中的应用[J]. 高校教育研究， 2022， 43（6）： 67-73.