摘要：在 AI 技术迅猛发展与课程思政建设常态化推进的双重背景下，传统《概率论》教学模式面临着知识点抽象化、思政融入生硬化、教学方法模式陈旧、评价体系单一等诸多挑战。本文基于 PDCA 理论构建“主循环 + 子循环”的双循环教学模式，将AI 技术与课程思政元素深度融入《概率论》教学全流程，提出“AI 赋能精准教学- 双循环驱动闭环育人- 思政元素多元浸润”的三维教学路径。通过文献调研、行动研究等方法，从教学目标定位、内容设计、实施过程评价体系等方面展开探究，结合“五味”思政课堂案例论证路径可行性，旨在实现知识传授、能力培养与价值引领的有机统一，为同类理科课程教学改革提供理论借鉴与实践范例。

关键词：双循环教学模式 AI 技术 课程思政

基金项目：2025 年度河北省应用技术大学研究会课题“基于双循环教学模式下融入AI 技术的《概率论》课程思政教学路径探究”，编号：JY2025075。

作者简介：（1989-），女，河北沧县人，讲师，研究方向：教育教学、概率统计。

引言

近几年，国家对课程思政教学高度重视，《教育部关于加强新时代高校课程思政建设的指导意见》明确提出，要将课程思政融入人才培养全过程，实现各类课程与思政课程同向同行。同时人工智能领域的高速发展也对教育领域发起了强有力的冲击。2025 年全国教育工作会议明确提出“持续推进国家教育数字化战略”。以上无不在召唤对教育教学的改革创新。

本次课程创新选取《概率论》课程进行相关教学改革探究。

一、课程简介

《概率论》课程是理工科专业重要的专业基础课程之一。通过本课程的学习，学生不仅能建立完整的概率统计知识体系，初步掌握数据处理与分析的基本技能，更能具备运用概率统计思想解决实际问题的能力，能够将抽象的数学理论转化为生动的教学内容。但传统的教学模式使学生兴趣缺乏，学习动力不足。

本次教学改革选取统计学专业《概率论》进行展开，课程信息（见表1）。

表1《概率论》课程信息

二、教学痛点分析

课程团队成员通过多轮教学复盘、师生座谈、问卷调查、课堂观察及教学数据复盘等多种方式了解教学痛点、困境等问题。

经过多轮复盘与探讨，总结出学生学习、教师教学痛点、难点问题如下：

(1) 对于《概率论》课程，学生在高中阶段已经学习过相关内容，但是经历大一阶段部分学生对旧知识已经淡忘，有些同学却掌握良好，所以如何做好初高中知识衔接成为我们需要考虑的问题；

(2) 传统《概率论》授课多以讲授为主，学生感到枯燥、乏味，但单纯的“翻转课堂”和“小组合作”又让学生感到无问题可问，无答案可寻，常常流于形式；

(3) 传统《概率论》教学与学生就业、发展结合度低且学习内容理论为主较枯燥，让学生产生“为什么学数学、学数学有什么用”的想法，导致学习动力不足；

(4) 从学生角度来说学习时间较零散，较喜欢通过网络等电子产品进行学习，但是面对网络上较多的学习资源，不知道如何寻找，且对于不懂得问题羞于与老师、同学交流；

(5)“平时作业 + 期末成绩考核”形式比较单一。

三、双循环教学模式下融入AI 技术的《概率论》课程思政教学路径构建

本文所指的双循环教学模式包含“主循环”与“子循环”两个层级。主循环基于 PDCA 理论，分为计划（Plan）、执行（Do）、检查（Check）、反馈（Act）四个阶段，聚焦教学全过程的整体设计与优化；子循环聚焦于“课前 - 课中 - 课后”的教学环节，分为课前准备（Pre-class）、课中实施（In-class）、课后巩固（Post-class）三个阶段，实现教学环节的精准把控与细节优化。两个循环相互嵌套、协同运作，形成“整体规划 - 环节落实 - 反馈优化”的闭环育人体系。

基于双循环教学模式的核心内涵与 AI 技术的应用优势，结合《概率论》课程的教学特点与思政元素分布，构建“三维融合”教学路径，即 ^*AI 技术赋能教学全流程 + 双循环驱动闭环育人 + 思政元素多元浸润”，具体涵盖教学目标定位、教学内容设计、教学实施过程、教学评价体系四个核心环节。

(⟶) 精准定位教学目标：AI 赋能的“知识- 能力- 价值”三维目标体

教学目标是教学活动的出发点与落脚点。双循环教学模式下，借助AI 技术构建“知识 - 能力 - 价值”三维教学目标体系，实现教学目标的精准定位与个性化适配。

1. 知识目标：依托学习通及雨课堂等平台，分析学生的前置知识储备（如高中数学概率知识、微积分知识等），结合《概率论》课程标准与专业人才培养方案，精准定位各章节的核心知识目标，如“理解随机变量的概念”等。

2. 能力目标：结合AI 技术的应用场景，明确学生的能力培养目标，包括逻辑思维能力、数据分析能力、实践应用能力、自主学习能力等。例如，通过AI 虚拟实验平台，培养学生的实践操作能力；通过 AI 数据分析任务，培养学生的数据处理与解读能力；通过AI 个性化学习路径规划，培养学生的自主学习能力。

3. 价值目标：深度挖掘《概率论》课程中的思政元素，结合时代要求与学生特点，明确价值引领目标，包括科技自信、家国情怀、社会责任感、科学精神等。

在主循环的计划阶段，教师借助 AI 整合知识、能力、价值目标，形成个性化的教学目标方案，并根据学生的学习反馈（子循环的课后反馈），在主循环的反馈阶段动态调整教学目标，实现教学目标的精准优化。

（二）优化教学内容设计：AI 赋能的“知识点- 思政元素- 虚拟实验”融合体系

教学内容是教学路径实施的核心载体。结合双循环教学模式的要求，借助 AI 技术对《概率论》教学内容进行重构，构建“知识点- 思政元素- 虚拟实验”三位一体的融合教学内容体系，实现知识传授与价值引领的有机统一。

1. 核心知识点梳理：依托学习通平台，梳理《概率论》课程的核心知识点，形成知识图谱，明确各知识点之间的逻辑关联。例如，将“随机变量”“概率分布”“大数定律”“中心极限定理”等知识点串联成线，构建“基础概念 -理论推导- 实际应用”的知识链条。

2. 思政元素深度挖掘与融合：结合《概率论》各章节的知识点，挖掘“五味”思政元素，即科技味、影视味、文学味、时事味、历史味，通过AI 技术实现思政元素与知识点的精准匹配与多元呈现。具体融合方式如下：

（1）科技味思政元素：在讲解指数分布时，借助 AI 虚拟实验平台，模拟锂电池使用寿命的检测过程，展示指数分布在新能源领域的应用；同时，通过AI 大数据分析工具，呈现我国在锂电池、新能源汽车等领域的科技创新成就，激发学生的科技自信。

（2）影视味思政元素：在讲解大数定律时，借助AI 视频剪辑工具，截取影视剧《赘婿》中“拼刀刀”的相关片段，分析“拼刀刀”背后的概率逻辑——随着参与人数的增加，中奖概率逐渐趋近于理论概率，契合大数定律的核心内涵；同时，引导学生思考大数据时代下概率知识在商业模式创新中的应用，培养学生的创新思维。

（3）文学味思政元素：在讲解贝叶斯公式时，引用“百尺竿头需进步，十方世界是全身”的经典文学名句，类比贝叶斯公式中“先验概率 - 后验概率”的更新迭代逻辑——随着新信息的不断加入，对事件概率的认知不断优化，实现“进步与提升”。

（4）时事味思政元素：在讲解数学期望时，结合疫情防控中的核酸检测案例，借助 AI 数据可视化工具，展示不同核酸检测方案（如单人单检、混检）的成本与效率，通过计算数学期望分析最优检测方案；引导学生体会数学知识在公共卫生事件中的应用价值，增强学生的社会责任感。

（5）历史味思政元素：在讲解概率统计的发展历程时，借助 AI 人物故事平台，介绍许宝騄、陈希孺等我国著名统计学家的事迹——许宝騄先生在艰苦的条件下深耕概率统计领域，取得了国际领先的研究成果，为我国统计学的发展奠定了基础；引导学生学习科学家们严谨治学、为国奉献的精神，培养学生的科学精神与家国情怀。

3. 虚拟实验内容开发：借助AI 虚拟仿真技术，开发适配《概率论》知识点的虚拟实验项目，如“随机变量分布的模拟实验”“大数定律的验证实验”“贝叶斯公式的应用实验”等。学生可通过虚拟实验平台，自主调整实验参数，观察实验结果，直观理解抽象的概率概念与理论；同时，实验项目融入思政元素，如在“锂电池使用寿命模拟实验”中，设置“国产锂电池vs 进口锂电池”的对比实验，让学生在实验中感受我国科技创新的成就。

（三）创新教学实施过程：双循环驱动的“AI+ 思政”协同教学流程

教学实施过程是教学路径落地的关键环节。基于双循环教学模式，将 AI 技术与思政元素融入“主循环（计划 -执行- 检查- 反馈）”与“子循环（课前- 课中- 课后）”的各环节，形成协同联动的教学流程。

1. 主循环：整体规划与优化（Plan-Do-Check-Act）

（1）Plan（计划阶段）：教师借助 AI 教学管理平台，整合教学目标、教学内容、教学方法等要素，制定整体教学计划。具体包括：根据 AI 智能诊断结果，确定各章节的教学重点与难点；结合思政元素分布，规划“五味”思政课堂的实施节点；选择适配的教学方法，如虚拟实验教学法、案例教学法等；制定初步的教学评价标准。

（2）Do（执行阶段）：按照教学计划推进教学实施，借助 AI 技术实现“知识点- 思政元素- 虚拟实验”的有机融合。在理论教学环节，利用 AI 智能授课系统，通过动画、视频等形式直观呈现概率概念与理论；在思政浸润环节，通数字人、虚拟实验平台等，展示思政案例与实验项目；在互动环节，借助AI 互动平台，开展实时问答、小组讨论、在线投票等，提升课堂互动性。同时，教师作为引导者，及时解答学生疑问，引导学生深化对知识点与思政元素的理解。

（3）Check（检查阶段）：综合运用AI 评价工具、作业展示、阶段性测试等方式，全面检测教学效果。AI 评价工具可实时监测学生的课堂参与度、学习进度、虚拟实验操作情况等数据；通过分析学生的作业与测试数据，评估学生对知识的掌握程度与思政素养的提升情况。

（4）Act（反馈阶段）：根据检查阶段的结果，借助 AI 数据分析工具，系统总结教学经验，深度剖析教学过程中存在的问题，如教学内容难度是否适中、思政元素融入是否自然、AI 技术应用是否有效等。针对存在的问题，制定优化方案，调整教学计划、教学内容与教学方法，为下一周期的主循环提供借鉴。

2. 子循环：环节落实与细化（课前- 课中- 课后）

（1）课前准备阶段（Pre-class）：教师通过 AI 教学平台发布预习任务，包括知识点预习视频、思政案例资料、前置知识测试题等；借助AI 推送技术，根据学生的前置知识储备与学习能力，推送差异化的预习资源。例如，对前置知识薄弱的学生，推送基础知识点讲解视频；对学习能力较强的学生，推送拓展性的思政案例与实际应用问题。同时，AI 系统可实时监测学生的预习进度与测试结果，为教师提供学情分析报告，帮助教师精准把握学生的学习基础。

（2）课中实施阶段（In-class）：采用“AI+ 互动+ 思政”的教学模式，提升课堂教学效果。具体流程如下：首先，借助AI 智能问答系统，梳理学生预习中存在的问题，针对性地开展重点讲解；其次，结合虚拟实验平台，组织学生开展虚拟实验操作，直观理解知识点；再次，引入思政案例，通过小组讨论、班级交流等形式，深化学生对思政元素的理解；最后，借助 AI 互动平台，开展实时测试与反馈，及时巩固学习成果。例如，在讲解大数定律时，先通过 AI 系统解答学生预习疑问，再组织学生通过虚拟实验验证大数定律，然后引入《赘婿》“拼刀刀”案例开展小组讨论，最后通过实时测试检测学生的掌握程度。

（3）课后巩固阶段（Post-class）：教师通过 AI 教学平台发布课后作业与拓展任务，包括基础练习题、案例分析题、虚拟实验拓展项目、思政主题调研任务等。AI 系统可自动批改基础练习题，为学生提供个性化的错题解析与复习建议；对案例分析题与调研任务，教师进行人工批改与点评，并借助 AI 平台展示优秀作业。同时，教师通过 AI 答疑平台，及时解答学生的课后疑问；组织学生开展线上互评活动，提升学生的自主学习与反思能力。此外，AI 系统可追踪学生的课后学习数据，为教师提供教学效果反馈，助力主循环的反馈优化。

（四）完善教学评价体系：AI 赋能的多元增值评价体系

传统《概率论》教学评价多以期末考试为主，侧重结果性评价，难以全面反映学生的学习过程与综合素养。双循环教学模式下，借助AI 技术构建多元增值评价体系，实现对学生学习过程的全周期监测与综合评价。

1. 评价主体多元化：构建“学生自评+ 学生互评 + 教师评价+AI 评价”的多元评价主体体系。学生自评侧重对自身学习过程、学习能力与思政素养提升情况的反思；学生互评侧重对小组讨论、作业完成情况的评价，培养学生的合作精神与批判思维；教师评价侧重对学生的学习态度、知识掌握程度、实践能力与思政素养的综合评估；AI 评价借助智能诊断、数据分析等技术，对学生的预习进度、课堂参与度、虚拟实验操作、作业完成质量等数据进行客观分析，提供精准的评价结果。

2. 评价内容全面化：评价内容涵盖知识掌握、能力提升、思政素养三个维度。知识掌握维度主要评估学生对《概率论》核心知识点的理解与应用能力；能力提升维度主要评估学生的逻辑思维能力、数据分析能力、实践操作能力等；思政素养维度主要评估学生的科技自信、家国情怀、社会责任感、科学精神等。通过全面的评价内容，实现对学生综合素养的全方位评估。

3. 评价方式过程化：依托 AI 技术实现评价方式的过程化，将评价贯穿于课前、课中、课后全流程。课前通过 AI前置知识测试，评估学生的基础水平；课中通过AI 实时监测课堂参与度、虚拟实验操作情况，开展实时测试，评估学生知识掌握程度；课后通过AI 作业批改、拓展任务完成情况分析，评估学生的巩固效果与能力提升情况。

四、结论与展望

( 一）研究结论

本文构建双循环教学模式与三维教学路径，得出结论：1. 三者深度融合可破解传统教学痛点，提升教学与育人效果；2. 构建的目标、内容、实施、评价体系形成完整路径，具有系统性与可操作性；3. 案例验证路径可提升学生知识掌握、能力与思政素养，获得学生认可；4. 路径实施需教学团队、AI 资源、管理制度保障。

（二）研究展望

未来可从四方面深化研究：1. 拓展研究范围，验证路径在课程其他同类理科课程的普适性；2. 优化AI 技术应用，提升平台智能化水平，探索生成式AI 教学应用；3. 深化思政融合，丰富“五味”课堂内容，强化与知识点耦合；4. 完善评价体系，增加创新、合作等指标。

总之，该教学路径是教育数字化与课程思政融合的有益探索，未来将持续优化，为培养高素质创新型人才提供支撑。

参考文献

[1] 王晓波，张渝江 . 生成式教学智能体 :AI 赋能大规模个性化教育的新样态——来自国外的经验与启示 [J]. 中小学数字化教学，2025，(01).

[2] 姜晓丽，邵明晖，石晶 . ^ωAI+ 数字孪生”赋能高校智慧教育——迭代融合、应用场景与实践进路 [J]. 黑龙江工程学院学报，2025，39(01).

[3] 闫莉 , 闵兰 , 李为 . 大学数学基础课程思政的教学设计研究 : 以概率论与数理统计课程思政为例 [J]. 西南师范大学学报 ( 自然科学版 ),2021,46(5):186-189.