摘要：人工智能技术的迅猛发展正在深刻改变高等教育的形态，应用型高校的教学面临着前所未有的机遇与挑战。本文以西南财经大学天府学院《高等数学》课程改革实践为例，系统分析了传统数学教学中存在的突出问题。基于“AI 赋能、学生中心、能力导向”的核心理念，提出了教学平台与智能工具应用、课程内容重构、课堂教学模式转型、多元考核评价体系建立、教师发展与资源共建共享等五大方面的改革措施，取得了显著成效。研究为应用型高校数学课程教学改革提供了可复制、可推广的经验与范式。

关键词：人工智能；高等数学；教学改革；应用型高校

一、引言

（一）研究背景

进入21世纪第三个十年，人工智能技术正以不可逆转的趋势重塑世界经济结构、社会形态和教育生态。2024年，教育部启动“人工智能+教育”行动计划，明确提出要推动人工智能与教育教学全过程深度融合，探索未来教育新形态。这一战略部署对高等教育特别是应用型人才培养提出了全新的要求。

应用型高校作为我国高等教育体系的重要组成部分，肩负着培养高素质应用型人才的历史使命。然而，长期以来，应用型高校的数学教学普遍存在“重理论轻应用、重讲授轻互动、重结果轻过程”的倾向，难以适应新时代对人才数学素养和思维能力的要求。

西南财经大学天府学院作为一所典型的应用型高校，自建校之初就确立了“以学生职业发展为目标，综合能力提升为主线，知识学习为载体”的人才培养指导思想，形成了“一个头脑、两个工具”的办学理念。2025年以来，学校全面推进AI教学改革，数学教研中心积极响应学校号召，制定了教学改革实施方，并以《高等数学》课程为试点，开展了系统的教学改革探索。

（二）研究意义

从理论层面看，本研究将人工智能技术与高等数学教学深度融合，探索形成了“AI赋能、学生中心、能力导向”的教学改革范式，丰富了应用型高校数学教育理论。研究提出的“课前自主预习—课中深度互动—课后拓展提升”教学闭环、任务驱动学习体系、多元考核评价模式等，为数学课程教学改革提供了新的理论视角。

从实践层面看，本研究以《高等数学》课程为试点，形成了可复制、可推广的教学改革经验。研究成果可以为同类型高校的数学课程改革提供参考借鉴，也可以为其他学科课程的AI赋能教学提供方法论指导。

（三）研究思路与方法

本研究遵循“问题导向—理论建构—实践探索—总结反思”的技术路线。首先，通过文献研究和现状调查，系统梳理当前应用型高校数学教学中存在的突出问题；其次，基于学校AI教学改革指引和数学教研中心实施方案，构建高等数学教学改革的理论框架和实施路径；再次，以《高等数学》课程为试点，开展为期一学期的教学改革实践；最后，通过数据分析、问卷调查、访谈等方法评估改革成效，总结经验和不足，提出改进方向。

二、当前应用型高校高等数学教学存在的主要问题

（一）课程资源不能满足自主学习需要

长期以来，高等数学课程资源主要围绕课堂教学设计，关注学生自主学习活动的资源相对匮乏。 现有课程资源以传统课件、教案、习题等“教”的资源为主，缺乏行业前沿案例、工程应用问题、数学建模项目等拓展性资源，资源利用率低下。 课程内容与产业、岗位需求脱节，难以帮助学生掌握社会产业所需要的数学应用能力。 学生在自主学习过程中遇到问题难以快速解决，无法有效巩固学习效果，与个性化学习要求存在较大差距。

（二）课堂仍以讲授为主，学生主体性不足

课堂教学是人才培养的主阵地，但当前数学课堂存在明显的“教师中心”倾向。教师习惯于“从头讲到尾”，全程主导教学节奏和教学内容，学生多处于被动接受状态，缺乏主动思考、提问、表达和参与的机会。 课堂互动多为教师提问、学生被动应答的简单模式，缺乏小组讨论、项目探究、案例分析等深度互动环节。 虽然AI技术已经进入教育领域，但多数数学课堂仍未实现AI与教学的深度融合，学生的创新思维、实践能力和自主学习能力没有得到有效培养。

（三）教师对学生关注不足

教学不仅是知识的传递，更是对学生成长的关注和引导。然而，当前数学教学中存在明显的“重教轻学”倾向。教师精力集中于完成课堂讲授任务。 备课时关注的是“讲什么”“怎么讲”，而不是学生“学到什么”“怎么学”。对学生学习状态、个性化需求和学业困惑关注不足，缺乏主动沟通和服务的意识。 在项目式学习、数学建模等实践活动中，教师往往只关注最终成果，忽视学生在实践过程中的思考、探索和成长，导致学生遇到问题时缺乏及时引导。

（四）数学理论与实际应用严重脱节

应用型高校的核心任务是培养能够将理论知识应用于实践的高素质人才。然而，当前数学教学中存在明显的理论与实践脱节问题。教师层面，多数教师缺乏企业一线工作经历，对产业和岗位的实际需求、能力要求把握不准，难以将行业前沿技术、新兴应用场景融入课堂教学。资源层面，校内缺乏与产业接轨的实训平台和真实实践场景，校外实践平台数量不足、合作深度不够。

（五）评价模式单一

评价是教学的指挥棒，但当前数学教学评价存在明显的“单一化”倾向。

学生评价层面，过分依赖期末考试，平时成绩占比低且缺乏实质性内容。期末考试中机械计算题比重过大，忽视了对学生数学思维、应用能力和创新能力的考核。过程性评价缺乏具体依据，合作能力、创造力、批判性思维等“软能力”未被纳入评价范围。

教师评价层面，仍基于传统的评教、答疑、课时量等评价教师，没有针对AI背景下教师的教学能力评价标准和模式，未明确教师在AI教学设计、AI工具深度应用、AI教学创新等能力的评价维度和标准。

三、高等数学课程教学改革措施

针对上述问题，数学教研中心以《高等数学》课程为试点，系统推进教学改革。

（一）建设教学平台与智能工具应用体系

1. 统一智慧教学平台建课

在超星智慧教学平台完成统一建课，将课程资源、学习任务、课堂互动、学情数据、考核评价等教学全流程迁移至平台。这一举措实现了教学过程的数字化、标准化管理，确保教学数据可采集、可分析、可追溯。学生在任何时间、任何地点都可以访问学习资源。平台自动记录学生的学习行为数据，为教师的教学决策提供了数据支撑。

2. 智能体与工具的接入及应用

整合AI工具，包括AI助教、知识问答机器人等，为学生提供概念讲解、习题提示、计算验证、错误分析、个性化学习建议等服务。同时，为教师提供学情分析、作业辅助批改等支持，减轻重复性教学工作负担。

针对《高等数学》课程，开发了课程专属AI智能体，知识库包括教材内容、教学课件、习题解析、典型例题、专业应用案例等。学生在自学过程中遇到问题，可以随时向AI智能体提问，获得即时反馈，还能根据学生的学习行为数据，推送个性化的学习资源和练习题目。

3. 平台与工具使用培训

开展“超星平台+AI数学工具”使用专题培训，确保学生熟练掌握平台自学、任务提交、测验参与及AI工具辅助学习的操作方法。定期组织教师参加超星平台功能进阶与AI智能体应用培训，提升教师数字化教学能力。

（二）重构课程内容与学习任务

1. 核心知识点拆解与层级化任务设计

将《高等数学》课程按章节拆解为核心知识点，围绕每个知识点在超星平台发布任务单。任务单包含学习目标、推荐学习资源、自测题目、思考问题四大核心模块。

针对不同学习基础的学生，我们设计了分层级学习任务。基础层聚焦知识点理解与简单应用，提高层侧重知识综合运用，挑战层注重数学与专业的结合探究。

2. 标准化学习路径规划

每节课前，教师通过超星平台发布学习路径建议，明确学生课前需完成的自学内容、预期用时、重点难点提示。学生可根据自身情况自主安排学习节奏，教师依托平台实时监控学生自学进度，对学习滞后学生进行精准提醒与帮扶。

3. 课程内容与学生专业融合

结合学生专业的培养需求，在课程内容中融入应用案例，提升学生数学知识的应用能力。

（三）推进课堂教学模式转型

1. 压缩课堂讲授时间

老师课堂讲授时间不超过总课时的50%。教师讲授聚焦关键概念、知识难点、常见误区与数学思维方法，杜绝“从头讲到尾”的填鸭式教学。

2. 重构课堂教学结构，推动课堂互动形式多元化

线下课堂设置四大核心环节，明确各环节时间与任务，具体如下表格。

（四）建立多元考核评价体系

1. 重构考核结构

打破传统考核模式，建立过程性评价（40%）+ 项目式 / 实践性考核（20%）+ 终结性考核（40%） 的多元考核体系，考核核心聚焦学生核心概念理解、逻辑推理能力、数学综合应用能力与自主学习能力，减少机械计算题比重。

2. 建立考核反馈机制

单元反馈：每教学模块结束后，教师依托超星平台积累的学习数据，生成学生学习达成度专项报告，明确班级共性知识薄弱点与学生个人问题，针对性开展辅导与补学。

学期反馈：期末结合全过程教学数据，为每位学生生成个人学习成果单，不仅体现最终考核成绩，更清晰呈现学生学期内的学习进度、能力成长轨迹、知识薄弱环节与改进建议，实现“以评促学”。

（五）加强教师发展与教学资源建设

1. 组建教研团队开展专项培训

组建课程教研团队，每周开展集体备课，研讨任务设计、课堂互动、AI工具应用等问题，共享教学经验与解决方案。制定教师数字化教学能力培训计划，分阶段开展超星智慧教学平台操作、AI数学工具应用、任务单设计、项目式考核命题等专项培训。邀请平台技术人员与校外专家进行指导，提升教师的AI赋能教学能力。

2. 建立教学资源库

搭建数学教研中心“AI+大学数学”教学资源共享库，整合超星平台课程模板、自学任务单范例、AI工具使用指南、典型教学案例、应用问题集、建模项目范例等资源，实现资源共建共享，降低教师备课成本。

四、改革成效分析

经过一个学期的教学改革实践，《高等数学》课程在多个维度取得了显著成效。本部分基于过程性数据、问卷调查和访谈结果进行分析。

（一）学生学习效果提升

通过教学改革，学生的学习积极性和主动性明显提高。在课堂上，学生主动参与互动的次数增加了 30%，学生不再是被动地接受知识，而是积极思考、提问和参与讨论。学生的自主学习能力也得到了有效培养，能够根据教师发布的学习路径建议，自主安排学习时间和学习内容，利用平台和 AI 工具解决学习中遇到的问题。

学生的数学思维能力和应用能力得到显著提升。在解决实际问题时，学生能够运用所学的数学知识和方法，进行分析、建模和求解。在数学建模竞赛中，参与改革班级的学生获奖人数比未参与改革班级增加了 20%，这表明学生在数学应用能力方面取得了明显进步。

（二）教师教学能力发展

教师在教学改革过程中，不断学习和应用人工智能技术，教学能力得到了全面提升。教师能够熟练运用智慧教学平台进行教学管理和学情分析，根据学生的学习数据调整教学策略，实现精准教学。在教学过程中，教师能够灵活运用 AI 工具，如利用 AI 助教进行答疑、利用 AI 工具进行作业批改等，提高教学效率和质量。

在教学设计方面，教师能够设计出更加符合学生需求和实际应用的教学内容和活动，将行业前沿和企业实际案例融入教学，使教学更加生动有趣、富有实用性。教师的教研能力也得到了锻炼和提高，积极参与教学研究和改革实践，推动了教学改革的深入发展。

（三）课程建设成果显著

经过改革，高等数学课程资源得到了极大的丰富和优化。创建了完善的课程知识图谱，建立了动态更新的案例与资源库，课程内容更加贴合实际应用和学生专业需求。课程的教学模式和教学方法更加多样化，形成了具有特色的翻转课堂、项目式学习和人机协同教学模式，提高了教学质量和效率。课程的考核评价体系更加科学合理，能够全面、准确地评价学生的学习成果和综合素质。高等数学课程在学校的课程建设中发挥了示范引领作用，带动了其他课程的改革和发展。

五、总结与展望

（一）研究总结

本研究针对人工智能背景下应用型高校高等数学教学存在的问题，从教学平台与资源建设、教学模式创新、教师能力提升和考核评价体系改革等方面提出了一系列改革措施，并进行了实践探索。通过改革，在学生学习效果、教师教学能力和课程建设等方面取得了显著成效，证明了改革措施的有效性和可行性。

（二）未来展望

未来，随着人工智能技术的不断发展，高等数学教学改革将面临更多的机遇和挑战。在教学资源方面，将进一步利用人工智能技术开发更加智能化、个性化的教学资源，如智能学习路径推荐、虚拟实验等。在教学模式方面，将继续探索和创新，深化人机协同教学模式，实现人工智能与教学的深度融合。在教师能力提升方面，将加强教师的人工智能素养培训，提高教师运用人工智能技术进行教学和研究的能力。在考核评价方面，将进一步完善多元化考核评价体系，引入更多的过程性评价和表现性评价方式，更加全面地评价学生的综合素质和能力。同时，将加强与其他高校和企业的交流与合作，共同推动高等数学教学改革的发展，为培养更多适应时代需求的应用型人才做出更大的贡献。

参考文献：

[1] 肖孝军. 人工智能背景下高职“高等数学”课程教学改革探研［J］. 成才之路 . 2025 （09） ： 57-60.

[2] 朱玉.适应新工科的高等数学教学改革：逻辑、困境、进路［J］. 安徽工业大学学报（社会科学版） . 2024 ，41 （03） ： 67-69.

[3] 樊亮. 人工智能赋能OBE教育理念的高等数学教学模式改革与实践［J］. 科学导报 .2026.03.

[4] 王爱花.数智驱动经管类专业高等数学教学改革思路探索经济师［J］. 2025 （09） ： 225-226.