摘要：传统“统一讲授 + 机械练习”的教学模式无法满足个性化学习需求，难以提高实践能力。根据机械专业学科竞赛和产学研项目的特点，将知识图谱并融入三维建模课程教学，探索其在课程重构、项目化实践及个性化学习效果评价中的创新应用，结合 AI 技术在超星泛雅平台验证教学效果。关键词：三维建模；知识图谱；个性化学习；超星泛雅

 

 

1 引言

在数字化转型与智能技术深度融合的背景下，本科课程教学开始从“一刀切”向“个性化”演变。计算机三维建模作为机械专业学生的核心技能之一，其课程教学长期面临挑战：一方面，学生因基础理论、认知实践能力的差异，对复杂建模工具和抽象几何概念的理解程度存在较大分化；另一方面，传统线上教学多采用线性课程结构，难以构建学生画像，无法动态适配学习者的个性化需求，导致出现学习效率低下、资源匹配困难和学习动机衰减等问题。知识图谱可为专业知识体系提供可视化和结构化的表示方法 [1]，利用智能化平台进一步实现动态评估学生知识掌握程度，为学生提供个性化学习路径、富媒体资源和交互式学习体验，突破“统一讲授 + 机械练习”一刀切的教学模式困局，为课程智能化改革提供新思路 [2]。

2 三维建模课程知识图谱构建

传统的三维建模课程教学强调软件技能训练，难以融入机械专业培养课程体系，并且缺少学科竞赛和项目的学习引导和锻炼，导致学习目的缺乏兴趣丧失，沦为机械的“图工”。图 ¹ 所示为三维建模课程个性化学习组件，将知识图谱作为核心，串联机械专业主干课程的知识点，在教学中温故知新，同时为高阶课程提供技术支持；通过创建技术链和富媒体资源对专业学科竞赛进行精准支持，让学生快速学以致用；通过梳理企业项目的研发细节，让学生成功对接产学研项目。

2.1 专业课程知识点串联

三维建模课程知识图谱需要强调其它专业课中提及的工程意义。例如建模软件的 MBD 技术需体现机械制图的表达规范、制造工艺的可行性约束、互换性的精度控制，在编辑材料时强调材料力学的承载理解，在运动仿真时显示表达机械原理的机构知识和机械设计的结构构思等，实现“设计 - 分析 - 制造”全流程知识的有机串联与深度融合。

2.2 项目竞赛实战需求

三维建模课程赋予学生将创新构思高效、精确、可视化转化为可行方案的能力，并通过虚拟仿真与分析提前验证和优化性能，规避风险，降低实物试错成本。其输出的模型、图纸、仿真数据、可视化素材构成了项目竞赛的技术核心与展示基础。利用知识图谱构建成图大赛、机械设计比赛和典型项目等的技术链路，并联结文本视频教程，降低学习盲目性，提升实战成功率。

3 基于超星泛雅的个性化学习

3.1 知识图谱构建

基于超星泛雅平台构建机械专业《计算机三维建模与仿真》课程知识图谱。首先将课程知识体系解构成 8 个知识模块：三维建模系统（如SolidWorks/UG）概述、基本操作与草图设计、实体特征建模、装配体设计、工程图设计、运动仿真基础、有限元分析和个性化学习（产品渲染、焊接钣金设计、数控模具设计、竞赛实例和项目实例等）；然后可视化构建三层知识点网络 [3]，第一级为章节知识点，第二级为能力评价知识点，第三级为软件操作知识点，共计 300+ 个；最后设计章节作业和考试，以客观题（量化评估）和主观题（建模仿真结果多视角截图）强关联二级知识点，评价学生知识掌握程度。由于三级知识点数量过多，不宜作为评价内容，可关联富媒体资源，引导学生个性化自主学习。

3.2 知识点掌握程度评估

将作业题目与二级能力评估知识点关联。客观题和主观题均可关联多个知识点，每个知识点掌握程度取决于题目难易因子和完成质量。经过大量作业训练，知识点掌握程评估更为准确且客观。为了防止作业抄袭，设计多数题目与学生学号相关，关键作业完成过程需录屏同时作业源文件单向上传系统用于人工对比，结合奖惩策略，树立良好学风。

3.3 竞赛和产学研资源导入

深入研究机械专业学科竞赛和产学研项目内容，将涉及三维建模与仿真的部分抽离出来，形成文本、软件资料、视频教程和训练题库等富媒体资源。如成图大赛创新设计赛道涉及快速建模装配、工作原理动画、有限元仿真和板金件计时设计，可拆解四部分富媒体资源，挂接至知识图谱的个性化学习章节；又如企业高端装备数据孪生项目，使用建模软件完成关键部件绘制装配，再以STL 格式导入 Blender 进行渲染和 GLTF‌分离式导出，利用开源或低代码 web3D平台进行数据绑定，实现实时数据挂接。学生通过知识图谱及其挂接资源，更好理解三维建模课程的学习意义和目标，并通过多种技术链学习得到实战能力提升。

3.4 个性化学习实现

采用结构化的三维建模课程知识数据集和学生作业成绩定期对 DeepSeek蒸馏版进行专属大模型微调 [4]，促使大模型理解学生的学习偏好、学习进度和学习效果等，构建出每位学生画像 [5]。学生通过关键提示词提问，生成个性化的学习内容，例如对成绩欠佳部分进行强化训练，根据竞赛和项目的类型，推荐涉及三维建模软件的技术路径和资源。随着超星泛雅平台智能体的不断完善，个性化学习将更加智能和高效。

3.5 教学效果评价

经过两轮全专业学生线上线下教学和完善，所有知识点的完成率从 89% 提升至 95%，知识点加权得分由 84 提升至 87，个性化学习章节知识点也得到充分学习。学习过程中产生的实时数据（视频学习时长、平时作业成绩、交互反馈）不断回流至知识图谱系统，用于识别共性难点（曲面设计优化、运动仿真分析等），为教师动态调整教学重点、优化图谱结构与资源提供了依据，形成了“教学 - 反馈 - 优化”的良性闭环。此外，从竞赛（成图大赛、机械设计创新比赛、3D 大赛和“大挑”等）和省级国家级创新创业项目结果反馈，认真完成个性化学习的学生具有更强带队能力，作品创新表达效果更突出，成绩更优异。

4 结语

知识图谱的应用提升了三维建模类课程与主干课程、竞赛项目的关联性，通过个性化学习评估和推荐，增加了学生的学习兴趣和自主学习能力。利用AI 技术和超星泛雅平台将知识图谱等智能化工具融入三维建模课程，验证了个性化学习的可行性和有效性。未来应在知识图谱等技术迭代与教育理念创新寻求平衡，充分发挥AI 在个性化学习中的潜力，推动智能制造教育高质量发展。

参考文献：

[1] 范珊珊 , 袁子清 . “知识图谱 + 项目式教学”赋能“双创”教育路径研究 [J]. 教育教学论坛 , 2025(25): 129-132.

[2] 王琦 . 基于知识图谱的课程思政资源整合与教学案例设计探索 [J]. 教育教学论坛 , 2025(26): 105-108.

[3] 闫博 . 知识图谱在在线学习系统中的应用 [J]. 科技资讯 ,2023(1): 158-161.

[4] 周芸 , 任鹏飞 , 叶贞丹 . 华数人工智能调度平台的整体规划设计与应用实践 [J]. 广播电视网络 , 2025, 32(6): 39-44.

[5] 陈彩华 , 龙卫兵 , 龙心远 . 高职思政课智慧课堂模型构建与应用 [J]. 工业技术与职业教育 , 2023(2): 93-97.

基金项目：2023 年度校级教学改革研究一般项目“基于三维建模与仿真知识图谱的个性化学习研究”(No.NBTJG-202329)

作者简介 : 吴尧锋 (1986-), 男 , 浙江绍兴人 , 博士 , 讲师 , 研究方向为数字化工厂、数字孪生，Email: yfwu@zju.edu.cn。