控制类课程群“育心・启思・智评”数智赋能教学模式探索与实践

    一、教学改革背景

    1.1 国家战略与教育改革双驱动

面向教育强国，遵循习近平总书记“推动教育数字化”重要指示，《中国教育现代化2035》《高等学校课程思政建设指导纲要》《教育信息化2.0行动计划》等顶层设计要求等均将“智能教育创新”列为高等教育发展的核心任务之一，要求高校探索AI赋能教学的新路径、新模式。在此背景下，“人工智能助力高等教育变革”已不仅是教育创新的可选方向，更是响应国家战略、落实首都教育现代化要求的必然选择。

在教育数字化浪潮下，学生认知路径呈现碎片化、自主化和泛在化特点，传统统一节奏、单向灌输的教学模式无法匹配动态学习需求。作为电类专业核心支撑的控制类课程群（《自动控制原理》《现代控制理论》《线性系统理论》等），长期面临个性化评价难落地、高阶思维难启发、反馈链路迟滞缺维等问题，影响专业认证持续改进，制约工科人才培养质量提升。

    1.2 师资问题的现实挑战和痛点

传统教学模式正面临严峻的现实挑战，其核心矛盾在于日益增长的个性化教育需求与有限的师资供给及传统教学效率低下之间的失衡。具体体现在以下方面：

（1）个性化教育推进面临师资供给不足困境。控制类课程群作为支撑学科专业的核心课程，学生因知识基础、学习节奏、认知特点存在显著差异，对个性化学习指导需求迫切。基础薄弱学生需针对性补修理论知识，能力突出学生渴望拓展创新实践项目。现有教师教学难以兼顾不同层次学生的个性化需求，导致个性化教育停留在“碎片化尝试”无法形成系统性培养体系，难以匹配学校对复合型、创新型人才的培养要求。

（2）教师陷入重复性工作泥潭，教学创新动能不足。控制类课程知识点抽象、逻辑链条长，学生在课后常围绕基础知识点反复提问，教师需花费大量时间进行重复性解答。这类机械性工作，挤压了教师进行教学设计优化、课程思政挖掘、数智化教学工具研发等核心工作的时间。这使其难以胜任“双一流”建设所要求的启发式、探究式、讨论式教学，严重制约了教学质量的提升与人才培养模式的创新升级。

因此，亟须通过数智赋能破解这一困境，将教师从重复劳动中解放出来，使其角色从“知识灌输者”转向“思维引导者”和“创新激励者”，这是实现“双一流”建设目标必须解决的核心教学问题。

图1 教学改革思路与解决问题

    1.3 教学现状的突出问题

人工智能在高等教育中的应用已从概念探索进入落地阶段，其中智能助教是最具代表性的场景之一。目前国内高校及企业已开发多款智能助教工具，主要聚焦知识点推送、作业批改、简单答疑等基础功能，但整体仍存在三大局限：

①理论支撑薄弱：多数智能助教以技术驱动为主，缺乏教育学理论深度融合，如未结合苏格拉底“启发式教学”思想设计交互逻辑，多为直接给答案而非引导学生自主思考，难以实现育人价值与技术功能的统一；

②应用场景单一：现有工具多局限于“课后答疑”或“作业辅助”，未覆盖课前预习－课中互动－课后巩固－学情诊断－教学优化的全流程，与课程教学体系的融合度低，难以真正推动教学模式变革；

③成果推广性不足：多数实践停留在单一课程、单一院校的“点状尝试”，未形成可复制的技术部署－教学应用－效果评估－模式迭代完整方案，且缺乏跨学科、跨院校的推广验证，难以支撑高等教育变革的规模化落地。

    二、解决的关键教学问题
    2.1 传统教学适配差问题

当前专业课程教学中，思想政治教育元素的融入存在生硬刻板的现象，往往采取简单贴标签或机械添加的方式，未能与专业知识体系形成有机统一的整体。这种表面化的结合方式导致思政教育与专业教学相互割裂，难以实现知识传授与价值塑造的协同效应，最终影响了课程思政的育人实效，无法充分发挥专业课程的隐性教育功能。

    2.2 思维训练浅层化问题

传统课堂教学模式受制于师生比和课时限制，难以针对每个学生的认知特点和思维水平提供个性化指导与即时反馈，无法真正落实因材施教、集体成才的教育理念。同时，教师资源和课堂时间的有限性也制约了引导学生开展深度思维训练的可能性，缺乏有效机制促进学生进行持续性的批判性思考和探究式学习。特别是在工科课程教学中，复杂的公式推导、工程图表等非文本内容难以通过常规的线上交流方式完整呈现，严重影响了远程答疑和辅导的质量与效果，导致学生“似懂非懂”，阻碍了学生高阶思维能力的培养。

    2.3 教学评价单维度问题

现行教学评价体系存在明显的单一化倾向，“一考定成绩”仍占主流，过度依赖终结性评价而忽视过程性评价，缺乏及时、精准、个性化的形成性评价手段。这种评价模式无法为教学过程的持续改进提供有效的数据支撑，难以实现教学闭环的优化与迭代。同时，由于缺乏对学生知识掌握情况的实时监测和精准分析工具，无法生成可视化的学习轨迹图谱，导致教师难以及时发现学生的学习困难，无法开展有针对性的差异化教学指导。

    三、总体改革思路

本研究成果以“人工智能技术与专业课程深度融合”为核心理念与核心驱动力，创新性地构建了包含“育心・启思・智评”三大维度的立体化教学模式体系（图2）。

图2 教学改革总体思路图

该模式通过人工智能技术赋能专业教学全过程，在育人理念上强调“以心育心”的情感培养，立足北林“树木树人”之本，将价值塑造、知识传授与能力培养深度融入课程教学、社会实践全链条。在教学过程中注重“以AI启思”的思维训练，在评价环节实现“学生—AI—教师”三元协同评价的智能反馈，形成环环相扣、相互支撑的完整教学闭环。这一教学模式既体现了现代教育技术与专业教学的有机融合，又彰显了“以学生为中心”的教育理念，为新时代背景下专业课程的改革创新提供了可借鉴实践范式。

    四、系统改革举措
    4.1 育心—实施“工科心，生态梦”课程思政

秉持“大思政课”融入专业课理念，以“工科心，生态梦”为核心理念，构建了工科专业服务生态文明的课程思政模式（图3）。

图3 实施“工科心，生态梦”课程思政

具体举措为：①在《自动控制原理》等课程导入、案例分析、实践指导环节，引入智能林业装备、智慧灌溉等生态保护领域的工科案例，增强学生科技报国的使命感；②在知识传授、课后反思等环节强调“绿水青山就是金山银山”理念，引导学生思考工科技术在服务智慧林业、保障土壤健康的社会责任；③以“大模型技术边界”等科技前沿问题为切入点，弘扬工程师文化，强化学生科技责任感。该模式深受学生认可，提升人才培养质量，毕业生就职于国家应急管理部、中国科学院重庆绿色智能技术研究院等，成为建设美丽中国的重要力量。

    4.2 启思—自主开发微信端AI智能助教

依托《自动控制理论》课程、DeepSeek和学习分析软件，打造“研-教-创”贯通的智能教育体系。基于该教学体系，带领学生自主研发课程智能助教AI小苏，实现“学生创工具、工具促学习”。该AI智能助手融合了苏格拉底启发式教育理论，为学生提供个性化和定制化的学习路径，在课前、课中和课后全程为学生提供知识点解读和学习互动。同时，作为伴随式课程助教，AI小助手可以24小时全天候为学生答疑解惑，建立24小时不间断学习环境，实现课前预习－课中学习－课后复习－课程答疑全阶段学习的过程闭环（图4）。

图4 AI小助手全程和全时间助力学生课程学习

智能助教借鉴因材施教理念，通过分析学生的学习进度、作业完成情况和测验成绩，为学生生成定制化的学习计划，确保学生在适合自己的节奏下掌握课程内容。同时，智能助教融入苏格拉底的启发式问答法理念（图5），通过多轮对话和问题引导，激发学生的好奇心和求知欲，帮助他们在探索中发现知识，让学生在思考中逐步领悟知识的精髓，提升批判性思维能力。此外，智能助教可以提供详细的错题分析和解题思路，为学生提供即时反馈，引导学生在反思中提升学习效果。为便于学生学习和应用，智能助教还结合文本、图像、动画和语音等多种形式，提供多模态教学支持，帮助学生直观理解复杂的控制系统模型，增强知识应用能力。融合经典教育理念的智能助教，破解了传统课堂理论实践脱节、能力结构单一痛点，推动学生从“知识吸收者”向“问题解决者”跨越，让课堂成为能力跃迁的核心孵化器。

图5 AI智能助手助力学生学习示意图

和现有大模型对比，AI小助手针对学生学习特点，具有三大特点：

①动态提问链和反诘式纠错：可模拟苏格拉底的追问逻辑，根据学生回答实时生成后续问题，推动学生深入思考。当学生给出错误答案时，AI小助手不直接否定，而是通过反例或矛盾提问引导学生自我修正。

②个性化追问路径和反思模板：AI小助手能根据学生知识水平调整问题难度，实现千人千问，并根据学生弱点生成针对性反思问题库。

③评估范式变革和即时反馈循环：AI小助手可对学生回答实时打分（图6），从结果评价转向过程评价，能够实现传统教学难以实现的“提问－反馈－修正”即时闭环。开发模块化AI助教系统架构，可快速迁移至其他专业课程，助力新工科跨学科教学改革。

(a) 图片输入 (b) 语音输入 (c) 互问互答和评分机制

图6 《自动控制理论》AI小助手实施过程图

    4.3 智评—双模型功能优化与教学反馈机制

构建“AI双模型×师生双主体”三元协同评价体系，实现智能化评价－反馈－改进闭环。

①AI同行评议——给AI戴上“紧箍咒”。DeepSeek大模型化身数字同行，对AI助教回复进行多维度质检，确保学术准确性、安全合规性和教育启发性，低于95分则回炉重训，守住科学规范底线。

②AI评学生——给学习装上“导航仪”。AI助教对学生作答从概念、方法、应用和创新四维度量化打分，秒级生成学生提升个性化报告，实现考后即知、知后即改（图7）。

③教师评数据——给课堂配置“智慧驾驶舱”。基于AI助教反馈的群体+个体双轨数据，直观获取学生高阶思维薄弱点、思政达成度、工程素养缺口，一键生成教学决策建议，动态优化教学策略，形成“评价－反馈－改进”的周级闭环（图7）。

图7 《自动控制理论B》AI小助手学生学习效果反馈图

确保工程认证中“持续改进”证据链可追溯、可量化，让学生成长看得见、教师教学管得精、专业认证说得清，实现集体成才和教学质量持续提升，支撑自动化、电气工程及其自动化专业工程教育认证持续改进要求。

    五、实施成效

    5.1 育人成效显著提升——从“标准化培养”到“个性化成才”飞跃

有效提升学生自主学习能力，学生课程满意度整体提升（保持在90%以上）；学生课后拓展积极性明显提高，超30%学生完成拓展作业；支撑自动化专业获批北京市一流专业建设点，自动化、电气工程及其自动化2个电类专业顺利通过工程教育认证；近5年，自动化和电气专业学生在教育部84项高水平竞赛中累计获奖超400项，平均每年约80项省部级以上竞赛奖励；大学生创新创业项目覆盖率日益增加，部分学生主持/参加大创项目2项以上；本科生在国内外高校深造率持续攀升至55%，学生就业率达90%以上，反映出学生综合能力提升；本科生毕业设计质量持续提升，100%通过教育部检查；指导本科生发表SCI、EI期刊论文7篇。

    5.2 教学团队成果丰硕：从“单兵作战”到“协同创新”升级

AI助教实现7×24小时多线程响应，响应时间由教师的“以分钟计”缩短到“以秒计”，可同时满足两个专业4个班级300人在线；实现让AI做陪伴学习、教师做高阶思维训练的新常态学习模式。团队牵头成立北林首批“青椒”教学创新工作室，汇聚学科青年骨干教师，打造l支校级首批高水平教学团队；团队成员教改论文质量与教学成果奖项显著增长，获全国人工智能大会优秀论文特等奖、案例三等奖各1项，校级教学成果奖一等奖等20项。获校级青教赛人工智能特色组一等奖（第1名）、二等奖、最佳教案奖、最佳演示奖大满贯；主持省部级教改项目3项，校级“AI+专业课”重大项目1项、其他教改25项；在线开放精品课程2项；培养北京市青托人才1项；获梁希林业科技二等奖1项、青年论文奖二等奖和三等奖各1项。AI助教不仅减轻了教师负担，更成为教学创新的加速器，为打造高水平、结构化教师发展共同体提供了可持续、可复制的北林样板。

    5.3 教师负担有效减轻：从“事务型忙碌”到“创造型工作”角色进化

AI助教将教师从繁重、重复、低效的劳动中解放出来，实现了教师工作重心的战略转移，重塑了教师的核心价值。课程教学中，约有60%课后答疑涉及基础概念澄清、公式推导、作业常见错误等重复性问题。AI助教能够毫秒级响应、精准解答这些疑问，并可同时应对上百名学生的并发访问，实现了答疑辅导的“规模化”与“个性化”的统一。团队参与教师100%认可AI助教在减轻其事务性负担方面的巨大作用，认为这使得他们能更专注于教学创新，从而提升了整体教学质量。

    5.4 专家认可与辐射效应：从“内部实践”到“广泛引领”的价值溢出

面向校内50余位跨学科跨专业青年教师提供AI赋能教学改革参考，助力青年教师备课效率和教学质量提升；开展“AI+专业课”校内示范课1次；受邀参与线上教学沙龙并担任评价嘉宾，参与人数超300人，具有良好示范效应；为牡丹江市中小学学生开展AI+思政主题讲座1场，课后调研“愿意进一步学习AI”比例高达93%，实现高校优质资源向基础教育下沉，形成“大中小教育”数字育人新路径。

    5.5 企业应用：产教融合注入新动能

AI助教系统凭借轻量化部署优势，已在电路、数字电子技术等课程落地；成功推广于杭州海康威视、中国动力（北京）2家企业，助力员工突破专业薄弱环节，考核通过率达100%，实现了“院校－企业”资源共享，为产教融合提供可持续、可复制的数字化范本。