1. 引言
在教育部积极倡导和引领推进“新工科”建设和“人工智能(AI)+”理念的背景下，AI技术与教育教学的结合成为高等教育改革的重要方向[1] [2]。其中，学术科研教学是高等教育的重要组成部分。广东工业大学是一所以工科为主的省属地方性重点大学，近年来在学术科研实验环境的建设和AI教学创新推广方面取得了显著成效。通过提供先进的实验设施、教学改革和课程建设，积极融入AI技术，提升教育质量和效率，培养适应新时代需求的高素质人才。硬件环境的配置和创建，不仅为学术科研的实验教学奠定了坚实的基础，而且也体现了学校积极响应教育部关于“人工智能+”的教育理念。在新时期工科课程建设需求和教学范式变革的背景下，我们积极开展了各类课程建设和教学改革探索，聚焦“人工智能赋能课程教学改革”主题，重点推进人工智能 + 专业核心课程群、本硕贯通课程和通识类课程体系建设3个专项行动。
2. 学术科研类教学存在的问题和难点
目前，自然科学类的学术科研教学存在诸多难点：首先，自然科学学术科研具有专业化和实证性的特征，这往往要求我们在实验设计、实验开展、数据采集与分析等方面投入大量的时间和经济成本；其次，实验环境的软硬件设施对学术科研的成功至关重要，而在高等教育体系中，这些资源的投入往往是巨大的，还存在很多软硬件设施投入不足的情况。再次，针对多因素变量交互影响的科研实验，目前依赖正交实验设计，虽然能够减少部分的实验量，但是大多数情况下实验量仍然很庞大，变量间的复杂相互关系和逻辑结构难以轻易拆解。相比于传统实验教学，AI虚拟实验能够在一定程度上解决传统实验教学中的诸多痛点，这包括：拓展实验教学的广度和深度。它不受时空限制，让学生可以随时投入到实验中；降低了实验过程中的安全风险；另外，AI虚拟实验还能够让实践教学更智能，提升分析解决问题的能力和效率。
本课程聚焦于自然科学中的学术科研与人工智能相结合的领域，旨在短时间内帮助学生建立对AI技术应用的整体认知框架。课程内容紧密围绕AI大模型在理工科科研中的应用，深入探讨理工科研究中的流程共性和仪器设备共性问题。这包括从数据收集、处理、分析到结果解释的整个科研流程，以及如何利用AI技术优化这些流程，提高研究效率和准确性。此外，课程还包括在不同专业方向上的具体案例分析，这些案例分析将覆盖材料科学、化学工程等多个领域，让学生了解AI技术如何在实际科研中发挥作用，以及如何将这些技术应用到自己的研究项目中。通过案例分析、虚拟实验与创新点挖掘的学习，学生将不仅能够掌握AI工具的基本使用方法，还将培养对AI技术的应用和创新意识。通过这些教学改革探索，有针对性地培养学生的数字素养和AI应用与学术科研相结合的能力。本课程的教学改革成果，将为学生未来的发展奠定坚实的基础。
3. 教学目标改革
教学目标1：了解学术科研的一般流程和共性问题，掌握常见的科研仪器设备的基本概念、原理和功能；了解AI大模型在自然科学学术科研中的广泛应用，建立利用AI技术辅助学术科研的整体认知。在这一目标下，学生将首先学习学术科研的基本流程，包括选题、文献检索、实验设计、数据收集与分析以及论文撰写等关键步骤。同时，课程将介绍常用的科研仪器设备，使学生能够掌握它们的基本概念、工作原理和功能应用。
教学目标2：了解提示词工程(Prompt Engineering)的基本原理，掌握与AI大模型高效互动的技巧。掌握面向学术科研的提示词的设计原理和框架，能够通过结构化提示词、AI智能体搭建等技巧提升学术科研的效率和能力。在这一目标的指导下，学生将通过实践学习如何设计面向学术科研的提示词，这包括了解如何结构化问题、如何提供足够的背景信息以及如何引导AI模型进行深入的分析和推理。通过这些技巧的学习，学生将能够提升与AI大模型互动的效率，进而提高学术科研的工作效率和质量。
教学目标3：通过案例分析和项目实践，使学生能够将AI技术应用于科技创新中，解决实际问题。学生将学习如何将AI技术与自己的研究领域相结合，培养创新意识和能力，为未来的学术和职业发展奠定坚实的基础。
4. 教学内容改革
4.1. 学术科研的流程和共性问题
本课程的教学内容包括学术科研的一般流程和共性问题，包括科研实验中的常见仪器设备，以及它们的操作、数据采集、功能及应用方面的内容。学术科研是一个高度专业化的行为，涉及多个复杂步骤，每个步骤都对最终的科研成果有着重要影响。本课程的教学内容将从科研的一般流程入手，详细讲解包括选题、文献检索和研读、实验开展、数据采集和分析、学术报告和论文的撰写等关键环节。在实验部分，课程将深入讲解方案设计、样品制备、表征测试和数据采集和分析等环节。这些环节是科研实验的核心，涉及到实验的成败和数据的有效性。学生将学习如何设计合理的实验方案，如何制备样品，以及如何使用各种仪器进行表征测试和数据采集。本部分内容还将汇总学术科研中常见的仪器设备，并对不同类型的仪器进行详细介绍。这些仪器覆盖了热学、力学、电磁学等多个方面，是科研中不可或缺的工具。表1汇总了常用的科研仪器设备及其主要功能和输出结果的形式。
Table 1. Part of the academic equipment summary table
表1. 部分学术科研仪器汇总表
分类 |
仪器名称 |
功能 |
输出结果 |
制备开发 |
喷雾干燥机 |
制备微胶囊粉体 |
具有特定结构的样品 |
制备开发 |
反应釜 |
温度控制、搅拌模块 |
特定样品 |
微观结构 |
扫描电子显微镜(SEM)、透射电子显微镜(TEM)、原子力显微镜(AFM) |
纳米尺度上的微观结构和形貌 |
显微照片 |
机械、力学 |
电子万能试验机、动态力学分析仪(DMA) |
力学性能、机械性能 |
应力应变、模量等 |
热学测试 |
示差量热仪(DSC)、热重分析仪(TGA) |
热转变、热分解性能等 |
热焓、热转变温度、分解温度等 |
电学性能 |
电阻仪/电导仪 |
导电性能 |
电阻/电导率 |
4.2. 面向学术科研的提示词框架设计
本课程将深入讲解AI互动的基础知识，并特别强调为“学术科研”领域设计的AI大模型提示词技巧和框架，以实现基于“AI虚拟实验”的深入分析和讨论。学术科研具有特定的规律和特性，通常依赖于实验和数据来进行实证研究，并且要求研究结果具有可复现性和可解释性。因此，在设计面向学术科研的AI大模型提示词框架时，我们必须紧密结合实验科学的逻辑和步骤。例如，在“角色扮演”环节中，我们可以指导AI大模型模拟特定的科学仪器设备，通过描述科学原理和输入先前的实验数据及结论，来进行虚拟的科研实验，并对未来可能的结果进行分析和讨论。这种模拟不仅能够帮助学生理解实验设计的复杂性，还能够提高他们对实验结果的预测能力。为了更直观地展示面向学术科研的AI提示词框架与常规提示词的区别，表2进行了汇总对比。通过这部分内容的学习，学生将掌握如何构建有效的提示词来引导AI大模型进行高质量的学术科研互动，从而提升科研工作的效率和深度。学生将学习如何将实验科学的思路和步骤融入到与AI的互动中，以及如何利用AI大模型来模拟和分析科研实验，这对于培养他们的科研能力和创新思维至关重要。
Table 2. Comparison of prompt framework
表2. 提示词框架对比
框架结构 |
学术科研类框架 |
示例 |
常规框架 |
示例 |
赋予角色 |
学术科研类仪器 |
假设你是一台SEM，擅长揭示微观结构 |
人物、职业 |
假设你是一名文案写作大师，擅长撰写文案。 |
背景介绍 |
学术报告、学术成果 |
已知纳米纤维素在油水界面处自组装成有序结构 |
任务相关 |
近期的社会热点等 |
目标任务 |
与科研仪器相关的预实验 |
推导出正己烷–水界面处的纳米有序结构的演化规律 |
文本、图画、音视频等 |
撰写卖货文案 |
限制条件 |
高度专业化、 学术化 |
基于真实的科研成果和学术报道，确保专业性、科学性 |
风格、结构、字数等 |
按照“小红书”文案风格，写作50个字以内的文案 |
流程 |
自建知识库 |
研读上传的文献资料，提取关键信息，然后分析和预测 |
在线检索、聚合知识 |
检索近期的社会热点问题，按照模版输出文案 |
框架结构 |
学术科研类框架 |
示例 |
常规框架 |
示例 |
5. 教学方法
秉承“案例教学”的核心理念，本课程通过具体案例的分析展示如何运用AI大模型进行虚拟实验，赋能科研，使学生能够将理论与实践相结合。所选取的案例覆盖特定的领域和研究课题，旨在帮助学生深刻理解面向科研的提示词工程，并能够将所学知识灵活运用于自己的研究领域。在课程的组织形式方面，主要通过分组协作开展学习。鼓励学生基于兴趣爱好、专业方向等维度进行分组，一般是5~7人作为一组。分组后的互动式研讨，也是本课程的一个教学方法。课堂上，学生围绕AI大模型的虚拟实验，比如文献投喂和研读总结、构效关系提取、实验参数设置、预期实验成果等方面进行讨论。课程结束时，学生需要进行反思和总结。通过撰写报告，总结他们掌握的新技能、学到的新知识，以及如何将AI技术应用于自己的学习、研究和未来职业发展中。比如，以新型防晒剂关键原料的开发为例[3]-[5]。通过AI大模型进行虚拟实验，探索制备流程中的关键参数，比如进样速率、喷嘴温度、乳液固含量、乳液组分配比等，对最终产品结构和性能的影响。在传统科研中，这些多因素变量的实验设计需要进行大量的正交实验，以寻找各参数与实验结果之间的规律，这一过程既耗时又耗力。而AI虚拟实验能够更高效地揭示实验规律，从而提高学术科研的效率。表3中展示了一个具体的AI辅助开发新型防晒剂微胶囊的提示词示例。这种以案例为基础的教学方法，将使学生的学习体验更加丰富和具体，并且培养出创新意识，提升对AI技术应用的能力，为他们未来在科研或工业界的职业发展奠定坚实的基础。
Table 3. Prompts example of sunscreen micro-capsules exploration
表3. 防晒微胶囊开发的提示词示例
结构 |
示例 |
Role (角色) |
你是一名喷雾干燥制备工程师，擅长调控工艺参数开发特定结构的微胶囊 |
Background (背景) |
我们在前期开展制备实验，按照{参数1}所示： {参数1} = {进样速率 = 2 ml/h；喷嘴温度 = 120摄氏度；乳化液固含量 = 5 mg/ml} 所获得的微胶囊经过测定：呈不规则球形、直径大约为40微米 |
Goals (目标) |
结合喷雾干燥的内在机理以及前期实验结果，提供工艺参数列表，以便获得球形、粒径20微米以下的微胶囊 |
Constraint (限定条件) |
1) 信息资料，务必来源于权威和准确的学术科研报道和论文； 2) 符合科学性、专业性要求； |
Workflow (流程) |
1) 解释前期实验现象，总结规律； 2) 提供工艺参数列表，并详细解释原因； |
6. 评价与考核
本课程的评价考核，包括如下要点：
1) 虚拟实验操作：学生将通过实际操作AI虚拟实验平台，展示他们对AI技术在科研中应用的理解。我们将根据他们的操作熟练度、实验设计和结果分析的能力进行评分。
2) 提示词框架：学生需要设计有效的提示词框架，以指导AI大模型进行科研相关的任务。我们将评估他们的框架设计能力和实际应用效果。
3) 案例分析：学生将基于提供的案例资料，撰写分析报告，展示他们对AI大模型在科研中应用的理解。我们将根据报告的深度、分析的准确性和创新性进行评分。
4) 分组协作：学生将以小组形式完成与AI技术应用相关的项目，并在课堂上进行展示。我们将评估他们的团队合作、项目管理和创新能力。
5) 互动研讨：学生在课堂上的参与度和讨论质量将作为评分依据，特别是他们如何将理论知识应用到实际问题中。
6) 反思和总结：学生需提交个人反思报告，展示他们对课程内容的理解和学习成果。我们将根据报告的深度和个人见解进行评分。
上述六个要点，针对学生的评价考核提供了多维度的指标体系。在实际的考核中，为了准确计算最终得分，六个维度的考核要点占据了不同的权重值，依次为：20%，15%，15%，15%，15%和20 %。多维度的考核指标体系将有利于调动学生对全流程教学过程的参与热情，更客观准确地衡量教学效果。
7. 结语
围绕“AI大模型赋能学术科研”和不断提升学生的科研素养及人工智能素养的目标，我们选取了基于AI大模型的虚拟实验作为学术科研类教学改革的切入点。在教学目标的实现上，取得了较为明显的成效。学生能够在较短的时间内，充分了解学术科研的基本流程和共性问题，还初步掌握了科研仪器设备的使用规律，建立了利用AI技术辅助学术科研的整体认知。通过学习提示词工程，掌握了与AI大模型的高效互动的技巧，提升了学术科研的效率和能力。此外，通过案例分析和虚拟实验，培养了利用AI大模型辅助提升学术科研素养的意识，为持续创新和个人发展奠定了坚实的基础。
基金项目
广东工业大学“研究生教育创新计划”教育改革创新项目(编号：2024yjg003)。
NOTES
*通讯作者。