1. 引言
在科技合作与发展全球化和教育数字化转型的双重背景下，研究生学术能力培养面临新的挑战：传统教学模式难以适应跨学科知识整合需求，学术写作规范训练缺乏系统性，思政教育与专业教学存在融合不深等问题[1] [2]。《光科学文献阅读写作与交流》课程作为国防科技大学光学工程、电子信息等学科研究生的专业基础必修课，自2017年开设以来，历经8年建设与4轮教学实践，逐步形成了“专业教育 + 学术训练 + 思政育人”的课程特色。课程在建设过程中，受到AI教育应用[3] [4]、课程思政深度融合[5]及价值观量化评估[6]等研究的启发，以建构主义学习理论(强调学习者主动建构意义)和价值观教育理论(关注价值认知、情感认同与行为践行的统一)为指导，探索实践了将课程思政元素与AI技术深度融入教学全过程，构建“价值塑造–技术支撑–能力提升”的协同发展机制，为培养具有国际视野与家国情怀的高素质科研人才提供路径参考。
2. 思政引领：构建“三维融合”的课程思政育人体系
本部分改革设计深度融入价值观教育理论，强调价值认知(了解规范与精神)、价值情感(激发认同与情怀)和价值行为(养成规范习惯与践行责任)的递进式培养。同时，运用情境学习理论，通过真实或模拟的科学家案例、学术伦理困境等情境，促进研究生对抽象价值观的内化理解。
2.1. 建设思路与目标定位
以“立德树人、为战育人”为根本宗旨，遵循“隐性浸润 + 显性引导”的思政融入原则，通过挖掘光科学领域的科学家精神、学术规范、科技报国案例等思政资源，构建与专业教学深度融合的“三维思政育人模型”。具体目标包括：在知识层面，使研究生掌握光科学领域科技伦理规范；在能力层面，培养严谨的科学思维与学术道德判断能力；在价值层面，激发科技报国的家国情怀与文化自信，实现学术能力培养与价值塑造的有机统一。
2.2. 多维度思政建设内容与实施路径
2.2.1 科学家精神浸润：从案例研讨到价值认同
在文献阅读教学模块，精选光科学领域典型案例构建科学家精神案例库。例如，在光学玻璃材料综述论文教学中，系统引入“两弹元勋”王大珩院士的事迹：1958年王大珩带领团队在极端艰苦条件下突破技术瓶颈，研制出我国第一块光学玻璃，实现自主创新，通过分析其科研笔记与论文中的家国情怀表述，引导学生思考科技工作者的使命担当。在“光纤通信之父”高锟的诺贝尔奖获奖论文《Dielectric-fibre surface waveguides for optical frequencies》研读中，不仅解析其技术创新点，更通过对比其不同时期论文的致谢部分，展现科学家对科研团队与国家平台的感恩情怀。
教学实施采用三步浸润法：首先由AI辅助标注文献中体现科学家精神的关键段落(如高锟论文中关于“探索未知领域勇气”的表述)，然后组织学生开展“科学精神与创新动力”主题研讨，最后要求学生撰写《我的科研价值观》反思报告。同时，进一步优化融入方式，在三步浸润法的基础上，引入基于问题的学习环节。例如，在研讨高锟案例后，提出开放性问题：“如果你是身处当时环境的高锟，面临技术瓶颈和国际竞争压力时，你将如何坚持你的研究并阐述其价值？”引导学生进行角色代入和深度思辨，促进精神内核的主动建构，而非被动接受。2025年春季学期的教学实践显示，92%的学生在反思报告中提到“从科学家案例中理解了科研的社会价值”。
2.2.2. 学术规范塑造：从知识传授到行为养成
针对研究生学术规范意识薄弱的问题，构建“正反案例对比 + 全过程规范训练”的教学模式。在写作教学模块，专门设置“学术道德与规范”章节，选取学术期刊审稿中发现的典型案例(如数据篡改、不当引用等)，与《自然》《光学快报》等学术期刊的规范论文进行对比分析。例如，在讲解论文引用规范时，通过AI生成两组对比范例：一组是未正确标注的初稿，另一组是规范引用的终稿，引导学生识别过度自引、遗漏关键文献等问题。同时，将“正反案例对比”升级为情境模拟任务。利用AI生成包含不同类型学术不端风险点的“问题论文草稿”，学生分组扮演期刊编辑、审稿人进行“模拟审稿”，识别问题并提出修改建议。在加强课堂互动性的同时，通过问题导向式模拟，提升学生对论文写作规范性的理解和判断能力。
实践环节采用三维规范训练：在文献综述写作中，要求学生使用EndNote等工具规范管理参考文献；在实验数据呈现中，严格执行“原始数据存档 + 重复验证”制度；在论文投稿模拟训练中，设置“学术诚信声明”环节。通过AI工具，研究生可以在教师的帮助下开发《光科学学术规范手册》作为今后论文写作的规范性资料。其中，特别要求研究生制定“数据伦理”章节。
2.2.3. 家国情怀培育：从理论认知到实践践行
在学术交流模块，重点培养研究生面向世界展现中国科技成果的能力。结合课程团队在国际学术会议(如CLEO、OFC)的实践经验，设计“中国科技成果国际表达”专题训练：选取我国在光纤激光、量子通信等领域的原创性论文，指导学生将技术创新点转化为“中国方案”的叙事框架。例如，在分析国防科技大学团队发表的高功率光纤激光论文时，引导学生从解决国家战略需求角度重构摘要，突出服务国防建设的研究意义。
此外，课程组积极主办学术会议、研究生交流研讨活动等。例如，2025年6月，课程组依托科研团队在国防科大前沿交叉学科学院举办第二届单频激光技术研讨会，并设置学生报告环节，评选出最佳和优秀学生报告，使得研究生在其中受益良多，为教育、科技、人才一体推进开拓了新思路。
2.3. 思政育人成效的多维度验证
2.3.1. 学术规范意识提升
通过课程前后测对比，学生对学术不端行为识别率从62%提升至91%，论文引用格式错误率降低73%。2023年选课学生中，3篇课程作业论文被推荐至《中国激光》等核心期刊，编辑部反馈“学术规范性好”。
2.3.2. 家国情怀具象化
课程结课报告中，87%的学生选择“科技报国”相关主题报告。课程组跟踪调查显示，2020~2022届毕业生中，43%选择到国防科研院所、军工企业工作，较课程开设前提高13个百分点。
2.3.3. 思政教学辐射效应
课程提炼的“光学工程学科高水平论文”短课程，受邀在全国学术会议(首届全国光学工程前沿交叉科学大会和第六届全国光学青年科学家学术年会)做报告，收到研究生和青年科技工作者的热烈反响。
课程取得的这些成效验证体现了价值观教育理论中知情行统一的评估维度。意识提升(知)、主题选择与就业倾向(情与行)以及辐射效应，共同构成了多维度的思政育人效果证据链。
3. AI赋能：构建全链条智能教学辅助生态系统
AI赋能的设计核心遵循建构主义原则。大规模语言模型的快速发展对科研教学也带来了颠覆性的改变。一方面基于强化学习的多模态推理训练使模型具备了视觉理解和生成能力，例如图像检索和目标检测极大地拓宽了大模型在研究生教育中的应用范围，而长思维链推理则提升了模型解决复杂问题能力的同时缓解了幻觉生成概率。另一方面，专业智能体如Deep Research通过接入外部检索和科学计算工具进一步降低了大模型的应用门槛，师生可以根据需求快速搭建工作流程。
3.1. 技术赋能的总体框架与实施逻辑
针对传统教学中文献检索效率低(平均检索时间超4小时/篇)、写作规范训练周期长(单篇论文修改需5~7轮)、跨学科交流障碍突出等痛点，基于大语言模型技术构建“四助一平台”智能教学体系(智能助教、助学、助研、助管 + 虚拟仿真平台)。实施逻辑遵循“需求驱动–场景落地–数据闭环”原则：首先通过教学痛点分析确定AI应用场景，然后开发针对性功能模块，最后通过学习行为数据采集优化系统性能，形成“教学需求–技术实现–效果反馈”的闭环改进机制。
3.2. AI辅助教学的核心功能与创新实践
3.2.1. 智能助教系统：精准提升文献处理效率
面向研究生的学术能力培养场景，聚焦科学文献高效检索与阅读、学术写作规范训练、学术交流能力提升三大核心环节。覆盖文献泛读与精读、论文框架构建、实验数据呈现、学术投稿规范、学术汇报等典型任务场景，解决研究生高质量文献检索效率低、写作逻辑不清晰、学术表达不专业等痛点问题。在文献筛选方面，课程利用大语言模型的文档摘要和语义分析，引导研究生进行文献筛选，实现基于研究方向匹配度、期刊影响力等准确匹配相关研究课题的重点文献；同时，利用数据合成技术生成生动的正反对比教学案例，帮助教师提升备课效率和教学效果。在文献深度解析方面，课程利用专业智能体工具能够向研究生提供学科特异性论文模板，生成文献的三维分析报告：技术脉络图(展示该研究从基础到应用的发展路径)、创新点标注(高亮理论/方法/实验创新)、争议点识别(对比不同文献的结论差异)。同时，集成多源查重数据库，识别潜在学术不端风险，标注可疑文本段落。
3.2.2. 智能助学平台：构建“人机协作”创作新模式
面向高校研究生的学术能力培养需求，针对科学文献阅读、学术写作与学术交流三大核心能力的薄弱环节，覆盖以下典型场景：(1) 文献阅读困境：学科术语理解困难、文献逻辑梳理低效、跨领域知识关联不足；(2) 写作能力短板：论文结构不清晰、学术表达不规范、图表数据呈现能力弱；(3) 交流技能瓶颈：学术汇报逻辑混乱、学术辩论应对不足、国际化学术互动障碍。针对上述典型场景，构建文献解析系统，协助研究生构建本领域发展脉络网络，标注文献中的核心术语、研究方法与创新点。同时，利用AI解析文献框架(如IMRAD结构)，生成逻辑脉络图。此外，设计自适应写作辅导，实现提示词设计模板、结构化写作导航、语言风格迁移等功能，帮助研究生自主建构高水平论文语料库，帮助研究生分析生成学术表达优化建议(如被动语态转换、模糊限制语补充)。
3.2.3. 智能教学管理系统：数据驱动的个性化培养
面向研究生学术写作与交流能力，以及学术道德塑造，解决学习进度与教学进度不匹配、教学质量与预期不符合、考核评价机制不能真实反映学生学习质量的问题。通过大语言模型发布论文写作修改等课堂作业，给出学生的节点任务达标率和过程性成绩；根据AI给出的学生节点任务达标率，判断学生的学习情况，及时调整课堂教学进度和方式方法，而不是等到学期末所有成绩都出来之后进行教学反思；建立相对公平的考核评价，即终结性期末大作业成绩综合教师和AI工具同时给出评价，减少教师的批改负担和主观判断，营造相对公平的考核环境，增强研究生的学习动力。
4. 协同创新：思政与AI深度融合的教学新范式
4.1. 融合机制与实施路径
构建“价值塑造–技术适配–能力跃迁”的三维融合模型：以思政元素为AI应用的价值导向，避免技术工具化倾向；通过AI技术增强思政教育的针对性与实效性；最终实现研究生学术能力与思想境界的协同提升。具体实施遵循“双向赋能”原则：一方面将思政要求嵌入AI系统设计(如学术诚信检测模块)，另一方面利用AI技术创新思政教育形式(如科学家精神虚拟展馆)。
4.2. 深度融合的创新实践
4.2.1. 思政化模型训练数据构建
筛选包含科技报国、学术道德等主题的文献语料库，对模型进行垂化训练。例如，从《中国激光》《光学学报》等高水平期刊中，人工与模型抽取相结合标注体现科学家精神的段落(如致谢中的家国情怀表述、讨论部分的社会价值分析)，作为AI文本生成的参考范本。此外，设置风险场景模拟，构建包含数据篡改、不当署名等学术不端场景的测试集，训练研究生利用AI识别潜在伦理风险。例如，当学生上传的论文中出现“未引用课题组前期相关研究”的情况时，系统自动弹出提示：“请注意是否遗漏关键文献，避免‘自我剽窃’风险”。
4.2.2. 人机协同思政教学模式
设计“AI辅助–教师深化”的双主体教学流程。例如，在文献阅读环节中，AI先对文献进行思政元素预标注(如高锟论文中“为通信事业贡献”的表述)，教师在课堂上引导学生深入讨论“科技工作者的全球责任与国家立场”的辩证关系。在写作指导环节中，学生使用AI完成论文初稿后，教师重点审核研究意义部分的价值导向。例如，对“新型激光材料研究”的论文，引导学生从满足国防装备需求角度补充讨论，使技术创新与国家战略需求建立关联。
4.2.3. 思政成效的智能评估体系
构建“定性 + 定量”的思政育人效果评估模型，设置AI自动抓取学生作业、报告中的思政相关关键词(如“科技报国”、“自主创新”等)，统计词频及情感倾向进行定量分析。教师结合AI生成的思政表现雷达图定性分析学生在学术道德、家国情怀、科学精神三个维度的表现，对学生进行个性化指导。
5. 结论与展望
《光科学文献阅读写作与交流》课程通过思政引领与AI赋能的深度融合改革，构建了“价值塑造–能力培养–知识传授–技术支撑”的四位一体教学体系。八年的教学实践表明，该改革路径有效解决了传统教学中思政融入不深、学术训练效率低、跨学科支持不足等问题，实现了研究生学术能力与思想境界的协同提升。
未来改革将聚焦三个方向：一是深化AI技术应用，开发基于多模态大模型的光科学知识图谱，实现从文本分析到实验数据可视化的全流程支持；二是拓展思政育人维度，联合红色教育基地开发“光科学发展史中的优良传统”虚拟实践课程；三是构建开放共享生态，建设全国光科学研究生学术能力培养云平台，推动优质教学资源的辐射推广。该课程的改革实践为新工科背景下研究生学术能力培养提供了可复制、可推广的范式，对推动高等教育数字化转型与课程思政建设具有重要的参考价值。
基金项目
本文得到了国防科技大学研究生精品课程项目(《光科学文献阅读写作与交流》)和国防科技大学研究生精品案例项目(《智性美德——光科学文献阅读写作与交流》)的支持。