1. 引言
人工智能技术的迅猛发展为教育数字化转型提供了强大动力。党的二十大报告明确提出“推进教育数字化”，强调教育数字化是我国教育发展的关键突破点。人工智能是教育领域的“关键赋能技术”，应全面融入教育教学的各个环节[1]-[5]。在此背景下，数据库技术作为计算机、人工智能与大数据领域的底层支撑，已成为衡量国家智能化水平的重要标志。
近年来，AI在教育中的应用研究日益深入。国际教育技术协会(ISTE) 2023年报告显示，全球超过65%的高校已引入AI技术辅助教学。在国内，《教育信息化2.0行动计划》明确提出推动人工智能与教育教学深度融合[6]-[11]。然而，传统的《数据库原理》课程教学模式往往侧重于理论知识的灌输，缺乏对学生实践能力和创新思维的培养，难以满足新时代人才培养需求。因此，课程改革迫在眉睫。
本研究旨在探索如何在AI赋能的背景下，对《数据库原理》课程的教学模式进行有效改革，通过引入AI技术和现代教育理念，改变单向传授知识的方式，提升学生的学习兴趣和实际应用能力，为高校课程改革提供实证案例。
2. 教学改革目标
《数据库原理》课程的教学模式改革旨在通过引入AI技术和现代教育理念，将课堂转变为一个互动、参与和实践的环境。具体目标包括：
1) 提升学生的主动学习能力：通过翻转课堂和项目驱动等方式，激发学生自主探索知识的兴趣。
2) 强化实践环节：结合真实案例和项目，让学生在实际操作中巩固理论知识，提高解决问题的能力。
3) 促进师生互动：利用现代教学工具，提高课堂互动性，提升学生的参与感。
3. 教学改革措施
3.1. 课程内容的优化
在教学内容中引入AI赋能的教学手段，帮助学生更好地理解和掌握数据库理论知识，同时培养他们的实践能力和创新思维。
第一，AI赋能的课前预习与知识推送。利用AI驱动的学习平台(学习通、头歌等)，根据学生的学习进度和知识掌握情况，推送个性化的学习资源。构建数据库原理的知识图谱(知识图谱如图1所示)，为学生规划从基础到高级的知识学习路径。按照学生的学习进度和知识掌握情况动态调整学习路径，推荐相关的知识点和案例。采用AI助教工具，为学生提供课前预习的指导和答疑服务。
Figure 1. Knowledge graph for the “Databases Principles” course
图1. 《数据库原理》课程的知识图谱
第二，AI驱动的课堂互动与实时反馈。通过AI技术增强课堂互动性，教师可利用学习通互动平台发布课堂问题，实时收集学生的回答数据，分析学生的掌握情况，并根据这些数据进行针对性讲解。同时，借助平台提供的随机选人功能，教师可以随时点击“随机选人”按钮，选择一名学生回答问题或参与讨论，平台则会记录每个学生的回答情况与参与次数，之后教师可以根据这些数据，了解哪些学生积极参与，哪些学生需要更多鼓励，对参与度较低的学生，教师可以在课后进行针对性辅导。
第三，AI赋能的实践教学与项目指导。利用AI驱动的头歌(EduCoder)实践平台(EduCoder平台如图2所示)，为学生提供虚拟实验环境。确保实验的独立性和安全性，学生可以在自己的实验环境中进行操作，不会相互干扰。为每个实验项目编写相关知识技术要点，制作与实验项目相关的视频教程，帮助学生更好地理解实验步骤和操作要点。平台利用MySQL官方语法规范构建的解释器进行语法检查，结合2000多个真实学生错误案例训练的LSTM模型进行语义分析，基于执行计划分析的规则引擎能够对SQL代码进行实时语法分析和语义检查，提供精准错误定位和修复建议，采用测试用例验证实践结果，提示闯关是否成功。
3.2. 教学方法的创新
第一，采用翻转课堂模式。将传统的课堂教学结构颠倒，利用在线学习平台为学生提供课前学习材料，将课堂时间用于讨论和实践。实施翻转课堂的步骤如下：
首先，确定每次课的主题与目标，明确学习成果；制作简洁明了的讲解视频，时长控制在5~15分钟左右；提供相关的测试题和案例研究，以巩固学生对视频内容的理解；创建讨论，引导学生在课堂讨论中深入探讨相关主题；利用AI助教工具(如图3所示)，帮助教师制作教案、出题、学习答疑和资源推荐。其次，在学习通平台上发布视频讲解和辅助材料，提前通知学生观看时间，设置截止日期，确保学生在上课之前完成观看；利用学习通平台的AI学情分析工具(如图4所示)跟踪学生观看情况，评估他们的学习进度，发送提醒通知，鼓励学生按时完成学习任务。再次，课堂开始时，组织小组讨论，让学生分享他们对视频内容的理解和疑问；教师在课堂上给予及时的反馈，及时纠正学生的误解，鼓励学生之间进行互评，提升学习的互动性。最后，要求学生撰写学习反思，回顾在课堂上的收获和不足之处；提供在线问卷，收集学生对课程内容和教学方法的评估和反馈，调整视频内容、课堂活动和教学策略；定期更新学习通平台上的资料，定期反思翻转课堂的实施效果，不断优化教学设计。
Figure 2. The Educoder for practice platform for the “Databases Principles” course
图2. 《数据库原理》课程的头歌实践平台
Figure 3. AI teaching assistant
图3. AI助教
Figure 4. AI-powered learning analytics
图4. AI学情分析
第二，项目驱动学习(Project-Based Learning, PBL)。通过真实的项目引导学生进行主动学习和团队合作。这种方法不仅使学生能够应用所学知识解决实际问题，还能培养他们的实践能力、沟通能力和自我管理能力。实施项目驱动学习的步骤如下：
首先，选择与课程目标相关的实际项目，确保项目具有现实意义，鼓励学生参与项目主题的选择，以提高学生的兴趣和参与度；明确项目学习的预期成果，包括知识技能、团队合作和解决问题的能力；将项目分解为研究、计划、执行和展示等多个阶段，为每个阶段设定时间框架和里程碑，帮助学生合理安排时间。其次，根据学生的兴趣和特长，组成多样化的小组，促进不同技术和观点的交流，每个小组成员应明确各自的角色，确保责任分配合理；确定团队中各成员的具体职责，包括组长、设计者、开发者和答辩者等，鼓励成员之间进行轮换，帮助学生发展多种技能。再次，指导学生进行文献调研、市场调查或实地考察，以获取相关信息，教授学生如何评估信息来源的可靠性，培养其批判性思维；鼓励团队制定详细的项目计划，可以使用流程图进行可视化计划，学生根据计划开展项目工作，教师在此过程中提供指导和支持。最后，学生可以通过演示文稿、视频等方式展示项目成果，根据事先设定的评估标准，对学生的表现进行综合评估，鼓励学生讨论在项目学习过程中学到的知识和经验，以及未来的改进方向，引导学生思考如何将所学知识应用于其他领域，鼓励学生与行业专家建立联系，将课堂学习与现实世界相结合。
第三，利用Educoder平台设置实验练习关卡。通过Educoder平台设置结构化查询语句(SQL)练习的通关关卡，激发学生进行数据库应用系统程序设计的兴趣。设计不同难度级别的练习任务，逐步引导学生掌握从基础到高级的SQL语句编写技巧。
第四，融入课程思政元素。通过案例分析和讨论，帮助学生理解数据库技术在社会和经济发展中的重要作用，增强学生的社会责任感和使命感，如强调数据库安全防护的重要性。
4. 实践与评价
4.1. 实施方案
将上述课程教学模式在23级计算机科学与技术专业1-2班级进行试验。课前通知学生观看视频，在课堂上进行小组与集中讨论，让学生分享对视频内容的理解和疑问，针对本次课程知识点进行小测验；围绕相关知识点进行案例分析，分组讲解与演示，让学生将所学的知识应用于解决实际的问题，教师在课堂上给予评价及反馈，课后进行反思，巩固、拓展学习内容。
4.2. 数据收集与分析
利用学习通平台的AI学情分析工具收集学生观看情况数据，评估他们的学习进度；收集小测验数据，评估他们对知识点的掌握情况；通过在线问卷，收集学生对课程教学模式的评估。采用独立样本检验比较实验组(2023级)和对照组(2022级)在期末成绩、实验成绩、作业成绩、课堂表现和课程达成度等指标的差异，调整及优化教学模式。
4.3. 学习效果评价
课程目标达成度评价值采用多维度加权计算，公式如表1所示。
Table 1. Composition and computation explanation of course learning outcome achievement values
表1. 课程目标达成值构成和计算说明
目标分值 |
实际平均分 |
目标达成评价值 |
期末考试 |
50 |
35.30 |
0.6 × 35.30/50 + 0.08 × 19.73/20 + 0.12 × 16.01/20 + 0.20 × 18.61/20 = 0.78 |
课堂表现 |
20 |
19.73 |
作业成绩 |
20 |
16.01 |
实验成绩 |
20 |
18.61 |
通过优化教学内容和方法，学生的学习热情显著提高。学校督导听课对教学模式给予肯定，90%以上的学生对教学模式表示满意；后续课程的相关教师反馈，认为学生对《数据库原理》课程的理论分析和实践能力都比较好。计算机22级与计算机23级(计算机23级学生采用新的教学模式)两个班的期末各课程目标的达成情况如图5所示，图5(a)为计算机22级课程各项目标达成情况，图5(b)为计算机23级课程各项目标达成情况，从中可知4个课程目标达成情况都有所提高。
此外，计算机23级学生参加中国大学生计算机设计大赛获得省级及以上奖励9项，授权软件著作权4项，较计算机22级学生(获奖4项，软件著作权2项)显著提升。
4.4. 局限性说明
本研究采用准实验设计，存在以下需要关注的局限性：
第一，混淆变量控制。尽管尽量匹配了两组学生的基线数据，如入学成绩、编程基础等，但仍可能存在未测量的混淆因素，如：两组学生的自主学习能力差异、教师的教学风格变化、校园网络环境等技术条件的驱动。
第二，测量工具限制。部分主观评价指标(如课堂参与度、创新表现)依赖教师评分，可能存在评估者偏差，未来研究应采用更多客观测量工具。
第三，本研究在单一院校的计算机专业开展，样本规模和多样性有限，结论推广到其他专业和院校时需谨慎，未来会开展多专业研究，验证结果的普适性。
第四，长期效果未知。研究仅评估了短期学习效果，缺乏对知识保持率、技术迁移能力和长期学术表现的跟踪，未来将开展纵向研究，考察AI赋能教学的持续效果。
(a)
(b)
Figure 5. Chart of course objective attainment: (a) Achievement of the course “Database Principles” for computer science class of 2022; (b) Achievement of the course “Database Principles” for computer science class of 2023
图5. 课程目标达成情况图：(a) 计算机22级《数据库原理》课程达成情况；(b) 计算机23级《数据库原理》课程达成情况
4.5. 讨论与反思
AI驱动的即时反馈符合“及时强化”学习原则；知识图谱的路径规划实现了“最近发展区”理论的教学应用；项目实践中的协作学习促进了社会建构过程。但是在AI赋能课堂教学的实施过程中约15%的学生反映AI推荐的学习路径过于结构化，缺乏灵活性；系统对SQL查询语句的测试用例要求过于严谨等问题，仍需改进。
针对目前课程目标2和3达成度评价值较低的情况，在后续课程中，将从以下几个方面进行改进：
第一，增强逻辑思维和编程思维训练。在课程中增加逻辑思维和编程思维的讲解，帮助学生更好地理解和应用数据库设计和程序设计。设计专门的逻辑思维和编程思维训练模块，提高学生的模型设计能力和代码编写能力。
第二，加强实践教学的指导和反馈。利用AI技术对学生在实践过程中的操作进行实时分析，提供及时的指导和反馈。定期组织实践项目展示和讨论，鼓励学生分享实践经验，互相学习和借鉴。
第三，拓展学习资源和学习路径。利用AI技术为学生推荐更多学习资源，包括在线课程、学术论文、技术博客等，鼓励学生自主探索和学习。
第四，深化与行业专家的互动。校企合作，定期邀请行业专家进行线上或线下的讲座和交流活动，鼓励学生与行业专家建立联系，参与实际项目或实习，将课堂学习与现实世界相结合。
5. 结束语
本研究实证了AI技术在《数据库原理》课程教学中的应用效果，但也揭示了技术与教育深度融合的复杂性。未来研究将着重解决如何平衡算法推荐与学习者自主性的关系；如何建立更加动态、开放的知识更新机制；如何降低教师的技术使用门槛。这些问题的解决将有助于推动教育数字化转型走向深入与精准化，也为提升教育质量和培养适应未来社会的人才提供了重要途径。
基金项目
本论文得到了“产教融合·科教融汇视阈下《数据库原理》课程教学模式研究与改革实践”2023年度广东省本科高校教学质量与教学改革工程建设项目(粤教高函[2024] 9号)；广东省教育科学规划课题：“新质生产力 + 数字化转型”驱动下《数据库原理》课程智慧教学模式研究与实践(2025GXJK0441)；广东省哲学社会科学规划学科共建项目(GD23XJY71)；广东省本科高校教学质量与教学改革工程建设项目：“新师范”背景下师范生人工智能素养框架结构与“三位一体”培养模式的研究和改革实践(粤教高函[2021] 29号)；广东省教育科学规划课题(2018JKZ022)等基金项目的资助，在此一并表示感谢。
NOTES
*通讯作者。