人工智能赋能实验课程的教学改革与实践概述——基于超星智慧教育平台的技术整合路径
An Overview of the Teaching Reform and Practice of Experimental Courses Empowered by Artificial Intelligence—The Technical Integration Path Based on the Chaoxing Smart Education Platform
DOI: 10.12677/ces.2025.1312982, PDF,    科研立项经费支持
作者: 何 苗, 郭金明, 周 威：湖北大学材料科学与工程学院，湖北 武汉；功能材料绿色制备与应用教育部重点实验室，湖北 武汉
关键词: 人工智能；实验教学；教学改革；知识图谱；Artificial Intelligence； Experimental Teaching； Teaching Reform； Knowledge Graph
摘要: 本文概述了基于超星智慧教育平台的人工智能赋能实验课程的教学改革与实践。实验课程作为工科专业工程认证的核心实践环节，长期面临设备受限、高危操作难开展、个性化指导不足等挑战。而人工智能技术的崛起，尤其是超星公司为高校提供的智慧教学技术生态，为构建“虚实结合、精准评估、全流程赋能”的实验教学新范式提供了系统性解决方案。
Abstract: This paper provides an overview of the teaching reform and practice of the artificial intelligence empowerment experimental course based on the Chaoxing Smart Education Platform. Experimental courses, as the core practical link of engineering accreditation for engineering majors, have long been confronted with challenges such as limited equipment, difficulty in conducting high-risk operations, and insufficient personalized guidance. The rise of artificial intelligence technology, especially the smart teaching technology ecosystem provided by Chaoxing Company for universities, offers a systematic solution for building a new experimental teaching paradigm that combines virtual and real, conducts precise assessment, and empowerment throughout the entire process.
文章引用：何苗, 郭金明, 周威. 人工智能赋能实验课程的教学改革与实践概述——基于超星智慧教育平台的技术整合路径[J]. 创新教育研究, 2025, 13(12): 463-470. https://doi.org/10.12677/ces.2025.1312982

参考文献

[1] 陈绍华, 孙杰, 叶恒朋, 等. 工程认证背景下环境工程专业实验教学改革[J]. 实验室研究与探索, 2025, 44(4): 146-150, 166.
[2] 叶竹, 杨澈, 杜涛, 等. 工程认证背景下能源与动力工程实验教学改革[J]. 实验室研究与探索, 2024, 43(5): 211-214.
[3] 魏玲, 刘倩, 龚霞, 等. 基于工程认证的物理化学实验改革与探索[J]. 广东化工, 2025, 52(6): 175-177.
[4] 刘建明, 朱雪波. AI赋能高校实验教学的人文失范、规约及应对[J]. 高等工程教育研究, 2025(2): 73-78.
[5] 李伟卿, 梁燕, 王敏, 等. 生成式AI技术的数据可视化实验教学设计[J]. 实验室研究与探索, 2025, 44(9): 148-154.
[6] 姚诚伟, 陈春晖, 陈梅. 面向文科学生的AI自然语言生成实验与教学设计[J]. 实验技术与管理, 2024, 41(4): 177-184.
[7] 刘力铭. 基于知识图谱的职业能力达成度可视化评测系统设计与实现[J]. 广州城市职业学院学报, 2020, 14(4): 80-84.
[8] 刘海秋, 周小波. 面向工程教育专业认证的课程达成度评价机制探索[J]. 长春工程学院学报(社会科学版), 2025, 26(1): 83-86.
[9] 孙旭, 钟秋菊, 张文涛. 生成式AI时代大学生智能学习助手: 框架、挑战与应对[J]. 终身教育研究, 2024, 35(4): 29-36, 45.
[10] 杜思雯. AI图片生成在小学美术设计教学中的应用探索——以《设计首日封》课程为例[J]. 少儿美术, 2025(8): 4-5.
[11] 黄慎泽, 吕欣. AIGC技术驱动下的高仿真虚拟数字人设计研究[J]. 艺术设计研究, 2024(6): 95-101.
[12] 熊天庆, 颜丙春, 乌日汗, 等. 基于虚拟仿真技术结合数字人系统的实验教学方法在护理专业人体解剖学教学中的应用[J]. 解剖学杂志, 2024, 47(1): 69-71.
[13] 何苗, 郭金明. 基于知识图谱的《材料制备实验》课程教学研究[J]. 创新教育研究, 2025(6): 250-258.
[14] 唐艳, 李学国. 基于学习过程的课程评价系统设计与实现[J]. 电脑编程技巧与维护, 2025(9): 59-61.
[15] 舒文韬, 李睿潇, 孙天祥, 等. 大型语言模型: 原理、实现与发展[J]. 计算机研究与发展, 2024, 61(2): 351-361.
[16] 张肖恩. 人机协同视角下AI项目化学习内容创作的创新实践研究[J]. 现代广告, 2025(16): 52-56.
[17] 张利香, 甘发旺, 魏葆春. 基于学习通AI的个性化学习路径模型应用研究——以医学类大学生计算机教学为例[J]. 电脑知识与技术, 2025(10): 170-173.
[18] 卢文忠. 虚拟数字人嵌入高校教育教学的创新探索[J]. 中国多媒体与网络教学学报(上旬刊), 2025(3): 25-28.
[19] 周小锋. 基于“超星泛雅平台”线上教学的探索与实践——以《计算机网络基础》课程为例[J]. 新智慧, 2025(3): 16-18.
[20] 李结松, 张俊飞, 周丽芬, 等. 基于超星学习通、QQ群、虚拟仿真平台开展实验教学的实践与思考[J]. 大学教育, 2022(3): 5-7.
[21] 姜林, 高杉. 数据驱动高等教育教学评价高质量发展[J]. 新乡学院学报, 2022, 39(1): 62-64, 69.
[22] 查艳芳. 高职院校大数据驱动下的精细化教学研究[J]. 办公自动化, 2024, 29(2): 36-38.
[23] 刘方馨. 智慧教育视域下的风景园林实验教学体系重构——以规划设计类课程为例[J]. 高等建筑教育, 2025, 34(4): 112-119.
[24] 王纪峰, 汪莹. 生成式深度学习在目标导向分子设计中的应用进展[J]. 中国材料进展, 2025, 44(5): 424-435, 450.
[25] 窦慧, 张凌茗, 韩峰, 等. 卷积神经网络的可解释性研究综述[J]. 软件学报, 2024, 35(1): 159-184.
[26] 秦智慧, 李宁, 刘晓彤, 等. 无模型强化学习研究综述[J]. 计算机科学, 2021, 48(3): 180-187.
[27] 董华松, 王智广. 基于OBE和AI辅助工具的嵌入式系统实验教学设计[J]. 中国多媒体与网络教学学报(上旬刊), 2025(1): 1-4.
[28] 陈曦, 于金鹏. 基于OBE-CDIO理念的“数字电子技术”实验教学设计[J]. 电气电子教学学报, 2023, 45(1): 200-203.
[29] Cohen, J. (1988) Statistical Power Analysis for the Behavioral Sciences. 2nd Edition, Lawrence Erlbaum Associates, 26 p.
[30] 徐振国, 王悦, 谢万里, 等. 人机协同教学对学生学习效果的影响——基于43项实验与准实验研究的元分析[J]. 现代教育技术, 2024, 34(2): 33-42.
[31] 钱莉, 李文昊, 顾庭轩, 等. 使用生成式人工智能有助于提高学生的学习效果吗?——基于39篇实验与准实验研究文献的元分析[J]. 现代教育技术, 2025(8): 36-45.
[32] 白慧. AI效应下高校教师智能素养提升策略研究[J]. 包头职业技术学院学报, 2025, 26(2): 81-84.
[33] 徐振国. 面向数字化学习与创新素养培养的人机协同教学模式构建与实践[J]. 山东师范大学学报(社会科学版), 2025, 70(1): 68-81.
[34] 何文涛, 张梦丽, 逯行, 等. 人工智能视域下人机协同教学模式构建[J]. 现代远距离教育, 2023(2): 78-87.
[35] 姜潜基, 宋薇, 李郁. 基于AI背景下的工科实验教学创新思考与研究[J]. 教育教学论坛, 2025(17): 81-84.
[36] 赵金明, 刘春. 探索AI赋能生态学实验教学的创新、挑战及未来方向[J]. 湖北开放职业学院学报, 2025, 38(19): 4-6.
[37] 周野飞, 赵传军, 许丽媛, 等. AI赋能“机械精度设计与先进测量技术”课程建设改革与探索[J]. 科教文汇, 2025(14): 100-103.
[38] 彭文波. 基于算法思维的课堂教学效果优化策略[J]. 新智慧, 2025(4): 80-82.
[39] 王洪梅, 王运武. AI时代教师角色变迁与职业认同——基于DeepSeek应用的深度分析[J]. 中国医学教育技术, 2025(3): 299-305.

为你推荐