摘要: 考虑到研究生课程《随机过程》存在理论抽象、知识点分散、教学手段单一及思政融入不足等问题，文章提出了一种基于知识图谱的AI技术深度融合的课程建设和教学改革方案。通过构建《随机过程》知识图谱，将离散知识点系统化，实现从“静态知识传授”向“动态知识探索”的教学模式转变。首先，利用AI技术构建四大资源库(专业案例库、思政元素库、科研实践项目库、阅读材料库)，为教学改革提供内容支撑；其次，建立“课前–课中–课后”全流程的线上线下混合教学模式，融入案例教学、小组讨论与AI分析，以激发学生兴趣，培养其批判性思维与自主学习能力；再次，实施AI辅助的课程管理，通过学情数据分析实现个性化教学与精准辅导。通过多项举措，能有效促进教学与科研、专业实践的有机结合，在夯实学生理论基础的同时，助力其创新能力和综合素质的提升，为人工智能时代的高等教育课程改革提供了可资借鉴的实践路径。
Abstract: This paper addresses some issues in the graduate course “Stochastic Processes”—including its abstract theory, fragmented knowledge structure, traditional teaching methods, and a lack of ideological and political integration—by proposing a reform plan for course construction and teaching. This plan is deeply integrated with AI technology and built upon a knowledge graph. The creation of a “Stochastic Processes” knowledge graph systematizes discrete knowledge points, enabling a shift in the teaching model from “static knowledge transmission” to “dynamic knowledge exploration.” The strategy unfolds in three key aspects. First, AI technology is employed to develop four foundational resource libraries: a professional case library, an ideological-political elements library, a research practice project library, and a reading materials library, thereby providing substantial content support for the reform. Second, a comprehensive blended learning model is established, encompassing the entire instructional process from pre-class to in-class and post-class stages. This model integrates case-based teaching, group discussions, and AI analysis to enhance student engagement and develop their critical thinking and self-directed learning skills. Third, an AI-assisted course management system is implemented, which utilizes learning behavior data analysis to facilitate personalized instruction and precise academic guidance. These coordinated measures effectively foster the integration of teaching, research, and professional practice. The reform not only consolidates students’ theoretical groundwork but also strengthens their innovative capacity and overall quality, thereby providing a transferable model for higher education curriculum reform in the artificial intelligence era.
1. 引言
《概率论》作为本科教育的一门重要通识基础课，侧重研究静态随机事件的统计规律性，作为它的自然延伸，《随机过程》则强调随机现象在时间上的动态演变规律，更符合实际问题的发展。但是其作为一门理论性强、知识点较为分散的课程，学生普遍感觉学习不成体系。本文初步探讨如何对研究生阶段《随机过程》进行教学改革。
人工智能(AI)迭代迅速，其影响与日俱增，目前已被广泛应用于教育领域。2018年《关于全面深化新时代教师队伍建设改革的意见》明确指出，到2035年“教师要主动适应信息化、人工智能等新技术变革，积极有效开展教育教学”[1]。2019年国际人工智能与教育大会指出：“积极推动人工智能和教育深度融合，促进教育变革创新”[2]。由此可见，未来教育的任务是利用人工智能等新型技术，辅助培养学生的自主学习能力和创新能力。
另一方面，研究生教育属于国民教育中的顶端教育，对于我国高层次专业人才的培养起着重要作用，是国家发展、科技进步的重要基石。如何重构优质高效的研究生教育，建设基于AI的新时代现代化研究生教育是当务之急。
目前已经有多位高校学者探讨了研究生课程教学改革。郭学玲等人[3]将案例教学模式作为研究生教育教学改革的重要实践路径，从教师队伍能力提升、学生学科竞赛获奖、校企共建三个方面对教学实践成效进行了总结。邢莹莹等人[4]在新时代思想政治教育体系背景下，以“大思政”理念引领研究生课程思政建设，致力于突破传统思政教育的局限，实现“本研”培养的有机衔接，实现了专业教育与价值引领的统一。曾峻峰[5]将AI技术与生态保护需求深度融合，构建了“AI + 生态”导向的风景园林研究生跨学科课程群，为提高风景园林学科人才培养质量提供参考。
在目前教学中，主要存在以下问题：一是概念抽象，知识点零散，具体应用难，与人才培养脱节；二是传统教学手段单一，学生难以直观把握随机模型之间的联系与区别。三是由于课时限制，难以为每位学生提供针对性的辅导；四是思政元素缺乏，在培养学生综合素质上作用发挥匮乏。
因此，如何利用AI赋能提高教学效率，培养学生自学能力，为后续开展科研工作奠定基础，以及如何提升学生综合素质，是一个值得探讨的问题。本文目标是在AI背景下，构建一种基于知识图谱的AI课程建设路径，为AI时代下的高等教育教学改革提供可借鉴的路径。
2. 基于知识图谱的建设思路
本文通过构建《随机过程》知识图谱，将离散的知识点系统化，并以此为基础，以AI应用为手段，将课程从“静态知识传授”转变为“动态知识探索”，形成一个立体、互联的知识网络，有效提升学生的学习效率、深化对学科知识的系统性理解。具体见图1。
Figure 1. Knowledge graph of “Stochastic Processes” on the teaching platform
图1. 教学平台上《随机过程》的知识图谱
继而，融合人机协同的智能化教学辅助，完成以学生为中心的个性化学习设计。基于知识图谱的结构，系统追踪每个学生的学习行为(包括答题情况，知识点浏览等记录)，精准定位其知识薄弱点，并通过AI工作台中的24H智能学伴等应用，开展学生与教学内容的深度互动，形成最适合该学生的学习路径和复习材料。整体研究框架见图2。
1) 强化课程与专业相融合
《随机过程》课程具有理论性、抽象性强等特点，因此针对不同专业需求增加专业案例，有助于提高学生学习兴趣。通过专业案例教学，吸引学生的关注，例如：讲解平稳过程时，可结合通信信号处理案例来分析，从而加深学生对《随机过程》和专业知识的双重理解。
2) 增加科研项目与教学相融合
研究生人才培养过程中，教学在研究生科研、创新能力培养上作用发挥不明显。因此，需增加科研项目案例，将教学、科研相结合。教师通过引入科研新成果和开发新研究课题，引导学生进行研究分析，撰写研究报告。设计教学实践案例，将实践项目案例纳入教学，提高学生实践能力及解决实际问题的能力。
Figure 2. Research framework
图2. 研究框架
3) 增加课程思政与教学相互融合
适当增加课程思政内容，将科学家的钻研精神和爱国情怀、辩证唯物主义思想，以及正确的世界观、人生观、价值观融入教学，实现育德育人同向同行。具体要紧扣《随机过程》课程知识体系，从“人物事迹、专业背景、学科历史、思政案例”四个方面融入，多角度、全方位地进行引领和指导。
4) 培养学生创造力和个性化发展
提供知识拓展资料，例如前沿科研文献等，学生可组成小组进行阅读，然后进行讨论，鼓励从多角度考虑问题，研究思想方法，并提出自己想法，培养学生创造力。同时还可以满足不同学生的学习需求，培养学生个性化发展。
3. 具体实施过程
本文旨在探索如何应用AI技术优化《随机过程》课程的教学内容，并形成智能化教学内容，以及探索如何借助AI技术补齐传统课程建设中的若干短板，解决课程建设中的痛点问题，从而在AI背景下建立新的课程体系，提高教师的教学水平，更好服务学生。
1) 通过AI技术建立资源库
① 专业案例库。教师利用AI技术查阅并精选与专业相关的案例，再请专家进行审核修改，形成能激发学生兴趣的案例，最终形成高质量跨学科专业融合典型专业案例库，为教学内容改革提供支撑。
② 思政元素库。教师采用AI技术选取与教学内容相匹配的能达到价值引领目的的思政元素，形成思政元素库，为课程思政提供有效的支撑。
③ 科研实践项目库。根据教学内容，增加科研项目。引入新科研成果和开发新研究课题，学生可以利用AI回答问题，然后通过多次比较AI的不同问答，形成自己的见解和理解。让学生通过AI技术实现实验项目，提高学生实践能力。
④ 阅读材料库。教师还可以提供一些扩展的阅读资料，以满足不同能力学生的多元化需求。学生自主学习，利用AI解决文献相关问题，培养学生的问题解决能力和创新能力。
2) 建立AI背景下的线上线下混合教学模式
课前：① 教师从利用AI建立好的资源库中精选出与教学内容相关的典型案例、思政元素及拓展问题，融入教学过程；② 学生完成教师课前线上布置的教学任务，形成自己的理解，用于课堂讨论，有利于学生自主探索，激发学生学习兴趣；③ 教师安排线上回顾关联知识，特别是需要用到前续的数学知识，将课堂学习时运用旧知的阻碍解决在课堂之外。
课中：① 教师采用多种教学方法导入课程知识点、讲解重难点及融入思政元素；② 增加学生讨论环节，教师课上给出讨论问题，也可以是课前布置的项目，学生通过相互讨论给出结论，然后教师总结；③ 知识巩固环节是通过随堂练习检验学生学习效果；④ 案例分析环节，用AI对案例进行分析，再对AI分析的结果进行综合分析给出正确的解决方案。
课后：① 自主学习部分是教师从科研拓展库中精选问题，学生通过小组讨论结合AI分析给出见解，并与教师沟通，培养学生批判性思维能力和自主学习能力；② 提供扩展阅读资料，让学生利用AI进行学习，从而满足学生的个性化发展需求。
比如，在计划讲解马氏链的时候，课前安排学生进行视频预习，并进行相关知识点的考核。课中，介绍马氏链的转移概率密度、齐次马氏链的无后效性、平稳分布等知识点。例题部分，通过引入最经典的“天气预报模型”，再次加深明天天气(下一个状态)是依赖于上一个状态，而与上上个状态无关。进而告诉学生，无论过去是成功还是失败(系统的历史状态)，决定你未来走向的(状态转移)关键在于你现在的位置和选择(当前状态)。所以不要沉溺于过去，而是脚踏实地，抓住目前的主要矛盾，为创造更美好的生活做出最优决策。课后布置相关作业，让学生融会贯通，对于学生不会的，课程提供AI答疑。对于学有余力的同学，提供更深层次的阅读资料，满足学生个性化发展。
3) AI辅助课程管理
AI通过收集大量的学习数据，挖掘有用信息，智能分析学生学习情况，帮助教师做出数据驱动的决策。根据AI给出的学情分析，提供个性化教学，更好地满足学生的需求。一方面可以找出学习困难的同学，加强对个别学生针对性辅导，从而使学生更好掌握知识。另一方面，也可以发现在某个方面表现出色的学生，提供更具挑战性的学习内容，加强学生对知识理解的深度。具体实施过程见图3。
Figure 3. Process of concrete implementation
图3. 具体实施过程
4. 总结
本文以《随机过程》课程为例，阐述了基于知识图谱的AI课程建设方案。首先，利用AI建立各种资源库，并借助AI进行问题分析。其次，充分使用AI技术，建立线上平台，开展线上线下混合教学模式，提高学生学习兴趣及参与度。最后，对AI分析给出的结果进行辩证分析，培养学生批判性思维及系统性的科学思维。
通过多项举措，可以将教学与科研相结合，将科研项目引入教学中，为学生将来的科学研究打下坚实的理论基础；根据不同专业引入不同的专业案例，在引起学生关注的同时，还能为将来的专业研究打下基础；利用AI将分析结果引入教学中，让学生通过小组讨论分析AI给出结果的正确性，培养学生批判性思维；开展线上线下混合教学模式，提高学生参与度，培养学生学习兴趣。同时，课程团队能够完成“传帮带”的传承，在课程建设时也能推动团队教师的成长。
基金项目
本文由中国民航大学2025年研究生教育教学改革与研究项目“AI背景下随机过程课程建设的探索”资助。