AI时代大学物理课程的教学范式探讨
Discussion on the Teaching Paradigm of University Physics Courses in the AI Era
DOI: 10.12677/ae.2026.1671550, PDF,    科研立项经费支持
作者: 李云雯:昆明理工大学理学院,云南 昆明
关键词: 人工智能大学基础课程驱动力可见的教学范式Artificial Intelligence University Foundation Courses Driving Force Visible Teaching Paradigm
摘要: 面对智能时代对基础课程的冲击,教育工作者需重新审视教学目标与方法以应对社会变革挑战。本文从AI教学应用现状切入,分析其对传统范式的机遇与变革,探讨内外驱力对基础教育的影响,提出“人机结合困境即教育进化催化剂”的核心观点。基于此,指出大学物理教育需底层变革,并构建智能化教学范式重构策略:通过个性化学习路径规划、教学底层设计优化及教师角色转型,推动协同智能的基础课程发展,实现技术与教育的深度融合,为未来人才培养提供适配性支撑。
Abstract: Facing the impact of the intelligent era on basic courses, educators need to re-examine teaching goals and methods to cope with the challenges of social change. From the current status of AI teaching applications, this paper analyzes the opportunities and transformations it brings to traditional paradigms, explores the impact of internal and external drivers on basic education, and proposes the core viewpoint that “the dilemma of human-machine combination is the catalyst for educational evolution”. Based on this, it points out that university basic education requires fundamental transformation, and constructs reconstruction strategy for the intelligent teaching paradigm: by optimizing personalized learning path planning, underlying teaching design, and teacher role transformation, it promotes the development of basic courses based on collaborative intelligence, achieves the deep integration of technology and education, and provides adaptive support for future talent cultivation.
文章引用:李云雯. AI时代大学物理课程的教学范式探讨[J]. 教育进展, 2026, 16(7): 1706-1711. https://doi.org/10.12677/ae.2026.1671550

参考文献

[1] 吴恒仲, 朱国芬, 柏振平. 数字化赋能高校思想政治教育的价值意蕴、发展困境与实现进路[J]. 教育理论与实践, 2025, 45(15): 40-44.
[2] 徐子燕, 石中英. 人工智能时代的真理问题与教育责任[J]. 教育研究. 2024, 45(10): 26-37.
[3] 沈成, 柏毅. 大语言模型在小学生计算思维评测中的应用——以ChatGPT为例[J]. 中小学数字化教学, 2023(6): 25-28.
[4] 王静贤, 周恬, 叶童. 自适应学习对大学生学习结果的影响研究——基于51项实验和准实验研究的元分析[J]. 重庆高教研究, 2023, 11(6): 116-127.
[5] 石慧. 人工智能时代的高等教育评价审思[J]. 高等理科教育, 2025(3): 9-11.
[6] 孙虎, 李春杰. 多元化设计网络学习评价体系[J]. 中国教育网络, 2011(8): 68-70.
[7] 张颖, 李利杰, 孙统达. 基于网络的项目化课程多元化过程性评价系统设计与实现[J]. 中国教育信息化, 2014(11): 72-74.
[8] 汪材印. 多元智力理论指导下的“计算机网络”课程评价机制研究[J]. 电脑知识与技术, 2012, 8(19): 4668-4670.
[9] 王璐. 高校理工科研究生专业课程思政教学模式研究[J]. 黑龙江教育, 2025(7): 83-85.
[10] 徐嘉欣. 生成式人工智能赋能高质量学习资源建设: 方向与应用场景[J]. 继续教育研究, 2025(8): 80-85.
[11] 邬大光. 人工智能时代的大学教学“突围” [J]. 高等理科教育, 2025(3): 1-4.
[12] 罗杨洋. 生成式人工智能辅助教学的“梯”与“坑” [J]. 高等理科教育, 2025(2): 1-5.
[13] 何聚厚, 李天宇, 何秀青. 中小学人工智能教育大单元设计的意蕴、困境和路径[J]. 中国电化教育, 2022, 43(2): 30-37.
[14] 张晓军. 人工智能时代的学习变革: 从继承性学习到生成式学习[J]. 中国大学教学, 2025(4): 82-88.
[15] 黄荣怀. 数字技术赋能当前教育变革的内在逻辑——从环境、资源到数字教学法[J]. 中国基础教育, 2024(1): 10-17.
[16] 穆肃, 陈孝然, 周德青. 生成式人工智能赋能教学设计分析: 需求、方法和发展[J]. 开放教育研究, 2025, 31(1): 61-72.
[17] 陈宁红. VR全景视频在高职英语口语教学中的应用研究[J]. 现代职业教育, 2019(31): 100-101.
[18] 孙培青, 杜成宪. 中国教育史[M]. 第3版. 上海: 华东师范大学出版社, 2011: 2.
[19] 吴砥, 郭庆, 郑旭东. 智能技术进步如何促进学生发展[J]. 教育研究, 2024, 45(1): 121-132.
[20] 洪玲. 生成式人工智能背景下知识学习的离身困境与实践路径[J]. 理论探讨, 2025, 46(5): 19-25.