面向新工科人才培养的AI 双师教学设计

吴彦文，陈思航，葛 迪，凌毓涛，姚 远

（1.华中师范大学国家数字化学习工程技术研究中心；2.华中师范大学物理科学与技术学院，湖北 武汉 430079）

0 引言

新工科对应的是新兴产业，包括人工智能、云计算、智能制造等，新工科人才对加速我国新一轮科技革命与产业革命具有重要意义。然而研究表明，我国现有新工科建设还存在许多瓶颈问题，例如钟登华院士［1］总结其在人才培养中的问题包括：工程教育理念与未来需求不适应、人才结构与工程需求不适应、知识体系与产业发展不适应、培养模式与社会实践不适应。在课程教学中则主要表现为知识更新滞后、师生交流匮乏、教学缺乏个性化、学生实践能力缺失、与产业需求脱节等。而将AI 双师教学模式引入到新工科人才培养中，能够使人类教师、AI 教师、学生形成相互反馈的混合式教学闭环，融通线上与线下，强化教师与学生之间的联系。一方面，AI 教师既能拓展人类教师的教学能力，帮助其进行教学分析与知识更新，并在课堂教学中将理论知识与实际应用更好地结合起来以匹配市场需求，又能减轻人类教师的工作压力，如提供备课资源、辅助进行习题批改等；另一方面，可以赋能学生的学习，如通过智能导学、学习资源推送、学习测评等为学生提供个性化的学习服务，使其与教师的交流沟通变得更加即时、高效、便捷，帮助学生养成终生学习的良好习惯。

可见，引入AI 双师课程教学辅助新工科人才培养是解决新工科建设中存在问题的一种有效方案。为此，本文首先探讨其可行性及关键实现技术，然后尝试进行课前、课中、课后的教学活动设计，检验引入AI 双师教学模式对新工科人才培养的作用，最后结合相关文献与实证研究，给出本文的思考与建议，期望能够为未来AI 双师课程教学在新工科人才培养中的应用提供参考。

1 相关研究

1.1 AI 双师应用于新工科教学可行性分析

AI 双师可溯源到1991 年研究者所做的一项教小学生认识鸟儿的案例研究，研究者将案例中的教学者分为真人组和机器人组，结果显示两者都受到学生欢迎［2］。此后，关于AI 双师教学的研究逐步成为人们关注的热点。AI 双师在教学方面的大规模应用目前主要集中于少儿教育领域，如编程猫、斑马英语等，在高等教育领域虽然尚未形成初具规模的产品，但相关研究也不断涌现。2019 年，余胜泉等［3］研发了基于育人知识图谱的个性化助理系统，具有个性化辅导、智能推理等功能，可成为教师教学的得力帮手；汪时冲等［4］以教室为应用场景构建新型AI 双师教学情景，实现了教学主体从教师、学生“双主体”到教师、机器人和学生“三主体”的转变；周琴等［5］在2020 年按照“AI+教师”协同性的高低将其划分为4 种形态，即“AI 代理+教师”“AI助手+教师”“AI 导师+教师”“AI 伙伴+教师”，并对AI 双师如何实现教育转型、突破技术壁垒等进行展望。

借鉴上述思路，本文尝试引入AI 双师对现有新工科教学进行完善与拓展［6］。AI 双师新工科教学对现有新工科教学的改进如表1 所示。从教学方法来看，现有新工科教学方法单一，主要围绕教学任务展开，而引入AI 双师教学后，不仅可进行基础案例的讲解，而且可以在项目学习中进行总结提升，从而将最前沿的理论与实际应用知识教授给学生；从教学流程来看，依托课前预习、学习评测与智能评价，可实现知识追踪功能，从而推动精准教学，在实现学生个性化学习的同时培养其终生学习的习惯。

综上所述，将AI 双师教学模式应用于新工科人才培养是可行的，其能够从多方面提升教师的教学素养与学生的学习成效，成为新工科人才培养的有效保障。

1.2 关键技术框架

由前文可知，引入AI 双师教学能够提升新工科人才培养成效，为此需要搭建关键技术框架。本文将其划分为基础支撑、智能服务、交互应用3 个层级，如图1 所示。

Table 1 The enhancements of AI+ teacher teaching to existing teaching on new engineering disciplines表1 AI 双师新工科教学对现有新工科教学的改进

Fig.1 Key technology framework of AI+ teacher teaching图1 AI 双师教学关键技术框架

（1）基础支撑包括数据层、算法层与感知层。数据层中采集的数据包括学生学习行为数据、学习资源数据、学习评价数据等，在数据采集后可进行个性化的数据清洗与裁剪，进而融合有效数据特征；算法层中结合自然语言处理的表征方式与神经网络训练模式，作为实现AI 双师教学模式的核心；感知层赋予机器与人一样的听说读写等感知能力，是实现智能教育服务与应用的依托［7］。

（2）智能服务是指为教师与学生提供量身定制的教学服务。依托AI 双师教学云平台，可为学生提供资源推送、智能答疑、智能检索等服务，为教师提供智能备课、学习监测、情景创设等服务。

（3）交互应用建立在智能服务之上，每一个应用都是一部分智能服务的集合。应用主体包括人类教师与学生，学生能够使用的应用包括个性化学习、智能导学、智能评测等，教师能够使用的应用包括智能批改、学情分析、协同教学等。

2 教学交互活动设计

本文基于关键技术框架，依托认知过程学习、自适应学习、建构主义学习等相关理论，在实证研究中以新工科课程“人工智能导论”为例进行教学活动设计与教学效果分析［8］。在此之前首先进行教学内容分析、学情分析与教学目标分析。在教学内容分析中，梳理相关教学内容，包括人工智能的发展由来、基本理论、关键技术及发展趋势；在学情分析中，针对学生特点如数学基础、编程基础及学习障碍等作了归纳整理；在教学目标分析中，明确教学目标是通过课程学习使学生了解人工智能发展概况，掌握人工智能基本原理与技术应用，能够对简单的算法进行分析与实现，从而培养学生的知识创新与技术创新能力。接下来本文进一步结合新工科人才培养目标，将课前、课中、课后的教学活动划分为AI 赋能认知选择、认知组织、认知整合3 个阶段，如图2 所示。

Fig.2 Design of teaching and learning activities for AI+ teacher courses图2 AI 双师课程教学活动设计

2.1 课前导学活动设计

课前导学主要包括学习资源推送、预习测评、学情分析、在线交流等。这一阶段主要是为后面的教学作准备，需要对浩瀚的新工科课程体系中的相关知识进行适当取舍，属于认知驱动过程中的AI 赋能认知选择阶段。课前导学活动设计如表2 所示。

Table 2 Design of pre-class guiding activities表2 课前导学活动设计

2.2 课中助学活动设计

课中助学阶段包括教学情境创设、自主探究学习、AI在线测评、教师实时点评等。这一阶段是对新工科课程知识的迁移、应用与创造过程，属于认知驱动过程中的AI 赋能认知组织阶段。课中助学活动设计如表3 所示。

Table 3 Design of in-class aiding activities表3 课中助学活动设计

2.3 课后伴学活动设计

课后阶段包括AI 作业批改、微课辅导、情感激励、学习总结反思等，目标是使学生尽可能实现对新工科课程知识的融会贯通，达到评价与批判的高度，属于认知驱动的最后阶段，即AI 赋能认知整合，最终完成对知识的整体构建，开始下一轮学习。课后伴学活动设计如表4 所示。

2.4 教学效果分析

为检验该教学设计实例的教学效果，本文选取某高校学习人工智能导论课程的大二学生共69 人，开展教学效果分析。在进行教学实践后，结合周开发等［9］提出的新工科核心能力矩阵，以调查问卷形式了解在课程教学中引入AI双师后学生新工科核心能力提升的情况。问卷调查结果如表5 所示。

由表5 可知，93.2%的学生认为学习完此课程后，增强了终生学习的意愿；96.4%的学生认为自己的思考与决策能力得到提升；95.3%的学生认为自己的人机互动能力得到提升。可见AI 双师教学模式能够促进新工科人才核心能力的培养，提升新工科人才培养质量。

Table 4 Design of after-class accompanying activities表4 课后伴学活动设计

Table 5 Results of questionnaire survey on core competence enhancement of new engineering disciplines表5 新工科核心能力提升情况问卷调查结果 单位：%

3 思考与建议

在梳理现有AI 双师教学文献、分析本文教学实例的基础上，本文给出以下AI 双师应用于新工科教学的思考与建议：

（1）借助AI 优势，拓展人类教师的教学深度与广度。人类教师与AI 教师各有所长，表6 从认知、情感、创意3 个层面对人类教师、AI 教师的擅长领域进行了比较。

Table 6 The skilled fields of human teachers and AI teachers表6 人类教师与AI 教师擅长领域

由此可按照擅长领域将资源检索、作业批改、答疑等重复性工作分配给AI 教师，而将价值引导、教学设计、点评等创造性工作交给人类教师完成，进而融合AI 教师的优势，从认知、情感、创意3 个层面拓展人类教师教学的深度与广度。

（2）进行多维数据分析，助力新工科教学有的放矢。在教学内容准备过程中，AI 教师可运用多维数据分析方法进行教材分析、学习者分析等。对于教材分析，AI 教师可依据已有数据分析不同教材的使用情况与优缺点，从而提供最前沿、权威的教材。此外，AI 教师可利用知识图谱、回归、聚类等技术为师生提供整体学习报告，实现对班级、学生个体的精准化分析，帮助学生高效地学习新工科知识。

（3）发挥主观能动性，探索新工科个性化学习服务。依据学情分析结果，AI 教师能够为每一位学生提供个性化的学习方案，人类教师可对该方案进行审核与修改。但每个学生的学习效果可能有所不同，AI 教师可跟踪并分析学生在进行既定方案学习时产生的数据，并反馈给教师和学生进行动态调整。在此基础上，AI 教师也可为学习者制定新一轮学习方案。此外，当学生进行学习时，AI 教师可适时提供视频资源，并进行文本材料检索、个性化测评、作业布置与批改等操作。学生也可发挥自己的主观能动性，通过AI 开展个性化学习，如学习自测、探究与挖掘知识外延等。

4 结语

新工科人才是我国在新兴产业取得领先地位所需依托的主力军，也是实现国富民强的重要保障。本研究在完成可行性分析后将AI 双师教学模式引入到基于课程的新工科人才培养中，以改善现有课程教学中存在的知识更新滞后、师生交流匮乏、教学缺乏个性化、学生实践能力缺失、与产业需求脱节等问题。关键技术框架中的基础支撑部分提供数据存储、高效计算、自动感知的底层服务，智能服务部分提供针对教师教学与学生学习的各项服务，交互应用部分对智能服务进行集成，并通过实证研究验证了引入AI 双师课程教学对新工科人才培养的促进效果。后续研究将继续完善AI 双师教学环境，以充分满足教师与学生的个性化需求，并大力开展新工科背景下的AI 双师课程教学实践，以更好地服务于高质量新工科人才建设。