新工科环境下“人工智能+教育”助力的智能感知技术课程混合式教学研究

摘要：随着以人工智能为代表的新技术正推动全球科技产业革命，人工智能正与新工科人才教育培养深度融合。本课题拟将人工智能应用于新工科智能感知技术课程教学中，通过将人工智能强大的认知推理和数据再生产能力应用于混合式教学框架设计、教学过程的数据分析处理和智慧管理、教与学立体评价等环节中，大幅度提升课程的教学效果，实现新工科背景下高素质复合型人才的培养目标。

关键词：新工科；人工智能+教育；混合式教学；智能感知技术

一、研究背景及存在的主要问题

（一）研究背景

2017年以来，教育部积极推进新工科建设，先后发布了《关于开展新工科研究与实践的通知》《关于推进新工科研究与实践项目的通知》。随着教育改革的要求，新工科的发展在基本的传承上不断创新，融合交叉元素，旨在为未来发展提供智慧和支撑。近年来，人工智能技术在教育教学领域有显著贡献。人工智能技术作为现代化教育教学的重要工具和手段［1］，不断推动课程体系数智化重构，促使教学理念、教学方法、教学手段的持续创新。人工智能技术强大的自我学习和认知推理能力，可以为新工科教学赋予“新能量”，实现教学的智能化和新工科的创新人才培养。相比于传统的教学模式，通过应用人工智能技术可以打破传统教学在空间和时间的束缚，并且能让教学资源更加丰富，学生的学习更加个性化。

另一方面，混合教学是一种将智能终端设备、在线学习和课堂教学相结合的新型教学方法。近年来，混合式教学模式受到高校的广泛关注，为高质量完成教学任务发挥了重要的作用。同时，广大教学工作者关注于如何使用混合式教学模式来提高教学质量、提升学习者的学习体验感［2］。

如果能将人工智能技术应用于新工科的智能感知技术课程混合式教学中，对教学理念、教学模式、教学手段、教学内容等进行创新，创建一个不限制时间和地点的新型课堂，不但加深了学生们对于智能感知技术课程和人工智能技术的理解，同时也为新时代科技快速发展高层次的人才培养做出贡献。

（二）存在的主要问题及原因分析

智能感知技术课程是人工智能、电子信息等相关专业的基础课程。广泛用于研究物体的特征并且将其转换为电子信息的技术，在信息技术领域有很大作用。相比于传统的传感器与检测技术课程，智能感知技术课程更注重传感器应用的智能化和通用性，为智能产品的开发提供了很好的教育基础。

目前混合式教学有以下问题需要解决：

问题一：如何进行智能化混合式教学框架设计，精确掌握学生学习的情况。

在进行线上课堂教学时，由于学生数量较多，教师很难监督和把控每个学生的学习状态，并且由于网络平台只提供记录视频播放时长等信息，如遇学生不专心学习等其他情况，很难达到精准处理。在线下课堂学习时，同样的，教师不可能精准记录学生们的学习进度以及把控课堂学习状况。这些问题都是需要在混合式教学中需要去解决的。因为人工智能具有极强的学习、推理和认知能力，使用人工智能辅助教学，可以让教师们随时得知学生的学习状况，并采取更加具有针对性的教学方案，实现智能教学。

问题二：如何进行教学过程智慧管理，提供个性化学习资源。

因为不同学生的学习能力和吸收能力存在差异，因此，需要通过根据每个学生的自身情况来提供对应的学习资源和学习方案。在人工智能和大数据技术的帮助下，学生们可以匹配到符合自身的学习资源，更加具有针对性。

问题三：如何构建科学的多元化评价体系。

在混合式教学中，科学的评价体系能够让教师们更好地了解学生和制订下一步教学方案，对于学生的评价，需要从哪些方面入手，如何建立科学、客观、多元化的评价体系都是需要我们着手解决的问题。

（三）解决该问题的意义

1.适应新工科的人才需求

通过与人工智能技术相结合的混合式课堂教学，在“智能感知技术”的帮助下，对整体教学提供了数据的挖掘、统计、分析、预测等技术支持。有助于教师对学生的学习状况的了解和进行下一步教学的设计，实现以人工智能为基础的全面精准智能化教学，更加具有个性化与自适应性。与智能感知课程相结合的教学，适应了新工科的人才需求。

2.促进智能感知技术课程的教学改革

智能感知技术课程，其核心在于实践操作能力的培养，不仅要求学生掌握相关的基础理论和知识，还需要具备独立分析和解决感知问题的能力。尽管当前的线上和线下混合式教育模式提供了丰富的教学资源和学习的自主性，然而，这种模式仍然面临着课堂互动方式相对单一的问题。通过引入大数据和人工智能技术作为辅助工具，我们可以构建一个线上环境下的训练场景，同时在实际环境中进行有效的监控，以此来推动智能感知技术的理论和实践水平的同步提高，从而达到培育未来工科领域复合型人才的目标。

二、解决教学问题的方法和实施方案

（一）教学改革所依据的理论或教育理念

随着人工智能应用落地领域的不断发展，“人工智能+教育”在高等教育中的应用也随之深入。将人工智能应用于混合式教学中，能够丰富人工智能的实践应用，促进新工科的专业人才培养。相较于传统的教学模式，人工智能技术的应用使教学活动完全突破时间和空间的限制，使资源和内容更加丰富、互动信息更加智能以及教学方法更加灵活［3］。

在新工科领域，我们正致力于通过教育改革来提升其教学质量。包括利用人工智能等先进技术，尝试实施一种混合式的教学策略。这种策略旨在为新工科教育注入新的活力，从而促进其进一步的发展。此外，我们还将从这些改革中获得的教学经验应用于电子信息科学领域的智能传感技术课程。这样不仅可以扩大影响范围，而且具有以点及面的关键意义。

（二）主要的教学改革举措

本课题基于人工智能的智能感知技术课程教学改革举措［4］主要包括以下方面内容。

1.人工智能辅助的混合式教学框架设计

构建以课程教育为核心的人工智能混合式教学架构，其核心要素包括预习阶段的研究、课堂内的学习、课后评估以及整体评估。在这个过程中，人工智能和混合式教学紧密地融合在一起，共同构成了课程的整个流程。通过运用人工智能的数据分析和机器学习技术，我们可以实现在线资源的共享、线下的实时互动、在线问题的解答以及线上和线下的综合评估。这些功能不仅为学生提供了丰富的学习资源，也能够实时监控课堂学习的成果，确保课后自我评估和在线测试的实施。这有助于我们更好地执行教学策略，并持续提高教学质量。借助于现有交互学习平台（如超星网络教学平台、雨课堂等），结合人工智能技术，对教学相关信息进行处理、分析、决策，然后向学生发送建议、评价、提示等信息，通过这种相互互动和信息交流的形式，实现智能教学，该框架主要包括七大模块，分别为教学模块、教学策略模块、知识库、学生模块、智能决策模块、学情跟踪模块、通信模块。

传统的教育模式，即一对多的授课形式，依赖于教师依照既定的教学计划和目标展开教学，并对学生反映强烈的主题进行相应的调整。然而，每个学生的学习进度和理解深度都有所差异，这使得他们对课程的接纳程度也有所区别。借助智能互动学习平台，我们可以为学校的各个学科知识领域提供定制化的课程或短视频。例如，霍尔传感器的核心内容涵盖了霍尔效应、其结构特性、工作机制、电路检测以及案例研究等多个方面。学生可以依据自身的实际需求和学习能力，挑选适合的章节进行深入学习，同时也可以在平台的互动论坛上与专家教师或同伴就学习难题和疑问进行探讨，或者通过留言获取解答。另外，教师可以通过将教学任务划分为一系列小目标，并根据学生的课堂表现和在线学习状态实时调整教学策略，以达到预设的教学效果［5］。

2.基于人工智能的教学过程智慧管理方案设计

结合人工智能技术实现教学过程智慧管理。将课堂分为课前、课中、课后三个环节，每个环节中包含若干个子任务，各环节及子任务之间无缝衔接，构成教学闭环［6］。

课前一共设置了三个子任务：布置任务、课前预习和课前小测。教师首先布置课堂任务，让学生们熟悉本节课的内容、任务和目标。学生可以根据智能导学来完成预习任务，观看视频和课件。最后再完成课前小测，基于人工智能的教学可以进行学情分析，让教师更加清楚学生的学习情况，为教师的下一步精准化、个性化教学提供了可靠的基础。

课中的设计包含四大环节：主题导入、互动学习、课后测试以及课程总结。尽管这门课程的设计模式借鉴了传统面对面的教育方式，但其独特之处在于，它以教师主导的方式开始，明确阐述了本节课的目标和任务。所谓互动学习，是指教师引领学生参与到课堂活动中，如小组讨论、公开演讲等方式，以此激发学生的积极性，增强他们的参与感。课后测试则是对学生在本节课程中的学习成果的评价。最后，课程总结环节将整个教学过程进行了梳理，实现了高效且充实的一堂课。

在课后，通过教师布置的课后作业，学生可以巩固和温习所学的知识，遇到疑点也不必再实时地询问教师，可以通过智能小助手解决学生常见的问题。最后，教师们可以根据查重系统提供的作业分析，得到成绩预警和预测，来准确把控学生的学习状况，以助于进一步的课堂教学［7］。

在线上课堂，我们能够借助网络教学工具自动追踪并存储学生的学习进展，如视频观看时间、任务执行状况等。接着，我们可以运用机器学习技术深入解析这些平台收集的信息，从而全面了解学生在线学习的表现。另一方面，当我们在传统的教室环境中进行教学活动时，我们可以采用计算机视觉分析技术来评估学生的行为表现。例如，结合人工智能深度学习和机器视觉技术，我们可以通过摄像头捕捉学生的面部图像，然后利用表情识别算法来判断他们的专注力和精神状态。

通过深入地研究和实践，我们已经能够初步掌握如何精确地识别多种面部表情。以人工智能的深度学习与机器视觉技术的融合为例，我们能够借助摄像头的功能获取学生们的面部图像，并进一步运用表情识别算法来评估他们的注意力集中程度以及精神状态［8］。

3.构建人工智能下教与学立体评价体系

传统的学生评估方法，如基于考试成绩、日常作业和课堂问答等，被视为一种“过程评估”。然而，这种评估模式仍然显得僵化，因为它仅仅依赖于各个阶段的结果来做决策，而且缺乏科学性的深度。通过利用先进的人工智能科技，特别是其卓越的认知、学习和逻辑推理能力，以及数据再造的潜力，我们能够对学生的整体素质进行深度而全面的评价，构建一个学生的多维度评估模型。通过收集和分析在线和离线的学习数据，我们能够为混合式教育提供丰富的、多样的学生评估信息，从而帮助构建一个科学且多元化的评估系统。这有助于实现更为全面和立体的学生评估［9］。

该模型的设计是基于学生在日常和期末的学习表现，以及他们完成的每个任务的评估结果、每次理论与实践课程的成效、他们在课堂上的专注程度和精神状态、课后的实践活动及互动情况等多种元素。通过运用先进的人工智能深度学习技术和大量的训练数据，这种评估模型得以形成，它可以全面地评估每一个学生的课程学习状况和教学效果。此外，这种模型还能实时更新并优化人才培养策略，以确保混合式教学的有效实施。在学期末，我们可以通过调查问卷收集学生对课程的反馈，并对学期的教学数据进行整合、解析和可视化，以便对教学与学习的效率进行深入分析、总结和反省，进而对整个课程进行智能化诊断，以此来调整和优化下一阶段的教学策略，并持续优化课程［10］。

三、主要创新点

（1）将人工智能技术应用到智能感知技术课程中，推进新工科背景下教育模式和方法的创新，推动新工科教育的发展。

（2）设计人工智能下的智能感知技术课程混合式教学框架和教学过程智慧管理方案，对教学数据进行挖掘、统计、分析、预测，全面掌握学生学习情况，实现精准化教学。

（3）构建人工智能下教与学立体评价体系，利用人工智能、深度学习技术和大量数据对评价模型进行训练，准确立体评价每个学生的课程学习情况和课程的教学成效，实现真正意义上的立体式全过程评价。

结语

该教学研究旨在将人工智能技术应用到智能感知技术课程中，推进新工科背景下教育模式和方法的创新，推动新工科教育的发展。设计人工智能下的智能感知技术课程混合式教学框架和教学过程智慧管理方案，对教学数据进行挖掘、统计、分析、预测，全面掌握学生学习情况，实现精准化教学。设计并逐步建立起一套人工智能辅助的新工科课程混合式教学方案，通过将人工智能强大的认知推理和数据再生产能力应用于混合式教学框架设计、教学过程智慧管理、教与学立体评价等环节中，最终实现精准化教学，提升课程的教学效果。

参考文献：

［1］安红，鲁发丽.人工智能与职业教育改革：研究评述及潜在问题［J］.林区教学，2023（10）：3742.

［2］赵浩华.混合式教学模式下研究生深度学习策略提升研究［J］.黑龙江教育（高教研究与评估），2023（10）：3033.

［3］吴娜.人工智能时代职业教育人才培养现状与优化策略［J］.学周刊，2023（32）3436.

［4］甘文婷.人工智能技术与高职英语混合式教学结合路径探讨［J］.山西青年，2023（17）：105107.

［5］覃千钟，魏宏聚.教学经验的概念化：理论基础、实践逻辑和行动路向［J］.当代教育科学，2023（08）：2433.

［6］柏承宇.基于混合式教学模式的《机车总体与走行部》课程差异化教学实践［J］.时代汽车，2023（15）：3840.

［7］曲萌.高校线上教学评价体系的构建研究［J］.学周刊，2023（32）：1214.

［8］徐刚.智慧课堂下基于深度学习的学习行为检测与分析方法研究［D］.南昌大学，2023.

［9］杜峥.基于深度学习的学生课堂行为识别与分析系统研究［D］.河北工程大学，2023.

［10］郑秀英，李艺楠，刘春梅，等.TQM理念多维立体课程质量评价体系构建——以北京化工大学为例［J］.高等工程教育研究，2023（02）：178182.

基金资助：广西师范大学2023年教育教学改革工程项目：新工科环境下“人工智能+教育”助力的智能感知技术课程混合式教学研究（2023JGB19）；广西师范大学第六批课程思政示范课程建设项目（2023kcsz37）

作者简介：曾海勇（1989—），男，汉族，湖南郴州人，博士，研究方向：智能感知与移动计算。