同济大学AI赋能课程建设:从“一流课程”到“未来课堂”的跃迁
同济大学AI赋能课程建设：从“一流课程”到“未来课堂”的跃迁
同济大学在推进教育数字化转型过程中，探索出一条从“国家级一流课程建设”到“AI赋能智慧课程”的特色发展路径。
截至2025年，同济大学累计入选国家级一流本科课程146门，位列全国高校并列第六、上海高校第一。其中包括线下课程、线上线下混合式课程、虚拟仿真实验教学课程等多种类型，构建了覆盖主要学科的专业课程体系。
2025年以来，学校发布《人工智能赋能学科创新发展行动计划（2024—2027）》，提出“师-生-机”三元协同教学模式，推动课堂教学从“知识传递”向“思维训练、能力培养、素养塑造”转变。这一实践入选教育部“人工智能+高等教育”优秀应用场景案例。
同济大学在AI赋能课程建设过程中，创新性地提出“师-生-机”三元协同教学模式，重新定义教师、学生与AI智能体在教学中的角色定位。
在交通学院《电子技术基础》课程中，课程团队以DeepSeek-R1大模型为基础，通过RAG技术融合课程知识库，构建了具备全天候答疑能力的AI学伴。这位“智能助教”能够实时解答学生疑问，根据学生的学习进度和知识盲点，自动生成个性化学习方案、错题本和学习卡。
“我们希望AI成为学生的认知伙伴，而非替代者。”课程负责人黄世泽表示。
在“师-机-生”三元模式中，教师从知识传授者转变为学习设计者和思维引导者；学生从被动接收者成为主动探索者；AI则承担起个性化辅导和即时反馈的功能。
这一模式的核心理念可概括为：“AI是桨，人文是灯，教师，是那个掌灯人。”
同济大学土木工程学院自主研发了CivilGPT知识大模型，该模型于2024年通过国家互联网信息办公室备案，成为全国教育系统首个完成生成式人工智能服务备案的大模型。
CivilGPT集成了44门专业课程、超过50万页的专业语料、2600余本课程教材及规范，以及7万道考试题目，通过70亿token的数据集和720亿参数的模型训练，实现了对土木工程领域复杂知识体系的精准理解和高效推理。
该模型采用基于同济大学自主构建的土木工程专业知识图谱增强的混合架构，包括11000多个知识点和13000余条关系，能够智能定位学生薄弱知识点，为学生推荐个性化学习路径。
同济大学在国家级一流课程建设中，形成了“质量为本、分类推进、重点突破”的工作思路。
2025年，学校新增37门国家级一流本科课程，涵盖线下课程8门、线上线下混合式课程6门、线上课程13门、虚拟仿真实验教学课程7门、社会实践课程3门。
在课程类型分布上，学校注重各类课程的均衡发展：线下课程强调高阶性和挑战度；混合式课程注重线上线下有机融合；虚拟仿真实验课程聚焦高危、高成本实验场景；社会实践课程则将课堂延伸至真实社会情境。
建筑与城市规划学院已建成国家级一流本科课程6门，其建筑学专业QS学科排名连续五年位列全球前20。
同济大学面向全体学生开设《人工智能科学与技术》通识精品课程，同时建设108门AI通识与“AI+X”融合课程，推动人工智能深度融入专业人才培养。
在工科课程改革中，学校打造了AI工程思维课程（ELITE）体系，包括Logicalthinking（逻辑思维）、Intelligence（智能基础）、Technologies（工程技术）、Experimentation（工程实践）四大模块，形成智能建造与制造、智能信息与电子、智能生物与医药等五大工程课程群。
截至2025年，同济已打造“AI+”课程300余门、“AI+”实验项目500余项，专业课程内嵌人工智能相关内容平均达62%。
同济大学与超星、智慧树、学堂在线三家主流教育平台深度合作，构建覆盖课程建设、上线、运营全流程的技术服务体系。
在《基础地质》课程中，教师构建了“地质智慧赋能课程大纲、多层次知识图谱、AI智能体、AI应用案例库、AI岩矿鉴定助手、VR/AR实践”六位一体的智慧课程架构。
课程依托超星智慧课程平台，开发了“学—练—测—评”闭环课程任务引擎，对学习过程与数智实践路径进行系统记录与分析，形成可追溯的学习数据链条，支撑教学动态优化与评价重构。
|
|
|
|
|
|
|
|
|
|
|
包括线下8门、混合式6门、线上13门、虚拟仿真7门、社会实践3门
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
在人才培养质量方面，同济大学土木工程专业毕业生就业率连续12年保持98%以上，30%进入中国建筑、中国铁建等央企核心技术部门，25%赴清华、MIT等顶尖高校深造。
建筑学专业毕业生就业率连续10年保持100%，被誉为“中国建筑设计界的生力军”。
高校在推进一流课程建设时，应建立以OBE理念为导向的课程设计机制。首先明确毕业要求，然后逆向推导课程体系，确保每门课程都服务于人才培养目标的达成。
建议借鉴同济大学“质量为本、分类推进”的思路，根据不同课程类型（线下、混合式、虚拟仿真、社会实践）制定差异化的建设标准和支持政策。
通用大模型难以满足专业课程的教学需求。高校应鼓励各学科根据自身特点，构建学科垂直领域知识大模型。
在模型建设过程中，应整合课程教材、专业规范、考试题目等多源数据，构建专业知识图谱，实现对学生学习需求的精准识别和个性化学习路径推荐。
AI时代的教学改革不仅是技术应用，更是教学关系的根本重构。教师应从“知识传授者”转型为“学习设计者”和“思维引导者”。
建议高校开展教师AI素养专项培训，帮助教师掌握与AI协同开展教学的能力，让AI成为教师的助手而非替代者。
传统专业的数字化转型不能仅靠开设几门AI选修课，而应将AI元素系统性地融入专业核心课程。
建议高校制定专业数字化改造路线图，明确各专业“AI+”课程的占比要求，推动课程内容、教学方法、评价方式的全方位变革。
智慧课程的价值不仅在于技术应用，更在于教学数据的采集和分析。建议高校建立覆盖“备课—授课—作业—评价—反馈”全流程的数据采集机制，为教学改进提供依据。
-
在“师-生-机”三元协同教学模式中，您认为教师最需要提升哪方面的能力来适应这一变革？
-
学科垂直大模型的构建需要大量前期投入，中小规模高校应如何选择合适的切入路径？
-
AI赋能课程建设可能带来哪些潜在风险？如何在推进数字化转型的同时守住教育本质？
数据来源：同济大学教务处、同济大学新闻网、教育部官网、同济大学土木工程学院官网、建筑与城市规划学院官网
夜雨聆风
