ARTICLE · 1030014
8个人工智能赋能教学应用案例分享(AI应用实施过程+总结与反思)
本文整理了宁夏理工学院8个人工智能赋能教学应用案例，每个案例均含案例概况、AI应用实施过程、总结与反思等模块，希望可以为老师们提供一些借鉴。
智驭水脉，数筑匠心—AI与BIM融合
《建筑给排水》智慧教学示范案例
本案例聚焦传统土木类工程课程知识零散、理实脱节、个性化育人不足等共性痛点，以《建筑给排水》课程为载体，紧扣新工科建设与智慧水务行业数字化转型需求，创新构建“四维图谱牵引、AI全程赋能、BIM实景实训、科创闭环育人”的数智教学新范式。案例深度融合人工智能、数智图谱与BIM三维建模技术，重构教学与实践的全流程体系，打破传统课堂重理论、轻实操、模式固化的育人瓶颈，形成落地性强、可复制、可推广的工科数智化教改方案，为应用型高校土木类课程智慧升级提供优质示范样本。
本案例将数智技术深度融入教学全链条，从体系重构、智能助学、实训升级三方面搭建闭环育人模式。
一是依托四维耦合图谱体系重塑教学逻辑，通过能力图谱搭建三阶递进式量化培养框架，对标工程认证、贴合岗位需求；以知识图谱梳理课程核心体系，破解知识点碎片化问题；以工程问题图谱搭建实景问题链，引导学生主动攻坚工程难题；以思政图谱融入绿色节水、民生水务、工匠精神等育人元素，实现德智协同培育。
二是搭建全流程AI智能伴学体系，配置专属AI学伴，提供答疑解惑、规范解读、图纸指导等随身助学服务；研发给排水专属多类型学科智能体，覆盖方案设计、图纸审查、参数优化、规范查询等实训场景，精准训练学生工程思维。同时依托AI学情诊断系统，采集全程学习数据，生成学生能力画像与薄弱点预警，依托大数据实现教师精准导学，并根据学情智能推送个性化学习路径，落实分层因材施教。
三是打造AI+BIM融合实训闭环，以BIM三维仿真为核心，对标工程岗位标准设置管网建模、水力校核、节水优化等标准化实训模块。通过可视化实训图谱拆解规范操作流程、明确考核要点，结合AI智能校核与线上闭环评价体系，实现实训全过程留痕、智能纠错、精准点评，有效强化学生工程实操能力，夯实专业工程素养。
本案例通过四维图谱、AI赋能与BIM实训深度融合，有效破解传统工科教学短板，重塑数智化课堂生态，实现学生知识、能力、素养协同提升，形成了成熟可推广的新工科育人范式。同时改革仍有优化空间，AI智能体区域工程场景适配度、分层个性化育人机制、科创成果工程转化通道仍需完善。后续团队将持续迭代智能教学资源、细化分层育人体系、深化校企协同赋能，持续打磨精品数智教学范式，全力助推数字化应用型土木人才高质量培养。
以智代绘，以思促学—AI赋能
《室内设计基础》教学提质实践
本案例实施的目标是解决环境设计专业设计类课程当前存在的重绘图、轻思维问题，依托《室内设计基础》课程，以新文科建设与数字创意产业对创新型设计人才的迫切需求为框架，创新性地构建了“AI语义解析+AI图像生成”双核驱动的智慧教学新范式。案例将大语言模型与AI图像生成工具相融合，并将其运用于文化主题商业空间的方案创意构思阶段，将原有的教学环节打破并重塑为“读图、比图、改图”的教学闭环，有效地解决了传统设计课堂手绘周期长、创意思路受限、高阶设计思维培育薄弱等教学痛点问题，打造一套实操性强、便于复刻与全域推广的设计专业数字化智能教学改革范式。
本案例将AI工具链深度嵌入方案构思全流程，将“构建AI+设计方案的闭环教学模式”应用于语义转译、快速生成、人机迭代三方面。
在语义转换方面，依托AI语义解析与结构化提示词生成，打通从文化概念到空间指令的精准转译通道。针对学生面对文化主题时“有感觉、难落地”的普遍困境，课程引入DeepSeek作为语义转译引擎，引导学生围绕所选非遗或文化主题进行定向提问，快速梳理色彩、纹样、工艺等元素的空间转化逻辑，并提供功能分区与流线建议，将原本需要2小时的盲目翻阅压缩为即时响应的策略输出。在此基础上，设计四要素提示词模板，要求学生先自主填空，再由DeepSeek优化为即梦AI可精准解析的专业指令。教师提供3~5个主题范例，学生仅需替换关键词即可快速生成符合空间设计逻辑的提示词，有效降低技术门槛，释放课堂时间用于深度讨论。
在快速生成方面，借助AI图像生成引擎，实现多版本方案的高效产出与即时可视化。学生将优化后的提示词粘贴至即梦AI，选择图片生成模式，约40~60秒即返回多张不同风格、不同布局的平面草图。该环节将人均方案版本从传统模式的1~2版跃升至9版以上，大幅拓展试错空间与创作自由度，使课堂重心从一笔一画绘制转向多方案比较与筛选。
在人机迭代方面，构建人机协同迭代机制，强化高阶思维训练。学生选定最佳草图后，将其提交给DeepSeek，要求AI从功能流线、尺度规范、消防疏散等专业维度进行评价并提出修改建议。依据反馈，学生修改提示词并重新生成第二版方案，通常经过2~3轮迭代，方案的专业性与可落地性显著提升。最终，学生综合多版AI方案进行筛选、组合与优化，完成最终设计成果。这一过程将教学重心彻底从“画图”转移至“读图、比图、改图”，原本需要4~6课时的方案探索压缩至1课时内完成，有效地锻炼了学生的审美判断、逻辑推演与批判性思维。
本案例通过引入AI语义解析与图像生成工具，成功祛除了传统设计课方案构思环节重绘图、轻思考的痼疾，形成了人机协同、以评促创的教学新范式。实践表明，当重复性劳动被剥离后，学生的设计思维反而获得更大的释放空间，课堂从技能训练场升级为创意孵化器，学生的主体性与创造力得到有效激发。同时，本案例仍有持续优化潜力，当前AI生成的平面草图在局部尺度与规范细节上偶有偏差，需要教师更强的专业把控力；提示词模板的通用性可进一步拓展至材料搭配、灯光氛围等环节。后续团队将持续对智能教学资源进行更新与迭代，将人机协作标准细化，进一步释放课堂活力、挖掘学生创意深度，持续提升AI赋能设计教育的教学品质，培养适应数字创意产业需求的优质设计人才。
融合大模型的智能前端
交互式实训平台设计与实现
前端开发课程倡导“边写、边看、边调”的同步实操学习模式，但教学中学生普遍存在认知断层现象：课堂上看得懂、独立时写不出。Vue组件、响应式数据、事件绑定等核心内容，要求学习者吃透语法规范，还需在页面效果、代码结构、调试反馈信息间频繁切换。传统教学还存在环境配置繁琐、演示内容难以复现、反馈周期长等问题，加重了教师单独指导压力，实操环节容易因工具问题中断，教学连贯性难以保障。针对上述教学痛点，本案例设计并搭建了融合大模型的智能前端交互式实践学习平台，以一体化平台为载体重塑程序设计类课程的实操教学场景，系统性破解传统前端教学现存各类难题。
平台依托Vue 3与Vite搭建前端技术底座，对在线代码编辑、章节任务引导、交互式演示、实时运行预览、AI智能续写辅助、学习进度留存等核心能力进行融合，构建完整的编程学习闭环。平台整体架构与功能链路打通学生自主研习、课堂教学落地、AI赋能、后端管理、数据沉淀全流程教学场景，打破传统课堂单一投屏演示的局限，打造可暂停、可接管、可追踪的实践系统。
图1 平台总体架构
图2 功能架构与数据支撑
课程开展阶段，系统逐行模拟教师编写代码全过程，直观呈现各类知识点落地至页面布局与交互逻辑中的完整路径，助力学生理清代码与页面效果之间的对应关系。教学行进至关键知识节点时，师生均可启用“中断实操”功能，在当前断点处接管代码并独立完成剩余任务。整套教学链路以“课前案例准备—课中演示练习—AI辅助反馈—课后复现拓展—反馈迭代优化”为完整主线，分层适配不同学情，实现因材施教。
图3 智能前端实践教学实施流程
平台技术层面向学生提供浏览器端在线编辑能力，支持直接对 App.vue文件进行修改调试；系统依托iframe沙箱完成页面实时预览，构建代码、界面、交互即时映射，免去本地开发环境部署流程，规避多窗口频繁切换带来的学习节奏割裂问题。兼顾常态化教学对学习进度、作品状态、过程数据的刚性需求，平台配套搭建Django后端服务与MySQL数据库，实现账号管理、持久记录、进度保存及后续分析，为轻量化在线实操体验筑牢稳定、可靠的数据底座。
综合而言，本案例的核心价值并非单纯引入大模型，而是完成大模型与课堂演示、自主实训、即时反馈、过程评价等核心教学环节的深度融合。平台教学内容还覆盖了HTML、CSS、JavaScript、TypeScript、Vue Router、Pinia、Axios、Element Plus、数据可视化及综合项目实训等内容，后续还将持续完善代码质量研判、错误类型统计、个性化学习推送等功，逐步打造出适配多技术栈、多元教学场景、分层学情需求的智能前端实训教学平台。
景由心生，智绘山河—
AI赋能《景观设计基础》教学新模式
《景观设计基础》制图课程要求学生完成方案构思、三维建模、效果图渲染全流程实操，传统教学存在多重痛点：手绘与软件渲染一套效果图需3-5天，大量时间消耗在重复性制图工作，挤压方案推敲时间；SketchUp等软件操作门槛高，学生常被技术束缚创意，方案风格同质化严重；建模、调参、出图流程繁琐，学生调试反馈周期长，教师耗费大量精力指导软件操作，难以聚焦景观空间、生态美学等核心专业内容；同时方案迭代速度慢，学生缺少多视角、多风格图纸快速对比优化的实训条件。针对以上短板，本案例搭建以生成式AI工具链为核心的全流程景观制图实训模式，依托标准化AI操作体系重构环境设计制图课堂，系统性解决制图效率低、创意受限、教师指导压力大等教学难题。
本案例以SketchUp建模为基础，核心搭载建E网・AI插件，搭配多款大模型，覆盖景观设计从概念构思到方案迭代全流程，构建“课前预习—课中人机协同制图—课后优化拓展—持续迭代” 教学闭环。
课前发放自编《环境设计AI软件使用手册》，统一插件安装、提示词撰写、参数调节规范；课中学生完成基础场地建模后，调用插件输入场景描述，调整风格、清晰度等参数即可生成效果图，支持文生图、线稿上色、彩平生成、替换场景等功能，教师可在关键节点统一演示，学生自主实操对比不同出图效果。课后借助AI多版图纸对比优化方案，利用大模型完善设计文本，复盘人机协作流程。
配套支撑包含四部分：适配多版本SketchUp的AI插件，实现建模、渲染同窗口操作；大模型辅助创意构思与文案撰写；标准化手册配套实操视频，教学资源可复用；设置基础、进阶分层实训任务，适配不同学情。课堂上教师分步演示建模与AI联动出图流程，关键环节可暂停实操，全程无需本地渲染器，完整留存建模、AI调试、图纸修改资料，为过程评价与课程优化提供依据。
本模式坚持“思维优先、技术为辅”，规避AI全权代做设计的问题，仅用AI承接重复渲染制图工作，以学生原创模型、手绘构思为核心，保留完整自主设计思考过程。课堂试点后效率提升显著，数天的制图工作压缩至数小时，教师减少工具类答疑，集中精力指导景观专业核心知识。同时建立多维度过程评价体系，不再单一依靠成品图纸打分，完整留存草图、建模、AI调试、方案迭代、设计反思等全过程材料。整体实现三大提升：降低制图实操门槛，让学生聚焦创意设计；形成标准化可复用AI教学资源；重塑人机协作逻辑，打通创意到图纸落地的壁垒，实现学生从“只会建模”到“独立完成完整景观方案迭代”的转变。
本案例核心价值不在于简单引入AI绘图工具，而是实现生成式AI与课前预习、人机协同实训、方案迭代、过程性评价等教学环节深度融合，覆盖景观概念设计、可视化分析、效果图深化、彩平制作全阶段实训。后续将从四个方面持续优化：第一，完善课程体系，将AI景观制图纳入课程大纲，增设专项实训课时，规范作业与考核标准；第二，细化分层教学，依据学生基础划分两级实训任务，适配差异化学情；第三，优化评价机制，降低图纸视觉效果权重，提高原创设计、人机协同、创新拓展评分占比；第四，动态更新教学资源，迭代AI使用手册与示范案例，紧跟AI工具更新教学内容。
AI数字人导师助力《高等数学》教学实践
本案例聚焦高校高等数学教学中“基础参差、思维惰性、师资紧缺”三大共性痛点，以《高等数学》课程为载体，创新构建“苏格拉底式AI数字人导师”的数智教学新范式。案例深度融合大语言模型、语音合成与数字人驱动技术，将苏格拉底“产婆术”教学法内化为AI对话策略，严格遵循“绝不直接给答案，永远用问题回应问题”的启发式原则，引导学生在层层追问中自主建构数学概念，形成落地性强、可复制、可推广的公共基础课数智化教改方案。
本案例将数智技术深度融入教学全链条，从课前预习、课中整合、课后巩固三方面搭建人机协同育人闭环。
一是搭建苏格拉底式AI对话引擎。基于DeepSeek大语言模型设计专属System Prompt，明确三条铁律：绝不直接给答案、每次只问一个问题、用生活化比喻解释抽象概念。当学生问“极限是什么”时，数字人不背诵定义，而是反问“1/2,1/3,1/4…越来越接近哪个数”，通过“能否等于”“能否举出生活例子”等连环追问，引导学生在自主推理中归纳出“无限趋近”的动态本质，实现从被动记忆向主动建构的转变。
二是打造老者数字人形象与情感化交互系统。为降低学生数学焦虑，设计苏格拉底风格老者数字人：7张完整面部序列实现嘴型动画，语音采用极低音调（pitch=0.05）与慢语速（rate=0.6），塑造沉稳耐心的长者形象。界面采用竖屏通话风格，支持语音与文字双模输入，学生通过网址进入即可访问，无需安装任何App。
三是构建“课前-课中-课后”三阶混合教学模式。课前学生与AI数字人进行启发式对话，自主预习并暴露理解难点；课中教师调取对话数据定位共性困惑，组织小组讨论与深度讲解；课后数字人持续陪伴，根据学生回答动态调整追问难度，实现24小时在线的个性化思维引导。全过程对话数据仅用于教学改进，脱敏处理后不上传第三方服务器，严格保护学生隐私。
本案例通过苏格拉底式AI数字人与高等数学教学深度融合，有效破解了民办高校公共基础课“学生不敢问、不会问、思维惰性”的教学短板，重塑了以思维培养为核心的教学新形态。案例充分证明，AI在教学中的价值不在于提供答案，而在于引导思维——技术可以成为点燃学生思考火焰的火种，而非替代思考的工具。该模式已形成可迁移的轻量化方案，未来将进一步拓展至物理、哲学等需要概念辨析与深度思考的学科，为更多课程的数智化转型提供可复制的实践范式。
从“代码许愿机”到“智能学习伙伴”——
AI赋能ASP.NET控件教学
本案例聚焦电子商务专业大三《电子商务网站开发》课程教学创新，针对ASP.NET控件教学中知识抽象、学习枯燥、动机不足、知识点重复讲解效率低等共性痛点，运用生成式人工智能工具豆包，创新构建“AI辅助+游戏化激励”一体化教学闭环，将AI深度融入教学全过程。
一、角色定位：构建“结对编程伙伴”人机协同机制
本案例将AI工具明确定位为学生“结对编程伙伴”，确立“人类主导决策、AI辅助实现”的协作框架。学生作为项目“主导者”，承担业务需求提出、架构设计主导、开发任务拆解、AI代码审查及技术决策等核心职责；AI作为“辅助者”，负责算法思路提供、代码片段生成、语法概念解释、程序调试协助及性能优化建议。该定位与“师-生-机协同”教育新范式高度契合。
二、实践路径：AI深度融入教学全过程
首先，由AI辅助对登录界面格式进行优化。依托豆包大模型与Visual Studio，教师引导学生向AI提交明确的格式优化指令，覆盖居中对齐、排版整齐、输入框与按钮美观统一、间距合理等要素。优化前，界面布局杂乱、样式单一、间距拥挤；优化后，界面整体居中对齐、风格统一、疏密有致，专业度与易用性显著提升。
其次，由AI辅助对三级闯关游戏进行体系设计。构建“Web控件工匠大师”沉浸式学习体验，将游戏机制引入教学。第一关“点亮菜鸟问候”，利用Label、TextBox、Button创建登录页面，完成“点亮”问候语目标，AI角色为“新手向导”，提供入门指引。
随后，由AI辅助设计分层章节测试。依托豆包生成菜鸟、大师、王者三级差异化考核内容，分别聚焦控件基本作用识记、属性方法应用及后端代码编写，配套积分、等级晋升等激励机制，实现精准分层教学。
最后，建立AI规范使用保障机制。建立完整AI使用规范体系，要求学生对豆包生成内容进行全面审核、创新、矫正与说明，未经审核或直接生成的完整方案严禁采用，提交时须明确标注工具与数据来源。针对页面生命周期、ViewState机制、事件驱动模型等核心底层概念专设“AI禁用区”，强制学生独立思考、自主试错，筑牢原理认知根基。
在教学效果方面，学习兴趣显著提升，课堂观察显示95%学生表示“非常喜欢”或“喜欢”，主动提问频率由每课时平均2次跃升至8次，课外主动答疑比例达60%。知识掌握深度增强，重难点内容掌握度较传统教学明显提升。问题解决能力显著提高，学生逐步建立自主调试、代码审查等工程化能力。
在课堂结构变革方面，课堂结构由“线性讲述”转型为“多维互动”，由教师单向输出转变为“人机互动—生生协作—师生引导”的探究场，形成活跃学习闭环，参与度与思维活跃度大幅提高。
本案例的创新亮点在于实现了AI从“代码许愿机”转变为“结对编程伙伴”的认知转变，构建“人机协作、能力内化”新范式。将“AI+教学”全流程嵌入，覆盖认知重塑、界面优化、闯关设计、分层测试四个关键环节。实现个性化分层培养与因材施教。
本案例的应用经验总结如下：一是理念重塑是前提，AI进入课堂是教学范式的根本性变革，必须将其从“代码生成黑箱”重塑为“智能学习伙伴”，确立“人类主导决策、AI辅助实现”人机协同新范式；二是模式创新是核心，技术本身不会带来教学提升，关键在于教学场景设计，“AI辅助+游戏化激励”闭环是实现从“要我学”到“我要学”转变的核心驱动力；三是能力聚焦是目标，教学重心应从语法记忆转向需求拆解、提示工程、代码审查、批判性思维、系统设计等高阶能力培养；四是规范使用是保障，AI能力越强，规范使用越重要，设置“AI禁用区”是平衡效率与独立思考的必要手段。
本案例后续将在以下方向进行优化：下阶段将依托AI辅助构建过程性评价体系，建立精准学习画像；拓展案例至电子商务专业其他核心课程，形成AI赋能课程群；深化提示工程教学，增设结构化提问、迭代优化等专门训练；细化“AI禁用区”操作指南，形成可复制推广方案；持续优化关卡设计与案例素材，为课题研究与成果推广奠定基础。
07 AI赋能通识课全流程课程建设——
以《品牌管理思维》为例
AI赋能通识课全流程课程建设——
以《品牌管理思维》为例
《品牌管理思维》是一门面向全校各专业的通识选修课。在课程建设过程中，面临三个核心痛点：一是课程命名困境，既要体现“品牌管理”的专业内涵，又要对非专业学生具有吸引力；二是内容体系需通识化重构，专业课程以学科逻辑为主线，通识课程需要以“思维迁移”为主线，将品牌定位、设计、个性、形象、资产等模块提炼为可迁移的思维框架，缺乏成熟经验参照；三是教学案例时效性不足，教材案例与学生认知存在距离感，需要近2-3年中国本土最新案例以增强课堂共鸣。
本案例利用DeepSeek、豆包辅助课程建设全流程，通过多轮人机协同对话，完成了从课程命名、思维体系构建到教学案例及课件生成、讲授落地的完整过程，有效提升了课程建设效率与质量。
本案例按照“准备阶段→AI应用阶段→教师优化阶段→落地实施阶段”四步推进，实施过程如下：
准备阶段聚焦定位优化。明确通识课建设需求：面向全校各专业学生，核心任务是解决三大痛点。设定课程定位——从“品牌管理知识”转向“品牌管理思维”，确立“培养品牌思维而非品牌专家”的通识目标。
AI应用阶段聚焦内容设计。具体内容包括三项工作：一是辅助课程命名，输入定位需求后AI生成多风格候选名称，教师结合教材关键词筛选确定《品牌管理思维》；二是构建内容体系，AI将十大专业模块提炼为包含镜像思维的“十大思维”框架，完成从知识到思维的可迁移转化；三是生成教学素材，AI推荐近2-3年中国本土最新品牌案例，按品牌理论知识输出深度解析材料、讨论题及PPT初稿。
教师优化阶段对AI生成的所有内容进行全面审核、筛选、优化、校正，包括数据准确性校验、内容规范性审核、思政导向把关及过程留痕，保存AI对话记录，关键决策有据可查。
落地实施阶段将AI生成并优化的案例、框架与讨论题应用于课堂教学，通过“思维迁移讨论”“品牌案例分析”等互动形式落地实施，依据学生反馈优化教学内容。
本案例借助AI使用，快速明确课程定位和命名，完成了思维体系构建、案例生成和教学课件制作；课程建设效率显著提升，有效节省了教师的时间和精力。
通过知识图谱学习，帮助学生夯实了品牌管理的基础知识储备，在此基础上，通过递进式实践引导学生在实际应用中逐步内化品牌思维。在品牌案例讨论中，学生选取真实品牌运用1-2种思维进行分析，初步建立品牌分析意识；在个人品牌报告中，学生将思维“镜像”迁移至自我分析，尝试运用5种以上思维规划个人发展路径。从分析品牌到审视自身，多数学生能够初步掌握品牌思维的基本框架，为后续迁移应用奠定了一定基础。部分学生个人品牌报告总结内容见下图。
本案例通过AI赋能通识课全流程课程建设，有效回应了通识课程在命名吸引力、内容通识化重构、案例时效性等方面的教学难点，构建了“人机协同、教师主导”的课程建设流程，实现了课程建设效率与教学质量的双重提升，形成了可参考借鉴的“AI+通识课程建设”实践做法。同时，改革仍有优化空间，AI生成内容的学科深度适配性、面向多元专业背景学生的差异化引导、学生对AI工具的持续运用能力仍需加强。后续将优化AI提示词策略与审核流程、探索课程AI智能体建设、深化AI辅助课程评价方式，同时加强学生AI素养培养，引导其在后续课程与个人发展中合理运用AI工具，持续完善通识课程数智化建设路径，助力通识教育高质量育人体系建设。
基于大语言模型的“智造教练”——辅助3D
打印切片参数与故障诊断教学
本案例聚焦高校3D打印教学中“切片参数耦合难理解、打印故障复现成本高、大班教学难以个性化指导”三大共性痛点，以机械工程专业3D打印实践课程为载体，创新构建“智造教练”对话式AI智能体的工程教育新范式。案例深度融合大语言模型的知识推理与对话交互能力，将课程知识库植入AI系统，严格遵循“不替学生做决定，而是引导其理解参数逻辑”的辅助式原则，引导学生在自然语言对话中自主建构切片参数间的制约关系，形成落地性强、可复制、可推广的工程教育数智化教改方案。
本案例将数智技术深度融入3D打印教学全链条，从参数学习、故障诊断、个性化辅导三方面搭建人机协同育人闭环。
环节一：搭建“智造教练”对话式AI引擎
基于大语言模型设计专属System Prompt，将3D打印课程知识库（涵盖FDM原理、切片软件参数逻辑、常见故障知识图谱）植入AI。明确三条核心策略：绝不直接给参数值、每次只解释一对参数间的制约逻辑、用反问引导学生主动思考。
当学生问“为什么我的打印翘边了”时，AI不会直接说“把热床温度调到60°C”，而是反问“你观察一下翘边发生在模型的哪个位置？是角落还是整体？”通过“底板附着面积够不够”“第一层高度和温度设置是多少”等连环追问，引导学生在自主推理中定位根因。
环节二：构建故障照片识别与诊断系统
学生用手机拍摄打印故障照片上传给AI，系统结合视觉信息与自然语言对话，快速定位故障类型（拉丝/翘边/堵头/层移/欠挤出），并给出组合式解决方案和A/B测试建议。将小时级的传统排错流程缩短至分钟级，试错成本趋近于零。
环节三：构建“课前－课中－课后”三阶混合教学模式
1. 课前：学生与“智造教练”对话预习切片参数逻辑，上传自主设计的模型文件获取参数建议，暴露理解盲区；
2. 课中：教师调取AI对话数据，定位共性困惑（如“80%同学不理解速度－温度耦合关系”），组织小组讨论与深度讲解；
3. 课后：AI持续陪伴，根据学生提问记录动态调整引导难度，支持无限次追问，实现人人拥有专属助教。
本案例通过对话式大语言模型“智造教练”与3D打印教学的深度融合，有效破解了工程教育中“参数靠背、故障靠猜、指导靠等”的教学短板，重塑了以系统思维培养为核心的教学新形态。
核心理念：AI在教学中的价值不在于提供答案，而在于引导思维——技术可以成为点燃学生思考火焰的火种，而非替代思考的工具。
来源：宁夏理工学院。版权归原作者或平台所有，本号尊重原创，转载旨在分享，如有版权问题请联系删除。
觉得不错 点个“在看”