【AI赋能教与学】专题报道|《数据结构》自研教学软件赋能大模型应用,构建人机协同个性化课堂

教育数字化背景下，AI大模型正在重塑教师备课、课堂实施与课后辅导全链条。针对《数据结构》课程概念抽象、知识点关联复杂、学生学情差异大的教学痛点，学院教师王兵书探索AI大模型与课程教学的深度融合，并且自主研发课程专用交互式教学软件Structify，将知识图谱可视化、算法动态仿真、在线代码实践、学情数据采集等能力集成一体，作为AI教学改革的核心落地载体，打通课前、课中、课后完整教学周期，破解传统课堂因材施教难的现实问题。

《数据结构》是软件工程专业的核心基石课程，线性表、队列、树、二叉树、图、排序、查找等知识点环环相扣，前后依赖关系强。很多学生存在看得懂理论、想象不出算法执行过程等现实学习障碍，通用的教学工具往往难以贴合本课程的授课逻辑，无法实现知识图谱、算法动画、代码实操、学情采集一体化联动。为此，王兵书立足课程实际教学需求，独立设计开发Structify交互式教学软件。该软件打通课件展示、算法仿真、在线编程、学习数据采集多项能力，不再割裂理论学习与代码实践，为AI赋能教学提供支撑底座。

Structify软件目前包含课堂教学、算法动画实验室、在线C语言编辑器三大核心功能模块。课堂模块支持导入课程知识图谱与思维导图课件，把零散的知识点以可视化网络进行呈现，授课时可直接在页面完成知识点跳转讲解，帮助学生建立完整的学科知识框架。动画实验室模块内置链表、栈、队列、二叉树、排序等全套数据结构算法演示模型，将抽象的指针变化、元素增删移动过程转化为动态可视动画。以单链表插入、二叉树遍历等难点内容为例，学生可以跟随动画分步观察每一步内存变化与逻辑流转，直观理解算法底层机理，化解纯文字、静态PPT难以讲透的教学难点。C编辑器模块无需学生本地配置编译环境，浏览器内即可完成代码编写、编译、调试运行，软件预置课程配套的示例源码，学生可以直接修改调试，快速验证算法思路，降低实践入门门槛。软件后台同时采集学生课件浏览、动画交互、代码编辑运行等行为数据，为生成学情画像提供原始学习数据。目前软件保持持续迭代演进，更多拓展教学功能正在开发完善中。

依托AI大模型的知识梳理与分析能力，王兵书完成课程知识体系数字化重构，提炼各个知识点的前驱后继、从属关联关系，构建起可视化数据结构课程知识图谱。软件对接AI大模型，汇总来自 Structify采集的多源学习数据，对照知识图谱自动运算生成可视化学情画像。画像通过色彩刻度直观区分学生对不同知识点的掌握程度，二叉树非递归遍历、哈希表等高频易错难点能够被快速识别。授课时，王兵书结合班级整体学情画像动态调整讲课节奏与案例选取，针对共性薄弱点直接调用软件动画实验室开展课堂演示；针对学生差异化问题，借助大模型快速生成适配的讲解案例，实现课堂分层引导，改变过去“按教案单向输出”的授课模式。

课后教学管理与辅导阶段，王兵书充分发挥AI大模型的内容生成、智能分析能力。一方面依托大模型完成习题库标签化建设，对习题按知识点、题型、难度自动分类打标，搭建学科题目资源库。大模型读取每位学生的学情画像，按需推送适配练习：薄弱知识点推送巩固习题，已掌握内容推送综合性拔高训练。学生提交练习后，大模型采集正确率、作答耗时等数据，反馈回学情系统，动态更新学情画像，迭代优化后续习题推荐，形成“大模型分析学情—智能推送练习—学习数据反馈更新画像”的闭环。

同时，AI大模型化身智能伴学助手，承接课后答疑工作。面对学生提出的概念疑问、代码报错、算法思路困惑，大模型结合课程知识图谱给出针对性引导式解答，不直接灌输答案，而是启发学生自主思考；基于学情数据为学生生成个性化学习路径，建议需要复习的知识点与练习方向，有效延伸课堂教学效果，缓解课后答疑压力。

在这套教学模式中，AI大模型承担学情分析、习题生成、智能答疑等工作；自研Structify软件则是整套改革的实体载体，实现知识可视化、算法仿真、代码实践、学习数据采集一体化，让AI教学理念真正落地到每一堂课、每一次练习当中。教师聚焦教学设计、计算思维引导与价值塑造，构建起教师主导、AI协同、自研软件支撑、数据驱动的新型教学生态，推动课程从标准化群体教学走向精准化个性化育人。

下一步，学院将总结王兵书在《数据结构》课程中的AI教学实践，推广自研交互式教学软件的建设与应用经验，推动大模型赋能教学的实践成果向更多基础课程辐射，持续将人工智能融入教学全流程，夯实软件人才的专业基础能力培养。

END