智慧课程案例分享丨青岛科技大学《工程材料与机制基础》

课程建设贯穿“以学生为中心”“以学习成果为导向”的教育理念，通过问题链为牵引的“现象导学-问题启思-项目探究-工程实践-学科笃行”五阶递进，开展线上线下混合式教学活动。引导学生查阅文献资料，由现象看本质，提出工程实际问题，通过课内案例分析、小组探究、实践验证，课外科研前沿、学科竞赛，提高学生工程思维和创新能力。

以学生为中心的混合式教学实施路径图

知识传授的互补性设计。线上利用AI技术构建知识图谱，将课程知识点分为重点、难点，学生根据自己特点选择学习路径。例如，线上提供金属晶体结构三维模型、材料成形工艺视频等动态资源，帮助学生直观理解抽象概念。线下聚焦高阶能力培养，通过分组任务、案例研讨（如机械零件失效分析）等教学环节，强化知识应用能力和工程实践能力，实现学习过程的全域覆盖。

课前线上预习，通过超星平台发布微课视频与预习题，利用AI分析学生预习数据，生成学情热力图，为教师备课提供依据；课中实施质疑探究、精讲内化双轨教学，通过工程案例解构与师生深度互动实现价值塑造；课后引导学生利用知识图谱开展知识的扩展和迁移，AI学伴根据学生知识图谱掌握度，推送差异化练习指导，同时推行教学与科研双向互哺，实现“德育浸润-能力进阶”育人目标，有效强化学生工程思维和创新能力。

教学实施图

教学始终将学生的发展放在核心位置，学生是学习的主体，教师作为引导者和指导者，借助人工智能工具构建“师-生-机”三元协同教学新范式，为学生提供个性化的学习资源和学习路径，满足不同学生的学习需求，使学生能够主动地参与学习过程，具体学习路径如下：

个性化学习路径

利用超星智慧平台全面收集学生在平台上的各类学习数据，如课程视频观看时长、作业完成情况、测试成绩、讨论区发言频率和内容等。通过记录学生观看不同知识点视频的进度和次数，了解其对各知识点的关注程度和学习难度感受。利用AI工作台的AI学情分析，为每个学生构建详细的学习画像。

该画像涵盖学生的学习能力、学习习惯、知识掌握水平、兴趣偏好等多个维度。比如，分析学生在作业和考试中不同题型的答题正确率，判断其对不同知识点的掌握程度；通过学生在讨论区的发言主题和观点，了解其兴趣点和思维方式。而AI学情分析提供给教师班级整体的学习情况分析，帮助教师了解教学效果，发现教学中存在的问题，以便及时调整教学策略。

以过冷奥氏体连续冷却转变的完整的教学设计为主线，通过任务引擎分为课前预习、知识回顾、课中环节、课后环节、AI实践5个任务组。在每个任务组中，合理设置任务点，如课中环节设置有课程导入、课前小测、主题讨论等，课后环节设置有作业、线上作业、案例分析、分组任务等，将课程的知识点串联起来，以此培养学生的解决复杂机械工程问题的能力。

任务引擎贯穿教学全过程

（1）利用AI实践智能体开展学生工程思维能力的锻炼

以工程实际案例的工艺路线制定和其中热处理工艺的具体实践，培养学生的工程思维，通过情境对话，锻炼学生的提问和思考能力，达到培养学生高阶思维能力的课程目标。

AI实践智能体的具体应用

（2）基于AI工作台加强师生、生生、生机互动

课前，基于学生的学习画像，利用超星智慧平台的AI工作台的资料助手为学生精准推荐适合其当前学习水平和需求的学习资源，包括平台上丰富的电子图书、学术论文、教学视频等。关注学生的学习情况，及时给予反馈和指导。

课中，组织学生进行小组讨论、合作学习等活动，让学生在互动中相互学习、相互启发。学生通过分享自己的观点和想法，共同解决问题，培养团队合作能力和沟通能力；同时根据学生的个体差异定制个性化的学习内容，即为学习进度较快的学生提供拓展性的学习任务和研究项目，为学习困难的学生提供更多的基础知识点讲解和巩固练习。

课后，学生利用AI助教的学习助手和资料助手进行自主学习、自我评估和拓展学习。

AI助教-学习助手和资料助手

本案例通过搭建“平台、资源、工具、数据、应用”五层课程平台，打造独具特色的“AI技术赋能“工程材料与机制基础”课程教学，实现课程学习的“智能化、个性化、泛在化 ”数字化转型，提升课程教学的“两性一度”，助力学生学习变革、教师教学提质、培养育人进阶、教学评价增效，形成“数智赋能、守正创新、精准育人”的工程创新人才培养新范式。