重庆工商大学丨“人工智能+高等教育” 课程建设典型案例分享

坚持 “AI 赋能而非替代” 的智能教学设计理念

“智学智辅” 智慧教学体系始终恪守“AI 赋能而非 AI 替代”的核心教育理念，明确人工智能在教学中承担辅助、引导、拓展、评价的角色，坚守学生学习主体地位与教师教学主导地位。课程设计全程规避 AI 直接替代学生完成知识记忆、原理理解、案例分析、实践思考等学习行为，依托分层化智能提示、过程化互动引导、场景化案例拓展、阶梯式实践任务，引导学生主动理解人工智能基础理论、掌握核心技术逻辑、树立正确 AI 伦理观、提升跨领域 AI 应用思维。

结合全校跨专业学生学情差异，平台依据学生专业背景、前置知识、课堂表现、作业完成情况动态划分学习层级，提供差异化 AI 学习支架：为零基础文科、经管类学生提供概念拆解、通俗解读、入门案例引导；为具备理工基础的学生提供原理深挖、算法拓展、实操训练指导；为学有余力的学生推送行业前沿动态、商工融合实战项目、学科竞赛拓展内容。在全过程教学中，既降低跨专业学生的学习门槛，消解理论学习的畏难情绪，又保留学生独立思考、自主探究、实践创新的空间，引导学生从 “被动接收知识” 转向 “主动探究应用”，实现分层培养、因材施教。

知识图谱智能导学体：

筑牢基础，助力学生自主规划与碎片化学习

知识图谱智能导学体依托课程完整知识体系，搭建《人工智能导论》可视化知识图谱，串联人工智能发展史、知识表示、搜索算法、深度学习基础、人工智能伦理、行业应用等核心知识点，打通知识点之间的关联脉络，解决课程内容零散、学生难以构建完整知识框架的问题。

课程结合课程教学目标、班级整体进度与学生个人学习数据，辅助学生自主制定个性化线上线下混合学习计划，根据学生课余时间、知识薄弱点动态调整学习节奏、推送对应学习任务。同时，支持学生开展自主学习监控与课后复盘：学生可通过知识图谱快速定位未掌握知识点，AI 同步推送对应微课视频、图文讲义、基础习题，满足碎片化复习、课前预习、考前梳理等学习需求。针对跨专业学生普遍存在的 “概念理解困难” 问题，导学体搭载智能释义、类比解读功能，用商业、管理、生活场景案例解析专业术语，贴合学校商工融合办学特色，让通识课程知识通俗易懂。

AI 智能学伴与实践辅学智能体：

场景赋能，提供个性化答疑与实践支撑

AI 智能学伴与实践辅学智能体聚焦课程理论答疑、案例解析、实操训练三大核心场景，是贯穿课堂内外的个性化学习助手。

在理论学习层面，智能学伴支持 7×24 小时即时答疑，针对学生提出的人工智能原理、算法逻辑、伦理规范等问题，拒绝直接给出标准答案，而是以提问引导、分步解析、案例类比的方式启发学生思考；针对课堂重难点，自动整理高频疑问并生成答疑集锦，助力学生查漏补缺。在案例教学层面，结合重庆本地智能产业、商科管理、经济金融等特色方向，智能推送商工融合类 AI 应用案例，如商业智能分析、智能风控、智慧文旅、智能管理系统等，强化课程与行业、专业的衔接。

在实践训练层面，实践辅学智能体配套课程实训任务、在线实验模块，针对算法模拟、简单 AI 工具应用等实操内容，提供分步操作提示、错误智能诊断、流程优化建议。根据学生实操完成情况分层调整支持力度：对实操困难的学生提供步骤引导与故障排查；对基础较好的学生提出功能优化、场景延伸等拓展要求，循序渐进提升学生 AI 工具应用与简单系统设计能力，强化理论落地实践。

借力智慧树AI工具，教师打造全流程精准教学

课程深度融合智慧树平台的AI技术与BOPPPS教学模型，构建了“课前－课中－课后”的全流程智慧教学闭环，有效破解大班教学与个性化培养的难题。

课前：AI助教学情分析，精准定位薄弱点

教师通过智慧树平台发布以真实案例为情境的导学任务，借助平台AI工具箱中的智能工具辅助备课。学生自主学习时，内置的“AI课程助教”可提供24小时智能答疑。系统自动记录学习数据，并生成班级学情分析报告，精准识别每位学生的知识薄弱点，帮助教师动态调整教学策略。同时，平台基于学习数据构建学生画像，将学生分为消极型、勤奋型、中规中矩型、三好学生型等类型，为分层分类指导提供依据。

课中：多模态工具互动，打造翻转课堂

课堂上，教师利用智慧树平台的实时测试、头脑风暴、投票等功能，激活课堂互动。学生通过小组汇报、情景模拟等形式展示成果。基于平台对学生学习达成度的实时反馈，教师可精准施教，实现课堂翻转。课堂互动数据由“AI课程时光机”全程记录，形成师生共同的教学档案。

课后：一人一策精准辅导，拓展实践能力

课后，智慧树AI系统可根据学生画像，自动生成个性化的巩固练习与拓展学习任务，智能推送学习资源，实现“一人一策”的精准提升。AI为学生提供全程实践指导与反思支持，真正促进知行合一。

“智学智辅” 智慧教学平台实践成效与成果

自课程立项建设并投入使用以来，《人工智能导论》“智学智辅” AI 智慧教学体系成效显著。在学生培养层面，全校各专业学生课程参与度、课前预习完成率、课后实训完成质量大幅提升，学生对人工智能基础理论的掌握程度、AI 工具应用能力、创新思维与 AI 伦理素养全面增强，多名学生依托课程所学参与校级、市级人工智能类学科竞赛、创新创业项目，实现 “课赛创” 有机联动。

在课程建设层面，该课程成功入选重庆市首批市级 “人工智能 +” 重点建设课程，课程建设模式、AI 赋能教学经验被纳入学校智慧课程建设典型案例，为校内通识类课程、经管类、工科类专业课程数字化改革提供参考范式。适配地方商科院校、面向跨专业通识课程的 AI 混合式教学模式，充分彰显重庆工商大学 “商工融合、科教融汇” 的办学特色。

在示范辐射层面，课程团队总结的 AI 赋能通识教育实践方案，参与校内智慧课程建设工作坊分享交流，助力全校教师提升数字化教学能力；相关教学实践贴合重庆市 “人工智能 + 高等教育” 建设要求，为区域内同类地方高校人工智能通识课程建设提供可借鉴的实践经验。

“数智砺学”：人机协同下《机器学习基础》混合式智慧教学创新实践

本课程智能化建设核心思路定为工具为辅、能力为本、实践落地，清晰划定智能模块与教师课堂的职责边界，AI 仅承担知识点梳理、思路提示、实训辅助、数据统计等辅助工作，绝不直接输出完整算法代码、完整推导过程、最优模型方案，避免学生形成工具依赖，弱化独立推导、自主调参、问题分析能力。

结合校内跨专业授课特点，平台配合教师实施梯度化分层教学设计：面向金融、经管类选修学生，弱化复杂数学推导，侧重算法应用场景、商业数据分析案例、模型结果解读；面向计算机、大数据专业学生，补充完整公式推导、底层代码实现、模型优化调参实训；针对拔尖学生推送竞赛数据集、商贸预测实战项目，引导自主完成完整机器学习建模流程。依托智能工具拉长自主学习周期，补齐线下课堂时空限制，让基础薄弱学生能稳步入门，能力突出学生拥有拓展提升空间，实现因材施教。

依托智慧树课程平台资源，团队结合本校人才培养方案、课程教学大纲，对平台原有微课、讲义、习题、案例进行重构、二次加工，打造贴合本校学情的分层资源库，分为基础铺垫、核心理论、商业拓展三大板块。

课前教师依托平台发布预习任务，系统结合本次授课算法主题，定向推送对应短视频、知识点思维导图、前置数学知识补学素材与预习自测习题。学生利用课余碎片化时间完成自主预习，自测作答数据实时同步后台，系统自动汇总班级共性知识短板生成预习简报推送授课教师。教师依据简报调整课堂讲授重心，对学生普遍存疑的算法原理、数学公式集中拆解讲解，让学生带着疑问参与课堂研讨，大幅提升线下课堂效率。全部线上资源长期留存，期中、期末复习阶段学生可按需回看，搭建持续巩固的学习闭环。

AI 导学助手是贯穿课下学习的核心辅助模块，主要承接理论答疑、算法拆解、代码思路点拨三大功能，填补课后辅导力量不足的缺口。

理论学习阶段，学生针对算法原理、损失函数、过拟合欠拟合、评价指标等概念发起提问，导学助手不会直接给出标准答案，而是通过分步拆解、生活化类比、商业数据集举例的方式逐层引导，启发学生自主梳理逻辑；遇到数学推导卡点时，系统分步展示推导框架，预留关键步骤让学生自行演算。

代码实操环节，学生上传报错代码、数据集运行异常截图后，AI 可精准定位语法漏洞、参数设置错误、数据集适配问题，仅给出排查方向与优化提示，不直接替换重写代码；针对梯度下降、K-Means、逻辑回归等高频实操算法，自动归集全班高频错误，生成专项练习题推送学生强化巩固。

同时结合我校商科特色，导学助手定期推送消费预测、客户分群、信贷风控等商贸类机器学习落地案例，打通算法理论与经管行业应用场景，凸显学校商工融合办学特色。7×24 小时在线陪伴式导，有效解决学生课后无人答疑、实操卡点难以解决的长期难题。

问题图谱是智慧慕课实现“学知识-强能力”转化的核心枢纽。通过构建一个以问题为驱动、以思维训练为主线的结构化体系，搭建起知识学习与能力内化的关键桥梁。其本质在于以问题为载体，打破知识的碎片化局限，引导学生从被动接收转向主动探究，从而在解决实际问题的过程中内化知识、锤炼思维、发展高阶能力。

问题图谱的核心功能在于重塑教与学的互动范式：

对学生而言，它变被动接受为主动探索。学生可基于问题图谱自主选择学习路径，通过“提问—探究—反思”的循环，深化知识内化。例如，在医学课程中，学生通过“模拟诊断”问题链，系统性训练临床思维；在工程类课程中，通过“项目式问题”实践设计思维。

对教师而言，问题图谱提供了精准的教学设计框架。教师可以基于图谱，轻松设计PBL（项目式学习）、案例研讨等教学活动，并能通过学生在解决问题中产生的数据，精准评估其思维过程与能力短板，实现从“教知识”到“教思维”的转变。

人工智能赋能《国际商务谈判》课程线上线下混合式教学创新实践

通过持续建设，《土地资源学》课程初步形成了以知识图谱为导航、课程智能体为助手、数字资源为支撑、思政图谱为引领、学习数据为反馈的课程建设模式。课程不仅提高了学生自主学习的便利性，也增强了学生对土地资源管理专业的认同感。

课程建设期间，学生在土地调查、不动产估价、国土空间规划、土地整治与生态修复等相关专业竞赛中取得较好成绩，体现了课程建设对学生专业能力培养和创新实践能力提升的支撑作用。中期报告中也显示，课程已在智能体应用、资源整合、平台建设和阶段性成果方面取得实质进展。

《土地资源学》课程建设坚持“AI赋能而非AI替代”的理念，以学生学习和专业能力发展为中心，将人工智能技术嵌入课程导学、知识学习、资源获取、学习反馈和价值引领等环节。课程通过“图谱导学、智能助学、资源融通、思政融入、数据反馈”的建设路径，推动专业课程从知识讲授走向智能支持，从单一课堂走向多元资源，从经验教学走向数据支撑。

下一步，课程将继续完善知识图谱资源，优化课程专属智能体，丰富课程资源库，提升学习数据分析能力，推动《土地资源学》课程建设从资源建设走向质量提升，为人工智能赋能土地资源管理专业课程建设提供可复制、可推广的实践经验。

刑法分论是法学专业核心课程之一，在法学教育体系中具有承上启下的枢纽功能。作为刑法学的重要组成部分，刑法分论课程内容涵盖刑法分则483个罪名，涉及罪名体系的逻辑结构、构成要件的精细化适用、罪名之间的竞合关系与界限区分。课程不仅要求学生掌握各罪名的构成要件要素，更要求其理解罪名体系的分类逻辑、掌握从案件事实到刑法规范的思维方法。这对学生的问题意识、思辨能力、逻辑思维缜密度和价值判断能力提出了极高要求。学生需要在庞杂的罪名体系中建立系统性认知，能够在复杂案件事实中准确适用刑法规范，形成有理有据的独立判断。

课程确立了“让每一位学生在人机协同学习中成长为独立的判断者”的核心理念，提出“以学生为中心，以‘看见’为起点，以‘赋能’为路径，以‘成就’为目标”的建设思路，致力于培养“会判断、懂技术、有温度”的卓越法治人才。

案例八

生物化学是食品科学与工程、制药工程等专业的核心课程，知识体系庞杂、微观结构抽象，且与医学、化工、农业等多学科交叉。传统课程思政教学中，思政元素往往以“贴标签”方式孤立呈现，难以与学生专业认知深度融通；同时，学生基础差异大，价值观引导难以精准触达；思政学习效果也缺乏动态、多维度的评价依据。针对上述问题，重庆工商大学韦晓兰教学团队融合知识图谱、AI助教、学习分析与全过程数据采集技术，构建了“智融思政，铸魂育人”的课程思政智慧教学新模式。自2023年以来，该模式已在3所高校6个专业中应用，累计惠及近2000名学生。

坚持“价值引领与知识建构同频共振”的思政教学理念

“师-机-生”三元协同：赋能个性化价值引导

德业并重的全过程评价：驱动思政成效持续提升