教研动态 | “AI赋能的教学模式探索”主题月度交流会——面向沿边地区人居环境改善的城乡规划大数据理论与方法课程虚拟教研室

分享内容展示

     首先，在课程建设背景方面，来源老师从城市信息化与智慧城市发展的大趋势出发，系统梳理了城市信息学的学科内涵与教学挑战。随着大数据、人工智能等技术的快速发展，传统城乡规划教育正面临从经验驱动向数据驱动转型的关键阶段。课程以“城市信息学与智慧城市导论”为载体，强调数据分析、计算思维与规划实践的深度融合，同时面向多学科背景学生，呈现出交叉性强、知识跨度大的特点。在此背景下，如何在有限课时内兼顾理论深度与技术广度，成为课程设计需要重点回应的问题。

城市信息学的学科特点与教学挑战

AI赋能教学的整体设计思路

在具体教学实践方面，课程以项目制教学为主线，围绕“问题构建—方法选择—分析迭代”的研究过程展开。教师引导学生在前期通过AI辅助进行研究问题的发散与凝练，中期利用AI支持研究框架搭建、数据分析与方法选择，后期则结合成果表达与优化进行多轮迭代。通过设置阶段性任务与模块化训练，学生逐步建立起从问题识别到研究实施的完整逻辑链条。实践表明，AI在降低技术门槛、提升分析效率的同时，也促进了小组协作与跨学科交流，增强了学生对复杂城市问题的理解能力。

人机对话式讨论设计

在教学成效评估方面，来源老师结合问卷调研与学习行为分析，对AI赋能教学的实际效果进行了总结。结果显示，大多数学生能够高频使用AI工具，主要用于问题解答、文献检索与分析支持等环节，并普遍认为AI在提升学习效率方面具有积极作用。同时，课程也发现了一些共性问题，如部分学生过度依赖AI、信息准确性有待提升以及深度思考能力可能受到影响等。这些问题表明，在推动技术应用的同时，仍需进一步强化教学引导与规范设计。

      最后，在总结与展望部分，来源老师指出，人工智能对教学的影响不仅体现在工具层面，更深刻改变了“教什么、怎么教、为何而教”的教育逻辑。未来课程将进一步优化AI与教学内容的融合方式，强化批判性思维与问题构建能力培养，避免“一键生成”等浅层应用倾向。同时，将探索多源数据整合、智能体优化及跨学科协同教学机制，推动城市信息学课程向更加开放、智能与实践导向的方向发展，为新时代城乡规划人才培养提供支撑。

总结与展望

      交流研讨阶段，与会教师围绕人工智能赋能教学的实施路径与现实挑战展开深入交流。厦门大学李渊老师提出，当前教师自建AI助教系统在功能与更新速度上难以匹配市场化大模型，学生更倾向于使用通用工具，如何构建高质量课程知识库成为关键问题。对此来源老师回应，课程并不强调构建独立AI工具，而更注重教学流程设计，通过规范使用场景引导学生合理使用多种AI工具。随后，李老师还就项目制教学中“学生只需掌握局部方法”与“课程需系统讲授知识”之间的矛盾进行了探讨。来源老师表示，课程通过前期延迟选题、强化问题构建训练，引导学生在问题与方法的反复迭代中形成整体认知。深圳大学辜智慧老师结合自身教学实践，认为AI有助于不同专业学生协同构建研究框架，未来仍需进一步完善系统化教学设计。最后，党安荣老师在总结中指出，人工智能赋能教学正处于探索阶段，不同类型课程在融合路径上仍面临诸多挑战，应从实际教学需求出发积极寻找切入点，持续推进相关实践与经验积累。