“AI+”课程,变了什么?

“反馈滞后、个性化不足、数字素养培养缺位”——这是大学英语课堂长期存在的三大难题。传统教学模式难以兼顾学生个体差异，更无法同步提升其数字素养。

外国语学院的陈志老师，大胆引入“轻量化Python + 大语言模型API”技术，打造了一款“Python+LLM模型学习助手”。

你不需要成为编程高手！只需完成Python环境搭建、代码结构设计与执行，就能体验：

· 完形填空不再“靠蒙”：AI自动分析上下文逻辑，对比选项词义与搭配，生成包含“正确答案+关键线索+常见错误分析”的详细解析，实现“依逻辑解题”的认知跃迁。

· 英语写作有了“私教”：语法检查、结构建议、词句润色，AI生成分层反馈报告，可以反复修改、迭代提升。

· 学习计划量身定制：输入英语水平、学习目标、可用时间，AI自动生成每日任务+资源推荐+方法建议，精准又贴心。

课程采用“演示→实践→反思”三步法。先独立思考，再借助AI辅助分析，最后对比反思。零编程基础的同学也能轻松上手，在提升语言能力的同时，启蒙计算思维。

日语语法规则繁杂、易混淆，文科生对AI更是“又敬又怕”。孙向宇老师没有硬塞技术，而是设计了“感知-理解-应用-创造”四段渐进式AI融入路径。

同学们从最初只是用AI查资料，到后来能运用算法逻辑拆解复杂语法，实现了从技术“门外汉”到智慧学习“主导者”的华丽转身。

更酷的是，师生共同开发了多款实用工具：

· 敬语查询助手（基于多层感知机+规则匹配）

· 被动句动作主体预测工具（基于XGBoost）

· 时态判断纠错工具（基于决策树）

课程后期，同学们以小组协作形式，独立完成了“日语动词活用查询纠错助手”的开发。这不仅解决了语法学习的“老大难”问题，更培养了大家用AI解决语言问题的工程思维与创新素养。

传统数据库课堂中，学生往往只懂原理、不懂应用，更不知道如何用AI解决真实数据问题。陆宏菊老师构建了“双轨融合、三层赋能”的AI教学新模式，让AI既是工具，也是内容。

课程采用“不融入—浅融入—深融入”三阶段策略：

· 第一阶段：夯实基础，限制AI使用。

· 第二阶段：引导使用通用大模型完成具体任务。

· 第三阶段：鼓励学生构建智能体，进行开放式探索。

同学们从“照做”到“做好”再到“创造”，三个实践维度满足不同层次的学习需求。课程还在作业、设计、实验三个环节融入智能体的构建与应用，期末考试则侧重核心原理的传统考察，形成“AI赋能+基础夯实”的互补评价体系。

很多学生用AI生成代码很快，但真正理解算法却很难。方创杰老师构建了“AI算法思想+数学原理+可视化+智能编程”四位一体教学模式，引导学生从“被动接受”转向“主动探究”。

课堂有三招：

· 小数据引例：用学生成绩、房价预测等小样本案例，借助AI可视化算法过程，让抽象变直观。

· 真实大数据作业：“泰坦尼克号数据清洗”“波士顿房价回归”“鸢尾花聚类”等真实任务，要求学生独立完成。

· 课堂答辩：不仅要交出代码，还要站上讲台讲清楚“为什么这么做”。

特别设计的“t-SNE vs PCA降维对比实验”和“联邦学习隐私保护”模块，强化了学生的高维数据处理能力与AI伦理意识。

过拟合、Loss曲线……这些抽象概念让低年级学生望而生畏。郑渊虬老师自主开发了虚拟教学程序，调用DeepSeek大模型即时生成模拟工业数据，让抽象概念“看得见”。

学生通过可视化界面直观观察Loss与Accuracy实时动态曲线，沉浸式理解“数据-模型-训练”的底层逻辑。随后，依托百度智能云EasyDL平台，开展“建筑工人安全帽佩戴智能识别”实战项目——学生分组标注2000+张照片，完成从训练到部署的全流程，部分小组模型准确率高达99.2%。

从看懂曲线到做出产品，学生真正体验了“AI工程师”的工作方式。

谢杨钟老师面对的是机械工程+人工智能双学位实验班。他做了一次大胆的融合：让每个数据结构知识点都对应一个机械工程场景。

· 学栈？用来搭建设备智能维护提醒系统。

· 学队列？用来设计设备智能监控系统。

· 学树、图、排序？对应数据处理、关联分析等真实需求。

课程采用“理论讲解+习题巩固+AI案例实践”衔接模式，每个案例都清晰呈现专业需求、知识应用点与技术落地步骤。学生以机械专业需求为导向，将数据结构作为基础、AI作为工具解决实际问题。

刘佳琼老师以“虚实相生·时空穿越”为核心理念，深度融合AI技术与建筑教育。她依托智谱清言部署“建筑设计原理AI智能体”，结合学习通平台实现24小时个性化问答与资源推送。

更特别的是，她将三华村、洛场村、塱头村等本土真实案例转化为“真实课堂—村落实践—虚拟模型—课堂反馈”四重教学情境。学生借助秘塔AI书架、AIRI智能规划、即梦AI、豆包AI辩论等工具链，在“人机协同”中完成从课前导学到项目实践的全流程。

从“看建筑”到“感建筑”“思建筑”“创建筑”，学生完成了认知的层层跃迁。

传统课堂中，学生会算参数、能背原理，却不知道知识在工程中“怎么用”。柯楠老师提炼出PACE教学闭环——问题导入、标准约定、求解构建、复盘评价——让每一次课都是一次完整的工程实战。

课程嵌入三个实战微单元：变压器故障诊断、区域负荷预测、电机轴承故障诊断。学生亲手用机器学习、回归建模、特征提取等方法解决真实电力问题，完成从数据预处理到模型验证的全过程，最终交付“可运行代码+可解释证据+可复现结论”。

每个微单元设计了三级螺旋进阶：先跑通基准流程，再理解模型并调优参数，最后迁移到新场景形成工程建议。

黎雪老师重新设计了Python课程：8个场景化案例，从“代码纠错小助手”到“人脸识别”，难度逐步升级。

课程围绕“编程+AI应用”双技能培养，通过“大模型辨错、析错、讲错”任务引导学生理解AI代码处理逻辑。每个项目都遵循标准化工程流程：问题分析 → 数据准备 → 模型选择 → 实现 → 调优 → 验证。学生不再纠结于语法细节，而是在完成一个个真实项目中建立信心。

课程还引入了百度文心一言、阿里通义千问等国内大模型API，搭配OpenCV等工具，为个性化学习与技能训练赋能。

面对行业数字化转型趋势，李嘉雯老师以Coze智能体开发平台为核心，构建了“AI智能体+知识库+数据自动化+跨平台协同”的技术体系。

她将4P理论、客户旅程、AARRR模型等核心知识，与智能客服搭建、营销数据抓取、数据清洗分析、自动化流程编排等真实业务任务深度融合。学生聚焦“智能客服”和“数据驱动营销”两大场景，完成小红书数据抓取、飞书协同分析等真实案例，从需求拆解到智能体构建，再到数据清洗、结果输出，完整体验“商业问题→技术拆解→方案落地”的全链条。

梁珊老师做了一次巧妙的“嫁接”：让传统计量经济学与AI前沿技术深度融合。

讲“虚拟变量”时，延伸到AI分类问题的求解思路；讲“多重共线性”时，引出降维技术的应用逻辑。传统课程内容与新技术互为支撑，构建起更具实用性与前沿性的知识体系。

同时，课程依托学习通平台打造AI融合的全流程教学场景：课前搭建专属知识图谱，为学生提供清晰的学习框架；课后借助AI助教功能，提供即时化、个性化的答疑服务。

传统课堂在教材更新、场景还原、评价方式等方面，仍有进一步优化的空间。王珏老师依托王金鹏教授领导的人工智能创新与应用（博士工作站）团队，团队自主开发的ParallelX人工智能辅助教学平台，实现了“教师-学生-AI智能体”三位一体协同教学。

在ParallelX平台上，学生通过零代码方式部署多智能体，开展AI角色群体讨论、AI辅助写作、智能体自动评分、模拟商务决策等活动。教材不再是静态的理论章节，而是内嵌于智能体的动态知识库；课堂变成了真实的商业战场——AI智能体可以模拟客户、模拟竞争对手，让每个决策都充满挑战。

课程同时构建了“学生教师AI多维互评”体系，让评价更全面、更客观。