摘要

研究背景

研究问题

     当前在计算机网络课程建设中，受限于传统教学体系与资源配置方式，虚拟教研室的构建仍面临资源孤立、反馈滞后、缺乏个性化与协同弱化等问题，具体表现如下：

（一） 教学资源分散

     当前计算机网络课程的教学资源主要依赖教材、PPT、教学视频及教师个体积累的课件资料，缺乏结构化整合和统一管理。这导致课程内容呈现碎片化、冗余化，不同教师之间存在知识点覆盖不一致、教学内容深浅不一的问题。由于没有构建统一的知识图谱或资源数据库，学生在学习过程中难以把握课程逻辑结构，教学平台智能化支持能力有限。此外，当前多数教学资源未实现版本迭代与数据标注，缺乏AI助教系统所需的语义标签和知识结构支撑，制约了虚拟教研室的智能化发展。

（二） 更新机制滞后

     课程内容和教学数据的更新机制普遍滞后。一方面，课程更新仍以教师主观经验为主，缺乏对行业发展、教学数据反馈和前沿技术的敏捷响应，导致教学内容无法反映计算机网络技术的快速演进（如5G网络、SDN、边缘计算等）。另一方面，教学反馈机制主要依赖期末考试与教学问卷，粒度粗、周期长，难以及时识别学生的学习瓶颈和教学内容中的薄弱环节，教学调整缺乏数据支撑与即时性，影响教学策略的动态优化。

（三） 个性化支持缺失

     目前计算机网络课程普遍采用统一教学计划和进度，对不同层次、不同背景学生缺乏有效区分，难以实现因材施教。尽管部分教学平台提供课外拓展资源，但与课程主线融合度不高，缺少基于学生行为分析和知识掌握情况的个性化推荐机制。同时，AI助教的功能局限于简单答疑，尚未建立基于学生画像的深度个性化学习路径规划与主动干预能力，导致优生缺乏拓展通道，学困生得不到精准帮扶。

研究内容

     当前，《计算机网络》课程面临内容碎片化与教学方式单一的双重困境。传统以课堂讲授为主的教学模式，难以激发学生学习兴趣，导致学习动力不足、知识掌握不均衡等问题。随着教育数字化进程加快，AI技术为课程重构带来了全新机遇。通过构建多层次知识图谱，可系统整合网络体系结构、协议机制等核心内容，实现课程知识的结构化呈现；AI助教则基于学生学习行为数据，实时跟踪其知识掌握情况，满足网络工程、信息安全等不同专业学生的个性化学习需求的同时，也为教师提供教学反馈与策略优化的智能支持。

     本团队近年来以“AI赋能”理念为引领，探索“知识图谱+AI助教+混合教学”融合路径在《计算机网络》课程教学中的可行性，致力于构建适应新时代工科人才培养需求的教学新范式。改革方案通过重构教学内容体系，AI赋能虚拟教研室，推动理论教学与能力培养、思政教育与技术实践的深度融合，构建支撑个性化学习与精准教学的智慧教学生态，助力实现以学生为中心、以产出为导向的教学目标。本次改革以“知识重构—过程优化—评价创新”为路径主线，具体目标如下：

（一）知识图谱构建：整合核心知识点，构建结构化、可视化课程体系。

（二）教学反馈机制：采集学习过程数据，驱动教学内容迭代与教师精准决策。

（三）开发AI助教系统：基于行为数据，提供智能问答与个性化学习支持。

（一）《计算机网络》课程知识图谱构建

     知识图谱构建包括知识源确定、知识要素抽取与逻辑关系建模等关键步骤。本教学团队依托超星学习通平台，结合《计算机网络》课程的教学内容与知识体系，构建覆盖课程全景的分层次、多维度知识图谱，以支持教学资源组织、学习路径规划和个性化资源推荐等应用场景。具体构建过程如下：

     第一步：根据教学大纲梳理课程知识点。团队围绕课程目标与核心能力要求，结合专业人才培养方案及课程前后续关系，系统梳理教学内容。以“物理层、数据链路层、网络层、传输层、应用层、网络安全与管理”六大模块为主线，进一步细化为20余个知识单元和80余个知识点。每个知识点均绑定视频、课件、测验、交互案例等资源，并统一格式进行标注，构建课程知识节点数据库，形成完整知识源体系。

     第二步：设定知识点教学目标。为落实“以学生为中心、以产出为导向”的教学理念，知识图谱中每一知识点设定三类教学目标：

  · 知识目标：学生应掌握的核心概念和理论（如：TCP/IP 分层结构、子网划分等）；

  · 能力目标：学生应具备的分析与应用能力（如：理解数据包在各层的传输机制）；

  · 思政目标：结合课程思政要求，培养责任意识和价值观（如：理解网络主权与安全的重要性）。

     该设计将 OBE 理念融入知识图谱，使图谱不仅传递信息，也服务于教学育人目标的达成。

     第三步：建立知识点间逻辑关系。在识别知识点和设定目标基础上，进一步构建“先修关系”“递进关系”和“依赖关系”等逻辑网络。结合人工标注与语义关系抽取算法，构建结构化知识网络。例如，“网络层”与“数据链路层”通过先修关系相连，“拥塞控制”与“流量控制”则通过协同关系链接。最终形成包含80个知识节点、200余条关系边的知识图谱，为 AI 助教与个性化教学提供支持。

     第四步：图谱部署与平台集成。完成构建后的知识图谱嵌入超星平台“课程知识点导航”模块，支持可视化展示与交互。学生可通过点击图谱节点跳转至相应资源，系统支持路径导航、知识推荐与自适应学习。平台还具备学习路径追踪、知识热度分析等功能，帮助教师据数据反馈优化教学节奏，实现结构化理解与精准教学。

（二）《计算机网络》课程 AI 助教系统开发

     基于课程知识图谱与学生行为数据，项目团队融合自然语言处理与语义建模技术，开发了覆盖课前、课中、课后的智能教学辅助系统，提升学生学习效率、提供个性化支持，并为教师精准教学提供数据支撑，具体如下：

     第一步：构建智能问答机制。依托知识图谱和语义问答模型，开发面向本课程的智能问答模块。系统可自动理解学生提问，如“ARP 协议流程”“三次握手与四次挥手区别”，并精准定位知识节点、生成结构化答复，同时附带相关视频与课件链接，实现知识回溯与二次学习。

     第二步：建立数据感知与智能提醒机制。接入超星平台学习数据（如视频观看、测验结果、学习频率），构建学生“知识掌握模型”。当系统识别到学习困难（如：停留时间长、答题正确率低），即自动提醒并推荐补强资源，如：

“你在‘IP地址与子网划分’知识点测试中的正确率偏低，建议复习以下内容。”

此举增强了学习主动性与智能响应能力。

     第三步：开发自适应练习推荐功能。系统基于掌握情况动态生成练习题，涵盖选择、填空、简答及仿真实验，题目均带有知识点标签与难度等级。AI 助教支持自动批改、错误解析与知识推荐，帮助学生查缺补漏。

     第四步：构建教师端监测与分析功能。教师可实时查看学生在各知识点的掌握情况，如平均分、错误率等，系统生成“教学热力图”“知识瓶颈报告”等可视化结果，为精准教学与策略调整提供数据支持。

（三）智慧教学模式设计：图谱驱动与 AI 融合

     依托知识图谱与AI助教系统，项目团队探索“图谱驱动 + AI 助教 + 混合教学”的智慧教学模式，贯穿课前、课中、课后各阶段，推动个性化学习与精准教学的深度融合，具体如下：

     第一步：课前图谱导学机制设计。教师基于课程知识图谱展示本节核心结构，引导学生聚焦关键知识点。学生根据图谱引导自主选择学习路径，通过预习视频、微课及在线测评完成自主学习。系统结合测评数据自动生成个性化知识画像，为后续教学提供参考。

     第二步：课中智能诊断与辅助机制。在课堂教学过程中，教师调用AI助教辅助讲解重点难点知识，穿插在线练习并获取实时答题反馈。系统同步生成“课堂掌握快照”，呈现学生整体掌握情况，辅助教师实时调整教学节奏与讲授策略。

     第三步：课后路径追踪与智能反馈机制。课后系统根据学生测验数据与知识图谱状态更新其学习画像，识别薄弱环节并推荐相应的错题解析与补充学习资源。教师基于个体差异数据，组织一对一辅导、学习小组或定向资源推送，实现差异化教学。

     第四步：教学反馈闭环与系统迭代机制。项目团队定期分析学生学习行为、交互日志与图谱使用数据，挖掘学习路径与瓶颈模式，对图谱结构与AI模型进行优化升级，实现内容构建、过程管理与结果评价的协同演进，构建“数据驱动、智能联动”的智慧教学闭环。

总结

     本文围绕“AI赋能的计算机网络虚拟教研室”建设，提出了一套集课程知识管理、智能教学支持与教研协同机制设计于一体的教学改革方案。通过构建结构化知识体系、实现学习过程数据驱动、强化个性化学习支持与教学反馈机制，有效提升了教学资源的组织效率与教学决策的科学性。

     未来，随着人工智能技术的持续演进，虚拟教研室将进一步融合自适应学习、智能评测与教学行为预测等功能，推动教学模式向智能化、个性化与高效协同方向持续升级，构建“以学生为中心、以数据为驱动”的教育新生态。