夜雨聆风在数字经济蓬勃发展与金融科技深刻变革的时代背景下，合肥工业大学以新文科建设理念为引领，聚焦“懂金融、善分析、能创新”的复合型人才培养目标，对核心课程《货币金融学》进行系统性重塑。课程依托智慧教学平台，构建“图谱导航-AI实践-数据驱动”的智能化教学生态，通过AI技术与教学全过程的深度融合，破解传统文科教学痛点，形成可复制、可推广的智慧课程建设范式。
教学内容与前沿金融科技（FinTech）、现实经济热点及职业发展关联性不强，知行合一引领不够；
评价体系侧重终结性评价与知识记忆，对复杂问题解决能力、数据分析能力及创新思维的 formative assessment（形成性评价）欠缺；
面对开放复杂的金融议题，学生自主探索能力薄弱，缺乏个性化的认知引导与反馈路径。
多维图谱导航体系：
通过构建知识、问题、能力、思政四位一体的图谱矩阵，为学生提供可视化的学习路径与能力成长指引，强化学习内驱力。
沉浸式 AI 实践平台：
打造情景对话与智能批阅相结合的实战场景，将抽象金融理论与现实问题分析紧密结合，提升学生解决复杂金融问题的能力。
全流程数据评价机制：
建立“知识+能力+素质”三位一体的动态评价体系，实现教学过程的精准追踪、薄弱点诊断与个性化资源推送。
课程重构了课程内容结构，形成了可视化、关联化的课程知识网络，并打上重难点标签，方便学生复习阶段自主回顾。
系统梳理课程核心概念与理论框架，形成结构化的认知网络，学生不仅能掌握从货币起源到货币政策传导的核心原理，更能直观看到这些知识点如何支撑起金融市场分析、金融风险防范等实际应用。
梳理案例式问题图谱，以“案例—分析方向—基础问题”+知识点关联的形式，形成复杂金融案例的分析解决路径。例如针对“AI技术重塑现代信用形式”“中国现代金融生态圈创新发展”等前沿议题，拆解分析步骤，提升学生对于课程理论知识的实际应用能力。
根据教学大纲中的课程目标及人才培养方案，梳理了课程能力图谱，形成了能力与知识内容之间的支撑路径，明确学生从“掌握基础理论”到“具备创新分析能力”的阶梯式成长路线。
践行“如盐入汤”思政浸润路径，在案例讲解中体现思政学习元素。如通过“国际金融治理的中国贡献”等思政小讲堂，融入价值观塑造，实现知识传授与价值引领同频共振。
课程创新引入 AI 实践智能体，形成师-生-机三元结构的协调创新，通过多元化的智能实践任务，将理论知识转化为真实的人机协作与问题导向体验。
针对复杂课程问题（例如：资源调度与业务流优化、金融科技对传统信用体系的冲击等），实现了引导式对话任务。助力学生自主形成复杂问题多维度的个性化认知，显著提升学生探索课程复杂开放讨论问题的能力，锻炼思维逻辑，同时实现跨学科知识的融合引导，增强项目制学习中的协作效率。
此类 AI 实践能够对学生提交的图文报告（如《AI技术重塑中国现代金融生态圈创新发展》分析报告）进行批阅。通过 AI 依据预设维度进行初评并生成详细优缺点评语，实现“AI提效”，教师则在此基础上进行深度点评与引导，实现“人评提质”。学生可以依据 AI 反馈持续优化自己的分析报告，不断提升自我分析与理解能力。
基于学情的差异化教学：
针对学生在“未来趋势预测与创新思维”上的显著能力差异，实施分层设计。为基础层学生提供趋势分析的框架工具，为学有余力的学生设置进阶的半开放设计任务，顺应不同层次学生需求；同时强化现有能力向薄弱领域的迁移设计，结合学生擅长的专业知识分析，设计从现有案例到未来趋势的迁移教学内容。
场景化沟通能力训练：
设计角色扮演工作模拟，设置典型的金融场景（如金融生态圈新人岗前培训、客户与信贷经理对话等）必读素材与高频问题，将学生分组扮演不同角色，教师在旁观察并指导提问策略与回应技巧，强化学生的场景化沟通能力与创新思维。
同伴互助与工作坊机制：
开展“热点工作坊”，围绕中国金融生态圈的现存问题，借助 AI 工具收集前沿信息，共同梳理发展热点并展示创新方案；
实施“同伴互助计划”，将观察能力较弱的学生与精进学生结对，在课堂讨论与任务完成过程中进行针对性辅导。
依托全流程伴随式的数据画像与AI智能伴学，本课程成功打破了传统文科课堂“千人一面”的桎梏，实现了从单一的知识传授向高阶思维能力培养的质变，为新文科背景下的金融人才培养提供了“合工大方案”。
依托智慧教学平台，课程不仅承载了数百人的大班教学，更通过AI学情分析智能体，精准捕捉每一位学生在“专业知识应用”与“创新思维迁移”上的细微差异。正如杭电案例中所追求的“量质突围”，本课程通过数据驱动的分层教学与“同伴互助计划”，在保证教学规模的同时，实现了“一生一策”的精准育人，让不同起点的学生都能获得最大程度的增值。
课程通过引入AI实践智能体（情景对话与智能批阅），重构了“师-生-机”三元教学结构。教师从繁重的重复性批改工作中解放出来，转而聚焦于价值引领与高阶思维点拨；AI则承担了个性化陪练与即时反馈的角色。这种分工协同，正如“万人课堂×AI助教”模式所验证的那样，有效延伸了教师的“教学手臂”，重塑了课堂教与学的生产力关系。
课程摒弃了传统的“经验主义”教学评价，建立了基于6次练习、主客观作业及AI实践任务的全周期数据反馈机制。通过对“能力维度分布”的动态监测，课程团队能够实时感知教学痛点（如未来趋势预测的薄弱项），并迅速迭代教学内容与AI训练语料。这种“评价-反馈-改进”的闭环机制，确保了课程始终处于动态优化之中，持续输出高质量的育人成果。
最终成效体现在学生身上：他们不仅扎实掌握了金融理论基础，更能熟练运用AI工具辅助复杂金融问题分析，在面对“中国现代金融生态圈创新发展”等开放性议题时，展现出超越同龄人的数据洞察力与创新思辨力。
合肥工业大学《货币金融学》凭借扎实的课程基础与 AI 技术的深度赋能，构建了“智能化、实战化、个性化”的智慧课程体系，有效破解了传统金融类课程的教学难题。未来，课程将持续深化新文科建设理念，进一步完善 AI 赋能教学模式，强化数据驱动与场景化能力的融合，为数字经济高质量发展培育更多“懂理论、通数据、能创新”的复合型高素质金融人才。
张晨 教授/博士生导师
合肥工业大学管理学院教授，省级教学名师，“智慧会计”专业负责人，中国会计学会高等工科院校分会秘书长。长期从事金融市场与金融机构的风险控制、绿色金融与碳金融市场的研究与教学。主持国家级、省部级项目多项，出版《货币金融学：理论·实务·政策》等多部教材与专著，获合肥工业大学“最受欢迎教师”等荣誉。她将深厚的科研积淀与行业前沿洞察融入课程教学，为课程高质量建设提供核心支撑。
