Volume 2,Issue 9
AI 大模型赋能教学数字化转型发展—— 以工程地下水课程链为例
针对传统教学存在的课程资源更新慢、教学案例资源库匮乏、知识体系与工程实践脱钩、课程试验流程繁琐等问题，AI 大模型能够有效利用自身优势，实现现代信息技术与教学的深层次、多角度融合，赋能教学数字化转型发展从而解决传统教学存在的诸多问题。本文以工程地下水课程链为例，系统阐述AI 大模型与课程链中理论知识、课程试验、课程设计、实践教学等环节的深度结合，构建基于数字教材模块- 试验数据智能监测模块-Modflow 云计算模块- 云平台案例库模块于一体的数字化教育新平台，扎实推进智能型、创新型人才的培养。
[1] 刘邦奇, 聂小林, 王士进等. 生成式人工智能与未来教育形态重塑: 技术框架、能力特征及应用趋势[J/OL]. 电化教育研究,2024(01):13-20.
[2] 毛芳, 李正福. 我国高等教育数字教材发展的现状、问题与对策[J]. 出版参考,2023(05):11-16.
[3] 刘钢, 任星龙, 赵明志等. 纳米硅溶胶改良辽宁台安砂土的抗液化性能研究[J/OL]. 地震工程学报:1-11.
[4] 杨尚东, 陈蕾, 陈兴国等. 交互式大模型驱动的大数据技术实践课程教学探索[J]. 计算机教育,2023(11):55-59.
[5] 唐益群, 严婧婧. 谈《工程地下水》课程的教学与实践[J]. 湖州职业技术学院学报,2013,11(03):24-26.
[6] 陈贵翠, 刘玉申, 陆鑫, 等. 高职纺织专业科教融汇的实践路径研究[J]. 现代职业教育, 2024(25):141-144.
[7] 宋晓红, 李艳红, 张立浩, 等. 新工科和专业认证" 双驱" 背景下环境类实验教学平台建设, 实践与赋能[J]. 职业教育发展, 2024, 13(6):2545-2551.DOI:10.12677/ve.2024.136388.
[8] 李亚美. 成果导向理念赋能教学质量评价[J]. 科学大众. 科学教育研究, 2022(007):000.
[9] 段彩屏. 职业教育如何培养创新型拔尖技术人才[J]. 湖南师范大学教育科学学报, 2024, 23(3):83-89.
[10] 张瑞 , 廖慧娇. 智能技术赋能课程思政效果增值评价: 模型设计与实施路径[J]. 黑龙江高教研究, 2024, 42(12):72-79.