AIGC賦能的新形態(tài)工科實驗教學(xué)初探

[摘" "要] 在工科實驗中融合AIGC的技術(shù)優(yōu)勢是工科實驗教學(xué)未來發(fā)展的重要方向，研究AIGC賦能的新形態(tài)工科實驗具有時代緊迫性。AIGC賦能的新形態(tài)工科實驗呈現(xiàn)技術(shù)性實驗設(shè)計、泛化性實驗方案、螺旋式實驗過程、思辨性實驗創(chuàng)新、瞬時性實驗評價的內(nèi)涵，支持新形態(tài)工科實驗教學(xué)中的實驗本體研究，以及能力依賴、生成式實驗、復(fù)合大腦、在場模式的外延，支持新形態(tài)實驗教學(xué)中的教學(xué)特征研究。為適應(yīng)新質(zhì)生產(chǎn)力人才培養(yǎng)，研究提出了基于六度循環(huán)的新形態(tài)工科實驗教學(xué)路徑，覆蓋引導(dǎo)、查詢、判斷、應(yīng)用、評價與優(yōu)化共6個實驗階段，探索了融合AIGC的新形態(tài)工科實驗支持系統(tǒng)框架，從智慧實驗導(dǎo)學(xué)、精準實驗教學(xué)、高階實驗探學(xué)三個方面討論了新形態(tài)工科實驗在典型教學(xué)場景中的應(yīng)用。研究成果為新形態(tài)工科實驗教學(xué)的設(shè)計與實施提供了借鑒。

[關(guān)鍵詞] 新形態(tài)實驗； AIGC； 特征研究； 教學(xué)路徑； 支持系統(tǒng)

[中圖分類號] G434" " " " " " [文獻標志碼] A

[作者簡介] 郭豐（1983—），男，黑龍江牡丹江人。高級工程師，博士，主要從事機械工程學(xué)科新形態(tài)實驗教學(xué)與人工智能技術(shù)融合研究。E-mail：guof6570969@163.com。

一、引" "言

《中國教育現(xiàn)代化2035》指出：“加快信息化時代教育變革”[1]。數(shù)字化是信息化的升級和拓展，高等教育數(shù)字化是高等教育發(fā)展的重要方向。高等教育數(shù)字化是利用數(shù)字技術(shù)改變高等教育各環(huán)節(jié)，經(jīng)歷全流程創(chuàng)新與多方面變革后，賦能教育數(shù)字價值的過程[2]，實現(xiàn)數(shù)字技術(shù)來驅(qū)動學(xué)習(xí)環(huán)境變革、優(yōu)化教育資源供給、推動師生素養(yǎng)發(fā)展、助力教學(xué)范式重構(gòu)[3]的目標。隨著數(shù)字技術(shù)賦能教育成為全球共識，將人工智能（Artificial Intelligence，AI）應(yīng)用于教育領(lǐng)域正在成為近年來的教學(xué)研究熱點。在2024世界數(shù)字教育大會上，教育部部長懷進鵬強調(diào)了AI賦能教育轉(zhuǎn)型的重要性[4]。同年3月，教育部啟動了AI賦能教育行動，旨在用AI推動教與學(xué)融合應(yīng)用，提高全民數(shù)字教育素養(yǎng)與技能，開發(fā)教育專用AI大模型，同時規(guī)范AI使用科學(xué)倫理等[5]。在新質(zhì)生產(chǎn)力人才培養(yǎng)需求牽引下，重視AI在工程教育中的應(yīng)用非常必要，率先布局和全面實現(xiàn)工程教育智能化是當(dāng)前和未來高等工程教育改革和創(chuàng)新的重大戰(zhàn)略和必由之路[6]。

AIGC（AI Generated Content），即人工智能生成內(nèi)容，自2022年進入大眾視野后，為教育教學(xué)的創(chuàng)新性、顛覆性發(fā)展提供了無限可能[7]，基于人類反饋系統(tǒng)的跨模態(tài)AI生成應(yīng)用正在加速發(fā)展[8]。Wang等總結(jié)了AIGC的主要應(yīng)用領(lǐng)域，即文本生成、圖像生成、音頻生成、視頻生成、三維內(nèi)容生成、數(shù)字人生成以及上述領(lǐng)域的復(fù)合生成，為AIGC的教學(xué)資源生成提供了技術(shù)可能[9]。Chen等通過文獻綜述研究發(fā)現(xiàn)，AIGC在教學(xué)領(lǐng)域的研究主要集中在效能評估、教學(xué)應(yīng)用、教學(xué)效果、教學(xué)技術(shù)與應(yīng)用前景五個方面[10]。Jing等認為在利用AIGC賦能教育的過程中，應(yīng)將從培養(yǎng)AI使用能力轉(zhuǎn)向培養(yǎng)AI素養(yǎng)，為利用AIGC賦能學(xué)習(xí)奠定基礎(chǔ)[11]。鄭永紅等梳理了AIGC的應(yīng)用場景，認為AIGC在促進教育公平、推動教育創(chuàng)新和提升教育質(zhì)量方面有積極影響[12]。盧宇等探討了AIGC的潛在教育應(yīng)用，并在習(xí)題生成、自動解題、輔助批閱等方面開展了初步探索[13]。肖君等研究了AIGC賦能在線學(xué)習(xí)的應(yīng)用場景與實施路徑，認為AIGC能夠更好地服務(wù)于在線學(xué)習(xí)和教育需求[14]。陳向東等構(gòu)想了 AIGC支持的面向教育數(shù)字化轉(zhuǎn)型的技術(shù)預(yù)見行動框架，為基于AI的教育數(shù)字化轉(zhuǎn)型提供經(jīng)驗之外的新思路[15]。當(dāng)然，AIGC在賦能教育的同時也面臨技術(shù)與倫理的風(fēng)險，黃蓓蓓等構(gòu)建了風(fēng)險預(yù)警機制，實現(xiàn)AIGC融入高等教育生態(tài)系統(tǒng)后的風(fēng)險化解，為高等教育數(shù)字化轉(zhuǎn)型和高質(zhì)量發(fā)展保駕護航[16]。綜上所述，AIGC賦能教育的研究已經(jīng)引起了廣泛的討論，但關(guān)于AIGC如何賦能實驗教學(xué)則鮮有研究，本研究將為AIGC與實驗教學(xué)的深度融合提供借鑒。

二、AIGC賦能的新形態(tài)工科實驗教學(xué)特征研究

傳統(tǒng)工科類實驗教學(xué)存在實驗內(nèi)容陳舊、教學(xué)方法過時、實驗設(shè)備老化、缺少智能技術(shù)支持等亟待解決的問題，不利于新質(zhì)生產(chǎn)力發(fā)展背景下高水平人才的能力培養(yǎng)，因此迫切需要融合現(xiàn)代智能技術(shù)推動工科類實驗教學(xué)改革，持續(xù)支持工科類實驗教學(xué)提質(zhì)增效。借鑒新形態(tài)教材的實踐[17]，本文認為：新形態(tài)工科實驗是一種在AI技術(shù)加持下，具有新穎實驗本體與教學(xué)特征，旨在復(fù)現(xiàn)工程實際、解決工程問題的新型工科類實驗。本節(jié)嘗試從AIGC賦能的角度對新形態(tài)工科實驗本體與教學(xué)特征進行探索。

（一）新形態(tài)工科實驗本體特征研究

實驗本體是描述和表達實驗教學(xué)領(lǐng)域基本要素的本體模型，具有形式化、結(jié)構(gòu)化和共享化等特點。與傳統(tǒng)工科實驗相比，AIGC賦能的實驗本體發(fā)展出新特征，體現(xiàn)在實驗設(shè)計、實驗方案、實驗過程、實驗創(chuàng)新與實驗評價五個方面，如圖1所示。

1. 實驗設(shè)計的轉(zhuǎn)變：從經(jīng)驗性實驗設(shè)計到技術(shù)性實驗設(shè)計

實驗設(shè)計需要明確實驗教學(xué)目標，要求實驗內(nèi)容具有可操作性與可度量性，傳統(tǒng)實驗設(shè)計的質(zhì)量主要依賴專家經(jīng)驗。鑒于思維定式固化與主觀經(jīng)驗存在，實驗設(shè)計改革步伐往往滯后于現(xiàn)代工程實際。初入AI時代，教學(xué)專家仍主導(dǎo)實驗設(shè)計，而實驗資源則可借助AI工具輔助整理。當(dāng)AI技術(shù)成熟后，教學(xué)專家與AI工具的主輔關(guān)系亦在轉(zhuǎn)變?；诤Ａ恐R樣本，AI通過模型訓(xùn)練具備了獲取人類經(jīng)驗的能力，掌握了跨學(xué)科實驗設(shè)計所需的知識與方法，因此也具備了完成多學(xué)科融合背景下的實驗設(shè)計能力?？紤]到技術(shù)倫理等風(fēng)險因素，教學(xué)專家僅需在AIGC完成實驗設(shè)計后進行審驗與修補即可。由此，工科實驗教學(xué)的實驗設(shè)計由經(jīng)驗性設(shè)計轉(zhuǎn)變?yōu)榧夹g(shù)性設(shè)計，實現(xiàn)新形態(tài)工科實驗設(shè)計的敏捷迭代。

2. 實驗方案的轉(zhuǎn)變：從確定性實驗方案到泛化性實驗方案

實驗方案是實驗教學(xué)的明確計劃，確保實驗過程的系統(tǒng)性、可重復(fù)性和可驗證性。傳統(tǒng)實驗方案往往具有封閉性，在預(yù)定義方案中學(xué)生進行程式化被動探索。項目式教學(xué)法是高階教學(xué)模式的具體化，強調(diào)學(xué)生的非程式化自主探索[18]。通過在實驗教學(xué)中實施“AI+項目式教學(xué)”，能夠生成具有指導(dǎo)性的實驗方案組合（確保方案非劣性），輔助學(xué)生探索擇優(yōu)，激發(fā)高質(zhì)量實驗思考。基于AIGC強大的生成能力，使實驗方案的開放性成為可能。通過建立實驗方案模板并設(shè)定提示線索，可研發(fā)具有提示功能的電子化實驗方案生成器，支持學(xué)生利用AIGC工具與私有知識生成具有個性化的可行實驗方案，使得實驗方案具有泛化性。由此，工科實驗教學(xué)的實驗方案由確定性轉(zhuǎn)變?yōu)榉夯?，激發(fā)了學(xué)生對新形態(tài)工科實驗方案的精益思考。

3. 實驗過程的轉(zhuǎn)變：從階梯式實驗過程到螺旋式實驗過程

實驗過程是按照一定步驟和規(guī)則實施的實驗操作序列。根據(jù)任務(wù)目標對實驗操作序列進行聚類，每一類的操作序列對應(yīng)特定的實驗?zāi)芰μ嵘?。在封閉性預(yù)定義實驗方案中，類與類之間具有相對獨立性，存在先后順序而呈現(xiàn)階梯特征，實驗教學(xué)達成度基于粗粒度“臺階”進行計算。在虛擬仿真實驗認可度提升后，工程實驗過程的高擬真特性逐漸成為共識?！癆I+虛擬仿真實驗”能夠支持高復(fù)雜度工程實驗過程的設(shè)計規(guī)劃，允許學(xué)生在非劣性指導(dǎo)方案中反復(fù)試錯以迭代優(yōu)選實驗過程，通過歸納分析錯誤內(nèi)因完成工程知識學(xué)習(xí)，實驗教學(xué)達成度的計算隨之細化并深入到任務(wù)或子任務(wù)內(nèi)部。當(dāng)開放性提示方案成為工科實驗主流時，允許學(xué)生在全部可能的實驗方案中進行螺旋式探索尋優(yōu)，基于AIGC提供的知識線索反復(fù)回溯驗證，提升對涉及工程問題實驗的理解。由此，工科實驗教學(xué)的實驗過程從階梯式轉(zhuǎn)變?yōu)槁菪剑酱賹W(xué)生對新形態(tài)工科實驗過程形成立體認知。

4. 實驗創(chuàng)新的轉(zhuǎn)變：從機械性實驗創(chuàng)新到思辨性實驗創(chuàng)新

實驗創(chuàng)新包括方法創(chuàng)新、技術(shù)創(chuàng)新、思路創(chuàng)新、過程創(chuàng)新等。傳統(tǒng)工科實驗創(chuàng)新具有機械性，即學(xué)生無條件信任書本指導(dǎo)，按照指導(dǎo)順序完成創(chuàng)新聯(lián)想。受益于互聯(lián)網(wǎng)普及與智能檢索能力提升，允許學(xué)生模擬工程實際場景，通過檢索互聯(lián)網(wǎng)以獲得解決工程問題的相似實驗方案，參照相似實驗方案嘗試不同實驗過程，基于啟發(fā)規(guī)則在嘗試中尋找實驗創(chuàng)新。伴隨工程領(lǐng)域知識圖譜的知識覆蓋率的提升，知識圖譜檢索技術(shù)能夠反向指導(dǎo)學(xué)生規(guī)劃實驗，支持學(xué)生以主動姿態(tài)優(yōu)化實驗方案與實驗過程，完成積極的工程實驗創(chuàng)新。AIGC技術(shù)的成熟為創(chuàng)新提供了新的可能，支持學(xué)生在回溯驗證中開展工程問題的批判性思考，通過交叉驗證跨越式提升學(xué)生的思辨能力。由此，工科實驗教學(xué)的實驗創(chuàng)新從機械性轉(zhuǎn)變?yōu)樗急嫘?，鼓勵學(xué)生對新形態(tài)工科實驗創(chuàng)新進行深度挖掘。

5. 實驗評價的轉(zhuǎn)變：從延時性實驗評價到瞬時性實驗評價

實驗評價是指對實驗教學(xué)過程及實操結(jié)果進行的全面、系統(tǒng)、客觀評價。傳統(tǒng)工科實驗評價往往是滯后的，在實驗完成后由實驗指導(dǎo)教師調(diào)閱分析實驗報告，依據(jù)報告內(nèi)容開展粗粒度的實驗評價，實驗評價具有延時性特征。智能批改系統(tǒng)上線后，AI工具能夠收集學(xué)生實驗過程中的階段性數(shù)據(jù)，輔助實驗指導(dǎo)教師根據(jù)階段性數(shù)據(jù)完成細粒度的實驗評價，但主觀內(nèi)容評價仍需依賴指導(dǎo)教師經(jīng)驗。將AIGC嵌入智能實驗教學(xué)系統(tǒng)后，通過設(shè)定完備的實驗評價規(guī)則，支持實驗步驟數(shù)據(jù)的快速獲取，并分析步驟數(shù)據(jù)以立即生成精細度的實驗評價，實驗評價具有瞬時性特征。由此，工科實驗教學(xué)的實驗評價從延時性轉(zhuǎn)變?yōu)樗矔r性，支持新形態(tài)工科實驗評價的動態(tài)優(yōu)化。

（二）新形態(tài)工科實驗教學(xué)特征研究

新工科教育范式涉及新工科的教育理念、培養(yǎng)模式、教學(xué)方法、教學(xué)內(nèi)容、質(zhì)量標準等方面[19]。AIGC賦能新工科教育范式的具體實踐為新形態(tài)工科實驗注入了新的教學(xué)特征，如圖2所示。

1. 能力依賴：從記憶知識到檢索知識

實驗教學(xué)具有多主體特征，學(xué)生作為第一主體負責(zé)完成知識與能力的獲取，教師作為第二主體負責(zé)完成知識與能力的培養(yǎng)。數(shù)智時代的新知識觀認為知識是人類和AI協(xié)作產(chǎn)生的[20]。AIGC通過大模型訓(xùn)練具備了擬人意識，鑒于大量的新質(zhì)生產(chǎn)力語料知識存在，AIGC能夠產(chǎn)生新的知識以支持新形態(tài)工科實驗的自我進化，使得新形態(tài)工科實驗作為第三主體具備了新質(zhì)生產(chǎn)力人才培養(yǎng)的主觀能動預(yù)期。因此，在當(dāng)前時代敘事中，實驗知識不斷自我迭代，封閉性的知識體系被技術(shù)沖破，依賴書本完成知識的硬性記憶不再適應(yīng)新工科實驗教學(xué)，迫使“被動灌輸”被“智慧引導(dǎo)”取代。在開放性的實驗知識體系背景下，為應(yīng)對工程實際的復(fù)雜性，新工科實驗?zāi)芰ε囵B(yǎng)的重要性更加凸顯。當(dāng)開放性實驗?zāi)芰w系的教學(xué)價值融入了AI時代特征后，檢索查詢已經(jīng)成為提升實驗?zāi)芰Φ闹匾緩?。在倫理約束下，教師合理引導(dǎo)學(xué)生完成檢索查詢被認為是“智慧引導(dǎo)”下實驗教學(xué)能力培養(yǎng)的必要手段。由此，新形態(tài)工科實驗教學(xué)的學(xué)習(xí)主體需要歷經(jīng)從書本依賴到能力依賴的轉(zhuǎn)變。

2. 生成式實驗：從靜態(tài)資源到動態(tài)資源

實驗資源是構(gòu)建實驗主體的重要組成，承擔(dān)學(xué)習(xí)客體的職責(zé)。傳統(tǒng)的工科實驗資源以非數(shù)字化的靜態(tài)資源為主，往往由教學(xué)團隊進行預(yù)定義。實驗教學(xué)過程中通過不斷挖掘靜態(tài)資源的教學(xué)價值來支持學(xué)生實驗?zāi)芰Φ呐囵B(yǎng)。數(shù)字技術(shù)出現(xiàn)后，預(yù)定義的靜態(tài)資源具備了數(shù)字特性，提升了實驗資源的復(fù)用性，降低了工科實驗教學(xué)的資源成本。但預(yù)定義的實驗資源具有較高的限制性，難以迅速迭代以適應(yīng)新科技水平下的工科實驗教學(xué)需求。AIGC支持通過內(nèi)容分析和數(shù)據(jù)挖掘，突破地域限制以遍歷不同教育平臺或?qū)嶒炠Y源庫，獲取類型多樣、內(nèi)容豐富以及智能化的教學(xué)資源[21]，為考慮工程復(fù)雜性的實驗資源動態(tài)化生成提供了可能。隨著ChatGPT-4o等大模型的出現(xiàn)，動態(tài)化生成的實驗資源類型包括但不限于文本、音頻、視頻、三維虛擬場景等。實驗資源的動態(tài)化生成模式為新形態(tài)工科實驗從預(yù)定義走向生成式提供了技術(shù)可能性。

3. 復(fù)合大腦：從人人協(xié)同到人機協(xié)同

實驗教學(xué)過程涵蓋了不同類型的協(xié)同實踐。從人因角度分析，傳統(tǒng)實驗教學(xué)中的協(xié)同主要體現(xiàn)為人人協(xié)同，現(xiàn)代實驗教學(xué)中則出現(xiàn)了人機協(xié)同。以工程探索性實驗為例，教學(xué)過程中往往通過實驗小組來協(xié)同問題研究與方案研討，完成知識與能力的共享，本質(zhì)上是基于小組策略的人人互助協(xié)同，體現(xiàn)為碳基生物大腦的思考成果。隨著AI技術(shù)的豐富，人機協(xié)同已經(jīng)成為工科實驗教學(xué)研究的重點，如合理利用項目學(xué)習(xí)支架[22]方法等，能夠以工程技能協(xié)同為目標，發(fā)揮不同支架在實驗教學(xué)中的組合優(yōu)勢，形成基于支架策略的人機技能協(xié)同。隨著模型參數(shù)與模型深度的規(guī)?；鲩L，AIGC呈現(xiàn)類似主觀判斷與主觀思考的能力，利用人機共生的復(fù)合大腦開展教學(xué)逐步進入研究者視野[23]。隨著腦機接口等可穿戴式設(shè)備的發(fā)展，人與機器的協(xié)同正在邁向意識協(xié)同，乃至精神協(xié)同。人類正在從創(chuàng)造主體逐漸向監(jiān)督主體轉(zhuǎn)變，在新形態(tài)工科實驗教學(xué)中形成基于監(jiān)督策略的人機意識協(xié)同，體現(xiàn)為碳基大腦與硅基大腦的協(xié)同思考，客觀上促使協(xié)同機制從依賴生物大腦到依賴復(fù)合大腦的轉(zhuǎn)變。

4. 在場模式：從實體實驗到元宇宙實驗

實體實驗主要通過問題復(fù)現(xiàn)、場景模擬、真實操作來完成教學(xué)過程。工科類實體實驗對實際實驗設(shè)備/裝置存在高度依賴，實驗過程僅能近似模擬真實工況。由于實驗場景與真實場景存在差異，所以工科類實體實驗一般具備離場特征。伴隨教學(xué)方法與教學(xué)技術(shù)的發(fā)展，線上線下混合實驗教學(xué)日漸成熟，其以全場景融合模式促進教學(xué)與服務(wù)向個性、精準、智能化轉(zhuǎn)型，積極促進教育和學(xué)習(xí)的創(chuàng)新發(fā)展[24]，通過融合MOOC（無沉浸）、SPOC（無沉浸）與桌面級虛擬仿真實驗（以淺沉浸為主）等，形成基于淺度沉浸的在線混合實驗，提供一定的工程臨場感。當(dāng)AIGC與教育元宇宙自然耦合后，支持構(gòu)建“師—機—生”互融共生的學(xué)習(xí)新樣態(tài)[25]，深度沉浸、社會交互、無限擴展等技術(shù)特征為新形態(tài)工科實驗教學(xué)提供了精準現(xiàn)實或超越現(xiàn)實，實驗助手由抽象文本變?yōu)榫呱硇蜗螅ㄟ^集體在場實現(xiàn)個性化教育與規(guī)?；逃齾f(xié)同開展，形成基于完全沉浸的元宇宙實驗。元宇宙實驗為提高學(xué)生解決各類復(fù)雜工程問題提供了全要素仿真，推動實驗?zāi)Ｊ綇碾x場到在場的轉(zhuǎn)變。

三、AIGC賦能的新形態(tài)工科實驗教學(xué)路徑與支持系統(tǒng)架構(gòu)

（一）基于六度循環(huán)的新形態(tài)工科實驗教學(xué)路徑

為適應(yīng)新質(zhì)生產(chǎn)力人才培養(yǎng)，發(fā)揮新形態(tài)工科實驗教學(xué)在新質(zhì)教育[26]中的重要作用，建立適配AIGC的新形態(tài)工科實驗教學(xué)路徑，持續(xù)迭代工科類實驗教學(xué)方法，研究團隊在調(diào)研AI賦能學(xué)習(xí)路徑的方法[27]基礎(chǔ)上，借鑒人際六度空間理論，提出了基于六度循環(huán)的新形態(tài)工科實驗教學(xué)路徑，覆蓋引導(dǎo)、查詢、判斷、應(yīng)用、評價與優(yōu)化等六個教學(xué)階段，如圖3所示。

階段一：引導(dǎo)，以工程問題為導(dǎo)向。持續(xù)挖掘工程領(lǐng)域問題熱點，保證實驗教學(xué)與工程需求的目標吻合。根據(jù)工程問題復(fù)雜性完成工程知識的剝離與解析，建立新形態(tài)工科實驗教學(xué)表征模型，完成工程問題的實驗化教學(xué)落地，提高學(xué)生辨識工程問題的能力，引導(dǎo)學(xué)生參與實驗設(shè)計過程。

階段二：查詢，以提示問答為導(dǎo)向。培養(yǎng)學(xué)生主動檢索工程問題解決方案的能力。檢索能力高度關(guān)聯(lián)了AIGC提示工程構(gòu)建的有效性，學(xué)生通過綜合使用提示圖譜、提示思維鏈與提示案例庫，掌握工程問題思考方法，實現(xiàn)提示問句的合理設(shè)計與使用，逐步形成“問中做，做中學(xué)，學(xué)中問”的循環(huán)學(xué)習(xí)模式。

階段三：判斷，以理論思辨為導(dǎo)向。面對檢索獲取的解決方案，依賴知識推薦并融合學(xué)生私有知識，形成個性化實驗解決方案。利用相似度比較與評價技術(shù)支持個性化實驗方案的質(zhì)量分析。培養(yǎng)學(xué)生對質(zhì)量分析的科學(xué)質(zhì)疑精神，在質(zhì)疑過程中激發(fā)思辨動能，逐步形成“獲取—比較—質(zhì)疑”的探索思辨模式。

階段四：應(yīng)用，以實踐能力為導(dǎo)向?；趯嶓w實驗、虛擬仿真實驗以及元宇宙實驗等多種實驗形式，強化學(xué)生將理論融于工程，并依據(jù)工程問題解決質(zhì)量分析，據(jù)此考核學(xué)生實踐能力。元宇宙實驗是當(dāng)前教育領(lǐng)域研究的熱點，基于多模態(tài)知識融合AIGC技術(shù)與元宇宙技術(shù)，能夠提升新形態(tài)工科實驗教學(xué)的在場感。

階段五：評價，以綜合素養(yǎng)為導(dǎo)向。通過學(xué)生的自我評價引導(dǎo)綜合素養(yǎng)提高，評價標準包括預(yù)定義標準與開放性標準。預(yù)定義標準基于歷史經(jīng)驗總結(jié)得出，開放性標準則要求動態(tài)變化且與時俱進，支持實驗指導(dǎo)教師根據(jù)學(xué)生特征進行實驗內(nèi)容適配，滿足AIGC賦能的個性化培養(yǎng)要求。

階段六：優(yōu)化，以創(chuàng)新決策為導(dǎo)向?；谠u價結(jié)論構(gòu)建實驗本體的自主迭代優(yōu)化模式，建立評價結(jié)論與自主迭代方向的動態(tài)映射。實驗本體的優(yōu)化支持面向?qū)W生個體的實驗內(nèi)容迭代，通過開放技術(shù)接口支持基于復(fù)合大腦的技術(shù)協(xié)作創(chuàng)新，鼓勵學(xué)生協(xié)調(diào)多種方法進行組合決策。

由圖3可知，在基于六度循環(huán)的新形態(tài)工科實驗教學(xué)路徑中，通過往復(fù)的周期性階段循環(huán)，助力提升AIGC賦能的新形態(tài)工科實驗教學(xué)效果。

（二）融合AIGC的新形態(tài)工科實驗支持系統(tǒng)架構(gòu)

為便于新形態(tài)工科實驗教學(xué)高效開展，研究團隊提出了融合AIGC的新形態(tài)工科實驗支持系統(tǒng)架構(gòu)，如圖4所示。

第一層：支撐層。該層由本地支撐環(huán)境與云端支撐環(huán)境構(gòu)成，通過互聯(lián)網(wǎng)通信接口實現(xiàn)信息互通。本地支撐環(huán)境中的數(shù)據(jù)庫與服務(wù)器可部署在校方公共資源平臺，確保教師維護的便捷性；云端支撐環(huán)境可直接利用第三方云服務(wù)平臺，注重安全優(yōu)勢與成本優(yōu)勢，一般存儲算法庫、規(guī)則庫與參數(shù)庫等不需要經(jīng)常性維護的數(shù)據(jù)庫，并提供通用服務(wù)。

第二層：數(shù)據(jù)層。該層用于存儲各種數(shù)據(jù)，例如：案例庫存儲典型學(xué)生畫像與實驗畫像，提供典型提示問句；圖譜庫存儲知識圖譜（含實驗本體）、提示問句模板等；知識庫存儲實驗知識，覆蓋文本、音頻、視頻、三維場景等不同模態(tài)；算法庫存儲生成提示問句與構(gòu)建評價標準的智能算法；參數(shù)庫存儲智能算法與調(diào)用外部AIGC模型所需的配置信息。

第三層：模型層。該層由學(xué)生畫像、實驗畫像、知識圖譜、提示工程、評價標準與外部控制六大模型構(gòu)成。學(xué)生畫像與實驗畫像用于描述學(xué)生群體與實驗本體的特征；知識圖譜通過實體與關(guān)系描述完整的實驗知識體系；提示工程用于構(gòu)建提示問句，作為第三方AIGC大模型的輸入部分；外部控制用于AIGC大模型交互，并將交互反饋信息解碼識別。

第四層：AIGC賦能的功能層，具體包括六大賦能。（1）AIGC賦能學(xué)生畫像：支持基于AI技術(shù)獲取學(xué)生特征、學(xué)生行為，通過聚類分析實現(xiàn)學(xué)生群體劃分；基于實驗過程數(shù)據(jù)分析，精準定位操作流程的問題痛點，面向?qū)W生群體觸發(fā)基于AIGC的知識推送，支持實驗質(zhì)量控制。（2）AIGC賦能實驗畫像：支持工程方法與工程對象的解釋功能，完成工程問題與實驗教學(xué)的關(guān)聯(lián)描述；通過建立學(xué)生畫像與實驗畫像的映射，支持基于AIGC的精準實驗教學(xué)；通過開放實驗設(shè)計與實驗方案的編輯校驗功能，建立工程方法與實驗設(shè)計、工程對象與實驗方案的動態(tài)鏈接。（3）AIGC賦能知識圖譜：支持知識圖譜在新形態(tài)工科實驗教學(xué)中的擴展，包括但不限于實驗圖譜[28]、能力圖譜[29]、技術(shù)圖譜、方法圖譜、資源圖譜等；通過開放接口保證知識圖譜的工程專業(yè)性與工程知識覆蓋度，基于AIGC反饋支持知識圖譜的自主迭代與優(yōu)化。（4）AIGC賦能提示工程：支持提示問句的模板化設(shè)計，通過“初始提問”和“優(yōu)化提問”兩種提問設(shè)計[30]完成提示問句優(yōu)化；提供提示模板管理功能、提示問句生成功能、提示對話評價功能，以及作為AIGC用戶界面的實驗助手功能，確保問句生成按照預(yù)期輸出。（5）AIGC賦能評價標準：支持精準檢索評價文本或?qū)嵅傩袨?，基于質(zhì)量過濾算法去除無關(guān)文本或無意義行為；基于AIGC定義個性化實驗評價標準，實現(xiàn)評價標準與學(xué)生畫像及實驗畫像的動態(tài)適配；建立評價規(guī)則并利用評價引擎完成實驗全要素評價，支持新形態(tài)工科實驗的后續(xù)改進或調(diào)優(yōu)。（6）AIGC賦能外部控制：支持調(diào)用第三方AIGC大模型，避免教學(xué)團隊盲目開發(fā)自研大模型；通過AIGC配置實現(xiàn)本系統(tǒng)與外部模型的接口映射，支持AIGC輸入信息的編碼與提交，AIGC反饋信息的獲取與解碼。

第五層：應(yīng)用層。該層包括但不限于實體實驗、虛擬仿真實驗以及元宇宙實驗等，是學(xué)生開展新形態(tài)工科實驗的直接載體。

四、新形態(tài)工科實驗教學(xué)的典型應(yīng)用場景

（一）跨工程學(xué)科融合的智慧實驗導(dǎo)學(xué)

對話式的AIGC引發(fā)了對話式教學(xué)在教育領(lǐng)域的發(fā)展。智慧問學(xué)作為對話式學(xué)習(xí)的高階形態(tài)，通過主動提問尋求大語言模型回應(yīng)，是一種實現(xiàn)遞進式問答對話與迭代式內(nèi)容生成的新型學(xué)習(xí)模式[31]。智慧問學(xué)符合新形態(tài)工科實驗教學(xué)對人才能力培養(yǎng)的教學(xué)模式，對跨工程學(xué)科人才的創(chuàng)新思維與技能培養(yǎng)具有重要價值。考慮到不同學(xué)科知識的復(fù)雜性，合理的對話設(shè)計是支持跨工程學(xué)科人才培養(yǎng)的重要工具。

在跨工程學(xué)科的實驗教學(xué)中，建立面向獨立學(xué)科的提示問句知識圖譜，利用實體對齊或?qū)嶓w融合等方法，動態(tài)連接獨立學(xué)科的知識圖譜，迭代形成龐大的跨工程學(xué)科提問網(wǎng)絡(luò)，能夠支持不同維度的問句設(shè)計，強化跨工程學(xué)科對話設(shè)計的合理性與有效性，實現(xiàn)融合后的高質(zhì)量問句生成。在跨學(xué)科人才培養(yǎng)中，實現(xiàn)“以導(dǎo)促問，以問促學(xué)，以學(xué)優(yōu)導(dǎo)”的智慧實驗導(dǎo)學(xué)模式。融合后問句生成與應(yīng)用示意，如圖5所示。

（二）配套新形態(tài)教材的精準實驗教學(xué)

高校新形態(tài)教材具有知識更新的及時性、內(nèi)容的豐富性和環(huán)境的可交互性等特征[17]，形態(tài)上融合了紙質(zhì)教材、數(shù)字教材與教學(xué)過程。研究團隊認為，新形態(tài)教材還具備個性化、動態(tài)化、資源化和立體化的特征，能夠配套新形態(tài)工科實驗的細分類型，在充分考慮主要支持技術(shù)、主要風(fēng)險點及預(yù)設(shè)解決方案后，實現(xiàn)新形態(tài)教材與新形態(tài)工科實驗教學(xué)的無縫對接，具體內(nèi)容見表1。

（三）教育元宇宙視域的高階實驗教學(xué)

教育元宇宙是利用VR/AR/MR、數(shù)字孿生、5G、人工智能、區(qū)塊鏈等新興信息技術(shù)塑造的智慧教育環(huán)境高階形態(tài)，具有虛擬與現(xiàn)實全面交織、人類與機器全面聯(lián)結(jié)、學(xué)校與社會全面互動的特征[32]。新形態(tài)工科實驗教學(xué)與教育元宇宙具有天然的聯(lián)系，在教育元宇宙視域下經(jīng)過AIGC賦能后，在多模態(tài)資源與數(shù)字人技術(shù)加持下，新形態(tài)工科實驗教學(xué)的工程性與智能性得到提升，能夠避免能力培養(yǎng)的表層化與片面化?！癆IGC+多模態(tài)資源”模式能夠利用教育眾籌[33]實現(xiàn)多模態(tài)實驗資源的自主生成，提升實驗過程的多樣性，夯實工程實踐能力培養(yǎng)的深度與廣度，提高學(xué)生解決復(fù)雜工程問題的技術(shù)水平?！癆IGC+數(shù)字人技術(shù)”模式能夠發(fā)揮數(shù)字人形象優(yōu)勢，構(gòu)建個性化、虛擬化和多元化的新型數(shù)字環(huán)境[34]，支持數(shù)字人實時作出反饋，以實驗助手的身份定位在元宇宙實驗空間中，形成及時且高質(zhì)量的教學(xué)反饋。

五、結(jié) 束 語

新形態(tài)工科實驗教學(xué)是在新質(zhì)生產(chǎn)力人才培養(yǎng)目標下發(fā)展形成的，基于AIGC賦能的新型實驗教學(xué)樣態(tài)。相對于傳統(tǒng)工科實驗，新形態(tài)工科的實驗本體與實驗教學(xué)特征都發(fā)生了積極變化，AIGC技術(shù)深度融入工科實驗教學(xué)的不同階段，在新形態(tài)工科實驗系統(tǒng)支持下，工科實驗教學(xué)應(yīng)用場景能夠體現(xiàn)實驗教學(xué)的智慧性、精準性與高階性。

[參考文獻]

[1] 新華網(wǎng). 中共中央、國務(wù)院印發(fā)《中國教育現(xiàn)代化2035》[EB/OL]. （2019-02-23）[2024-11-27]. http：//www.moe.gov.cn/jyb_xwfb/s6052/moe_838/201902/t20190223_370857.html.

[2] 許韜，李宇航，代東旭． 高等教育數(shù)字化的理論檢視、現(xiàn)實挑戰(zhàn)與進階路徑[J]． 中國高等教育，2023（23）：18-21．

[3] 楊宗凱． 高等教育數(shù)字化發(fā)展：新特征、新范式與新路徑[J]． 中國高等教育，2024（S1）：24-28．

[4] 教育部. 教育部部長懷進鵬在2024世界數(shù)字教育大會上的主旨演講：攜手推動數(shù)字教育應(yīng)用、共享與創(chuàng)新[EB/OL]. （2024-02-01）[2024-11-27]. http：//www.moe.gov.cn/jyb_xwfb/moe_176/202402/t20240201_1113761.html

[5] 新華網(wǎng). 教育部發(fā)布4項行動助推人工智能賦能教育[EB/OL]. （2014-03-28）[2024-11-27]. http：//www.moe.gov.cn/jyb_xwfb/xw_zt/moe_357/2024/2024_zt05/mtbd/202403/t20240329_1123025.html.

[6] 林健，楊冬． 工程教育智能化：系統(tǒng)設(shè)計與整體實現(xiàn)[J]． 高等工程教育研究，2024（2）：1-11，96．

[7] 白雪梅，郭日發(fā)． 生成式人工智能何以賦能學(xué)習(xí)、能力與評價？[J]． 現(xiàn)代教育技術(shù)，2024，34（1）：55-63．

[8] REN X F， TONG L L， ZENG J， et al． AIGC scenario analysis and research on technology roadmap of Internet industry application[J]．China communications，2023，20（10）：292-304．

[9] WANG Y T， PAN Y H， YAN M， et al． A survey on ChatGPT： AI-generated contents， challenges， and solutions[J]． IEEE open journal of the computer society，2023，4：280-302．

[10] CHEN X J， HU Z B， WANG C L． Empowering education development through AIGC： a systematic literature review[J]． Education and information technologies，2024，29（13）：17485-17537．

[11] JING Y H， WANG H M， CHEN X J， et al． What factors will affect the effectiveness of using ChatGPT to solve programming problems？A quasi-experimental study[J]． Humanities and social sciences communications，2024，11（1）：319．

[12] 鄭永紅，王辰飛，張務(wù)偉． 生成式人工智能教育應(yīng)用及其規(guī)制[J]． 中國電化教育，2024（5）：114-119．

[13] 盧宇，余京蕾，陳鵬鶴，等． 生成式人工智能的教育應(yīng)用與展望——以ChatGPT系統(tǒng)為例[J]． 中國遠程教育，2023（4）：24-31，51．

[14] 肖君，白慶春，陳沫，等． 生成式人工智能賦能在線學(xué)習(xí)場景與實施路徑[J]． 電化教育研究，2023，44（9）：57-63，99．

[15] 陳向東，褚樂陽，王浩，等． 教育數(shù)字化轉(zhuǎn)型的技術(shù)預(yù)見：基于AIGC的行動框架[J]． 遠程教育雜志，2023，41（2）：13-24．

[16] 黃蓓蓓，宋子昀，錢小龍． 生成式人工智能融入高等教育生態(tài)系統(tǒng)的風(fēng)險表征、預(yù)警及化解[J]． 現(xiàn)代教育技術(shù)，2024，34（5）：16-26．

[17] 黃明東，藺全麗，李曉鋒. 高校新形態(tài)教材的特征、發(fā)展態(tài)勢與建設(shè)路徑[J]. 出版科學(xué)，2022，30（02）：32-39.

[18] 趙永生，劉毳，趙春梅． 高階思維能力與項目式教學(xué)[J]． 高等工程教育研究，2019（6）：145-148，179．

[19] 顧佩華． 新工科與新范式：概念、框架和實施路徑[J]． 高等工程教育研究，2017（6）：1-13．

[20] 王竹立，吳彥茹，王云． 數(shù)智時代的育人理念與人才培養(yǎng)模式[J]． 電化教育研究，2024，45（2）：13-19．

[21] 別敦榮，郭一蓉． 人工智能時代高等教育創(chuàng)新發(fā)展新趨勢[J]． 中國高等教育，2024（S1）：39-44．

[22] 江凈帆，尹合棟． 基于SPOC平臺的項目式深度學(xué)習(xí)策略[J]． 教育科學(xué)研究，2024（5）：57-64．

[23] 汪靖，米爾外提·卡馬勒江，楊玉芹． 人機共生的復(fù)合腦：基于生成式人工智能輔助寫作教學(xué)的應(yīng)用發(fā)展及模式創(chuàng)新[J]． 遠程教育雜志，2023，41（4）：37-44．

[24] 祝智庭，胡姣． 技術(shù)賦能后疫情教育創(chuàng)變：線上線下融合教學(xué)新樣態(tài)[J]． 開放教育研究，2021，27（1）：13-23．

[25] 單俊豪，劉永貴． 生成式人工智能賦能學(xué)習(xí)設(shè)計研究[J]． 電化教育研究，2024，45（7）：73-80．

[26] 王竹立． 建構(gòu)新教育學(xué)體系，發(fā)展新質(zhì)教育——從數(shù)智時代新知識觀入手[J]． 開放教育研究，2024，30（3）：15-23，36．

[27] 董艷，夏亮亮，李心怡，等． ChatGPT賦能學(xué)生學(xué)習(xí)的路徑探析[J]． 電化教育研究，2023，44（12）：14-20，34．

[28] 郭豐，孫厚濤，鄭春輝，等. 基于實驗圖譜的虛擬仿真實驗建設(shè)與評價初探[J]. 高等工程教育研究， 2024（5）：76-82.

[29] 江永亨，任艷頻，唐瀟風(fēng)． 高校實驗?zāi)芰D譜基礎(chǔ)架構(gòu)及關(guān)鍵問題探討[J]． 實驗技術(shù)與管理，2023，40（12）：187-191．

[30] 王麗，李艷，陳新亞，等． ChatGPT支持的學(xué)生論證內(nèi)容評價與反饋——基于兩種提問設(shè)計的實證比較[J]． 現(xiàn)代遠程教育研究，2023，35（4）：83-91．

[31] 戴嶺，趙曉偉，祝智庭． 智慧問學(xué)：基于ChatGPT的對話式學(xué)習(xí)新模式[J]． 開放教育研究，2023，29（6）：42-51，111．

[32] 劉革平，高楠，胡翰林，等． 教育元宇宙：特征、機理及應(yīng)用場景[J]． 開放教育研究，2022，28（1）：24-33．

[33] 楊開城，張慧星． 論現(xiàn)代教育與教育眾籌[J]． 遠程教育雜志，2023，41（4）：3-10．

[34] 陳衛(wèi)東，鄭巧蕓，褚樂陽，等． 智情雙驅(qū)：數(shù)字人的教育價值與應(yīng)用研究[J]． 遠程教育雜志，2023，41（3）：42-54．

A Preliminary Study on AIGC-enabled New Form of Engineering

Experimental Teaching

GUO Feng，" YANG Qingxiang，" ZHENG Chunhui，" SUN Houtao，" HAN Zhenyu

（School of Mechatronics Engineering， Harbin Institute of Technology，Harbin HeiLongjiang 150001）

[Abstract] Integrating the technical advantages of AIGC in engineering experiments is an important direction for the future development of engineering experiment teaching， and the study of AIGC-enabled new form of engineering experiments is urgent. The new form of engineering experiments empowered by AIGC present the connotations of technical experimental design， generalized experimental scheme， spiral experimental process， speculative experimental innovation， and instantaneous experimental evaluation， supporting the research of experimental ontology in the new-form engineering experimental teaching; the extension of ability dependence， generative experiments， compound brain， and field mode， supporting the research on teaching characteristics in new forms of experimental teaching. To adapt to the cultivation of new quality productivity talents， a new form of engineering experimental teaching path based on a six degree cycle is proposed， covering six experimental stages of guidance， inquiry， judgment， application， evaluation， and optimization. The framework of a new form of engineering experimental support system integrating AIGC is explored， and the application of the new form of engineering experiments in typical teaching scenarios is discussed from three aspects of intelligent experiment guidance， precise experiment teaching， and advanced experiment exploration. The research results provide reference for the design and implementation of experimental teaching in new forms of engineering.

[Keywords] New Form of Experiment; AIGC; Feature Research; Teaching Path; Support System