GAI在職業(yè)院校編程教學中的應用模式與理論思考

引言

隨著人工智能技術(shù)的迅速發(fā)展，生成式人工智能（generativeartificialintelligence，GAI）已在自然語言處理、代碼生成、邏輯推理和調(diào)試優(yōu)化等多個領(lǐng)域展現(xiàn)出強大能力。GAI正逐步應用于軟件開發(fā)全流程，為提升代碼編寫效率、工程文檔規(guī)范以及項目管理提供了全新工具。然而，傳統(tǒng)的職業(yè)院校編程教學模式主要依賴課堂講授和教師手把手指導，往往存在授課內(nèi)容陳舊、個性化指導不足、實踐操作環(huán)節(jié)薄弱等問題，難以適應新工科對復合型技術(shù)人才培養(yǎng)的需求。與此同時，部分實踐中引入GAI輔助教學雖然在一定程度上提高了編程效率，但也出現(xiàn)了學生對GAI工具過度依賴、編程能力下降等風險。

因此，如何在教學中充分發(fā)揮GAI的優(yōu)勢，同時防范技術(shù)依賴帶來的負面效應，成為當前職業(yè)院校編程教學改革亟待解決的重要課題?；诖?，本文提出了以下研究問題：一是GAI在職業(yè)院校編程教學中可能帶來的優(yōu)勢與潛在風險是什么？二是如何構(gòu)建一種兼顧高效與認知深度的“分層干預一人機協(xié)同”教學模式？三是該模式在實際教學環(huán)境中的效果如何，能否有效緩解認知退化風險并提升學生實踐能力？

為回答上述問題，本文首先對GAI在職業(yè)教育中的應用現(xiàn)狀與挑戰(zhàn)進行文獻綜述，結(jié)合建構(gòu)主義[3]、掌握學習[4及維果茨基社會文化理論構(gòu)建理論5框架；然后，在軟件專業(yè)的兩門Java課程中開展準實驗研究，通過對比實驗組與對照組的過程性評價和終結(jié)性考核表現(xiàn)，驗證該模式的有效性；最后，針對研究發(fā)現(xiàn)提出進一步優(yōu)化策略并展望未來研究方向。

1.文獻綜述與理論基礎(chǔ)

近年來，GAI的快速發(fā)展正在深刻改變職業(yè)教育的生態(tài)格局，通過其強大的自然語言處理和深度學習能力，能夠顯著提升教學效率。例如，GAI可以生成高質(zhì)量教學內(nèi)容、自動化評估學生作業(yè)，并通過情境模擬為學生提供沉浸式學習體驗。這為學生提供了更多自主學習的機會，尤其是在編程和職業(yè)技能培訓等領(lǐng)域[7-8]。

然而，GAI在職業(yè)教育中的應用也帶來了新的挑戰(zhàn)。技術(shù)的快速迭代使得教育資源的更新速度難以跟上技術(shù)發(fā)展的步伐，可能導致教學內(nèi)容的滯后性，并且GAI的使用可能引發(fā)倫理和隱私問題，如數(shù)據(jù)泄露和生成內(nèi)容的版權(quán)爭議[10]。

為解決技術(shù)輔助與學生自主認知構(gòu)建之間的矛盾，本文借鑒了三大經(jīng)典教育理論，構(gòu)建了“分層干預一人機協(xié)同”教學模式。

一是建構(gòu)主義理論。建構(gòu)主義主張學生應在真實情境中主動構(gòu)建知識，而不是被動接受教師灌輸。GAI作為外部輔助資源，其主要價值在于激發(fā)學生思考、輔助解決問題。

二是掌握學習理論。掌握學習理論強調(diào)“因材施教”和“分層教學”，主張根據(jù)學生的認知水平和學習進度進行個性化教學。職業(yè)院校學生在編程學習中存在能力參差不齊的現(xiàn)象，通過分層干預，可以確保不同層次的學生都能在適宜難度下獲得有效提升。

三是維果茨基社會文化理論。維果茨基提出的“最近發(fā)展區(qū)”理論強調(diào)，通過師生互動、同伴合作以及利用工具進行外部輔助，可以促進學生從當前認知水平向更高水平邁進。GAI在此過程中既是信息獲取的媒介，也是認知激發(fā)的重要載體，通過人機協(xié)同教學，能夠在教師的引導下實現(xiàn)知識內(nèi)化與認知提升的雙重目標。

本文提出的“分層干預一人機協(xié)同”教學模式，旨在通過整合GAI與系統(tǒng)化教學干預，構(gòu)建一個“技術(shù)一認知—反饋”閉環(huán)的動態(tài)平衡模型，從而確保在技術(shù)激活學生學習熱情的同時，通過分層指導與動態(tài)反饋有效防控認知退化風險。

2.“分層干預一人機協(xié)同”教學模式構(gòu)建

“分層干預一人機協(xié)同”教學模式以提升編程效率為目標，同時注重保障學生對底層邏輯的深人理解和自主調(diào)試能力的培養(yǎng)。模式實施可分為以下三個環(huán)節(jié)。

在技術(shù)激活環(huán)節(jié)，學生在接到編程任務(wù)后，須先獨立對問題進行分析，形成初步解決方案，然后借助GAI獲取代碼生成、調(diào)試建議或相關(guān)文檔輔助。此環(huán)節(jié)的核心在于要求學生先行獨立思考，避免因直接調(diào)用GAI而形成依賴，從而保證學生對問題本質(zhì)的初步把握和自主探索意識的激發(fā)。

在認知加工環(huán)節(jié)，教師通過分層干預策略對學生使用GAI后的思考過程進行有針對性的指導。具體來說，對于基礎(chǔ)層次的學生，教師要求其在使用GAI前必須書面提交解題思路和方案，重點引導學生關(guān)注語法規(guī)則、代碼邏輯以及底層原理；對于中級層次的學生，教師則通過分步任務(wù)、小組討論和案例分析等方式，促使學生對GAI輸出的結(jié)果進行邏輯推演和批判性思考；而對于具備較高認知水平的學生，則通過項目式實踐和跨模塊綜合應用，鼓勵他們探索多種解決方案，并對GAI生成結(jié)果進行深入分析和優(yōu)化（如表1所示）。此環(huán)節(jié)的核心在于通過教師及時、分層次的干預和反饋，強化學生對GAI輸出內(nèi)容的理解和內(nèi)化，防止知識僅停留在“表層復制”。

在最后的反饋調(diào)整環(huán)節(jié)，完成整個教學模式的閉環(huán)。在這一環(huán)節(jié)，教師根據(jù)課堂討論、作業(yè)批改、學生學習日志和代碼注釋等多元數(shù)據(jù)，及時捕捉學生在使用GAI過程中可能出現(xiàn)的認知偏差和依賴傾向，并通過個別輔導、課堂點評和階段性測評等方式進行針對性調(diào)整。通過這種動態(tài)反饋機制，教師不僅能夠確保每位學生在技術(shù)輔助下保持自主思考，還能不斷優(yōu)化教學方案，逐步提升整體教學效能。

整體來看，“分層干預一人機協(xié)同”教學模式以“工具輔助一分層干預一動態(tài)反饋”為流程主線，通過不同層次的教學干預，充分調(diào)動了學生的主動性和創(chuàng)造性，使得GAI不僅僅停留在簡單的代碼生成層面，而成為激發(fā)學生認知、提升實踐能力的重要工具。該模式既強調(diào)了技術(shù)工具的優(yōu)勢，又注重防控因工具依賴而導致的技能退化風險，有效實現(xiàn)了技術(shù)先進性與教學有效性之間的動態(tài)平衡。

3.實證研究

3.1實驗設(shè)計與實施

為驗證“分層干預一人機協(xié)同”教學模式的有效性，本文在浙江工貿(mào)職業(yè)技術(shù)學院2023級軟件專業(yè)開展實驗研究。選取數(shù)據(jù)結(jié)構(gòu)相同、師資配置均衡的兩個平行班（各34人）作為實驗組（A班）和對照組（B班），在Java系列課程中實施差異化教學干預。

本文采取“非等組前后測”準實驗研究設(shè)計，實驗周期為一學期，分別涵蓋“Java程序設(shè)計基礎(chǔ)”和“JavaWeb應用開發(fā)”兩門銜接課程，形成自然對照場景。在前置課程中，實驗組僅進行GAI的基礎(chǔ)使用，未采用系統(tǒng)化教學干預；在后續(xù)課程中，實驗組則全面實施了“分層干預一人機協(xié)同”教學模式，對照組全程采用傳統(tǒng)教學方法。通過對比兩組學生的過程性評價和終結(jié)性考核表現(xiàn)，驗證分層干預機制的有效性。

3.2數(shù)據(jù)采集與分析

本文構(gòu)建了一個多維度評價體系，其中包括過程性評價和終結(jié)性考核。兩階段教學實驗數(shù)據(jù)統(tǒng)計結(jié)果如表2所示。

3.3實驗結(jié)果解讀

實驗數(shù)據(jù)顯示，在未進行分層干預時，實驗組的過程性評價明顯優(yōu)于對照組，但終結(jié)性考核成績則呈現(xiàn)較大負差異。這說明GAI的初步應用雖然有助于短期內(nèi)完成任務(wù)，但也可能導致學生產(chǎn)生一定的技術(shù)依賴，從而削弱了其獨立解決問題的能力，驗證了文獻中關(guān)于認知退化風險的觀點。隨著“分層干預一人機協(xié)同”教學模式的實施，實驗組在過程性評價和終結(jié)性考核兩個方面均表現(xiàn)出明顯優(yōu)勢。相較于對照組，實驗組在過程性評價中提高了 6.8% ，在終結(jié)性考核中提高了 7.9% ?？傮w來看，實驗結(jié)果較好地支持了“分層干預一人機協(xié)同”教學模式，證明該模式可以有效地將GAI從單純的效率工具轉(zhuǎn)變?yōu)榇龠M認知發(fā)展的媒介。

結(jié)語

本文基于建構(gòu)主義、掌握學習和社會文化理論構(gòu)建的“分層干預一人機協(xié)同”教學模式，不僅發(fā)揮了GAI在提高教學效率方面的優(yōu)勢，更在理論上確保了學生自主認知構(gòu)建和獨立調(diào)試能力的培養(yǎng)。在這一模式下，教師不僅是知識的傳遞者，更是學生認知過程的引導者和監(jiān)督者。

在實踐層面，通過對兩門Java課程的準實驗研究驗證了系統(tǒng)化干預在平衡技術(shù)效率與學生自主認知發(fā)展中的有效性。同時，本研究存在樣本規(guī)模較小、周期較短以及未深入探討學生個體差異等局限性，這些都為后續(xù)研究提供了進一步探索的方向。

未來，隨著GAI的不斷完善和職業(yè)教育信息化的加速推進，“分層干預一人機協(xié)同”教學模式在產(chǎn)教融合以及大數(shù)據(jù)驅(qū)動的個性化學習指導等領(lǐng)域具有廣闊的拓展空間，為職業(yè)教育的持續(xù)創(chuàng)新提供有力支持。

參考文獻：

[1]DeepSeek-AI，Guo DY，Yang DJ，et al.Deepseek-r1： Incentivizing reasoning capability in llms via reinforcement learning[EB/OL].（2025-01-22）[2025-04- 20].https：//arxiv.org/abs/2501.12948v1.

[2]楊凡，湯書昆．“新工科”的哲學闡釋——中國傳統(tǒng)哲學的視角[].高等工程教育研究，2018，66（6）：4-10.

[3]瓊·皮亞杰，傅統(tǒng)先.發(fā)生認識論J].教育研究，1979（2）：86-91，96.

[4]Block JH，Burns RB.Mastery learning[J].Review of researchin education，1976，4：3-49.

[5]Vygotsky L S.The collected works ofL.S.Vygotsky：Problemsof the theoryand history of psychology[M].Springer Science amp; BusinessMedia，2012.

[6]顧小清，王成梁，王培均，等.生成式人工智能賦能教學的機制、需求與路徑[].中國教育學刊，2025（4）：15-22.

[7]宋永磊，羅江華.AIGC賦能職業(yè)教育數(shù)字資源服務(wù)的愿景，挑戰(zhàn)與路徑[].中國職業(yè)技術(shù)教育，2024，（17）：27-33.

[8]陸軍.人工智能技術(shù)在高職院校課程教學中的應用研究——以Python程序設(shè)計課程為例[].大學教育，2024（18）：89-92.

[9]林峰.人工智能技術(shù)對高職計算機類專業(yè)教學的影響[J].武漢工程職業(yè)技術(shù)學院學報，2024，36（1）：92-95.

[10]王悅曉，郝天聰.生成式人工智能賦能職業(yè)教育變革：挑戰(zhàn)與現(xiàn)實路徑[].教育與職業(yè)，2025（4）：14-20.

作者簡介：章理登，碩士研究生，助教，zld0330@zjitc.edu.cn，研究方向：計算機教育和計算機視覺；陳錫鍛，碩士研究生，講師，研究方向：信號與信息處理，人體目標姿態(tài)估計；林婷婷，碩士研究生，講師，研究方向：創(chuàng)新創(chuàng)業(yè)教育、區(qū)域發(fā)展；邱儒，碩士研究生，講師，研究方向：計算機視覺與深度學習。

基金項目：2022年浙江工貿(mào)職業(yè)技術(shù)學院校級課題——基于企業(yè)工匠坊的雙創(chuàng)能力培養(yǎng)模式探索“索思工匠坊”實踐（編號：縱20220041）；2023年度浙江工貿(mào)職業(yè)技術(shù)學院校級課題——基于Transformer框架的圖像增強算法研究（編號：縱20230007）。