精选高效教学法：确保学生听得懂、学得会、用得上的实用指南

在北京航空航天大学《人工智能导论》的课堂上，氛围截然不同。这里没有艰深概念的堆砌，也没有抽象公式的填鸭，取而代之的是围绕真实问题的互动与思辨。人工智能学院教授吴文峻正带领学生进行一项现场推演：向大模型提出一个日常决策——“洗车店距离我家仅20米，应该开车还是推车过去？”

AI的推理链条看似严谨，逐步分析，最终却导向一个“推车前往”的荒谬结论。教室里瞬间充满了理解的笑声。正是在这轻松的互动中，大模型那个被称为“幻觉”的核心特性，以一种生动的方式被每一位学生深刻感知。

自2024年秋季学期起，这门课程已列为北航所有大一新生的通识必修课，年覆盖学生超4000人。面对如此大规模、且数理基础与专业兴趣差异巨大的教学对象，核心挑战在于：如何确保每位学生都能实现“听得懂、学得会、用得上”？为此，吴文峻教授组建了超过50人的跨学科教学团队，核心任务是为不同背景的学生设计定制化的学习路径。

因材施教，让内容“对味”

解决方案的第一步是打破学科界限。课程创新地将学生划分为信息、航天、理科、文科四大类群。在确保人工智能核心知识体系完整的前提下，为每一类学生量身打造与其专业背景紧密耦合的实践案例。

于是，课堂呈现出多元化的专业场景：信息类学生钻研算法效率的优化；航天类学生模拟月球探测车的智能路径规划；理科生尝试利用AI模型进行化合物性质预测；文科生则借助AI工具进行古典诗词创作或分析文学作品中的人物关系网络。同一套人工智能原理，在不同专业的语境下，催生出各具特色的应用成果。

分层递进，让学习“可攀”

仅有案例还不够，课程体系必须提供清晰的进阶阶梯。课程彻底告别理论空谈，构建了“基础认知—拓展应用—挑战创新”三级实践体系，精准适配不同起点的学生。

零基础学生可以从低代码平台入手，在15分钟内快速搭建一个手写数字识别模型，获得初始的正向反馈。具备初步能力后，中级拓展项目则深度结合专业场景，帮助学生建立AI技术与本领域问题的连接。对于学有余力的学生，高阶挑战任务直接对接校内前沿实验室课题，为他们开启深度探索的窗口。

融入产业，让视野开阔

要让学生真正洞察AI的价值，必须将其置于真实的产业生态中审视。课程不仅引入大模型、具身智能等前沿动态，更关键的是深度融合各行业的AI落地实例。学生得以亲眼见证，这项技术如何在其未来可能从事的领域内解决实际痛点、驱动创新。课程还鼓励学生以小组形式，自主调研其感兴趣产业的AI应用现状，将学习视野从课本拓展至商业与技术前沿。

课后调研数据显示，“前沿”、“实用”、“体系化”、“启发性”成为学生评价这门课的关键词。这或许正是教学改革成效的直接体现。

吴文峻教授对此有清晰的定位：“人工智能素养已成为当代人才的基础能力。”他将通识必修课比作“地基”，而将专业课程中的AI融合比作“上层建筑”。“只有两者协同构建，”他指出，“学生才能将通识知识与未来的专业实践无缝对接，形成扎实且可迁移的复合型能力。”

来源：互联网