AI赋能教育：课堂应真正回应学生问题

“学生不抬头，是一种无声的抗议。”

华东理工大学副校长王慧锋是一位有着近20年一线教学经验的老师。同时，她又长期参与学校人才培养和教育教学管理。在她看来，大学课堂的“低头族”现象折射出知识获取方式已经改变，课堂原有运行逻辑出现错位。

老师准备得很认真，学生却听得“无感”；进入职场后，毕业生却发现所学与岗位需求仍有距离；高校想了很多方法提高“抬头率”，成效却有限……人工智能（AI）的快速发展让这些“痛点”进一步凸显。

“AI让我们重新思考，什么是好的教育。”王慧锋告诉《中国科学报》，从2022年起，华东理工大学探索让AI进入课堂；2023年，该校开设“人工智能概论”“人工智能与数字经济”通识课；2024年又推出本研一体化“AI-STAR”计划，并新增66个与数智人才培养相关的课程建设与教学改革项目；2025年，该校进一步提出教育范式重构（Education）、工程能力进阶（Engineering）、评价体系升级（Evaluation）“三位一体”的智慧工程教育（AIEEE）模式。

教育是根本，工程是特色，评价是杠杆

《中国科学报》：华东理工大学提出AIEEE模式，主要基于哪些考虑？围绕三个“E”，学校具体又是如何推进的？

王慧锋：在宏观层面，教育强国、数字中国建设以及教育数字化战略都要求高校探索智慧教育的发展道路。在中观层面，产业发展也在倒逼教育改革，在华东理工大学的很多优势学科中，AI已开始改变相关科研和生产环节，传统人才培养模式越发难以适应产业转型需求。在微观层面，这也是学校发展的内生需要，毕竟在AI时代，工程教育如何深化改革、怎样培养合格的人才，这些都是学校必须回答的问题。

可以说，AIEEE是学校关于“AI+教育”的全链条、系统性改革。其中，教育是根本、工程是特色、评价是杠杆。三者之间更像相乘的关系，需要确保每一个维度顺畅运行，进而促进整个系统的转变，形成本轮教育改革的闭环。

在具体措施层面，我们围绕教学模式变革，正在推进未来共创课堂建设，从教室布局到课程设计作出调整。比如，学生不再像过去那样排排坐，而是以小组为单位面对面研讨，每组都可以使用接入AI工具的电脑等设备。老师则围绕真实问题设计任务，组织学生开展案例分析、问题探讨。今年暑期，我们还将学校的两个校区连通起来，打造共创课堂。由此，两位不同学科的老师可以同讲一门课。

围绕工程能力进阶，我们主要想解决工程实践薄弱的问题。化工、材料等专业的一些实验涉及高温、高压或有毒、有害环境，学生往往“不敢做”，甚至“做不了”。然而，缺乏前期训练又让学生很难找到实习机会或无法进入真实生产场景。借助AI和虚拟仿真等技术，这些实验可以转变为安全、可重复的训练场景。

围绕评价体系的升级，我们正在开发课堂教学评价智能体。目前，不少高校已经引入成果导向教育（OBE）理念，但在具体实施中仍可能将学习成果简化为分数、达成度等指标，对学习过程中的互动、思考和能力变化关注不足。我们希望能在AI的帮助下，从师生互动、前沿知识占比、学生讨论深度等方面进行分析，并在此基础上，告诉老师哪里需要改进、哪些资源可以调用，由此通过以评促建，既能促进老师能力提升，又能帮助学生快速成长。

《中国科学报》：本轮的改革力度非常大，学校是否做了充分的考虑？

王慧锋：改革永远是摸着石头过河，只能尽可能多地预判困难，再在实践中发现问题、调整方案。如果需要打磨一个完美方案才能推行，最后的结果可能是改革的速度赶不上时代变化的速度。

需要强调的是，改革不能只追求概念先进，更应重视最终能否落地。我经常用体操的跳马项目作比喻，倘若运动员选择了一套难度系数很高的动作，中间也完成得很漂亮，但落地时却摔倒了，大家依然会怀疑动作的合理性。同理，改革既要有前瞻性，又要考虑学校现有基础。因此，我们强调从小切口入手，小步快走、迭代式进化，先试点再推广，先让师生用起来，再逐步做到好用、管用。

老师从“导游”变为“教练”

《中国科学报》：近年来，关于大学抬头率低的问题引发了很多人的关注。你觉得当学生能通过AI快速获得知识后，此类情况是否会愈演愈烈？

王慧锋：在我看来，学生不抬头是一种无声的抗议。根据我的课堂观察，我讲到与实践紧密相关的内容时，学生往往会齐刷刷地抬头；如果只是重复书本概念，他们往往又把头低下去。

这很容易理解，毕竟那些基础理论知识，教材已表述得足够准确。老师的作用在于带领学生去他们过去到不了的地方。但在AI时代，如果老师仍然把自己定位为知识搬运者，就会出现错位——老师讲得很辛苦，学生却听得无感。

老师要从知识讲授者转变为学习设计者、过程组织者和成长引导者。如果说过去老师像“导游”，拿着旗子带所有学生走同一条固定路线，而未来他们应扮演“教练”角色，针对不同学生设计学习方案，并在学生“训练”过程中进行观察，适度提建议。

《中国科学报》：这肯定会提高对老师的要求，但高校老师繁重的科研任务是否会影响他们的教学积极性？

王慧锋：改革中，老师大概率会比之前更辛苦——他们不能再拿着前两年的课件讲课，而要把学科前沿、团队科研成果和企业真问题融入课堂。此外，他们还要主动培养自身三方面的能力：前瞻的教育思维和先进的育人理念、扎实的人机协同教学能力，以及深厚的工程实践和产教融合视野。

当然，我们并不要求所有老师一步到位，但青年教师，尤其是长期接触科研前沿的教师通常具有较强的技术学习意愿。其中一部分人能较快把AI工具引入课堂，同时也愿意把前沿科研进展带入课堂。

《中国科学报》：在这方面，学校会给教师提供哪些帮助？

王慧锋：我们正在开展“未来老师培育计划”。在启动前的调研中，我们初步了解了老师团队在科研和教学方面运用AI的能力、存在的问题，以及哪些老师比较擅长使用AI。在此基础上，我们计划在全校遴选约20位来自不同专业，且有意愿、有基础的老师开展试点。

不同于常规的集中培训，我们要求参与者带着问题而来。在“第一堂课”上，他们需要先介绍自身擅长的领域、AI赋能教学方面存在哪些困难，以及希望得到哪些帮助等。同时，我们也将邀请学校信息学院在AI赋能教学方面做出了很好的科研工作的老师参与进来，针对这些问题提出具体的解决方案。

比如，有化工学院的老师说，他们需要搭建精馏装置用于实验教学。但该设备成本高，相关实验耗时长，无法保证让每个学生都亲身体验。而基于“未来老师培育计划”，他们就可以和AI专业的老师讨论，共同开发一款虚拟仿真软件。

重要的是给学生提供资源

《中国科学报》：新的课堂模式是否会让学生不适应？

王慧锋：对此，我并不担心。年轻人对新事物的接受度总是比较快的。我认为，只要课堂能真正回应他们的问题，他们自然就能快速习惯新的课堂模式。真正的问题在于学校能否提供新的课堂模式所需要的各类资源。

据我所知，华东理工大学是最早在全校范围内开设AI实践课的高校之一。最初是面向所有本科生，让学生至少调一次参数、设计一个智能体，而非仅使用手机里现成的大语言模型。在2026级的培养方案中，AI实践课已覆盖全部研究生。

诚实地说，学生希望有更多算力、更多模型调用额度（token），鉴于学生数量众多，我们目前还无法全部满足。对此，我们一方面去购买算力资源，另一方面和企业合作搭建硬件环境，如虚实融合的仿真实验平台、云端编程平台等，让学生能在自己的电脑上实操。

《中国科学报》：如此一来，培养学生的目标是否也发生了变化？

王慧锋：当前，华东理工大学正在探索拔尖创新、卓越工程、交叉复合和创新创业四类人才培养模式，这四种类型相辅相成，各有侧重点。

无论学生们未来成为科学家、卓越工程师，还是迈入职场或自主创业，我都希望他们能在学校学习期间逐步具备定义问题的能力。这也是思维训练的过程，需要学生在发现问题的基础上找到问题源头，明确真正需要解决的关键点。

我相信，随着和AI对话的深入，学生会逐渐形成这方面的能力。因为AI虽然能快速生成答案，但无法代替学生判断什么问题是重要的。当然，老师也需要在教学过程中注意培养和强化学生的相关能力。

《中国科学报》：这是否会导致学生习惯与AI对话后，人与人之间的沟通进一步弱化？

王慧锋：这个趋势确实值得警惕，但只要求学生多和同学、老师交流没有意义，关键在于提供的真实对话和沟通的场景。

目前，华东理工大学正在从课程设置和学生培养体系等方面入手，让交流自然发生。比如，学校的思政实践课要求学生围绕某个主题，组队开展实地考察，并以Vlog形式提交成果。确定调研主题、联系实践地负责人，实践过程中采访、拍摄、出镜谈感受，以及后期制作等环节，既有分工也有合作，沟通是必不可少的。

这也回到一个更本质的问题——无论技术怎样发展，教育的根本任务不会改变。AI赋能教育的前提是坚持智能向善、技术向善。我们改革的宗旨始终是让技术有温度，让教育有深度，让人才有高度。