大語言模型時代工科實踐教學的機遇、挑戰與應對初探

［摘 要］隨著信息技術的飛速發展，人工智能在教育領域的應用日益廣泛，特別是ChatGPT等大語言模型的興起，為工科實踐教學注入了新的活力。工科實踐教學是培養學生實踐能力與創新精神的關鍵環節，傳統教學模式在個性化教學、激發學生學習興趣以及提升學生課堂參與度等方面卻顯現出局限性。文章通過介紹大語言模型的基本原理及其發展現狀，深入分析大語言模型應用于工科實踐教學的潛在機遇與挑戰，提出相應的應對策略，并設計一個以問題為導向的“師—生—大模型”互動教學案例。

［關鍵詞］生成式人工智能；大語言模型；工科實踐教學

［中圖分類號］G642 ［文獻標識碼］A ［文章編號］2095-3437（2024）22-0011-07

近年來，人工智能（Artificial Intelligence，AI）技術及其應用在全球范圍內迅速發展，受到各國高度重視。2017年，國務院發布的《新一代人工智能發展規劃》明確了我國在人工智能領域的戰略規劃，強調要抓住人工智能發展的重大戰略機遇[1]。2022年11月，OpenAI推出的ChatGPT大語言模型（Large Language Model， LLM）在全球范圍內引起了廣泛關注，為教育、醫療、金融等多個領域帶來了前所未有的機遇與挑戰[2]。在教育領域，眾多學者積極探索和實踐人工智能在教學中的應用[3-5]，并深入分析了其面臨的挑戰[6]。2023年9月，聯合國教科文組織（UNESCO）發布的《教育與研究領域生成式人工智能指南》揭示了生成式人工智能（Generative Artificial Intelligence，GAI）在增強學習成效和提升創新能力方面的巨大潛力，并為其在教育和研究領域的應用提供了規范性指導，旨在促進GAI更好地融入這些領域[7]。

工科實踐教學作為培養學生實踐能力與創新精神的關鍵環節，著重于培養學生運用理論知識解決實際問題的能力。然而，當前工科實踐教學受限于傳統的班級授課模式，導致教師難以全面關注學生的個體差異，進而使得部分學生難以深入理解和應用知識，同時他們的學習興趣和課堂參與度也不高。本文旨在簡要分析工科實踐教學中的現存問題，介紹大語言模型的發展現狀，深入探討其應用于工科實踐教學所面臨的機遇與挑戰，并提出相應的應對策略，以期為大語言模型時代下的工科實踐教學創新提供參考與借鑒。

一、大語言模型概述與應用

大語言模型是生成式人工智能的一個具體應用，專注于處理自然語言理解和生成任務。生成式人工智能作為人工智能領域的一個重要分支，通過模仿人類的創作過程，為我們提供了一個全新的、富有創新性的內容生成方式。大語言模型在多個方面展現了其強大的能力。首先，大語言模型能夠生成流暢且連貫的文本，這在自動寫作、對話系統等領域具有廣闊的應用前景。其次，大語言模型具有很強的上下文理解能力，能夠根據上下文信息推斷出文本的含義，從而更精確地回答用戶的問題或完成相關任務。最后，大語言模型還具有一定的常識推理能力，能夠在一定程度上理解并回答涉及常識的問題。大語言模型因其高度通用化和智能化的表現受到社會廣泛關注，其引發的技術革命也正逐漸延伸為一場社會革命[8]。

（一）大語言模型基本原理

大語言模型的基本原理是基于深度學習技術，利用多層神經網絡對語言的統計規律和潛在語義信息進行建模，其目標是生成符合語法和語義規則的自然語言文本。大語言模型在訓練過程中通過對大規模的文本數據進行學習和抽象，能生成具有邏輯性和連貫性的語言輸出。它不僅能生成自然語言文本，還能深入理解文本含義，處理各種自然語言任務，如文本摘要、問答、翻譯等。大語言模型的訓練過程通常分為兩個階段：預訓練和微調。在預訓練階段，大模型使用大量的未標記文本數據進行訓練，最終目的是讓模型理解語言的一般規律和語義表示，捕捉語言的復雜性和多樣性，并生成與輸入相關的文本。此外，大語言模型的發展使人們在自然語言處理領域取得了顯著突破，為人們提供了一種更加智能、高效的語言交互方式。隨著技術的不斷進步，大語言模型及其在人工智能領域的應用已成為全球科技研究的熱點，其在規模上的增長尤為引人注目，參數量已從最初的十幾億躍升到如今的一萬億。

總的來說，大語言模型的基本原理是通過深度學習和大規模文本數據訓練，實現對語言規律的建模和自然語言文本的生成，為自然語言處理領域的發展提供了強大的支持。

（二）典型大語言模型

通用大語言模型以如今廣為人知的由OpenAI發布的ChatGPT作為開端，其在具有強大性能的GPT?3基礎模型上，引入代碼訓練、指令微調（Instruction Tuning）和基于人類反饋的強化學習（Reinforcement Learning from Human Feedback，RLHF）等技術，進一步增強自然交互和人類對齊能力，使其在面對常識性和推理性問題、未知領域和敏感議題時展現出顯著智能化特征。在此之后，OpenAI所發布的多模態大模型GPT?4，支持同時以文本和圖像多種模態運行，其認知和推理能力或將帶來通用人工智能的再一次變革。

通過結合指令微調和基于人類反饋的強化學習兩項技術，ChatGPT在與人類用戶對話交互方面展現了卓越表現。例如，在程序調試方面，ChatGPT可以根據用戶提供的程序代碼片段回答錯誤原因或提供解決方法，且還會主動提問以獲取更多信息，從而確認自己的理解是否正確；在敏感話題方面，ChatGPT可以根據用戶提問時使用的措辭或意圖判斷是否應該回答。正因為這種強大的認知與交互能力，ChatGPT一經發布便迅速引起社會的廣泛關注，成為通用人工智能發展歷程中的重要里程碑。除ChatGPT外，眾多研究機構還推出了各自的大語言模型，國內外部分大語言模型發布時間線如圖1所示。這些模型各有特色，能夠靈活應用于多樣化的場景與任務中，極大地推動了人工智能技術的發展及其在實際中的應用。

值得注意的是，大語言模型在工科實踐項目學習中發揮著重要作用。例如，它具備強大的編程能力，能理解自然語言編寫的編程需求，生成代碼片段，幫助學生快速入門編程并優化代碼。此外，大語言模型擁有龐大的知識庫和較強的學習能力，能為學生提供最新的技術動態和實踐經驗，助力項目實施。

二、大語言模型在工科實踐教學中的機遇

工科實踐教學一直以來都是培養工程技術人才的重要途徑之一。在傳統工科實踐教學中，學生通過實驗課、實習、設計項目等方式，鞏固理論知識，同時提升實際操作能力和問題解決能力。然而，隨著科技的不斷進步和人工智能技術的日益成熟，大語言模型作為一種新型的人工智能技術，為工科實踐教學帶來了全新的機遇與可能性。

（一）構建個性化學習環境

傳統教學普遍采用“一刀切”的教學方式，讓每個學生接受相同的教學內容與方法，忽視了學生間的個體差異。然而，每個學生的學習需求、興趣和學習風格都可能不同，因此個性化學習體驗變得至關重要。大語言模型以其卓越的自然語言處理能力和深度學習技術，為構建個性化學習環境提供了強大的支持。通過深入了解學生的學習需求、習慣和偏好，大語言模型能夠生成定制化的學習資源、教學計劃和輔導方案，從而讓學生獲得更高效、更有趣的學習體驗。

大語言模型通過收集和分析學生的學習數據，能夠精準地把握學生的學習特點和需求。這些數據包括學生的答題記錄、學習時長、互動頻率等，通過對這些數據的挖掘和分析，模型能準確識別學生的學習難點、興趣點及提升空間?；谶@些數據，大語言模型可以為學生推薦合適的學習資源與內容。例如，對于基礎薄弱的學生，模型可以推薦一些基礎性的教程和練習題，幫助他們鞏固基礎知識；對于能力較強的學生，模型則可以推薦更具挑戰性和創新性的學習項目和任務，激發他們的探索精神與創新潛能。此外，大語言模型還可以根據學生的學習進度和實時反饋，靈活調整教學計劃和策略。當學生在學習過程中遇到困難時，模型能迅速提供針對性的指導，幫助他們解決問題；當學生的學習進度超過預期時，模型也可以相應地調整教學內容與難度，持續激發學生的學習熱情與動力。

（二）提供實時反饋和支持

在傳統教學模式中，教師通常面對的是一群學生，采用的是“一對多”的教學方式。在這種教學方式下，教師往往難以針對每個學生的個性化需求提供具體反饋與支持。隨著科技的進步，大語言模型的出現為教育領域帶來了全新的可能性。大語言模型憑借其強大的自然語言處理能力和深度學習技術，充當虛擬助教或智能輔導角色，為學生提供個性化的、實時的反饋與支持。無論學生身處家中、學校還是其他任何地方，一旦遇到學習難題或疑惑，都能即刻向大語言模型提出，并立即獲得解答與反饋。這不僅有助于及時解決學生的問題，還能幫助他們厘清思路，深化知識理解，同時培養學生的主動學習意識和獨立思考能力，使他們更加自信地應對學習挑戰。

（三）推薦豐富的學習資源

在傳統教學模式中，學生的學習資源受限于教材、教師專業知識及學校資源，因此知識接觸面較窄，難以充分拓展學習深度和廣度。然而，隨著大語言模型的出現，這一局面得到了極大的改善。大語言模型憑借其強大的自然語言處理能力和深度學習技術，能夠精準對接學生學習需求與教學目標，生成豐富多樣的學習資源。這些資源全面覆蓋教學文檔、練習題、實驗模擬等，且能根據學生的個性化需求進行靈活定制，從而有效拓寬學生的視野。

大語言模型能夠針對不同需求的學生提供定制化學習資源。對于在特定領域有濃厚興趣的學生，模型能深入挖掘相關知識，提供進階內容，以滿足他們的求知欲，激發他們的學習熱情，并培養他們的專業素養。對于學習遇阻或進度較慢的學生，模型則能提供多層次輔助，依據學生實際情況定制練習題與解析，助力他們逐步攻克難點，提高學習效果。

（四）提升自主學習能力

在傳統教學模式中，學生常處于被動接受信息的狀態。大語言模型能夠通過互動學習的方式，有效激發學生的自主學習意識與潛能。模型作為交互式學習工具，有效引導學生自主學習，幫助學生培養良好的學習習慣與自主意識。當學生在學習過程中遇到困難或疑問時，他們可以與模型進行對話，尋求幫助和指導，而不再完全依賴教師或其他人的指導。自主學習能力是現代社會中不可或缺的重要能力，它不僅有助于學生更好地適應未來的學習和工作環境，實現自我成長和發展，還能提高他們的學習效率和成效。通過與大語言模型的互動學習，學生將掌握自主學習技能，學會主動提出問題、尋找答案及思考解決方案，為未來學習與職業發展奠定堅實基礎。

三、大語言模型應用于工科實踐教學的挑戰

大語言模型在工科實踐教學中應用廣泛，為教學帶來了創新機遇，但同時也面臨著不容忽視的挑戰與風險。

（一）信息的準確性難以保證

由于大語言模型在處理和生成文本時存在局限性，且對數據和上下文的理解可能存在偏差，因此大語言模型應用于教學時存在帶來誤導性信息的風險。首先，大語言模型是通過學習大量的文本數據來生成回答的，這些數據可能包含錯誤、過時或帶有偏見的信息。如果模型未能具備充分識別和過濾這些信息的能力，那么在生成答案時就有可能包含誤導性的內容。其次，模型的訓練數據可能無法完全反映現實世界的復雜性，這也會導致生成的答案存在局限性或偏差。再次，大語言模型在理解和解釋文本時可能受到上下文、語境和語義復雜性的影響。例如，在某些情況下，模型可能無法準確理解問題的真正含義或意圖，從而生成與實際情況不符的答案。這種誤解或誤判可能導致學生接收到錯誤的信息或概念。最后，大語言模型還存在被濫用或誤用的風險。例如，有人可能會故意輸入錯誤的問題或誘導模型生成誤導性的答案，以此來誤導學生或達到其他不良目的。這種濫用行為不僅會影響教學質量，還可能對學生的學習和認知產生負面影響。

（二）知識的碎片化程度加劇

由于大語言模型采用問答式學習方式，僅在學生提出問題后才進行回答，這導致其所呈現的知識往往以相對獨立的主題形式存在，難以保證知識的系統性。不可否認，在數字化時代，碎片化學習是一種重要的學習方式，但知識的碎片化不利于學生構建完整的知識結構體系。具體而言，問答式學習雖能滿足個體學習需求，卻將知識分割成了碎片，使原本體系化的知識結構被打散。學生在面對這些無序的碎片化知識時，難以有效建立知識碎片之間的相互聯系。此外，知識的碎片化還會加劇資源信息的超負荷現象，使得知識的甄別難度日益增大。同時，在碎片化學習環境下，人的思維容易變得去中心化，注意力難以集中，往往采取發散性思維看待事物，導致學習的深度與廣度不足。學生可能滿足于在生成答案時淺嘗輒止，缺乏進一步的思考和知識內化，從而難以促進知識的有效遷移和學以致用。

（三）偏離動手能力培養目標

工科實踐教學的核心在于培養學生的實踐能力和實驗技能，這是他們未來從事工程技術工作的基礎。實踐能力和實驗技能的培養不僅依賴于理論知識的學習，更需要學生在真實的實驗環境和操作中不斷嘗試、摸索和修正。在真實的實驗環境中，學生可能會遇到各種未知的挑戰和問題，這些問題往往沒有固定的答案，需要學生根據自身的知識和經驗進行獨立思考和判斷。通過不斷地嘗試和修正，學生可以逐步掌握實驗的關鍵技巧和方法，提升自己的實踐能力。過度依賴模型可能會導致學生缺乏實際操作的經驗和技巧，使他們在操作真實的實驗設備時顯得生疏和不自信。缺乏實際操作和調試經驗不利于學生準確理解實驗原理及步驟，導致學生難以有效地將理論知識與實際操作相結合，偏離學以致用的目標。

（四）阻礙學生創新思維培養

過度依賴大語言模型可能會削弱學生在實際操作中獨立思考和解決問題的能力，這種依賴性在一定程度上阻礙了學生創新思維的培養和高階能力的提升。大語言模型能夠即時提供答案和解決方案，這在一定程度上減少了學生獨立思考和探索的機會。當學生遇到問題時，他們可能更傾向于直接詢問模型，而不是自己嘗試分析問題、提出假設并進行實驗驗證。這種即時的反饋機制雖然方便快捷，但削弱了學生面對挑戰時的自主探索精神，不利于他們通過實踐來培養創新思維。此外，大語言模型通?；诖罅康臄祿退惴ㄟM行生成和推理，其提供的答案和解決方案往往局限于已知的范圍，可能會導致學生陷入思維定式，難以跳出已知框架去思考和探索新的問題。這種思維定式也在一定程度上限制了學生的創新思維和解決問題的能力，使他們在面對未知或復雜問題時可能感到無所適從。

四、大語言模型時代教師主動應對策略

面對大語言模型帶來的教學機遇和挑戰，工科高校教師需要采取一系列策略來適應這種新的教學環境。

（一）抓住機遇優化教學設計

大語言模型作為人工智能領域的一項重要技術，為高校工科教學帶來了前所未有的機遇。教師應積極擁抱這一變革，充分利用大語言模型的優勢，創新教學方式，提升教學質量。

第一，大語言模型具有強大的自然語言處理能力，能夠理解和生成人類語言。因此，可以利用大語言模型構建智能問答系統，幫助學生快速解答學習中的疑問。傳統的問答方式往往受限于教師的知識儲備和教學時間，而智能問答系統則可以隨時隨地為學生提供幫助，極大地提高學習效率。同時，每個學生都有自己獨特的學習方式和節奏，傳統的“齊步走”教學模式很難滿足所有學生的需求。大語言模型可以根據學生的學習數據和習慣，為每個學生提供定制化的學習建議和資源。這有助于激發學生的學習興趣和積極性，提高他們的學習效果。

第二，大語言模型還可以幫助教師拓展教學內容。工科領域的知識更新迅速，教師需要不斷學習和掌握新知識才能跟上時代的步伐。然而，由于時間和精力的限制，教師很難及時獲取和整理所有相關資料。而大語言模型可以通過爬取互聯網上的信息，為教師提供豐富的教學素材和案例。這可以幫助教師豐富教學內容，使學生接觸到更多前沿知識和技術，拓寬他們的視野和思路。

第三，大語言模型還可以促進教學方式的創新。傳統的工科教學方式往往注重理論知識的傳授和實踐技能的培養，而忽視了學生的自主探究體驗。大語言模型的應用可以為學生提供更多的自主學習和探索的機會，鼓勵他們通過提出問題、解決問題的方式來深化對知識的理解和掌握。同時，教師還可以利用大語言模型引導學生開展項目式學習、協作式學習等，培養學生的團隊協作能力。

（二）應對挑戰規避潛在風險

正如任何技術革新一樣，大語言模型給教學帶來的不僅僅是機遇，也伴隨著一系列挑戰。工科高校教師需要積極應對這些挑戰，確保技術的合理應用，并最大限度地發揮其在教學中的積極作用。

大語言模型技術的復雜性和專業性對教師提出了更高的信息素養要求。要有效應用大語言模型開展教學，教師需要具備一定的計算機技術和人工智能基礎知識，了解模型的工作原理、數據輸入和處理方式等。同時，教師還需要學會如何選擇和使用適合教學需求的大語言模型，確保模型在教學中的準確性和可靠性。學生在使用大語言模型時，可能會因為缺乏批判性思維而容易接受模型生成的信息，從而導致對知識的誤解或淺嘗輒止。因此，教師需要引導學生正確使用大語言模型，培養學生的信息篩選和判斷能力。這包括引導學生如何評估模型生成信息的可靠性、如何結合其他資料進行綜合分析，以及如何對模型進行反饋和改進等。

在傳統教學中，學生需要通過自身的努力和深入思考來解決問題，而大語言模型的出現可能會使學生傾向于依賴技術來快速獲取答案，不利于培養學生獨立思考和自主解決問題的能力。為了應對這一挑戰，教師需要注重培養學生的自主學習能力和創新精神，引導他們將大語言模型作為學習的輔助工具。同時，教師還可以設計具有挑戰性和探索性的學習任務，以激發學生的學習興趣和主動性。

（三）以需求為牽引的互動教學案例

下面展示一個利用大語言模型開展“師—生—大模型”教學的具體案例。該案例以“某部門多型裝備歷年經費投入可視化”問題為導向，利用大語言模型智能輔助手段，通過問題分析、方法篩選、輔助編碼等階段解決實際問題（見表1）。從該案例可以看出，大語言模型在工科實踐教學中的應用并不僅僅局限于簡單的單回合問答。相反，教師可以根據具體情況進行合理的引導和啟發，同時鼓勵學生結合所學知識，對大語言模型返回的結果進行合理運用、篩選、甄別及必要的調整。

五、結語

在ChatGPT等大語言模型蓬勃發展的當下，教育領域正經歷一場前所未有的技術創新浪潮。特別是在工科實踐教學中，自適應學習與人工智能技術的深度融合，正引領我們探索一種全新的教學模式。在這種模式下，學生能夠根據個人興趣和學習進度，靈活選擇適合自己的學習路徑，從而實現真正意義上的個性化學習。這種互動式的學習方式，不僅能夠激發學生的學習興趣和提升學生的課堂參與度，還能有效提升教學效果。然而，工科實踐教學中運用大語言模型面臨著一些不容忽視的挑戰和風險。在未來一段時間內，教師仍將是工科實踐教學中培養學生創新能力和批判性思維的主體。如何不斷探索和優化教學模式、合理運用大語言模型，以適應新技術時代的教育需求，值得進一步深入研究和探索。

［ 參 考 文 獻 ］

[1］ 國務院.國務院關于印發新一代人工智能發展規劃的通知[EB/OL]. （2017-07-20）[2024-04-03]. https：//www.gov.cn/zhengce/content/2017-07/20/con?"tent_5211996.htm.

[2］ BAIDOO?ANU D，ANSAH L O. Education in the era of generative artificial intelligence（AI）：understanding the potential benefits of ChatGPT in promoting teaching and learning [J]. Journal of AI， 2023， 7（1）： 52-62.

[3］ 汪芳，趙左，王毅航，等. 人工智能在程序設計教學應用中的探索與實踐[J].計算機教育，2023（11）： 45-50.

[4］ 盧宇，余京蕾，陳鵬鶴，等.生成式人工智能的教育應用與展望：以ChatGPT系統為例[J].中國遠程教育，2023，43（4）：24-31.

[5］ 張震宇，洪化清. ChatGPT支持的外語教學：賦能、問題與策略[J]. 外語界，2023（2）：38-44.

[6］ 丁奕，呂寒雪.當教師遇上ChatGPT：挑戰與應對之道[J].當代教育論壇，2024（2）：10-18.

[7］ UNESCO. Guidance for generative AI in education and research [EB/OL].（2023-09-07）[2024-04-03]. https：//www.unesco.org/en/articles/guidance?generative?ai?education?and?research.

[8］ 陳慧敏，劉知遠，孫茂松.大語言模型時代的社會機遇與挑戰[J]. 計算機研究與發展，2024，61（5）：1094-1103.

［責任編輯：梁金鳳］