AIGC賦能的新形態工科實驗教學初探

[摘" "要] 在工科實驗中融合AIGC的技術優勢是工科實驗教學未來發展的重要方向，研究AIGC賦能的新形態工科實驗具有時代緊迫性。AIGC賦能的新形態工科實驗呈現技術性實驗設計、泛化性實驗方案、螺旋式實驗過程、思辨性實驗創新、瞬時性實驗評價的內涵，支持新形態工科實驗教學中的實驗本體研究，以及能力依賴、生成式實驗、復合大腦、在場模式的外延，支持新形態實驗教學中的教學特征研究。為適應新質生產力人才培養，研究提出了基于六度循環的新形態工科實驗教學路徑，覆蓋引導、查詢、判斷、應用、評價與優化共6個實驗階段，探索了融合AIGC的新形態工科實驗支持系統框架，從智慧實驗導學、精準實驗教學、高階實驗探學三個方面討論了新形態工科實驗在典型教學場景中的應用。研究成果為新形態工科實驗教學的設計與實施提供了借鑒。

[關鍵詞] 新形態實驗； AIGC； 特征研究； 教學路徑； 支持系統

[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科新形態實驗教學與人工智能技術融合研究。E-mail：guof6570969@163.com。

一、引" "言

《中國教育現代化2035》指出：“加快信息化時代教育變革”[1]。數字化是信息化的升級和拓展，高等教育數字化是高等教育發展的重要方向。高等教育數字化是利用數字技術改變高等教育各環節，經歷全流程創新與多方面變革后，賦能教育數字價值的過程[2]，實現數字技術來驅動學習環境變革、優化教育資源供給、推動師生素養發展、助力教學范式重構[3]的目標。隨著數字技術賦能教育成為全球共識，將人工智能（Artificial Intelligence，AI）應用于教育領域正在成為近年來的教學研究熱點。在2024世界數字教育大會上，教育部部長懷進鵬強調了AI賦能教育轉型的重要性[4]。同年3月，教育部啟動了AI賦能教育行動，旨在用AI推動教與學融合應用，提高全民數字教育素養與技能，開發教育專用AI大模型，同時規范AI使用科學倫理等[5]。在新質生產力人才培養需求牽引下，重視AI在工程教育中的應用非常必要，率先布局和全面實現工程教育智能化是當前和未來高等工程教育改革和創新的重大戰略和必由之路[6]。

AIGC（AI Generated Content），即人工智能生成內容，自2022年進入大眾視野后，為教育教學的創新性、顛覆性發展提供了無限可能[7]，基于人類反饋系統的跨模態AI生成應用正在加速發展[8]。Wang等總結了AIGC的主要應用領域，即文本生成、圖像生成、音頻生成、視頻生成、三維內容生成、數字人生成以及上述領域的復合生成，為AIGC的教學資源生成提供了技術可能[9]。Chen等通過文獻綜述研究發現，AIGC在教學領域的研究主要集中在效能評估、教學應用、教學效果、教學技術與應用前景五個方面[10]。Jing等認為在利用AIGC賦能教育的過程中，應將從培養AI使用能力轉向培養AI素養，為利用AIGC賦能學習奠定基礎[11]。鄭永紅等梳理了AIGC的應用場景，認為AIGC在促進教育公平、推動教育創新和提升教育質量方面有積極影響[12]。盧宇等探討了AIGC的潛在教育應用，并在習題生成、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賦能在線學習的應用場景與實施路徑，認為AIGC能夠更好地服務于在線學習和教育需求[14]。陳向東等構想了 AIGC支持的面向教育數字化轉型的技術預見行動框架，為基于AI的教育數字化轉型提供經驗之外的新思路[15]。當然，AIGC在賦能教育的同時也面臨技術與倫理的風險，黃蓓蓓等構建了風險預警機制，實現AIGC融入高等教育生態系統后的風險化解，為高等教育數字化轉型和高質量發展保駕護航[16]。綜上所述，AIGC賦能教育的研究已經引起了廣泛的討論，但關于AIGC如何賦能實驗教學則鮮有研究，本研究將為AIGC與實驗教學的深度融合提供借鑒。

二、AIGC賦能的新形態工科實驗教學特征研究

傳統工科類實驗教學存在實驗內容陳舊、教學方法過時、實驗設備老化、缺少智能技術支持等亟待解決的問題，不利于新質生產力發展背景下高水平人才的能力培養，因此迫切需要融合現代智能技術推動工科類實驗教學改革，持續支持工科類實驗教學提質增效。借鑒新形態教材的實踐[17]，本文認為：新形態工科實驗是一種在AI技術加持下，具有新穎實驗本體與教學特征，旨在復現工程實際、解決工程問題的新型工科類實驗。本節嘗試從AIGC賦能的角度對新形態工科實驗本體與教學特征進行探索。

（一）新形態工科實驗本體特征研究

實驗本體是描述和表達實驗教學領域基本要素的本體模型，具有形式化、結構化和共享化等特點。與傳統工科實驗相比，AIGC賦能的實驗本體發展出新特征，體現在實驗設計、實驗方案、實驗過程、實驗創新與實驗評價五個方面，如圖1所示。

1. 實驗設計的轉變：從經驗性實驗設計到技術性實驗設計

實驗設計需要明確實驗教學目標，要求實驗內容具有可操作性與可度量性，傳統實驗設計的質量主要依賴專家經驗。鑒于思維定式固化與主觀經驗存在，實驗設計改革步伐往往滯后于現代工程實際。初入AI時代，教學專家仍主導實驗設計，而實驗資源則可借助AI工具輔助整理。當AI技術成熟后，教學專家與AI工具的主輔關系亦在轉變。基于海量知識樣本，AI通過模型訓練具備了獲取人類經驗的能力，掌握了跨學科實驗設計所需的知識與方法，因此也具備了完成多學科融合背景下的實驗設計能力。考慮到技術倫理等風險因素，教學專家僅需在AIGC完成實驗設計后進行審驗與修補即可。由此，工科實驗教學的實驗設計由經驗性設計轉變為技術性設計，實現新形態工科實驗設計的敏捷迭代。

2. 實驗方案的轉變：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的明確計劃，確保實驗過程的系統性、可重復性和可驗證性。傳統實驗方案往往具有封閉性，在預定義方案中學生進行程式化被動探索。項目式教學法是高階教學模式的具體化，強調學生的非程式化自主探索[18]。通過在實驗教學中實施“AI+項目式教學”，能夠生成具有指導性的實驗方案組合（確保方案非劣性），輔助學生探索擇優，激發高質量實驗思考。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定提示線索，可研發具有提示功能的電子化實驗方案生成器，支持學生利用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，工科實驗教學的實驗方案由確定性轉變為泛化性，激發了學生對新形態工科實驗方案的精益思考。

3. 實驗過程的轉變：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則實施的實驗操作序列。根據任務目標對實驗操作序列進行聚類，每一類的操作序列對應特定的實驗能力提升。在封閉性預定義實驗方案中，類與類之間具有相對獨立性，存在先后順序而呈現階梯特征，實驗教學達成度基于粗粒度“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。“AI+虛擬仿真實驗”能夠支持高復雜度工程實驗過程的設計規劃，允許學生在非劣性指導方案中反復試錯以迭代優選實驗過程，通過歸納分析錯誤內因完成工程知識學習，實驗教學達成度的計算隨之細化并深入到任務或子任務內部。當開放性提示方案成為工科實驗主流時，允許學生在全部可能的實驗方案中進行螺旋式探索尋優，基于AIGC提供的知識線索反復回溯驗證，提升對涉及工程問題實驗的理解。由此，工科實驗教學的實驗過程從階梯式轉變為螺旋式，督促學生對新形態工科實驗過程形成立體認知。

4. 實驗創新的轉變：從機械性實驗創新到思辨性實驗創新

實驗創新包括方法創新、技術創新、思路創新、過程創新等。傳統工科實驗創新具有機械性，即學生無條件信任書本指導，按照指導順序完成創新聯想。受益于互聯網普及與智能檢索能力提升，允許學生模擬工程實際場景，通過檢索互聯網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，基于啟發規則在嘗試中尋找實驗創新。伴隨工程領域知識圖譜的知識覆蓋率的提升，知識圖譜檢索技術能夠反向指導學生規劃實驗，支持學生以主動姿態優化實驗方案與實驗過程，完成積極的工程實驗創新。AIGC技術的成熟為創新提供了新的可能，支持學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生的思辨能力。由此，工科實驗教學的實驗創新從機械性轉變為思辨性，鼓勵學生對新形態工科實驗創新進行深度挖掘。

5. 實驗評價的轉變：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過程及實操結果進行的全面、系統、客觀評價。傳統工科實驗評價往往是滯后的，在實驗完成后由實驗指導教師調閱分析實驗報告，依據報告內容開展粗粒度的實驗評價，實驗評價具有延時性特征。智能批改系統上線后，AI工具能夠收集學生實驗過程中的階段性數據，輔助實驗指導教師根據階段性數據完成細粒度的實驗評價，但主觀內容評價仍需依賴指導教師經驗。將AIGC嵌入智能實驗教學系統后，通過設定完備的實驗評價規則，支持實驗步驟數據的快速獲取，并分析步驟數據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，工科實驗教學的實驗評價從延時性轉變為瞬時性，支持新形態工科實驗評價的動態優化。

（二）新形態工科實驗教學特征研究

新工科教育范式涉及新工科的教育理念、培養模式、教學方法、教學內容、質量標準等方面[19]。AIGC賦能新工科教育范式的具體實踐為新形態工科實驗注入了新的教學特征，如圖2所示。

1. 能力依賴：從記憶知識到檢索知識

實驗教學具有多主體特征，學生作為第一主體負責完成知識與能力的獲取，教師作為第二主體負責完成知識與能力的培養。數智時代的新知識觀認為知識是人類和AI協作產生的[20]。AIGC通過大模型訓練具備了擬人意識，鑒于大量的新質生產力語料知識存在，AIGC能夠產生新的知識以支持新形態工科實驗的自我進化，使得新形態工科實驗作為第三主體具備了新質生產力人才培養的主觀能動預期。因此，在當前時代敘事中，實驗知識不斷自我迭代，封閉性的知識體系被技術沖破，依賴書本完成知識的硬性記憶不再適應新工科實驗教學，迫使“被動灌輸”被“智慧引導”取代。在開放性的實驗知識體系背景下，為應對工程實際的復雜性，新工科實驗能力培養的重要性更加凸顯。當開放性實驗能力體系的教學價值融入了AI時代特征后，檢索查詢已經成為提升實驗能力的重要途徑。在倫理約束下，教師合理引導學生完成檢索查詢被認為是“智慧引導”下實驗教學能力培養的必要手段。由此，新形態工科實驗教學的學習主體需要歷經從書本依賴到能力依賴的轉變。

2. 生成式實驗：從靜態資源到動態資源

實驗資源是構建實驗主體的重要組成，承擔學習客體的職責。傳統的工科實驗資源以非數字化的靜態資源為主，往往由教學團隊進行預定義。實驗教學過程中通過不斷挖掘靜態資源的教學價值來支持學生實驗能力的培養。數字技術出現后，預定義的靜態資源具備了數字特性，提升了實驗資源的復用性，降低了工科實驗教學的資源成本。但預定義的實驗資源具有較高的限制性，難以迅速迭代以適應新科技水平下的工科實驗教學需求。AIGC支持通過內容分析和數據挖掘，突破地域限制以遍歷不同教育平臺或實驗資源庫，獲取類型多樣、內容豐富以及智能化的教學資源[21]，為考慮工程復雜性的實驗資源動態化生成提供了可能。隨著ChatGPT-4o等大模型的出現，動態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。實驗資源的動態化生成模式為新形態工科實驗從預定義走向生成式提供了技術可能性。

3. 復合大腦：從人人協同到人機協同

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

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現、場景模擬、真實操作來完成教學過程。工科類實體實驗對實際實驗設備/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。伴隨教學方法與教學技術的發展，線上線下混合實驗教學日漸成熟，其以全場景融合模式促進教學與服務向個性、精準、智能化轉型，積極促進教育和學習的創新發展[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AIGC與教育元宇宙自然耦合后，支持構建“師—機—生”互融共生的學習新樣態[25]，深度沉浸、社會交互、無限擴展等技術特征為新形態工科實驗教學提供了精準現實或超越現實，實驗助手由抽象文本變為具身形象，通過集體在場實現個性化教育與規模化教育協同開展，形成基于完全沉浸的元宇宙實驗。元宇宙實驗為提高學生解決各類復雜工程問題提供了全要素仿真，推動實驗模式從離場到在場的轉變。

三、AIGC賦能的新形態工科實驗教學路徑與支持系統架構

（一）基于六度循環的新形態工科實驗教學路徑

為適應新質生產力人才培養，發揮新形態工科實驗教學在新質教育[26]中的重要作用，建立適配AIGC的新形態工科實驗教學路徑，持續迭代工科類實驗教學方法，研究團隊在調研AI賦能學習路徑的方法[27]基礎上，借鑒人際六度空間理論，提出了基于六度循環的新形態工科實驗教學路徑，覆蓋引導、查詢、判斷、應用、評價與優化等六個教學階段，如圖3所示。

階段一：引導，以工程問題為導向。持續挖掘工程領域問題熱點，保證實驗教學與工程需求的目標吻合。根據工程問題復雜性完成工程知識的剝離與解析，建立新形態工科實驗教學表征模型，完成工程問題的實驗化教學落地，提高學生辨識工程問題的能力，引導學生參與實驗設計過程。

階段二：查詢，以提示問答為導向。培養學生主動檢索工程問題解決方案的能力。檢索能力高度關聯了AIGC提示工程構建的有效性，學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，實現提示問句的合理設計與使用，逐步形成“問中做，做中學，學中問”的循環學習模式。

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

階段四：應用，以實踐能力為導向。基于實體實驗、虛擬仿真實驗以及元宇宙實驗等多種實驗形式，強化學生將理論融于工程，并依據工程問題解決質量分析，據此考核學生實踐能力。元宇宙實驗是當前教育領域研究的熱點，基于多模態知識融合AIGC技術與元宇宙技術，能夠提升新形態工科實驗教學的在場感。

階段五：評價，以綜合素養為導向。通過學生的自我評價引導綜合素養提高，評價標準包括預定義標準與開放性標準。預定義標準基于歷史經驗總結得出，開放性標準則要求動態變化且與時俱進，支持實驗指導教師根據學生特征進行實驗內容適配，滿足AIGC賦能的個性化培養要求。

階段六：優化，以創新決策為導向。基于評價結論構建實驗本體的自主迭代優化模式，建立評價結論與自主迭代方向的動態映射。實驗本體的優化支持面向學生個體的實驗內容迭代，通過開放技術接口支持基于復合大腦的技術協作創新，鼓勵學生協調多種方法進行組合決策。

由圖3可知，在基于六度循環的新形態工科實驗教學路徑中，通過往復的周期性階段循環，助力提升AIGC賦能的新形態工科實驗教學效果。

（二）融合AIGC的新形態工科實驗支持系統架構

為便于新形態工科實驗教學高效開展，研究團隊提出了融合AIGC的新形態工科實驗支持系統架構，如圖4所示。

第一層：支撐層。該層由本地支撐環境與云端支撐環境構成，通過互聯網通信接口實現信息互通。本地支撐環境中的數據庫與服務器可部署在校方公共資源平臺，確保教師維護的便捷性；云端支撐環境可直接利用第三方云服務平臺，注重安全優勢與成本優勢，一般存儲算法庫、規則庫與參數庫等不需要經常性維護的數據庫，并提供通用服務。

第二層：數據層。該層用于存儲各種數據，例如：案例庫存儲典型學生畫像與實驗畫像，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；算法庫存儲生成提示問句與構建評價標準的智能算法；參數庫存儲智能算法與調用外部AIGC模型所需的配置信息。

第三層：模型層。該層由學生畫像、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成。學生畫像與實驗畫像用于描述學生群體與實驗本體的特征；知識圖譜通過實體與關系描述完整的實驗知識體系；提示工程用于構建提示問句，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賦能學生畫像：支持基于AI技術獲取學生特征、學生行為，通過聚類分析實現學生群體劃分；基于實驗過程數據分析，精準定位操作流程的問題痛點，面向學生群體觸發基于AIGC的知識推送，支持實驗質量控制。（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的關聯描述；通過建立學生畫像與實驗畫像的映射，支持基于AIGC的精準實驗教學；通過開放實驗設計與實驗方案的編輯校驗功能，建立工程方法與實驗設計、工程對象與實驗方案的動態鏈接。（3）AIGC賦能知識圖譜：支持知識圖譜在新形態工科實驗教學中的擴展，包括但不限于實驗圖譜[28]、能力圖譜[29]、技術圖譜、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化。（4）AIGC賦能提示工程：支持提示問句的模板化設計，通過“初始提問”和“優化提問”兩種提問設計[30]完成提示問句優化；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期輸出。（5）AIGC賦能評價標準：支持精準檢索評價文本或實操行為，基于質量過濾算法去除無關文本或無意義行為；基于AIGC定義個性化實驗評價標準，實現評價標準與學生畫像及實驗畫像的動態適配；建立評價規則并利用評價引擎完成實驗全要素評價，支持新形態工科實驗的后續改進或調優。（6）AIGC賦能外部控制：支持調用第三方AIGC大模型，避免教學團隊盲目開發自研大模型；通過AIGC配置實現本系統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，是學生開展新形態工科實驗的直接載體。

四、新形態工科實驗教學的典型應用場景

（一）跨工程學科融合的智慧實驗導學

對話式的AIGC引發了對話式教學在教育領域的發展。智慧問學作為對話式學習的高階形態，通過主動提問尋求大語言模型回應，是一種實現遞進式問答對話與迭代式內容生成的新型學習模式[31]。智慧問學符合新形態工科實驗教學對人才能力培養的教學模式，對跨工程學科人才的創新思維與技能培養具有重要價值。考慮到不同學科知識的復雜性，合理的對話設計是支持跨工程學科人才培養的重要工具。

在跨工程學科的實驗教學中，建立面向獨立學科的提示問句知識圖譜，利用實體對齊或實體融合等方法，動態連接獨立學科的知識圖譜，迭代形成龐大的跨工程學科提問網絡，能夠支持不同維度的問句設計，強化跨工程學科對話設計的合理性與有效性，實現融合后的高質量問句生成。在跨學科人才培養中，實現“以導促問，以問促學，以學優導”的智慧實驗導學模式。融合后問句生成與應用示意，如圖5所示。

（二）配套新形態教材的精準實驗教學

高校新形態教材具有知識更新的及時性、內容的豐富性和環境的可交互性等特征[17]，形態上融合了紙質教材、數字教材與教學過程。研究團隊認為，新形態教材還具備個性化、動態化、資源化和立體化的特征，能夠配套新形態工科實驗的細分類型，在充分考慮主要支持技術、主要風險點及預設解決方案后，實現新形態教材與新形態工科實驗教學的無縫對接，具體內容見表1。

（三）教育元宇宙視域的高階實驗教學

教育元宇宙是利用VR/AR/MR、數字孿生、5G、人工智能、區塊鏈等新興信息技術塑造的智慧教育環境高階形態，具有虛擬與現實全面交織、人類與機器全面聯結、學校與社會全面互動的特征[32]。新形態工科實驗教學與教育元宇宙具有天然的聯系，在教育元宇宙視域下經過AIGC賦能后，在多模態資源與數字人技術加持下，新形態工科實驗教學的工程性與智能性得到提升，能夠避免能力培養的表層化與片面化。“AIGC+多模態資源”模式能夠利用教育眾籌[33]實現多模態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的深度與廣度，提高學生解決復雜工程問題的技術水平。“AIGC+數字人技術”模式能夠發揮數字人形象優勢，構建個性化、虛擬化和多元化的新型數字環境[34]，支持數字人實時作出反饋，以實驗助手的身份定位在元宇宙實驗空間中，形成及時且高質量的教學反饋。

五、結 束 語

新形態工科實驗教學是在新質生產力人才培養目標下發展形成的，基于AIGC賦能的新型實驗教學樣態。相對于傳統工科實驗，新形態工科的實驗本體與實驗教學特征都發生了積極變化，AIGC技術深度融入工科實驗教學的不同階段，在新形態工科實驗系統支持下，工科實驗教學應用場景能夠體現實驗教學的智慧性、精準性與高階性。

[參考文獻]

[1] 新華網. 中共中央、國務院印發《中國教育現代化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． 高等教育數字化的理論檢視、現實挑戰與進階路徑[J]． 中國高等教育，2023（23）：18-21．

[3] 楊宗凱． 高等教育數字化發展：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世界數字教育大會上的主旨演講：攜手推動數字教育應用、共享與創新[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. 教育部發布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：系統設計與整體實現[J]． 高等工程教育研究，2024（2）：1-11，96．

[7] 白雪梅，郭日發． 生成式人工智能何以賦能學習、能力與評價？[J]． 現代教育技術，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，張務偉． 生成式人工智能教育應用及其規制[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用與展望——以ChatGPT系統為例[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習場景與實施路徑[J]． 電化教育研究，2023，44（9）：57-63，99．

[15] 陳向東，褚樂陽，王浩，等． 教育數字化轉型的技術預見：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系統的風險表征、預警及化解[J]． 現代教育技術，2024，34（5）：16-26．

[17] 黃明東，藺全麗，李曉鋒. 高校新形態教材的特征、發展態勢與建設路徑[J]. 出版科學，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[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． 數智時代的育人理念與人才培養模式[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新發展新趨勢[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習策略[J]． 教育科學研究，2024（5）：57-64．

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

[24] 祝智庭，胡姣． 技術賦能后疫情教育創變：線上線下融合教學新樣態[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習設計研究[J]． 電化教育研究，2024，45（7）：73-80．

[26] 王竹立． 建構新教育學體系，發展新質教育——從數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賦能學生學習的路徑探析[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． 高校實驗能力圖譜基礎架構及關鍵問題探討[J]． 實驗技術與管理，2023，40（12）：187-191．

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

[31] 戴嶺，趙曉偉，祝智庭． 智慧問學：基于ChatGPT的對話式學習新模式[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、機理及應用場景[J]． 開放教育研究，2022，28（1）：24-33．

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

[34] 陳衛東，鄭巧蕓，褚樂陽，等． 智情雙驅：數字人的教育價值與應用研究[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