AI賦能的新工科教學方法探索與實踐

關鍵詞：大語言模型；新工科；橋梁工程；教學方法；教學實踐

中圖分類號：G642 文獻標志碼：A" " " " " 文章編號：2096-000X（2025）18-0001-06

Abstract： The construction of new engineering disciplines is a crucial national strategy in response to the rapid development of the new economy， aimed at cultivating innovative talents in interdisciplinary fields. With the powerful language processing capabilities of Large Language Models （LLMs）， traditional teaching methods are facing new changes and challenges. Based on the context of new engineering education， this paper explores the application of generative large language models in bridge engineering education from three aspects： instructional design， examination guidance， and ideological-political education. The characteristics of generative large language models in practical teaching applications are analyzed. Practice demonstrates that generative large language models possess substantial professional knowledge reserves and can effectively analyze and solve professional problems， showing practical value in actual teaching scenarios.

Keywords： Large Language Models; new engineering; Bridge Engineering; teaching methods; teaching practice

《教育部高等教育司2023年工作要點》明確提出加快新工科建設，加強基礎學科和交叉領域創新人才的培養。新工科建設旨在培養高素質復合型人才，強調學科的實用、綜合及價值重塑與交叉融合[1]。2018年，在人工智能技術的不斷突破下，第一代生成式預訓練模型（Generative Pre-trained Transformer 1，GPT-1）問世。近年來，生成式預訓練技術快速發展，以GPT-3、DALL-E和智源悟道為代表的大規模預訓練模型不斷涌現[2]，在多個領域展現出廣闊應用前景。我國土木工程的建設向極端環境、復雜結構與綠色智能發展[3-4]，在土木建筑行業加速數字化轉型的背景下，橋梁工程學科的教育與研究必須與技術發展同步前行。然而，橋梁工程學科目前面臨諸多挑戰，包括工程實踐與前沿智能技術的脫節、教材內容更新的滯后，以及教學方法創新的不足。這些問題在一定程度上限制了學科教育的改革和數智化進程的推進。為應對這些挑戰，本文立足新工科教育改革背景，探討了AI生成式大語言模型在橋梁工程學科教學中的實踐效果和應用價值，深入分析了智能技術帶來的教學變革與發展機遇。研究旨在為教育改革提供新思路，推動橋梁工程教育創新發展，培養適應未來需求的復合型創新人才。

一" 新工科背景下橋梁工程教育改革需求

新工科是相對傳統工科的動態概念，以新經濟、新產業為背景，主要體現在兩個方面：一是建設新興工科專業，二是改革現有工科專業，以適應時代發展需求[5]。①教學數字化水平偏低，缺乏智能化教學手段和工具的應用，難以有效培養學生的實踐能力和創新意識；②教學方式落后于時代發展，未能充分利用現代信息技術手段開展教學活動，互動性和靈活性不足；③教學評價體系仍停留在傳統層面，以紙筆考試成績為主要評價指標，缺乏數據化、智能化的綜合評價手段，難以全面衡量學生的團隊協作、創新思維和工程實踐等核心能力；④產教融合的數字化程度低，教學內容與行業實際需求存在脫節，學生缺乏接觸智能化工程項目的機會，難以適應未來數字化、智能化工程建設的要求。

在政策層面，國家對新工科教育改革提出了明確要求，為橋梁工程教育方法的創新指明了方向。教育部發布的《新工科研究與實踐項目指南》文件，明確指出要推動教育模式改革，強化實踐教學，注重學生創新能力的培養，其核心是將工程技術與其他學科交叉培養具有跨學科背景和創新能力的工程技術人才[6]。同時，“一帶一路”倡議、基礎設施“走出去”戰略及“雙碳”目標等，也對橋梁工程教育提出了更高要求。從服務國家需求出發，高校需以政策為指導，主動探索和實踐新型教學方法，通過多方協同合作，推動橋梁工程教學方法從傳統模式向現代化模式的全面轉型。

在新工科改革的宏觀引領下，橋梁工程教學方法的創新應以提升學生實際能力為最終目標。高校應積極構建以學生為主體、以能力培養為導向的教學體系，推動教師轉變角色，從知識的傳授者轉變為學習的引導者。同時，要借助技術賦能，搭建新型教學平臺，構建適應未來工程需求的教學模式。行業企業也應積極參與教學改革，通過提供工程案例、共建教學資源以及參與評價機制，推動產教深度融合。通過多方協同努力，橋梁工程教育將逐步形成以教學方法創新為核心的現代化教育體系，為新工科背景下的工程教育改革提供有力支撐，培養出兼具實踐能力和創新意識的高端工程人才。教學方法探索思路如圖1所示。

二" AI大語言模型帶來的教學變化與機遇

人工智能的迅速發展正在全面改變教育生態，尤其是在新工科背景下，生成式人工智能的強大影響力，使得智能化教育和個性化教育成為可能[7]，為教學帶來了全新的功能與發展機遇。作為一種強大的技術工具，人工智能不僅在教育中提升了效率與精準性，還對傳統教學模式帶來了深刻的沖擊，推動教育方式向智能化和個性化方向發展。

（一）" AI的功能

人工智能技術的突飛猛進，尤其是大語言模型的出現，正在深刻變革教育領域。作為新一代智能工具，大語言模型憑借其卓越的自然語言處理能力，在教育場景中發揮其作用。AI在教學中主要有以下幾個功能：①教案設計，AI可輔助教師在教學前的備課工作；②文本處理，AI可解決大量文本問題并提煉高頻詞語；③答疑助手，AI可回答專業知識問題并作出解釋；④智能評估，教師可通過訓練大語言模型生成學生評估標準，再利用AI分析學生情況并生成評估結果。

（二）" 教育的變化及機遇

盡管AI的許多功能可以解決教育中繁雜性工作，但它也給傳統教學體系帶來了前所未有的挑戰。教育工作者的角色正在經歷重新定位， AI的應用逐漸弱化了教師在知識傳授中的主導地位，教師從“知識的傳遞者”轉變為“學習的引導者”和“教學的設計者”。這要求教師更加注重教學策略的創新，利用AI技術為學生提供更具針對性的指導和支持。同時，教師需要掌握AI工具的使用方法，提升自身的技術素養，這對傳統教師的能力提出了更高的要求。AI推動了教學從“以教師為中心”向“以學生為中心”的模式轉變。傳統課堂中單向的知識傳授被AI賦能的互動式、自主式學習所取代。在教育評價領域，AI評估系統可提升評估效率，但其機械化特征也可能影響評價的準確性和公平性。因此，在教育領域合理應用AI技術，在效率與公平之間找到平衡點，成為當前教育界面臨的重要課題。

AI大模型的快速發展為高校新工科教育帶來了重要機遇，尤其在個性化教學、資源優化和評價體系創新等方面展現了巨大潛力。AI通過分析學生學習行為和知識掌握情況，動態調整教學內容和路徑，實現個性化學習支持，顯著提升學習效率與效果。在資源優化上，AI能夠高效生成教學材料和案例分析，并結合虛擬仿真技術，為學生提供案例實訓環境，彌補傳統教學中實踐環節的不足。此外，AI推動了從單一考試評價向多維能力評估的轉型，通過數據分析全面評估學生綜合能力。AI大模型正成為推動新工科教育智能化、個性化與公平化的重要驅動力，為培養創新型人才注入新的活力。

三" 大語言模型在橋梁工程教學中的應用與實踐

以ChatGPT為代表的大語言模型正逐步融入教育領域，成為推動教學方法革新和資源開發的重要技術工具。在人工智能深度嵌入教育的趨勢下，大語言模型不僅可以輔助教師高效開展工作，還在“人機協作”的教育模式中扮演關鍵角色。其應用貫穿教學全過程，從課前備課到課堂實施，再到課后答疑，全面提升教學效率和學習效果，為橋梁工程學科教育提供了智能化、個性化的支持與保障。作者所在教學團隊利用GPT-4o、Imagen3等多模態大語言模型的技術優勢，圍繞教學設計優化、智能化答疑輔導、課程思政融合三個核心維度，在橋梁工程學科教學中開展了創新性探索與實踐應用。

（一）" 教學設計優化

案例一：教學關鍵詞設計。

提示語（Prompt）：我是一名高校教師，現在需要給大二年級的學生上第一節橋梁工程課，請你給出10個橋梁工程中最常見的關鍵詞及英文翻譯，并加上詞語解釋，最后整理成表格形式。

GPT-4o回答內容見表1。在此次提示語中，作者已經假定身份和當前事件，并給出生成內容的要求與格式。GPT-4o能夠根據提示語生成符合橋梁工程中的關鍵詞，同時關鍵詞的解釋符合橋梁工程中的知識。對于GPT-4o類似的語言模型，提示語決定生成內容的質量，這對使用者也提出更高要求[8]。對于教師而言，傳統的備課方式往往會耗費大量時間和精力，而憑借人工智能助教強大的數據處理和分析能力提升教師備課效率，使教師能夠將更多時間和精力投入到教學創新和學生互動中[9]。

案例二：橋梁概念設計。

在橋梁工程教學中，學習各種橋型是學生認識橋梁的基礎。本文使用圖像生成類AI- Imagen3繪制斜拉橋、懸索橋和拱橋三種橋型，具體圖片如圖2所示。在指令中，作者從布局細節、技術規格和繪圖風格等三個方面提出圖片繪制的要求。在教學中，教師可根據實際教學章節去細化圖片繪制要求，實現利用AI繪制滿足要求的圖片。例如，在課堂上，學生提出一種新想法，但人工不能立馬構想此橋，這時使用AI繪圖，可以讓學生的創意及時展現出來。但是，AI繪圖現階段應用比較局限，在使用過程發現它有創新的出現，又有犯錯的地方。若繪制一張合適的圖，可能需多次嘗試，或聯合生成文本類AI去指令繪圖AI。

案例三：課堂問答設計。

提示語（Prompt）：你是一名教齡10年的高校教師，請你面對大二年級的本科生設計4個橋梁工程的問題，并給出答案。

GPT-4o回答內容如圖3所示。GPT-4o根據指令要求，生成4個問答設計的內容。問題從橋梁的形式、荷載作用分類、施工方法和橋梁病害四個角度提問，并給出合理回答。GPT-4o的問題設計橫跨橋梁工程中多個章節，問題具有綜合性，回答時可結合其他領域作出解釋，體現了生成類文本知識庫的廣泛性和智能性。

（二）" 智能化答疑輔導

案例四：試題問答分析。

為科學評估大語言模型在橋梁工程專業領域的應用效果，本研究選取了西南交通大學橋梁工程導論2022—2024學年度期末考試試題作為測試樣本。測試內容包含兩套完整試卷，涵蓋單項選擇題、判斷題、簡答題等多種題型，具有較強的專業性和綜合性。研究選取了GPT-4、Claude-3.5和Kimi三種主流大語言模型作為測試對象，通過模擬學生提問場景，系統性評估模型在專業知識理解與應用方面的準確性和可靠性。其單選、判斷等客觀題的測試結果如圖4所示，總題量為70題。

實驗結果表明，三種大語言模型在本次模擬答疑測試中均顯示出一定的專業知識理解能力，正確率分布在70%至90%之間。在基礎知識考察方面，模型在單選題和判斷題的表現反映出知識庫精確度不足的局限性。通過對錯誤題目的重復測試驗證，發現模型始終無法給出正確答案，這表明其知識庫存在一定程度的準確性缺陷。不過，基于大語言模型的自學習特性，可以通過持續的試題訓練來優化其專業知識儲備，逐步構建更符合教學要求的智能輔助工具。在深度理解方面，模型對簡答題和案例分析題的回答雖能把握答題方向，但內容偏于宏觀概括，缺乏具體知識點的深入闡述，且未能充分結合教材核心內容，需要通過追問才能獲得更詳細的解答。這表明模型的應用效果很大程度上依賴于人工引導的準確性和專業性。綜上所述，大語言模型在專業教學輔助方面展現出良好潛力，通過合理的人機協作，結合人工指令引導和AI生成能力，可以實現試題答疑的個性化定制，為教學實踐提供有益補充。

（三）" 教學思政中的應用

在新工科建設背景下，大語言模型為橋梁工程教學提供了全新的工具和方法，助力將家國情懷融入專業教育，培養具有社會責任感的新時代工程人才。通過生成式人工智能強大的知識整合與生成能力，教師能夠高效獲取并生動呈現中國橋梁建設的輝煌成就，如港珠澳大橋展現的“中國跨度”、川藏鐵路大橋彰顯的“中國高度”等，這些超級工程不僅是國家綜合實力的象征，更凝聚了中國工程師攻堅克難的智慧與奉獻精神。在教學中，生成式人工智能可以幫助教師深入挖掘重大工程背后的感人事跡。例如，通過分析茅以升在錢塘江大橋設計與建設中的卓越貢獻，展現其以科技報國為己任的精神；或生成關于詹天佑在主持修建京張鐵路中攻克技術難關的案例，幫助學生理解新時代橋梁工程師如何肩負國家使命與技術創新的雙重責任。

案例五：橋梁著名人物影片。

GPT-4o的回答如圖5所示。經檢查，回答中的人物事跡真實存在，且影片均能被搜索觀看。

此外，生成式人工智能在實踐教學中也展現出強大功能，能夠輔助學生分析重大橋梁工程的社會價值與經濟意義。例如，在研究港珠澳大橋對區域經濟發展的推動作用時，生成式人工智能能夠提供數據支持、生成多維度分析文本，幫助學生從更全面的視角理解工程的戰略意義。同時，教師可以利用生成式人工智能將技術難點與工程師故事結合，設計案例分析或課堂討論，讓學生在解決工程問題的過程中深刻感受到橋梁工程對國家發展的重要性。通過這種寓教于研的方式，學生不僅掌握了專業知識，還領悟了中國工程師攻堅克難、精益求精的精神，進一步培養了職業操守與家國情懷，為成長為新時代卓越工程師打下堅實基礎。

四" 大語言模型在教學中的挑戰與局限

在新工科背景下，大語言模型為橋梁工程等學科的教學提供了強大的創新工具，展現出在知識整合、教學資源生成、個性化學習支持等方面的潛力，為傳統教學模式注入了智能化與數字化的活力。然而，盡管其優勢顯著，這項技術的應用仍面臨諸多挑戰與局限，需要在實際操作中保持審慎態度并合理使用。

（一）" 大語言模型具有引導性

大語言模型生成內容高度依賴明確的指令和人工干預，特別是在橋梁工程這類多學科交叉的領域中，模型僅能提供基礎性的知識整合或初步的分析框架，難以自動實現復雜的學科聯動。例如，在結合橋梁結構設計與區域經濟影響的教學場景中，教師需對模型的指令進行多次優化并提供專業背景信息，才能確保生成內容與教學目標一致。這種依賴性要求教師具備較高的專業素養和引導能力，否則難以充分發揮模型的作用，甚至可能導致偏離教學方向。

（二）" 大語言模型回答存在一定的錯誤

在處理高度專業化或涉及創新思維的問題時，大語言模型可能生成不準確甚至錯誤的內容。例如，在考試試卷或知識難點分析中，大語言模型可能出現解釋錯誤或題目數據識別有誤，若未經人工核查直接用于教學，可能對學生產生誤導，甚至影響教學質量。

（三）" 教師對大語言模型的掌握程度

教師對大語言模型的掌握程度不足，也成為其在教學中推廣應用的一大挑戰。許多教師對大語言模型的工作原理、應用場景和使用技巧不夠熟悉，在教學設計和課堂實踐中難以充分挖掘其潛力。例如，在思政教育中，雖然模型能夠生成關于橋梁工程師茅以升、林鳴等人物的事跡材料，但教師若缺乏對模型的精準引導和內容篩選能力，可能無法充分展現這些人物的精神內涵和教育意義。此外，大語言模型在情感表達和價值觀引導方面存在天然的局限性，其生成內容偏重于知識性和技術性，難以全面傳遞家國情懷和職業精神等深層次教育價值。因此，教師在使用大語言模型時，需發揮自身的主觀能動性，將模型作為教學的輔助工具，而非完全依賴。同時，在新工科教育中，模型的實用性與教師的技術接受度之間的矛盾也需要通過系統性培訓和技術支持來解決，使教師具備使用大語言模型的能力和信心。

總體來看，大語言模型為教育帶來機遇的同時，也可能引發挑戰和風險[10]。大語言模型在橋梁工程教學中既能提升教學效率和資源整合的廣度，又因其局限性對教師提出了更高的專業要求。在未來的教學實踐中，需通過人工引導、專業核查和教師培訓等多種方式，彌補模型的不足，真正實現人工智能與新工科教育的深度融合。

五" 結束語

本文聚焦于主流AI大語言模型在橋梁工程學科教學中的應用，重點探討了其在教學設計、答疑輔導以及思政教育等方面的實踐價值，主要結論如下。

AI大模型賦能橋梁工程教學創新。大語言模型憑借其強大的知識整合與生成能力，可協助教師高效開展教學設計、提供智能答疑輔導、深化課程思政。在實踐應用中，其不僅能輔助生成專業性強的教學案例和練習題，還可通過圖片、影片等多維度強化橋梁工程中的重點和難點，幫助學生深入理解工程理論與實踐的聯系。未來應進一步挖掘AI大模型在教學場景中的應用潛力，構建智能化、系統化的現代教學體系，全面提升橋梁工程專業人才培養質量。

強化教師在智能化教學中的主導地位。盡管AI技術可以顯著提升教學效率，但其應用仍需依賴教師的專業引導與監督。加強教師對AI工具的使用培訓，提高其技術素養與創新能力，不僅有助于確保AI生成內容的準確性，還可以實現人機協同的高效教學模式。

聚焦復合型人才培養與國家發展需求。在新工科建設背景下，橋梁工程教學應以國家戰略需求為導向，注重培養兼具創新意識、實踐能力和社會責任感的復合型工程人才。通過深化AI技術的應用，強化思政教育與工程實踐的結合，為國家基礎設施建設及橋梁事業的高質量發展提供重要的人才支撐。

參考文獻：

[1] 唐德淼.新工科建設與新質生產力發展耦合變革研究[J].中國戰略新興產業，2024（32）：162-164.

[2] 趙朝陽，朱貴波，王金橋.ChatGPT給語言大模型帶來的啟示和多模態大模型新的發展思路[J].數據分析與知識發現，2023，7（3）：26-35.

[3] 遆子龍，李永樂，秦順全，等.海洋橋梁施工圍堰的波浪壓力實測與數值模擬[J].西南交通大學學報，2017，52（3）：466-473，531.

[4] 宋玉冰，遆子龍，楊凌，等.大跨度雙幅非對稱平行主梁渦激振動干擾效應研究[J].振動與沖擊，2024，43（7）：1-9，29.

[5] 吳愛華，侯永峰，楊秋波，等.加快發展和建設新工科主動適應和引領新經濟[J].高等工程教育研究，2017（1）：1-9.

[6] 劉靜，張惠玲，黨文佳，等.新工科人才培養的機遇、困境及探索[J].科技風，2024（4）：34-36.

[7] 汪金英，潘祖賢.隱憂與消解：生成式AI教育應用的道德審視[J].揚州大學學報（高教研究版），2024，28（4）：47-57.

[8] 呂振華，葉軍.大語言模型賦能“中文+職業技能”教學資源建設研究——以ChatGPT為例[J].天津師范大學學報（社會科學版），2024（6）：1-8.

[9] 盧滇楠，黨漾，王宏寧，等.生成式人工智能賦能高校課程教學：以“化工熱力學”課程為例[J].清華大學教育研究，2024，45（5）：89-98.

[10] 鄒佳叡，榮維東.我國生成式人工智能賦能教育的研究現狀與展望[J].成都師范學院學報，2024，40（6）：99-106.