AI赋能下数学建模课程的改革与实践

本文以AI赋能数学建模课程改革为切入点，针对传统教学在知识传递、实践能力与价值引领的结构性矛盾，探索创新路径。通过构建线上线下混合式教学模式，打造智慧课堂生态，实现知识传授、能力培养与思维训练联动；融合AI理念与课程思政，构建科技与人文兼具的育人场域。教学实践表明，该模式提升了课堂满意度，学生在数学建模竞赛中表现突出，达成价值塑造、知识建构与能力养成的三维统一，为新工科课程改革提供可借鉴范式。

2019年9月，教育部印发《关于深化本科教育教学改革全面提高人才培养质量的意见》（教高〔2019〕6号），明确提出推进人工智能赋能教育教学创新，为高等教育数字化转型锚定方向。本文立足“AI赋能+课程思政”双轮驱动理念，构建数学建模课程思政的设计原则，系统挖掘学科蕴涵的思政资源，创新“知识传授—能力培养—价值引领”的融合策略，并通过典型教学案例阐释实施路径，以期为高校同类课程改革提供可操作的范式参考。

一、传统数学建模课程的教学模式及其困境

1.以教师为中心的单向知识传递

传统课堂以线下讲授为主，教师通过板书或PPT讲解数学模型的构建原理、算法推导及案例分析。这种模式依赖教师的个人教学经验，难以满足学生的个性化学习需求。例如，在讲解“微分方程模型”时，教师通常按照固定节奏推进，基础薄弱的学生可能因算法推导复杂而陷入理解困境，而基础较好的学生则可能因内容缺乏挑战性而丧失学习兴趣。

2.实践环节与真实场景脱节

数学建模的核心是“建模思维”与“问题求解能力”的培养，需通过大量实践训练实现。传统教学中，实践环节多以课后习题、固定案例为主，缺乏对真实复杂问题的动态模拟。例如，课程常使用“人口增长模型”等经典案例，虽然逻辑清晰，但数据变量固定、场景单一，学生只需套用公式即可完成，难以体会实际建模中“数据预处理—模型假设—参数校准—误差分析”的完整流程。此外，传统实践环节依赖人工批改，教师难以对学生的建模思路进行实时反馈，导致学生在“试错—修正”过程中效率低下。

3.价值引领与科技教育的割裂

传统课程思政融入方式较为生硬，常表现为在课堂结尾插入“科学家故事”或“科技伦理口号”，未能与课程内容深度融合。例如，在讲解“优化模型”时，教师可能提及“节能减排”的社会意义，但未引导学生思考模型应用中的公平性问题（如资源分配模型是否会加剧区域差异）。这种“两张皮”现象导致学生难以形成对科技发展的辩证认知，更无法将专业能力与社会责任相联结，背离了新工科背景下“德技并修”的人才培养目标。

二、AI赋能下的课程教学改革

1.构建“线上线下深度融合”的混合式教学模式

开发基于机器学习的智能教学系统，实现“教—学—评”全流程数字化。系统通过分析学生的课前测试、课堂互动、作业完成情况等数据，动态生成个性化学习路径。例如，针对“数学规划模型”章节，系统若识别某学生在“整数规划算法”环节多次出错，会自动推送该算法的微视频讲解、同类型题目变式训练及虚拟仿真实验链接，同时提醒教师进行针对性辅导。

2.打造贯穿全过程的智慧课堂生态体系

运用AI课程设计辅助系统，基于OBE（成果导向教育）理念重构教学内容。系统通过分析数学建模竞赛真题、企业实际需求及学科前沿动态，自动生成“知识点—能力点—应用场景”映射表，帮助教师精准定位教学重点。例如，增加“大数据时代的复杂网络模型”，系统建议增加“社交网络舆情传播建模”“供应链网络优化”等前沿内容，使课程内容与产业需求的匹配度有了显著的提升。建立“过程性数据采集+AI智能分析”的多元评价机制。除传统笔试外，系统实时记录学生在建模实践中的“问题拆解能力”“算法创新度”“团队协作贡献度”等能力指标，通过自然语言处理技术分析学生的建模报告、答辩视频，生成能力画像与改进建议。

三、AI赋能理念与课程思政建设的深度耦合

1.确立“技术伦理+家国情怀”的双维价值目标

将AI赋能理念转化为思政元素：一方面，强调数学建模在解决“卡脖子”技术、服务国家战略中的作用，如“芯片制造良率优化模型”对接“中国制造2025”；另一方面，引导学生思考技术应用中的伦理问题，如“人脸识别模型的偏差修正”“算法公平性设计”。例如，在“机器学习模型”章节，结合某电商平台推荐算法的案例，组织学生讨论“如何通过建模技术保障消费者权益”，使学生理解“技术创新必须以人类福祉为终极目标”。

2.创新“问题导向+情境体验”的思政实施路径

在实际案例中，采取真实问题驱动的价值思辨，设计“建模伦理”专题讨论课，选取“算法推荐导致信息茧房”等现实问题，让学生通过建模分析技术背后的社会影响。例如，学生在“社交媒体用户画像模型”实践中，发现数据偏差可能导致“地域标签化”现象，进而提出“多维度特征加权”的修正算法，在解决技术问题的同时树立公平公正的技术价值观。同时施行沉浸式实践中的责任养成，组织“AI赋能社会”实践项目，要求学生运用建模技术解决社区治理、环境保护等实际问题。

三、教学改革取得成效

1.课堂教学质量显著提高

AI技术的深度应用重构了课堂生态，实现了从“以教为主”到“以学为中心”的转型，课堂教学的针对性、互动性和实效性显著提升。依托AI学情分析系统，实时采集学生在课前预习、课堂答题、课后作业中的行为数据，通过机器学习算法生成个性化知识图谱。例如，系统可精准识别学生在“随机过程模型”章节的薄弱环节，自动推送包含微视频讲解、动态仿真实验和变式练习题的“定制化学习包”，使基础薄弱学生的知识点掌握效率得到提升。通过学生评教和教学督导评价，数学建模课程的教学满意度显著提高，学生对课程的评价普遍较好，认为课程内容实用、教学方法灵活、教学效果显著。

2.数学建模竞赛成绩优异

AI赋能的训练体系为竞赛备赛提供了“精准化赋能、场景化模拟、智能化指导”的全链条支持，学生在各级赛事中屡创佳绩，形成“以赛促学、以赛强能”的良性循环。在过去五年间，我校在大学生数学建模竞赛领域屡创佳绩。例如，2021年“高教杯”竞赛中我校团队斩获全国一等奖，2023年，再获“高教杯”二等奖。竞赛成绩的显著提升，不仅彰显了我校学生数学建模能力的稳步提升，更充分体现了数学建模课程教学改革的显著成效。通过参与各类竞赛，学生的团队协作意识、创新思维能力及实际问题解决能力得到全面锻炼，为其未来的学业发展与职业道路奠定了坚实基础。

3.学生综合素质实现多维提升

AI赋能的教学改革不仅强化了数学建模专业能力，更通过“技术实践—思维训练—价值塑造”的融合培养，促进了学生综合素质的全面发展。此外，通过参与数学建模竞赛和实践活动，学生的自信心和成就感不断增强，激发了学生的学习兴趣和学习动力，为学生的全面发展奠定了基础。

四、结论与展望

AI赋能下的数学建模课程改革，本质上是教育数字化转型与“立德树人”根本任务的深度融合。五年实践证明，通过技术创新破解教学痛点、通过思政浸润重塑育人内涵、通过实践导向强化能力培养，能够有效实现“价值塑造、知识传授、能力培养”的三位一体。面向未来，需进一步探索“AI生成式技术”（如 ChatGPT辅助建模）在教学中的合理应用，平衡技术赋能与人类主体地位，为培养“懂技术、有情怀、敢担当”的新时代工程人才贡献更多智慧。

文章来源：《通化日报》 https://www.zzqklm.com/w/qt/36980.html