2026年9月22日，计算机学院五个系部教研室分别围绕“人工智能如何赋能教学”主题开展专项教研研讨，立足自身课程定位与教学场景，集中梳理人工智能教学管理手段融入日常课堂的可行路径，推动全院教学效能整体提升。
本次系列教研活动不设统一集中会场，各系部教研室结合自身教学节奏独立安排研讨环节，所有内容均围绕“AI工具落地课堂、切实减轻师生负担、提升课程培养质量”的核心目标展开，避免脱离教学实际的概念性讨论。参与本次教研的一线教师覆盖全院所有本科公共课、专业核心课与实验实践课程的授课团队，实现了不同课程类型的全覆盖研讨。
计算机科学与技术系：聚焦核心专业课的AI教学场景重构
计算机工程与应用系邀请超星公司专家围绕AI赋能教学作专题讲座。讲座中，超星专家系统介绍了线上课程架构、交互式知识模块、智能题库、知识点图谱等内容的设计思路，并现场与课程负责人对接建设需求，围绕资源上传、混合式教学实施、专业特色功能适配等细节深入交流，梳理全流程技术保障方案，为智慧课程落地建设提供一站式数字化技术支撑。
软件工程与大数据系：面向实践类课程的全流程AI赋能
软件工程与大数据系的教研活动以“实践教学提质”为核心方向，参会教师结合软件工程实训、大数据项目开发等课程的过往教学痛点展开研讨。大家共同梳理适配实践类课程的AI辅助：在项目开题阶段，借助AI快速生成多方向项目参考框架，拓展学生选题思路；在代码指导环节，用AI代码审查工具批量定位学生项目中的共性语法与逻辑问题，教师集中开展共性问题讲评；在课程考核阶段，通过AI自动完成基础规范性检查，教师将更多时间用于项目创新性与技术深度的针对性评价。
数学基础部：探索数理类课程的AI化教学新路径
数学基础部全体数学任课教师参与本次教研，深入研讨人工智能与大学公共数学课堂深度融合的路径。针对AI辅助教学，广大教师表现出较高的实践意愿，重点关注“AI助教学伴答疑”和“AI辅助备课出题”两大方向。教师们群策群力，提出多项可以尝试的举措：提出依托AI生成分层过渡习题，搭建由浅入深的学习台阶；借助生活化类比拆解抽象数学概念，通过AI学伴给予学习共情引导，帮助学生建立信心。针对课堂沉默、学生不敢提问的难题，研讨提出借助AI搭建匿名问题收集预处理渠道，汇总归类学生高频疑问，集中答疑。面对基础薄弱、工科、经管、考研拔尖等不同学情的学生群体，老师们探讨了差异化AI辅助教学策略，通过标准化提示词模板快速生成适配不同群体的学习资源，实现分层教学。
计算机基础部：面向全学科的公共课AI普惠教学改革
计算机基础部的教研活动覆盖全院面向非计算机专业开设的公共计算机课程，参会教师围绕“降低入门门槛、兼顾不同学科需求”展开深入交流。研讨明确，后续将依托AI工具为不同学院的学生定制差异化教学案例：面向文科专业生成数字内容创作相关的实操案例，面向工科专业生成工程数据处理相关的练习任务，面向医科、艺术类专业匹配对应学科的计算机应用场景。同时借助AI助教完成公共课大规模教学班的作业初评、知识点查漏补缺等工作，解决公共课教学班规模大、教师辅导精力不足的长期痛点。
实验技术中心：构建实验教学全场景智能支撑体系
实验技术中心全体实验指导教师参与本次教研，重点围绕实验课程的智能辅助体系建设展开讨论。从当前实验室管理中的实际痛点出发，围绕设备巡检、故障报修、耗材管理、开放预约等日常环节，介绍了借助人工智能技术提升管理效率与服务质量的具体思路，并结合实验室工作实际，提出了“先易后难、分步实施”的建设路径：近期可利用大语言模型辅助值班问答、设备使用指引和报修信息整理，中远期逐步探索智能化巡检、数据驱动的运行分析等应用场景。
本次计算机学院教研活动全程以“解决真实教学问题”为导向，切实思考和探索可实施的方案。学院后续将持续跟踪各单元的AI教学改革进展，定期组织系部经验交流，逐步形成覆盖理论课、实践课、公共基础课全场景的人工智能赋能教学体系，推动学院整体教学质量稳步提升。
