凌 杰 1，张丽丽 2，陈鸿光 1，金 彪 1，林铭炜 1
摘 要：针对计算机实验教学实践中存在的问题，提出 AIGC 技术在计算机实验教学中的应用框架，介绍具体实践过程，分析几个典型应用实例并说明教学效果。
关键词：生成式人工智能；计算机实验教学；教育创新；实践应用
0
引 言
在全球化和信息化的大背景下，各国政府都在积极推动教育、科技与人才的深度融合，以适应快速变化的社会和经济发展需求。我国尤为注重科技创新在教育领域的应用，早在 2017 年国务院印发的《新一代人工智能发展规划》中就已明确指出，要推动人工智能与教育的深度融合，构建智能教育体系，培养创新型人才[1]。2022 年 12 月，习近平总书记强调，中国高度重视人工智能对教育的深刻影响，积极推动人工智能和教育深度融合，促进教育变革创新[2]。2024 年 4 月，教育部公布了首批“人工智能+高等教育”应用场景典型案例，以推进人工智能在高等教育中的广泛应用，不断提升人才培养质量。
在高校计算机人才培养模式中，实验教学扮演着核心的角色，对于学生动手能力的培养、创新能力的激发、分析与解决问题能力的提升具有重要作用。然而，传统的计算机实验教学模式面临着教学内容滞后、教学方式单一、个性化教学不足等一系列挑战[3]。以生成式人工智能（Artificial Intelligence Generated Content，AIGC）为代表的创新性技术为解决传统计算机实验教学所面临的挑战提供了新的可能性。该技术通过模拟人类的逻辑、思维和创造能力，为教育创新和人才培养模式的变革带来了新的机遇和动力[4]。
1
计算机实验教学实践中面临的问题
（1）实验手段和方法落后。当前计算机实验教学手段和方法仍停留在较为传统的层面，以简单的验证性实验为主，缺乏创新性和探索性。多媒体实验教学、计算机辅助实验、虚拟化实验教学等先进手段的应用不够广泛，限制了学生实践动手能力和创新思维的培养[5]。此外，实验过程中独立操作训练时间不足，对学生实验要求的管理也亟待加强。
（2）理论与实践脱节。计算机实验教学注重理论联系实际，但在教学实践中经常出现理论教学与学生实践脱节的现象[6]。学生在面对实际问题时往往无从下手，缺乏将理论知识运用到实际中的能力。
（3）缺乏个性化教学。传统的计算机实验教学往往采用“教师指导、过程考核”的教学模式，难以满足不同学生的差异化需求[7]。不同学生的知识基础、理解能力和兴趣偏好存在差异，而传统实验教学往往忽视这些差异，导致部分学生无法理解所授知识，而部分学生则感觉教学内容简单而枯燥。
（4）缺乏跨学科融合。计算机科学涉及生物信息学、统计学、经济学等多个领域，是一个高度交叉的学科。然而，当前的计算机实验教学较少与其他学科进行融合[8]。这种单一的学科视角会限制学生综合分析和解决问题能力的培养，使得学生无法适应交叉学科领域（如人工智能）的产业发展需求。
2
AIGC 技术在计算机实验教学中的应用框架
AIGC 技术在教育领域中的应用，不仅可以丰富教育手段和方法，还能为培养高素质人才提供强有力的技术支持[9-10]。AIGC 技术在计算机实验教学中的应用框架如图 1 所示，旨在通过集成生成式人工智能技术，优化计算机实验教学的各个环节，以构建教学新颖、个性化强、智能化高的新型计算机实验教学体系。
AIGC 技术在计算机实验教学中的应用框架由基础架构、大语言模型和教学服务 3 个核心部分组成，共同构建一个全面且智能的教学架构。基础架构部分包括 GPU、深度学习、大数据等关键组件，为加速大语言模型的处理和运行、优化模型的性能和准确性、提升泛化能力和效果提供重要的支撑作用[11]。
大语言模型是应用框架的核心，它在语言生产、逻辑推理、数学能力、代码能力等方面展现出强大的能力，使其能够满足师生在教与学方面的各种需求。教育领域的特殊性要求技术的应用必须符合安全性的要求，本文采用的大模型在安全性上与 GPT-4 相当，在 4 种多语言不安全查询类别中生成有害响应的比例很低，从而保证教学内容和教学过程的安全性。
教学服务是应用框架的关键，它提供了编程指导、教学资源、智能答疑等功能。编程指导模块主要是学生在实验的过程中为学生提供代码补全、代码示例、代码优化等功能[12]。教学资源模块主要是为师生生成丰富多样的实验案例、实验设计、教学方案等教学资源。智能答疑模块主要是在实验的过程中为学生提供程序、算法、实验内容等方面的答疑解惑服务。
3
AIGC 技术在计算机实验教学中的应用实践
生成式人工智能作为当前人工智能领域的前沿技术，其在计算机实验教学中具有极大的应用潜力。然而，并不是所有高校都具有大语言模型的开发或二次开发的能力，目前在世界范围内也只有头部互联网公司或高校具有相关的研发能力。因此，如何因地制宜地开展 AIGC 技术赋能计算机实验教学的工作就显得尤为重要[13]。我校根据自身实际情况，采用“教师主导，AI 协同”的方针，借助现有的成熟、稳定、安全的大语言模型，推动计算机实验教学内容和教学方法的创新（如图 2 所示），以下仅对其中几个典型应用进行分析。
3.1智能编程辅助
编程教学在高校计算机实验教学中扮演着至关重要的角色，它是将计算机科学理论知识转化为实际操作的关键桥梁。通过程序代码的编写，学生能够将抽象的数据结构、算法、语法等理论知识应用于解决具体问题，从而加深对理论知识的理解。传统的编程教学虽然有基础性和系统性的优势，但是也存在如互动性有限、实践机会少、灵活性不足等缺点[14]。针对上述不足之处，我们将智能编程辅助工具 Copilot 引入计算机实验教学课堂，用于辅助学生进行编程训练。
Copilot 是由 GitHub 开发的一款基于人工智能的编程助手，支持多种编程语言，并可与主流代码编辑器无缝集成，其核心优势在于能够实时分析代码上下文，能够根据开发者的输入自动完成代码片段、提供代码建议和文档提示。在编程教学实践中，主要使用以下几方面的功能。
（1）代码智能补全：学生在使用集成开发环境（IDE）编写程序时，Copilot 能够实时地对整体代码进行分析并给出后续代码的编写建议。这种所见即所得的指导方式不仅可以让学生更好、更快地完成程序编写任务，而且可以提高编程的相关技能。
（2）自动生成代码：学生可以使用自然语言跟 Copilot 对话，要求其根据特定的软件需求生成完整的程序代码。学生通过与 Copilot 交互以及阅读 Copilot 生成的程序可以减少初学者面对软件需求时的恐惧感，此外，还有助于更好地掌握程序架构、算法逻辑、编程规范等知识。
3.2虚拟助教与答疑
在传统的计算机实验教学过程中，教学时间有限且教师需要同时关注多个学生，往往难以及时解答学生的所有问题。此外，为了便于教师教学与答疑，实验项目往往是统一的，从而导致传统计算机实验教学难以满足学生的个性化需求[15]。针对上述不足，可以采用基于 AIGC 技术支持的虚拟助教，以完善教学互动方式，为便于学生使用，使用免费的通义千问作为教学中的虚拟助教。虚拟助教在计算机实验教学实践中的具体应用如下。
（1）实时答疑与解释：通义千问能够快速回答学生在实验过程中遇到的问题，并提供详细的解释和说明。无论是理论知识的疑问，还是实验操作的难题，AI 都能即时给出反馈，帮助学生及时解决困惑。这种实时答疑能力可以有效减轻教师的负担，同时学生可以有机会跟老师探讨更为复杂的问题。
（2）全天候可用性：虚拟助教不受时间和空间的限制，可以多场景、全时段地为学生提供答疑或提供教学资源，弥补传统教学中教师资源的不足之处。
（3）学习资源生成：学生可以要求通义千问生成丰富的学习资源，包括编程练习题、测试用例、编程算法等。这些资源可以帮助学生巩固理论知识，提升实践能力，使学生的学习更有针对性和有效性。
（4）多语言支持：我校与美国、意大利、日本等国的高校开展了合作办学，老师在计算机实验教学的过程中，多语言支持的虚拟助教能够促进不同国家和地区的师生之间进行交流与合作，增强跨语言信息的传递与整合。
3.3生成教学资源
信息技术日新月异，飞速发展，使得计算机实验教学资源的建设面临着多重挑战。首先，教师须持续更新教学内容且确保其准确性和实用性，这对于教师来说是一项非常艰巨的任务。其次，传统宣灌式的实验教学模式所使用的教学资源缺乏互动性和创新性，不利于激发学生的学习兴趣和探索精神。最后，目前实验教学所使用的教学资源往往难以满足学生差异化的知识需求，可能会限制部分学生的学习效果。AIGC 是通过学习大量数据进而创造出新内容的一种技术，在自动生成教学资源方面具有天然的优势。在计算机教学实践中，我们采用文心一言在以下几个方面进行了探索。
（1）生成多模态的教学材料：文心一言可以生成多种不同类型的教学资源，如图片、音频、视频等，从而使教学的内容更加丰富和多样化。例如，在解释复杂算法原理时，可以生成动画进行演示讲解；在说明数据结构时，可以生成互动式图表进行展示。多模态的教学资源使理解能力差的学生也能够掌握相关知识，从而提高实验教学的质量和效果。
（2）动态代码示例与解析：编程概念、算法、过程演示等内容的讲解一直是计算机实验教学的难点，原因是它们相对抽象或复杂。文心一言能生成直观的代码示例，并自动附加详细的步骤说明和注释。这样的动态生成机制意味着教学资源能及时反映最新的编程实践和技术趋势，帮助学生更好地理解代码背后的逻辑和原理。比如，对于一个递归算法，AI 不仅会生成实现代码，还会逐步展示每一步的递归过程及其变化，使学生能直观看到算法是如何工作的。
（3）自动生成教学文档：高校计算机教学与产业实际需求是脱节的，其根源在于课堂上所传授的教学内容是滞后的。文心一言可以根据课程的需要更新教学大纲、教学内容、讲义等教学文档，使教学的内容能够与时俱进。这在减轻教师负担的同时，还使教学文档能够快速适应课程内容和产业需求的变化，从而保持教学内容的前沿性。
4
AIGC 支持下计算机实验教学效果
“教师主导，AI 协同”的计算机实验教学建设模式已经用于部分实验课程中，如 Python 程序设计，经过一年的教学实践，在教师、学生和实验教学体系建设方面都取得了较好的效果（如图 3 所示）。
AIGC 技术根据教师的需要自动生成代码示例、案例分析、习题集等各类教学资源，从而减轻教师的负担，使得他们有更多的精力投入教学方法的创新与学生个性化需求的满足上。此外，教师在与 AI 交互的过程中能够获取最新的教学资源和教学方法，有利于其教学能力的提升，甚至有老师提出“未来教师不会被大模型打败，但会被熟练使用大模型的教师打败”的感慨。
学生在与 AI 交互的过程中进行实验，可以获得更加丰富和多样的学习体验，能够更好地激发学习的兴趣和动力。同时，AIGC 技术能够模拟现实的场景给学生进行实训，能够为学生提供更多实践和探索的机会，有利于培养其创新思维和解决问题的能力。学生在课后普遍反映课程内容新颖、自主发挥空间大、上课更有趣了。从统计数据来看，学生同一门课的成绩比去年同期普遍提升了 9% 以上，学生参加比赛及获奖的人数也明显提升。
传统的计算机实验教学体系侧重于理论知识往实践操作的过渡，其效果往往是通过实践操作对理论知识的验证[16]。AIGC 技术的引入，使得实验教学更加灵活地模拟了真实世界的复杂场景，学生在解决这些问题的过程中，锻炼了自己的创新能力和计算思维。同时，AIGC 技术促进实验教学与其他学科的交叉融合，推动新型计算机实验教学体系的不断创新和完善。
5
结 语
随着人工智能的发展，原本固定的知识体系变得更加灵活弹性，在知识传授、能力培养和价值塑造方面给高校带来了全新的机遇和挑战。针对上述情况，我们详细分析了当前计算机实验教学中存在的问题与挑战，结合我校实际情况提出了“教师主导，AI 协同”的实验教学模式。在 AIGC 技术的支持下，我们在智能编程辅助、虚拟助教、自动生成教学资源等方面开展了实验教学应用实践。实践结果表明，AIGC 技术不仅能够有效提升实验教学的质量和效率，还能激发学生的学习兴趣，促进其创新能力和计算思维的培养。
随着 AIGC 技术的不断进步和完善，其在计算机实验教学中的应用将更加广泛和深入。针对当前 Copilot、通义千问、文心一言混用出现的AI融合性低、操作逻辑混乱、数据安全等问题，下一步，我们将以阿里云发布的 Qwen2-72B 开源大语言模型为核心，开发计算机实验教学平台。Qwen2-72B 在性能指标和内容安全方面表现优秀，适合应用于计算机实验教学场景。我们期望通过持续的研究与实践，进一步优化 AIGC 技术在计算机实验教学中的应用模式，为培养更多高素质、创新型的计算机专业人才贡献力量。
参考文献：
[1] 杜圣东, 杨燕.“人工智能+”背景下的新工科教育探索与实践[J]. 计算机教育, 2025(7): 106-110.
[2] 刘凯. 人工智能与教育学融合的双重范式变革[J]. 开放教育研究, 2023, 29(3): 4-18.
[3] 窦亮, 贺樑, 周爱民, 等. 人工智能时代的计算机人才创新培养[J]. 计算机教育, 2025(10): 103-107.
[4] 冯锐, 孙佳晶, 孙发勤. 人工智能在教育应用中的伦理风险与理性抉择[J]. 远程教育杂志, 2025, 38(3): 47-54.
[5] 陈凯泉, 胡晓松, 韩小利, 等. 对话式通用人工智能教育应用的机理、场景、挑战与对策[J]. 远程教育杂志, 2023, 41(3): 21-41.
[6] 陈龙, 黄鑫, 张喆, 等. 大学计算机课程引入人工智能内容的教学探索[J]. 计算机教育, 2023(3): 203-207.
[7] 刘浩, 刘笑笑, 辛涛. 人工智能赋能基础教育监测的应用与挑战[J]. 北京师范大学学报(社会科学版), 2022(2): 136-142.
[8] 肖睿, 肖海明, 尚俊杰. 人工智能与教育变革: 前景、困难和策略[J]. 中国电化教育, 2025(4): 75-86.
[9] 张波, 徐立, 潘建国, 等. 基于产教融合的新工科人工智能教育人才实践能力培养体系建设[J]. 计算机教育, 2023(5): 1-6.
[10] 张宇昂, 郑向伟. 人工智能背景下计算机及信息类大学生创新能力培养与实践[J]. 计算机教育, 2019(12): 27-30.
[11] 刘宝存, 苟鸣瀚. ChatGPT等新一代人工智能工具对教育科研的影响及对策[J]. 苏州大学学报(教育科学版), 2023, 11 (3): 54-62.
[12] 李秀, 陆军, 牛颂杰, 等. 人工智能时代计算机基础课程建设与教育教学思考[J]. 清华大学教育研究, 2024, 45(2): 42-49, 70.
[13] 李波, 覃俊, 帖军. 新工科及人工智能背景下计算机类专业创新创业教育研究[J]. 实验技术与管理, 2025, 38(3): 18-22.
[14] 张海生. 人工智能与教育深度融合发展: 逻辑、困境与策略[J]. 当代教育论坛, 2025(2): 57-65.
[15] 刘凯, 张立民, 张兵强. 基于人工智能的大学计算机基础综合实验设计[J]. 实验技术与管理, 2025, 37(4): 196-200, 237.
[16] 镇丽华. 人工智能时代智慧型实验室的建设路径探究[J]. 实验室科学, 2023, 26(3): 160-163.
作者简介：凌杰，男，实验师，研究方向为实验室管理，lingjie@fjnu.edu.cn；林铭炜（通信作者），男，教授，研究方向为大数据分析与智能决策，linmwcs@163.com。
