案例类别：人工智能+辅助学习
课程名称：工程材料 适用专业：机械、机电
开课学院：机械学院 主讲教师：骆义
技术类型：强化学习、知识图谱
应用场景：面向机械制造的材料成分选择与热处理温度确定
案例简介
本案例以“铁碳相图的画法与分析”作为切入点，将大语言模型、知识图谱等人工智能技术融入《工程材料》课程全流程。通过“以智助教”的智能备授课工具、“以智助学”的个性化学习路径与语义问答、“以智助评”的自动化与过程性评价，以及“以智助管”的学情预警与质量改进闭环，解决传统教学中抽象概念难以理解、学习支持不连续与评价单一等痛点。课程实施后，学生对相图判读与工艺参数反推的正确率显著提升，课堂参与与自主学习时长同步增加，教学治理效率提高，形成可复制、可推广的“AI+工程材料”教学范式。
一、背景
1.传统教学的瓶颈
《工程材料》兼具宏观组织与微观结构、平衡与非平衡转变等多层次知识，尤其铁碳相图涉及多相区识别、杠杆定律计算与工艺参数耦合，学生易在抽象概念、步骤推理与跨知识点迁移处出现断裂。传统以讲授为主的课堂模式，难以满足差异化学习需求与过程性指导，教师教研数据也难以沉淀与复用。
2.引入人工智能的必要性
人工智能能够将课程内容结构化、过程数据化、反馈即时化：以大模型快速生成多版本讲义与可视化脚本，以知识图谱打通“概念—关系—题型—案例”，以学习分析刻画个体差异，以智能评测与学业预警形成“教—学—评—管”闭环，支撑人才培养模式与教学治理的系统性提升。
3.教学目标
面向“会画、会判、会用”的育人目标，聚焦三类核心能力：
（1）概念建模与图形化表达（相区与相界的准确识别）；
（2）定量分析与策略选择（杠杆定律计算与工艺参数反推）；
（3）工程迁移与方案优化（结合材料选择、热处理与制造环节形成闭环决策）。
二、案例实施情况
（一）以智助教：智能备授课与可视化内容生成
1）AI教案与脚本生成：基于大语言模型构建“相图讲义—例题—误区清单—课堂活动”四件套，自动生成多难度版本，并联动形成评价清单，缩短备课时间。
2）三维可视化与分层演示：利用图像识别与可视化引擎，将共析点附近微观组织演变过程动画化展示；设置“初学—进阶—拓展”三层讲解路径，兼顾不同基础学生。
3）误区库与重难点提示：沉淀“典型错误样例”（如相区误判、组织成分计算混淆），课堂即时弹窗提示与板书联动，形成可复用的教学资产。
（二）以智助学：个性化学习路径与语义问答
1）知识图谱驱动的语义问答：围绕“相、相区、相界、共析、相含量计算”等关键节点，构建课程知识图谱；学生以自然语言提问，系统基于上下文给出步骤化解答案与相应例题。
2）自适应练习与学习画像：根据正确率、用时与错误类型生成个人画像，动态推送“看—练—评—补”闭环资源；对“相界判定”“成分含量计算”设置闯关式任务，鼓励反复练习。
3）学术规范微服务：对“直接调用模型给答案”的行为进行提示与引导，要求给出计算步骤、引用依据与反思，培养工程伦理与学术规范意识。
（三）以智助评：多元与过程并重的智能评价
1）主客观一体化评测：主观题采用AI辅助评分与“步骤对齐”机制，既判结论也判过程；客观题自动出卷与难度自适应，支持即时反馈。
2）错因图谱与个性化讲评：从“判读失误—步骤错误—概念混淆—计算偏差”四维生成错因图谱，班级与个人两级可视化，课后推送针对性讲评视频。
3）过程性评价仪表盘：将到课、练习、问答参与、任务完成度等纳入平时成绩，形成“学习行为—能力增长”的可追踪证据链。
（四）以智助管：学情预警与质量改进闭环
1）学习预警模型：融合到课、练习、错因类型与平台交互等特征，滚动识别“高风险”学生，触发教师与辅导员联合干预。
2）数据治理与隐私保护：设置最小必要数据集与权限分级，学生可查看并修订个人画像摘要，确保数据合规与透明。
三、案例创新突破
（一）主要创新内容：以“会画、会判、会用”为主线，将相区识别、杠杆定律计算与热处理参数反推贯通，教学目标由“知识掌握”转向“工程应用”。
（二）应用实践突破内容：AI教案与可视化三层演示缩短备课—讲授—讲评链路；误区库与弹窗提示提升课堂交互与纠错效率。强化工程思维、数据素养与AI素养，将学术规范与工程伦理嵌入训练与评价，提升学生综合能力与毕业设计质量。
四、推广价值
1）可复制：模块化架构由“语义问答—自适应练习—智能评测—质量看板”四个可插拔组件构成，便于在《材料力学》《机械制造基础》等课程横向推广。
2）可扩展：知识图谱可增量扩容，支持“铁碳相图→合金相图”的纵向拓展；评测题库与误区库可跨学期沉淀与更新。
3）成本可控：优先采用校内算力与开源模型，结合轻量化前端部署，降低软硬件门槛。
4）治理增效：质量看板与学情预警直接服务教研与学生管理，支持精准教学、个性化学习、多元化评价与科学化管理的制度化落实。
5）育人导向：在“会用AI”的同时强调“规范使用”，将学术诚信与工程伦理嵌入训练与考核。
五、其他相关情况
案例相关数字资料：为支持教学活动，提供与案例相关的算法。
