基于CDIO模式的人工智能赋能混合式教学方法.pptxVIP

基于CDIO模式的人工智能赋能混合式教学方法POWERPOINTDESIGN202X.X主讲人：时间：

教学问题分析人工智能赋能混合式教学方法方法应用：以寻源算法教学为例010203目录CONTENTS

01教学问题分析PART

现有的混合式教学方法在知识的传授方面取得了十足进展，然而，在基于CDIO模式的工程教育方面，现有的混合式教学方法在创新实践能力培养方面教学环节仍相对单一，在实践中普遍存在学生兴趣不浓、教师难以把握学生学习状态等情况，这些问题导致现有混合式教学方法在创新实践能力培养方面仍待进一步改进与发展。忽视创新实践能力培养教育界普遍认为“填鸭”式教学方法无法对学习效果带来积极正面的影响，因此，当前新的教学模式和方法（包括混合式教学方法），逐渐开始关注学习动机，如培养学习兴趣与积极性等。然而，目前已有的教学激励机制在实践中依然存在“三分热度”的情况，这就要求教学过程中教师应持续性地关注学生的学习参与度与实践成就感，使学生能对课程保持长期热情。缺乏对学生参与度与成就感的关注混合式教学方法的实施为量化评价带来了新的机遇与挑战。一方面，混合式教学方法具备了学生自身与学习环境数据采集的条件；另一方面，如何充分利用采集到的数据进行客观量化的考核评价仍待进一步发展。当前教学方法对学习效果的评价依然主要依赖于考核，对于学习过程的评价仍然过于主观，特别是考核评价方法与线上教学脱离严重，难以全面评价学生的综合素质和能力。缺乏量化的评价方法现有混合式教学方法的问题

针对基于CDIO模式的教育中创新实践能力培养的需求，本文提出一种AI赋能的混合式教学方法，将线下授课与线上实践深度融合，使课程的实践教学工作线上线下两个方向无缝衔接，充分发挥各自的优势，最大限度地提升学习效果。01基于CDIO模式的教学需求

02人工智能赋能混合式教学方法PART

基于课程配套建设的虚拟实验平台，本文探索线下讲授指导与线上虚拟实验相结合的实践环节。线下的讲课指导具有更强的互动性，而线上的虚拟实验为学生提供了更丰富的试验元素和更广阔的探索空间。本文进一步总结应用该教学模式，在实践过程中AI系统可实时介入提供帮助，同时全过程采集实验数据，为AI赋能与智能教学数据分析奠定基础。混合式虚拟实验教学模式

为解决混合式教学过程中学习参与度与成就感的促进问题，结合前期工程与学术研究成果，配套建设AI赋能的线上虚拟实验平台，目的在于为促进学生学习理解及增强参与度与成就感等方面发挥积极作用。AI系统也可在实践环节实时采集学习状态并及时介入，提供相关帮助；同时，学生也可通过与AI系统交互，从中迅速获取所需的信息。本文中AI系统将进一步通过合理的设计与虚拟实验平台结合，减少学习实践过程中的挫败感，减轻学习内容的理解难度，提升学习参与度与满意度。01AI辅助的教学与实践环节设计

混合式教学方法的量化评估依赖于学习分析学。近年来，教学数据与学习环境数据的采集与分析被应用于在线学习的各个方面。国际著名的学习分析学研究团队如澳大利亚莫纳什大学和LDE-CEL等通过应用前沿的自然语言处理技术，从课程的讲授提问环节、在线问答面板和其他学习过程中产生的数据中收集有效的语义信息，以建立更包容、更公平、更透明的教学与考评环境。为解决混合式教学方法在学生培养中缺乏量化评价方法的问题，基于常见的学习分析方法等技术，本研究将进一步理解和转化学习过程中产生的数据，并通过选择使用合理的量表，以评估混合式教学方法下的学习与实践效果，辅助教师全面了解学生的学习情况。基于学习分析的行为与效果评估

03方法应用：以寻源算法教学为例PART

本文以寻源问题为例，在基于CDIO模式设计的研究生课程仿真工程高级研讨中验证AI赋能的混合式教学方法的有效性。本次研究为课程开发了基于混合智能的虚拟实验平台，在课程中选课学生通过使用虚拟实验平台进一步加深理解寻源问题的本质与常用算法。寻源问题

线上虚拟实验平台采用基于贝叶斯推理和序贯蒙特卡洛等AI方法来显示源位置的后验概率分布（见图2中的颗粒）。平台配套的AI系统还建议使用DB-SCAN算法来估计可能的源位置，以提供更多的信息帮助学生理解该问题。当学生开始使用虚拟实验平台后，平台提供两种控制模式。手动控制模式允许学生完全接管搜索过程，控制机器人的每一个搜索步骤；AI赋能控制模式允许学生在搜索过程中使用AI算法解释、源位置推测、路径自动规划等方法。两种不同的模式可帮助学生在大脑不同程度的辅助下复现搜索算法的实现过程。线上虚拟实验平台的设计基于混合智能思想，即将机器智能与人的智能相结合。虚拟实验平台使用特定的图元来解释寻源问题和寻源算法（见图2），其目标是通过可视化的方式让学生清楚地理解寻源问题的本质。在平台中，界面展示了理想状态下（无障碍）机器人的最优移动方向，以及机器人实际