为扎实做好新学期教学筹备工作，落实TOPCARES 人才培养理念，顺应人工智能技术发展趋势，持续优化课程教学体系，提升应用型人才培养质量。在 2026‑2027 学年第一学期教学准备周期间，成都东软学院智能科学与工程学院智能工程系组织开展多门专业核心课程专项教学研讨会。本次教研覆盖系内多门主干课程，《机器学习与模式识别》《语音信息处理》《深度学习与机器视觉》《人工智能框架开发》《面向对象程序设计（C++）》《单片机原理与应用》《计算机网络 Ⅱ》《软件开发框架》等课程组完成研讨，各课程组教师围绕课程内容重构、实践体系升级、AI 技术融合教学、考核评价改革等重点任务开展集体备课，为新学期课堂教学高质量落地筑牢根基。

本次系列教研活动聚焦 AI 时代下专业课堂改革，各课程组形成统一共识：人工智能是教学辅助工具，不能替代基础知识与原理教学。针对当前学生普遍使用生成式 AI 工具开展学习的现状，各课程组明确 AI 工具使用边界，建立课程 AI 使用规范。课堂教学层面，教师可借助 AI 完成难点概念解读、教学案例更新、代码演示、故障辅助分析；学习实践层面，严禁学生直接复制提交 AI 生成代码，要求学生读懂、调试、修改代码，能够阐释底层实现逻辑。课程考核同步优化，提高过程性考核权重，增加原理问答、项目答辩、代码审查、现场调试等评价环节，区分合理利用 AI 工具与直接抄袭 AI 成果，引导学生做到善用 AI 而不依赖 AI。开学第一课，各课程将向学生宣讲课程 AI 使用规范，树立正确的 AI 辅助学习观念。

图1 《深度学习与机器视觉》研讨会照片

在课程知识体系建设方面，各课程结合产业技术迭代趋势与学生学情，梳理优化教学大纲、课件讲义与导学材料。作为四川省首批高阶课程，《深度学习与机器视觉》搭建 “基础理论层‑核心算法层‑工程应用层” 三层知识架构，依托东软智慧教育平台搭建包含 59 个知识点的课程知识图谱，选用百度飞桨平台作为统一实践载体，借助云端 GPU 算力支撑模型训练实验，配套建设微课资源与 387 道关联题库，实现学情智能分析。《语音信息处理》构建 “语音信号基础 — 音频特征处理 — 深度学习建模 — 预训练模型与多模态应用” 递进教学主线，设置 8 个阶梯式实验项目，规划建设课程智能体，为学生提供伴随式学习支持。《人工智能框架开发》复盘上学期项目化教学实施成效，迭代大模型产业实战案例，完善过程性考核机制，落实学困生针对性辅导工作。《机器学习与模式识别》针对课程理论抽象、学生数学基础参差不齐等痛点，设计分层实验任务，利用 AI 工具降低实验入门门槛，完善课前导学资源。

强化实践教学、推进项目化改革是本次研讨的重要落脚点。各课程普遍压缩验证性实验占比，着力培养学生工程实践与问题解决能力。《单片机原理与应用》构建 “基础实验 + 阶段项目 + 综合项目” 三级实践体系，强化芯片手册阅读、软硬件故障诊断训练，完整覆盖项目需求分析、硬件搭建、程序开发、联调答辩全流程。《计算机网络 Ⅱ》强化理论实操融合，增设网络抓包、设备配置、故障排查实操任务，设计综合性网络实践项目，推动学生从知识识记转向解决真实工程问题。《软件开发框架》围绕 Django 后端开发，探索 AI 辅助架构设计、代码调试教学模式，依托代码提交日志、项目文档、现场答辩综合评判学生真实编程能力。《面向对象程序设计（C++）》创新设置 “AI 辅助完成”“独立完成” 两类作业任务，期中项目要求提交 AI 使用说明及代码审查报告，着重锻炼学生提示词工程与代码甄别能力。其余参与研讨的课程组也结合自身课程定位，分别就教学重难点、实验项目更新、考核方案修订、数字化教学资源建设开展充分交流研讨。

图2 《计算机网络Ⅱ》研讨会照片

此次教学准备周系列研讨会，既是开学前的集体备课，也是智能工程系对 AI 赋能专业教学的一次系统性探索。通过研讨，各课程组明确了教学改革方向，完成教学内容梳理、实验方案设计、考核机制修订、教学资源建设等多项筹备任务。下一步，智能工程系将持续落地各项教研成果，在教学过程中收集学生反馈，常态化开展课程组听课交流，迭代优化课程案例、实验项目与教学资源，持续打磨课堂教学质量，全力培养契合产业需求的高素质信息技术应用型人才。