2026年10月20日，为落实《国务院关于深入实施“人工智能+”行动的意见》（国发〔2025〕11号）关于把人工智能融入教育教学全要素、全过程的部署，贯彻《教育强国建设规划纲要（2024—2035年）》关于实施国家教育数字化战略的要求，深入推进课程数字化建设，探索人工智能技术在高等教育教学改革中的应用路径，智能科学与工程学院智能工程系在B6-204教室开展教研活动。唐琴老师以“知识图谱赋能课程数字化转型——《深度学习与机器视觉》创新实践”为题，向全系教师分享了依托四川省教育厅高阶课程建设成果，利用知识图谱重构课程体系、实现多平台协同教学与数据驱动评价的实践经验。

图1 唐琴老师作专题分享

一、核心痛点与转型思路

随着人工智能技术的快速发展，《深度学习与机器视觉》作为专业核心必修课（64课时），在传统教学模式中，教师往往面临三大核心痛点：一是课程知识抽象、算法链条长，学生难以形成系统的知识体系；二是学习过程不可见，教师难以掌握学情，个性化指导不足；三是评价滞后，教学改进缺乏依据。

针对上述问题，唐琴老师提出借助知识图谱重构课程内容、依托数字化平台覆盖教学全流程的转型思路，将抽象的算法逻辑转化为清晰的知识节点，同时汇聚各环节数据，使教学过程从“经验驱动”转向“数据驱动”，提升教学质量与管理效率。

图2 唐琴老师阐述“好课”绕不开的三个痛点

二、创新实践举措

1.知识图谱重构课程内容

唐琴老师对课程内容进行了系统梳理，共拆分出57个核心知识点，并按章节进行结构化组织；依托东软智慧教育平台，这些知识点与相应的题库、作业建立了关联。当学生完成与特定知识点关联的作业时错误率较高，系统会自动生成纠错报告，教师可据此在作业评讲环节重点讲解薄弱知识点，实现精准补漏。此外，知识图谱不仅服务于教学内容的组织，也为教学竞赛申报和课程改革提供了直观的数据支撑，体现出课程建设的科学性与系统性。

2.多平台协同覆盖教学全程

针对单一平台功能有限、学生实验环境配置困难等问题，课程构建了“东软+百度+华为”多平台协同的教学模式，将教学延伸至课前、课中、课后各个环节。其中，东软智慧教育平台是核心教学载体，承载知识图谱、题库管理和作业发布，支持课前预习导航与课后在线交互。百度AI Studio平台提供统一的在线实验环境，解决了学生本地环境配置困难的问题，降低了实验门槛；平台上还集中发布微课视频和课件，方便学生随时进行课前预习和课后复习。华为ICT平台则引入在线视频资源，进一步丰富了课程素材库。

3.数据驱动学习评价与干预

通过整合各平台数据，课程建立起学生学习画像，系统可自动统计并展示任务完成率、作业正确率、资料阅读情况及出勤率等指标，学习状态一目了然。这些数据直观反映了学生在16周教学过程中的投入度与掌握程度，改变了以往仅凭期末考试成绩进行评价的滞后状况。通过对比不同学期、不同班级的数据，教师能够发现教学薄弱环节，及时调整教学策略，开展更有针对性的教学干预。

三、建设成果

经过多年的持续建设，《深度学习与机器视觉》课程取得了显著成效，在教研教改与学生竞赛等方面均有收获。课程还注重以赛促学，指导学生在多项学科竞赛中获奖，既检验了教学效果，也为教师申报教学竞赛积累了实证材料。

图3 智能工程系全体教师认真聆听

此次分享会不仅展示了《深度学习与机器视觉》课程数字化转型的具体路径，也为智能工程系其他课程的改革提供了有益借鉴。唐琴老师强调，在教育数字化转型背景下，教师应积极运用数字化工具，用好平台积累的过程性数据。这些数据既是优化课堂教学的依据，也是申报教学竞赛、开展教研教改项目的重要支撑。

未来，智能工程系将继续鼓励教师探索知识图谱与多平台协同的应用，推动更多课程从传统讲授向数据赋能转变，不断提升人才培养质量与教师教学创新能力。