［摘 要］隨著信息技術(shù)的飛速發(fā)展，人工智能在教育領(lǐng)域的應(yīng)用日益廣泛，特別是ChatGPT等大語(yǔ)言模型的興起，為工科實(shí)踐教學(xué)注入了新的活力。工科實(shí)踐教學(xué)是培養(yǎng)學(xué)生實(shí)踐能力與創(chuàng)新精神的關(guān)鍵環(huán)節(jié)，傳統(tǒng)教學(xué)模式在個(gè)性化教學(xué)、激發(fā)學(xué)生學(xué)習(xí)興趣以及提升學(xué)生課堂參與度等方面卻顯現(xiàn)出局限性。文章通過(guò)介紹大語(yǔ)言模型的基本原理及其發(fā)展現(xiàn)狀，深入分析大語(yǔ)言模型應(yīng)用于工科實(shí)踐教學(xué)的潛在機(jī)遇與挑戰(zhàn)，提出相應(yīng)的應(yīng)對(duì)策略，并設(shè)計(jì)一個(gè)以問(wèn)題為導(dǎo)向的“師—生—大模型”互動(dòng)教學(xué)案例。

［關(guān)鍵詞］生成式人工智能；大語(yǔ)言模型；工科實(shí)踐教學(xué)

［中圖分類號(hào)］G642 ［文獻(xiàn)標(biāo)識(shí)碼］A ［文章編號(hào)］2095-3437（2024）22-0011-07

近年來(lái)，人工智能（Artificial Intelligence，AI）技術(shù)及其應(yīng)用在全球范圍內(nèi)迅速發(fā)展，受到各國(guó)高度重視。2017年，國(guó)務(wù)院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》明確了我國(guó)在人工智能領(lǐng)域的戰(zhàn)略規(guī)劃，強(qiáng)調(diào)要抓住人工智能發(fā)展的重大戰(zhàn)略機(jī)遇[1]。2022年11月，OpenAI推出的ChatGPT大語(yǔ)言模型（Large Language Model， LLM）在全球范圍內(nèi)引起了廣泛關(guān)注，為教育、醫(yī)療、金融等多個(gè)領(lǐng)域帶來(lái)了前所未有的機(jī)遇與挑戰(zhàn)[2]。在教育領(lǐng)域，眾多學(xué)者積極探索和實(shí)踐人工智能在教學(xué)中的應(yīng)用[3-5]，并深入分析了其面臨的挑戰(zhàn)[6]。2023年9月，聯(lián)合國(guó)教科文組織（UNESCO）發(fā)布的《教育與研究領(lǐng)域生成式人工智能指南》揭示了生成式人工智能（Generative Artificial Intelligence，GAI）在增強(qiáng)學(xué)習(xí)成效和提升創(chuàng)新能力方面的巨大潛力，并為其在教育和研究領(lǐng)域的應(yīng)用提供了規(guī)范性指導(dǎo)，旨在促進(jìn)GAI更好地融入這些領(lǐng)域[7]。

工科實(shí)踐教學(xué)作為培養(yǎng)學(xué)生實(shí)踐能力與創(chuàng)新精神的關(guān)鍵環(huán)節(jié)，著重于培養(yǎng)學(xué)生運(yùn)用理論知識(shí)解決實(shí)際問(wèn)題的能力。然而，當(dāng)前工科實(shí)踐教學(xué)受限于傳統(tǒng)的班級(jí)授課模式，導(dǎo)致教師難以全面關(guān)注學(xué)生的個(gè)體差異，進(jìn)而使得部分學(xué)生難以深入理解和應(yīng)用知識(shí)，同時(shí)他們的學(xué)習(xí)興趣和課堂參與度也不高。本文旨在簡(jiǎn)要分析工科實(shí)踐教學(xué)中的現(xiàn)存問(wèn)題，介紹大語(yǔ)言模型的發(fā)展現(xiàn)狀，深入探討其應(yīng)用于工科實(shí)踐教學(xué)所面臨的機(jī)遇與挑戰(zhàn)，并提出相應(yīng)的應(yīng)對(duì)策略，以期為大語(yǔ)言模型時(shí)代下的工科實(shí)踐教學(xué)創(chuàng)新提供參考與借鑒。

一、大語(yǔ)言模型概述與應(yīng)用

大語(yǔ)言模型是生成式人工智能的一個(gè)具體應(yīng)用，專注于處理自然語(yǔ)言理解和生成任務(wù)。生成式人工智能作為人工智能領(lǐng)域的一個(gè)重要分支，通過(guò)模仿人類的創(chuàng)作過(guò)程，為我們提供了一個(gè)全新的、富有創(chuàng)新性的內(nèi)容生成方式。大語(yǔ)言模型在多個(gè)方面展現(xiàn)了其強(qiáng)大的能力。首先，大語(yǔ)言模型能夠生成流暢且連貫的文本，這在自動(dòng)寫(xiě)作、對(duì)話系統(tǒng)等領(lǐng)域具有廣闊的應(yīng)用前景。其次，大語(yǔ)言模型具有很強(qiáng)的上下文理解能力，能夠根據(jù)上下文信息推斷出文本的含義，從而更精確地回答用戶的問(wèn)題或完成相關(guān)任務(wù)。最后，大語(yǔ)言模型還具有一定的常識(shí)推理能力，能夠在一定程度上理解并回答涉及常識(shí)的問(wèn)題。大語(yǔ)言模型因其高度通用化和智能化的表現(xiàn)受到社會(huì)廣泛關(guān)注，其引發(fā)的技術(shù)革命也正逐漸延伸為一場(chǎng)社會(huì)革命[8]。

（一）大語(yǔ)言模型基本原理

大語(yǔ)言模型的基本原理是基于深度學(xué)習(xí)技術(shù)，利用多層神經(jīng)網(wǎng)絡(luò)對(duì)語(yǔ)言的統(tǒng)計(jì)規(guī)律和潛在語(yǔ)義信息進(jìn)行建模，其目標(biāo)是生成符合語(yǔ)法和語(yǔ)義規(guī)則的自然語(yǔ)言文本。大語(yǔ)言模型在訓(xùn)練過(guò)程中通過(guò)對(duì)大規(guī)模的文本數(shù)據(jù)進(jìn)行學(xué)習(xí)和抽象，能生成具有邏輯性和連貫性的語(yǔ)言輸出。它不僅能生成自然語(yǔ)言文本，還能深入理解文本含義，處理各種自然語(yǔ)言任務(wù)，如文本摘要、問(wèn)答、翻譯等。大語(yǔ)言模型的訓(xùn)練過(guò)程通常分為兩個(gè)階段：預(yù)訓(xùn)練和微調(diào)。在預(yù)訓(xùn)練階段，大模型使用大量的未標(biāo)記文本數(shù)據(jù)進(jìn)行訓(xùn)練，最終目的是讓模型理解語(yǔ)言的一般規(guī)律和語(yǔ)義表示，捕捉語(yǔ)言的復(fù)雜性和多樣性，并生成與輸入相關(guān)的文本。此外，大語(yǔ)言模型的發(fā)展使人們?cè)谧匀徽Z(yǔ)言處理領(lǐng)域取得了顯著突破，為人們提供了一種更加智能、高效的語(yǔ)言交互方式。隨著技術(shù)的不斷進(jìn)步，大語(yǔ)言模型及其在人工智能領(lǐng)域的應(yīng)用已成為全球科技研究的熱點(diǎn)，其在規(guī)模上的增長(zhǎng)尤為引人注目，參數(shù)量已從最初的十幾億躍升到如今的一萬(wàn)億。

總的來(lái)說(shuō)，大語(yǔ)言模型的基本原理是通過(guò)深度學(xué)習(xí)和大規(guī)模文本數(shù)據(jù)訓(xùn)練，實(shí)現(xiàn)對(duì)語(yǔ)言規(guī)律的建模和自然語(yǔ)言文本的生成，為自然語(yǔ)言處理領(lǐng)域的發(fā)展提供了強(qiáng)大的支持。

（二）典型大語(yǔ)言模型

通用大語(yǔ)言模型以如今廣為人知的由OpenAI發(fā)布的ChatGPT作為開(kāi)端，其在具有強(qiáng)大性能的GPT?3基礎(chǔ)模型上，引入代碼訓(xùn)練、指令微調(diào)（Instruction Tuning）和基于人類反饋的強(qiáng)化學(xué)習(xí)（Reinforcement Learning from Human Feedback，RLHF）等技術(shù)，進(jìn)一步增強(qiáng)自然交互和人類對(duì)齊能力，使其在面對(duì)常識(shí)性和推理性問(wèn)題、未知領(lǐng)域和敏感議題時(shí)展現(xiàn)出顯著智能化特征。在此之后，OpenAI所發(fā)布的多模態(tài)大模型GPT?4，支持同時(shí)以文本和圖像多種模態(tài)運(yùn)行，其認(rèn)知和推理能力或?qū)?lái)通用人工智能的再一次變革。

通過(guò)結(jié)合指令微調(diào)和基于人類反饋的強(qiáng)化學(xué)習(xí)兩項(xiàng)技術(shù)，ChatGPT在與人類用戶對(duì)話交互方面展現(xiàn)了卓越表現(xiàn)。例如，在程序調(diào)試方面，ChatGPT可以根據(jù)用戶提供的程序代碼片段回答錯(cuò)誤原因或提供解決方法，且還會(huì)主動(dòng)提問(wèn)以獲取更多信息，從而確認(rèn)自己的理解是否正確；在敏感話題方面，ChatGPT可以根據(jù)用戶提問(wèn)時(shí)使用的措辭或意圖判斷是否應(yīng)該回答。正因?yàn)檫@種強(qiáng)大的認(rèn)知與交互能力，ChatGPT一經(jīng)發(fā)布便迅速引起社會(huì)的廣泛關(guān)注，成為通用人工智能發(fā)展歷程中的重要里程碑。除ChatGPT外，眾多研究機(jī)構(gòu)還推出了各自的大語(yǔ)言模型，國(guó)內(nèi)外部分大語(yǔ)言模型發(fā)布時(shí)間線如圖1所示。這些模型各有特色，能夠靈活應(yīng)用于多樣化的場(chǎng)景與任務(wù)中，極大地推動(dòng)了人工智能技術(shù)的發(fā)展及其在實(shí)際中的應(yīng)用。

值得注意的是，大語(yǔ)言模型在工科實(shí)踐項(xiàng)目學(xué)習(xí)中發(fā)揮著重要作用。例如，它具備強(qiáng)大的編程能力，能理解自然語(yǔ)言編寫(xiě)的編程需求，生成代碼片段，幫助學(xué)生快速入門(mén)編程并優(yōu)化代碼。此外，大語(yǔ)言模型擁有龐大的知識(shí)庫(kù)和較強(qiáng)的學(xué)習(xí)能力，能為學(xué)生提供最新的技術(shù)動(dòng)態(tài)和實(shí)踐經(jīng)驗(yàn)，助力項(xiàng)目實(shí)施。

二、大語(yǔ)言模型在工科實(shí)踐教學(xué)中的機(jī)遇

工科實(shí)踐教學(xué)一直以來(lái)都是培養(yǎng)工程技術(shù)人才的重要途徑之一。在傳統(tǒng)工科實(shí)踐教學(xué)中，學(xué)生通過(guò)實(shí)驗(yàn)課、實(shí)習(xí)、設(shè)計(jì)項(xiàng)目等方式，鞏固理論知識(shí)，同時(shí)提升實(shí)際操作能力和問(wèn)題解決能力。然而，隨著科技的不斷進(jìn)步和人工智能技術(shù)的日益成熟，大語(yǔ)言模型作為一種新型的人工智能技術(shù)，為工科實(shí)踐教學(xué)帶來(lái)了全新的機(jī)遇與可能性。

（一）構(gòu)建個(gè)性化學(xué)習(xí)環(huán)境

傳統(tǒng)教學(xué)普遍采用“一刀切”的教學(xué)方式，讓每個(gè)學(xué)生接受相同的教學(xué)內(nèi)容與方法，忽視了學(xué)生間的個(gè)體差異。然而，每個(gè)學(xué)生的學(xué)習(xí)需求、興趣和學(xué)習(xí)風(fēng)格都可能不同，因此個(gè)性化學(xué)習(xí)體驗(yàn)變得至關(guān)重要。大語(yǔ)言模型以其卓越的自然語(yǔ)言處理能力和深度學(xué)習(xí)技術(shù)，為構(gòu)建個(gè)性化學(xué)習(xí)環(huán)境提供了強(qiáng)大的支持。通過(guò)深入了解學(xué)生的學(xué)習(xí)需求、習(xí)慣和偏好，大語(yǔ)言模型能夠生成定制化的學(xué)習(xí)資源、教學(xué)計(jì)劃和輔導(dǎo)方案，從而讓學(xué)生獲得更高效、更有趣的學(xué)習(xí)體驗(yàn)。

大語(yǔ)言模型通過(guò)收集和分析學(xué)生的學(xué)習(xí)數(shù)據(jù)，能夠精準(zhǔn)地把握學(xué)生的學(xué)習(xí)特點(diǎn)和需求。這些數(shù)據(jù)包括學(xué)生的答題記錄、學(xué)習(xí)時(shí)長(zhǎng)、互動(dòng)頻率等，通過(guò)對(duì)這些數(shù)據(jù)的挖掘和分析，模型能準(zhǔn)確識(shí)別學(xué)生的學(xué)習(xí)難點(diǎn)、興趣點(diǎn)及提升空間?；谶@些數(shù)據(jù)，大語(yǔ)言模型可以為學(xué)生推薦合適的學(xué)習(xí)資源與內(nèi)容。例如，對(duì)于基礎(chǔ)薄弱的學(xué)生，模型可以推薦一些基礎(chǔ)性的教程和練習(xí)題，幫助他們鞏固基礎(chǔ)知識(shí)；對(duì)于能力較強(qiáng)的學(xué)生，模型則可以推薦更具挑戰(zhàn)性和創(chuàng)新性的學(xué)習(xí)項(xiàng)目和任務(wù)，激發(fā)他們的探索精神與創(chuàng)新潛能。此外，大語(yǔ)言模型還可以根據(jù)學(xué)生的學(xué)習(xí)進(jìn)度和實(shí)時(shí)反饋，靈活調(diào)整教學(xué)計(jì)劃和策略。當(dāng)學(xué)生在學(xué)習(xí)過(guò)程中遇到困難時(shí)，模型能迅速提供針對(duì)性的指導(dǎo)，幫助他們解決問(wèn)題；當(dāng)學(xué)生的學(xué)習(xí)進(jìn)度超過(guò)預(yù)期時(shí)，模型也可以相應(yīng)地調(diào)整教學(xué)內(nèi)容與難度，持續(xù)激發(fā)學(xué)生的學(xué)習(xí)熱情與動(dòng)力。

（二）提供實(shí)時(shí)反饋和支持

在傳統(tǒng)教學(xué)模式中，教師通常面對(duì)的是一群學(xué)生，采用的是“一對(duì)多”的教學(xué)方式。在這種教學(xué)方式下，教師往往難以針對(duì)每個(gè)學(xué)生的個(gè)性化需求提供具體反饋與支持。隨著科技的進(jìn)步，大語(yǔ)言模型的出現(xiàn)為教育領(lǐng)域帶來(lái)了全新的可能性。大語(yǔ)言模型憑借其強(qiáng)大的自然語(yǔ)言處理能力和深度學(xué)習(xí)技術(shù)，充當(dāng)虛擬助教或智能輔導(dǎo)角色，為學(xué)生提供個(gè)性化的、實(shí)時(shí)的反饋與支持。無(wú)論學(xué)生身處家中、學(xué)校還是其他任何地方，一旦遇到學(xué)習(xí)難題或疑惑，都能即刻向大語(yǔ)言模型提出，并立即獲得解答與反饋。這不僅有助于及時(shí)解決學(xué)生的問(wèn)題，還能幫助他們厘清思路，深化知識(shí)理解，同時(shí)培養(yǎng)學(xué)生的主動(dòng)學(xué)習(xí)意識(shí)和獨(dú)立思考能力，使他們更加自信地應(yīng)對(duì)學(xué)習(xí)挑戰(zhàn)。

（三）推薦豐富的學(xué)習(xí)資源

在傳統(tǒng)教學(xué)模式中，學(xué)生的學(xué)習(xí)資源受限于教材、教師專業(yè)知識(shí)及學(xué)校資源，因此知識(shí)接觸面較窄，難以充分拓展學(xué)習(xí)深度和廣度。然而，隨著大語(yǔ)言模型的出現(xiàn)，這一局面得到了極大的改善。大語(yǔ)言模型憑借其強(qiáng)大的自然語(yǔ)言處理能力和深度學(xué)習(xí)技術(shù)，能夠精準(zhǔn)對(duì)接學(xué)生學(xué)習(xí)需求與教學(xué)目標(biāo)，生成豐富多樣的學(xué)習(xí)資源。這些資源全面覆蓋教學(xué)文檔、練習(xí)題、實(shí)驗(yàn)?zāi)M等，且能根據(jù)學(xué)生的個(gè)性化需求進(jìn)行靈活定制，從而有效拓寬學(xué)生的視野。

大語(yǔ)言模型能夠針對(duì)不同需求的學(xué)生提供定制化學(xué)習(xí)資源。對(duì)于在特定領(lǐng)域有濃厚興趣的學(xué)生，模型能深入挖掘相關(guān)知識(shí)，提供進(jìn)階內(nèi)容，以滿足他們的求知欲，激發(fā)他們的學(xué)習(xí)熱情，并培養(yǎng)他們的專業(yè)素養(yǎng)。對(duì)于學(xué)習(xí)遇阻或進(jìn)度較慢的學(xué)生，模型則能提供多層次輔助，依據(jù)學(xué)生實(shí)際情況定制練習(xí)題與解析，助力他們逐步攻克難點(diǎn)，提高學(xué)習(xí)效果。

（四）提升自主學(xué)習(xí)能力

在傳統(tǒng)教學(xué)模式中，學(xué)生常處于被動(dòng)接受信息的狀態(tài)。大語(yǔ)言模型能夠通過(guò)互動(dòng)學(xué)習(xí)的方式，有效激發(fā)學(xué)生的自主學(xué)習(xí)意識(shí)與潛能。模型作為交互式學(xué)習(xí)工具，有效引導(dǎo)學(xué)生自主學(xué)習(xí)，幫助學(xué)生培養(yǎng)良好的學(xué)習(xí)習(xí)慣與自主意識(shí)。當(dāng)學(xué)生在學(xué)習(xí)過(guò)程中遇到困難或疑問(wèn)時(shí)，他們可以與模型進(jìn)行對(duì)話，尋求幫助和指導(dǎo)，而不再完全依賴教師或其他人的指導(dǎo)。自主學(xué)習(xí)能力是現(xiàn)代社會(huì)中不可或缺的重要能力，它不僅有助于學(xué)生更好地適應(yīng)未來(lái)的學(xué)習(xí)和工作環(huán)境，實(shí)現(xiàn)自我成長(zhǎng)和發(fā)展，還能提高他們的學(xué)習(xí)效率和成效。通過(guò)與大語(yǔ)言模型的互動(dòng)學(xué)習(xí)，學(xué)生將掌握自主學(xué)習(xí)技能，學(xué)會(huì)主動(dòng)提出問(wèn)題、尋找答案及思考解決方案，為未來(lái)學(xué)習(xí)與職業(yè)發(fā)展奠定堅(jiān)實(shí)基礎(chǔ)。

三、大語(yǔ)言模型應(yīng)用于工科實(shí)踐教學(xué)的挑戰(zhàn)

大語(yǔ)言模型在工科實(shí)踐教學(xué)中應(yīng)用廣泛，為教學(xué)帶來(lái)了創(chuàng)新機(jī)遇，但同時(shí)也面臨著不容忽視的挑戰(zhàn)與風(fēng)險(xiǎn)。

（一）信息的準(zhǔn)確性難以保證

由于大語(yǔ)言模型在處理和生成文本時(shí)存在局限性，且對(duì)數(shù)據(jù)和上下文的理解可能存在偏差，因此大語(yǔ)言模型應(yīng)用于教學(xué)時(shí)存在帶來(lái)誤導(dǎo)性信息的風(fēng)險(xiǎn)。首先，大語(yǔ)言模型是通過(guò)學(xué)習(xí)大量的文本數(shù)據(jù)來(lái)生成回答的，這些數(shù)據(jù)可能包含錯(cuò)誤、過(guò)時(shí)或帶有偏見(jiàn)的信息。如果模型未能具備充分識(shí)別和過(guò)濾這些信息的能力，那么在生成答案時(shí)就有可能包含誤導(dǎo)性的內(nèi)容。其次，模型的訓(xùn)練數(shù)據(jù)可能無(wú)法完全反映現(xiàn)實(shí)世界的復(fù)雜性，這也會(huì)導(dǎo)致生成的答案存在局限性或偏差。再次，大語(yǔ)言模型在理解和解釋文本時(shí)可能受到上下文、語(yǔ)境和語(yǔ)義復(fù)雜性的影響。例如，在某些情況下，模型可能無(wú)法準(zhǔn)確理解問(wèn)題的真正含義或意圖，從而生成與實(shí)際情況不符的答案。這種誤解或誤判可能導(dǎo)致學(xué)生接收到錯(cuò)誤的信息或概念。最后，大語(yǔ)言模型還存在被濫用或誤用的風(fēng)險(xiǎn)。例如，有人可能會(huì)故意輸入錯(cuò)誤的問(wèn)題或誘導(dǎo)模型生成誤導(dǎo)性的答案，以此來(lái)誤導(dǎo)學(xué)生或達(dá)到其他不良目的。這種濫用行為不僅會(huì)影響教學(xué)質(zhì)量，還可能對(duì)學(xué)生的學(xué)習(xí)和認(rèn)知產(chǎn)生負(fù)面影響。

（二）知識(shí)的碎片化程度加劇

由于大語(yǔ)言模型采用問(wèn)答式學(xué)習(xí)方式，僅在學(xué)生提出問(wèn)題后才進(jìn)行回答，這導(dǎo)致其所呈現(xiàn)的知識(shí)往往以相對(duì)獨(dú)立的主題形式存在，難以保證知識(shí)的系統(tǒng)性。不可否認(rèn)，在數(shù)字化時(shí)代，碎片化學(xué)習(xí)是一種重要的學(xué)習(xí)方式，但知識(shí)的碎片化不利于學(xué)生構(gòu)建完整的知識(shí)結(jié)構(gòu)體系。具體而言，問(wèn)答式學(xué)習(xí)雖能滿足個(gè)體學(xué)習(xí)需求，卻將知識(shí)分割成了碎片，使原本體系化的知識(shí)結(jié)構(gòu)被打散。學(xué)生在面對(duì)這些無(wú)序的碎片化知識(shí)時(shí)，難以有效建立知識(shí)碎片之間的相互聯(lián)系。此外，知識(shí)的碎片化還會(huì)加劇資源信息的超負(fù)荷現(xiàn)象，使得知識(shí)的甄別難度日益增大。同時(shí)，在碎片化學(xué)習(xí)環(huán)境下，人的思維容易變得去中心化，注意力難以集中，往往采取發(fā)散性思維看待事物，導(dǎo)致學(xué)習(xí)的深度與廣度不足。學(xué)生可能滿足于在生成答案時(shí)淺嘗輒止，缺乏進(jìn)一步的思考和知識(shí)內(nèi)化，從而難以促進(jìn)知識(shí)的有效遷移和學(xué)以致用。

（三）偏離動(dòng)手能力培養(yǎng)目標(biāo)

工科實(shí)踐教學(xué)的核心在于培養(yǎng)學(xué)生的實(shí)踐能力和實(shí)驗(yàn)技能，這是他們未來(lái)從事工程技術(shù)工作的基礎(chǔ)。實(shí)踐能力和實(shí)驗(yàn)技能的培養(yǎng)不僅依賴于理論知識(shí)的學(xué)習(xí)，更需要學(xué)生在真實(shí)的實(shí)驗(yàn)環(huán)境和操作中不斷嘗試、摸索和修正。在真實(shí)的實(shí)驗(yàn)環(huán)境中，學(xué)生可能會(huì)遇到各種未知的挑戰(zhàn)和問(wèn)題，這些問(wèn)題往往沒(méi)有固定的答案，需要學(xué)生根據(jù)自身的知識(shí)和經(jīng)驗(yàn)進(jìn)行獨(dú)立思考和判斷。通過(guò)不斷地嘗試和修正，學(xué)生可以逐步掌握實(shí)驗(yàn)的關(guān)鍵技巧和方法，提升自己的實(shí)踐能力。過(guò)度依賴模型可能會(huì)導(dǎo)致學(xué)生缺乏實(shí)際操作的經(jīng)驗(yàn)和技巧，使他們?cè)诓僮髡鎸?shí)的實(shí)驗(yàn)設(shè)備時(shí)顯得生疏和不自信。缺乏實(shí)際操作和調(diào)試經(jīng)驗(yàn)不利于學(xué)生準(zhǔn)確理解實(shí)驗(yàn)原理及步驟，導(dǎo)致學(xué)生難以有效地將理論知識(shí)與實(shí)際操作相結(jié)合，偏離學(xué)以致用的目標(biāo)。

（四）阻礙學(xué)生創(chuàng)新思維培養(yǎng)

過(guò)度依賴大語(yǔ)言模型可能會(huì)削弱學(xué)生在實(shí)際操作中獨(dú)立思考和解決問(wèn)題的能力，這種依賴性在一定程度上阻礙了學(xué)生創(chuàng)新思維的培養(yǎng)和高階能力的提升。大語(yǔ)言模型能夠即時(shí)提供答案和解決方案，這在一定程度上減少了學(xué)生獨(dú)立思考和探索的機(jī)會(huì)。當(dāng)學(xué)生遇到問(wèn)題時(shí)，他們可能更傾向于直接詢問(wèn)模型，而不是自己嘗試分析問(wèn)題、提出假設(shè)并進(jìn)行實(shí)驗(yàn)驗(yàn)證。這種即時(shí)的反饋機(jī)制雖然方便快捷，但削弱了學(xué)生面對(duì)挑戰(zhàn)時(shí)的自主探索精神，不利于他們通過(guò)實(shí)踐來(lái)培養(yǎng)創(chuàng)新思維。此外，大語(yǔ)言模型通?；诖罅康臄?shù)據(jù)和算法進(jìn)行生成和推理，其提供的答案和解決方案往往局限于已知的范圍，可能會(huì)導(dǎo)致學(xué)生陷入思維定式，難以跳出已知框架去思考和探索新的問(wèn)題。這種思維定式也在一定程度上限制了學(xué)生的創(chuàng)新思維和解決問(wèn)題的能力，使他們?cè)诿鎸?duì)未知或復(fù)雜問(wèn)題時(shí)可能感到無(wú)所適從。

四、大語(yǔ)言模型時(shí)代教師主動(dòng)應(yīng)對(duì)策略

面對(duì)大語(yǔ)言模型帶來(lái)的教學(xué)機(jī)遇和挑戰(zhàn)，工科高校教師需要采取一系列策略來(lái)適應(yīng)這種新的教學(xué)環(huán)境。

（一）抓住機(jī)遇優(yōu)化教學(xué)設(shè)計(jì)

大語(yǔ)言模型作為人工智能領(lǐng)域的一項(xiàng)重要技術(shù)，為高校工科教學(xué)帶來(lái)了前所未有的機(jī)遇。教師應(yīng)積極擁抱這一變革，充分利用大語(yǔ)言模型的優(yōu)勢(shì)，創(chuàng)新教學(xué)方式，提升教學(xué)質(zhì)量。

第一，大語(yǔ)言模型具有強(qiáng)大的自然語(yǔ)言處理能力，能夠理解和生成人類語(yǔ)言。因此，可以利用大語(yǔ)言模型構(gòu)建智能問(wèn)答系統(tǒng)，幫助學(xué)生快速解答學(xué)習(xí)中的疑問(wèn)。傳統(tǒng)的問(wèn)答方式往往受限于教師的知識(shí)儲(chǔ)備和教學(xué)時(shí)間，而智能問(wèn)答系統(tǒng)則可以隨時(shí)隨地為學(xué)生提供幫助，極大地提高學(xué)習(xí)效率。同時(shí)，每個(gè)學(xué)生都有自己獨(dú)特的學(xué)習(xí)方式和節(jié)奏，傳統(tǒng)的“齊步走”教學(xué)模式很難滿足所有學(xué)生的需求。大語(yǔ)言模型可以根據(jù)學(xué)生的學(xué)習(xí)數(shù)據(jù)和習(xí)慣，為每個(gè)學(xué)生提供定制化的學(xué)習(xí)建議和資源。這有助于激發(fā)學(xué)生的學(xué)習(xí)興趣和積極性，提高他們的學(xué)習(xí)效果。

第二，大語(yǔ)言模型還可以幫助教師拓展教學(xué)內(nèi)容。工科領(lǐng)域的知識(shí)更新迅速，教師需要不斷學(xué)習(xí)和掌握新知識(shí)才能跟上時(shí)代的步伐。然而，由于時(shí)間和精力的限制，教師很難及時(shí)獲取和整理所有相關(guān)資料。而大語(yǔ)言模型可以通過(guò)爬取互聯(lián)網(wǎng)上的信息，為教師提供豐富的教學(xué)素材和案例。這可以幫助教師豐富教學(xué)內(nèi)容，使學(xué)生接觸到更多前沿知識(shí)和技術(shù)，拓寬他們的視野和思路。

第三，大語(yǔ)言模型還可以促進(jìn)教學(xué)方式的創(chuàng)新。傳統(tǒng)的工科教學(xué)方式往往注重理論知識(shí)的傳授和實(shí)踐技能的培養(yǎng)，而忽視了學(xué)生的自主探究體驗(yàn)。大語(yǔ)言模型的應(yīng)用可以為學(xué)生提供更多的自主學(xué)習(xí)和探索的機(jī)會(huì)，鼓勵(lì)他們通過(guò)提出問(wèn)題、解決問(wèn)題的方式來(lái)深化對(duì)知識(shí)的理解和掌握。同時(shí)，教師還可以利用大語(yǔ)言模型引導(dǎo)學(xué)生開(kāi)展項(xiàng)目式學(xué)習(xí)、協(xié)作式學(xué)習(xí)等，培養(yǎng)學(xué)生的團(tuán)隊(duì)協(xié)作能力。

（二）應(yīng)對(duì)挑戰(zhàn)規(guī)避潛在風(fēng)險(xiǎn)

正如任何技術(shù)革新一樣，大語(yǔ)言模型給教學(xué)帶來(lái)的不僅僅是機(jī)遇，也伴隨著一系列挑戰(zhàn)。工科高校教師需要積極應(yīng)對(duì)這些挑戰(zhàn)，確保技術(shù)的合理應(yīng)用，并最大限度地發(fā)揮其在教學(xué)中的積極作用。

大語(yǔ)言模型技術(shù)的復(fù)雜性和專業(yè)性對(duì)教師提出了更高的信息素養(yǎng)要求。要有效應(yīng)用大語(yǔ)言模型開(kāi)展教學(xué)，教師需要具備一定的計(jì)算機(jī)技術(shù)和人工智能基礎(chǔ)知識(shí)，了解模型的工作原理、數(shù)據(jù)輸入和處理方式等。同時(shí)，教師還需要學(xué)會(huì)如何選擇和使用適合教學(xué)需求的大語(yǔ)言模型，確保模型在教學(xué)中的準(zhǔn)確性和可靠性。學(xué)生在使用大語(yǔ)言模型時(shí)，可能會(huì)因?yàn)槿狈ε行运季S而容易接受模型生成的信息，從而導(dǎo)致對(duì)知識(shí)的誤解或淺嘗輒止。因此，教師需要引導(dǎo)學(xué)生正確使用大語(yǔ)言模型，培養(yǎng)學(xué)生的信息篩選和判斷能力。這包括引導(dǎo)學(xué)生如何評(píng)估模型生成信息的可靠性、如何結(jié)合其他資料進(jìn)行綜合分析，以及如何對(duì)模型進(jìn)行反饋和改進(jìn)等。

在傳統(tǒng)教學(xué)中，學(xué)生需要通過(guò)自身的努力和深入思考來(lái)解決問(wèn)題，而大語(yǔ)言模型的出現(xiàn)可能會(huì)使學(xué)生傾向于依賴技術(shù)來(lái)快速獲取答案，不利于培養(yǎng)學(xué)生獨(dú)立思考和自主解決問(wèn)題的能力。為了應(yīng)對(duì)這一挑戰(zhàn)，教師需要注重培養(yǎng)學(xué)生的自主學(xué)習(xí)能力和創(chuàng)新精神，引導(dǎo)他們將大語(yǔ)言模型作為學(xué)習(xí)的輔助工具。同時(shí)，教師還可以設(shè)計(jì)具有挑戰(zhàn)性和探索性的學(xué)習(xí)任務(wù)，以激發(fā)學(xué)生的學(xué)習(xí)興趣和主動(dòng)性。

（三）以需求為牽引的互動(dòng)教學(xué)案例

下面展示一個(gè)利用大語(yǔ)言模型開(kāi)展“師—生—大模型”教學(xué)的具體案例。該案例以“某部門(mén)多型裝備歷年經(jīng)費(fèi)投入可視化”問(wèn)題為導(dǎo)向，利用大語(yǔ)言模型智能輔助手段，通過(guò)問(wèn)題分析、方法篩選、輔助編碼等階段解決實(shí)際問(wèn)題（見(jiàn)表1）。從該案例可以看出，大語(yǔ)言模型在工科實(shí)踐教學(xué)中的應(yīng)用并不僅僅局限于簡(jiǎn)單的單回合問(wèn)答。相反，教師可以根據(jù)具體情況進(jìn)行合理的引導(dǎo)和啟發(fā)，同時(shí)鼓勵(lì)學(xué)生結(jié)合所學(xué)知識(shí)，對(duì)大語(yǔ)言模型返回的結(jié)果進(jìn)行合理運(yùn)用、篩選、甄別及必要的調(diào)整。

五、結(jié)語(yǔ)

在ChatGPT等大語(yǔ)言模型蓬勃發(fā)展的當(dāng)下，教育領(lǐng)域正經(jīng)歷一場(chǎng)前所未有的技術(shù)創(chuàng)新浪潮。特別是在工科實(shí)踐教學(xué)中，自適應(yīng)學(xué)習(xí)與人工智能技術(shù)的深度融合，正引領(lǐng)我們探索一種全新的教學(xué)模式。在這種模式下，學(xué)生能夠根據(jù)個(gè)人興趣和學(xué)習(xí)進(jìn)度，靈活選擇適合自己的學(xué)習(xí)路徑，從而實(shí)現(xiàn)真正意義上的個(gè)性化學(xué)習(xí)。這種互動(dòng)式的學(xué)習(xí)方式，不僅能夠激發(fā)學(xué)生的學(xué)習(xí)興趣和提升學(xué)生的課堂參與度，還能有效提升教學(xué)效果。然而，工科實(shí)踐教學(xué)中運(yùn)用大語(yǔ)言模型面臨著一些不容忽視的挑戰(zhàn)和風(fēng)險(xiǎn)。在未來(lái)一段時(shí)間內(nèi)，教師仍將是工科實(shí)踐教學(xué)中培養(yǎng)學(xué)生創(chuàng)新能力和批判性思維的主體。如何不斷探索和優(yōu)化教學(xué)模式、合理運(yùn)用大語(yǔ)言模型，以適應(yīng)新技術(shù)時(shí)代的教育需求，值得進(jìn)一步深入研究和探索。

［ 參 考 文 獻(xiàn) ］

[1］ 國(guó)務(wù)院.國(guó)務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知[EB/OL]. （2017-07-20）[2024-04-03]. https：//www.gov.cn/zhengce/content/2017-07/20/con?"tent_5211996.htm.

[2］ BAIDOO?ANU D，ANSAH L O. Education in the era of generative artificial intelligence（AI）：understanding the potential benefits of ChatGPT in promoting teaching and learning [J]. Journal of AI， 2023， 7（1）： 52-62.

[3］ 汪芳，趙左，王毅航，等. 人工智能在程序設(shè)計(jì)教學(xué)應(yīng)用中的探索與實(shí)踐[J].計(jì)算機(jī)教育，2023（11）： 45-50.

[4］ 盧宇，余京蕾，陳鵬鶴，等.生成式人工智能的教育應(yīng)用與展望：以ChatGPT系統(tǒng)為例[J].中國(guó)遠(yuǎn)程教育，2023，43（4）：24-31.

[5］ 張震宇，洪化清. ChatGPT支持的外語(yǔ)教學(xué)：賦能、問(wèn)題與策略[J]. 外語(yǔ)界，2023（2）：38-44.

[6］ 丁奕，呂寒雪.當(dāng)教師遇上ChatGPT：挑戰(zhàn)與應(yīng)對(duì)之道[J].當(dāng)代教育論壇，2024（2）：10-18.

[7］ UNESCO. Guidance for generative AI in education and research [EB/OL].（2023-09-07）[2024-04-03]. https：//www.unesco.org/en/articles/guidance?generative?ai?education?and?research.

[8］ 陳慧敏，劉知遠(yuǎn)，孫茂松.大語(yǔ)言模型時(shí)代的社會(huì)機(jī)遇與挑戰(zhàn)[J]. 計(jì)算機(jī)研究與發(fā)展，2024，61（5）：1094-1103.

［責(zé)任編輯：梁金鳳］