摘要：本研究探討了在現(xiàn)代通信原理課程中，利用大語言模型（Large Language Models，LLM）設(shè)計自適應(yīng)學(xué)習(xí)路徑的方法，以應(yīng)對科技快速發(fā)展帶來的教學(xué)挑戰(zhàn)。通過分析本校研究生的預(yù)習(xí)反饋數(shù)據(jù)，發(fā)現(xiàn)學(xué)生在預(yù)習(xí)過程中展現(xiàn)出適應(yīng)性和主動性，能夠根據(jù)需求選擇合適的預(yù)習(xí)工具?；诖?，本文提出了一種自適應(yīng)學(xué)習(xí)路徑設(shè)計。該設(shè)計利用大語言模型的自然語言處理能力，為學(xué)生提供個性化的學(xué)習(xí)建議，并根據(jù)學(xué)習(xí)進度和反饋進行動態(tài)調(diào)整。這種設(shè)計旨在提高學(xué)習(xí)效率，深化知識理解，并培養(yǎng)科研能力。然而，該設(shè)計仍面臨確保信息準(zhǔn)確性、平衡學(xué)習(xí)路徑靈活性系統(tǒng)性等挑戰(zhàn)。

關(guān)鍵詞：大語言模型；自適應(yīng)學(xué)習(xí)路徑；教育改革；通信理論與系統(tǒng)；學(xué)習(xí)效率

一、引言

現(xiàn)代通信原理作為電子信息領(lǐng)域的基石，在研究生教育中具有不可替代的重要性。隨著科技的快速發(fā)展，研究生在掌握現(xiàn)代通信原理時面臨新的挑戰(zhàn)，主要源于知識體系的復(fù)雜性和理論與實踐結(jié)合的難度[1]，這就要求學(xué)生具備堅實的理論基礎(chǔ)和跨學(xué)科知識[2]。然而，傳統(tǒng)的學(xué)習(xí)方法往往難以滿足現(xiàn)代通信原理的高難度和高要求。學(xué)生雖具備一定的知識儲備和自主學(xué)習(xí)能力，但在實際應(yīng)用中仍感不足。因此，他們需要一種創(chuàng)新且適應(yīng)性強的學(xué)習(xí)方案來提升學(xué)習(xí)效率和問題解決能力[3]。

大語言模型的引入為教育領(lǐng)域帶來了新的變革。這些模型擁有強大的自然語言處理和信息檢索能力，能夠輔助學(xué)生快速找到學(xué)習(xí)資源，簡化知識理解，并提供個性化學(xué)習(xí)支持[4]。這種基于大語言模型的學(xué)習(xí)方式，不僅能滿足研究生的學(xué)習(xí)需求，還能有效提高他們的學(xué)習(xí)效率[5-6]。

隨著大語言模型在教育領(lǐng)域的應(yīng)用，教師的角色轉(zhuǎn)變?yōu)閷W(xué)習(xí)的引導(dǎo)者和陪伴者。教師需要在大語言模型的支持下，引導(dǎo)學(xué)生深入理解知識，培養(yǎng)批判性和創(chuàng)新思維。[7]這要求教師具備更高的專業(yè)素養(yǎng)和教育技能，并與學(xué)生建立緊密的互動關(guān)系。

二、預(yù)習(xí)反饋的數(shù)據(jù)分析

該課程通過9周時間收集了信息與通信領(lǐng)域研究生的自主預(yù)習(xí)反饋。在收集和分析了學(xué)生的預(yù)習(xí)情況后，教師設(shè)計了基于大語言模型的自適應(yīng)學(xué)習(xí)路徑。

研究顯示，學(xué)生在預(yù)習(xí)初期傾向于嘗試使用大語言模型，但隨著時間推移，他們更傾向于結(jié)合使用大語言模型和其他工具。這種趨勢表明，學(xué)生在預(yù)習(xí)過程中逐漸認(rèn)識到不同工具的優(yōu)勢，并根據(jù)個人需求調(diào)整學(xué)習(xí)策略。學(xué)生表現(xiàn)出學(xué)習(xí)適應(yīng)性和主動性，能夠根據(jù)學(xué)習(xí)效率和知識深度的需求，選擇最適合自己的學(xué)習(xí)方式。這為教師提供了洞見，指導(dǎo)如何設(shè)計更加個性化和有效的教學(xué)方法。為了深入了解這些工具在學(xué)習(xí)過程中的實際效果和潛在問題，表1收集了學(xué)生采用不同預(yù)習(xí)方法總結(jié)的優(yōu)缺點。

（一）大語言模型與其他工具的共同優(yōu)點

首先，無論是大語言模型還是其他工具，它們都為學(xué)生提供了豐富的信息資源。大語言模型通過整合網(wǎng)絡(luò)上的大量知識，能夠為學(xué)生提供全面的、多角度的解釋；而其他工具也因其易于獲取和使用的特點，為學(xué)生提供了便捷的學(xué)習(xí)途徑。

其次，這些工具都在一定程度上提高了學(xué)生的學(xué)習(xí)效率。大語言模型的實時反饋功能使學(xué)生能夠即時解決問題，而其他工具的搜索和瀏覽功能也幫助學(xué)生快速找到所需信息。

（二）大語言模型與其他工具的差異性優(yōu)點

大語言模型通過其強大的自然語言處理能力，能夠為學(xué)生提供個性化的學(xué)習(xí)體驗，解答復(fù)雜的問題，并幫助學(xué)生理解抽象的概念。這種深度學(xué)習(xí)能力是其他工具所無法比擬的。相比之下，其他工具在某些領(lǐng)域或主題上具有更高的專業(yè)性和權(quán)威性。例如，專業(yè)課程的視頻講解或經(jīng)典教材的深入剖析，往往能為學(xué)生提供更為系統(tǒng)和深入的知識體系。

（三）學(xué)生反饋中的主要缺點

對于大語言模型來說，雖然其提供的信息全面，但有時也顯得過于繁雜，學(xué)生難以從中篩選出關(guān)鍵內(nèi)容。此外，大語言模型的準(zhǔn)確性也受到網(wǎng)絡(luò)信息和其自身算法的限制，有時可能出現(xiàn)誤導(dǎo)性信息或錯誤的解釋。同時，大語言模型的使用還依賴于網(wǎng)絡(luò)連接，這在某些環(huán)境下可能成為學(xué)習(xí)的障礙。

對于其他工具來說，信息質(zhì)量的不均衡是一個主要問題。學(xué)生在使用時，需要自行篩選和判斷信息的真實性和有效性。此外，這些工具可能受到版權(quán)問題或收費限制的影響，導(dǎo)致某些優(yōu)質(zhì)資源無法被充分利用。

三、基于大語言模型的自適應(yīng)學(xué)習(xí)路徑設(shè)計

（一）學(xué)生適應(yīng)性學(xué)習(xí)情況分析

從表1的數(shù)據(jù)可以看出，學(xué)生在預(yù)習(xí)過程中表現(xiàn)出顯著的適應(yīng)性，他們開始時可能傾向于使用單一工具，如大語言模型，但隨后意識到需要結(jié)合不同工具以獲得更深層次的理解和系統(tǒng)化的知識。學(xué)生們通過整合大語言模型、視頻資源、搜索工具和書本等，能夠更全面地掌握知識點，這不僅提高了學(xué)習(xí)效率，也增強了學(xué)習(xí)的深度和廣度。

盡管大語言模型和其他數(shù)字工具極大地豐富了學(xué)生的預(yù)習(xí)資源，但它們也帶來了新的挑戰(zhàn)。例如，大語言模型可能提供的信息不夠全面或更新，而互聯(lián)網(wǎng)搜索可能導(dǎo)致信息過載。面對這些挑戰(zhàn)，學(xué)生需要學(xué)會如何有效地篩選和整合信息，以及如何平衡使用不同工具以優(yōu)化學(xué)習(xí)效果。這要求學(xué)生具備批判性思維能力，能夠評估信息的可靠性和相關(guān)性。

（二）學(xué)生適應(yīng)性學(xué)習(xí)路徑設(shè)計

分析學(xué)生預(yù)習(xí)反饋后，本文提出一種自適應(yīng)學(xué)習(xí)路徑，旨在為研究生提供個性化學(xué)習(xí)方案，兼顧學(xué)習(xí)效率和知識深度。此路徑特別關(guān)注科研能力，包括信息檢索、批判性思維和創(chuàng)新能力培養(yǎng)。學(xué)習(xí)路徑設(shè)計原則為：

1.數(shù)據(jù)驅(qū)動：利用本文第二部分收集的數(shù)據(jù)，分析學(xué)生的學(xué)習(xí)偏好、難點和興趣點，為每個學(xué)生量身定制學(xué)習(xí)路徑。

2.動態(tài)調(diào)整：學(xué)習(xí)路徑不是固定的，而是根據(jù)學(xué)生的預(yù)習(xí)反饋和學(xué)習(xí)表現(xiàn)進行動態(tài)調(diào)整，確保學(xué)生始終沿著最適合自己的路徑前進。

3.科研導(dǎo)向：考慮到研究生教育的科研目標(biāo)，將學(xué)習(xí)路徑與科研能力培養(yǎng)相結(jié)合，幫助學(xué)生在掌握知識的同時提升科研素養(yǎng)。

接下來，通過一張流程圖來具體展示這一自適應(yīng)學(xué)習(xí)路徑的設(shè)計（見圖2）：

收集預(yù)習(xí)反饋數(shù)據(jù)：收集學(xué)生的預(yù)習(xí)反饋，包括他們使用的學(xué)習(xí)工具、遇到的問題、感興趣的話題等。同時，收集學(xué)生的基本信息，如學(xué)習(xí)背景、先前知識等，為后續(xù)的大語言模型分析提供數(shù)據(jù)基礎(chǔ)。

利用大語言模型進行初始評估：將收集到的數(shù)據(jù)輸入到大語言模型中，利用其強大的自然語言處理和理解能力，分析學(xué)生的學(xué)習(xí)風(fēng)格、興趣點、潛在難點等，生成個性化的學(xué)習(xí)建議。

生成個性化學(xué)習(xí)路徑：基于大語言模型的初始評估結(jié)果，這條學(xué)習(xí)路徑考慮了學(xué)生的學(xué)習(xí)偏好、難點和興趣點，確保學(xué)生從一開始就能接觸到最符合他們需求的學(xué)習(xí)內(nèi)容。

學(xué)生按路徑學(xué)習(xí)：學(xué)生按照生成的學(xué)習(xí)路徑進行學(xué)習(xí)，包括閱讀推薦資料、完成相關(guān)練習(xí)、參與討論等。學(xué)生隨時向大語言模型尋求幫助，解答疑問或提供進一步的學(xué)習(xí)建議。

持續(xù)監(jiān)控與數(shù)據(jù)收集：在學(xué)生學(xué)習(xí)過程中，持續(xù)監(jiān)控他們的學(xué)習(xí)進度和表現(xiàn)，收集相關(guān)數(shù)據(jù)，如學(xué)習(xí)時間、完成率、正確率等。這些數(shù)據(jù)將用于后續(xù)的學(xué)習(xí)路徑調(diào)整和優(yōu)化。

大語言模型動態(tài)調(diào)整學(xué)習(xí)路徑：將持續(xù)收集的數(shù)據(jù)再次輸入到大語言模型中，根據(jù)其分析結(jié)果動態(tài)調(diào)整學(xué)習(xí)路徑。

嵌入大語言模型輔助科研活動：在學(xué)習(xí)路徑中嵌入與大語言模型相關(guān)的科研活動，如利用大語言模型進行文獻綜述、實驗設(shè)計等，旨在幫助學(xué)生更好地理解和應(yīng)用大語言模型，同時培養(yǎng)他們的科研能力和創(chuàng)新思維。

定期評估與優(yōu)化：每隔一段時間，對學(xué)生的學(xué)習(xí)成果進行評估，包括知識掌握情況、科研活動完成情況等。根據(jù)評估結(jié)果，對大語言模型和學(xué)習(xí)路徑進行優(yōu)化，以更好地滿足學(xué)生的學(xué)習(xí)需求和提高學(xué)習(xí)效果。

結(jié)束與總結(jié)：當(dāng)學(xué)習(xí)結(jié)束時，總結(jié)學(xué)生的學(xué)習(xí)成果和整個學(xué)習(xí)過程的經(jīng)驗教訓(xùn)，為未來的課程設(shè)計和大語言模型的應(yīng)用提供有價值的參考和啟示。

（三） 學(xué)生適應(yīng)性學(xué)習(xí)路徑設(shè)計評價

基于大語言模型的自適應(yīng)學(xué)習(xí)路徑設(shè)計具有以下幾個顯著優(yōu)點：

1. 數(shù)據(jù)驅(qū)動：通過收集和分析學(xué)生的學(xué)習(xí)數(shù)據(jù)，可以為每位學(xué)生定制個性化的學(xué)習(xí)路徑，從而提高學(xué)習(xí)效率。

2. 動態(tài)調(diào)整：學(xué)習(xí)路徑可以根據(jù)學(xué)生的學(xué)習(xí)進展和反饋進行調(diào)整，確保學(xué)習(xí)內(nèi)容始終貼合學(xué)生的實際情況。

3. 科研導(dǎo)向：強調(diào)培養(yǎng)學(xué)生的科研能力，有助于他們在未來學(xué)術(shù)研究中發(fā)揮更大的作用。

然而，這個學(xué)習(xí)路徑也存在一些潛在的不足之處和改進空間：

1.大語言模型可能無法完全理解所有學(xué)生的獨特需求，特別是對于那些非典型的學(xué)習(xí)者來說。為了克服這一點，可以考慮增加人工干預(yù)環(huán)節(jié)，比如設(shè)置導(dǎo)師或助教的角色，他們可以提供額外的指導(dǎo)和關(guān)注。

2.學(xué)習(xí)路徑可能需要更多元化的學(xué)習(xí)資源和支持，而不僅僅是依賴于大語言模型的分析和建議?？梢酝ㄟ^整合其他類型的教育技術(shù)和資源，如在線論壇、協(xié)作學(xué)習(xí)平臺等，來豐富學(xué)習(xí)體驗。

3.在某些情況下，大語言模型可能會產(chǎn)生過于機械或者標(biāo)準(zhǔn)化的輸出，缺乏針對個別學(xué)生情感和心理層面的支持。為了解決這個問題，可以在學(xué)習(xí)路徑中加入更多的社交元素和人際交流機會，鼓勵學(xué)生之間的合作和交流。

4.對于那些不熟悉或不愿意使用大語言模型的學(xué)生來說，可能存在接受度的問題。需要通過培訓(xùn)和教育來增強學(xué)生對這種新技術(shù)的信任和使用意愿。

5.隱私和數(shù)據(jù)安全問題也不容忽視。在設(shè)計學(xué)習(xí)路徑時，必須嚴(yán)格遵守數(shù)據(jù)保護法規(guī)，確保學(xué)生個人信息的安全。

四、結(jié)束語

預(yù)習(xí)是學(xué)生提高學(xué)習(xí)效率和深化理解的重要手段，本文通過對研究生預(yù)習(xí)情況的深入分析，探討了基于大語言模型的自適應(yīng)學(xué)習(xí)路徑設(shè)計的可行性和有效性。

首先，通過對學(xué)生預(yù)習(xí)反饋的數(shù)據(jù)分析，發(fā)現(xiàn)學(xué)生在預(yù)習(xí)過程中展現(xiàn)出了顯著的適應(yīng)性和主動性。他們不僅能夠根據(jù)學(xué)習(xí)需求選擇合適的預(yù)習(xí)工具，還能在學(xué)習(xí)過程中不斷調(diào)整策略，以達到更好的學(xué)習(xí)效果。

其次，本文提出的基于大語言模型的自適應(yīng)學(xué)習(xí)路徑設(shè)計充分考慮了學(xué)生的學(xué)習(xí)效率和知識深度需求。通過利用大語言模型強大的自然語言處理和理解能力，能夠為學(xué)生生成個性化的學(xué)習(xí)建議，并根據(jù)他們的學(xué)習(xí)進度和反饋進行動態(tài)調(diào)整。這種設(shè)計不僅有助于提高學(xué)生的學(xué)習(xí)效率，還能幫助他們更深入地理解知識，培養(yǎng)科研能力。

然而也應(yīng)該看到，基于大語言模型的自適應(yīng)學(xué)習(xí)路徑設(shè)計仍面臨一些挑戰(zhàn)和問題。例如，如何確保大語言模型提供的信息的準(zhǔn)確性和可靠性？如何平衡學(xué)習(xí)路徑的靈活性和系統(tǒng)性？如何滿足不同學(xué)生的多樣化需求？這些問題需要教師在未來的教學(xué)中進一步探討和解決。

展望未來，基于大語言模型的自適應(yīng)學(xué)習(xí)路徑設(shè)計將在教育領(lǐng)域發(fā)揮越來越重要的作用。隨著技術(shù)的不斷進步和教育理念的更新，將能夠為學(xué)生提供更加個性化、高效和深入的學(xué)習(xí)體驗。同時，也期待更多的教育工作者和研究者加入這個領(lǐng)域中來，共同推動自適應(yīng)學(xué)習(xí)路徑設(shè)計的發(fā)展和完善，共同推動教育創(chuàng)新和技術(shù)進步。

作者單位：曾倩 扶王歡 陳東 唐麗莉 李光明

南寧師范大學(xué)

參考文獻

[1]周玲.基于“1+X”證書制度的“崗課賽證”融通的人才培養(yǎng)機制探究——以現(xiàn)代通信技術(shù)專業(yè)為例[J].中國新通信，2023，25（20）： 146-148.

[2]唐曉，李立欣，林文晟等.分進合擊的“通信原理”教學(xué)改革探索[J].工業(yè)和信息化教育，2023（10）：61-65.

[3]王鎧堯，曾軍英，楊芷華.新工科背景下地方應(yīng)用型本科院校的《通信原理》課程教改思考[J].中國新通信，2023，25（08）：104-106.

[4]劉心娟，宮銀燕，李燦，等.互聯(lián)網(wǎng)時代背景下提升研究生科研創(chuàng)新能力的探索與實踐[J].中國新通信，2021，23（20）：191-192.

[5]楊會.通信原理線上+線下混合式實驗教學(xué)模式的探索[J].中國教育技術(shù)裝備，2023，（15）：131-135.

[6]韓筠.數(shù)字時代高等教育的教學(xué)創(chuàng)新[J].中國大學(xué)教學(xué)，2023，（12）：4-10.

[7]王玉平.大語言模型在信息化中的應(yīng)用研究[J].中國教育網(wǎng)絡(luò)，2023，（06）：34-36.