中圖分類號(hào)：G434文獻(xiàn)標(biāo)識(shí)碼：A 論文編號(hào)：1674—2117（2025）15—0105-04

引言

近年來，隨著信息技術(shù)的快速發(fā)展，信息安全問題日益凸顯，國(guó)家相繼出臺(tái)了《中華人民共和國(guó)網(wǎng)絡(luò)安全法》《中華人民共和國(guó)數(shù)據(jù)安全法》等法律法規(guī)，并加快推進(jìn)網(wǎng)絡(luò)安全標(biāo)準(zhǔn)化建設(shè)。國(guó)家政策文件明確要求高校加強(qiáng)網(wǎng)絡(luò)安全標(biāo)準(zhǔn)化相關(guān)課程建設(shè)，推動(dòng)專業(yè)教育與行業(yè)標(biāo)準(zhǔn)的深度融合。然而，目前高職院校信息安全專業(yè)的人才培養(yǎng)在課程內(nèi)容更新、實(shí)踐能力培養(yǎng)及標(biāo)準(zhǔn)化教育等方面仍存在不足，難以滿足行業(yè)對(duì)高水平技能型人才的需求。因此，構(gòu)建精準(zhǔn)教學(xué)體系，以智能化手段優(yōu)化教學(xué)模式，提升學(xué)生的實(shí)踐能力和標(biāo)準(zhǔn)化理解能力，成為當(dāng)前高職信息安全教育改革的重要方向。

生成式人工智能技術(shù)的興起，為教育領(lǐng)域的智能優(yōu)化提供了全新的思路。生成式人工智能通過結(jié)合深度學(xué)習(xí)、大規(guī)模預(yù)訓(xùn)練模型和強(qiáng)化學(xué)習(xí)等技術(shù)，實(shí)現(xiàn)了知識(shí)生成、自動(dòng)批改3、智能推薦4等功能，能夠有效賦能教育資源開發(fā)與教學(xué)優(yōu)化。將生成式人工智能應(yīng)用于高職信息安全專業(yè)的精準(zhǔn)教學(xué)，不僅能提升教學(xué)效率，還能增強(qiáng)學(xué)生的自主學(xué)習(xí)能力與實(shí)踐應(yīng)用能力。因此，筆者在高職信息安全專業(yè)的教學(xué)實(shí)踐中探索基于生成式人工智能的智能優(yōu)化機(jī)制（如下頁(yè)圖），構(gòu)建了課前智能資源生成、課中個(gè)性化學(xué)習(xí)路徑推薦、課后智能評(píng)測(cè)反饋的全鏈條精準(zhǔn)教學(xué)體系。

課前優(yōu)化：教學(xué)資源智能生成

在傳統(tǒng)教學(xué)模式下，教學(xué)資源的生產(chǎn)主要依賴于教師的個(gè)人經(jīng)驗(yàn)，教學(xué)通常采用固定教材、課件和案例，難以快速適應(yīng)行業(yè)技術(shù)的快速迭代。同時(shí)，由于教學(xué)資源的更新周期較長(zhǎng)，課程內(nèi)容往往難以及時(shí)反映信息安全領(lǐng)域的新興技術(shù)和最新發(fā)展趨勢(shì)。此外，學(xué)生在知識(shí)背景、學(xué)習(xí)風(fēng)格和認(rèn)知能力上存在較大差異，統(tǒng)一的教學(xué)資源難以滿足個(gè)性化的學(xué)習(xí)需求。

1.生成式人工智能生成多模態(tài)課程內(nèi)容

生成式人工智能能夠通過結(jié)合自然語(yǔ)言處理、計(jì)算機(jī)視覺和生成式對(duì)抗網(wǎng)絡(luò)等技術(shù)高效生成文本、圖片、視頻、交互式案例等多模態(tài)教學(xué)資源，為信息安全專業(yè)課程提供更加豐富、直觀的教學(xué)內(nèi)容。具體而言，在文本內(nèi)容生成方面，生成式人工智能可根據(jù)課程大綱自動(dòng)撰寫知識(shí)點(diǎn)講解、案例分析、實(shí)驗(yàn)步驟等，并結(jié)合實(shí)時(shí)更新的行業(yè)動(dòng)態(tài)，使課程內(nèi)容更加前沿。在視覺化內(nèi)容方面，生成式人工智能可生成教學(xué)所需的圖表、流程圖、架構(gòu)示意圖等，使復(fù)雜的網(wǎng)絡(luò)安全原理更易于理解。此外，生成式人工智能還能自動(dòng)生成交互式案例和仿真實(shí)驗(yàn)場(chǎng)景，使學(xué)生能夠在模擬環(huán)境中進(jìn)行網(wǎng)絡(luò)安全攻防演練。

2.知識(shí)圖譜構(gòu)建與動(dòng)態(tài)資源 更新

生成式人工智能可結(jié)合知識(shí)圖譜技術(shù)構(gòu)建動(dòng)態(tài)化的教學(xué)資源體系，通過關(guān)聯(lián)課程內(nèi)容、行業(yè)標(biāo)準(zhǔn)、前沿研究和實(shí)際應(yīng)用案例，實(shí)現(xiàn)教學(xué)資源的智能更新。知識(shí)圖譜是一種能夠系統(tǒng)化表示知識(shí)結(jié)構(gòu)的技術(shù)5，能夠以圖結(jié)構(gòu)形式組織和存儲(chǔ)不同知識(shí)點(diǎn)之間的關(guān)聯(lián)關(guān)系。在信息安全專業(yè)的課程中，生成式人工智能結(jié)合知識(shí)圖譜技術(shù)可以構(gòu)建從基礎(chǔ)概念到高級(jí)技術(shù)的知識(shí)層次關(guān)系。例如，在“網(wǎng)絡(luò)安全防御體系”模塊中，它可通過知識(shí)圖譜展示防火墻、人侵檢測(cè)系統(tǒng)、零信任架構(gòu)等概念的層級(jí)關(guān)聯(lián)，幫助學(xué)生構(gòu)建完整的知識(shí)體系。它還可以通過與行業(yè)數(shù)據(jù)庫(kù)、網(wǎng)絡(luò)安全漏洞庫(kù)、法規(guī)政策庫(kù)等數(shù)據(jù)源連接，自動(dòng)檢測(cè)新技術(shù)、新威脅、新標(biāo)準(zhǔn)的發(fā)布情況，并及時(shí)更新相關(guān)教學(xué)內(nèi)容。

3.個(gè)性化資源匹配

基于生成式人工智能可構(gòu)建個(gè)性化的資源匹配機(jī)制，通過分析學(xué)生的學(xué)習(xí)軌跡、認(rèn)知水平和興趣偏好，動(dòng)態(tài)推薦最適合的學(xué)習(xí)資源，提高教學(xué)適配度。首先，生成式人工智能可為基礎(chǔ)薄弱的學(xué)生提供更多基礎(chǔ)概念解析和案例演示，而對(duì)于能力較強(qiáng)的學(xué)生，則推薦更具挑戰(zhàn)性的任務(wù)和實(shí)驗(yàn)。其次，生成式人工智能可以結(jié)合學(xué)習(xí)風(fēng)格分析，為不同類型的學(xué)生提供個(gè)性化資源匹配。對(duì)于視覺型學(xué)生，系統(tǒng)會(huì)推薦更多圖像化、動(dòng)畫演示內(nèi)容，而對(duì)于文本型學(xué)生，則提供詳細(xì)的文字講解和文獻(xiàn)閱讀材料。此外，結(jié)合交互式學(xué)習(xí)技術(shù)，生成式人工智能還能生成個(gè)性化的練習(xí)題和測(cè)試任務(wù)，并根據(jù)學(xué)生的答題表現(xiàn)動(dòng)態(tài)調(diào)整后續(xù)推薦內(nèi)容。

課中優(yōu)化：學(xué)習(xí)路徑個(gè)性 化推薦

傳統(tǒng)教學(xué)模式主要依賴固定的課程安排，教師通常按照既定教學(xué)計(jì)劃講授知識(shí)點(diǎn)，難以動(dòng)態(tài)適配學(xué)生的個(gè)體差異。尤其是在信息安全專業(yè)課程中，知識(shí)體系龐大且實(shí)踐要求較高，學(xué)生的學(xué)習(xí)節(jié)奏和掌握程度存在顯著差異。結(jié)合生成式人工智能和強(qiáng)化學(xué)習(xí)技術(shù)，可構(gòu)建個(gè)性化學(xué)習(xí)路徑推薦模型，動(dòng)態(tài)調(diào)整教學(xué)內(nèi)容與學(xué)習(xí)進(jìn)度，提高學(xué)習(xí)效率和學(xué)生滿意度。

1.學(xué)生學(xué)習(xí)行為分析

生成式人工智能能夠利用數(shù)據(jù)挖掘方法追蹤學(xué)生在學(xué)習(xí)過程中與不同類型資源的交互情況，形成個(gè)性化學(xué)習(xí)畫像。首先，通過學(xué)習(xí)管理平臺(tái)收集學(xué)生的學(xué)習(xí)數(shù)據(jù)，包括課程訪問記錄、作業(yè)完成情況、測(cè)驗(yàn)得分、論壇互動(dòng)頻率等。其次，利用機(jī)器學(xué)習(xí)模型分析這些數(shù)據(jù)，識(shí)別出學(xué)生的知識(shí)薄弱點(diǎn)、學(xué)習(xí)興趣、偏好的學(xué)習(xí)資源類型等。學(xué)習(xí)行為分析不僅關(guān)注個(gè)體學(xué)習(xí)軌跡，還可基于群體學(xué)習(xí)模式發(fā)現(xiàn)學(xué)生之間的共性和差異。例如，利用生成式人工智能對(duì)比不同學(xué)生群體在“加密算法”課程中的學(xué)習(xí)時(shí)長(zhǎng)和測(cè)試成績(jī)，分析哪些教學(xué)資源更適合特定類型的學(xué)生，并進(jìn)一步優(yōu)化課程內(nèi)容推薦策略。

2.強(qiáng)化學(xué)習(xí)驅(qū)動(dòng)路徑優(yōu)化

強(qiáng)化學(xué)習(xí)是一種能夠自適應(yīng)優(yōu)化策略的技術(shù)，特別適用于構(gòu)建個(gè)性化學(xué)習(xí)路徑推薦模型。強(qiáng)化學(xué)習(xí)通過\"狀態(tài)—?jiǎng)幼鳌?jiǎng)勵(lì)”機(jī)制，不斷探索最優(yōu)路徑，使得學(xué)生的學(xué)習(xí)體驗(yàn)得到持續(xù)優(yōu)化。強(qiáng)化學(xué)習(xí)將學(xué)生的學(xué)習(xí)狀態(tài)視為環(huán)境輸入，將學(xué)習(xí)路徑的不同選擇（如推薦某一章節(jié)的深人學(xué)習(xí)、跳轉(zhuǎn)到實(shí)踐環(huán)節(jié)或復(fù)習(xí)某個(gè)知識(shí)點(diǎn)）視為動(dòng)作，而學(xué)生的學(xué)習(xí)效果（如測(cè)試分?jǐn)?shù)、學(xué)習(xí)時(shí)長(zhǎng)、課程完成率等）則作為獎(jiǎng)勵(lì)信號(hào)。生成式人工智能通過強(qiáng)化學(xué)習(xí)智能體（Agent）給予的反饋，自動(dòng)調(diào)整學(xué)習(xí)路徑，使其符合學(xué)生的學(xué)習(xí)習(xí)慣和目標(biāo)。例如，對(duì)于某些學(xué)習(xí)基礎(chǔ)較好的學(xué)生，生成式人工智能可以加快課程進(jìn)度，引人更高級(jí)的挑戰(zhàn)任務(wù)，而對(duì)于學(xué)習(xí)基礎(chǔ)較差的學(xué)生，則可適當(dāng)放緩節(jié)奏，并提供更多的補(bǔ)充材料和練習(xí)機(jī)會(huì)。

3.任務(wù)分層與動(dòng)態(tài)推薦

任務(wù)分層指依據(jù)Bloom認(rèn)知分類理論[，將學(xué)習(xí)任務(wù)劃分為基礎(chǔ)理解（初級(jí)任務(wù)）、應(yīng)用實(shí)踐（中級(jí)任務(wù)）和創(chuàng)新拓展（高級(jí)任務(wù)）三個(gè)層級(jí)。生成式人工智能可以基于學(xué)生的學(xué)習(xí)表現(xiàn)和反饋，智能調(diào)整任務(wù)難度。例如，如果某個(gè)學(xué)生在“網(wǎng)絡(luò)流量分析”模塊的初級(jí)任務(wù)中表現(xiàn)良好，系統(tǒng)會(huì)自動(dòng)推薦中級(jí)任務(wù)，讓學(xué)生在掌握基礎(chǔ)知識(shí)的前提下進(jìn)一步提高技能；反之，如果學(xué)生在初級(jí)任務(wù)中遇到困難，系統(tǒng)則會(huì)提供更多的輔助資源（如額外講解視頻或引導(dǎo)式練習(xí)），以幫助其鞏固基礎(chǔ)。

課后優(yōu)化：智能評(píng)測(cè)精準(zhǔn) 反饋

當(dāng)前的教學(xué)評(píng)估主要依賴于期末考試和教師評(píng)分，評(píng)估周期較長(zhǎng)，反饋滯后，難以及時(shí)發(fā)現(xiàn)和解決學(xué)生在學(xué)習(xí)過程中存在的問題。此外，傳統(tǒng)作業(yè)批改高度依賴教師，尤其在大規(guī)模教學(xué)環(huán)境下，教師的批改工作量大，難以做到精細(xì)化反饋，導(dǎo)致個(gè)性化教學(xué)的落實(shí)困難。

1.生成式人工智能自動(dòng)批改作業(yè)

生成式人工智能可以結(jié)合自然語(yǔ)言處理和深度學(xué)習(xí)算法，實(shí)現(xiàn)自動(dòng)化作業(yè)批改，提高評(píng)測(cè)效率和準(zhǔn)確性。對(duì)于客觀題（如選擇題、填空題），生成式人工智能可以直接比對(duì)標(biāo)準(zhǔn)答案并快速給出評(píng)分；對(duì)于主觀題（如簡(jiǎn)答題、論述題），生成式人工智能可以利用NLP技術(shù)進(jìn)行文本理解，結(jié)合規(guī)則匹配和語(yǔ)義分析對(duì)學(xué)生答案進(jìn)行智能評(píng)分。此外，基于生成式人工智能的自動(dòng)批改系統(tǒng)還可以學(xué)習(xí)教師的評(píng)分風(fēng)格，通過深度學(xué)習(xí)模型不斷優(yōu)化評(píng)分規(guī)則，使其更加貼近人工評(píng)分標(biāo)準(zhǔn)，減少評(píng)分誤差。

2.智能測(cè)評(píng)與反饋生成

生成式人工智能根據(jù)學(xué)生的學(xué)習(xí)行為、答題情況和知識(shí)掌握度，可動(dòng)態(tài)生成適應(yīng)性測(cè)評(píng)題目，并提供個(gè)性化的學(xué)習(xí)反饋。它還可以結(jié)合自適應(yīng)測(cè)試（AdaptiveTest）技術(shù)[，根據(jù)學(xué)生在答題過程中的表現(xiàn)動(dòng)態(tài)調(diào)整試題難度。測(cè)評(píng)結(jié)果不僅包含分?jǐn)?shù)，還會(huì)提供詳細(xì)的分析報(bào)告，如答對(duì)率、常見錯(cuò)誤類型、知識(shí)點(diǎn)掌握情況等，使學(xué)生能夠明確自己的學(xué)習(xí)薄弱點(diǎn)，并得到針對(duì)性的學(xué)習(xí)建議。

3.實(shí)時(shí)學(xué)習(xí)改進(jìn)建議

生成式人工智能可以結(jié)合知識(shí)追蹤（Knowledge Tracing）技術(shù)，分析學(xué)生在不同知識(shí)點(diǎn)上的掌握程度，預(yù)測(cè)其未來學(xué)習(xí)表現(xiàn)。例如，如果系統(tǒng)發(fā)現(xiàn)某個(gè)學(xué)生在“數(shù)據(jù)結(jié)構(gòu)”課程中的“二叉樹”相關(guān)題目上表現(xiàn)不佳，它會(huì)自動(dòng)推薦相關(guān)的學(xué)習(xí)資料，并提供額外的練習(xí)機(jī)會(huì)。同時(shí)，生成式人工智能還能根據(jù)學(xué)習(xí)進(jìn)度預(yù)測(cè)學(xué)生可能遇到的學(xué)習(xí)瓶頸，提前提供相應(yīng)的學(xué)習(xí)路徑規(guī)劃和輔導(dǎo)建議，從而減少學(xué)生學(xué)習(xí)中的挫敗感，提升學(xué)習(xí)動(dòng)力。

此外，生成式人工智能還可以結(jié)合學(xué)習(xí)行為數(shù)據(jù)，生成個(gè)性化的學(xué)習(xí)提醒。例如，如果某個(gè)學(xué)生在過去一周的學(xué)習(xí)時(shí)長(zhǎng)較短，生成式人工智能會(huì)自動(dòng)提醒該學(xué)生調(diào)整學(xué)習(xí)計(jì)劃；如果學(xué)生在某個(gè)主題的測(cè)評(píng)中成績(jī)波動(dòng)較大，生成式人工智能會(huì)分析可能的原因，并推薦相應(yīng)的補(bǔ)救措施。

教學(xué)實(shí)踐與效果反饋

本研究在筆者所在學(xué)校的信息安全專業(yè)開展教學(xué)實(shí)驗(yàn)，實(shí)驗(yàn)組采用生成式人工智能生成多模態(tài)教學(xué)資源、個(gè)性化學(xué)習(xí)路徑推薦及智能評(píng)測(cè)反饋，對(duì)照組沿用傳統(tǒng)教學(xué)方式。實(shí)驗(yàn)持續(xù)一個(gè)學(xué)期，涵蓋100名學(xué)生（實(shí)驗(yàn)組50名，對(duì)照組50名），從知識(shí)掌握度、學(xué)習(xí)效率、任務(wù)完成度、學(xué)習(xí)興趣和教學(xué)滿意度五個(gè)維度進(jìn)行評(píng)估。

實(shí)驗(yàn)結(jié)果表明，實(shí)驗(yàn)組在所有指標(biāo)上均顯著優(yōu)于對(duì)照組，生成式人工智能技術(shù)有效提升了學(xué)生的學(xué)習(xí)效率和學(xué)習(xí)體驗(yàn)。調(diào)查反饋顯示， 86% 的學(xué)生認(rèn)可生成式人工智能生成的個(gè)性化資源， 78% 的學(xué)生認(rèn)為智能測(cè)評(píng)有助于知識(shí)理解80% 的學(xué)生希望推廣至更多課程。整體來看，生成式人工智能輔助教學(xué)能精準(zhǔn)適配個(gè)體需求，提升學(xué)習(xí)效率，為高職教育的智能化發(fā)展提供了有力支持。

結(jié)束語(yǔ)

本文圍繞高職院校信息安全專業(yè)的精準(zhǔn)教學(xué)需求，提出了基于生成式人工智能的智能優(yōu)化機(jī)制，構(gòu)建了涵蓋課前智能資源生成、課中個(gè)性化學(xué)習(xí)路徑推薦、課后智能評(píng)測(cè)反饋的全鏈條教學(xué)優(yōu)化體系。教學(xué)實(shí)踐結(jié)果表明，該方法有效提升了學(xué)生的學(xué)習(xí)效率、學(xué)習(xí)興趣和教學(xué)滿意度，顯著優(yōu)化了教學(xué)資源配置與評(píng)測(cè)反饋效率，為高職教育的智能化轉(zhuǎn)型提供了可行方案。

參考文獻(xiàn)：

[1]王志華，任兩品.網(wǎng)絡(luò)安全國(guó)家標(biāo)準(zhǔn)引入信息安全專業(yè)人才培養(yǎng)的探索[J].高教學(xué)刊，2025，11（02）：170-174.

[2]沈秀龍，劉建.生成式人工智能在中小學(xué)教學(xué)中的應(yīng)用[J].教育信息技術(shù)，2025（Z1）.90-92.

[3]楊怡.基于AGC對(duì)智能教學(xué)與學(xué)習(xí)路徑的研究與構(gòu)建[J.中國(guó)戰(zhàn)略新興產(chǎn)業(yè)，2025（08）.23-25.

[4]劉麗.數(shù)據(jù)驅(qū)動(dòng)背景下基于深度學(xué)習(xí)的多媒體學(xué)習(xí)資源智能推薦[J.信息與電腦：理論版，2024，36（10）：178-180.

[5]王光，姜皓.融合多視圖對(duì)比學(xué)習(xí)和知識(shí)圖譜的推薦算法[J/OL].計(jì)算機(jī)系統(tǒng)應(yīng)用，2025，34（06）：118—127.

[]陸悠，陳洋，傅啟明，等.基于強(qiáng)化學(xué)習(xí)的高校課程教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)優(yōu)化模型研究[J].高教學(xué)刊，2025，11（07）：106-109+113.

[7]劉貴如，王陸林.基于Bloom分類法的“C語(yǔ)言程序設(shè)計(jì)”課程思政案例教學(xué)實(shí)踐——以圓周率計(jì)算為例[J.湖北第二師范學(xué)院學(xué)報(bào)，2025，42（02）.92—97.

[8]曹瑞.A時(shí)代下的課堂革新：個(gè)性化學(xué)習(xí)帶來的教學(xué)變化[J教育教學(xué)論壇，2025 （08） ：16-19.

[9]賈寧.基于學(xué)習(xí)者畫像與游戲任務(wù)驅(qū)動(dòng)的教學(xué)模式探索[J.計(jì)算機(jī)教育，2024（12）：148-152.

作者簡(jiǎn)介：張笛，助教，碩士，研究方向?yàn)槿斯ぶ悄?、信息安全?/p>

本文系鄭州財(cái)稅金融職業(yè)學(xué)院校級(jí)課題“AGC視域下高職院校信息安全技術(shù)應(yīng)用專業(yè)精準(zhǔn)化教學(xué)模式的構(gòu)建與實(shí)施研究（課題編號(hào)：ZCY2025004）的研究成果。