大语言模型时代工科实践教学的机遇、挑战与应对初探

［摘 要］随着信息技术的飞速发展，人工智能在教育领域的应用日益广泛，特别是ChatGPT等大语言模型的兴起，为工科实践教学注入了新的活力。工科实践教学是培养学生实践能力与创新精神的关键环节，传统教学模式在个性化教学、激发学生学习兴趣以及提升学生课堂参与度等方面却显现出局限性。文章通过介绍大语言模型的基本原理及其发展现状，深入分析大语言模型应用于工科实践教学的潜在机遇与挑战，提出相应的应对策略，并设计一个以问题为导向的“师—生—大模型”互动教学案例。

［关键词］生成式人工智能；大语言模型；工科实践教学

［中图分类号］G642 ［文献标识码］A ［文章编号］2095-3437（2024）22-0011-07

近年来，人工智能（Artificial Intelligence，AI）技术及其应用在全球范围内迅速发展，受到各国高度重视。2017年，国务院发布的《新一代人工智能发展规划》明确了我国在人工智能领域的战略规划，强调要抓住人工智能发展的重大战略机遇[1]。2022年11月，OpenAI推出的ChatGPT大语言模型（Large Language Model， LLM）在全球范围内引起了广泛关注，为教育、医疗、金融等多个领域带来了前所未有的机遇与挑战[2]。在教育领域，众多学者积极探索和实践人工智能在教学中的应用[3-5]，并深入分析了其面临的挑战[6]。2023年9月，联合国教科文组织（UNESCO）发布的《教育与研究领域生成式人工智能指南》揭示了生成式人工智能（Generative Artificial Intelligence，GAI）在增强学习成效和提升创新能力方面的巨大潜力，并为其在教育和研究领域的应用提供了规范性指导，旨在促进GAI更好地融入这些领域[7]。

工科实践教学作为培养学生实践能力与创新精神的关键环节，着重于培养学生运用理论知识解决实际问题的能力。然而，当前工科实践教学受限于传统的班级授课模式，导致教师难以全面关注学生的个体差异，进而使得部分学生难以深入理解和应用知识，同时他们的学习兴趣和课堂参与度也不高。本文旨在简要分析工科实践教学中的现存问题，介绍大语言模型的发展现状，深入探讨其应用于工科实践教学所面临的机遇与挑战，并提出相应的应对策略，以期为大语言模型时代下的工科实践教学创新提供参考与借鉴。

一、大语言模型概述与应用

大语言模型是生成式人工智能的一个具体应用，专注于处理自然语言理解和生成任务。生成式人工智能作为人工智能领域的一个重要分支，通过模仿人类的创作过程，为我们提供了一个全新的、富有创新性的内容生成方式。大语言模型在多个方面展现了其强大的能力。首先，大语言模型能够生成流畅且连贯的文本，这在自动写作、对话系统等领域具有广阔的应用前景。其次，大语言模型具有很强的上下文理解能力，能够根据上下文信息推断出文本的含义，从而更精确地回答用户的问题或完成相关任务。最后，大语言模型还具有一定的常识推理能力，能够在一定程度上理解并回答涉及常识的问题。大语言模型因其高度通用化和智能化的表现受到社会广泛关注，其引发的技术革命也正逐渐延伸为一场社会革命[8]。

（一）大语言模型基本原理

大语言模型的基本原理是基于深度学习技术，利用多层神经网络对语言的统计规律和潜在语义信息进行建模，其目标是生成符合语法和语义规则的自然语言文本。大语言模型在训练过程中通过对大规模的文本数据进行学习和抽象，能生成具有逻辑性和连贯性的语言输出。它不仅能生成自然语言文本，还能深入理解文本含义，处理各种自然语言任务，如文本摘要、问答、翻译等。大语言模型的训练过程通常分为两个阶段：预训练和微调。在预训练阶段，大模型使用大量的未标记文本数据进行训练，最终目的是让模型理解语言的一般规律和语义表示，捕捉语言的复杂性和多样性，并生成与输入相关的文本。此外，大语言模型的发展使人们在自然语言处理领域取得了显著突破，为人们提供了一种更加智能、高效的语言交互方式。随着技术的不断进步，大语言模型及其在人工智能领域的应用已成为全球科技研究的热点，其在规模上的增长尤为引人注目，参数量已从最初的十几亿跃升到如今的一万亿。

总的来说，大语言模型的基本原理是通过深度学习和大规模文本数据训练，实现对语言规律的建模和自然语言文本的生成，为自然语言处理领域的发展提供了强大的支持。

（二）典型大语言模型

通用大语言模型以如今广为人知的由OpenAI发布的ChatGPT作为开端，其在具有强大性能的GPT⁃3基础模型上，引入代码训练、指令微调（Instruction Tuning）和基于人类反馈的强化学习（Reinforcement Learning from Human Feedback，RLHF）等技术，进一步增强自然交互和人类对齐能力，使其在面对常识性和推理性问题、未知领域和敏感议题时展现出显著智能化特征。在此之后，OpenAI所发布的多模态大模型GPT⁃4，支持同时以文本和图像多种模态运行，其认知和推理能力或将带来通用人工智能的再一次变革。

通过结合指令微调和基于人类反馈的强化学习两项技术，ChatGPT在与人类用户对话交互方面展现了卓越表现。例如，在程序调试方面，ChatGPT可以根据用户提供的程序代码片段回答错误原因或提供解决方法，且还会主动提问以获取更多信息，从而确认自己的理解是否正确；在敏感话题方面，ChatGPT可以根据用户提问时使用的措辞或意图判断是否应该回答。正因为这种强大的认知与交互能力，ChatGPT一经发布便迅速引起社会的广泛关注，成为通用人工智能发展历程中的重要里程碑。除ChatGPT外，众多研究机构还推出了各自的大语言模型，国内外部分大语言模型发布时间线如图1所示。这些模型各有特色，能够灵活应用于多样化的场景与任务中，极大地推动了人工智能技术的发展及其在实际中的应用。

值得注意的是，大语言模型在工科实践项目学习中发挥着重要作用。例如，它具备强大的编程能力，能理解自然语言编写的编程需求，生成代码片段，帮助学生快速入门编程并优化代码。此外，大语言模型拥有庞大的知识库和较强的学习能力，能为学生提供最新的技术动态和实践经验，助力项目实施。

二、大语言模型在工科实践教学中的机遇

工科实践教学一直以来都是培养工程技术人才的重要途径之一。在传统工科实践教学中，学生通过实验课、实习、设计项目等方式，巩固理论知识，同时提升实际操作能力和问题解决能力。然而，随着科技的不断进步和人工智能技术的日益成熟，大语言模型作为一种新型的人工智能技术，为工科实践教学带来了全新的机遇与可能性。

（一）构建个性化学习环境

传统教学普遍采用“一刀切”的教学方式，让每个学生接受相同的教学内容与方法，忽视了学生间的个体差异。然而，每个学生的学习需求、兴趣和学习风格都可能不同，因此个性化学习体验变得至关重要。大语言模型以其卓越的自然语言处理能力和深度学习技术，为构建个性化学习环境提供了强大的支持。通过深入了解学生的学习需求、习惯和偏好，大语言模型能够生成定制化的学习资源、教学计划和辅导方案，从而让学生获得更高效、更有趣的学习体验。

大语言模型通过收集和分析学生的学习数据，能够精准地把握学生的学习特点和需求。这些数据包括学生的答题记录、学习时长、互动频率等，通过对这些数据的挖掘和分析，模型能准确识别学生的学习难点、兴趣点及提升空间。基于这些数据，大语言模型可以为学生推荐合适的学习资源与内容。例如，对于基础薄弱的学生，模型可以推荐一些基础性的教程和练习题，帮助他们巩固基础知识；对于能力较强的学生，模型则可以推荐更具挑战性和创新性的学习项目和任务，激发他们的探索精神与创新潜能。此外，大语言模型还可以根据学生的学习进度和实时反馈，灵活调整教学计划和策略。当学生在学习过程中遇到困难时，模型能迅速提供针对性的指导，帮助他们解决问题；当学生的学习进度超过预期时，模型也可以相应地调整教学内容与难度，持续激发学生的学习热情与动力。

（二）提供实时反馈和支持

在传统教学模式中，教师通常面对的是一群学生，采用的是“一对多”的教学方式。在这种教学方式下，教师往往难以针对每个学生的个性化需求提供具体反馈与支持。随着科技的进步，大语言模型的出现为教育领域带来了全新的可能性。大语言模型凭借其强大的自然语言处理能力和深度学习技术，充当虚拟助教或智能辅导角色，为学生提供个性化的、实时的反馈与支持。无论学生身处家中、学校还是其他任何地方，一旦遇到学习难题或疑惑，都能即刻向大语言模型提出，并立即获得解答与反馈。这不仅有助于及时解决学生的问题，还能帮助他们厘清思路，深化知识理解，同时培养学生的主动学习意识和独立思考能力，使他们更加自信地应对学习挑战。

（三）推荐丰富的学习资源

在传统教学模式中，学生的学习资源受限于教材、教师专业知识及学校资源，因此知识接触面较窄，难以充分拓展学习深度和广度。然而，随着大语言模型的出现，这一局面得到了极大的改善。大语言模型凭借其强大的自然语言处理能力和深度学习技术，能够精准对接学生学习需求与教学目标，生成丰富多样的学习资源。这些资源全面覆盖教学文档、练习题、实验模拟等，且能根据学生的个性化需求进行灵活定制，从而有效拓宽学生的视野。

大语言模型能够针对不同需求的学生提供定制化学习资源。对于在特定领域有浓厚兴趣的学生，模型能深入挖掘相关知识，提供进阶内容，以满足他们的求知欲，激发他们的学习热情，并培养他们的专业素养。对于学习遇阻或进度较慢的学生，模型则能提供多层次辅助，依据学生实际情况定制练习题与解析，助力他们逐步攻克难点，提高学习效果。

（四）提升自主学习能力

在传统教学模式中，学生常处于被动接受信息的状态。大语言模型能够通过互动学习的方式，有效激发学生的自主学习意识与潜能。模型作为交互式学习工具，有效引导学生自主学习，帮助学生培养良好的学习习惯与自主意识。当学生在学习过程中遇到困难或疑问时，他们可以与模型进行对话，寻求帮助和指导，而不再完全依赖教师或其他人的指导。自主学习能力是现代社会中不可或缺的重要能力，它不仅有助于学生更好地适应未来的学习和工作环境，实现自我成长和发展，还能提高他们的学习效率和成效。通过与大语言模型的互动学习，学生将掌握自主学习技能，学会主动提出问题、寻找答案及思考解决方案，为未来学习与职业发展奠定坚实基础。

三、大语言模型应用于工科实践教学的挑战

大语言模型在工科实践教学中应用广泛，为教学带来了创新机遇，但同时也面临着不容忽视的挑战与风险。

（一）信息的准确性难以保证

由于大语言模型在处理和生成文本时存在局限性，且对数据和上下文的理解可能存在偏差，因此大语言模型应用于教学时存在带来误导性信息的风险。首先，大语言模型是通过学习大量的文本数据来生成回答的，这些数据可能包含错误、过时或带有偏见的信息。如果模型未能具备充分识别和过滤这些信息的能力，那么在生成答案时就有可能包含误导性的内容。其次，模型的训练数据可能无法完全反映现实世界的复杂性，这也会导致生成的答案存在局限性或偏差。再次，大语言模型在理解和解释文本时可能受到上下文、语境和语义复杂性的影响。例如，在某些情况下，模型可能无法准确理解问题的真正含义或意图，从而生成与实际情况不符的答案。这种误解或误判可能导致学生接收到错误的信息或概念。最后，大语言模型还存在被滥用或误用的风险。例如，有人可能会故意输入错误的问题或诱导模型生成误导性的答案，以此来误导学生或达到其他不良目的。这种滥用行为不仅会影响教学质量，还可能对学生的学习和认知产生负面影响。

（二）知识的碎片化程度加剧

由于大语言模型采用问答式学习方式，仅在学生提出问题后才进行回答，这导致其所呈现的知识往往以相对独立的主题形式存在，难以保证知识的系统性。不可否认，在数字化时代，碎片化学习是一种重要的学习方式，但知识的碎片化不利于学生构建完整的知识结构体系。具体而言，问答式学习虽能满足个体学习需求，却将知识分割成了碎片，使原本体系化的知识结构被打散。学生在面对这些无序的碎片化知识时，难以有效建立知识碎片之间的相互联系。此外，知识的碎片化还会加剧资源信息的超负荷现象，使得知识的甄别难度日益增大。同时，在碎片化学习环境下，人的思维容易变得去中心化，注意力难以集中，往往采取发散性思维看待事物，导致学习的深度与广度不足。学生可能满足于在生成答案时浅尝辄止，缺乏进一步的思考和知识内化，从而难以促进知识的有效迁移和学以致用。

（三）偏离动手能力培养目标

工科实践教学的核心在于培养学生的实践能力和实验技能，这是他们未来从事工程技术工作的基础。实践能力和实验技能的培养不仅依赖于理论知识的学习，更需要学生在真实的实验环境和操作中不断尝试、摸索和修正。在真实的实验环境中，学生可能会遇到各种未知的挑战和问题，这些问题往往没有固定的答案，需要学生根据自身的知识和经验进行独立思考和判断。通过不断地尝试和修正，学生可以逐步掌握实验的关键技巧和方法，提升自己的实践能力。过度依赖模型可能会导致学生缺乏实际操作的经验和技巧，使他们在操作真实的实验设备时显得生疏和不自信。缺乏实际操作和调试经验不利于学生准确理解实验原理及步骤，导致学生难以有效地将理论知识与实际操作相结合，偏离学以致用的目标。

（四）阻碍学生创新思维培养

过度依赖大语言模型可能会削弱学生在实际操作中独立思考和解决问题的能力，这种依赖性在一定程度上阻碍了学生创新思维的培养和高阶能力的提升。大语言模型能够即时提供答案和解决方案，这在一定程度上减少了学生独立思考和探索的机会。当学生遇到问题时，他们可能更倾向于直接询问模型，而不是自己尝试分析问题、提出假设并进行实验验证。这种即时的反馈机制虽然方便快捷，但削弱了学生面对挑战时的自主探索精神，不利于他们通过实践来培养创新思维。此外，大语言模型通常基于大量的数据和算法进行生成和推理，其提供的答案和解决方案往往局限于已知的范围，可能会导致学生陷入思维定式，难以跳出已知框架去思考和探索新的问题。这种思维定式也在一定程度上限制了学生的创新思维和解决问题的能力，使他们在面对未知或复杂问题时可能感到无所适从。

四、大语言模型时代教师主动应对策略

面对大语言模型带来的教学机遇和挑战，工科高校教师需要采取一系列策略来适应这种新的教学环境。

（一）抓住机遇优化教学设计

大语言模型作为人工智能领域的一项重要技术，为高校工科教学带来了前所未有的机遇。教师应积极拥抱这一变革，充分利用大语言模型的优势，创新教学方式，提升教学质量。

第一，大语言模型具有强大的自然语言处理能力，能够理解和生成人类语言。因此，可以利用大语言模型构建智能问答系统，帮助学生快速解答学习中的疑问。传统的问答方式往往受限于教师的知识储备和教学时间，而智能问答系统则可以随时随地为学生提供帮助，极大地提高学习效率。同时，每个学生都有自己独特的学习方式和节奏，传统的“齐步走”教学模式很难满足所有学生的需求。大语言模型可以根据学生的学习数据和习惯，为每个学生提供定制化的学习建议和资源。这有助于激发学生的学习兴趣和积极性，提高他们的学习效果。

第二，大语言模型还可以帮助教师拓展教学内容。工科领域的知识更新迅速，教师需要不断学习和掌握新知识才能跟上时代的步伐。然而，由于时间和精力的限制，教师很难及时获取和整理所有相关资料。而大语言模型可以通过爬取互联网上的信息，为教师提供丰富的教学素材和案例。这可以帮助教师丰富教学内容，使学生接触到更多前沿知识和技术，拓宽他们的视野和思路。

第三，大语言模型还可以促进教学方式的创新。传统的工科教学方式往往注重理论知识的传授和实践技能的培养，而忽视了学生的自主探究体验。大语言模型的应用可以为学生提供更多的自主学习和探索的机会，鼓励他们通过提出问题、解决问题的方式来深化对知识的理解和掌握。同时，教师还可以利用大语言模型引导学生开展项目式学习、协作式学习等，培养学生的团队协作能力。

（二）应对挑战规避潜在风险

正如任何技术革新一样，大语言模型给教学带来的不仅仅是机遇，也伴随着一系列挑战。工科高校教师需要积极应对这些挑战，确保技术的合理应用，并最大限度地发挥其在教学中的积极作用。

大语言模型技术的复杂性和专业性对教师提出了更高的信息素养要求。要有效应用大语言模型开展教学，教师需要具备一定的计算机技术和人工智能基础知识，了解模型的工作原理、数据输入和处理方式等。同时，教师还需要学会如何选择和使用适合教学需求的大语言模型，确保模型在教学中的准确性和可靠性。学生在使用大语言模型时，可能会因为缺乏批判性思维而容易接受模型生成的信息，从而导致对知识的误解或浅尝辄止。因此，教师需要引导学生正确使用大语言模型，培养学生的信息筛选和判断能力。这包括引导学生如何评估模型生成信息的可靠性、如何结合其他资料进行综合分析，以及如何对模型进行反馈和改进等。

在传统教学中，学生需要通过自身的努力和深入思考来解决问题，而大语言模型的出现可能会使学生倾向于依赖技术来快速获取答案，不利于培养学生独立思考和自主解决问题的能力。为了应对这一挑战，教师需要注重培养学生的自主学习能力和创新精神，引导他们将大语言模型作为学习的辅助工具。同时，教师还可以设计具有挑战性和探索性的学习任务，以激发学生的学习兴趣和主动性。

（三）以需求为牵引的互动教学案例

下面展示一个利用大语言模型开展“师—生—大模型”教学的具体案例。该案例以“某部门多型装备历年经费投入可视化”问题为导向，利用大语言模型智能辅助手段，通过问题分析、方法筛选、辅助编码等阶段解决实际问题（见表1）。从该案例可以看出，大语言模型在工科实践教学中的应用并不仅仅局限于简单的单回合问答。相反，教师可以根据具体情况进行合理的引导和启发，同时鼓励学生结合所学知识，对大语言模型返回的结果进行合理运用、筛选、甄别及必要的调整。

五、结语

在ChatGPT等大语言模型蓬勃发展的当下，教育领域正经历一场前所未有的技术创新浪潮。特别是在工科实践教学中，自适应学习与人工智能技术的深度融合，正引领我们探索一种全新的教学模式。在这种模式下，学生能够根据个人兴趣和学习进度，灵活选择适合自己的学习路径，从而实现真正意义上的个性化学习。这种互动式的学习方式，不仅能够激发学生的学习兴趣和提升学生的课堂参与度，还能有效提升教学效果。然而，工科实践教学中运用大语言模型面临着一些不容忽视的挑战和风险。在未来一段时间内，教师仍将是工科实践教学中培养学生创新能力和批判性思维的主体。如何不断探索和优化教学模式、合理运用大语言模型，以适应新技术时代的教育需求，值得进一步深入研究和探索。

［ 参 考 文 献 ］

[1］ 国务院.国务院关于印发新一代人工智能发展规划的通知[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，赵左，王毅航，等. 人工智能在程序设计教学应用中的探索与实践[J].计算机教育，2023（11）： 45-50.

[4］ 卢宇，余京蕾，陈鹏鹤，等.生成式人工智能的教育应用与展望：以ChatGPT系统为例[J].中国远程教育，2023，43（4）：24-31.

[5］ 张震宇，洪化清. ChatGPT支持的外语教学：赋能、问题与策略[J]. 外语界，2023（2）：38-44.

[6］ 丁奕，吕寒雪.当教师遇上ChatGPT：挑战与应对之道[J].当代教育论坛，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］ 陈慧敏，刘知远，孙茂松.大语言模型时代的社会机遇与挑战[J]. 计算机研究与发展，2024，61（5）：1094-1103.

［责任编辑：梁金凤］