【论文选刊】付金伟 魏佳鑫 刘美 汪志昊：《AIGC技术赋能工程教育转型：教学方法与学习体验革新》

作者简介：付金伟，华北水利水电大学土木与交通学院副教授，工学博士；魏佳鑫、刘美，华北水利水电大学土木与交通学院硕士研究生；汪志昊，华北水利水电大学土木与交通学院教授，工学博士。

基金项目：国家自然科学基金项目（51608117）；河南省高端外国专家引进计划项目（HNGD2022040）；河南省高等学校重点科研项目（24A410002）‍

原文刊载于《高等工程教育研究》2024年第五期51-57页。

一、引言

生成式人工智能AIGC（Artificial Intelligence Generated Content）是人工智能1.0时代进入2.0时代的重要标志，其中以ChatGPT为代表的大语言模型经过不断地演进和发展，已广泛应用于金融、法律、医疗等各个方面。^[1] 而教育系统作为国家发展的关键因素，也有赖于人工智能技术的发展及其应用而实现新的突破与变革。^[2] 自“数字中国战略”提出以来，我国高等教育数字化转型已取得了显著成效，未来在AIGC场景下，通过技术赋能的教育创变，工程教育生成式学习的提出也许可以作为赋能未来学习的创新点。^[3,4] 以土建类专业为例，其所面临的诸如建筑解构、施工跟踪、岗位体验、自主学习等困境也将得到妥善地解决，进而推动土建专业教育迈向更高质量的发展，实现工程教育领域的深度变革和智慧教育的持续发展。

二、AIGC技术的基础与实践

AIGC技术作为PGC（Professionally-Generated Content）、UGC（User-Generated Content）、AGC（AI-assisted Generated Content）之后的进阶，通过AI算法自动化生成和编辑数据及多媒体内容（如图像、音频、视频），标志着内容创作的主体从人及机构转向AI，实现了从模糊检索到精准定位的技术飞跃（见图1）。在土建专业教育中，AIGC为解决3D建模复杂性和提升建筑设计创造力难题提供了创新方案，通过AI生成的定制化视频分析，加深学生对土木工程施工流程的理解。

图 1  AIGC概述

（一）GPT技术基础

作为AIGC领域显著代表的GPT（Generative Pre-trained Transformer）是OpenAI公司提出的一种基于Transformer架构的自回归生成模型。其核心原理涵盖了预训练－微调机制、多层堆叠的Transformer结构及位置编码。^[5,6]

在处理原始文本和图像输入之前，模型首先通过Tokenization和Embedding将文本转化为向量形式，同时对图像进行特征提取，以获得其具体的特征表示。这些预处理的信息随后输入到Transformer架构中，利用内部编码器的自注意力机制来捕获输入序列中元素间的复杂关系，并通过位置编码来保留元素的顺序信息，这使得模型能够理解语序并学习序列的全局依赖关系和局部特征。接着，在解码器部分，模型通过自注意力和编码器－解码器注意力机制进一步处理这些信息，关注于输入序列与目标序列之间的相互作用，从而生成精准的输出。这种编码-解码的流程不仅增强了模型对复杂自然语言的理解能力，也使其能够在多层次上学习不同的抽象表示，为未来的教育发展提供了新的视角和可能性。

在模型的预训练阶段，引入掩码自注意力机制，该机制通过预测文本和图像中的缺失信息，促使模型掌握文本与图像间更深层的语义联系，奠定后续任务的坚实基础。随后，在自回归生成阶段，模型依托之前生成的文本和图像特征，逐步构建输出序列，确保内容的连贯性和语境的适切性，充分考虑生成序列的上下文信息。之后的微调环节进一步精炼模型以适配特定的应用场景，如问答和文本创作，使其能够有效迁移预训练中获得的知识。最终输出经过Softmax层转化为概率分布，从而精选出最可能的词汇和图像特征，完成任务。整个模型通过这一系列精准规划的步骤，融合文本与图像信息，构建了如图2所示的深度学习架构，为处理复杂的语言理解和生成任务提供了有效途径。这一高效的处理过程体现了模型对多模态数据高效建模与生成的能力，也为教育内容的多样化输出奠定基础。

图 2  GPT技术框架

（二）AIGC的教育前景

在教育技术领域，以ChatGPT为代表的AIGC技术正逐渐显现其破局性的潜能。该技术不仅在多模态理解、跨学科整合、编程能力、数学解题、信息融合处理及人机互动等方面展现出卓越能力，而且在推动教育模式革新方面具有深远的意义^[7,8]，为个性化学习路径的构建和教学内容的创新提供了支撑，也为实现教育资源的优化和教育公平提供了新的视角。

“现代教育技术”利用在线问卷向教育界的专家学者征询未来教育技术的趋势与研究热点，收集到540项有效数据^[9]，这些数据被编码并分为10个一级和27个二级指标（见表1）。结果指向教育数字化、智能教育和AIGC在未来教育发展中占据核心地位，进一步验证了AIGC技术对于教育教学创新变革的重要支撑作用，为教育技术的未来研究和应用提供了明确的方向。

表 1  教育技术热点趋势

三、AIGC技术赋能教育范式的转型

随着AIGC技术的日益成熟和广泛应用，其角色已从简单的辅助工具演变为促进教育深度融合和多维度赋能的关键力量。^[10,11] 本章节将探析AIGC在教育中的核心改进点，评估其提升教育品质、支持个性化学习及优化学习效率的能力及面临的挑战。

（一）学习过程的全周期分析

为有效融合AIGC技术于教育，需深度解析学习的全周期，覆盖认知、情感与社会文化全维度，围绕知识摄取、信息处理、知识整合及实践应用四阶段，探讨其特性、理论依据及关键因素。

知识摄取阶段，教育者需针对学习者特性选用激发学习兴趣的策略（案例分析、群组讨论等），为信息优化打基础。信息处理阶段，学习者通过认知策略调控（注意力管理、记忆技巧等）提升处理效率，为知识内化准备。知识整合阶段，通过师生互动，促进创新与知识融合，参与项目式学习等活动，形成认知架构。实践应用阶段，将知识技能迁移到新情境，展现问题解决能力，重视高阶思维（分析、评估、创新）培养。

学习是动态迭代的过程，影响因素包括认知能力、情感状态、内在动机及社会文化背景。高效教学策略应综合考量关键因素，从而促进学习者全面发展。

（二）AIGC教育模型框架的构建

结合对AIGC技术的深入分析及教育全流程的考察，本节提出一套以AIGC为核心的多维动态教育框架（见图3），旨在系统地整合AIGC技术与教学环节，拓展教学方法论，提高学习流程的数字化参与度，推动教育领域的深度变革，从而促进学生在各领域的均衡发展。

图 3  AIGC赋能教育融合框架

框架将教育过程细分为知识输入、信息处理、内化及应用等阶段，每一环节均需教育者、学生与AIGC之间的交互配合。其中，教育者起着至关重要的作用，不仅设定教学目标和框架，还负责监督学生的学习进度，并提供必要的指导。AIGC则作为辅助工具，依据教育者的方向和学生的互动反馈，定制化生成教学内容和策略。这一互动式教学不仅实现了教学内容的个性化定制，也最大化利用了AIGC的数据分析和内容创制能力，从而提升了整体的学习体验。理论上，该框架为利用AIGC技术在教育中的应用开辟了新路径，特别是在打造符合个体学习需求的个性化和高适应性学习环境方面。在实践层面，它为教育者和技术开发者在设计和实施AIGC教育解决方案提供了明确的指导，旨在更精准地满足学生的个性化学习需求，进而提高学习的效率和参与度。

四、核心课程建设的创新路径

在深入分析AIGC技术与教育整合的基础上，文章进一步探究AIGC在工程教育关键课程教学中的创新应用，旨在挖掘AIGC技术为传统教学模式带来的转型潜力。

（一）核心课程中的技术应用与成效分析

本节将重点分析AIGC技术在理论与技能融合方面的应用成效，详细讨论其如何优化教学流程、丰富学习内容，以及提高学生的参与度和理解力。通过具体案例分析，旨在提出针对性的策略和建议，以促进该技术在工程教育中的有效集成，助力教学模式向更加动态和以学生为中心的方向演进。

1.以“建筑结构设计”为例

“建筑结构设计”课程在传统教学中遇到诸多难题，如复杂概念的直观表达、实物模型的空间与成本约束，以及理论与实践的断裂。^[12,13] 这些限制阻碍了学生对设计原则的深入理解及创新能力的培育。

2023年，Midjourney、Stable Diffusion等AIGC工具的涌现为这些挑战提供了高效解决策略，通过精准的图像生成技术，突破传统教学的界限，拓展了建筑教育的可能性。AIGC技术通过从设计语言到精细建筑方案的直接转化，大幅缩短设计周期，从而显著提升教学效率和学生参与。该技术的二维至三维的无缝转换加深了理论与实践的结合，而参数化设计探索平台则激发了学生的主动性和创造力。AIGC的应用不仅促进了以学生为中心的教学模式转型，还简化了概念到可视化的过程，对教育实践产生深远影响，拓宽了学生的创新能力，并确保了教学目标的有效达成。

以Stable Diffusion为例，这一文本驱动的图像合成技术体现了语言与视觉艺术的融合。它通过精巧的设计，将文本描述转换为具体图像，包括文本编码、低维图像向量生成及升维解码等环节，构成高效的图像生成流程。文本编码器将输入转为语义向量，图片信息生成器基于这些向量生成图像，确保与文本描述一致。图像解码器将低维向量升维为全尺寸图像，保持视觉连贯性和美感。其各环节设计巧妙、相互衔接，确保了从文本到图像的平滑转换，展现了自然语言和计算视觉领域的融合创新前景。

具体而言，在教学过程中教育者依教案定义教学方法的要求和条件，随后AIGC工具基于这些要求提供与教学目标及学生需求相匹配的实践案例。选择案例后，学生利用Stable Diffusion的ControlNet命令进行设计细化，通过Pixel Perfect算法提升图像清晰度，并用Mlsd预处理工具提取建筑框架线稿，实现与AIGC工具的互动。这一流程不仅将技术应用于教学，还为学生提供了优化的学习资源，创造多元化学习环境，加深对建筑结构的理解并鼓励创新设计。

在平面设计的初级阶段之后，学生在教育者的指导下，特别是在装饰和家居设计方面，进行深入创造性探索。利用如图4所示的ChatGPT等工具生成边界条件，精确控制设计范围，进行细节调整，确保设计满足功能与美学需求。此过程鼓励学生质疑传统设计原则，探索创新解决方案，如融合美学价值和评估材料对环境的影响。通过讨论和合作，学生使用大模型探索关键词，进行设计比选，提升设计质量，深化理论知识应用。

图 4  ChatGPT反馈指导要求

在项目评价阶段，教育者、学生与AI共同参与评审，提供建设性反馈，从而提高设计技能和批判性思维。这一综合评价过程加强了学生的设计能力，并深化了对建筑设计理念的批判性理解与应用。

2.以“BIM技术及应用”为例

当前我国工程项目管理及BIM技术教学领域，理论与实践融合不足，教师难以用生动案例阐述概念，教学多依教材固定章节，未能贴近学生实际工作场景。^[14] 学生难以将所学知识应用于实际问题，教育未能充分引导学生的价值判断，未实现理性价值与价值引导的一致。^[15] 同时，由于存在工程项目数据量大、BIM技术复杂、传统课堂等问题，学生难以快速创建个性化模型，尤其对初学者而言，复杂界面、数据结构和专业术语等都是技术教育的阻碍。针对这些问题，本节使用基于GPT+BIM的教学提质手段，为课堂转型升级提供新思路。GPTS-BIM框架（见图5）将AIGC工具与传统工程软件结合，通过NLP提升建筑信息检索的效率和精准度。该系统由三大模块构成：综合管理界面、高效的NLP模块和全面的数据管理模块。用户界面支持自然语言查询，直观展示云端案例库中的检索结果。NLP模块作为框架的核心，负责解析用户查询并基于BIM数据生成回应，覆盖自然语言理解、生成及问答等子任务。GPTS-BIM不仅降低了传统技术的工程和数据要求，还为BIM教学提供了一个高效且互动的新模式，提高了BIM的可访问性，减轻自然语言查询处理的负担。

图 5  GPTS-BIM框架图

首先，框架利用自然语言处理技术，增强课堂互动的实效性和实时反馈的精准度，这一点上，教育者不仅作为学习目标的设定者和学习进度的监督者，更通过AIGC技术提供的数据分析和内容生成，精准定制化教学内容，体现了知识输入与信息处理阶段的密切配合。随后，借助NLP模块的高效能力，GPTS-BIM框架为学生量身定制教学策略，展现了在个性化学习路径构建中的核心价值。此环节不仅优化了学习内容的匹配度，也促进了教学资源的最大化利用，符合教育框架中知识内化及应用的高级阶段要求。此外，通过案例库的构建和项目驱动学习的实施，GPTS-BIM框架也实现了理论与实践的紧密结合，加深了学生对BIM技术的实际应用能力，这一过程不仅促进了知识的深层次内化，也为学生的实践技能提供了实证基础。此外，框架支持的跨学科协作项目和创新思维的培养进一步扩展了学生的学习维度，通过批判性思维和问题解决能力的锻炼，为学生的全面发展提供坚实基础，体现AIGC技术在促进教育质量提升中的潜力和价值。

总体而言，GPTS-BIM框架的应用既是技术教学领域的创新探索，也是教育过程优化与个性化学习实践的有力证明。通过整合AIGC技术，本框架不仅提高了学习效率和参与度，也为教育技术的发展和应用提供了新的理论和实践指导，展示了AIGC技术在教育创新中的巨大潜力和学术价值。

（二）实际应用案例

本节展示了AIGC技术在土建领域的案例，通过精选的实例揭示AI如何推动教育和实践的融合突显AIGC技术在提升土木工程设计、分析和执行效率方面的创新应用，反映了技术进步的现实影响及对工程教育的推动作用。

1.Text-to-CAD的革命性应用

Text-to-CAD技术通过开源文本接口，允许用户通过文本直接生成CAD文件，结合设计和机器学习API，深入分析预训练数据以程序化生成CAD模型。此技术创新地将用户描述如“带有10个平面叶片的叶轮”转化为详细CAD模型，依赖于机器学习对数据的精确处理。生成的CAD模型易于导入任何CAD软件，大幅优化了设计和学习效率。

华北水利水电大学通过“工程图学概论（土建类）”这一国家级混合课程融合AIGC技术，致力于改革和创新工程教育人才培养，重点强化实践教学、三维设计导向及过程考核。课程中广泛应用AIGC工具，例如在“平曲面体投影及截切、相贯”教学环节中利用Text-to-CAD技术快速生成图形，以此加深学生对三维模型视图表达和形体分析法的理解，深化对尺寸功能、分类及标注要求的掌握。此外，简单形体与布尔运算的结合教学不仅提升了构造完整性与严密性，也与计算机建模方法相吻合。通过快速生成的CAD图形，深化学生对构件表达方法的理解，提升分析和表达复杂结构的能力。课程整合了理论讲解、手绘与上机实践，通过实物模型和CAD图形演示等多样化教学方法，实现了教学内容的全方位强化，显著提升了学生的工程实践技能。

通过对提示词的持续优化，本质上促进了学生对工程制图特征视图的深入理解。学生在构建几何形体时学会考虑构型特征的空间逻辑与几何拓扑，通过分析局部特征的相对位置和组合方式进行设计，真实地模拟了读图思维过程。掌握从三维实体到二维图像，再到三维实体的转换技能，简化学习过程。同时通过模拟空间结构的手势，增强师生和学生间的互动。课程通过与AIGC工具的积极结合，极大地激发了学生的主观能动性，主动探索未知，不囿于结论，不固封于书本，寻求新的学习途径和方法，在学习过程中实现创新思维、创新意识的提升。

2.Civils.ai平台：土木工程教育的新纪元

Civils.ai采用深度自然语言处理（NLP）与机器学习（ML）技术，基于广泛建筑项目文档的大语言模型（LLM）训练，实现对工程资料的高效解析与信息检索。通过专有算法优化，该平台能够精准提取PDF中的地质数据，转化为AGS和Excel格式，并生成3D及2D场地模型，以支持跨学科项目协调。Civils.ai的核心技术创新在于其能通过深入解析建筑行业的大量数据，提高项目管理的准确性与效率，显著降低手动数据处理的时间与误差，进而推动建筑项目规划、执行过程中的决策优化与风险管理。

例如，在与鹿岛建设合作的一个重点项目中，Civils.ai通过提供即时的建筑信息检索与地质数据分析，极大地简化了复杂的地质条件评估过程，为项目规划与风险管理提供了数据支撑。同时，在ARUP的一个城市基础设施项目中，Civils.ai的数据抽取能力使得项目团队能够快速评估地下管线的分布情况，优化施工方案，减少对现有城市基础设施的干扰，从而提高了项目的社会可接受性和经济效益。此外，在Beca承接的一项大型商业综合体建设项目中，Civils.ai的应用不仅加速了项目设计阶段的信息交换流程，而且通过动态优化人力资源和设备利用率，有效地提升了施工阶段的效率和质量控制。

Civils.ai在建筑项目管理领域的应用彰显了技术赋能的创新成就，通过语言系统与人工智能算法的整合，该平台优化管理流程，增强数据驱动决策，促进参与方协作与沟通，构建高效工作生态。其成功案例强调了AIGC技术在项目管理现代化、资源动态分配、设计施工效率提升、质量风险控制及实时监控决策支持方面的核心作用。Civils.ai不仅为建筑业带来了高效互动的新模式，也为工程教育的智能化转型与教育改革提供了实证案例和深入洞见，促进了课程内容、教学方法的更新及以人为本的学习环境智能化，为教育体系的创新改革提供了新思路。

AIGC技术在工程教育领域的应用展示了其在丰富教学内容和加强学习互动性方面的显著潜力。通过对复杂工程场景的精确模拟，提高教学的深度和广度，开辟学生个性化学习的新途径，深化专业知识的理解与掌握。AIGC技术通过提供定制化学习材料和互动式学习环境，极大地提升了学生的学习动力和参与度，因此也对教学内容更新速度及教育方法改革提出新要求，挑战传统的教育评估体系的适应性，促使教育者探索更为灵活和创新的教学策略。

技术的快速发展预示着AIGC在未来将不限于工程教育，其对跨学科学习和创新思维能力的培育将影响更广泛的教育领域。面对这一趋势，教育体系需进行深刻的策略和评估机制调整，以容纳AIGC所引领的学习模式变革。同时，针对AIGC技术在教育中的伦理应用和整合策略的深入讨论，将确保其应用的正当性和教育质量的持续提升。综合评价AIGC对教育模式和教学质量的长效影响，对于教育领域的创新和优化同样重要，将推动教育实践向着更加高效、包容和创新的方向前进，为未来的教育变革奠定坚实的基础。

责任编辑：黄小青

‍‍‍‍‍‍‍

更多精彩，敬请期待！