为深入贯彻落实国家关于人工智能通识教育的部署要求，扎实推进“信息技术与人工智能”通识必修课应用模块（8学时）的教学设计与实施，近日，我校“信息技术与人工智能”课程教学团队围绕智能制造、能源装备、集成电路、民用航空、信息技术、人文设艺等方向，组织开展了多场集体备课研讨会，就差异化教学设计、实验方案优化及跨学院协同机制等议题进行了深入研讨，构建了“一方向一方案”的教学体系，立足专业特色，推动AI与行业应用深度融合。
在智能制造方向，团队确定了从数据分析到视觉检测再到机器人导航的递进式教学逻辑。课程涵盖轴承故障诊断、热轧钢带表面缺陷检测等工业场景，通过Python编程实现从数据加载、频谱分析到机器学习分类的完整AI诊断流程。针对大一学生基础薄弱的特点，团队提出将深度学习模型视为“黑盒”，重点展示输入与输出的直观对应关系，通过增加可视化图表降低理解门槛。
在能源装备方向，团队围绕电气学院大一新生设计了渐进式教学内容。课程涵盖从数据准备与模型训练（VGG16/CIFAR-10）、YOLO模型与注意力机制应用、Transformer架构与大模型原理认知，到基于豆包、扣子等工具构建能源装备学科智能体的完整闭环。团队拟将通用数据集替换为风电图像、用电量时序数据等能源装备相关数据，以增强课程与电气专业的关联性。
在集成电路方向，团队围绕AI+材料设计了MLP（水凝胶传感器）和CNN（压力传感器）两个核心实验。针对材料专业学生缺乏编程基础的情况，团队确立了“重理解、轻代码”的教学策略，要求学生通过修改隐藏层、学习率等参数观察模型变化，理解参数对模型的影响。同时，团队计划整理常见报错手册并制定分组协作的应急预案，以应对机房环境限制和突发技术问题。
在民用航空方向，团队以AI+民用航空为核心设计课程内容，涵盖AI认知与知识图谱构建、航空结构表面缺陷智能监测、发动机健康管理（EHM）及综合项目展示四大模块。为应对航空学院与空天学院（含通信、电子专业）的差异化需求，团队计划扩展案例库，在航空金属表面缺陷基础上增加了PCB板缺陷检测、芯片层面识别等案例。
在信息技术方向，团队确立了以“大模型主导”为核心的课程改革理念，针对传统AI教学中“环境配置难、文档理解难、代码编写难”三大痛点，构建了“环境配置→模型搭建→数据输入→论文阅读”四阶段大模型应用教学闭环。团队计划为每节课配备至少3名助教，并制定了分阶段压力测试落地计划，引入自动化评分系统，确保课程在高并发下稳定运行，为人工智能与数据科学学院学生打造从基础认知到高阶应用的低门槛、高效率学习路径。
在人文设艺方向，团队针对外语、艺术类专业制定了差异化教学方案艺术类专业采用“传统设计”与“AI辅助设计”的对比实验模式，引导学生通过海报设计任务深化对AI工具价值的认知；外语专业则以“用英语讲好中国故事”短视频创作为核心，采用项目式学习模式，涵盖从脚本撰写到视频产出的全流程。
“信息技术与人工智能”系列集体备课不仅统一了各方向的教学思路，也在跨学院协作、考核评价与资源保障等方面形成了多项共识。在跨学院协同方面，建立了“分工协作、案例共建”模式，由牵头教师提供教学模板，其他教师在此基础上补充各自专业领域的案例。在考核评价方面，各方向以“重应用，轻代码”为原则，重视学生对“AI+专业”的认知，探索不同形式的过程化考核方式。在资源保障方面，各团队强调所有Demo需提前验证，实验指导书需包含详细步骤与预期结果。
学校“信息技术与人工智能”课程教学团队已基本完成师资培训、实验平台部署、教学材料复核等工作，已形成完整教学资源包。9月，这门覆盖全校新生的通识必修课将正式开课，为培养具备人工智能素养与创新能力的高素质应用型人才奠定坚实基础。（供稿：教务处）
