谢幼如， 陈 薇， 邱 艺
（ 华南师范大学 教育信息技术学院， 广东 广州 510631）
[摘 要] 随着国家教育数字化战略行动2.0的启动，依托课堂这一育人主阵地，利用人工智能重构课堂教学，解决教育个性化、高质量、大规模三大难题，是纵深推进教育教学改革的重要突破口。研究以智慧教育理论、场景化教学理论、教学设计理论为指导，开展人工智能赋能高校课堂教学重构研究，系统回应高校课堂教学“为何重构”“凭何重构”“如何重构”三大核心问题。首先，立足高校课堂数字化转型、高质量发展、规模化因材施教的三维动因，论述了课堂教学重构的必要性。其次，指向大规模个性化创新型人才培养的范式转型，构建了人工智能赋能高校课堂教学重构的“育人导向—场景调适—结构升维”理论逻辑，阐释了课堂教学重构的理论依据。最后，有机融合目标、内容、活动和评价的教学设计理论体系与“师—生—机”三元交互新范式，形成了面向“师—生—机”三元课堂的人机协同教学设计方法；并构建了“国家智慧教育公共服务平台+智能体”赋能的人机交互理解、人机融智探究、人机共创生成三种典型高校课堂场景，提出了人工智能赋能高校课堂教学重构的场景化实施路径，系统论述了课堂教学重构的教学设计与实施路径。研究旨在为构建新型课堂教学组织形态、打造未来课堂、实现人工智能驱动的大规模因材施教提供理论支持与实践借鉴。
[关键词]人工智能； 教学重构； 课堂场景； 场景化教学； 智能体
一、问题的提出
随着大语言模型、智能体（Agent）的深化应用，社会交互已从“人—人”转向“人—机器—人”的智能中介范式，人机共生、人机共育成为时代发展的必然。课堂这一育人主阵地，其教学活动结构也正从“师—生”二元向“师—生—机”三元转变，为实现人工智能驱动的大规模个性化教学提供切入点。应对“人工智能+”催生的高等教育新生态，高校课堂教学亟须构建三元协同新范式，以推动育人质量的提升。人工智能赋能的高校课堂，其发展路向应由技术赋能走向生态重构，构建方法要从二元交互走向三元协同，实践路径可用跨界场景创新学习体验，以重点破解人才培养个性化、高质量、大规模的结构性冲突，形成“人工智能+”人才培养新模式。然而，现有研究多从改变已有赋能课堂的技术手段实现教学模式创新，忽视课堂本体理论在智能中介范式影响下产生的结构性变革；人机协同教学虽已成为课堂活动的一般流程，但仍缺乏直接指导“师—生—机”三元交互范式的课堂构建理论与设计方法；课堂教学模式多为满足固定场所的教学需求，难以适应智能时代创新型人才培养的跨学科需求。为此，本研究以智慧教育理论、场景化教学理论与教学设计理论为指导，指向大规模个性化创新型人才培养模式转型，系统回应高校课堂教学“为何重构”“凭何重构”“如何重构”三大核心问题，论述智能时代高校课堂教学重构的价值导向，阐释人工智能赋能高校课堂教学重构的理论逻辑，并提出面向“师—生—机”三元课堂的人机协同设计方法与场景化实施路径，助力打造未来课堂，提升高校课堂教学质量，推动实现大规模个性化人才培养。
二、智能时代呼唤高校课堂教学重构
（一）智慧教育引领高校课堂数字化转型
全球不同国家的高等教育在经济转型需求、教育发展诉求和技术突破要求三者的共同交互下达成了基本共识——高等教育进入“智慧教育元年”。面对智能技术生态的突破发展与持续升级，国际教育界立足智慧教育新阶段，发挥大数据、知识图谱与人工智能（D—KG—AI）等技术的全链条赋能作用 [1] ，从转型理论、资源供给、模式创新、评价变革等多个维度，推进高校课堂教学数字化转型。在转型理论上，强调课堂理念的全数据赋能、课堂空间的全场域融合、课堂结构的全要素协同 [2] ；在资源供给上，以国家智慧教育公共服务平台为枢纽，持续汇聚优质资源，提供十余种适用不同专业领域课堂教学的大模型，助力推动“大规模的标准化教育”转向“大规模的个性化学习” [3-4] ；在课堂模式上，涌现出了基于生成式人工智能的“协同探究智创”“融智课堂”等课堂新样态 [5-6] ；在评价创新上，已从理论或实践层面对多种评价质控框架和技术进行了初步探索，包括基于多域异构数据的高校混合课堂模式教学质量评价框架 [7] 、知识图谱赋能高校课程“教—学—评”一体化过程逻辑与实施框架 [1] ，以及基于大数据、人工智能等技术的教育评价改革效能智慧监测自助平台等 [8] 。综上所述，现有研究在技术对课堂构成的单一要素或关系赋能层面已有较为深入的探索，而高校课堂数字化转型的新路向是在教育、科技、人才三位一体的逻辑上，完成课堂理论、设计、模式和评价的系统性重构，如何在理论层面形成系统化重构逻辑以规模化指导高校课堂教学创新，仍需深入研究。
（二）结构升维推动高校课堂高质量发展
高质量课堂是推动教育高质量发展的核心，其要求课堂教学具备育人水平高、教学效率高、结构稳定性高的“三高特征” [9] 。将课堂活动结构由“师—生”二元升维至“师—生—机”三元协同，促使教师聚焦价值引领与启智润心、专注创造性教学工作，推动学生从被动接受知识转向主动提升素养，这是实现课堂高质量发展的关键路径。当前，许多学者分别从“教”或“学”的角度探讨智能机器在高校课堂教学中作为“助教”和“学伴”的作用。从“教”的角度看，现有研究对生成式人工智能以“助教”角色变革高校课堂设计与实施已有深入的探讨 [10-11] ，且实验证明生成式人工智能的“机师”角色可以帮助教师向学生教授25%的内容，从而提高学生学习满意度与学习成绩 [12] 。从“学”的角 度看，王永刚等从知识与技能获取、动机维持和情感支持、知识转移和应用三个层次提出了生成式人工智能对成人学习的赋能作用 [13] 。此外，将生成式人工智能和“教”与“学”融合，构建“师—生—机”三元课堂模式是现有研究的趋向 [14-15] 。由此可见，推动课堂结构升维已成为当前高校课堂高质量发展的新方向，在此背景下，亟须明晰面向“师—生—机”三元结构的人机协同课堂设计方法，以指导数智赋能的课堂变革。
（三）数智融合赋能高校规模化因材施教
以生成式人工智能为代表的数智技术使高校课堂的个性化教学迈向新阶段。在大数据、知识图谱、智能体等技术的协同作用与深度赋能下，高校课堂教学呈现大规模个性化、高度自主性、动态生成性等特征，学生主体地位更为明显、学习内容与活动更具生成性。国内外学者从形态机理与技术实现等方面对数智技术赋能的高校课堂个性化教学展开了探究。在理论层面，朱永海等对AIGC赋能下个性化学习新形态的内涵意义、结构特征进行了深入探讨 [16] ；陈建校等构建了AI重塑高等教育个性化教学的四维框架，揭示了AI赋能高等教育个性化教学的作用机理 [17] 。在实践方面，黄昌勤等基于ARCS动机模型开发了多智能体系统，为学生生成个性化激励型学习活动，显著提升了学习成绩、学习动机与深度学习认知层次 [18] ；同时，已有研究证明，智能体的个性化学习支持、情感反馈能够显著提升学习者的认知建构、学习主动性与学习投入 [19-20] 。此外，刘铭等认为，智能时代学习服务具有基于用户场景的个性化信息服务特性，并构建了基于场景的个性化学习服务模式 [21] 。综上所述，集成数据驱动的智能化教学助手使高校课堂的个性化学习成为新的现实，而如何基于课堂场景中的教学需求，发挥数智技术的赋能作用，规模化实施高校课堂个性化教学，仍值得深入探索。
三、 人工智能赋能高校课堂教学重构的
理论逻辑
人机共生时代，为纾解人才培养“大规模”与“个性化”间的矛盾，实现高质量育人目标，高校课堂教学亟须以D—KG—AI为技术基座，以表征个性化学习需求的课堂场景为载体，以“师—生—机”三元交互为实践方法，促进学生个性化知识建构与未来素养提升。因此，本研究指向大规模个性化的育人目标，以场景化教学为理论依据，以课堂活动结构升维为实践方法，提出人工智能赋能高校课堂教学重构的“育人导向—场景调适—结构升维”理论逻辑，如图1所示。
（一）育人导向：大规模个性化培养
面向智能时代的社会发展需要、专业培养要求与学生发展诉求，课堂这一育人主阵地亟须发挥D—KG—AI的赋能作用，围绕夯实立德明理的道德品质、培育批判创新的高阶思维、提升人智协同的未来素养等人才培养关键维度，在服务规模化班级教学的同时，为学生提供个性化、适应性培养。实现创新型人才的大规模个性化培养，是高校课堂教学重构的育人导向，也彰显了未来课堂的价值追求。
（二）场景调适：动态化开放性适配
随着经济社会发展对人才培养要求的持续演进、智能技术在教育生态中的持续融入以及学习者个性化学习需求的持续增长，知识观、学习观、教学观等教育观念发生根本性转变，课堂教学场景动态多变且日益复杂，而个性化的课堂教学往往需依托适切的场景实现。
场景作为理解人们生活方式和行为模式的微观单元，表征为人与时间、空间、技术、事件等要素的关系总和 [22] 。课堂场景则是指在特定教学时空内，课堂教学主体间及其与课堂事件、环境等要素相互作用的动态关系总和，课堂场景能够反映学生真实的学习需求。课堂场景化教学是以课堂场景为载体实施个性化教学的一种教学方式，具有社会文化性、动态生成性、开放共创性、情感联结性等本质特征 [23] 。其在特定的教学时空内，通过“理实一体的场景生成、人机协同的场景选择、人机协同的场景交互、数据驱动的场景融通、人机共评的场景反馈”的螺旋上升过程，弥合真实世界与课堂教学的鸿沟、促进深度学习与知识的创生应用、提供个性化的学习服务与情感连接，最终驱动高校课堂教学从“大规模标准化”向“大规模个性化”跃迁。
1. 理实一体的场景生成
作为场景化教学的起点，理实一体的场景生成应在“目标—事件—环境”三位一体的逻辑下展开。即以社会发展需要、专业培养要求与学生发展诉求为目标引领，将真实复杂问题与教学内容有机融合，依托数智技术打造虚实融合的具身认知环境，从而实现理论教学与实践育人相统一，为弥合真实世界与课堂教学间的鸿沟、开展个性化场景教学活动提供载体。
2. 人机协同的场景选择
在生成场景的基础上，匹配学习需求与场景，是为学生提供个性化学习服务的前提。在D—KG—AI的赋能下，通过对学习者精准画像并初步匹配场景，引导学生在人机对话中主动表达以适应性选择与调整学习场景，彰显学生的高度自主性与场景化教学的动态生成性。
3. 人机协同的场景交互
人机协同场景交互是场景化教学的核心环节。在此环节，学生通过与智能体的深度协作以及师生、生生间的社会性互动，在选定的虚实融合场景中建构知识、解决问题、生成能力。依托学习分析、情感计算等技术感知学生学习状态，动态调整交互策略并提供情感支持，建立“人—机—场景”的情感联结，实现多元智力涌现生成。
4. 数据驱动的场景融通
在场景交互过程中产生的多模态数据是驱动场景动态演化的关键要素。随着教学过程的不断推进，场景供给与教学需求不匹配的矛盾随之显现。因此，需基于场景交互数据，实时感知教学需求、智能融通多元场景，助力学生建构立体认知网络，提升高阶思维能力。
5. 人机共评的场景反馈
场景化教学闭环的形成，关键在于开展基于多模态场景数据的人机共评与场景反馈。通过融合教师的人文研判、机器智能客观动态的场景数据分析、学生 的自我反思，生成多维度教学反馈，以优化学习路径、调整教学策略、迭代课堂场景，从而实现课堂场景的持续优化与场景化教学的稳定发展。
（三）结构升维：三元结构协同交互
在高校课堂迈入人机共生、人机共育的转折时期，其教学重构的关键在于以课堂场景数据为纽带，重塑课堂活动主体的关系，将课堂活动结构从“师—生”二元向“师—生—机”三元升维，形成场景数据驱动的三元动态交互闭环。
一是“师—机”共教：协同决策，调控场景。“师—机”共教旨在通过形成教师智慧与机器智能优势互补的教学共同体，通过感知、收集、分析课堂场景数据，拓宽教学思维、提升备课效率、精准教学评价、优化场景决策，从而调控课堂场景，促进课堂教学效果提升与个性化教学实施。
二是“生—机”共学：协同学习，场景交互。“生—机”共学旨在基于智慧学伴的认知拓展、情感支持等功能，实时分析学习者画像与场景数据，为学生提供个性化资源适配、学习指引与情感反馈等，支持学生与智能体在场景交互中深度探究、批判建构、解决问题等，以培育批判性与创新性的高阶思维及提升人智协同的未来素养。
三是“师—生”共进：价值引领，启智润心。“师—生”共进强调将教师从繁重的事务性工作和标准化教学中解放出来，将更多精力投入到价值引领、启智润心、高阶思维引导、个性化情感关怀等创造性教学活动的设计与组织上，学生则因此获得个性化的学习支持与更丰富的学习体验，在技术减负提质的高质量互动中促进教学相长。
四、 人工智能赋能高校课堂教学重构的
设计方法
为切实推进高校大规模因材施教，本研究基于人工智能赋能高校课堂教学重构的理论逻辑，发挥国家智慧教育公共服务平台与智能体的赋能作用，形成面向“师—生—机”三元课堂的人机协同教学设计方法，指导高校课堂教学重构的实施，以人机共教、人机共评，促进人机共学。
（一）锚定课堂目标，打造数智育人新场景
教学目标是课堂教学的价值旨归。面向“师—生—机”三元结构的高校课堂，需紧扣社会发展需要、专业培养要求与学生个性化发展追求，应用知识图谱等技术，建立“社会发展—专业培养—学生需求”三维映射网络，以培养适应未来社会发展的创新型人才为根本目的，从夯实立德明理的道德品质、培育高阶思维与提升人智协同的未来素养等多维度，人机协同确定课堂目标。通过关联社会事件与课堂教学，打造数智育人场景，确保育人目标与实践始终锚定时代脉搏与人的全面发展，为实施个性化教学提供载体，弥合真实世界与课堂教学间的鸿沟。
（二）重构课堂内容，保障课堂教学高质量
素养为本、能力为先、动态开放的教育体系要求高校课堂对标“两性一度”，应用人工智能与知识图谱等技术，指向课堂目标匹配个性课堂场景，人机协同驱动教学内容深度重构。以教学目标为锚点，教师凭借教育智慧与专业洞察初步设定内容框架模块；智能体基于学生画像与场景数据，主动抓取行业前沿、社会热点与学科最新研究成果，自动关联课堂教学目标矩阵，动态生成并个性化推送多模态资源。通过“师—机”协同研判与动态生成，确保课堂教学内容与社会发展、学科前沿的同步演进，始终贯穿正确的价值取向，实现资源的迭代更新与高效供给，保障课堂教学高质量。
（三）重塑课堂活动，促进知识个性化生成
弹性重塑课堂教学活动，彰显“师—生—机”三元交互是实现高校课堂教学变革的关键。“师—生—机”三元课堂活动的设计强调教师依据课堂目标与学生认知起点，协同智能体规划活动框架、核心任务与学习路径。智能体则基于实时学情数据，动态生成个性化活动序列与脚手架，并为教师提供活动优化策略。在“师—生—机”三元的课堂活动中，应牢牢把握教师立德树人、价值引领与启智润心的引导作用，坚持学生主动探究、批判建构与素养生成的主体作用，创新引入智能体的认知拓展、思维激发、创意生成等协同实施作用与动态监控、个性反馈、优化建议等协同决策作用。通过三元协同，实现教学活动的弹性预设与个性化调适，精准落实课堂教学重点、高效突破课堂教学难点，促进知识、能力、素养的个性化培育，切实推进高校课堂大规模因材施教。
（四）变革课堂评价，落实“教学评”一体化
开展数据驱动、人机协同的场景化评价，是智能时代课堂评价变革与“教—学—评”一体化落实的关键途径。数据驱动、人机协同的场景化评价，强调在D—KG—AI等数智技术的赋能下，将课堂教学目标转化为与课堂场景紧密关联、可实施、可观测的场景任务，通过无感采集、埋点追踪等方式，对课堂场景全过程数据进行实时分析与预警反馈，协同教师的人文研判与机器的科学观测，对学生立德明理的道德品质、批判性与创新性的高阶思维、人智协同的未来素养等关键能力素养进行全流程、全方位的评价。最终，通过个性化评价干预，促进学生全面发展。
五、 人工智能赋能高校课堂教学重构的
实施路径
（一）人工智能赋能高校课堂教学重构的典型场景
课堂场景是场景化教学的载体，构建课堂场景是进行场景化教学的前提。本研究通过剖析高校课堂的学科专业、知识技能、问题属性等特征，围绕教学事件、活动主体、场景数据、教学环境等四大课堂场景核心要素，发挥国家智慧教育公共服务平台的支撑作用与智能体的创新应用，构建了人机交互理解、人机融智探究、人机共创生成三种人工智能赋能高校课堂的典型场景。
1. 人机交互理解的场景
人机交互理解的场景指向理解强化型课堂教学，聚焦原理的理解与辨析，该场景旨在突破学生在原理理解中记忆为主、被动接受等浅层学习局限，深化对原理本质的把握，辨析相似概念，并促进原理的迁移应用能力与批判性思维的发展。借助总结、结构映射、绘制图示、联想要义、自我测试、自我解释、以教促学和生动再现等促进知识建构、意义生成的策略 [24] ，可引导学生通过内在认知加工（如总结、绘画、联想、自我解释等）或外化输出的方式（如以教促学、生动再现等）深化对科学原理的理解与拓展。因此，本研究认为人机交互理解的场景应包含五个核心教学事件：感知注意、推理分析、建立关联、互动辩论、深化拓展，如图2所示。
在该场景中，“师—机”共教，教师借助智能体推送个性化场景学习资源，引发学习注意，并实时监控 学生认知图谱、学习投入等场景交互数据，以适应性诊断改进理解过程；“生—机”共学，学生在自我解释、绘制图示的基础上，通过人机辩论或向智能体表述所理解内容，客观认识概念、形成批判性思维；“师—生”共进，教师引导辩论方向，强化价值引领，在促进知识建构的同时实现启智润心的场景育人目标。
2. 人机融智探究的场景
人机融智探究的场景指向问题驱动型课堂教学，侧重于基于真实问题的深度探究与问题解决，引导学生融合人的智慧与机器智能，共同应对现实世界复杂问题，提升人智协同解决问题的未来素养。为破解传统探究性教学中问题解决能力培养浅表化、探究过程缺乏系统化与个性化的支持、难以实现客观评价等问题，本研究基于探究性学习综合框架 [25] ，深入挖掘智能体在探究过程中的认知拓展、过程支持、精准评价三重核心赋能作用，构建人智融合探究的场景。该场景包含五个关键教学事件：明确问题、提出假设、设计方案、实践验证、得出结论，如图3所示。
在该场景中，“师—机”共教，教师通过抛出问题情景，协同智能体引导思考、启发探究，并利用假设逻辑链、思维表征链等场景数据流，人机共评以适应性诊断改进探究过程；“生—机”共探，学生协同智能体分析问题、提出假设，设计方案、实施方案并得出结论，开展基于人工智能的自由探索式学习；“师—生”共进，教师基于智能体生成的学习分析报告，精准定位学生探究难点，实施个性化探究指导，并通过反思性对话，共同提炼探究经验，实现问题解决能力的协同发展。
3. 人机共创生成的场景
人机共创生成的场景指向创新实践型课堂教学，侧重于创新创意作品的生成与迭代，旨在通过发挥智 能体的创意涌现、认知增强与动态适配等优势，激发学生创造性思维，以突破个体创作局限、培养学生创新创造能力。创造性人才培养的核心在于发展人的创造性思维，而学生创造性思维的培养应以直觉猜测为着力点、以构建思维图像为重点、以原型启发为突破口 [26] 。基于此，本研究认为，人机共创生成的场景应包含五个基本教学事件：激发创意、协同设计、创作生成、评估迭代、展示共享，如图4所示。
在该场景中，“师—机”共教，教师锚定现实价值，连接真实世界需求与课堂创作实践，通过协同智能体抛出创作情境、启发认知图式、示范创作方法、分析创作场景数据等，实现学生创作过程的适应性优化与个性化支持；“生—机”共创，学生作为创意主体，与智能体形成创作共同体，在人机交互中获得多模态创作资源支持、激发创意思维、形成创作主题、设计创作方案、生成创作作品；“师—生”共进，教师通过建立创作伦理审查机制、动态监控人机贡献度占比，确保创作过程的规范性，实现学生素养生成与价值塑造的协同发展。
（二）人工智能赋能高校课堂教学重构的实施路径
随着人工智能技术的持续发展，基于大模型的智能体通过规划（Planning）、记忆（Memory）和工具使用（Tool Use）三大关键组件，已具备多模态感知、检索增强生成、推理与规划、交互与进化等关键能力 [27] 。在此基础上，多智能体利用合作、竞争或协同竞争等交互机制，在分布式、集中式或层次式等编排结构下，采用基于角色、规则或模型的通信策略 [28] ，能够解决复杂问题、构建更加精准的自主决策个性化教学系统，为垂直解决课堂场景化教学问题、突破高校课堂大规模个性化教学难题提供新的技术解决方案。因此，本研究基于场景化教学的基本流程，以“国家智慧教育公共服务平台+智能体”为核心技术基座，面向高校课堂场景化教学的实际需求，采用“合作—分层—角色”的多智能体协同机制，构建面向场景化教学的多智能体系统，利用国家智慧教育公共服务平台的资源提供、交互记录、数据监管等功能，提出人工智能赋能高校课堂教学重构的实施路径，包括人机协同的场景选择、人机协同的场景交互、数据驱动的场景融通、人机共评的场景反馈四个阶段，如图5所示。
在人机协同的场景选择阶段，教师明确教学目标，发布学习任务；学生向智能体发起请求并表达学习需求；国家智慧教育公共服务平台基于学生前序学习数据生成学习者画像，智能体基于学习者画像、场景识别规则等，通过分析教学目标、识别学习需求，向学生推荐课堂场景；“生—机”协商进入场景，打破以往个性化学习中学生被动接受系统预设资源的局限，转向自我主动表达调适与支持环境双向适应的新型学习方式。在人机协同的场景交互阶段，学生基于场景问题、任务链等与场景专家智能体开展深度理解、协同探究与共创生成等活动；场景专家智能体融通国家智慧教育公共服务平台优质教学资源，为学生提供分步骤、可解释、可协商的个性化学习服务；教师以价值引领为纲，调控场景教学活动。在数据驱动的场景融通阶段，数据分析智能体对比分析学习者画像、场景交互数据与教学目标，场景决策智能体依据目标达成度适应性融通切换课堂场景，赋能学生构建跨场景、跨学科的立体认知网络，提升综合素养。在人机共评的场景反馈阶段，场景评价智能体对学习投入、学习情感、师生互动、学习成果等数据进行多维度分析，生成分析报告与教学建议，“师—生—机”协同反思总结与循证改进。
（三）人工智能赋能高校课堂教学重构的实施案例
本研究依托H大学教育技术学专业“教学系统设计”本科课程，选取“人工智能赋能项目化学习的设计”专题，聚焦掌握人工智能赋能项目化学习设计的基本方法、提升人智协同创新课堂设计的实践能力、培育服务国家教育数字化战略的专业素养等课堂教学目标，应用“合作—分层—角色”的多智能体协同机制，整合多种大模型在深度思考、工具调用、图片理解等方面的优势，构建多智能体系统（Aidee），并利用国家智慧教育公共服务平台中的一流课程资源，开展以人机共创生成场景为主的课堂教学实践，如图6所示。
在人机协同的场景选择阶段，“师—机”共教，教师协同智能体指向教学目标，基于学生学情，预设“项目案例分析”“项目总体规划”“课堂教学设计”等进阶任务；学生协同智能体进入人机共创生成场景。在人机协同的场景交互阶段，教师通过示范案例、提供设计方法等，激发学生设计意图、启发认知图式，引导学生关注教育教学改革前沿，树立服务国家教育数字化战略行动的意识；“生—机”共创，学生协同智能体开展分步骤、进阶式的对话，总结项目化学习设计的一般方法，完成主题选定、三元协同的项目化学习课堂设计创新方案等；“师—生”交互，教师实时监控学生与智能体的对话过程，引导学生采用主动、批判的方式与智能体对话，建立人机互信的共创机制。在数据驱动的场景融通阶段，智能体基于个性化的人机共创生成场景交互数据，使学生适应性地融通人机交互理解等场景，促进学生个性化知识建构、作品创作与能力生成。在人机共评的场景反馈阶段，教师协同智能体对学生创作过程、创作结果进行多维度的综合评价，生成改进建议，学生依据建议迭代优化方案；“师—生”共进，教师引导学生总结归纳、批判反思专题重点内容，促进高阶思维的深度发展。
通过上述课堂教学重构，在课堂教学目标方面，实现思政育人与专业教学的有机融合；在课堂流程结构方面，依托“师—生—机”三元协同机制，通过强化教师的价值引领作用以确立学生的创作主体地位，利用智能体的赋能提效价值以重组教学流程与再造课堂结构；在课堂教学评价方面，基于“数据驱动+人机协同”的评价机制，落实了“教—学—评”一体化；在课堂教学效果方面，有效促进了学生立德明理的道德品质、批判性与创新性的高阶思维及人智协同的未来素养的个性化生成，推动实现高校课堂规模化因材施教。
六、结 束 语
随着国家教育数字化战略行动2.0的启动，人机共生、人机共育已成为教育发展的必然趋势。在大数据、知识图谱与人工智能等数智技术与教育的不断碰撞下，“师—生—机”三元协同既是时代要求，也是教育发展的自我内生诉求。研究剖析高校课堂教学重构的三维动因，构建人工智能赋能高校课堂重构的理论逻辑，提出面向“师—生—机”三元课堂的人机协同设计方法与课堂教学重构实施路径，系统回应“为何重构”“凭何重构”“如何重构”三大问题。展望未来，亟须协同多方力量，深化“国家智慧教育公共服务平台+智能体”支持的高校课堂教学重构研究，共同探讨“师—生—机”三元协同未来课堂的理论与实践，积极推动教育的高质量发展。
本文发表于《电化教育研究》2025年第10期，转载请与电化教育研究杂志社编辑部联系(官方邮箱：dhjyyj@163.com)。
引用请注明参考文献： 谢幼如,陈薇,邱艺 . 人工智能赋能高校课堂教学重构研究 [J]. 电化教育研究，2025，46(10)：5-13.
责任编辑：张 绒
校 对：袁梦霞
审 核：郭 炯
【参考文献】
[1] 谢幼如，陆怡，彭志扬，等. 知识图谱赋能高校课程“教—学—评”一体化的探究[J]. 中国电化教育，2024（12）：1-7.
[2] 谢幼如，罗文婧，章锐，等. “双减”背景下课堂教学数字化转型的理论探索与演进路径[J]. 电化教育研究，2022，43（9）：14-21.
[3] 任昌山，刘嘉豪，张国良，等. 全球教育数字化转型背景下“中国国家智慧教育公共服务平台（国际版）”的价值与发展[J]. 中国电化教育，2024（10）：60-67.
[4] 谢幼如，陆怡，夏婉，等. 国家智慧教育平台赋能高校课堂数字化转型探析[J]. 中国教育信息化，2024，30（3）：15-24.
[5] 祝智庭，赵晓伟，沈书生. 融智课堂：融入AI大模型的创新课堂形态[J]. 电化教育研究，2024，45（12）：5-12，36.
[6] 魏非，杨可欣，祝智庭. 协同探究智创：生成式人工智能时代的学习新模式[J]. 开放教育研究，2025，31（2）：14-23.
[7] ZHOU Y， ZOU S， LIWANG M， et al. A teaching quality evaluation framework for blended classroom modes with multi-domain heterogeneous data integration[J]. Expert systems with applications， 2025，289：127884.
[8] 朱德全，彭洪莉. 新时代教育评价改革效能的智慧监测：一种自助平台的构想[J]. 电化教育研究，2025，46（7）：41-48.
[9] 谢幼如，夏婉， 邱艺， 等. 数字化转型赋能高质量课堂：逻辑要义、实践向度与典型样态[J]. 中国电化教育，2023（9）：50-58.
[10] 李秀，陆军，牛佳丽. GenAI赋能的人机双师协同教学研究——基于清华大学计算机基础课程的案例分析[J]. 现代教育技术， 2025，35（3）：34-43.
[11] MOUNDRIDOU M， MATZAKOS N， DOUKAKIS S. Generative AI tools as educators' assistants： designing and implementing inquiry-based lesson plans[J]. Computers and education： artificial intelligence， 2024，7：100277.
[12] NILOY A C， AKTER S， SULTANA J， et al. Can generative AI be an effective co-teacher? An experiment[J]. Computers and education： artificial intelligence， 2025，8：100418.
[13] 王永刚，刘莹. 生成式人工智能如何赋能成人学习：从微观到宏观的多层次研究[J]. 成人教育，2025，45（6）：63-69.
[14] 都琳，徐爽，徐宗本. 师―生―AI协同课堂：人工智能赋能大学数学教育的载体及实践[J]. 中国大学教学，2025（4）：59-65， 81.
[15] 袁磊，徐济远，刘沃奇. 数智教育生态下人机协同教学范式转型[J]. 开放教育研究，2025，31（2）：108-117.
[16] 朱永海，张佳鑫，韩锡斌. 基于生成式人工智能的个性化学习新形态[J]. 电化教育研究，2025，46（4）：58-64.
[17] 陈建校，刘斯琦， 左梦雪. 人工智能重塑高等教育个性化教学：作用机理与影响效应[J]. 中国职业技术教育，2025（3）：75-84， 112.
[18] 黄昌勤，钟益华，王希哲，等. 从单智能体到多智能体：大模型智能体支持下的激励型学习活动设计与实证研究[J]. 华东师范大学学报（教育科学版），2025，43（5）：44-56.
[19] LYU B， LI C， LI H， et al. The role of teachable agents' personality traits on student-AI interactions and math learning[J]. Computers & education， 2025，234：105314.
[20] 吴林静，陈梦凡，高喻，等. 面向调节学习支持的智能教学代理设计与实证研究[J]. 电化教育研究，2024，45（11）：53-60.
[21] 刘铭，武法提. 场景化学习服务模式构建研究[J]. 电化教育研究，2021，42（1）：87-92，114.
[22] 郜书锴. 场景理论的内容框架与困境对策[J]. 当代传播，2015（4）：38-40.
[23] 袁凡，陈卫东，徐铷忆，等. 场景赋能：场景化设计及其教育应用展望——兼论元宇宙时代全场景学习的实现机制[J]. 远程教育杂志，2022，40（1）：15-25.
[24] FIORELLA L， MAYER R E. Eight ways to promote generative learning[J]. Educational psychology review， 2016，28（4）：717-741.
[25] PEDASTE M， MÄEOTS M ， SIIMAN L A， et al. Phases of inquiry-based learning： definitions and the inquiry cycle[J]. Educational research review， 2015，14：47-61.
[26] 张敬威， 于伟. 非逻辑思维与学生创造性思维的培养[J]. 教育研究， 2018， 39（10）： 40-48.
[27] 卢宇，余京蕾，陈鹏鹤. 基于大模型的教学智能体构建与应用研究[J]. 中国电化教育，2024（7）：99-108.
[28] LI X， WANG S， ZENG S， et al. A survey on LLM-based multi-agent systems： workflow， infrastructure， and challenges[J]. Vicinagearth， 2024（1）：9.
Research on the Reconstruction of Classroom Teaching in Universities Empowered by Artificial Intelligence
XIE Youru, CHEN Wei, QIU Yi
（ School of Information Technology in Education, South China Normal University, Guangzhou Guangdong 510631 )
[Abstract] With the launch of the National Education Digitalization Strategy Action Plan 2.0, relying on the classroom as the main arena for nurturing talents and using artificial intelligence to reconstruct classroom teaching to solve the three major problems of personalized, high-quality and large-scale education is an important breakthrough for further advancing educational and teaching reforms. Guided by the theories of smart education, scenario-based teaching, and instructional design, this study conducts research on the reconstruction of classroom teaching empowered by AI in universities, systematically addressing three core questions of "why to reconstruct", "on what basis to reconstruct", and "how to reconstruct". Firstly, based on the three-dimensional driving forces of digital transformation, high-quality development, and large-scale personalized instruction in higher education classrooms, this study argues for the necessity of classroom reconstruction. Secondly, pointing to a paradigm shift of cultivating large-scale personalized innovative talent, this study constructs the theoretical logic of "education-oriented approach,scenario adaptation, structural elevation" for AI-empowered reconstruction of university classroom teaching, and explains the theoretical basis for the reconstruction of classroom teaching. Finally, by organically integrating the theoretical framework of instructional design that includs objectives, content, activities and assessment with the new triadic interaction paradigm of "teacher-student-machine", this study develops a human-machine collaborative classroom instructional design methodology for triadic classrooms. Additionally, this study constructs three typical university classroom scenarios empowered by the "National Smart Education Public Service Platform +Agents": human-machine interaction understanding scenario, human-machine collaborative inquiry scenario, and human-machine co-creation and generation scenario. It further proposes a scenario-based implementation pathway for the AI-empowered reconstruction of university classroom teaching, and systematically elaborates on the instructional design and implementation approach for the reconstruction of classroom teaching. This study aims to provide theoretical support and practical reference for constructing a new form of classroom teaching organization, creating future classrooms, and realizing AI-driven large-scale personalized education.
[Keywords] Artificial Intelligence; Teaching Reconstruction; Classroom Scenario; Scenario-based Teaching; Agent
基金项目：2023年度广东省本科高校教学质量与教学改革工程建设项目“知识图谱赋能课程数字化建设与场景化应用研究”
[作者简介] 谢幼如（1965—），女，广东潮州人。教授，博士，主要从事教育数字化、教育技术学、课程与教学论研究。E-mail：xieyouru@aliyun.com。
中文核心期刊
CSSCI来源期刊
RCCSE中国权威学术期刊
AMI核心期刊
复印报刊资料重要转载来源期刊
《电化教育研究》创刊于1980年，是我国教育与电教界的学术理论园地和权威性刊物，素有“中国电化教育理论研究基地”之称誉。主要研究现代教育前沿问题，服务全国教育教学改革；关注国内外信息化教育理论的创新。
《电化教育研究》开设的栏目主要包括理论探讨、网络教育、学习环境与资源、课程与教学、学科建设与教师发展、中小学电教、历史与国际比较等。
《电化教育研究》
