基于人工智能辅助的研究生教学模式的构建与实践

Construction and practice of a mode of AI-assisted teaching in postgraduate education： taking the course Aquatic Animal Diseases and Diagnostic Technologies as an example

摘要

针对当前研究生课堂教学中普遍存在的学生参与度低、被动学习、师生互动隔阂等问题，本文以天津农学院《水产动物疾病及诊断技术专题》课程为例，构建并实施一种人工智能辅助的启发式探究教学模式。该模式旨在将AI移动工具从“干扰源”转化为“认知伙伴”，通过AI辅助的课前预习、课堂互动、课后拓展与评价等教学环节，将传统的“教师讲、学生听”转变为“师生互动、AI赋能”教学模式。实践表明，该模式显著提升了学生的学习兴趣、课堂活跃度和知识应用能力，有效解决了“课堂低头族”现象，促进了研究生创新认知能力的培养，以期为人工智能时代水产类专业研究生教学改革提供参考依据。

Abstract

The course Aquatic Animal Diseases and Diagnostic Technologies in Tianjin Agricultural University was used to construct and practice a heuristic inquiry mode of teaching in postgraduate education assisted by AI to solve the common problems in current classroom teaching for postgraduates including the low participation of students, passive learning, and barriers in interaction between teacher and students. This mode aimed to transform AI tools from " sources of distractions " to "cognitive partners". The traditional paradigm of "teacher lectures, students listen" was shifted into a new mode of learning characterized by "teacher-student co-inquiry and AI-enabled creation" through AI-assisted pre-class preparation, classroom interaction, and post-class extension and evaluation in the practice of teaching. The results of teaching practice showed that the constructed mode significantly enhanced postgraduates' interest in learning, engagement in classroom and ability to apply knowledge, mitigated the phenomenon of "heads-down tribes" in the classroom effectively, and promoted the development of postgraduates' abilities of innovative cognition. It will provide a reference for the reform of teaching for postgraduates majored in aquaculture in the era of artificial intelligence.

关键词

人工智能 / 研究生教学 / 教学模式 / 启发式教学 / 水产动物疾病 / 教学改革

Key words

artificial intelligence / postgraduate education / mode of teaching / heuristic teaching / aquatic animal diseases / reform of teaching

高校研究生教育是培养高层次创新人才的高地，其主要目标在于激发学生的科研潜能、培养其独立思考和解决复杂问题的能力。然而，在传统的研究生课堂教学中，“满堂灌”的知识传授模式仍占据相当比重，极易导致学生陷入被动接收、机械学习的状态，从而导致课堂积极性不高、专注度不足、师生互动性不强以及深度思考缺失等一系列“教学隔阂”现象^[1]。这一问题在《水产动物疾病及诊断技术专题》这类理论性与实践性并重的专业课程中表现尤为突出^[2]。该课程内容涵盖病原学、流行病学、病理学、诊断和防治技术等多个层面，且水产疫病知识更新快、发病案例复杂多变，若仅依靠教师单向讲授，难以激发学生的深层学习兴趣和主动探究意识，最终影响教学成效。

当前，人工智能（AI）、大数据和虚拟现实等新一轮科技革命正持续拓展人类认知边界，也为高等教育带来深刻冲击与转型机遇。与此同时，高等教育亟需主动拥抱AI技术变革，积极探索AI辅助与专业教学深度融合的新模式。特别是以ChatGPT、DeepSeek、豆包等为代表的智能语言模型及其应用已快速渗透至各行业领域，高等教育同样面临前所未有的挑战。值得强调的是，AI技术赋能研究生教育，不仅体现为一种高效智慧的信息处理工具，更是一种能够与人协同思考、激发创新的专业认知伙伴^[3]。将AI引入研究生课堂教学，并非简单地用机器替代教师，而是构建“人机协同”的新型教学环境，使教师从重复性知识讲解中解放出来，更加专注于启发、引导和评价；并将学生从信息的被动接收者，转变为知识的主动探究者^[4]。因此，基于人工智能辅助的研究生教学改革与实践探索，对“新农科”高级复合型创新人才培养具有重要现实意义。

随着AI技术的迅速发展，其与教育领域的深度融合正促生教学模式的深刻变革^[5-6]。基于以上背景，本文以天津农学院《水产动物疾病及诊断技术专题》研究生课程为例，结合教学团队近年来的探索与实践，直面课堂手机使用与学习专注度的矛盾，尝试突破一贯“禁止手机”的教学思路，转而因势利导“课堂低头族”，将手机等移动终端与AI工具相结合，赋能研究生专业课程教学。在此基础上，笔者初步构建并实践了一套人工智能辅助的启发式探究教学体系，旨在借助AI技术激活课堂氛围，加强师生、生生之间的互动协作，从而提升研究生的自主学习能力与创新思维动力。同时，立足于研究生课程特点与实际教学痛点^[7-8]，对该模式的理论构建、实践过程、初期成效及面临挑战进行系统梳理与总结，以期为人工智能时代下水产类专业研究生教学改革提供参考依据。

1 人工智能辅助教学理论基础与模式的初步构建

1.1 经典的教学理论基础的应用设想

在AI辅助研究生课程教学模式的构建中，建构主义、联通主义与启发式学习理论的综合应用，目前在水产动物医学领域尚缺乏系统性的梳理与深入实践^[9-11]。基于AI的教学辅助可依托建构主义理论，为学生创设接近真实科研情境的复杂问题（如模拟水产动物疾病暴发现场、“鱼瘟”频繁暴发现状及流行特点），提供海量的学习资源（文献、案例库），并作为“智能学伴”在与学生的对话中促进其专业理论认知水平。同时，结合联通主义学习理论，AI工具可以借助水产动物疾病诊断智能搜索引擎和知识图谱，帮助学生快速、精准地建立与所需专业知识节点的串联，培养其信息筛选、整合与创新的能力。此外，在启发式教学模式下，AI可主动激发学生的思维活动，引导其主动发现和掌握水产动物疾病研究动态及最新进展理论知识。AI可以承担部分“提问者”的角色，根据学生的学习进程生成层层递进的问题链，也可作为“辩论对手”，对学生的观点提出质疑，推动其思考向更深层次发展，最终促进水产动物疾病防治实践技能的全面提升。

1.2 教学模式框架的初步构建

通过融合上述教学基础理论^[12-14]，笔者构建了AI辅助的启发式探究《水产动物疾病及诊断技术专题》教学模式，核心框架主要包括3个相互衔接、循环递进的课前准备、课中互动和课后拓展阶段。

按照课前准备阶段，通过AI辅助的个性化预习与问题生成，教师设计核心问题包括鱼类疾病学背景知识导读、关键术语解释以及与专题相关的开放性讨论题，学生初步尝试使用AI解答教师提出的问题，利用AI翻译工具阅读指定的英文文献，记录初步理解和疑惑点。课中互动阶段，通过AI驱动的探究性学习与协同建构，教师作为课堂主持人、引导者和促进者，组织小组讨论、案例分析和辩论活动，引导学生利用手机/平板电脑上的AI工具进行“现场”文献检索、数据分析、诊断方案设计，并与组员协作形成解决方案，有效促进形成AI辅助的启发式互动协作小组。课后拓展阶段，通过AI赋能的知识内化与创造性输出，教师布置需要综合运用知识与AI工具的创造性作业（如撰写1篇综述或设计1个防控方案、制作1个科普视频脚本），学生利用AI工具进行深度学习，如让AI对某一专题进行多角度综述，然后学生进行批判性评阅和修改；或利用AI模拟不同疾病防控策略，发挥其逻辑结构优化、个性化辅导等优势撰写分析报告。

该模式旨在将手机等移动工具从“干扰源”转化为“认知伙伴”，通过AI辅助的课前预习、AI驱动的课堂互动、AI赋能的课后拓展与评价等环节，系统性地重塑教学过程。这一模式的核心在于，将AI无缝嵌入水生动物疾病学前沿“问题－探究－表达”的学习闭环中，使学生的手机从“娱乐玩具”转变为“科研利器”，让他们在课堂上忙于与同学、AI和教师之间进行高强度的思维互动，从而无空闲进行与学习无关的活动，有效解决了“课堂低头族”现象。

2 人工智能辅助教学模式在课程中的初步实践

本课程共计36学时，围绕3个方面的水产动物疾病防治及诊断技术专题展开。在教学实践中，旨在鼓励学生利用AI工具进行文献检索与翻译、案例分析与诊断辅助、观点辩论与报告生成，将传统的“教师讲、学生听”转变为“师生互动、AI协创”的新型学习小组。

以下结合水产动物传染病流行特点及综合防控（18学时）、疾病诊断技术（9学时）和寄生虫病防治专题（9学时）等内容，详述AI辅助教学的具体应用案例。

2.1 专题一：水产动物传染病流行特点及综合防控

本专题知识体系较庞大，水生动物传染病（AEIDs）新概念、新疫情频发^[2,15]，这是教学实践AI辅助教学的重点内容。

本教学实践案例1：AI辅助的“新发传染病”概念辨析与案例检索。传统教学采用教师讲解“新发传染病”的定义、特征和实例，以及“老三病和新三病”的研究动态。课前通过教师要求学生使用AI工具，如通过提示：请用通俗易懂的语言解释‘新发传染病’的概念，并列举3个近年来在水产领域出现的例子，说明其特点。学生进行课前预习，并提交预习报告，在讲授“对虾白斑综合症病毒（WSSV）的全球流行”前，教师不直接提供案例，而是要求学生在课前利用AI工具完成检索并总结近3年关于WSSV在亚洲、美洲不同养殖模式下的流行率报告；让AI分析并列出导致其跨区域传播的三大主要人为因素；要求每位学生基于AI提供的信息，提出1个自己最感兴趣的、尚未解决的科研问题。学生通过与AI互动，变被动接收为主动探索，初步构建了知识框架，并带着个性化的、有价值的问题进入课堂，为深度讨论奠定了基础。此举也锻炼了学生向AI提问、辨别AI生成信息真伪的能力。课中教师不直接给出定义，而是抛出问题：新发“鱼瘟”（腐皮溃烂、越冬综合征）算不算一种新发传染病、为什么？学生分小组，利用AI工具快速检索“鱼瘟”的病原学研究进展、流行历史、暴发动态等资料，并与AI生成的“新发传染病”标准进行比对、辩论。课后效果是学生通过主动探究和对比分析，深刻理解了“新发”的相对性和复杂性，记忆远胜于被动听讲。课堂变成了观点交锋的“辩论场”，气氛热烈，激发学生学习兴趣。

本教学实践案例2：AI模拟的水生动物疾病生态学综合防控方案设计。传统教学通过教师讲授疾病“三环论”“三套环论”“疾病三角”及综合防控的几大原则和措施。课中任务通过教师提供1个养殖场烂鳃病案例（除细菌、病毒、真菌和寄生虫烂鳃外，还包括养殖品种、密度、水源环境恶化胁迫、中毒引起及已发病情况，自然和人为因素等），要求各小组在限定时间内，利用AI工具虚拟设计1套疾病生态学综合防控方案，提问并设计“疾病金字塔理论”模型。学生行动采用小组分工合作，一部分人用AI检索类似案例的成功经验，一部分人让AI分析案例中存在的生态风险因子，一部分人利用AI生成方案的初稿。例如，学生可以向AI提问：针对一个高密度养殖南美白对虾的池塘，如何从水体微生态调控、饵料管理、生物防控等角度设计一套预防“早期死亡综合征”的方案？课后成果展示与评价，各小组展示其AI辅助设计的方案，并接受其他小组和教师的质询。教师重点评价方案的系统性、创新性和可行性。这个过程极大地锻炼了学生解决疾病防控临床实践问题的能力。

2.2 专题二：水产动物疾病诊断技术专题

本专题实践性强，强调诊断逻辑与技术的综合应用。具体的教学实践案例3：通过AI扮演的“虚拟诊断专家系统”或“虚拟诊断教练”。传统教学依次讲解临床症状、病理剖检、微生物学诊断、分子生物学诊断等技术。在学习水产动物疾病前，例如实时荧光定量PCR（qPCR）、环介导等温扩增技术（LAMP）、酶联免疫吸附试验（ELISA）以及免疫荧光（IFA）等分子诊断技术^[13-15]，要求学生利用AI工具来辅助理解引物设计原则，或指令AI用浅显易懂的语言解释qPCR中Ct值的意义及其在定量分析中的应用。同时，推荐学生使用AI搜索并观看相关技术的虚拟动画演示视频。也可以利用AI的多模拟能力，将抽象的分子诊断技术原理转化为生动、直观的理解，降低认知门槛，为课堂上的深度技术分析做好铺垫。课中模拟通过教师展示一系列患有未知疾病的病鱼图片、视频及简要流行病学资料。各小组扮演“诊断专家组”，其任务是利用AI作为“智能顾问”进行诊断。其中重要疫病的诊断流程，采用学生向AI描述观察到的症状，如“体表有溃疡，鳃丝苍白，肝脏肿大”，AI会根据其知识库，生成可能的疾病列表及鉴别诊断要点。学生需要进一步追问AI：“如何通过病理剖检来区分列表中的疾病A和疾病B？或病毒性烂鳃和细菌性烂鳃的鉴别诊断？”或者“请设计基于某种致病基因的PCR检测流程来确诊某种疾病”。学生需要批判性地审视AI给出的答案，判断其合理性，并整合形成最终的诊断报告。这模拟了真实的科研诊断过程，培养了学生的批判性思维和信息鉴别能力。此外，利用全国水生动物疾病远程辅助诊断服务网，学生可在课堂上使用手机拍摄提供的病鱼图片，AI模型能快速识别并标注出鳃部溃烂、体表溃疡、鳍条溃烂等关键症状，并给出可能的烂鳃病因条件、建议。这不仅极大地提高了诊断训练的效率和趣味性，也让学生提前熟悉了智能化诊断工具的临床实践应用。

2.3 专题三：水产动物寄生虫病防治专题

本专题内容相对经典，但防治策略需要与时俱进。教学实践案例应用，通过AI辅助的“寄生虫病防治方案优化与辩论”“虾肝肠胞虫病发病机制及防治”等。传统教学讲授常见寄生虫的生活史和防治药物。

本教学实践案例4：课前采用学生使用AI工具梳理某种重要寄生虫（如小瓜虫、孢子虫）的经典防治方法及其局限性。课中辩论通过教师设定辩题，如“面对日益严峻的抗药性，未来水产寄生虫病的防控应更依赖于绿色生态防控还是新型药物的研发”？利用AI快速搜集支持己方论点的最新研究数据、案例和权威观点。学生可以要求AI充当“反方辩手”，对自己的论点进行驳斥，从而帮助自己完善论据；AI还可以帮助学生生成辩论陈词的提纲。教学效果通过高强度的信息整合与观点对抗，学生不仅掌握了知识，更深刻理解了学科前沿的争议与挑战，激发了科研兴趣。

3 取得的教学效果与面临的挑战

经过3个教学周期的教学实践，通过课堂观察、学生作业、课程考核以及课后访谈等方式，显著提升了学生的学习兴趣、课堂参与度与活跃度、批判性思维能力和知识应用能力，有效解决了“课堂低头族”现象，促进了研究生高阶认知能力的培养。尽管学生人手一机或一平板，但都是在紧张地检索资料、与AI对话、与组员讨论，课堂从“寂静的听讲”转变为“喧闹的工坊”，学生思维高度集中，学习由被动转为主动学习。同时，AI辅助教学深化了学生对理论知识的理解与应用能力，在期末的课程报告中，学生展现出的问题分析深度、方案设计广度以及对最新文献的把握能力，明显优于往届学生。此外，打破师生隔阂，促进教学相长，教师不再是唯一的知识权威，而是与学生一同探索未知的引导者和思考者，形成了良好的学术互动氛围。值得一提的是，该模式培养了研究生的批判性思维与信息素养，在与AI互动的过程中，学生很快发现AI并非万能，其生成的内容可能存在错误或片面性，这迫使学生必须批判性地审视AI的“答案”，这正是研究生教育所亟需培养的科学精神。

与此同时，利用AI辅助教学仍面临诸多挑战：需要教师从“知识传授者”转变为“学习设计者”和“引导者”，这要求其不仅精通专业，还要熟悉AI工具的特性，设计出能激发学生探究欲望的高质量问题情境。对学生信息鉴别能力的培养，过度依赖AI可能导致学生思维惰性，学术诚信的边界需明确界定AI在作业完成中的合理使用范围。因此，在教学中引导学生正确看待和使用AI及其局限性，进而有效避免学生成为“机器人”和知识“搬运工”。例如，允许使用AI进行文献检索、思路启发和语言润色，但严禁直接提交AI生成的全文，以免养成“傻瓜型”学习行为和习惯。需要通过过程性考核、口头答辩等方式，综合评估学生的真实学习成效和能力提升。

4 结 语

本文以天津农学院水产学院《水产动物疾病及诊断技术专题》课程为例，成功构建并实施了“基于人工智能辅助的启发式探究”研究生教学模式。实践证明，将AI智能地融入教学，不是对传统教学的颠覆，而是对其的有效增强和升级，能够有效解决研究生课堂活力不足、互动性差等顽疾，将学生的注意力重新吸引到知识探索本身，显著提升其自主学习、协作探究和批判创新的能力，以期为人工智能时代水产医学研究生教学改革提供可借鉴的路径与参考。

参考文献

[1] 邢苏.浅析大学课堂“沉默现象”的成因及对策[J].大众文艺,2022(19):142-144.

[2] 吕爱军，胡秀彩.水产动物传染病学[M].北京：科学出版社，2018.

[3] 康艳楠.人工智能时代教师角色转型：核心要素、职能重构与实践路径探析[J].黑龙江教师发展学院学报, 2025, 44(12): 15-20.

[4] 祝智庭，彭红超.全媒体学习生态：应对大规模疫情时期上学难题的实用解方[J].中国电化教育，2020(3)：1-6.

[5] 李晓烽.人工智能技术支撑下高校教学管理改革探究[J].吉林农业科技学院学报, 2023, 32(5): 57-61.

[6] 周化钢,黄志昌,彭越.大数据视角下智慧教育生态系统需求分析与架构设计[J].中国教育信息化, 2021, 27(11): 71-75.

[7] 蔡小辉,彭银辉,彭亚,等.新农科背景下“水产动物疾病学”课程思政教学的改革探索[J].黑龙江水产, 2023, 42(6): 490-493.

[8] 邵泽伟，宋伦，吴金浩，等.人工智能(AI)在水产养殖领域的应用前景综述[J].水产学杂志，2025，38(6)：93-99.

[9] 陈琦，刘儒德.当代教育心理学[M].3版.北京：北京师范大学出版社，2019.

[10] SIEMENS G.Connectivism: a learning theory for the digital age[J].International journal of instructional technology and distance learning, 2005, 2(1): 3-10.

[11] 张建伟，陈琦.从认知主义到建构主义[J].北京师范大学学报(社会科学版)，1996(4): 75-82.

[12] 夏天梅,孙锋.人工智能赋能高校思政教育的现实挑战与创新路径[J].大学, 2025(S2): 52-54.

[13] 范苗苗,吕巍.在线教学(真人vs AI)对学生使用意愿的影响[J].上海管理科学, 2022, 44(5): 110-115.

[14] 吕明琪.课题驱动式的深度学习研究生课程教学改革[J].计算机教育, 2024(10): 29-33.

[15] 张翔,裴育.我国水生动物疫病诊断与病原检测标准现状分析[J].中国水产, 2025(11): 24-27.

基金资助

天津农学院教材研究项目(2021-A-01)

水产生态与养殖国家级实验教学示范中心教学改革项目(2017GSFZXY005)