AI赋能空气理化检验课程教学应用

Teaching Practice of the Course of Physical and Chemical Inspection of Air Empowered by AI

摘要

在“健康中国2030”规划纲要与“十四五”生态环境监测规划所构建的政策框架下，空气理化检验课程将培养具备智能化检验技术应用能力的复合型专业人才作为核心目标。针对传统教学模式中存在的教学方式陈旧、实践教学环节薄弱以及教学评价体系滞后等困境，尝试通过教学要素的系统性重构与教学资源的创新性整合，探索构建“AI+检验”的融合式教学体系。通过运用数据驱动的知识图谱和个性化学习路径，形成动态化的教学内容体系；创建覆盖多场景的智能案例库，并构建知识关联网络；搭建虚拟仿真与实际操作相结合的虚实融合实验平台；建立基于学情智能分析和资源精准供给的AI驱动混合式教学模式，推动教学从单一知识传授向智能技术应用、实践操作能力及跨学科综合素养融合培养的方向转变。通过构建智能化的数据处理机制，实现教学数据的动态获取、实时反馈及个性化分析。运用算法模型生成针对性教学反馈方案，并根据学生个体特征生成定制化学习路径。这些措施为教学策略优化与学习效果提升提供了数据支撑，并构建了覆盖教学全阶段的评估架构。该教学改革不仅有助于提升学生的主动学习能力和解决复杂问题能力，还为卫生检验与检疫专业人才培养提供AI赋能的创新教学模式。

Abstract

Under the policy framework established by the “Healthy China 2030” plan and the “14th Five-Year Plan” for environmental monitoring, the course of Physical and Chemical Inspection of Air aims to cultivate compound professionals with intelligent inspection technology application capabilities. In response to the challenges of outdated teaching methods, weak practical teaching sections, and lagging teaching evaluation systems in the traditional teaching mode, this paper attempts to explore the construction of “AI + inspection” integrated teaching system through the systematic reconfiguration of teaching elements and the innovative integration of teaching resources. By applying data-driven knowledge graphs and personalized learning paths, a dynamic teaching content system is formed; an intelligent case library covering multiple scenarios is created, and a knowledge association network is constructed; a virtual simulation and practical operation combined virtual-real integration experimental platform is established; an AI-driven hybrid teaching mode based on intelligent analysis of learning situations and precise resource supply is built, promoting the transformation of teaching from single knowledge imparting to intelligent technology application, practical operation ability, and interdisciplinary comprehensive literacy integration training. Through the construction of an intelligent data processing mechanism, teaching data is dynamically acquired, real-time feedback is provided, and personalized analysis is conducted. Algorithm models are used to generate targeted teaching feedback plans, and customized learning paths are generated based on individual student characteristics. These measures provide data support for the optimization of teaching strategies and the improvement of learning outcomes, and build an assessment framework covering the entire teaching stage. This teaching reform not only enhances students’ active learning ability and problem-solving skills, but also provides an AI-empowered innovative teaching mode for the training of professionals in Health Inspection and Quarantine.

Graphical abstract

关键词

AI赋能 / 空气理化检验 / 知识图谱 / 教学改革 / 智能评估体系 / 医学院校

Key words

AI empowerment / Physical and Chemical Inspection of Air / Knowledge graph / Teaching reform / Intelligent assessment system / Medical colleges and universities

《“健康中国2030”规划纲要》作为全民健康战略的关键规划，明确把环境健康监测归入重点任务范畴，明确提出“构建覆盖城乡的环境健康风险监测网络”^［1］。中国正全面展开以精准检测为核心的“蓝天保卫战”，生态环境部《“十四五”生态环境监测规划》为这一行动确立了“构建智能感知、精准溯源的现代化监测体系”的技术方向，在此政策背景下，高校的重要任务之一是培养具备智能化检验检测能力的复合型技术人才。

卫生检验与检疫专业规定“空气理化检验”为必修课程，在环境卫生、职业卫生及公共卫生范畴发挥着关键作用。随着借助AI技术、虚拟仿真、智能数据分析等手段助力检验教育的深度革新，传统教学在智能设备操作与大数据分析上的不足愈发明显，迫切需要构建“AI+检验”教学体系，该体系引领人才培养从单一仪器操作向智能检测系统应用过渡，从传统实验过渡到虚实融合的教学模式，由单一课程培养朝着多课程交叉融合培养发展。本文基于AI技术的空气理化检验课程教学改革进行探讨，为该课程的教学质量及人才培养提供新的思路。

1 传统空气理化检验教学中存在的问题

在传统的空气理化检验专业教学模式中，课堂讲授与实验实践占主导地位。但此模式存在较为明显的弊端，从教育学原理和教学实践来看，这些问题违背了以学生为中心、理论与实践结合的教育理念，造成教学成果大量损耗，不易达到期望的教学质量标准^［2］。基于科技持续向前发展以及行业需求不断演变，传统空气理化检验教学体系所隐匿的问题越发明显，主要体现在教学方法、教学内容、教学评价这三个方面。

1.1 教学方法守旧

本科阶段空气理化检验专业的教学中，传统“填鸭式”讲授手段依旧占主导。这种教学方式违背了建构主义学习理论中“学习者主动构建知识”的原则，学生多半处于被动接受知识的状态，主动去探索、思考的机会极少，师生之间缺少互动，教学模式较为枯燥，导致学生的学习兴趣及主动性被显著抑制，这直接引起学生参与课堂的积极性、抬头率下降，最终学习效果大打折扣^［3］。空气理化检验实验教学过程课时较为紧张，考虑到所涉仪器设备价格高昂且数量较少，大班实验课只能采取分组的形式开展，这导致部分学生为赶实验进度而匆忙完成实验，很少有机会真正理解实验的原理和过程，这一现象导致了理论知识缺乏充分的实践验证，学生也难以深刻理解和掌握，影响了教学效果。

1.2 教学内容与实践应用存在明显差异

传统空气理化检验教学多聚焦于理论体系的搭建，以开展系统知识传授为主，教师依据教材大纲对专业概念、原理以及公式推导等进行详细讲解，学生利用课堂学习和课后作业对知识进行记忆与初步理解^［4］。但实际应用场景复杂多样，既要求从业者能灵活运用理论知识，还需要有应对突发状况、综合考量各类因素的能力。空气理化检验教学内容更新频次低，难以追上行业飞速发展的步伐；实践应用始终呈现出动态变化，新的技术与管理理念接连涌现。这种差异导致学生从校园进入职场时，面临较大的适应障碍，不易迅速把所学知识转化为实际工作的能力。同时，教学内容与实践脱节也违背了人才培养目标。

1.3 教学评价不健全

传统空气理化检验教学评价体系弊端丛生，妨碍了教学质量提高及学生成长，而评价标准又过度依赖考试成绩，从而忽视了布鲁姆教育目标分类中“应用—分析—评价—创造”等高阶能力的考核，以及学生学习过程中的进步成果，包括团队协作、创新思维等核心能力的培养，如有些学生学习态度出现了转变，只是考试的时候发挥失误，努力没有得到充分的肯定。其次，评价途径单一，灵活性欠佳，实践类课程欠缺完善的考核体系；评价时间集中到期末阶段，缺少过程性的评价手段，学生难以实时调整学习方法；评价的主体以教师占主导，学生自评、互评对能力的培养有益处，但一直未获重视，参与度低。教师评价容易受主观因素的左右，不易全方位把握学生情况；企业等外部评价未有效开展，会引发教学与社会需求脱节，培养出的学生难以满足社会对专业人才的多样需求^［5］。单一的评价方式无法全面评估学生的多种表现，这种有缺陷的教学评价体系，既限制学生的全面发展，也不利于教育教学的改进。

2 AI技术赋能空气理化课程教学时的智能设置

在人工智能与教育深度融合的背景下，空气理化检验课程的智能设置须以“培养智能化检验技术应用能力”为核心，通过数据驱动教学各环节全面优化，构建以学生能力发展为导向的智能教学体系。动态化教学内容体系通过数据驱动优化学习路径，为学生提供知识基础；空气检验案例智能库基于实际案例深化知识理解与应用；交叉学科知识图谱打破学科壁垒，拓宽学生知识视野；智慧化课程思政融合则赋予知识价值内涵。四者相互配合，形成“数据采集—知识处理—能力培养—价值塑造”的完整循环。

2.1 构建动态化教学内容体系

实现动态化教学内容体系的构建可利用“数据处理分析—教育体系构建—学习路径优化”这三个部分。首先，在数据采集分析环节，通过多维度数据挖掘精准定位学习需求，采用智能分析技术，找出学生的学习偏好和难点^［6］。同时结合生成式AI技术对测试成绩、仪器操作参数等定量数据展开深度分析，构建多层次评价指标体系。例如，若发现某知识点在多次测试中通过率低于60%，或学生在仪器校准环节的操作失误率超过40%，系统会自动标记为“重点薄弱点”。这些数据既是教学问题的诊断书，也为后续路径优化提供精确靶点。其次，就教学路径生成而言，该环节是基于数据诊断结果实现个性化资源推送。该体系采用动态优化的手段构建个性化学习推荐模型，借助系统实时抓取学生与教学资源的交互数据，结合知识图谱框架，不断迭代最佳的学习路径。例如，针对仪器操作薄弱的学生，优先推送虚拟仿真实验教程；针对理论分析能力较强的学生，定向推荐前沿科研案例。教师端借助可视化分析平台获得精准的学情报告，此报告包含共性知识薄弱点分布、个体认知发展曲线等核心要素，为差异化教学策略的制定给予数据支撑^［7］。该体系能帮助教学评估模块将课堂实践效果即时反馈到算法模型，通过比较预设教学目标与实际达成度的偏差，从而实现对评价指标体系的动态修正。这种依托数据的教学优化模式，有效解决了传统教学评价呈现的滞后性与静态化问题，助力教学内容与学生认知发展水平实现动态适配。

2.2 创建空气检验案例智能库

在动态化教学内容体系提供的理论知识基础上，构建智能化应用案例知识库。它的形成主要包含三个关键阶段，首先实施多场景应用案例整合，系统打造覆盖室内污染监测、职业暴露评估、环境突发事件等场景的案例库，通过搜集历史检测报告、实时监测数据与应急处置举措，生成结构化案例数据库，为后续知识处理奠定基础数据支撑；其次是智能教学的相关支持，智能案例库可打造出可视化教学系统，该系统会依照学生操作记录，自动推送匹配恰当的实验指导视频，达成个性化教学资源的精准投送^［8］，最后实施动态共享机制搭建，依靠构建开放型知识平台，平台助力行业机构上传新型案例，还为用户提供跨单位案例查找与知识复用系统，最终构建为“数据采集—知识处理—应用反馈—动态更新”的闭环生态体系，该系统依靠案例智能匹配及动态更新机制，助力学生直观掌握空气理化检验的核心应用检测技术，增进卫生检验与检疫人才培养和行业技术的协同效率。

2.3 构建交叉学科知识图谱

为了进一步深化学生对空气理化检验知识的理解，突破单一学科的局限，针对空气理化检验课程多学科交叉程度高、实验条件有限等教学难题，本文提出依托AI技术构建智能交叉教学体系的方案。该体系借助知识图谱技术融合公共卫生学、分析化学、仪器分析等学科的核心概念，搭建可视化的三维知识网络架构，助力学生直观地认识跨学科知识连接途径。知识图谱借助可视化手段，对空气理化检验相关的多学科知识点做动态关联，这种具象化的知识关联形式不仅能助力学生强化理论认知，更能通过跨学科知识的碰撞来激发创新思维^［9］。就教学案例应用层面而言，教师可借助图谱具备的智能检索功能，快速筛选并整合最新科研成果，一键生成融合多学科视角的空气检验案例智能库，助力教学内容与行业前沿动态同步迭代，为教学授课方向的优化提供数据驱动^［7］。

2.4 智慧化课程思政融合

在完成知识体系构建与能力培养的基础上，赋予教学内容价值内涵，在“空气理化检验”教学实践中，课程思政建设的核心目标不仅在于传授空气理化检验的基础理论知识，更聚焦于利用教学创新唤起学生的主动参与意识，让学生凭借亲身体验理解职业使命，把严谨操作规范和环保意识转化为日常行为模式，达成知行合一的价值培育^［10］。在教学推进过程中，采用AI技术搭建模拟污染物检测的实验场景，指导学生在虚拟操作中同步开展环境伦理思考与社会责任分析，使学生深刻认识到职业行为与社会福祉的内在联系。将仪器校准偏差、采样干扰等实际工作中的典型误差场景系统地融入教学内容，要求学生严格依照标准的操作流程，经由反复纠错强化数据精准、操作严谨的职业理念。该立体化的教学体系让学生在掌握空气理化检验课程整体内容的同时，从严谨的实验中领悟科学精神，在思考环境问题时增强环保意识，最终实现专业能力的提升与价值观塑造的协同发展^［11］。

3 AI驱动的空气理化检验课程教学模式创新

3.1 打造实验教学仿真平台

在AI赋能教育的浪潮中，空气理化检验领域的教学掀起全新变革，主要依靠AI构建实验教学仿真平台，去跨越传统实验教学的困境^［12-13］。该平台可借助先进算法，精确仿真各类空气理化检验实验情境，从日常的空气质量指标检测，到复杂的污染物成分鉴定实验，均可生动展示。学生可自行设置实验参数，如同置身真实的实验室。AI系统会根据学生操作的实际情况实时反馈，纠正错误做法，模拟实验现象并输出数据结论。与传统教学相比，此仿真平台打破了时间跟空间的局限，无须担心仪器设备高昂成本与数量匮乏，它让每位学生都能拥有充足的实验操作机会，可以通过反复实操强化对空气理化检验理论知识的理解，有力提升学生的实践本领与问题解决水平，为培养符合时代需求的卫生检验与检疫专业人才夯实基础。

3.2 建立开放共享的学习平台

在空气理化检验课程领域里，依靠AI技术冲破地域局限，打造覆盖全国的教育资源共享体系，推进高校之间及校企资源的开放共享。此模式既能推动优质教材、前沿技术、实验数据等教育资源的均衡配置，提高全国高校专业人才培养质量^［5］；又能达成高校和行业企业的无缝连接，让学生预先接触空气污染物检测新技术、标准更新动态等实际要求，为职业发展打下根基。构建线上虚拟学习平台，还可以为专业师生搭建交互的空间。例如到平台集合在线讨论、教师答疑、大数据统计分析等功能，冲破课堂边界，让空气样本分析、仪器操作技巧等专业学习一目了然，增强学习针对性及效率；学习通平台借助先进的数据分析技术，分析学生的学习状态与知识掌握情况，持续优化并推送适配的学习资源，教师可在平台上及时更新各类实验操作实录，帮助学生在面对学习困境时，能够迅速获取精准合理的解决方案，进一步增进学习效率，为空气理化检验专业人才培养增加强劲动力。

3.3 构建 AI 驱动的混合式教学新生态

借助AI技术的驱动，混合式教学正踏入“智能融合”变革阶段。凭借超星学习通、知到等平台打造“资源智能供给+学情动态分析”体系，形成课前、课中、课后完整教学闭环（图1）。

课前，基于AI对学生以往学习行为数据的分析，系统能够精准识别每位学生的知识掌握情况与学习薄弱点，智能生成契合其认知水平和学习风格的个性化学习路径。通过推送针对性预习内容与任务，实现因材施教，提高学生的课前准备效率。同时，借助AI构建动态更新的知识图谱，帮助学生在课前有效梳理核心概念与知识之间的逻辑关联，形成清晰的知识结构认知图景，从而夯实课堂学习的基础，提升整体学习成效；课中，依托实验教学仿真平台，结合AI技术对学生课前学习数据的深度分析，动态系统构建个体化的能力图谱，精准定位学生在知识理解与技能掌握中的薄弱环节^［14］。基于此图谱推送定制化训练任务，实现差异化教学与精准化指导。在实际操作过程中，系统实时捕捉学生的操作轨迹，识别关键步骤与错误模式，并通过智能反馈机制进行即时纠错与提示，帮助学生及时修正偏差、强化操作技能。该过程不仅实现了知识与技能的高效衔接，也提高了学生的学习投入度与任务完成度，为形成深度学习提供了有力支撑；课后，学生借助智能交互工具（数据答疑机器人、知识图谱笔记系统）积极探究学习疑问，在虚拟污染场景的小组协作数据分析中进行知识应用，实现从被动接收知识到主动构建体系的转变。该模式对师生关系进行重构，以 AI 精准适配资源、无缝衔接线上线下，既唤起学生自主学习的动力，又增强了空气理化检验等专业课程的教学深度；让学生在掌握标准操作流程中，更可结合实际监测数据验证技术可行性、探索方法革新，切实成为应对复杂环境问题的主体。

4 AI赋能空气理化检验教学效果智能化评估系统构建

4.1 教学数据智能化采集与分析

在传统空气理化检验教学中，教师不能掌握每位学生的学习理解程度，难以对其开展个性化教学^［15］。智能教学系统借助采集实验操作数据，再结合虚拟仿真平台记录学习行为特征，为实验课学习滞后的学生推送实验课程动态演示视频，对操作能力欠佳的学生定向开放虚拟纠错训练模块。此模式助力教师精准辨别学生群体的知识薄弱点，并按照此情况动态调整教学重点内容，真正实现全时段因材施教的个性化教学目标。

4.2 个性化学习效果智能图谱的构建

在空气理化检验课程教学当中，借助知到与超星学习通两大教学平台，构建贯穿全教学周期的个性化学习效果智能图谱。在数据采集分析环节，借助平台在日常教学过程中实时采集的多维度学习数据，采用AI算法打造智能图谱。该图谱从学生个体、班级、专业三个维度展开分析，对课程知识点实施全周期学习效果评估，通过梳理不同学习阶段难点与易错点的分布规律，实现对学生针对性的学习指导^［16］。学生可借助学习指导进行学习上的调整，教师可依照智能图谱来进行教学调整，构建教师教学与学生学习的双向反馈机制，推动课程教学目标稳步达成^［17］。

4.3 智能化教学评价系统的应用与实施

教育数字化浪潮为空气理化检验教学评价体系革新赋能，通过建设包含在线测试、课后作业系统外加学生互评平台的多元数字化评价体系，达成对学生学习轨迹和教师教学效果的多方面刻画^［18］。这种立体化评价模式突破了传统单一考核的局限，运用智能算法对过程性数据实施动态抓取与分析，极大提高了评价的精准度与客观水平，为教与学双向反馈机制提供科学依据，既优化了教学决策的科学性，也为空气理化检验这类实践性强的课程构建出更符合学科特性的质量监控体系。

5 结语

教育数字化转型视域下，空气理化检验课程教学范式正经历系统性重构。本文立足卫生检验检疫人才培养需求，通过实证研究揭示传统教学模式在知识传递效率、实践能力培养、评价机制科学性等方面存在的矛盾。基于AI技术赋能的教育创新框架，构建起涵盖教学内容动态适配、虚实融合实验体系、跨学科知识图谱建构的立体化解决方案。值得关注的是，智能化转型在提升教学效能的同时，也面临技术依赖风险、师生角色重塑等现实挑战。后续研究需着重探索人机协同教学策略，强化教师智能教育素养培育，完善教育伦理治理框架，从而推动空气理化检验教学改革向纵深发展，为环境卫生领域创新型人才培养提供可持续支撑体系。

参考文献

[1] 国务院.健康中国2030 规划纲要［EB/OL］.（2016-10-25）［2025-05-30］.

[2] 孙文文，鲁旷怡，董旭，等 ．混合式教学模式在空气理化检验教学中的应用探索［J］．继续医学教育，2024，38（6）：41-44．

[3] 余静，张晓玲，仝娜，等 ．翻转课堂在空气理化检验教学中的探索与应用［J］．中国卫生检验杂志，2022，32（1）：124-125．

[4] 刘淑芳，王淑娥，郭冬梅 ．以学生为中心的卫生理化检验实验教学改革［J］．基础医学教育，2019，21（2）：143-146．

[5] 王小凤，曾灿，兰文波，等 ．应用型人才培养模式下空气理化检验课程实验教学改革与实践［J］．教育观察，2021，10（45）：112-114．

[6] 岳芳岩，李静，陈欧，等 ．机器学习在医学专业教育教学评价中应用的范围综述［J］．教育进展，2022，12（7）：2447-2455．

[7] 龙双双，刘婧靖，王晓娟 ．生成式AI在分析化学教学中的应用探索［J/OL］．大学化学，2025：1-9．（2025-02-18）［2025-05-03］．

[8] 徐万海，周丽丹 ．基于AI技术的船舶与海洋工程专业教学改革与探索［J］．高教学刊，2025，11（4）：21-24．

[9] 施雯，习佳宁 ．知识图谱个性化导学范式与实施路径：面向医、工交叉跨学科思维的冲突［J］．办公自动化，2024，29（18）：4-6．

[10] 孙文文，楼伊莎，李美霖，等 ．课程思政融入“空气理化检验” 教学探究［J］．教育教学论坛，2023（4）：149-152．

[11] 徐万海，周丽丹，杜尊峰 ．基于 “三全育人” 理念的船舶与海洋工程专业思政教学改革探索［J］．高教学刊，2024，10（20）：71-74．

[12] 邓敬桓，邹云锋，苏莉，等 ．虚拟仿真技术在卫生检验与检疫理化实验教学中的应用与探讨［J］．医学教育研究与实践，2022，30（5）：562-566．

[13] 孔令希，朱璇 ．人工智能在检验医学教学中的应用［J］．医学教育研究与实践，2024，32（6）：713-717．

[14] 方海光，孔新梅，李海芸，等 ．人工智能时代的人机协同教育理论研究［J］．现代教育技术，2022，32（7）：5-13．

[15] 刘邦奇 ．智慧课堂的发展、平台架构与应用设计：从智慧课堂1.0到智慧课堂3.0［J］．现代教育技术，2019，29（3）：18-24．

[16] 刘艳菊，刘彦忠，张惠玉，等 ．融合知识图谱和智慧教学的高校现代教育类基础课教学改革［J］．高师理科学刊，2025，45（1）：101-105．

[17] 徐祥，张玉向，苏莉，等 ．“101计划” 背景下法医学人才培养模式思考和创新实践［J］．医学教育研究与实践，2025，33（1）：14-18．

[18] 赵彤 ．教育数字化背景下高校教学发展内涵与路径［J］．黑龙江教师发展学院学报，2024，43（8）：1-9．