| 34 | 0 | 75 |
| 下载次数 | 被引频次 | 阅读次数 |
针对计算机基础课程中标准化教学与学习者个性化需求之间的矛盾，提出基于生成式人工智能(AIGC)的动态学习路径，阐述如何通过融合多模态数据、知识图谱建模与强化学习算法，构建包含智能内容生成、路径动态优化及多模态交互的三层协同系统，介绍动态学习路径实施，最后通过实验验证AIGC赋能的动态学习路径在提升教学效率与适配性方面的有效性。
Abstract：Aiming at the contradiction between standardized teaching and learners' personalized demands in the basic computer course,this paper proposes a dynamic learning path based on Artificial Intelligence Generated Content (AIGC).It elaborates on how to construct a three-layer collaborative system including intelligent content generation,dynamic path optimization and multimodal interaction by integrating multimodal data fusion,knowledge graph modeling and reinforcement learning algorithms.The implementation of the dynamic learning path is introduced.Finally,experimental verification is conducted to illustrate the effectiveness of the AIGC-enabled dynamic learning path in improving teaching efficiency and adaptability.
[1]祝智庭，戴岭，胡姣.高意识生成式学习：AIGC 技术赋能的学习范式创新[J].电化教育研究，2023,44(6):5-14.
[2]易凯谕.基于AIGC的人智协同教学模式研究[D].北京：清华大学,2024.
[3]高琳琦.生成式人工智能在个性化学习中的应用模式[J].天津师范大学学报(基础教育版),2023,24(4):36-40.
[4]韩雪童.大数据时代个性化学习的技术曲解、本源廓清与突围路径[J].电化教育研究，2022,43(6):25-31,60.
[5]徐翎衲，李艳.智能辅导系统助力个性化学习[J].上海教育，2023(32):72-73.
[6]吴永和，姜元昊，陈圆圆，等.大语言模型支持的多智能体：技术路径、教育应用与未来展望[J].开放教育研究，2024,30(5):63-75.
[7]陶炜，沈阳.从ChatGPT到Sora:面向AIGC的四能教育和范式革新[J].现代教育技术,2024,34(4):16-27.
[8]Jimenez C E,Yang J,Wettig A,et al.Swe-bench:Can language models resolve real-world github issues?[EB/OL].(2024-05-11)[2025-02-10].http://arxiv.org/pdf/2310.06770v3.
[9]中国高等教育学会.产教融合视角下高校课程改革研究[J].中国高教研究，2023(5):09-18.
[10]童世炜.面向在线自适应学习的学习者认知状态建模方法[D].合肥：中国科学技术大学，2023.
[11]顾小清，刘桐.大模型时代的智适应学习研究：进展、实例与展望[J].中国教育信息化，2024,30(5):55-66.
[12]罗江华，张玉柳.多模态大模型驱动的学科知识图谱进化及教育应用[J].现代教育技术，2023,33(12):76-88.
[13]裴壮，田秀霞，李冰雪.知识图谱赋能的面向对象程序设计 C++教学改革与实践[J].华东师范大学学报(自然科学版),2024(5):104-113.
[14]赵晓伟，沈书生，祝智庭.数智苏格拉底：以对话塑造学习者的主体性[J].中国远程教育，2024,44(6):13-24.
[15]郑雅倩，李新，李艳燕，等.人工智能视域下个性化学习路径的推荐：机理、演进、价值与趋势[J].现代远距离教育,2023(3):39-47.
[16]刘玉萍，徐学福.服务大规模个性化教学的制度建构逻辑[J].电化教育研究，2022,43(5):40-46,69.
[17]云岳，代欢，张育培，等.个性化学习路径推荐综述[J].软件学报，2022,33(12):4590-4615.
[18]龚鑫，许洁，乔爱玲.基于沉浸式学习环境的隐形性评估：机理、框架与应用[J].电化教育研究,2023,44(12):64-72.
[19]刘德建，费程，刘嘉豪，等.智能技术赋能按需学习：理论进路与要素表征[J].电化教育研究，2023,44(4):17-25.
[20]李阳.基于云计算的高校课程远程教学平台设计与应用[J].无线互联科技，2025(2):60-63.
基本信息:
DOI：10.16512/j.cnki.jsjjy.2026.05.040
中图分类号:G642;TP3-4;TP18
引用信息:
[1]杜晶,张燕红,杨玫.AIGC赋能的计算机基础课程动态学习路径探索[J].计算机教育,2026,No.377(05):217-222.DOI:10.16512/j.cnki.jsjjy.2026.05.040.
基金信息:
海军航空大学教育理论研究课题“计算机基础课程‘师—生—机’协同学习共同体建构研究”
2026-05-10
2026-05-10
