引言

在全球科技革命与产业变革加速演进的背景下，高等教育正从“知识传授”转向“能力建构”。中国提出的“新质生产力”战略强调以科技创新和数字化智能化驱动生产力跃升，对人才培养提出了跨学科协作、人机协同、技术具身应用及创新问题解决等全新要求。然而，传统课程体系难以有效培养此类复合型数字人才，亟需探索成果导向、技术深度融合的新型教学范式。

成果导向教育（OBE）以“以终为始”的反向设计为核心，通过预期成果反向构建教学活动与评价机制。近年来，生成式AI与扩展现实（XR）技术的快速发展为OBE提供了有力支撑：AI可提供个性化生成与即时反馈，XR则通过沉浸式交互实现具身认知。国内外高校已在STEM和设计教育中开展AI+XR的初步探索，但对非设计专业、低起点学生的跨学科融合教学关注不足。

在此背景下，我国高校积极推进微专业建设，作为“AI+X”复合型人才的灵活培养载体。但实践层面仍存在结构性矛盾：目标与评价脱节、非设计背景学生面临高技术门槛、AI与XR应用缺乏深度融合。这些问题在跨专业、兴趣导向的微专业情境中尤为突出。

针对上述困境，本研究以广东金融学院智能交互微专业首期实践为真实情境，构建了融合OBE导向、AI认知赋能与XR情境具身的“OCE融合教学模式”。该模式以OBE为目标框架，以AI降低认知与表达门槛，以XR实现具身验证与即时反馈。研究采用设计开发研究方法，在真实课堂中持续干预、观察与优化，旨在探索该融合模式对非设计专业学生学习动机、参与持续性及产出质量的提升效果，以及AI与XR在教学流程中的精准作用机制，为我国高校微专业建设提供可复制、可推广的智能化融合教学范式。

一、理论基础与技术融合路径

成果导向教育（OBE）以“反向设计”为核心，通过明确预期学习成果反推教学活动与评价，形成目标—实施—评价—反馈闭环。在非设计背景学生的跨学科课程中，OBE面临成果量化难、前置能力差异大的挑战。生成式AI与XR的结构化嵌入可降低任务门槛、提供过程性可视证据，从而将OBE目标转化为可操作、可验证的学习路径。

认知负荷理论认为，新颖复杂任务易导致工作记忆超载。非设计学生在交互原型创作中，常因视觉表达与工具操作产生高外在负荷，注意力偏离核心设计逻辑。生成式AI作为认知支架，通过辅助草图生成与布局优化，降低技术实现压力，将学生精力从“视觉生产”转向“交互逻辑判断”，从而提升掌控感和学习投入。

具身认知理论指出，认知源于身体与环境的动态耦合。XR通过多模态交互构建沉浸式场域，将二维界面转化为可感知的空间过程。学生使用Meta Quest等设备即时体验设计原型，发现逻辑缺陷并修正，实现“边体验、边反思”的循环。这种具身方式强化概念与情境联结，并通过情绪唤起有效激活任务型学习动机。

基于以上理论，本研究提出“成果导向—情境具身—认知赋能”（OCE）融合教学模型。其中，AI负责生成支持与认知减负，XR负责沉浸体验与情境验证，二者共同支撑OBE成果产出。模型路径为：明确可评估成果标准→AI辅助生成降低表达门槛→XR环境验证可用性→基于具身反馈迭代优化→以过程证据完成闭环评价。该模型为非设计专业、低基础学生在重实践课程中构建能力提供了系统框架。

二、课程设计与教学研究方法

（一）课程简介

智能交互微专业于2024—2025学年首期开设，6门课程、12学分，面向全校不分年级专业开放。首期23名选课学生中，仅2人设计专业、2人计算机专业，其余均无设计或相关基础。课程采用“认知理解—生成实践—沉浸体验”三阶段路径。前测与过程记录显示，学生动机以“觉得有意思”“周末有空”“了解一下”为主，对纯理论讲解接受度低（超过半数表示不想听理论），但对实操与新技术有兴趣。教学设计确立“低技术门槛、高成果驱动”原则，最终要求产出可在XR环境中展示的交互原型。

（二）根值理念

基于学情与OBE理念，将OCE三重机制融入课程：以可视化交互原型为成果目标，通过任务驱动与阶段评估确保能力达成；利用XR构建空间化情境，支持身体参与深化设计理解；引入AI作为认知支架，降低表达门槛，缓解初学者认知负荷。形成“目标设定—AI生成支持—XR沉浸验证”的闭环路径。

（三）课程实验与教学研究

课程采用设计实验室小班工作坊形式（围坐便于讨论与1对1辅导）。初期因理论占比高、自由度大，缺勤严重（课程过半时仅剩8人），部分学生只想“听一听”或找借口请假。教学团队遵照OBE持续改进原则进行调整：压缩理论讲解（占比降至20%）、强化任务驱动与过程评价、引入AI辅助与XR验证。

AI嵌入路径：在草图阶段，学生手绘初稿后使用生成式AI生成布局与元素，教师同步讲解提示词工程、设计参数（光影、明度、色温）及AI伦理规范（辅助而非抄袭，记录使用过程作为证据）。XR环节将AI生成原型导入Meta Quest3进行沉浸展示，尽管设备仅1台，轮流等待仍显著吸引学生，参与人数回升至20人。课堂观察显示，XR三维交互增加讨论与迭代意愿。

（四）数据分析

采用设计开发研究（DBR）方法，在真实情境中持续干预迭代。数据来源包括课前/结课问卷、教学日志、课堂观察记录、学生作品及过程记录。分析结合描述性统计、开放编码与OBE标准作品评估。所有研究不涉及敏感信息，并已取得学生知情权，仅做课堂优化应用。

三、研究结果、讨论、结论与展望

（一）主要研究结论

本课程，构建并迭代了“OCE融合教学模式”。实证结果显示，该模式显著提升学习持续性与产出质量：课堂参与人数从课程过半时的8人，回升至AI辅助教学后的13人，再到XR沉浸体验环节的20人；学生基本完成预期产出——一个可在Meta Quest中展示的交互原型。该模式通过成果导向、情境具身、认知赋能三重机制，实现了教学目标、过程与评价的闭环，为非设计专业、低基础学生的数字交互能力培养提供了可操作路径。

（二）成效的深层机制分析

课前调查与过程记录显示，学生设计基础薄弱（仅2人来自设计专业），动机以“有意思”“周末有空”为主，对纯理论讲解接受度低，缺勤率高（部分学生只想“听一听”或“了解一下”）。

AI作为认知支架，部分设计稿在草图阶段引入“手绘→AI生成→人工微调”流程，绕过手绘障碍，将重心转向交互逻辑与用户体验。同时嵌入AI伦理教育，强调“辅助而非抄袭”，并讲解提示词工程与设计参数（光影、明度、色温），帮助学生理解生成结果的控制权。等待生成时的注意力分散问题，通过1对1实验室辅导得到缓解。

XR沉浸验证环节（尽管仅1台Meta Quest3，轮流使用）实现了具身认知跃迁：学生在虚拟空间即时体验原型，发现问题并迭代，显著提升信心与参与意愿。

OBE成果导向与学生职业/兴趣诉求契合，通过任务驱动、阶段评估与公开展示，将“被动听课”转化为“目标驱动产出”。三者协同形成“认知减负—具身验证—成果闭环”动态系统，解释了模式在高自由度、兴趣导向微专业情境中的高效适配（图1）。

（三）研究局限

研究样本限于单一院校首期23人，外部效度待多校验证；数据以质性观察与问卷为主，缺乏长期追踪与标准化量化；XR设备数量不足导致等待时间长，AI工具熟练度差异也影响公平性。

（四）推广建议与未来展望

本研究通过对智能交互微专业的行动研究，验证了“OCE融合教学模式”在跨专业新质人才培养中的有效性。

研究结论如下：

该模式通过AI减负与XR具身验证，显著扭转了非专业学生初期动力不足、理论抵触的局面，出勤人数回升到150%，作品产出质量达到XR环境下的交互标准。

AI精准实现了认知补偿，将学生从低效的工具操作中解放出来；XR则通过具身交互实现了从“纸面逻辑”到“空间认知”的跃迁，达成了OBE预期的成果目标。

这种“低门槛、高产出”的模式不仅适用于智能交互课程，更为高校推进“AI+X”跨学科课程改革提供了可操作、可迁移的范式。

未来将进一步探索多设备联动的自适应路径，并在更大规模的跨校实验中验证该模式的普适性，推动教育教学向智能化、场景化深度演进。

参考文献：

1. [1] 汪潇潇, 刘威童. 基于OBE理念的MOOC课程设计与案例分析[J].远程教育杂志,2017,35(06):104-110.
2. [2] 王雪, 牛玉洁, 贾薪卉, 等. VR和情绪诱发对学习影响的脑机制及优化策略研究[J].远程教育志,2023,41(06):84-93.
3. [3] 郭会琴,颜流水, 尹继祥, 等. 融合OBE理念的工科专业一流课程教学设计与实践——以“环境分析化学”课程为例[J]. 南昌航空大学学报(自然科学版),2023,37(03):140-146.
4. [4] 万力勇, 张心怡, 王月.生成式人工智能背景下人机共创数字教育资源质量控制: 框架与策略[J].远程教育杂志,2025,43(03):54-63.
5. [5] 陈向东, 卢淑怡, 易乐湘.文化冲突: 大语言模型教育应用中的张力与调适[J].远程教育杂志,2025,43(03):3-15+43.