引言

在人工智能技术持续演进的背景下，教育形态正由信息化阶段向智能化阶段加速转型。以生成式人工智能为代表的新一代技术，在代码生成、语义理解及学习支持等方面展现出显著优势，并正在重塑程序设计类课程的教学模式与学习方式。Python语言凭借语法简洁、生态体系完善及跨领域应用广泛等特点，已成为高校计算机类及相关专业的重要基础课程，在新工科人才培养体系中发挥着关键支撑作用。

从教育理论视角来看，程序设计课程不仅是知识传授的重要载体，更是培养计算思维与复杂问题求解能力的关键环节。相关研究表明，人工智能技术在教育中的应用能够显著提升学习支持的智能化水平，并促进个性化学习的发展。同时，能力导向教学理念与教学质量理论指出，应通过优化教学过程与学习环境，促进学生能力的系统形成。

近年来，随着信息化教学平台的广泛应用，程序设计课程在教学资源供给与教学组织方式方面取得了一定进展，但整体仍以工具辅助为主，在课程体系优化、教学模式重构以及能力培养路径设计等方面仍有提升空间。在人工智能技术持续发展的背景下，教育数字化转型与智能化教学模式创新逐渐成为研究热点，为程序设计课程改革提供了新的理论支撑与实践方向。

基于此，本文以生成式人工智能技术为切入点，围绕Python程序设计课程教学改革展开研究，构建生成式AI驱动与梯度化能力培养的课程教学模式，并从教学内容体系、教学实施过程及评价机制等方面开展系统设计与实践探索，以期为程序设计类课程在智能教育背景下的转型发展提供参考。

一、Python教学现存问题分析

在新工科与人工智能技术快速发展的背景下，Python程序设计课程的重要性日益凸显。然而，从当前教学实践来看，其在教学模式、资源供给与能力培养等方面仍存在一定不足，制约了课程育人功能的有效发挥。

首先，教学模式仍以教师讲授为主，课堂以知识传递为核心，学生参与度不足，缺乏基于问题情境的深度学习过程，不利于计算思维与问题解决能力的培养。其次，教学资源供给方式相对单一，虽已引入在线教学平台，但资源推送多以统一分发为主，缺乏基于学习行为数据的动态分析与个性化支持机制，难以满足学生差异化发展需求。再次，实践教学体系缺乏层次化设计，实践内容多以基础训练为主，缺少从基础应用到综合创新的递进路径，导致学生知识迁移能力不足，难以有效支撑工程实践能力培养。此外，课程评价方式仍以终结性考核为主，过程性评价占比偏低，且缺乏数据支撑，难以全面反映学生学习过程与能力发展情况。

与此同时，人工智能技术在课程中的应用仍停留在辅助工具层面，尚未实现与教学内容、教学过程及评价机制的深度融合，未能充分发挥其在促进个性化学习与能力培养方面的潜力。

综上，亟需对Python程序设计课程进行系统性改革，以适应人工智能时代对复合型人才培养的要求。

二、课程教学改革思路与实施路径

针对当前Python程序设计课程教学内容体系滞后、教学模式单一及能力培养不足等问题，本文以生成式人工智能技术为驱动，在建构主义学习理论与能力本位教育理念指导下，构建“一体两翼三阶”的课程教学改革框架，如图1所示。该框架以工具—思维—能力的三位一体培养目标为核心，通过课程内容体系重构与教学模式创新协同推进，形成从基础掌握、综合应用到创新实践的能力递进路径。

在具体实施过程中，依托超星学习通平台构建教学支持环境，结合EduCoder编程实训平台与生成式AI工具，实现课程全过程的数字化与智能化支撑，增强教学改革的可实施性与持续优化能力。

（一）课程体系与内容重构

在课程体系设计方面，基于教学实践需求，对原有课程内容进行模块化重构，构建基础、领域、AI融合三层递进结构。

在基础模块中，依托学习通平台发布微课视频、电子教材及在线习题，覆盖Python基础语法、数据结构、流程控制与函数设计等核心内容。通过平台的学习记录与数据统计功能，实时跟踪学生学习进度与掌握情况，并结合章节测试分析共性问题，实现教学内容的针对性调整。

在领域模块中，引入数据分析与数据可视化等典型应用场景，通过案例教学与任务驱动相结合的方式开展教学。利用Jupyter Notebook等编程环境组织实践任务，使学生在真实数据处理情境中完成程序设计，提升其知识迁移与综合应用能力。

在AI融合模块中，将生成式AI工具融入教学过程。例如，在函数设计与程序调试环节，引导学生借助AI工具进行代码生成与优化分析；在综合项目任务中，鼓励学生利用AI辅助进行方案设计与问题分析，从而提升学习效率与理解深度。通过设置开放性任务，如智能问答程序设计、数据预测模型实现等，引导学生开展探索性学习，促进创新能力发展。

在内容组织方式上，采用任务链驱动策略，将知识点嵌入连续项目任务之中，实现由基础训练到综合应用再到创新实践的递进式学习路径。

（二）教学方法与模式创新

在教学实施层面，依托学习通平台构建项目驱动、人机协同与智能辅助的混合式教学模式。

首先，在项目驱动方面，以实际应用问题为导向，将课程内容划分为多个递进式项目任务。例如，通过EduCoder平台发布编程实训任务，学生在完成任务过程中逐步掌握编程方法与问题解决策略。平台支持自动评测与即时反馈，有效提高学习效率。其次，在人机协同方面，构建教师—学生—生成式AI三方协同机制。教师负责教学设计与思维引导，学生通过实践任务开展学习，生成式AI作为辅助工具，提供代码示例、错误诊断及优化建议。例如，学生在程序调试过程中，可借助AI工具分析报错信息并获得修改建议，从而实现个性化学习支持。

再次，在教学流程设计上，构建基于学习通平台的“课前—课中—课后”闭环教学模式。课前通过学习通发布学习任务、微课视频及预习测试，并利用平台数据分析学生预习情况；课中通过课堂互动、随堂测验与案例讲解强化知识理解；课后通过学习通与EduCoder平台布置分层作业与项目任务，实现能力巩固与拓展。

此外，通过学习通平台的讨论区、小组任务与在线互动功能，组织学生开展协作学习与成果展示，增强课堂互动性与参与度，促进深度学习。在教学实施层面，围绕模式创新路径，构建项目驱动、人机协同与智能辅助的混合式教学模式，推动教学方式由单向知识传递向多元协同互动转变。

（三）教学资源建设

在教学资源建设方面，依托学习通平台构建基础资源、实践资源和智能支持的综合资源体系。在基础资源方面，利用学习通平台整合课程视频、电子教材、PPT课件及题库资源，形成结构化课程资源体系，并通过章节学习路径引导学生系统学习。在实践资源方面，基于EduCoder平台构建项目案例库，涵盖数据分析、自动化脚本、人工智能应用等多个方向，并设置基础、提高与拓展三个层级任务，满足不同层次学生的学习需求。在实验环境方面，结合在线编程环境与云实验平台，实现编程实践的在线化部署，使学生能够在课内外持续开展实践学习。在资源更新方面，依托学习通平台的数据统计与分析功能，对学生学习情况进行持续跟踪，并根据学习数据与反馈结果动态调整教学资源。例如，对错误率较高的知识点增加案例讲解与练习资源，提升教学针对性。

三、改革实践案例与成效分析

（一）实践场景与实施过程

为检验生成式人工智能在Python程序设计课程中的应用效果，本研究选取某新工科建设高校计算机类专业作为实践场景，对2023级两个平行班开展教学实验。两个班级在入学基础与课程背景方面差异较小，其中一个班级作为改革实施对象，另一个班级作为对照组，继续沿用传统教学方式。

在实施阶段，课程围绕学习方式转变与能力导向培养展开整体设计。改革班以学习任务为核心组织教学活动，通过项目化学习贯穿课程全过程。学生在课前依托在线平台完成基础知识学习，课堂阶段则以问题驱动和小组协作形式开展，围绕具体应用场景完成程序设计与系统实现。课后通过分层任务进行能力巩固与拓展，形成完整的学习闭环。

教学内容强调与实际应用场景的结合，例如数据预测、智能问答与自动化处理等典型任务，使学生在解决真实问题过程中理解知识结构并提升实践能力。同时，引入生成式AI作为辅助工具，支持学生进行代码生成、错误定位与方案优化，强化学习过程中的即时反馈与个性化指导。

在教学支持方面，课程依托智慧教学平台进行全过程管理，实现学习数据的实时采集与分析。同时，通过引入企业导师参与项目指导与评价，增强课程与产业需求之间的联系，使学生能够在更贴近工程实践的环境中完成学习任务。

课程评价采用多维度考核方式，将学习过程、项目成果与期末考核相结合，其中项目实践占比显著提高，以突出对学生综合能力的评价导向。

（二）学习效果与数据分析

从课程成绩结果来看，改革班学生整体表现优于对照班。统计结果显示，改革班期末综合成绩平均分较对照班提升约8分以上，且成绩分布呈现向高分段集中的趋势。其中，高分学生比例明显提高，优良率较对照班提升约20个百分点，表明改革措施在促进学生整体发展方面具有积极作用。

在学习过程数据方面，平台记录显示改革班学生学习参与度显著增强。课前学习资源完成率超过95%，明显高于对照班；作业提交及时性与完成质量均有所提高，整体提交率接近100%。课堂互动数据表明，学生参与讨论与提问的频率显著增加，课堂即时反馈结果也优于对照班，说明学生对知识的掌握程度更加扎实。

（三）能力发展成效

从能力提升角度分析，教学改革在多个维度产生了积极影响。首先，在实践能力方面，改革班学生能够较为独立地完成综合性项目开发任务，程序结构更加清晰，代码规范性与可运行性明显提升。其次，在问题解决能力方面，学生能够更系统地进行需求分析与方案设计，体现出较强的逻辑思维能力与建模能力。

此外，在创新能力方面，部分学生在项目实施过程中能够利用生成式AI工具进行功能拓展与优化，表现出一定的创新意识。这表明，将AI技术融入教学过程，有助于激发学生的探索兴趣与创造性思维。

（四）教学反馈与综合评价

从主观反馈来看，学生普遍认为项目化学习方式更具实践意义，能够提升学习兴趣，并增强对知识的理解与应用能力。团队合作模式也在一定程度上促进了沟通能力与协作意识的提升。

企业导师反馈显示，学生在项目功能实现方面已具备一定工程能力，能够完成基本开发任务，但在系统规范性与整体设计方面仍需进一步加强。教师普遍认为，改革后的教学模式有助于缓解学生学习差异问题，使教学更具针对性，同时提高了课堂教学效率。

综合量化数据与多方反馈可以看出，基于生成式人工智能的教学改革在提升学习效果、增强学习参与度及促进能力发展方面均取得了良好效果，为程序设计课程的改革提供了具有实践价值的参考模式。

四、结语

本文围绕生成式人工智能在Python程序设计课程中的应用开展研究，构建了“一体两翼三阶”的课程教学改革框架，并依托超星学习通平台与EduCoder实训平台，设计并实施了项目驱动、人机协同与智能辅助的教学模式。通过教学实践与对比分析发现，该教学模式在提升学生学习效果、增强学习参与度及促进能力发展等方面均取得了显著成效。实验结果表明，学生综合成绩、学习投入程度及实践能力均得到不同程度提升，验证了生成式人工智能融入课程教学的可行性与有效性。

从理论层面来看，本文将生成式人工智能技术与建构主义学习理论、能力本位教育理念相结合，丰富了程序设计课程教学改革的理论体系；从实践层面来看，通过平台支撑与教学模式创新的协同设计，探索了人机协同教学在程序设计课程中的具体实现路径，为新工科背景下课程教学改革提供了可借鉴的实践范式。

同时，本研究仍存在一定局限性。一方面，研究样本规模相对有限，结论的普适性仍有待进一步验证；另一方面，生成式人工智能在教学中的应用仍主要集中于辅助支持层面，其在学习路径自适应与智能评价方面的潜力尚未充分挖掘。

未来研究可从以下几个方面进一步深化：一是扩大研究样本与应用场景，提升研究结果的推广性；二是进一步探索生成式人工智能在个性化学习支持与智能评价中的应用机制；三是结合多源学习数据，构建更加精细化与智能化的教学决策支持体系，以持续提升课程教学质量与人才培养效果。

参考文献：

1. [1] Kasneci E, Sessler K, Küchemann S, et al. ChatGPT for good? On opportunities and challenges of large language models for education[J]. Learning and Individual Differences,2023(103):102274.
2. [2] 陈祥.基于创新能力培养的“程序设计”课程教学改革探索[J].互联网周刊,2023,(23):84-86.
3. [3] Holmes W, Tuomi I. State of the art in AI and the future of learning[J]. Computers and Education: Artificial Intelligence,2024(05):100144.
4. [4] Biggs J, Tang C. Teaching for quality learning at university[M].4th ed.New York:McGraw-Hill Education,2022.
5. [5] 谢晓艳,谢晓巍,曹伟.面向能力培养的程序设计基础课程改革实践[C]//中国计算机学会,全国高等学校计算机教育研究会,教育部高等学校计算机类专业教学指导委员会.2022中国高校计算机教育大会论文集.湖南大学信息科学与工程学院;长沙理工大学计算机与通信工程学院;,2022:300-303.
6. [6] 徐辉.沉浸式课堂与混合式教学在程序设计课程中的应用[J].科学咨询,2023(20):140-142.
7. [7] 邵长娟.人工智能时代思政教育的数字化转型研究[N].中国工业报,2025-12-08(015).
8. [8] 孙蓓,官凤婷,余鹏彦.人工智能赋能高等教育数字化创新发展的路径和策略——基于广东省的实践[J].科技创新发展战略研究,2025,9(04):16-25.