一、课程简介

机械制造技术基础是机械类专业的学位主干课，是以原“机械制造工艺学”、“金属切削原理及刀具设计”、“金属切削机床”为基础，综合机械制造行业新科学、新技术、新工艺等的综合课程，是学习机械工程学、从事机械工程设计的基础，在机械类专业人才培养过程中占有重要地位。本课程阐述机械制造基本理论，研究机械零部件制造、装配及其生产过程管理方法的课程。通过本课程的学习，学生能顾了解、掌握机械产品、零部件的生产过程及其常见的问题及解决方法。

本课程特色为“突交叉、重启发、强实践、引创新”，课程涵盖了机械制造领域的众多基础理论知识，融合了信息科学、材料科学等多个学科知识点。涵盖机械制造全过程，从毛坯制造（如铸造、锻造、焊接等）到机械加工（包括车、铣、刨、磨等多种加工方式），再到质量控制（尺寸测量、表面质量检测等）均有涉及。随着先进制造技术不断更迭，课程会及时更新并将新技术纳入教学范围。《机械制造技术基础》课程获首批国家一流本科课程、《机械制造技术基础》教材获首批国家优秀教材奖。

二、课程负责人及团队

《机械制造技术基础》智慧课程负责人辛博，副教授/博士生导师，负责机械制造技术基础AI课程的主体设计和示范性教学。课程团队包括：巩亚东，教授/博士生导师，辽宁省教学名师，负责课程的顶层规划；朱立达，教授/博士生导师，辽宁省教学名师，负责课程的知识图谱建设；温雪龙，副教授/博士生导师，负责课程的实验平台建设；孙瑶，副教授/博士生导师，负责课程的课程智能体及语料库建设。课程合作单位为辽宁泛雅教育科技有限公司。

三、课程建设成果

1、资源库建设

《机械制造技术基础》智能课程资源包括但不限于教学大纲、教学课件、教学视频、试题库、案例库等。资源分类清晰，易于检索和使用，方便教师和学生进行互动和交流。课程资源持续更新迭代中。目前课程资料主要包括：PPT等文档资料12个，题库158题，视频资料集2个，知识库1个，机械制造类基础教材6部，资源切片数4487个，如图1所示。

图1 机械制造技术基础AI课程资源概况

2、课程设计

《机械制造技术基础》智慧课程通过基于大模型的智能体构建，系统化创建了“知识库、问答库、应用库”三大核心模块，全面赋能教学场景，系统主界面如图2所示。知识库依托自然语言处理技术，整合了机械制造技术类的相关专业教材十余部，以及大量学术论文、教学案例等多模态资源，构建了结构化知识体系；问答库通过深度学习算法，能够高效准确地解析学生提问课程相关问题的语义，并结合知识点关联性生成精准解答，同时支持文字、语音、图像多模态交互；应用库则提供了教学课件生成、习题设计、实验仿真等教学工具，形成了完整的智能教学生态。在此基础上，AI教学系统通过知识图谱技术构建出三维可视化网络，以动态节点呈现全部教学知识点，并标注出了概念继承、逻辑推导、跨学科关联等关系，通过可视化界面展示实现了学生学习过程中知识演化路径的实时追踪，便于动态调整教学进度和方法策略。

图2 机械制造技术基础AI课程系统主界面

AI工作台（图3）作为《机械制造技术基础》的核心赋能平台，将人工智能技术全面融入机械制造技术基础课程，通过配置AI工作台，全面推动以智助学、以智助教、以智助管、以智助研等人工智能应用场景的落地，系统性贯穿了“备课-授课-评价-辅导”全流程。通过智能备课系统一键生成分层教案，利用AI学情分析仪定位学生知识薄弱点，精准推送个性化学习路径；课堂环节依托虚拟助教实现实时问答互动与知识点强化；课后基于认知诊断模型自动批改主观题，生成多维度的学情报告。

图3 机械制造技术基础AI工作台

目前建成了AI辅助教案、课件、写作批阅、学情分析、公式识别、作业查重、视频理解、文献阅读、出题审核与智能批阅、智能推荐、问答、翻译、AIGC检测等应用（图4），实现了教学全流程的AI深度赋能，为教师减负提质增效，为学生提供智能答疑、智能化推荐学习路径、智能化推荐资源，实现自适应学习。通过启发式AI互动任务流的配置，实现了AI助教苏格拉底式启发交互，提升学生批判性思维与问题解决能力，推进深度学习发生。其中，AI学情分析以数据驱动方式概括分析学生的学习情况（图5），通过数字化手段实现了对学生学习全过程的动态监测，同时能够可视化地总结出学情的关键指标，提升了教师精准施教、因材施教的能力。

图4 机械制造技术基础AI工作台及工具箱

图5 机械制造技术基础学情分析模块

3、技术应用和教学模式创新

①知识图谱教学应用：基于AI智能导入，通过“知识点—课程知识图谱—课程群知识图谱”的分层构建模式，打破了传统课程组织形式，将原有课程智慧升级，建成了动态可视化课程知识图谱（图6），能够继承机械制造技术基础课程的自有特色与亮点建设个性化知识图谱，实现了跨学科专业的知识的互鉴、融通、联动，打破不同学科（如机械工程、材料科学与技术、控制科学等）的专业壁垒，支持基于核心知识点的多模态课程资源建设，并实现学习效果的精准评价。

图6 知识图谱动态生成

智慧课程中的知识图谱支持边建边用不断生长，同时可以利用AI技术依据教学大纲或数字教材，智能化分析知识点，自动生成父子级知识点，实现了一键导入生成知识图谱，进而完成知识点的多维度关联。本课程通过知识图谱技术构建教学知识点的三维可视化网络，并标注概念继承、逻辑推导、跨学科关联等关系（图7）。

图7 知识图谱层次和关联关系

此外，思政知识图谱能将思政元素有机融入专业课程教学中，构建出系统性、层次化、可操作的教学框架。如图8所示，树干代表课程主干知识（如金属切削原理、机床结构、工艺规程等核心模块），为整棵树提供支撑。树枝延展出各个子主题或知识点细分内容，连接主干与树冠，构成知识体系的层级关系。树冠部分（红色小点节点密集）为与思政元素融合的各类知识延伸、素养目标或育人价值点，形成立体拓展。节点之间以线性网络连接，展现了知识点之间的内在关联与思政元素的多维映射。“思政树”不仅表达了课程的知识逻辑，还赋予了思想政治教育的内涵，体现了“润物无声”的教育哲学。

图8 思政知识图谱

②课程智能体建设：通过对接通用大模型和教育垂直领域大模型，结合机械制造技术基础学科专业知识库（图9）训练，为课程建设了AI智能体，通过迭代训练私有大模型，赋能师生智慧化教学。人工智能等新技术与教师发展的深度融合，构筑多位一体的数智化教师数字素养，形成了“AI+教育教学”新模式。

图9 机械制造技术基础学科专业知识库

通过创建问答库、知识库，实现增强式私有模型训练，方便基于AIGC的课程内容迭代、教学方法改革、教学评价优化、智能教学助手、智能教学管理、智能学伴、学术思维创新等服务（图10），赋能课程建设与运行的全流程管理，推动课程迈向“智能+”时代。已开通AI助教智能助手，对接deepseek大模型、汇雅大模型，已上传资料库供大模型学习，已开启大模型智能学习并回复。

图10 通用大模型强化AI助教智能助手

4、评价体系优化

通过动态二维码系统签到考勤和教学日志记录（图11）、AI在线出题及课堂教学与讨论（图12、图13）、AI作业生成与智能查重检测（图14）等教学活动，摒弃了传统单一基于考勤签到数据的平时成绩评判方法，通过AI课程平台执行动态签到，不定期发布线上作业，学生需在规定时间内完成并上传结果，教师课后批阅并发发布成绩，为精准给出平时成绩并观察学生的学习状态提供了定量化依据。同时，还可通过AI课程平台将问题较多的作业汇总并形成机械制造技术基础典型试题数据库（图15），目前已建设标准题库153道，提高了课程AI知识模型推理的准确性和导向性。

图11 动态二维码系统签到考勤和教学日志记录

图12 AI在线出题测试

图13 AI课堂教学与讨论

图14 AI作业生成、批阅与智能查重检测

图15 机械制造技术基础典型试题数据库

四、教学效果

课程内容建设已完成，并投入实际教学使用。基于线上线下混合式教学设计理念，选取了2个试验教学班（机械2202、2203班）共59人进行了AI课程试点教学。课程活动共计2522余个，主要包括动态二维码签到考勤、AI在线出题及课堂教学与讨论、课件共享投屏教学、AI作业生成与智能查重检测等教学活动，章节平均学习次数共计达到129次，章节任务点平均观看时长5.6分钟，最长观看时长55.8分钟。通过AI课程的实施，课堂教学效果明显提升，签到完成率达到93%以上，对知识点的掌握率可达91%（图16）。

图16 知识点完成率和掌握率统计

通过连续三年度（2023~2025学年）的机械制造技术基础期末测试成绩反馈结果（表1）可知，自2025年春季学期首次引入AI课程教学以来，学生的学习成效显著提升。具体地，课程平均分增幅达10.96%，充分体现了AI教学方法在提升学生整体知识水平方面的显著优势。同时，成绩优良的学生占比也从18.64%显著增长至40.68%，表明更多学生能够在掌握基础知识的基础上，进一步拓展和深化对专业知识的理解与应用。此外，不及格人数占比由10.77%降至3.39%，证明AI课程教学有效降低了学生的学习困难，帮助更多学生跨越了学习的难关，达到了课程的基本要求。

表1 2023~2025学年机械制造技术基础期末成绩数据

根据2024~2025学年的成绩分布情况（图17）分析，使用AI课程教学后，成绩的分布中心明显左移。原本的成绩分布呈现右偏态，即多数学生的成绩集中在较低分数段，而高分段的学生较少。然而，在引入AI教学后，成绩分布转变为左偏态分布，且更趋近于高斯分布（正态分布）。这意味着成绩的分布更加均衡，学生之间的成绩差距逐渐缩小，整体成绩水平更加集中于中高分段。不仅反映了学生对基础知识点的掌握度明显提高，还表明AI教学能够因材施教，满足不同学生的学习需求，帮助他们在各自的基础上取得进步，从而推动整个班级的学习氛围和学习质量的提升。

图17 2024~2025学年机械制造技术基础期末成绩分布情况

通过对学生进行满意度调查得知，机械制造技术基础AI课程能够根据统计分析学生的学习进度、知识掌握情况和学习风格，自动化生成学习材料，帮助学生快速掌握基础知识点，实时回答学生问题，提供即时反馈和辅导。这种互动性增强了学生的学习体验，提高学习效率。此外，AI课程可以根据学生的学习反馈动态更新教学内容和方法，通过不断优化知识库，确保教学内容的准确性和时效性，让学生感受到教师和课程的用心，提高了学生的满意度。

五、结语

1、经验总结

机械制造技术基础智慧课程能够有效提升教学效果，提高学生对专业基础知识点的掌握度，进而提升学生整体知识水平，降低了学习困难，达到了AI课程建设的根部目标。

2、推广价值

机械制造技术基础AI课程在提升人才培养质量、优化教学资源与师资建设、促进教育公平与资源共享、推动行业与教育的深度融合以及培养创新应用型人才等方面具有重要的推广价值。

3、未来展望

进一步丰富课程章节任务点、题库等资源建设，完善复杂公式推导类型的AI出题功能。针对性调整课前、课中、课后混合式教学的侧重点，增加各个教学环节的内容丰富性。