一、课程简介
《C语言程序设计》是面向理工科专业人才程序设计知识、能力和思维培养的核心基础课程，获评国家级精品在线开放课程、国家级一流课程。围绕个性化人才培养目标，依托在线开放课程建设成果，引入生成式人工智能技术，以“人机共创、学用并进、知行融合”为核心理念，构建“知识-能力-问题”三维教学体系。通过人机协作的智能助学方式，推动教学从“知识传授”向“能力生成”和“素养习成”转型，引领程序设计课程走向智能化、应用化与素养导向融合的新范式。
图1 智慧课程平台课程首页
二、课程负责人及团队
《C语言程序设计》课程团队作为东北大学优秀课程团队，承担全校理工类程序设计教学工作。课程团队获得国家级教学成果二等奖1项、国家级一流课程2门、辽宁省教学成果一等奖4项。团队负责人高克宁教授主持建设教育部程序设计课程虚拟教研室。骨干成员包括徐彬（知识图谱与混合式教学）、赵长宽（在线开放课程）、柳秀梅（理论教学）、李封（实践教学）等。
三、课程建设成果
图 2 课程建设历程
1、课程资源：面向知识和能力培养的课程资源建设
前期在线开放课程建设已经实现按照知识点组织教学录像、讲义、练习和测验等基本资源实现对个性化的学习支持。为了深入量化分析教学过程，启动课程知识图谱、能力图谱建设建设，支撑学习路径规划、知识认知评测和能力评估。已经建立包括633个知识点，融合60个思政元素的知识图谱。在能力图谱建设方面，围绕问题分析、算法设计、技术实现、应用拓展建立23项能力点。
图 3 知识图
2、课程设计：个性化学习与因材施教
适应时代变化，在课程设计上积极推动生成式人工智能应用，落实个性化学习，积极推进因材施教。在传统在线开放课程资源之外，建立“24小时智能学伴”满足个性化学习需要；构建AI编程工具支持新型的人-机协同学习模式助力能力培养；建立“智能讲伴”助理因材施教；构建“自动评测+同伴互评+教师点评”多元评价模式支持知识、能力和素质的综合评价。
3、技术应用：扩展生成式人工智能技术应用
智能学伴建设：以DeepSeek大模型为基座，通过构建“问答对”训练集，对基座模型微调开发“24小时智能学伴”，提升智能学伴的问答精准度与内容契合度，实现资源库与AI系统协同优化，开放代码生成与调试技术，支持知识释疑、错误排查等辅助功能，支持“课前导学→课中翻转课堂→课后自动评测”的螺旋式结构，依托在线实践平台和定制化的AI编程工具，探索生生结对编程、人机结对编程等协同实践机制，一方面提升了程序设计能力，另一方面强化了学生对AI工具的掌握与创新使用。
图 4 智能学伴
图 5 智能学伴-学生使用
建立智能讲伴：开发“智能讲伴”智能体，以“智能感知、即时互动、内容分析、个性反馈”四大特点参与课堂教学，能够在课堂中实时辅助教师与学生展开深度互动，通过语音识别与语义分析即时生成引导性提问，辅助教师点名、调动学生参与热情，营造更活跃、专注的课堂氛围。同时课堂教学过程中全程采集教师讲授语音、课件内容和师生交流信息，基于教学大纲进行内容对齐分析，自动生成课堂行为报告、知识点覆盖率分析、学生参与度评估等多维教学数据，成为教师教学过程中的智能搭档与反思助理，极大减轻了教师的教学负担，增强了学生的学习投入感，为实现以学生为中心的现代课堂提供了有力支撑。
图 6 智能讲伴助力教师授课过程总结分析
4、教学模式：打造人机共创的协同教学新模式
人机共学：通过智能学伴建设，依据任务驱动和问题导向的教学设计，引入代码生成模型、调试助手、代码注释生成工具等AI技术，引导学生在人工智能的辅助下共同完成代码构思、实现与优化，促进人机协同的知识建构与问题解决，形成“人机共写代码、共解问题”的教学新模式。构建多维混合教学体系，融合线上线下教学、分层组班、理论与实践循环推进。
图 7 人机共学
人机共教：通过智能讲伴建设，实现对课程讲授的科学度量，推动教学能力的提升。通过案例生成助手生成贴近学生专业领域的工程实践问题，并相应设计编程实践与算法实现任务，强化“专业问题→可计算问题”的转化训练，以专业契合度提升学生学习兴趣。构建“专业领域-程序知识点”矩阵，教师可根据学科特点在一定的专业跨度内调整教学内容，提升跨专业问题转化能力的培养。通过“做中学、学中用、用中进”的学习路径，引导学生在复杂场景中使用AI技术解决实际问题，实现知识掌握与能力提升的同步推进。
心智共养：课程在知识技能传授之外，更重视学生在与AI协作过程中的思维发展、价值判断和伦理意识的成长。引导学生在使用AI工具时，辨析生成内容的合理性、风险性与适用性，提升其批判性思维与责任意识，实现认知与行动、知识与素养的深度融合。
5、评价体系：构建新型评价体系
在教学评价体系中也针对代码生成技术的引入进行了优化，不再局限于学生是否通过了程序测试判例的正误评判，而是构建“自动评测+同伴互评+教师点评”三元结构的多元评价模式。在自动评测中，深度挖掘程序设计代码提交行为，构建数据驱动的智能分析机制，依托三大图谱重构学生程序设计能力表征，开发了知识检测员智能体，自动解析学生提交的代码作业与测评数据，通过语言模型驱动的语义分析与错误检测机制，精准识别学生在编程技能中的掌握情况与常见问题，生成个性化学习建议与动态能力评估报告。同时帮助教师掌握全班知识点掌握趋势，定位教学难点与薄弱区，推动教学内容与学生需求的实时对齐，实现“以学定教、以评促学”的理念。
四、教学效果
1、教学模式革新：从“单向传授”到“多维互动”
通过在试点班级中引入AI学伴智能体与AI讲伴智能体，配合混合式教学实践任务，有效提升了学生自主学习效率和教师教学规范化。AI学伴智能体累计响应自主提问超过6000次，生均使用时长超过5小时，问题一次解决率超过90%。AI讲伴智能体在课堂中实时生成知识点延展内容，形成了“师-机-生”的多维课堂互动模式，有效提升了课堂互动频次。
图 8学伴智能体交互数据
2、学习效果跃升：数据驱动的能力突破
依托全国高等院校计算机基础教育研究会的教改课题所开展的知识图谱建设成果，扩展形成了633个知识点的智能推荐系统，通过关联知识图谱和问题图谱为学生推送个性化编程任务，避免了学生的无效刷题，使薄弱知识点掌握率提升55%。
图 9课程组知识图谱建设工作获评优秀课题
通过知识图谱关联的问题图谱，在初级能力（记忆与理解）、中级能力（应用与分析）、高级能力（评价与创造）三个层级的问题图谱中，问题通过率都得到了提升，其中应用与分析能力层级的问题通过率从32%提升至61%。在引入结对编程模式下，学生困难任务完成时间缩短35%，团队项目开发完整度达92%。所形成的数据驱动的“学-践-用”程序设计能力培养模式获得东北大学教学成果特等奖。
图 10 数据驱动的“学-践-用”程序设计能力培养模式
3、能力培养成效：从“代码编写”到“问题转化”
通过REACT代码生成模型的教学应用，结合AI辅助案例开发，在指定知识点条件下结合不同专业类的实际数据处理分析场景，帮助学生将算法和编程知识应用于实际数据处理与分析过程。通过不同的任务逐步引入代码生成大模型，帮助学生理解大模型在编程中的辅助作用，培养模型使用的分析与优化能力。从简单到复杂递进式设计的实验任务，逐步提升学生的编程能力，并为优秀学生提供挑战性的任务。实验任务突出大模型应用中提示工程的重要性，通过优化提示与分析模型生成代码，学生能够掌握如何高效利用生成工具，并应用于实际问题。REACT案例教学模式获评第九届全国计算机类课程实验教学案例一等奖（2024年）
图 11 课程实验教学案例获评全国一等奖
在学生获奖方面，据学校科技竞赛统计数据，非计算机专业学生参加中国大学生计算机设计大赛、数学建模大赛等跨学科竞赛中，获奖比例逐年提升。
4、满意度与辐射效应：构建智慧教育生态圈
通过教育部程序设计课程虚拟教研室（东北大学主持）的教研宣传与交流活动，课程建设经验覆盖28省市184所高校，开展专题研讨19场，推动至少15所院校重构或改革程序设计课程体系。课程也入选教育部在线教育研究中心2024年度“拓金计划”示范课程。
图 12 课程入选教育部在线教育研究中心“拓金计划”示范课程
此外，依托华为智能基座计划，组织一批省内高校在程序设计课程中引入“鲲鹏”体系下的程序设计教学，并进一步开展基于HarmonyOS的人工智能编程实践课程建设，建设成果获得华为优秀等级评定。
图 13课程人工智能编程应用获得教育部产学合作协同育人项目优秀结题
五、结语
《C语言程序设计》智慧课程通过AI技术与教育场景的深度结合，实现了“精准教学、个性学习、科学评价”三位一体的创新模式。未来计划集成WebIDE工具，推动“学-练-用”无缝衔接，并拓展至更多学科领域。该模式为高校程序设计类课程的智能化转型提供了可复制的范例，具有显著的推广价值。
