摘要：针对传统教学模式忽视学生个体差异、学生参与度低等问题，聚焦大语言模型在高校教学创新中的应用及改进策略，从大语言模型的教育应用研究现状入手，对大语言模型在教育领域的应用展开探讨。研究基于大语言模型的高校教学创新实践，分析相应的技术局限及改进路径，旨在为教育领域探索更具创新性和高效性的教学方式，推动教育实践朝更为个性化和智能化的方向发展。

　　关键词：大语言模型；教学创新；信息化教学

　　在信息时代背景下，飞速发展的互联网和人工智能等新技术正潜移默化地改变高等教育的教学模式。《教育信息化2.0行动计划》提出，应将教育信息化作为教育系统性变革的内生变量，充分激发信息技术革命性影响，以教育信息化支撑引领教育现代化。然而，在当前的教学模式中，传统的课堂教学仍然占据主导地位。这种模式通常为教师在课堂上讲授知识，学生在课堂上或课后完成作业和练习。该模式的优点是结构清晰，易于管理，但往往忽视了学生的个体差异，会导致一些学生跟不上进度，而一些学生则感觉进度过慢。此外，这种模式过于依赖教师的讲授，学生多处于被动学习状态，容易限制学生主动学习和探索的能力。教育信息化是《中国教育现代化2035》的重点内容和重要标志，运用现代信息技术改善教学质量和教学方式，可提高学生学习过程的针对性，突破时空限制，推动教育迈向更为个性化和智能化的方向。

　　大语言模型（Large Language Model，简称LLM）的出现为个性化教学和智能辅助学习提供了新的可能性，可提高教学的针对性和效果[1]。大语言模型通常基于深度学习技术，具有较大的参数量，能够处理和理解自然语言，并生成与人类语言类似的文本[2]。经过训练的大语言模型，可以自动生成文章、回答问题，并在多种语言任务中表现出色。一些大语言模型（如文心一言）在生成文本方面表现出惊人的能力，其具有极高的语言理解和创造性表达能力。教学创新是教育领域持续发展的关键，推动了教学方式和教育技术的不断革新，从而更好地满足了学生的需求。本文旨在探索如何利用大语言模型促进高校教学创新，提高教学的个性化水平、互动性水平、质量和学生学习效果，形成更具创新性和针对性的教学方式，为教育领域带来更多的可能性。

　　一、大语言模型的教育应用研究现状

　　大语言模型在高校教育领域的应用研究正日益引起关注。学者陈舒梦提出了在外语教学中应用大语言模型的具体方案，并通过实际的教学案例验证了大语言模型有助于提高学生的词汇量、语法知识水平及学习的满意度[3]。郭乃瑄等学者以数据结构课程教学为例，通过设计问答实例，初步探索了如何应用大语言模型助力教师课堂教学和学生课后学习[4]。王卓等学者采用准实验研究方法，设计研究生学术阅读能力量表、测验试卷和学术阅读平台体验访谈表等，通过对照实验发现学术阅读平台可显著提升研究生的探寻和发表观点能力[5]。学者李海原发现大语言模型会对高校会计专业人才培养的教育方式、课程内容、从业人员结构及授课教师认知等方面产生巨大冲击[6]。

　　同时，研究人员针对大语言模型对教育教学的影响也进行了探讨。钟秉林等学者讨论了大语言模型对教育的挑战，分析了高等教育教学变革的措施[7]。卢宇等学者分析了ChatGPT在教师教学、学习过程、教育评价和学业辅导方面的潜在应用，并通过真实案例初步验证了其在习题生成、自动解题和辅助批阅等过程中的应用[8]。周洪宇等学者分析了大语言模型对教育生态的冲击[9]。罗生全等学者分析了应用大语言模型对教育发展带来的新挑战，包括诱发学生诚信危机、阻碍学生自身内脑训练、学习结果输出的伦理问题等[10]。

　　目前，相关人员对高等教育领域大语言模型的实践应用研究相对较少。高等教育领域相关人员在发挥其激发教育教学生产力和创造力作用的同时，也应明确其局限性，并据此提出有效的应对策略，从而切实提升教学的创新性和高效性。

　　二、大语言模型在教育教学领域的应用

　　（一）大语言模型的个性化学习应用

　　一是理解学生的需求。大语言模型可以理解学生的问题和需求，提供有针对性的回答和建议。

　　二是适应学生的学习进度。大语言模型可以根据学生的学习进度和能力，提供适合他们的学习资源和建议。

　　三是提供多样化的学习资源。大语言模型可以访问大量的在线信息，为学生提供丰富多样的学习资源。

　　四是持续的学习支持。大语言模型可以随时为学生提供学习帮助，无论是白天还是夜晚，无论学生在哪里，其都可以得到及时的反馈和建议。

　　（二）大语言模型的教师辅助教学应用

　　一是生成教学内容。大语言模型可以生成各种教学内容，包括讲义、习题、案例分析等，帮助教师节省准备教学材料的时间，让他们有更多的时间关注学生的学习情况。

　　二是提供教学反馈。大语言模型可以根据学生的问题和回答，提供教学反馈，帮助教师了解学生的学习进度和理解情况，及时调整教学策略。

　　三是在线答疑。大语言模型可以随时为学生解答问题，无论是在课堂上还是课后，都可以提供及时的帮助，帮助教师解决大班教学中无法及时解答每个学生疑问的问题。

　　（三）大语言模型的教学智能化评估应用

　　一是自动评估学生作业。大语言模型可以理解和生成人类语言，因此可用来自动评估学生的作业。例如，它可以检查学生的答案是否正确、是否完整，甚至是否有深度和创新性。

　　二是提供个性化反馈。大语言模型可以根据每个学生的需求和能力，提供个性化的反馈。例如，它可以指出学生的弱点，提供改进的建议，甚至提供学习路径建议。

　　三是跟踪学生的学习进度。大语言模型可以通过分析学生的问题和回答，跟踪他们的学习进度。这可以帮助教师了解每个学生的学习情况，及时调整教学策略。

　　四是评估教学效果。大语言模型可以通过分析学生的反馈，评估教学的效果。这可以帮助教师了解他们的教学方法是否有效、是否需要改进。

　　三、基于大语言模型的高校教学创新实践

　　（一）大语言模型的教学创新实践场景

　　为验证大语言模型在高校教学创新中的实践效果，以专业复合能力课程为对象，进行了大语言模型的辅助课堂教学实践。该课程聚焦自主智能系统，知识目标为掌握自主智能系统的感知、定位建图、规划控制、硬件系统及测试开发的相关内容；能力目标为提升运用机械工程知识、计算机控制理论、信息处理技术等多学科综合知识解决问题的能力，同时提高自主学习、分工协作和探究学习能力。具体实践中，将大语言模型应用于多个教学环节。

　　一是课前预习。大语言模型在学生的课前预习阶段提供帮助，解答学生的问题，提供学习资源，甚至提供学习路径建议。

　　二是课堂讨论与实践。在课堂上，学生需要进行深度讨论和实践。可通过大语言模型生成讨论问题与参考案例，为学生提供不同的观点，增强学生对不同功能案例的理解。

　　三是课后练习与报告撰写。在课后，学生需要练习和巩固学习内容，并撰写功能实现课程报告。可通过使用大语言模型，生成复习材料或练习题，为学生提供个性化的功能案例解释与建议。

　　四是教师辅助。对于教师来说，大语言模型可以提供教学反馈，帮助教师了解学生的学习情况，制订教学计划和策略。

　　（二）基于大语言模型的创新教学反馈

　　第一，正面反馈。一是学习体验个性化。学生感受到学习更贴近自己的需求和节奏，获得了更符合个人水平和学习方式的教学资源，提高了学习的有效性。二是互动积极性提高。结合大语言模型的智能化辅助，学生参与讨论、提问和解决问题的积极性显著提升，提高了学生的批判性思维能力和问题解决能力。三是学习体验丰富化。学生获得多样化、实践性强的学习体验。比如自主系统虚拟实验、模拟场景等，带来了更生动、丰富的学习体验。四是学习效果提升。通过个性化学习资源和智能辅助，学生的学习效果得到了提升，能更快地掌握知识点。

　　第二，改进反馈。一是技术使用门槛高。对于一些对该技术的应用较为陌生的学生来说，可能需要更多的指导和辅助来熟悉大语言模型的使用。二是资源整合和学习路径有待清晰化。有些学生希望更清晰地了解个性化学习资源是如何生成的，以及学习路径是如何设置的。三是个性化反馈需改进。学生希望个性化辅助和反馈更加精准和及时，以更好地满足个人需求。

　　（三）大语言模型应用中对教师和学生的要求

　　为了更好地发挥大语言模型在教学中的应用价值，教师应积极参加与大语言模型相关的培训，学习其使用方法和操作技能，并了解其在教学中的应用；提升教学设计能力，准备相应的教学资源，考虑如何在教学中融入大语言模型以增强教学效果；定期监督模型输出内容的准确性和质量，并能及时调整和优化模型的应用；指导学生如何有效地利用大语言模型进行学习和探索，并提供适时的支持和指导。学生应熟悉大语言模型的使用方法，了解如何利用模型提供的资源进行学习和完成作业；积极主动地利用大语言模型进行学习，探索相关知识；及时向教师反馈使用模型的体验和效果，积极参与课堂讨论和教学实践，与教师共同探索模型应用的更多可能性。

　　需要特别注意，教师和学生之间应保持良好的沟通，共同讨论和制定模型应用的具体方案和目标。学生及时向教师反馈模型应用的体验和问题，可以使教师根据反馈及时调整模型的应用方法和内容。教师和学生之间的紧密配合和互动，能更好地实现基于大语言模型的教学创新，提升教学效果和学习体验。

　　四、大语言模型在教学应用中的技术局限及改进意见

　　一是原创性问题。大语言模型生成的内容可能缺乏独创性，这可能会导致学生缺乏自主思考能力和创新意识。应引导他们将使用模型生成的内容仅作为参考，鼓励学生进行自主思考和研究。

　　二是非真实性及偏见输出问题。大语言模型生成的内容中可能存在不准确或不真实的信息。针对此问题，可以通过模型改进和数据多样化来提高内容的准确性和真实性。比如定期对模型进行更新和优化，确保输出内容的质量。

　　三是安全隐患问题。首先应保证大语言模型训练所使用的数据集是合法、合规的，并采取安全措施防止数据遭到恶意攻击或泄露。同时，提高大语言模型的透明度和解释性，让教师和学生了解模型的工作原理，以及对数据的处理方式，从而增强信任感。

　　综上所述，基于大语言模型的教学创新是教育领域的前沿研究。本文通过对基于大语言模型的教学创新实践进行探讨，强调了基于大语言模型的教学创新对教育的重要性，并对未来教学模式的发展方向提出了积极展望，为教育领域带来了更多样化、个性化、智能化的教学体验和资源，有利于推动教育的高效、创新和个性化发展。

　　参考文献：

　　[1]罗志佳,陈韦宏.ChatGPT介入教育领域的技术运用、风险洞悉与发展路径[J].重庆理工大学学报(社会科学),2023(6):119-128.

　　[2]刘明,吴忠明,廖剑,等.大语言模型的教育应用:原理、现状与挑战——从轻量级BERT到对话式ChatGPT[J].现代教育技术,2023(8):19-28.

　　[3]陈舒梦.大语言模型在外语教学中的应用研究[J].长春师范大学学报,2023(11):170-173.

　　[4]郭乃瑄,董琴,徐秀芳,等.基于文心一言的数据结构课程教学方法初探[J].科教文汇,2023(21):95-100.

　　[5]王卓,马洋珍,杨现民,等.ChatGPT类阅读平台对研究生学术阅读能力的影响[J].开放教育研究,2023(6):60-68.

　　[6]李海原.人工智能大语言模型对高校会计专业人才培养的冲击与启示[J].科教导刊,2023(15):51-53.

　　[7]钟秉林,尚俊杰,王建华,等.ChatGPT对教育的挑战(笔谈)[J].重庆高教研究,2023(3):3-25.

　　[8]卢宇,余京蕾,陈鹏鹤,等.生成式人工智能的教育应用与展望:以ChatGPT系统为例[J].中国远程教育,2023(4):24-31,51.

　　[9]周洪宇,李宇阳.ChatGPT对教育生态的冲击及应对策略[J].新疆师范大学学报(哲学社会科学版),2023(4):102-112.

　　[10]罗生全,谭爱丽.ChatGPT应用背景下教育发展的逻辑转换及实践路径[J].重庆理工大学学报(社会科学),2023(5):7-15.