随着高等教育的快速发展，智慧教学逐渐成为提升教学质量、优化学员学习体验的重要手段。然而，对于机械基础这样的复杂工程课程，原有的教学方法难以有效满足学员的个性化学习需求，且课堂互动和实践机会有限，导致教学效果不太理想。在此背景下，生成式人工智能(generative artificial intelligence，GAI)为解决这一问题提供了新的可能[1]。通过生成个性化教学资源、增强多模态课堂互动，以及提供智能学习支持与个性化推荐，生成式人工智能展现出了在复杂课程中的应用潜力。然而，现有的智慧教学技术研究多集中在简单学科，针对复杂工程类课程的应用研究较少，尚未形成系统性理论和实践框架[2]。因此，本研究旨在通过实证分析，探讨生成式人工智能在机械基础课程中的具体应用效果，并为未来智慧教学的创新提供实践参考。

　　1 生成式人工智能在智慧教学中的作用机制

　　2 生成式人工智能在机械基础课程中的应用案例

　　3 教学效果提升的实证研究

　　4 结语

　　本研究通过对机械基础课程的实证研究，验证了生成式人工智能在高等教育中的显著应用价值。生成式人工智能通过个性化教学资源生成、多模态课堂互动、智能学习支持与个性化推荐，显著提升了学员的课堂参与度和学习效果，课堂参与度提升了35%，期末成绩中位数提升了9%。同时，有效减轻了教员的工作负担，教员备课时间减少了30%。

　　未来，生成式人工智能将在智慧教学中继续发挥重要作用。首先，建议进一步优化个性化推荐系统的算法，提高数据分析精度，确保每名学员都能获得符合其学习需求的资源。其次，建议加强教员对生成式人工智能的灵活应用培训，特别是在实时教学调整和课堂管理方面进行深入指导。最后，未来的研究应关注生成式人工智能在跨学科领域的应用，尤其是在工程学、医学等需要大量实践操作的学科中，探索生成式人工智能技术与虚拟实验平台的深度结合，以推动智慧教学模式的进一步发展。

　　参考文献

　　[1] 张明飞,孔新梅,王显闯,等.基于生成式人工智能的探究式教学设计与应用研究[J].中国现代教育装备,2024(18):1-4.

　　[2] 林敏,吴雨宸,宋萑.人工智能时代教师教育转型:理论立场、转型方式和潜在挑战[J].开放教育研究,2024,30(4):28-36.

　　[3] 赵文君,蔡子悦,袁振岳.国际人工智能教育的研究热点、演化路径、知识基础及其启示:基于CiteSpace的可视化分析[J].中国教育技术装备,2024(7):147-152.

　　[4] 刘思源,冯蕾霖,朱章黔,等.基于大规模课程大纲数据的中美高校计算机相关课程考核的比较分析[J].数据分析与知识发现,2023,7(1):76-88.

　　[5] 黄景文,肖彩彩,欧启忠.基础教育数字化转型之“变”与“不变”[J].教学与管理,2024(22):6-10.

　　[6] 胡航,王家壹.从人机融合走向深度学习:范式、方法与价值意蕴[J].开放教育研究,2024,30(2):69-79.

　　[7] 柯清超,米桥伟,鲍婷婷.生成式人工智能在基础教育领域的应用:机遇、风险与对策[J].现代教育技术,2024,34(9):5-13.

　　[8] 万林,鲍雯.基于知识图谱的习题资源构建[J].中国信息技术教育,2023(21):84-89.

　　[9] 蒋凯.基于立体教材的课堂教学生态系统构建研究[J].中国现代教育装备,2024(18):49-51,58.

苏宁 张翼飞 程兆刚 李赵辉　陆军工程大学石家庄校区