为推进人工智能技术与课程教学深度融合，交流AI协同背景下的课程设计、课堂实施与评价改革经验，计算机学院于9月16日在A117召开AI协同课程改革交流会。计算机学院副院长李小峰出席，软件工程系副主任杜晓辉主持，网络工程系副主任黄仲英、罗泉参加。程序设计基础、计算机组成原理、计算机导论、人工智能基础课程组全体成员参加活动。

会议伊始，杜晓辉副主任介绍了本次交流会的主要议题。他指出，AI协同不是简单地把工具引入课堂，而是要把人工智能转化为促进学生思考、表达、实践和反思的学习伙伴。课程组在使用AI时，应明确工具边界和教师责任，重视学生对AI输出的理解、修改、核验与说明”。

程序设计课程组重点介绍了以AI辅助概念追问和系统理解为主线的教学方式。课程将学生的学习任务组织为“现象观察—AI辅助追问—课堂辨析—系统图表达—测试验证—反思记录”的闭环，引导学生围绕计算机系统、数据表示、程序执行、网络服务和智能体等主题提出问题。AI可以帮助学生形成解释初稿、结构图和测试问题，但学生必须结合教材、课堂材料和实际测试进行核验。

计算机组成课程组分享了以AI辅助内容重构和课堂资源生成的协同模式。课程组利用通用AI工具辅助生成课堂导入案例、知识地图、流程图、讨论问题和随堂练习，再由教师根据课程目标、学生基础和教学进度进行人工筛选与校正。汇报中强调，AI生成的材料只能作为备课和设计的起点，教师要重点检查概念是否准确、案例是否适切、内容是否过时，并将AI输出辨析纳入课堂活动，让学生在比较和修订中形成判断能力。

计算机导论课程组聚焦实践教学中的AI协同。课程组允许学生借助AI生成代码、流程、方案或作品的初稿，但要求学生补充边界条件、异常情况和测试依据，不能将未经理解和验证的AI结果直接作为作业提交。通过人工方案、AI初稿和修订方案的对照，学生进一步认识到AI在需求理解、逻辑完整性、数据安全和结果可靠性方面可能存在的局限，逐步形成面向问题拆解、协同创作和质量验证的实践习惯。

人工智能基础课程组围绕评价机制和学习证据展开交流。课程组将AI使用记录、课堂讨论表现、阶段性成果、测试与失败案例、综合展示和个人反思纳入过程性评价，评价重点从“是否使用AI”转向“是否真正理解、能否有效修改、有没有完成验证、能否说明责任边界”。这种评价方式既鼓励学生合理使用AI，也避免学生把AI生成内容等同于自己的学习成果，推动AI协同过程转化为可观察、可检查、可复盘的学习证据。

在交流研讨环节，与会教师围绕AI工具选择、学生使用规范、课堂任务量、成果真实性和教学评价等问题进行了讨论。杜晓辉副主任在总结中指出，推进AI协同课程改革，要坚持课程目标不变、育人标准不降，突出教师的专业引领和学生的主体作用；各课程组要结合课程特点形成可执行的任务包、评价量规和案例资源，持续积累优秀案例与典型问题，推动课程改革从单点尝试走向协同推进、持续改进。

本次交流会进一步明确了AI协同课程改革的实施方向。下一步，计算机学院将继续推动课程组之间共享教学资源和实践经验，完善AI使用规范与过程性评价机制，促进人工智能更好地服务于知识学习、能力培养和责任意识养成，不断提升课程教学质量和人才培养成效。