为探索 AI 技术与课堂教学的深度融合，提升教学反馈精准度与决策科学性，10 月 22 日，信息工程学院计算机系谢非老师组织开展 “AI 赋能的课堂实时反馈与教学决策优化研究” 专题分享会。会上，徐衙迪、陈青波、周小番 分别围绕 AI 课堂实时反馈的数据积累与平台应用、学习通 AI 功能在教学决策中的实操价值与现存不足、编程课场景下 AI 赋能教学反馈与薄弱知识点强化等内容展开分享，为 AI 技术在教学中的落地应用提供了实践参考与思路拓展。

在研讨会上，徐衙迪以围绕 “AI 课堂实时反馈与教学角色优化”为核心展开讨论，明确 AI 实现课堂实时反馈的前提是通过多场景（如学习通点名、多平台测试）“埋点” 积累数字数据，这会增加平台操作工作量，不过借助学习通 AI 模块可对数据进行分析，导出班级学习、出勤等实时反馈信息；关于教学角色优化，建议通过与 AI 对话获取决策建议，再结合班级实际情况筛选合适的方案应用于教学。

陈青波肯定了AI在教学中的应用必要性，指出通过学习通能够监测学生的学习行为及作业提交情况，基于学生的考勤数据和作业完成度，可提前预估考试课程中学生的挂科风险，并做好前置提醒工作；同时提出当前学习通的不足，即在将监测数据转化为 “知识点掌握情况” 相关决策支持方面做得不够完善，需要教师自行导出数据进行进一步处理。

周小番结合编程课教学实际场景分享经验，提到 AI 可实时检测学生编程实操中的代码错误，并明确提示错误位置及修复方法，有效实现课堂实时反馈；在教学决策优化层面，建议在学习通平台针对不同知识模块设计题目，组织学生完成后利用平台 AI 分析功能，定位学生错题集中对应的知识模块，后续教学中将重点强化这些学生掌握薄弱的模块。

此次“AI赋能的课堂实时反馈与教学决策优化研究”专题分享会，为信息工程学院计算机系的教学模式创新提供了精准化的实践新思路。谢非老师在总结中强调，AI赋能教学不仅是技术与教育融合的重要探索，更是提升教学质量、实现个性化教学的必然选择。通过完善数据积累机制、优化AI功能落地路径、聚焦学科教学场景，我们能够打造出既贴合教学实际，又兼具高效反馈与科学决策的智慧教学体系。让我们以技术应用为支撑，以教学需求为导向，共同构建AI与课堂教学深度融合的新生态，为培育“精准施教、学有所成”的新时代计算机专业人才而不懈奋斗！

（计算机系 2025.10.27）