人工智能（AI）技术的快速发展为工程实践教学提供了新机遇，其数据驱动、智能化特点能够有效弥补传统教学的局限性。通过将AI技术融入专创融合的教学体系，可激发学生创新兴趣、优化教学设计、提升实践能力。本研究聚焦AI驱动的工程实践教学对策，结合政策导向，探索如何通过智能项目设计、数据驱动教学、实践平台建设、教师能力提升及产学协同，系统解决工科生跨学科应用能力不足的问题，为培养适应新质生产力需求的高素质工程人才提供理论与实践依据。
（一）智能项目激发创新兴趣，跨学科任务培育应用能力
在专创融合背景下，智能项目设计是激发工科生创新兴趣、培养跨学科应用能力的重要途径。通过引入AI技术，可开发跨学科项目，如基于AI的智能制造优化或智慧城市规划，涵盖机械、电子、计算机等多领域知识，引导学生在真实场景中理论应用。项目设计需贴合实际工程需求，融入大数据分析、机器学习等技术，鼓励学生通过团队协作解决复杂问题。例如，设计智能物流系统项目，要求学生整合传感器数据与AI算法，优化配送路径，从而提升系统思维能力。此外，可通过虚拟仿真技术模拟工程环境，让学生在低成本、高安全的条件下反复试验，增强实践经验。校企合作可引入企业真实案例，确保项目的前沿性与实用性，激发学生对跨学科学习的兴趣。竞赛机制的引入，如AI创新挑战赛，也能通过奖励驱动学生主动探索，提升解决实际问题的能力。通过此类项目，学生不仅掌握专业知识，还能培养跨学科思维与创新能力，为未来职业发展奠定基础。
（二）数据驱动优化教学设计，专创融合强调综合素养
数据驱动的教学设计通过AI技术精准分析学生学习行为，优化专创融合的教学效果。利用AI学习分析工具，可实时收集学生在课程、实验及项目中的表现数据，如完成时间、错误率及团队协作情况，从而识别学习难点与能力短板。基于此，教师可动态调整教学内容，设计个性化任务，如为算法基础薄弱的学生提供额外的数据结构模块练习。专创融合强调综合素养，AI可通过智能推荐系统为学生匹配跨学科资源，如将机械工程与AI算法结合的案例教学，培养学生整合知识的能力。此外，数据驱动的评估体系可取代传统单一考试，采用多维度指标，如项目完成质量、创新性及团队贡献度，全面衡量学生综合能力。校内可建立数据驱动的教学管理平台，整合课程、实验与竞赛数据，形成学生能力画像，为教学优化提供依据。通过数据驱动的精准教学与专创融合的综合培养，学生跨学科应用能力与创新素养得以显著提升。
（三）实践平台炼解决能力，AI工具促创新思维提升
构建AI驱动的实践平台是提升工科生跨学科问题解决能力的重要举措。智能实践平台可整合虚拟实验室、云计算资源及AI开发工具，模拟真实工程环境。例如，基于AI的数字孪生平台可让学生设计并优化智能制造流程，通过实时反馈调整方案，培养解决复杂工程问题的能力。平台需支持跨学科任务，如结合物联网与AI的智慧农业项目，学生需综合运用传感器技术、数据分析及算法优化，强化系统思维。此外，AI工具如自动代码生成器或智能设计软件可降低技术门槛，让学生聚焦创新思维的培养，而非陷入繁琐的编码细节。平台还可嵌入创新训练模块，如通过强化学习算法引导学生探索多种解决方案，提升创造力。校企共建的实践基地可提供真实案例与资源支持，确保学生在平台上的实践贴近产业需求。通过多场景、多任务的实践锻炼，学生的问题解决能力与创新思维得以全面提升。
（四）教师赋能强调数智素养，精准指导助力教学优化
教师的数智素养直接影响AI驱动工程实践教学的效果。需通过系统培训提升教师在AI技术与专创融合教学中的能力。培训内容应包括AI基础知识、数据分析工具使用及跨学科教学设计，如利用AI平台分析学生学习数据、设计个性化教学方案等。高校可组织教师参与企业实践，了解AI在工程领域的最新应用，确保教学内容与产业接轨。此外，建立教师数智素养评估体系，定期考核其在AI工具应用、跨学科项目指导等方面的能力，激励教师持续学习。精准指导是教学优化的核心，教师可利用AI分析学生学习路径，识别能力短板，制定针对性指导方案，如为编程能力较弱的学生提供额外AI算法训练。跨学科教研团队的组建也至关重要，机械、计算机等领域的教师协同设计课程，打破学科壁垒。通过提升教师数智素养与精准指导能力，专创融合教学的质量得以保障，学生跨学科应用能力显著增强。
专创融合下AI驱动的工程实践教学为解决工科生跨学科应用能力不足提供了系统路径。通过智能项目设计、数据驱动教学、实践平台建设、教师能力提升等，学生不仅掌握专业知识，还能在跨学科场景中灵活运用AI技术，解决复杂工程问题。未来，高校应进一步深化校企合作、优化资源配置等，以培养适应新质生产力需求的高素质工程人才。
（作者：周仁娟，蒙丽莉；广西科技师范学院）
【基金项目】本文系：专创融合视角下培养工科生解决复杂工程问题能力的教学改革研究与实践(编号: 2023JGA367)
