2026年6月29日至7月3日，我有幸参加了西北农林科技大学教务处、教学发展中心组织，南京师范大学承办的“人工智能赋能教学创新”专题研修班。为期一周研修班，涵盖AI 赋能教学理论、教案与素材生成、课堂互动与分层教学，AI 辅助 PBL 全流程设计、智能体搭建、教学创新大赛备赛、课堂互动与学情分析、智慧课程设计与应用、 AI 辅助教学资源等主题。授课专家结合自身应用 AI 赋能教学、教学创新大赛经历，内容全面、讲授生动、受益匪浅，我的学习收获与反思总结如下。
一、研修班各模块的个人学习收获
1.南京师范大学朱彩兰教授系统讲授了 AI 辅助教师教学决策的底层逻辑与实操方法。朱教授详细讲授了应用“AI 辅助高校教师教学决策六步法”进行 AI 赋能教学，将教学决策分解为内容分析、学情分析、学习目标分析、任务分析、教学模式与问题链设计、学习证据设计六个递进阶段。将该方法通过“人机协作”的问答模式，引导教师在与 AI 的逐步对话中自主形成教学方案，核心目标是变“知识传授”为“学习活动设计者”，将教师从“教育者”转变为“学习活动组织者”。在实操训练环节，在朱教授指导下，我在工作坊完成了利用 AI 工具对《生物信息学》课程“序列比对”章节进行教学目标重难点拆解，自动生成一版教学流程初稿；通过输入课程思政关键词（如“粮食安全”“种业振兴”），AI 辅助生成与双序列比对知识点自然融合的思政融入点。
2. 南京师范大学恽如伟教授详细讲授了 AI 辅助项目式学习全流程设计。恽教授详细讲授了 PBL 方案设计与迭代的完整流程，包括方案构思、原型开发、反馈收集、迭代优化四步骤，并提供教师和学生不同角色的提示词模板、评价量规和完整案例演示。这一讲授模块，是我非常关注的模块。我讲授的《生物信息学》课程，天然适合项目式教学——以真实研究问题驱动学生整合多个分析工具完成组学数据分析任务。恽如伟教授指导的 PBL 设计框架中， AI 可在选题生成、任务拆解、学习支架设计和评价量规制定等各环节提供辅助。在实训环节，我据此设计了初步方案：学生以“小麦逆境响应基因的差异表达分析”为项目主题，在 AI 辅助下完成从数据下载、质控、比对、差异分析到功能注释的项目分析流程，形成一份初步项目分析报告。
3. 南京信息工程大学丁宋涛副教授详细讲授了用智能体搭建学生自主学习系统的操作方法。在该模块培训中，教师零代码基础，即可借助 AI 工具完成学习系统搭建，学生可直接使用，教师可通过后台实时查看学情数据。丁教授从智能体的创建、配置、发布到学情查看，进行清晰讲解和相关操作演示，借助智能体，依据布鲁姆认知六层次，从简到难设计提问问题，激发学习者思考，从而实现知识建构。丁教授提出“教师零代码搭建→学生可用→教师看学情”这一闭环逻辑，依托 AI 平台，普通教师即可在较短时间内完成一个可用、可迭代的课程智能体搭建，极大地降低了 AI 教学工具的技术门槛。
4. 南京信息工程大学副校长邓志良教授讲授了“解码教学创新：从理念到呈现——高校教师教学创新大赛备赛思考”。邓教授结合评审经验，从创新方向（从“教为中心”向“学为中心”转变，从知识传授向能力培养转变）；呈现策略（教学创新成果报告需做到问题导向明确、举措具体可操作、成效可验证）；备赛要点（课程的“两性一度”（高阶性、创新性、挑战度）如何在教学设计中体现）；案例剖析（往年获奖课程的典型特征与共性规律），系统剖析了教学创新大赛的核心观念和未来方向。邓教授指出，教学创新不是“为创新而创新 ”，而是要真正回归“更好地促进学生发展”这一根本目的。结合我教授的《生物信息学》课程，本身就具备跨学科、实践性强、与科研前沿紧密对接的特点，与“高阶性”和“挑战度”的要求，十分契合。后续我讲梳理近年来在案例教学和项目式教学方面的积累，按两性一度金课要求，不断改进该课程教学质量和效果。
5. 南京师范大学徐朝军副教授讲授了“AI 赋能课堂教学互动、学情分析 ”，介绍了智能体的基础配置方法，从概念界定、功能定位到配置流程进行了系统讲授，帮助教师们理解智能体作为“AI 助教”在学情分析、学习路径推荐、个性化辅导等场景中的应用价值。在我讲授的《生物信息学》课程中，诸如 BLAST 算法的统计学原理等抽象内容，学生是否真正理解，单靠课堂提问难以全面掌握。AI 赋能的实时反馈，可在讲授关键概念后快速获取全班学生的理解程度数据，帮助教师精准定位“卡壳点”，及时调整讲解策略。这一能力对提升课堂教学的有效性具有重要意义。
6.南京信息工程大学裴世鑫教授主讲“图谱 ·资源 ·混合——智慧课程的内涵与创新设计及应用”。裴教授从智慧课程建设展开，讲解了智慧课程现阶段特征（知识图谱为底层架构、混合式教学为基本形态、AI 赋能为驱动引擎），AI 智慧混合（从流程混合升级为数据驱动、人机协同的深度混合），知识图谱建设策略（知识点的层级梳理、关联关系建模、学习路径动态规划），教师角色转型（从知识传授者转向学习引导者、资源组织者和学习分析者）。
反思我的《生物信息学》课程教学，已启用线上线下混合式教学，但更多停留在“流程混合” （部分内容线上看视频、部分内容线下讲）的层面。裴教授的讲座让我意识到，未来的“智慧混合”应以知识图谱为底层支撑——学生通过图谱了解知识体系的结构与关联，教师通过图谱数据分析学情并精准干预。
7.南京师范大学姜杰教授主讲“AI 辅助教学资源快速开发”，是本次研修班的培训收尾环节。姜教授从多媒体素材生成（AI生成课程所需的图片、图表、示意图等视觉素材）、教学视频制作（利用 AI 工具快速生成微课视频、知识点讲解短视频）、交互式课件开发（AI辅助生成带交互元素的课件页面，提升学生参与度）、资源整合策略（多渠道 AI 生成资源的筛选、优化与整合方法）进行了详细讲授。在我的《生物信息学》课程教学中，许多抽象概念（如序列比对中的动态规划矩阵、蛋白质结构中的二级结构要素）需要高质量的图示来辅助理解。以往制作这些图示需要耗费大量时间。姜教授演示的 AI 辅助素材生成方法——通过提示词工程生成符合教学需要的示意图，提升了教学资源的制作效率。但 AI 生成的图像在专业准确性上仍需教师逐一审核。
二、AI 赋能教学研修培训的反思
1.AI 专业性的边界：实操中发现，AI 在生物信息学专业内容上存在准确性问题（如某些分析软件的参数含义、组学数据库信息更新等），教师的审核把关不可或缺。
2.学生使用 AI 规范的建立：需明确制定课程层面的 AI 使用规范，既让学生享受 AI 带来的学习便利，也要防止学生过度依赖 AI 工具，或者课程考核的内容，是利用 AI 工具就可快速生成的课程论文形式；导致学生批判性思维、海量组学数据分析新流程建立等能力没有在课程中得到很好训练及掌握。
3.持续投入的 AI 赋能教学保障：智能体和知识图谱需要持续维护更新，AI 赋能教学的相关软硬件保障建设，及如何在本已紧张的教学科研时间内能投入足够精力，也是教师个人需要规划的问题。
一周的南师大 AI 赋能教学研修，学习安排密集，收获丰硕。从智能体搭建到智慧课程设计，从课堂互动到教学创新备赛，各模块内容紧密衔接、理实结合，帮助我在 AI 赋能教学的道路上，向国内各大高校同行体会、学习很多。后续我将提交研修收获及反思、组织课程组分享报告，将研修成果切实应用于《生物信息学》课程建设中，以回应对未来新农科人才培养的新要求。