在人工智能与教育深度融合的今天，如何利用前沿技术推动课程改革、提升教学质量，成为高校教育者持续探索的重要课题。江西水利电力大学基于知识图谱开展的混合式课程改革实践，为教育信息化发展提供了新的路径。以《机器视觉与自动检测技术》课程为例，其教学长期面临三大难题：

　　（1）知识“碎片化”：数理基础、算法推理、模式识别等知识点交叉分散，学生难以构建系统化认知；

　　（2）理论“艰深化”：抽象算法与复杂原理使课堂吸引力不足，影响教学效果；

　　（3）实践“脱节化”：传统教学模式难以有效衔接理论知识与真实工程问题解决能力。

　　知识图谱重塑课程教学：三重融合构建“智慧课堂”新范式

　　第一招：构建“知识地图”，让知识体系“活起来”

　　知识图谱作为人工智能的核心技术之一，能够将原本零散、复杂的知识点系统化组织，形成可视化“知识地图”，帮助学生清晰把握知识逻辑关系，实现从“被动接收”到“主动建构”的转变。

　　在该课程中，教学团队依托超星学习通平台，构建了完整的可视化知识图谱：

　　结构化呈现：将课程内容划分为“视觉成像技术”和“图像处理技术”两大知识域，下设6大知识主题及若干知识点，明确知识点间的前后置关系；

　　智能化标注：为每个知识点设置“了解/熟悉/重难点”标签，匹配“记忆-理解-应用-创造”四级认知维度；

　　精准化导航：学生点击“图像分割”等节点，即可直接获取相关微视频、企业案例、题库及前沿论文，AI助手还能基于学习数据推送个性化学习路径。以往学生常感学习方向不明，如今知识图谱如同教学‘导航仪’，引导学生从基础认知走向高阶应用。

　　第二招：PBL混合式教学，以真实项目驱动能力提升

　　依托知识图谱这一“智能导航”，教学团队创新实施“知识图谱+PBL（问题导向学习）”混合式教学模式，有效突破传统课堂的时空局限。

　　课程设计了六个源于实际工程的案例，覆盖从视觉系统构建到分类识别的完整流程。以“轨道缺陷检测”项目为例：课前，学生通过知识图谱自主探索相关知识，完成基础储备；课中，教师在引导小组研讨、方案设计与代码实现中深化理解；课后，AI助手提供答疑支持，并推送拓展资源，学有余力的学生还可进入“第二课堂”参与学科竞赛。这一“理论—实践—创新”螺旋上升的学习路径，显著提升了学生的工程思维能力，使教学从“教师主导”转向“学生主体”。

　　第三招：课赛融通，以第二课堂激发创新活力

　　课程注重产学研深度融合，将学科竞赛纳入教学体系，教学项目源自产业实际，成果服务产业发展。通过组织学生参与“挑战杯”、机器视觉创新创业大赛等权威赛事，实现“以赛促学、以赛促教”。据统计，参与该课程的学生在各类创新竞赛中获奖率显著提升，就业竞争力同步增强。“课程—竞赛—产业”良性循环的形成，为新工科人才培养提供了可复制、可推广的实践经验。

　　图1 挑战杯获奖照片

　　图2 师生参与项目实战

　　启示：新工科建设呼唤“硬核”教学创新

　　当知识图谱赋能混合式教学，当课堂项目对接学科竞赛，江西水利电力大学的实践表明：新工科建设不能停留于理念层面，而应借助数字化工具重构教学逻辑，推动学生在与真实世界的深度互动中实现能力成长。

　　正如课题负责人所言：“我们不仅要传授知识，更要培养学生运用知识、在实践中创新的能力——这才是新工科人才的核心竞争力所在。”

　　（袁小翠、马永力、刘宝玲）