《Applied Sciences》：Construction and Practice of a Blended Smart Course for Environmental Microbiology Under OBE Principles
编辑推荐：
环境微生物学教学长期面临网络化知识结构与传统线性讲授不匹配、开放式工程场景支撑不足、混合式形式与深度学习脱节、过程性评价证据薄弱等挑战。研究人员以成果导向教育（OBE）为指引，构建融合能力、问题、知识、资源四维的课程图谱，形成“图谱导引—智能探究—数据驱动评价
环境微生物学教学长期面临网络化知识结构与传统线性讲授不匹配、开放式工程场景支撑不足、混合式形式与深度学习脱节、过程性评价证据薄弱等挑战。研究人员以成果导向教育（OBE）为指引，构建融合能力、问题、知识、资源四维的课程图谱，形成“图谱导引—智能探究—数据驱动评价”的递进式教学模式，并落地教师—学生—AI协同的混合式智能课程。研究于江苏大学环境与安全工程学院第三学年环境工程专业开展，实施周期为一学期（16周），对象为60名本科生；前序同教师常规混合式教学的59人（完成57人）作为历史对照。数据源自平台交互记录、蓝图匹配期末考题及58份有效问卷（Cronbach’s α=0.89），采用描述统计、独立样本t检验与效应量分析。以“污水生物脱氮除磷调控”模块为例，展示差异化课前准备、课中问题链探究与AI辅助方案设计、课后学习画像。结果显示：实施班课堂交互率90.3%对70.5%；微生物调控类考题均分率提升15.2个百分点（95% CI [10.2,20.2]，Cohen’s d=1.12）；91.4%学生认为知识图谱助益系统认知，84.5%称分析工程问题信心增强。该课程架构可为环境工程核心课智能转型提供实践参照。
研究背景方面，人工智能正驱动高等教育从“资源上线”走向“流程重构与能力培养”，国家教育数字化战略与工程教育认证均要求课程回应产业真实需求、支撑复杂工程问题解决。环境微生物学作为环境类专业重要基础课，知识点多、概念抽象、跨学科强，传统教学按章节线性推进，导致学生能记孤立概念却难将微生物代谢机制、环境因素、工程单元与调控目标耦合，影响后续学习与工程实践能力。已有知识图谱、生成式AI、智能导学系统与学习分析技术为破解上述困难提供可能，但多组件孤立应用难成体系。为此，研究人员以OBE反向设计逻辑，将零散知识重构成向能力培养看齐的课程图谱，并让教师、学生与智能技术在同一教学闭环中协作，用学习数据驱动评价反馈与持续改进。论文发表于《Applied Sciences》。
关键技术方法上，研究采用基于设计的课程开发结合历史队列描述性比较：实施队列为2025年春季江苏大学环境工程大三60人（排除2名期中退课），历史队列为2024年春季同教师常规混合式教学57人；干预含四部件——智树平台四维课程图谱（能力、问题、知识、资源，共411节点592关系，专家评审Cohen’s κ=0.82）、课程定制大模型AI导师（启发式脚手架+错答披露协议）、工艺方案设计助手（35篇审定知识库+参数化提示模板）、学习分析仪表盘（视频、测验、讨论、作业、AI对话聚合为周诊断与画像）；效果测量为课堂交互率（按学生×6次课聚类描述）、蓝图匹配25分微生物调控考题块（双评盲法ICC=0.86）、12题五点李克特问卷（α=0.89）；统计用SPSS 26.0，考题用独立样本t检验报Cohen’s d与95% CI，交互率与画像仅作描述。
研究结果部分，按原文小节浓缩如下。
3.传统课程深层问题：研究人员指出四维冲突——网络知识结构与线性讲授冲突、开放式工程场景与教学支撑错位、常态混合形式与深度学习断层、终结性评分与过程证据缺失，据此明确图谱导引、智能探究、数据评价的改革优先级。
4.智能课程设计哲学与总体框架：以“学生发展”为核心，OBE下从“传知识”转向“成能力”，定义四类能力（基础认知、机制分析、工程调控、数据证据与创新实践），形成“图谱组织知识—问题激活学习—AI即时支持—数据促进改进”的运行逻辑，教师角色扩展为设计者、问题引导者、证据解释者与价值塑造者。
5.基于图谱的内容与资源重构：反向推导能力图（18可观测节点）→问题图（45节点分基础/综合/创新三层）→知识图（5模块132节点，标前置/因果/并行/应用/拓展边）→资源图（216节点绑定前述维度），专家审校κ=0.82，2025春据诊断修订14节点23关系。图谱静态地图在动态教学中被激活。
6.师生-AI协同混合式实施：课前按前测与平台行为推差异化资源包，AI导师对设计题只给启发不代答；课中走“问题引入—图谱定位—小组讨论—AI辅助—教师导引—成果展示”问题链，AI承信息支持与思维可视化；课后由测验、讨论、作业、AI对话、互评聚成知识掌握/参与/问题分析/工程应用四维画像，反哺个别化复习与次日教学调整。
7.教学案例（污水生物脱氮除磷调控）：课前主题子图分流基础微讲义与前沿文献；课中以某厂出水逼近限值场景抛问题链，各组用AI导师列微生物活性—参数—工艺—监测框架，方案助手入参COD、NH4+-N、TN、TP、温度、DO、SRT生成初稿，教师以“证据何在、关键变量为何、参数变如何调”反问；课后交群体方案与个体反思，平台画像标氮循环菌、除磷代谢、参数效应、方案论证四维强弱并推对应资源，顺带嵌入富营养化责任与碳源/能耗/排放稳定性权衡的思政与工程伦理。
8.数据驱动评价体系与观察结果：评价扩为终结（基础概念）+过程（准备/讨论/测验/反思）+创新实践（案例/方案/答辩/人机协作）多维画像。观察所得——目标模块课堂交互率90.3%（325/360）对70.5%（241/342）；蓝图匹配25分块均分率77.5%（SD=12.4）对62.3%（SD=14.6），差15.2百分点（t(115)=6.08，p<0.001，d=1.12）；讨论板分析/评价级发言占47%对24%；91.4%认图谱助系统认知，84.5%称AI增工程信心；群体案例报告更能耦合微生物—环境—参数并体现多目标权衡。研究人员强调此为单校单课非随机历史对照，属描述性关联非因果效度。
9.讨论：EQ1图谱可行（κ=0.82、91.4%正向感知）；EQ2师生-AI协同可落地，AI接手即时重复支持、教师聚焦证据解释与价值形塑，交互率升幅与既有文献方向一致；EQ3三域皆优但受历史对照局限。局限含单机构小样本、无随机、试卷蓝图匹配非等值、问卷仅实施班自报有新奇效应、缺延迟与迁移测量、画像心理计量未验证、未直接量负向依赖。未来应跨校准实验、补追踪与迁移、验证画像量表、查AI过度依赖与学术诚信。
10.结论翻译浓缩：本文针对环境微生物学教学真实困难，记录一套OBE指引、以课程图谱为中心、智能技术支撑、数据评价闭环的混合式智能课程方案。实施经验表明智能课程关键非数字工具堆砌，而是借技术重构知识组织、学习活动与评价反馈逻辑，使学生在真实问题情境中达成知识理解、能力实践与价值形塑。三条经验——知识图谱助从点记忆到系统认知；师生-AI协同深化混合教学（教师高阶导引、学生即时支持、AI个性化与工程训练）；学习画像与数据反馈令评价由结果判定转过程诊断。后续将完善图谱动态更新、打通《水污染控制工程》等课群、优化AI导师知识边界与数据伦理、开展多机构准实验与延迟测量以验耐久与可迁移性。
