VDEVocational Development and Education3066-85493066-8557Art and Design10.61369/VDE.2025230031Article大模型赋能的课程实施优化与实践——以机器学习为例https://artdesignp.com/journal/VDE/1/23/10.61369/VDE.2025230031付宇鹏,朱子强,张兵强20251232025-11-14当前人工智能技术快速发展，机器学习已成为军地各院校电子信息专业研究生必须掌握的理论。针对硕士研究生《机器学习》选修课的教学实际，提出并实践了基于大语言模型赋能的课程实施优化模式。重点阐述了从知识图谱构建、智能测评到教学辅助优化的全流程，形成了“测试- 评估- 路径生成- 教学优化”的数据驱动闭环。实践表明，该模式能够提升教学的针对性、提高学员的自主学习积极性，为军队院校 在新时代背景下探索“人工智能赋能教育”提供了理论思考与实践路径。知识图谱,大语言模型,学员能力画像,机器学习

[1] 耿方志, 张永新, 何缓. 军事院校装备课程教学团队建设研究[J]. 船舶职业教育, 2021(9): 16-20.[2] 邵希文. 中国特色现代军校保障体系构架建设研究[J]. 国防,2018,394(12):30-36.[3] 刘辉, 李志辉, 吴向君, 李其修. 以能力为导向的实战化课程教学改革与实践[J]. 实验室科学,2021,24(6):108-113.[4] 陈曦." 战研训" 融合式专业学位研究生课程体系探究[J]. 高等教育研究学报, 2020,43(3):3-39.[5] 周志华. 机器学习[M]. 北京: 清华大学出版社,2016.[6] 常大全.AI 大模型赋能高职教育数字化转型路径探究[J]. 教育教学论坛, 2025,(25):53-56．[7] 唐田田, 王海鹏, 郭强等. 浅析大数据时代下的军事院校教学改革[J]. 科技咨询,2021(3):40-43.[8] 李继成, 李茜, 赵小艳. 赋能大学数学课程教学的人工智能体知识库优化与应用实践[J]. 大学数学, 2025, 41(3):117-117.[9] 米加宁. 生成式治理: 大模型时代的治理新范式[J]. 中国社会科学, 2024(10).[10] 孙梁恪一. 大模型驱动的智能学习系统: 发展趋势与关键技术算[J]. 人工智能教育研究, 2025, 1(1):10-19.