智能教育赋能新工科信号与系统课程混合式教学模式构建

作者简介：刘燕（1983.11—），女，汉族，湖南常德人，硕士，助理研究员，主要研究方向为电路与系统。999Sep10··第42卷第期2026年月ITREPORT,No.202定与关系推断机制，将课程知识转化为可计算、可检索与可重组的结构化网络。课程内容先被划分为知识最小单元（KUs），再按照主题聚类生成局部子图，通过依赖关系、技能关联与任务属性构建多层级节点体系。知识图谱的约束结构可表示为：(,,,),{|{,,}}ijijGNRAWRrrpresubassoc==∈(1)其中N为知识单元集合，A为节点属性映射，W为关系权重矩阵。节点依赖关系采用图结构：(2)在《信号与系统》课程中，“系统时域响应”模块被拆解为“冲激响应定义”“卷积积分公式”“系统零输入与零状态响应分解”等子单元，并在图谱中构建前驱链。以“卷积积分公式”节点为例，其属性字段包括公式参数、积分上下限、输入信号样本集、MATLAB可视化脚本路径及计算任务编号，实现内容层、技能层与实验层的多维绑定：()()()()xthtxhtdτττ+∞−∞∗=−∫(3)其中，x(t)表示输入信号，h(t)为系统的单位冲激响应，τ为卷积积分中的时间移变量，x(t)*h(t)表示系统对输入信号的输出响应。图谱构建过程中，文本语义解析（NER）、关系抽取与节点属性规整工具被用于识别教学大纲、教材与实验文档中的概念实体，并依托教师设定的先修链与任务难度对拓扑结构进行校准。最终图谱以标准化数据结构存储，为后续自适应学习路径规划、节点序列生成与动态诊断模型提供统一接口［3］。2.2智能平台驱动的自适应教学流程建模“卷积积分”作为系统分析模块中的高频难点，其在线教学流程设计采用阶段化分层模型，依托平台任务管理、学习行为跟踪与规则引擎模块构建自适应路径调控机制，教学流程分为概念引入、规则建构、模型演示与问题迁移四阶段，各阶段绑定对应的教学资源与行为节点，通过状态逻辑控制器实现过程调度。学习平台前端部署任务调度引擎与页面事件监听器，对学生浏览深度、视频播放完整度、测验完成率等进行节点标识处理，各阶段任务完成状态采用三值布尔量标记，系统自动生成阶段通过图并自动调整推送节奏。平台服务端同步构建行为状态图S={s1,s2,...,sn}，以学习路径序列长度为动态调控参考，默认区间设定为3~7步之间，若学习过程中停留时长异常或返回率高于15%，触发系统中断反馈机制，推送引导型任务。任务调度采用规则驱动结构，标准执行规则集包含12条节点触发条件组合，涵盖时长、正确率、响应次数、页面停留均值等维度，知识模块任务平均耗时以12分钟为控制基线，设定高频点击率区间为18~26次/模块。教学管理端以日志式学习记录流驱动学生轨迹生成模型，实现教师对各节点执行情况的结构化监控，该结构通过平台的调控接口（如WebSocket+Redis缓存）与教师控制台进行异步通信。2.3多源学习行为数据采集与动态分析机制行为数据采集以“学习事件—指标聚合—轨迹建模”为主线，覆盖资源使用、任务完成、反馈响应等多类行为节点。平台前端监听浏览、点击、提交、停留等事件，通过时间戳标注和行为分类字段形成原始数据结构，写入本地缓存队列后同步入库。后端利用异步管道对数据进行统一清洗，剔除重复事件与无效操作记录，生成标准化三元数据格式：{}(,,)|,,ijkijkDuatuUaAtT=∈∈∈(4)其中ui表示学生用户，aj为具体操作行为（如提交测验、进入视频、反复播放），tk为操作发生时间点。多源数据整合后，构建行为得分函数以描述学生在某一节点的学习稳定性，计算公式如下：Sij=α·cij+β·dij+γ·fij(5)其中cij表示某知识单元的答题正确率，dij为平均完成时长，fij为行为频次；系数α,β,γ根据任务权重配置，标准取值比为5:3:2，系统每隔15分钟对全体活跃用户进行一次窗口滑动分析，动态更新其学习路径状态图，用以支持教师调控与系统推荐策略生成［4］。日志聚合服务引入双通道异步写入策略，并对高频节点数据启用冷启动降频机制，保障关键任务段分析精度稳定在0.92以上，避免高并发下计算漂移。2.4仿真平台与课程模型的集成式实践设计行为数据结构建立后，课程模型仿真以任务驱动方式嵌入整体教学链，构成教学内容—建模实践的闭环系统，平台端引入SimulinkServer与Python仿真引擎双模块运行架构，以B/S结构封装仿真任务接口，支持Web端参数输入与模型结果可视化输出的远程调用模式。每项模型任务由“理论命题—输入设定—模型调用—结果比对”四级流程组成，调度引擎根据学生学习路径状态图自动推送任务入口并绑定对应节点。课程模块中的“线性时不变系统响应”仿真任务，调用预置模型库中的模板，参数项包括输入波形类型、幅值、时间窗与滤波系数，学生需基于响应目标手动调整参数使系统满足设定稳定区间判定条件，任务结束后，系统自动采集模型运行时长、参数设置路径与结果对比图，并写入节点行为数据库。仿真引擎与平台业务逻辑层通过RESTfulAPI集成，数据格式标准为JSON结构，模型调用失败率容错阈值设为2%，当节点触发数超过该值，系统将执行自动重启与故障预警模块，确保仿真服务在教学过程中的持续响应能力。3混合式教学模式在“信号与系统”课程中的应用研究3.1教学改革背景与目标设定某高校将“信号与系统”设置为电子信息类专业第二学期核心平台课，主要承担学生从数学工具向系统建模过渡的能力转化任务。长期教学中，学生在卷积运算、系统响应分析与频域变换等关键知识点掌握不牢，模型构建能力发展滞后，课堂互动与实操训练断层明显。改革目标聚焦三个方面：一是构建基于图谱的单元级内容体系，二是建立过程驱999Sep11··第42卷第期2026年月ITREPORT,No.202动的分阶段任务流，三是嵌入可监测、可回溯的学习行为链，依托平台系统形成结构闭环，解决概念理解断裂与过程不可控问题。3.2教学实施路径与平台技术部署教学路径设计以模块任务驱动方式重组教学节奏，结合智能平台构建统一的“教学内容—行为数据—仿真模型”联动系统。平台部署采用“课程主控平台+边缘仿真系统+数据诊断中台”结构架构，将雨课堂作为教学调度与推送接口，学习通承担资源聚合与行为追踪，仿真部分由本地部署的MATLABRemoteServer与Python容器环境组成，以RESTAPI形式与主控平台进行异步交互。平台内容层以知识图谱为基础划分教学节点，首批覆盖6章理论内容与4个实践模块，总计拆解为28个可调任务节点与112个资源组件。任务结构分为“信息提示—理论输入—计算任务—模型调用—反馈回收”五级串行流，系统根据学生行为状态构建动态路径映射，并依托状态跳转逻辑控制任务切换条件［5］。教学过程调度引擎内嵌基于条件状态转移矩阵构建的有限状态自动机模型（FSM），实现对学生路径的结构压缩与节点分流；关键任务中断判断则调用滑动窗口行为聚类模型（SWBC），根据学习停滞比率与节点切换频次自动启动节奏调整流程。平台调控接口以WebSocket消息通道连接教师管理端，可同步显示任务分布热图与学习完成趋势线图，便于教师实时调整任务密度与测试参数。教学实施遵循“分组演示+任务拆解+实时问答”模式，线下授课节奏与平台推送动态挂钩。以“系统频率响应分析”单元为例，平台在教师完成前导演示后自动推送含有参数配置引导、仿真操作框架与自诊断题组的在线任务包，系统同步记录学生在模型调用、运行、结果比对中的行为序列，并写入数据缓存区供后续轨迹学习建模使用。仿真部分采用分布式调用模式，单次调用耗时控制在3.4~4.7秒之间，误差率校正由平台定时触发差异检测模块完成；平台内部日志服务对每次模型调用结果生成唯一标识并写入状态数据库，确保全过程追溯。教学资源与任务运行稳定性均维持在95%以上，有效保障教学流程可控、任务链闭环、资源调度响应一致。3.3教学成效评估与行为数据分析教学成效评估采用“过程数据分析+阶段性测试对比”的双通道路径，对学生行为轨迹、仿真任务完成情况及测验表现进行集成式分析。前期基线数据来源于改革前2022年秋季学期的同类型课程，样本数为97人；对比数据来自改革实施后的2023年春季学期，共92人，课程内容一致，授课教师相同，考核结构同步。任务执行表现统计集中在“卷积积分建模”“频率响应参数仿真”两个模块，系统采集数据包含任务调用频次、平均提交时长、过程提交节点覆盖率等，仿真平台行为记录与平台教学日志由Redis缓存系统与MongoDB文档库统一归档处理，定期导出为数据分析模型输入。从表1可见，改革组在仿真任务参与率、节点完成覆盖率及过程测试均值等维度表现更为稳定，行为中断比例下降显著，学习路径重复率也有所降低。表1不同时期教学数据对比分析（n=90+）指标项改革前平均值改革后平均值仿真任务参与率（%）41.382.6学习路径重复访问率（%）37.821.4节点完成覆盖率（%）68.593.2单元测试均分（满分10）5.47.8评估阶段采用窗口平滑处理剔除个体极值波动，所有统计指标计算采用Pandas数据模块与内部任务监控脚本协同生成。行为节点的响应延迟控制稳定在0.6秒内，日志完整度维持在97%以上，满足数据追踪分析需求。4结语信号与系统课程的混合式教学重构需以技术逻辑为基础，构建可追踪、可调控的任务链与教学过程。依托知识图谱的结构化表达、自适应调度机制与行为数据闭环分析体系，教学从内容组织到模型实验实现贯通式设计，满足新工科背景下对系统能力建构的教学要求。平台部署与案例实施显示，关键技术路径具备高度可操作性与结构稳定性，为后续在其他高阶课程中的推广提供了范式参考，课程教学的逻辑形态正由线性传授逐步转向多节点驱动的动态系统。参考文献：［1］郑彤,于重重,姜露,等.面向“信号与系统”课程的智慧教学方法探索［J］.秦智,2025(11):119-121.［2］蒋宇娜,陈昌红,解培中.元宇宙赋能信号与系统教学模式探析与思考［J］.计算机教育,2025(09):38-42.［3］熊炜,张宇,曾春艳,等.新工科背景下省属高校信号与系统课程教学创新与实践［J］.大学教育,2025(01):68-72.［4］蒋翠玲,朱煜,木昌洪.新工科背景下基于OBE的信号与系统课程教学改革［J］.电子质量,2023(07):122-125.［5］仲会娟,达新宇,刘文武,等.“新工科”背景下“AI+教学”的改革与探索研究——以“信号与系统”课程为例［J］.工业和信息化教育,2022(11):29-33+42.999Sep12