Volume 2,Issue 7
人工智能与线性代数课程深度融合的教学改革研究
—— 基于实证数据的成效验证
为探索人工智能技术与线性代数课程深度融合的有效路径，本研究以某高校2024级511名学生为研究对象，其中实验班101人实施AI 融合教学干预（包含可视化工具辅助、AI 智能答疑与自适应练习），其余学生构成全级对照基准。通过期末统一考试成绩，运用独立样本t 检验、Mann-WhitneyU 检验、Kolmogorov-Smirnov 双样本检验及卡方检验等多元统计方法验证教学成效。结果表明：实验班平均分（78.71±15.18）显著高于全级对照组（70.94±18.62），差异具有极显著统计学意义（t=3.939，p<0.001，Cohen'sd=0.458）；实验班优秀率（40.6%）较对照组（16.4%）提升24.2个百分点，不及格率由27.2% 降至16.8%。各题型成绩整体优于对照组，提升最明显的是综合应用类题目。研究表明，AI 辅助教学能够在一定程度上改善线性代数课程的学习成效，也为后续教学改革提供了实证依据。
[1] 教育部等九部门关于加快推进教育数字化的意见[J]. 中华人民共和国教育部公报,2025,(04):16-20.
[2] 杨文霞，王卫华，何朗，等. 知识图谱赋能智慧教育的研究与实践—— 以武汉理工大学”线性代数”课程为例[J]. 高等工程教育研究，2023（6）：111-117.
[3] 刘媛媛，高小伟. 基于AI 的混合式教学模式优化—— 以”线性代数”课程为例[J]. 大学教育，2025（32）：72-75.
[4] 涂建华，肖珺怡，姜广峰. 构建微积分知识图谱助推一流课程建设[J]. 中国大学教学，2020（11）：33-37.
[5] 龙珠，陈祥伟，董波. 工科数学实验教学体系融合思政的研究与探索[J]. 实验室研究与探索，2023，42（11）：216-219.
[6]Sweller,J.Cognitiveloadtheory,learningdifficulty,andinstructionaldesign[J].LearningandInstruction,1994,4(4):295-312.
[7]Mayer,R.E.MultimediaLearning(3rded.)[M].CambridgeUniversityPress,2020.
[8]Cohen,J.StatisticalPowerAnalysisfortheBehavioralSciences(2nded.)M].LawrenceErlbaumAssociates,1988.
[9]Kulik,J.A.,&Fletcher,J.D.Effectivenessofintelligenttutoringsystems:Ameta-analyticreview[J].ReviewofEducationalResearch,2016,86(1):42-78.
[10]Hattie,J.VisibleLearning:ASynthesisofOver800Meta-AnalysesRelatingtoAchievement[M].Routledge,2009.