新一代信息技术的发展，推动了万物的数字化、智能化与互联化。在这个日新月异的时代，教育数字化是我国开辟教育发展新赛道和塑造教育发展新优势的重要突破口，是缩小教育差距、提高教育质量的一种有效途径。随着数据、算法和算力的飞速发展，大语言模型（下文简称大模型）作为AI领域的最前沿方向，正逐步成为推动高校教学与学习模式深刻变革的重要力量。
2024年7月，教育部部长怀进鹏指出：我国将打造中国版人工智能教育大模型。大模型通过深度学习技术，在海量文本和多模态数据上进行预训练，掌握了丰富的知识和强大的生成能力。近年来，国内外诸如ChatGPT、Gemini、CopilotAI大模型、文心一言、天工V3.5、通义千问、商量、腾讯混元大模型等产品如雨后春笋般涌现，它们不仅在自然语言处理领域取得了突破性进展，还在智能问答、内容创作等多个维度展现出强大的实力。这些大模型能够深入理解复杂教育环境，流畅地生成对话等文本或多模态信息，精准进行文本理解与内容生成，辅助教学场景实现从单一时空限制的教学场域向多元化、多维度复杂教学场域的跨越式转变。
在数智教育的背景下，武汉大学依托数学与统计、信息管理、计算机与网安等具有支撑数智人才培养的全栈强势学科，构建了具有武汉大学特色的一体化数智人才培养体系。在其中的数智教育系列课程、数智教育实践创新、数智教育支撑体系等多方面，大模型的引入正引领着一场深刻的教学与学习革命。
接下来，我们将从教师和学生两个角度，探讨大模型在赋能教学与学习中的具体应用。
教师视角：教学创新与效率提升
从教师视角出发，大模型已经成为了创新教学方法的有效途径，它能够辅助教师设计更加个性化、互动性强的课程内容，通过智能分析学生的学习习惯与难点，为教师提供精准的教学反馈与策略建议。此外，大模型还能快速生成教学材料、模拟复杂场景进行案例教学，甚至参与课堂讨论，以其广博全面的知识储备和灵活的反馈应变能力，极大地丰富了教学手段，提升了教学质量与效率。通过利用大模型，教师得以从繁重的备课与重复性工作中解放出来，将更多精力投入到教学研究与个性化指导等方面，促进教学质量的全面提升。
（1）大模型辅助个性化教学
（2）大模型辅助精准高效答疑
在信息管理学院的教学实践中，洪亮老师成功地将大模型与知识图谱结合，构建了一个利用检索增强生成（Retrieval-AugmentedGeneration，RAG）技术的智能答疑平台，为学生答疑环节带来了显著的效率与准确性的提升。洪老师深刻认识到，在信息爆炸的时代，学生面对的学习难题日益复杂，传统的答疑方式往往难以全面覆盖且效率低下。因此，他通过积极探索，将RAG技术引入答疑体系，为学生打造了一个高效、精准、且个性化的学习支持平台。
在洪亮老师的推动下，大模型不仅成为了学生答疑的得力助手，还通过分析学生的提问数据，精准识别教学盲点，优化了教学资源的分配和使用。平台通过收集并分析学生的提问数据，生成答疑报告，为教师提供了详尽的学情分析，帮助他们更加准确地把握学生的学习难点和兴趣点，从而有针对性地调整教学内容和方法，为个性化教学提供了有力的支持。
（3）大模型辅助数智实践创新
实践创新是数智人才培养体系中的核心环节，对于培养和提升学生的创新思维、创新能力、解决实际问题和实践动手能力具有极为重要的作用。武汉大学推出了《武汉大学数智教育实践创新平台学生使用指南》，打造了数智教育实创平台。其中，大模型在辅助创客课程、大创训练、竞赛活动、产学研项目等多方面都具有重要的支撑作用。
国家网络安全学院赵磊老师常年担任网络安全领域CTF学科竞赛教练，该项赛事以虚拟仿真环境下的网络安全案例分析为主要手段，考察学生的创新实践能力。近年来，随着竞赛竞技水平的提升，比赛案例的数量类型、高阶性、复杂性也稳步提升，对参赛选手的专门知识、技战术水平和快速响应能力提出了更好的要求，选手们经常面临分析效率不高、分析时长不足、分析深度不够等问题。针对这一新挑战，赵老师创新性地提出了大模型辅助的CTF竞赛策略，研制了大模型辅助的CTF自动化工具套件，实现了人机结合的竞赛模式。
与传统的人工调试分析不同，CTF自动化工具套件借助于大模型的API接口，能够自动化、规模化地完成针对网络安全案例的漏洞检测、程序逆向、威胁路径推理等关键环节辅助分析，选手们则可以在大模型分析基础上进一步完成更高级的适配和修正。这种人机协同的工作模式转换，助力CTF团队在2024年获得全国大学生信息安全竞赛一等奖和长城杯信息安全铁人三项赛冠军，展现了大模型卓越的解决问题能力和辅助创新潜力。更重要的是，基于大模型的智能化CTF科研极大地拓宽了学生们的视野，不仅促进了理论知识与实际应用之间的无缝衔接，更为学生搭建了从理论学习到科研实践的桥梁。
学生视角：学习方式的全面性变革
对于学生而言，大模型无疑是一把引领学生深入遨游知识海洋的金钥匙，它不仅能够迅速响应学生的每一个疑问，提供精准且丰富的反馈信息，还能根据学生的学习节奏和兴趣点，量身定制学习路径，让学生的知识体系更加完整和深入。在研究生的学术探索、科研攻坚、论文撰写等各个环节，大模型都是一位默默无闻却至关重要的伙伴，助力研究生高效检索文献、精准分析数据、丰富展现形式，显著提升了研究效率和成果质量。更重要的是，通过与大模型的互动，能够培养学生的批判性思维、信息筛选与整合能力，为未来的学术研究与职业生涯奠定坚实的基础。
（1）自主个性化的学习助手
大模型为学生打开了自主学习的新世界大门。无论是深入探究某个专业概念，还是解决日常生活中的小疑惑，大模型都能即时响应，提供准确、详尽的解答。此外，它还能根据学生的学习进度和理解能力，智能推荐适合的学习和练习资源，让学习变得更加高效。在冲刺备考阶段，大模型通过分析学生的学习数据和历史成绩，能精准定位学生的薄弱环节，并提供针对性的复习资料和模拟试题。在大模型的帮助下，不仅学生的学习效率提高了，还使学习过程更具趣味性，帮助学生更好地掌握知识。
（2）写作与表达能力的飞跃
高质量的写作与表达，是沟通、学习和研究的最基本要求，但对于一些学生来说却是一大挑战。有了大模型的帮助，可以为写作和表达提供全方位的支持，使得这一切都变得轻松许多。无论是中文文稿的润色，还是英文论文的撰写，大模型都能提供语法检查、句式优化、逻辑梳理等方面的改进建议。更令人惊喜的是，它还能生成范文、提供写作思路和框架，激发学生的创作灵感，让学生的写作与表达更加准确、生动。对于需要与国际学者交流的学生来说，大模型可以作为跨文化沟通的桥梁。它能够精准即时翻译多种语言，提供文化背景下的表达建议，让学生的交流更加顺畅无阻。在英文论文的撰写过程中，大模型的助力更是不可或缺，它能够检查语法错误、优化句式结构、提供修改建议，可以让学生的论文更加专业、严谨。大模型对于写作的支持，大大降低了学生在表达方面的障碍，助力他们取得更大进步。
（3）编程技能的加速器
（4）跨学科学习的创新引擎
大模型凭借其强大的知识库和跨领域学习能力，为学生提供了广阔的跨学科学习平台，通过大模型，学生可以轻松查阅和理解不同学科的基本概念、理论框架和最新研究成果，探索不同学科之间的联系和交叉点，发现新的研究视角和问题解决方案。例如，将大模型应用于医学影像分析，即便零基础的计算机专业学生也可以研究如何通过深度学习算法更快速地识别病变区域，从而提高早期诊断的准确率与效率。同时，大模型还为学生提供了跨学科的研究方法和工具，帮助学生从不同学科的角度进行研究与创新。这种跨学科的学习方式能够有效推动各专业与数字化交叉融合，支撑人工智能赋能理工农医类数据增强学科和赋值人文社科类数据应用学科，实现跨学科融合贯通的数智人才培养目标。
（5）活动策划的智慧伙伴
在丰富多彩的校园生活中，活动策划是学生展现自我、锻炼能力的重要舞台，更是提升创新思维和项目管理能力的实践机会。大模型通过其强大的数据分析和生成能力，可以在学生的活动策划中提供全面的创意支持和策划建议。无论是学术讲座、社团活动，还是大型校园活动，学生都可以借助大模型，快速生成详尽的活动方案，从主题确定、目标设定，到资源分配、人员安排，各个环节都能够得到系统化的规划。同时，大模型通过分析历史数据和活动场景，可以预测潜在的问题，如场地安排不当、资源短缺等，并提前制定应对策略和备选方案，帮助学生更好地掌控活动进程，从容面对突发情况。这种高效、有条理的活动策划方式，不仅减轻了学生组织工作负担，也让校园活动更加精彩纷呈，助力学生更全面地思考问题，获得宝贵的实践经验。