大语言模型驱动的高职建设工程管理专业个性化学习路径研究
DOI:
https://doi.org/10.70693/cjst.v1i2.1321Keywords:
大语言模型；个性化学习路径；高职教育；建设工程管理；知识图谱Abstract
本文针对高职建设工程管理专业教学中存在的学生个体差异大、教师指导资源不足以及教材内容滞后于技术发展等现实问题，提出了一种基于大语言模型的个性化学习路径生成方法。通过构建融合“概念—技能—任务”三层结构的专业领域知识图谱，建立多维度、动态更新的多模态学习者画像，并依托大语言模型的深层推理与自适应能力，实现学生个性化学习路径动态生成与优化调整。通过为期一个月的教学实验验证，采用该模型的实验组在后测理论知识得分和综合应用项目得分上均显著高于对照组，且学习路径效率与满意度评价明显提升，证明该模型能有效促进知识内化与技能迁移，尤其在高阶实践能力培养上成效显著。本研究为人工智能驱动职业教育教学模式变革、实现规模化因材施教提供了可行的技术方案与实证依据。
References
蒋贵友, 殷文轩. 变革抑或危机：大语言模型赋能大学教学及其限度——基于斯坦福大学的案例考察[J]. 电化教育研究, 2025, 46(01): 122-128.
张艳芳, 原二保. 高职院校实践教学改革研究——以山西建筑职业技术学院建筑工程管理专业为例[J]. 教育理论与实践, 2016, 36(09): 27-29.
Zawacki-Richter O, Marín V I, Bond M, et al. Systematic review of research on artificial intelligence applications in higher education - where are the educators?[J]. International Journal of Educational Technology in Higher Education, 2019, 16(39): 16-39.
周晓瑜. 新发展格局下高职本科教育适应性探究[J]. 中国教育学刊, 2024(8): 153.
冯朝军, 熊妍茜. 新时期构建高职数字化教材的开发与建设机制研究[J]. 中国职业技术教育, 2024(14): 80-85, 95.
陆模兴. 职业教育数字化转型的现实基础、行动框架和实施路径[J]. 中国职业技术教育, 2024(18): 31-39.
Kasneci E, Sessler K, Küchemann S, et al. ChatGPT for good? On opportunities and challenges of large language models for education[J]. Learning and individual differences, 2023, 103: 102274.
杨启航, 王 玺. 浅谈大语言模型对初中化学作业设计的促进作用[J]. 中国教育学刊, 2024(S1): 186-188.
毛志新, 冯 睿, 张 智, 等. 基于本地大语言模型和知识图谱的课程设计——以“网络爬虫与商业预测分析”课程为例[J]. 实验室研究与探索, 2025, 44(05): 141-147.
杜修平, 王崟羽. 检索增强生成赋能智能导学系统构建研究——基于本地大模型与私有知识库[J]. 中国电化教育, 2025(05): 117-127.
刘玉屏, 欧志刚, 武晓琴. 生成式人工智能赋能国际中文教学的效果测评——以教学设计、HSK模拟试题编写及作文评分为例[J]. 民族教育研究, 2025, 36(01): 156-166.
郭高萍, 柴 草. 建构主义学习理论视角下高职院校实现质量型扩招的思考[J]. 教育与职业, 2022, 1005(5): 56-60.
陈立娟. 智能技术时代的精准教学：主体之维与行动取向[J]. 现代大学教育, 2023, 39(02): 19-26.
樊代和, 魏 云, 沈军峰, 等. 基于大数据技术的大学物理实验课程学习数据分析——以西南交通大学为例[J]. 实验室研究与探索, 2022, 41(09): 218-222.
方昱楚. 基于BIM的建筑工程管理智能化研究[J]. 建筑科学, 2024, 40(01): 173.
郭 斌. 高职教育在线案例教学的障碍与路径优化[J]. 职教论坛, 2021, 37(10): 61-66.
Zhang H, Lee I, Ali S, et al. Integrating Ethics and Career Futures with Technical Learning to Promote AI Literacy for Middle School Students: An Exploratory Study[J]. International journal of artificial intelligence in education, 2023, 33(2): 290-324.
杨丽娜, 魏永红, 肖克曦, 等. 教育大数据驱动的个性化学习服务机制研究[J]. 电化教育研究, 2020, 41(9): 68-74.
Panneer D, Ragunathan K, Ramalingam M, et al. Comparative study on ontology matching tools and methods[J]. AIP conference proceedings, 2024, 2802(1).
Koedinger K R, Mclaughlin E A, Stamper J C. Data-driven Learner Modeling to Understand and Improve Online Learning[J]. Association for Computing Machinery, 2014, 2014: 1-13.
Shute V J, Rahimi S. Review of computer-based assessment for learning in elementary and secondary education[J]. J. Comput. Assist. Learn., 2017, 33: 1-19.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 王琨, 赵达, 王振华, 丁超
This work is licensed under a Creative Commons Attribution 4.0 International License.
