【AI潮起 重工智领⑭】当生成式AI走进课堂，高校通识教育该如何破局？

生成式人工智能浪潮席卷校园，AI绘图、文本生成随手可得。但高校AI通识课仅仅教会学生点开工具、输出指令就够了吗？面对AI生成结果不可控、创作过程难以追溯的现实困境，课堂教学应当看重最终作品，还是要关注学生完整思考路径？当人人都可以借助AI快速产出内容，大学又该如何培育学生真正的人工智能综合素养？在重庆工程学院，一场围绕《人工智能通识》课程的教学改革，正在尝试回答这一系列时代考题。

工具易得思维难求：AI课堂的现实困境

走进重庆工程学院人工智能与计算机学院的课堂，这里的AI教学，跳出了单纯演示工具操作的传统模式。很多人会有疑问：学生会用AI生成图片，就代表真正懂AI吗？面对笼统提示词带来的一次次失败生成，学生除了反复点击重试，还能习得哪些可迁移的解决问题能力？

不少学生刚接触生成式AI时，习惯简单输入指令，依赖模型随机输出，遇到画面出错就直接重新生成，缺少分析问题、拆解要素的意识。如果课堂只考核最终成品，学生很容易陷入“重结果、轻过程”的误区。

课程团队将“个性化漫画形象生成”设置为实操任务，不追求一步到位产出精美画作，而是引导学生拆解目标，围绕人物特征还原、画风统一、画质提升、场景适配开展多轮迭代。每一轮调整，都要求学生写下修改思路、现存问题以及下一步优化方向。学生不再是等待AI给出答案，而是学会主动定义问题、分析偏差、调整策略。

那么，把AI图像生成从“玩工具”转化为“练思维”，课堂又是依靠怎样一套教学逻辑落地实施？

DIPRE 闭环模型：重构AI教学完整链条

为此，课程团队创新构建起DIPRE过程导向教学模型，即Define（任务定义）、Instruct（方法支撑）、Practice（多轮实践）、Refine（迭代优化）、Evaluate（评价反馈）五大环节，形成完整教学闭环。

图1 DIPRE过程导向教学模型

Define（任务定义）阶段，教师展示AI生成图像的各类缺陷，抛出真实问题，让学生先厘清任务目标、成果要求与评判标准，搞懂“到底要解决什么问题”；在Instruct（方法支撑）阶段，讲解结构化提示词框架，拆解主体、风格、背景、构图核心要素，传授负面提示、创意约束等实操方法，筑牢学生实践的方法论基础；在Practice（多轮实践）阶段，学生依托AI平台开展创作，完整留存每一轮提示词、生成效果与问题研判，教师同步巡回指导；在Refine（迭代优化）阶段，推行单变量优化原则，每一轮仅调整一项关键条件，对比前后效果，找准问题根源，避免多要素同时改动造成无法溯源；最后进入Evaluate（评价反馈）环节。值得思考的是，AI实践作业，分数应当只看画面好不好看吗？

在这里，评价标尺发生根本性改变。课程摒弃“唯成品论”，优化过程完整度、提示词设计合理性、版权规范意识、报告反思质量共同构成评价体系，过程证据链成为打分的重要依据。学生需要完整留存提示词修改记录、版本对比、反思报告，把脑海里看不见的思考过程全部显性化。

图2 学生作业中提示词优化过程

一份作业，哪怕最终画面不算完美，但迭代逻辑清晰、反思详实，依旧可以拿到不错成绩；反之，只上交一张精美成品，缺少过程记录，反而得不到高分。这不禁引人深思：在AI时代，过程的价值，是否已经不亚于最终结果？

技术向善先行：把规范意识融入实践细节

技术能力之外，AI教学能否绕开伦理与规范教育？如果只教创作技巧，却忽略风险边界，学生会不会忽略AI版权、肖像使用的潜在隐患？

这门课程给出自己的解法：将规范意识嵌入实践全流程。作业明确要求标注AI工具来源，厘清生成内容的权利边界，引导学生客观看待模型局限，懂得甄别AI生成内容的偏差谬误。

课程引导学生理性看待AI：生成内容未必全然准确，当结果不达预期，是补充描述、调整约束，还是接纳当下技术的客观短板？在一次次实践中，学生建立起审慎的判断力。技术可以赋能创新，但责任意识，是否才是人工智能素养不可缺失的底色？

这套教学改革已经完成两轮教学实践，覆盖学校全体大一新生。学生逐步摆脱盲目随机生成，学会用结构化思维开展AI创作。值得一提的是，《人工智能通识》成功入选重庆市本科高校首批“人工智能+”重点建设课程，并顺利通过中期评估，改革实践获得市级层面认可。

不止图像生成：探寻可复制的数智教学路径

DIPRE模型的价值，仅仅局限于AI图像创作吗？倘若换到文本生成、代码编写、创意设计等不同任务场景，这套过程导向思路能不能复制迁移？

课程团队认为，模型的内核不在于图像任务本身，而在于“定目标—教方法—做实践—善迭代—重评价”这套闭环逻辑。无论是文案撰写、代码调试，都可以沿用这套思路，引导学生拆解需求、多次试错、留存证据、复盘反思，把AI从“直接拿来结果的黑箱”，变成锻炼自身能力的训练场。

AI浪潮之下，通识教育该奔赴何方？

当生成式人工智能重构人才能力要求，高校人工智能通识教育究竟要培养什么样的青年？是只会调用工具的使用者，还是善于提问、懂得思辨、恪守规范的思考者？

重庆工程学院的教学探索给出一种参考：AI通识教育的终点，从来不是工具本身，而是人的成长。面向未来，如何进一步打通通识课程和各专业教学，让过程导向的AI素养培养辐射更多课堂，如何持续完善任务设计与评价机制，仍等待教育者持续探索。