AI 赋能的多模态《流体输配管网》智慧课堂构建与实践*

摘要:针对《流体输配管网》传统课堂教学知识抽象难懂、理论与实践脱节、评价单一等问题，本文基于“以学生为中心、产出导向”的教学理念，融合人工智能、多模态数据交互等技术，构建“智能备课-课堂互动-虚拟实训-个性辅导-精准评价”多模态智慧课堂，实现课程教学的可视化、交互化和个性化。研究表明，该模式不仅大大激发学生学习兴趣，显著提升学生对课程内容的理解深度和工程实践能力，也为工科专业课程教学改革提供参考范式。

关键词：人工智能；多模态教学；智慧课堂；虚拟仿真；流体输配管网

1  引言

习近平总书记指出，人工智能技术是引领全世界新一轮科技革命、产业革命 的重要驱动力① , 人工智能正以前所未有的速度、深度和广度融入高等教育的全 过程。我国政府高度重视发展数字教育，积极推进教育数字化战略行动，《教育 强国建设规划纲要（2024-2035  年）》明确提出建设学习型社会，以教育数字化 开辟发展新赛道、塑造发展新优势， 促进人工智能助力教育变革，要求“面向数 字经济和未来产业发展，加强课程体系改革，优化学科专业设置”。教育部《教 育信息化 2.0  行动计划》明确提出了“构建数字化、智能化、个性化教育体系”的要求。因此， 在这一重大历史变革浪潮中，高校教师要积极响应国家数字化战 略，系统推进“AI+教育”的深度融合@。

《流体输配管网》是建筑环境与能源应用工程专业的专业基础课，广泛涵盖建筑流体管网、流体机械的设计原理和运行调试等内容， 具有理论深度大、抽象度高、实践性强的特点。传统课堂教学模式下， 学生普遍反映难以掌握课程核心知识，尤其是对复杂管网系统的水力特性分析、设备配置与运行调控缺乏直观认知，难以将理论知识转化为解决实际工程问题的能力，传统课堂教学模式主要存在以下三个关键问题：其一，知识的呈现方式需要多样化。课程中的管网水力计

*  本文系湖南省教改项目“新工科背景下研究生工程伦理教育“知识-能力-价值 ”三维融合的课程思政实施路径研究（2025JGYB264）和新时代高校工科类课程与思政课协同育人研究（HNJG-2020-0274）成果.

①   习近平向国际人工智能与教育大会致贺信，《人民日报》，2019 年 5 月 17 日。

@   龚旗煌：《从理念美观实践：人工智能赋能下的高等教育创新探索》，《中国高等教育》，2025 年 11期。

算、泵与风机的性能曲线、系统工况调节等核心内容涉及复杂的流体力学理论、空间思维和动态变化过程，仅靠二维图纸展示、静态公式推导和教师口头讲解，难以使学生建立直观、形象的认知。问卷调查显示， 超过 70%的学生认为“课程内容抽象，难以形成系统认识”，导致学习兴趣不高，知识掌握不够深入；其二，

理论与实践的联系需要进一步加强。受设备条件、场地安全和课时的限制， 传统 的实验、实训大都是验证性实验， 缺乏真实工程场景的沉浸感。学生虽掌握理论 知识，却难以运用理论知识解决实际工程中管网设计、故障诊断、运行调节等问 题。这一脱节现象使得学生培养质量与行业需求存在明显差距，尤其是在当前智 慧管网技术快速发展的背景下，企业对人才的数字化技能和工程实践能力提出了 更高要求；其三，教学评价需要个性化。传统评价主要依赖课后作业和期末考试数据，无法在学习过程中全面捕捉学生的学习行为特征，难以实现“一生一策”的量化评估与精准指导。教师难以及时了解每个学生的知识掌握情况和能力发展 水平，评价对象是全体学生的平均水平，教学调整往往基于经验而非数据驱动，导致教学效果提升有限。

随着人工智能技术的成熟和教育数字化进程的加速，AI 赋能工科专业的专业基础课程和专业课程的教学成为可能，人工智能技术在各行各业展现出强大的赋能潜力。从技术基础看，国家管网集团通过 AI+建设场景、AI+运营场景、AI+调控和 AI+管理，已成功部署“满血版 DeepSeek 模型”，在管网建设、运维多个场景实现应用，为高校专业课程教学改革提供了技术借鉴和行业应用背景①。从硬件基础看，虚拟仿真实训、管道检测机器人等设备已广泛应用于行业实践和教育领域，为实践教学提供了有力支撑。从政策导向看， 教育部教育信息化 2.0 行动计划和国家人工智能战略均明确支持 AI 与教育的深度融合。因此， 如何将 AI 技术与专业课程教学深度融合，构建适应智能时代人才培养需求的新型教学形态，仍是当前工科教学改革亟待探索的课题。

在此背景下，国内部分高校在 AI 赋能教学方面进行积极探索②。如北京理工大学提出的“学本智融、产教协同、数字赋能”育人体系，通过构建知识图谱、 AI 教研平台和产教融合机制，显著提升了学生的学习效果和工程能力，为流体输配管网课程改革提供了宝贵经验① 。本文以《流体输配管网》课程为例，针对传统教学的痛点，运用人工智能、虚拟仿真、多模态交互等智能技术，构建 AI 赋能的智慧课堂教学新模式。通过打破传统课堂边界， 实现教学内容的动态化、可视化、个性化，强化学生对知识点的理解和解决工程问题的能力，为培养适应AI 时代的卓越工程创新人才探索有效路径。

2  多模态智慧课堂的理论框架

2.1  理论基础

智慧课堂通过虚拟仿真实训、交互式情境模拟等技术手段， 为学生提供自主探索的知识建构环境，使抽象概念、原理转化为可交互、可感知的体验， 从而深化理解课程内容②。

多模态学习理论认为，人类通过视觉、听觉、触觉等多种通道感知和处理信息② ,学习更高效。智慧课堂融合文本、图像、音频、视频、三维动画、虚拟仿真等多种信息呈现方式，多维度、多渠道刺激学生的多感官通道， 促进知识的内化与迁移。研究表明， 多模态教学能够提高知识保留率约 40%，特别适合流体输配管网这类空间结构复杂、动态过程抽象的专业课程。

个性化学习理论关注学生的个体差异和多元发展需求。AI技术通过学情数据采集与分析，生成精准的“学情画像”与“能力画像”，为每一位学生定制适合的学习路径和推送资源，实现规模化培养与个性化成长的有机统一。

2.2  设计原则

基于上述理论，智慧课堂构建遵循以下原则：

学生为中心原则：将学生置于教学活动的核心，通过智能技术创设真实工程情境，引导学生主动探索、主动学习，从知识的被动接收者转变为积极建构者。

产教融合原则：将国家技术标准和行业工程案例引入教学，通过“AI+建设 ”、 “AI+运营 ”、“AI+调控”等场景模拟，使学生在校期间能了解到产业前沿技术动态，弥补从理论到实践的空白。

数据驱动原则：利用 AI 技术全面采集和分析教学过程中的多模态数据，实现学情可量化、问题可诊断、干预可精准的循证教学，形成“数据画像-质量诊断-教学优化”的闭环机制。

能力导向原则：以解决复杂工程问题能力和创新思维培养为目标，通过虚实结合的实训体系和 AI-GPBL（AI 引导的项目式学习）教学模式，强化学生的工程实践素养和职业胜任力。

3 AI 赋能的多模态智慧课堂构建

3.1 多模态智慧课堂架构

智慧课堂采用“云—边—端”协同模式，构建集智能感知、多模态交互、数据智能于一体的教学环境，主要由以下三部分组成：

AI 教研平台作为核心层，集成 DeepSeek 大模型，提供智能备课、学情分析、资源推荐、自动评测等服务。平台基于 DeepSeek 模型，针对教育场景进行优化，具备强大的自然语言处理和推理能力，可支持管网设计计算、故障诊断、方案优化等专业任务。平台通过 MaaS（模型即服务）方式，为教师和学生提供统一的AI 能力接口。

多模态交互终端包括研讨型智慧教室、常态录播教室、虚拟仿真实验室等物理空间，配备智能平板、AR/VR 设备、语音交互系统等。这些终端能够实时捕获师生互动、操作过程、课堂行为等多模态数据， 并将其转化为可分析的动态数据流，为精准教学提供数据基础。在虚拟仿真实验室中， 学生可通过管道检测机器人等设备，在模拟管道中进行沉浸式实践，实时回传高清影像并通过 AI 算法自动生成缺陷分析报告。

数据智能引擎负责对教学全过程数据进行采集、融合与分析， 通过多模态算法模型生成学生知识掌握度、学习投入度、能力发展度等多维画像， 为个性化学习和教学决策提供支持。

3.2  多模态教学资源设计

针对流体输配管网课程特点，我们设计了多层次、多模态的数字化教学资源体系，如表 1 所示：

表 1 多模态教学资源设计与应用

这一课程体系突破了传统教材的静态限制，使知识点呈现从“平面化”走向“立体化”，从“标准化”走向“个性化”。例如，在讲解“管网水力工况分析”这一难点时，学生可通过调节虚拟管网中的水泵频率、阀门开度等参数， 实时观察系统中流量、压力的变化趋势， 将抽象的计算公式转化为直观的视觉体验，大大提升了教学效果。

3.3  教学模式与教学方法

基于 AI 技术平台和多模态资源，重构了传统课堂教学流程和教学评价，形成了“课前智能预习-课中多元互动-课后个性拓展”的循环教学模式。

课前阶段，基于课程目标和大数据分析，任课教师利用 AI 备课系统，生成适合学生认知水平的教学内容和教学活动设计。系统根据学生的知识基础和学习风格，智能推送差异化的预习材料，如针对基础薄弱学生提供概念解析视频，为学有余力者补充前沿案例。同时， AI 助手通过预评估预测教学难点，为教师调整教学策略提供依据。

课中阶段，采用多元互动的教学策略：一是“AI+课堂互动”，通过智慧教室的多种交互工具，如实时投票、弹幕提问、随机抽查、小组协作等， 增强学生参与感；二是“AI+过程评价”，利用面部表情识别、行为分析等技术， 实时监测学生的课堂投入度，为教师调整教学节奏提供参考；三是“虚拟实验”，通过管道检测机器人等虚拟仿真系统，学生在课堂上即可完成管道内部检测、缺陷识别等实操训练，解决传统课堂“纸上谈兵”的困境。

课后阶段，构建个性化拓展学习路径：一方面，基于学生的学习表现，自动生成针对性的个性化作业和辅导资料，如针对管网水力计算薄弱的学生，系统会定向推送相关例题详解、巩固练习和相应的典型工程管网， 并详解其水力特性影响因素；另一方面，通过智慧教学平台支持学生开展跨校区小组协作，利用平台提供的同步课堂功能，打破时空限制，促进深度协作。

此外，我们还创新实施“AI-GPBL 教学模式”，将人工智能与基于项目的学习相结合。例如，围绕“校园管网系统优化”真实项目，学生分组扮演不同角色，利用 AI 工具进行数据收集、模型构建和方案优化，在解决实际问题的过程中整合所学知识，培养工程思维和团队协作能力。这种模式强调“AI作为工具”而非“AI 作为目标”，使学生在使用 AI 技术解决问题的过程中，自然掌握专业知识和数字化技能。

4  教学实践与应用效果分析

4.1  教学实施过程

我们在长沙理工大学建筑环境与能源应用工程专业 2001 班、2002 班的《流体输配管网》课程中开展了为期一学期的教学实践。参与学生共 60 人，分为两个教学班，使用相同的教材和教学进度。教学实施主要包括以下环节：

在“管网特性水力计算”章节，传统教学通常依靠理论讲解和公式推导，阐明水力计算的理论依据、流程和要点， 除了对学生的流体力学基础要求较高，理论解决枯燥无味，智慧课堂中，利用 BIM  建模和虚拟仿真平台，全过程展示管网系统设计和水力计算，并实时展示国家规范的相应条文规定，学生可以随意改变系统布局，系统直观展示系统布局改变引起的相应变化，并做出相应的解答。

在“泵与风机性能曲线”章节，传统教学通常依靠二维曲线图和数学公式，学生难以理解实际运行中的工况点变化。智慧课堂中，我们利用虚拟仿真平台，让学生通过调节管道特性参数，实时观察泵性能曲线的变化和工况点的移动，并借助 AI 分析不同调节策略下的能耗变化。这种多感官参与的学习方式，使抽象概念变得直观可操作。

在“管网水力平衡调节”综合实训中，学生通过 AI 平台接入真实的小区供热管网数据，分析系统存在的失衡问题，并制定调节方案。平台能够实时模拟不同调节方案的效果，给出能耗、平衡度等关键指标的变化， 使学生直观感受理论知识的工程价值。这一过程中，学生如同参与真实的管网调控项目，体验从数据分析、方案制定到效果评估的全流程，从而培养了解决复杂工程问题的能力。

此外，课程还通过企业专家线上讲座、真实案例剖析等方式，使学生了解AI 技术在行业中的应用现状和发展趋势，增强了学习的目标感和职业导向。

4.2  教学效果评估

为全面评估智慧课堂的实施效果，我们采用了多元评价方法，包括学习成绩分析、问卷调查、深度访谈和课堂观察等，结果图 1 和表 2 所示。

图 1  课程平均成绩和分项成绩

表 2  教学效果对比分析

具体而言，教学效果主要体现在以下三方面：

知识掌握与应用能力得到显著提升。从期末考试的成绩来看， 智慧课堂试点班 2001 班的平均分和优秀率均明显高于对照班级 2002 班，尤其在案例分析上优势明显，2001 班高出 10.7%。这表明智慧课堂不仅帮助学生更好地理解了基础理论知识，也强化了知识迁移和综合应用能力。结果显示， 86%的学生能够熟练运用 AI 工具进行管网水力计算和优化方案，较好地掌握了数字化思维和运用相关工具分析分析典型工程管网水力工况。

学习体验与参与度明显改善。问卷调查显示，88.2%的学生对智慧课堂表示“满意”或“非常满意”，相比传统课堂提升 20.7 个百分点。学生普遍认为“课程变得更加生动有趣 ”，“能够直观地看到管网水力特性变化、泵与风机等动力设备的内部结构 ”，“虚拟仿真和 AI 工具让学习变得更加形象、生动和高效”。智慧课堂影像数据分析表明，学生课堂参与度从 65.6%提升至 86.4%，主动提问和小组协作的频次明显增加。

工程实践与创新能力有效培养。在课程项目中， 学生表现出了明显优于往届的工程实践能力。例如，在“校园宿舍给水管网和办公楼空调水系统优化设计”的综合任务中，学生团队不仅完成了传统的水力计算和设备选型，还利用 AI 算 法预测了不同用水工况下的管网压力分布，提出了基于综合能耗最低的节能方案，体现了较强的创新意识和系统思维。这种能力进步在课程设计环节中得到了验证，用人单位普遍反映学生的“上手能力”和“数字化素养”较以前有明显提升。

4.3.达成度

《工程教育认证通用标准解读及使用指南 2022 版》和《长沙理工大学建筑环境与能源应用工程专业培养方案 2022 版》规定《流体输配管网》课程支撑毕业要求为以下三点：能运用相关科学原理，识别和判断建筑环境与能源应用工程领域复杂工程问题的关键环节和参数（指标 3.1）；能够掌握建筑环境与能源应用领域工程应用系统的设计方法与技术，具备工程设计能力（指标 4.1）；在建筑及相关人工环境与能源应用系统设计过程中考虑法律、安全、健康、文化、环境、伦理等因素， 优化设计方案和设计参数（指标 4.4）。课程目标达成度如图 2所示。

图 2 课程达成度

如图 2 所示，采用多模态智慧课堂模式三个指标的达成度均比采用多媒体课件为主的传统教学模式高，尤其是 “能够对建筑环境与能源应用领域工程应用

系统进行调整、改进与优化” 指标 3.3，采用多模态智慧课堂模式 2001 班达成度比传统课堂模式 2002 班高出 13%，说明多模态智慧课堂模式可以显著提高学生对系统的认知和解决系统优化运行的能力。

5  结论与展望

本研究针对《流体输配管网》课程教学面临的挑战，构建了 AI 赋能的多模态智慧课堂新模式，并在教学实践中验证了有效性。研究表明， 通过深度融合人工智能、虚拟仿真和多模态交互技术，能够有效解决传统课程中知识抽象难懂、理论与实践脱节、评价方式单一等痛点，显著提升学生的学习体验和能力发展。

智慧课堂的成功实践主要体现在三个方面：一是通过智能技术环境搭建，实现了教学过程的感知智能化、交互多元化和管理数据化； 二是通过多模态教学资源设计，使知识呈现从静态平面走向动态立体，降低了复杂概念的理解门槛；三是通过教学模式创新，形成了“课前---课中---课后”有机衔接的教学闭环，促进了个性化学习和深度探究。

AI 赋能智慧课堂的构建不仅是技术工具的更新，更是教育理念和教学范式的深刻变革。它促使教师角色从“知识传授者”转变为“学习引导者”和“资源设计者”，也使学生从“被动接收者”成长为“主动建构者”和“协作探究者”。这一转变对教师提出了更高要求，教师需要同时具备专业素养、教育理论和数字化能力，这也成为未来教师专业发展的重要方向。

AI 赋能的多模态智慧课堂仍有进一步优化和拓展的空间：一方面，需要加强与企业的深度合作，引入更多真实工程数据和案例，使教学更加贴近产业实际需求；另一方面，需要避免过度依赖技术而忽视教育本质，随着大模型技术的快速发展，如何将其更有效地融入专业课程教学，也是值得持续探索的课题。

总之，AI 赋能的多模态智慧课堂为流体输配管网及相关工科课程教学改革提供了行之有效的路径，这种教学模式将在培养适应智能时代的卓越工程创新人才方面发挥越来越重要的作用。

Construction   and   Practice   of   an   AI-Empowered Multimodal  Smart  Classroom  for  " Fluid  Network  for

Transportation and Distribution "

He Yecong

Changsha university of science and technology,Hunan,Changsha,410004

Abstract:  To  address  the  persistent   challenges  in  traditional  Fluid  Distribution Network  instruction,  which  are  characterized  by   abstract  theoretical  content,  a theory-practice disconnect, and monotonous evaluation methods, this paper develops a student-centered, outcome-oriented teaching model integrating artificial intelligence and multimodal data interaction technologies. The proposed framework establishes a multimodal smart classroom ecosystem encompassing intelligent lesson preparation, interactive classroom activities, virtual simulation training, personalized tutoring, and precision evaluation. This approach successfully achieves visualized, interactive, and personalized   course   delivery.   Findings   demonstrate   that   the   model   not   only significantly  enhances  learning  motivation  and  deepens  comprehension  of  course content, but also effectively cultivates engineering practical capabilities. Moreover, it provides a valuable reference for reforming professional engineering education.

Keywords: Artificial intelligence; Multimodal Teaching; Smart Classroom; Virtual Simulation; Fluid Network for Transportation and Distribution.

①      国家管网：《国家管网集团成功部署满血版 DeepSeek 模型》，2025 年 2 月 15  日， https://www.pipechina.com.cn/front/news/3002431.html.

②     黎一楷:《以学生为中心的高等教育教学模式初探》，.教育教学论坛，2020 年 11 期。

①     吴钦：《科教融合型流体力学课程创新教学探索与实践》，《北京理工大学学报（社会科学版）》, 2022年 24 期.

②     蒋里：《AI 驱动教育改革：ChatGPT/GPT  的影响及展望》，《华东师范大学学报（教育科学版）》2023年 7 期。

③     叶新东：《.基于多模态大模型的精准教学支持体系构建研究》，《远程教育杂志》,2024 年 1 期。