当AI成为新日常，课堂该如何回应？
人工智能学院从本学期起，对日常教学做了一项“微调整”——将AI实践教学贯穿所有课程。每堂课起始，设为学生主导的AI主题分享；每堂课中间，嵌入AI协同实践任务。一“讲”一“练”，双驱并行。
这不是一次性的活动，而是融入每一门课、每一堂课的教学新节奏。改变正在发生。
每节课前，由一名学生担任“AI主讲人”，做短小精悍的主题分享。内容不限：
一个新发现的AI工具，现场演示用法；
一个典型AI应用案例，分析背后原理；
一个引发思考的AI新闻，表达观点；
一个技术趋势预测，结合专业方向讨论。
形式灵活：口头讲述、PPT展示、现场演示、互动提问皆可。
目的不是热闹，而是把学习主动权还给学生。 要讲清楚一个AI话题，学生必须主动检索信息、梳理逻辑、组织语言、清晰表达——这比单纯听课更主动、更深层。
更重要的是，当分享成为每堂课的固定环节，AI就不再是遥远的概念，而成为学生日常讨论和思考的一部分。AI素养，在潜移默化中生长。
02课堂实践：让AI成为学习中的“即时助手”
如果说课前分享是“引子”，那么课堂教学中的AI实践任务就是“正文”。
在学院各门课程中，教师结合当次课的教学内容，发布具体的AI实践任务，要求学生课堂上动手操作完成。“即学即练”，不把问题留到课后。
AI在这里的定位非常明确：不是替学生做，而是帮学生做得更好。 学生在操作中遇到困难——无论是命令记不清、逻辑理不顺，还是报错看不懂——都可以即时向AI寻求辅助，获得说明、示例或排查思路。而关键的操作仍由学生自己完成。
这种“人为主、AI为辅”的协同模式，既保证了基础技能的扎实掌握，又让学生提前适应未来职场中人机协作的常态。学生在真实操作场景中体验AI与技能协同工作的方式，逐步建立起工程思维和职业习惯。
AI实践教学覆盖所有课程，Linux操作系统是其中的一门代表性课程——命令多、参数杂、排错难，素来是学生公认的“硬骨头”。也正因如此，这门课的变化颇具观察价值。
在该课程的阶段性考核中，全班40人全部参与，参与率100%。平均分82.75分，达标率（≥60分）90%。80分以上学生达26人，占比65%，其中90分以上14人，占比35%。
成绩分布呈现出“高分段集中、整体结构良好”的态势。80—100分区间成为人数最集中的分数段；70—79分段占比15%，具备提升基础；60—69分段占比10%，基本达标；不及格仅占10%。
90%的达标率反映出，AI辅助学习模式在帮助学生跨越入门门槛、提高学习效率方面正在发挥积极的助推作用。学生在命令记忆模糊、脚本逻辑不清、报错信息难解时能够及时获得支持，学习的连续性和自信心得到增强，进而体现在考核成绩的整体提升上。
分享与实践并非孤立环节，而是一个相互呼应的闭环。
分享激发兴趣与思考，为实践做好心理和认知准备；实践回应分享中提出的问题与设想，让学生在动手操作中验证想法、解决疑问。当一名学生在课前分享了某个AI工具的编程辅助表现，随后在课堂实践中亲自验证其效果——这种从“听说”到“体验”的跨越，带来的学习感受是深刻而持久的。
这种环环相扣的设计，让AI不再是某一门课的点缀，而成为贯穿所有课程、每堂课的“在场”。学生在不知不觉中，完成了从“听说AI”到“思考AI”再到“使用AI”的完整认知跃迁。
当AI正在重塑各行各业的技能图谱时，高等教育必须回答一个根本问题：我们的学生究竟需要具备怎样的能力，才能在人与AI协同工作的未来中站得更稳、走得更远？
人工智能学院的探索给出的答案是：不仅要会用AI，更要会思考AI；不仅要操作工具，更要理解工具背后的逻辑；不仅要独立完成任务，更要善于与智能体分工协作。 “分享+实践”双驱动模式，正是在日常教学中一点点搭建起这种能力的阶梯。
改变不大，但方向清晰。从每一堂课做起，我们正在为学生的“AI时代生存力”打下第一块基石。
