一、案例背景

在国家“教育强国2035”战略指引下，江南大学立足“双一流”建设学科优势，率先构建农科-工科-医科深度交叉的教育教学体系，打造数字技术赋能的学科建设新范式。作为教育部直属的轻工特色高校，学校紧扣《教育强国建设规划纲要》对新工科、新医科、新农科融合发展的要求，突破传统学科壁垒，开发出覆盖食品制造、智慧农业、食品医学等前沿领域的多学科融合数字教学矩阵。

在传统食品学科教学过程中存在学科壁垒知识体系重构难，多模态教学资源异构整合难，实践教学条件受限，动态评价滞后教学质量保障难等问题，亟需数字技术赋能实现系统性创新。

为此，学校构建全链条的数字教学支撑体系，以“轻工技术与工程+食品科学与工程”双引擎为支点，阐述数字技术如何赋能工科教育理念的创新，探讨具体路径，引领全周期、个性化、可评价的数字体系，实现食品拔尖人才高质量培养。

二、创新举措

（一）一流学科引领“虚实结合、数字赋能”的教学资源建设

    以食品科学与工程一流学科为引领，突出内涵建设，以多类型课程网络和多层次教材集群实现立体培育，通过海量的知识点建设，并关联对应的知识资源，以知识森林的方式聚合教学资源，形成了可对接新科技革命和食品产业高质量发展需求的“虚实结合、数字赋能”的教学资源系统。

    实现虚拟仿真实验教学平台的搭建。建设虚拟仿真实验平台，支持食品仪器分析实验、油脂工艺学实验等实验课程，还涵盖多种食品产业实践项目，形成了贯穿理论教学、实验教学、工程实践全过程的研究性教学体系，有效缓解了实验教学场地有限、生产实习前对工艺、设备、厂房等没有概念的问题。

（二）人工智能赋能“全周期、个性化”教学方式的重构

构建教育教学全周期管理服务系统。系统通过与在线平台对接，自动采集课堂教学、实验实训及在线学习数据，运用OCR技术完成纸质文档数字化。内置引擎关联教育标准，动态监测课程大纲、教学进度等关键环节，异常时触发预警。采用区块链技术建立“专业-课程-学期”三级归档体系，通过自然语言处理提取文档元数据，支持试卷智能组卷与OBE目标达成度分析。数据治理遵循CELTS标准，建立核心指标体系，利用数据清洗规则库保障规范性。智能目标达成分析模块集成OBE理念，通过建立课程目标与毕业要求的量化映射关系，自动生成多维雷达图与改进建议报告。通过校级数据中台形成“采集-分析-改进-监控”闭环，为教学管理和战略决策提供支撑。

构建涵盖完整核心课程的专业知识图谱。依托数据挖掘技术和知识图谱构建方法，创新性地构建了多模态课程立体化架构体系。通过自然语言处理和机器学习算法，系统整合视频、案例、习题等8类教学资源，对20门核心课程进行知识要素解构与语义关联分析，建立起包含概念节点、知识单元、知识关系三大层级的知识图谱底层架构。

（三）数智赋能“持续改进”的教学质量评价新生态

    能力达成评价分析与可视化预警。通过对课程目标的考核与课程目标达成计算，实现课程目标达成分析。通过毕业要求与课程体系之间的矩阵关系，结合课程目标达成结果与毕业要求达成算法，实现毕业要求达成分析。系统内置课程目标达成度计算引擎，运用模糊综合评价算法对达成数据进行智能分析，可按年度、学期、教学班等6种维度进行历史数据对比与趋势可视化。在毕业要求达成分析层面，通过建立课程体系与毕业要求的五级矩阵关系模型（包含支撑强度、贡献权重、关联密度等参数），系统可自动生成包含雷达图、热力矩阵等分析视图的评估报告，并提供达成预警、改进建议等智能功能。

三、主要成效

在“一流学科引领、人工智能赋能、数智驱动评价”三位一体战略推动下，我校教育教学实现系统性变革，形成“资源—方法—评价”全链条创新生态，为师生带来显著获得感。近三年数据显示，虚拟仿真实验平台已建成83个项目，覆盖8个学科门类，累计服务学生#万人次，高危实验操作失误率下降至#%。95%的学生反馈“沉浸式学习大幅降低理解门槛”。

教学方式重构方面，基于20门核心课程知识图谱构建的AI教学系统，实现100%专业覆盖率，精准识别学生能力薄弱点。系统推送个性化学习方案后，学生平均知识留存率从58%跃升至82%，近三年学科竞赛获奖稳步增长。食品工厂设计试点AI助教后，课程重修率降低了66%，学生普遍反映“学习路径像导航一样清晰”。教师借助AI智慧引擎，备课效率提升40%，85%的教师认为“精准学情分析让因材施教真正落地”。

数字化转型已使食品学科教育教学从经验驱动转向科学治理，师生在精准化、场景化、智能化的新生态中实现双向赋能，为食品高等教育高质量发展提供了创新范式。