AI导论课程的整体重构

12.1

以可证明的能力组织课程

面向酒店管理、市场营销和文旅金融学生的AI导论，可以以“用AI解决有边界的真实问题”为总体目标。学生需要形成四项相互联系的能力：把问题转成可分析结构，选择适当AI与计算工具，验证输出，以及把结果转为可解释行动。视觉思维贯穿其中，却不取代基础概念与必要的数量知识。课程应让学生能够讲清原理的最低要求，同时避免把所有时间用于技术细节。

课程地图可以分成问题层、资料层、工具层、流程层和评价层。问题层放业务目标，资料层放文本、表格与图像，工具层放语言模型、检索、计算与绘图，流程层显示协作与权限，评价层说明正确性、效果与限制。这样的地图比“工具依次升级”的同心圆更能反映真实工作，因为工具之间未必是高低关系，简单表格有时比复杂智能体更合适。

每个模块都应产出一种可以检查的能力证据。学习提示词后，学生能解释约束如何改变结果；学习数据分析后，能复算一个图表；学习RAG后，能判断资料适用性；学习智能体后，能指出工具失败与授权边界；学习视觉思维后，能在同一问题上比较不同表征。最终项目则把这些证据连接成完整链条，而不是突然要求学生做一个规模过大的产品。

12.2

一个可调整的十六周框架

十六周方案可以按四个阶段安排。第一阶段用前四周建立问题表达、AI边界、资料与视觉语法；第二阶段用第五至第八周训练数据分析、检索与证据；第三阶段用第九至第十二周学习工作流、智能体、行业服务与情境推演；第四阶段用最后四周完成项目、评价、修订和展示。这是建议框架，学校课时、学生基础与学期安排应决定实际节奏。

每周保持一个核心问题、一项主要表征和一个可验证成果。例如数据周的核心问题是“这张图怎样由记录产生”，主要表征是字段表加图，成果是可复算说明；智能体周的问题是“什么时候应该停止或转人工”，主要表征是带条件流程，成果是异常测试。这样，学生不会只记住软件名称，而能把每周学习放进同一解决问题路径。

课程地图应动态更新，但不能每周无限增长。可以保留一张稳定总图，再用专题图展开。每次更新要求学生指出新增连接与原有知识之间的关系，并说明一个仍不理解的问题。教师由此判断班级是否真正建立结构。AI可以为学生提供不同复杂度的地图，但评价仍围绕共同目标，而不是谁的地图节点更多。

12.3

把教师示范转成学生建构

视觉课程容易出现一种表面改革：教师制作更多图，学生仍只观看。要改变这一点，需要安排逐步移交。早期教师示范如何从原文提取节点，随后学生补全关系，再独立选择表征，最后对别人的图提出有依据的修订。每一步都应有短解释，防止活动变成描摹。AI可以协助反馈，但不应让所有学生只接收同样成品。

课堂可以使用“预测再展示”“补图并解释”“错图诊断”“换条件重画”和“图文互译”五类活动。预测促使学生先形成模型；补图聚焦关系；错图诊断训练审查；换条件重画训练迁移；图文互译检查表征之间的对应。活动选择应取决于教学目标，不需要每节课全部使用。教师记录哪一种活动在哪个知识点帮助最大，逐步形成自己的证据。

学习支架需要随表现变化，而不是只按周数撤去。若学生仍不能区分数据与控制流，就保留箭头词汇表；若已经熟练，就要求自行确定类型。对工具操作困难的学生，可以提供结构化模板或纸笔入口，但仍要求解释相同关系。这样既降低不必要门槛，也保留核心学习要求。视觉思维成为可以发展的能力，而不是一种被预设的天赋。

12.4

评价构成与学习档案

建议评价同时覆盖个人与小组、过程与成品、使用AI与不使用AI的表现。一个可调整方案是概念与短测20%，视觉推理档案25%，行业项目35%，个人迁移答辩20%。这些比例属于课程设计建议，并非研究证明的最佳比例。学校的考核制度和课程目标应决定最终分配。关键在于不能让小组精美成品掩盖个人理解不足。

学习档案可以保存四类证据：首次问题图、AI反馈记录、修订说明和独立迁移任务。教师无需检查全部对话，只要求与关键概念变化有关的片段。学生还应声明使用了什么工具，以及哪些部分由自己确认。这样的透明记录既有助于诚信，也能训练职业协作中对来源和责任的说明。评价因此成为课程能力链的一部分，而不是最后单独加上的评分表。