福州职业技术学院教改项目“基于《物联网工程综合实训》的三创教学改革研究”校级项目编号：2022jgkt017

中图法分类号：G42

引言

任务式教学法（Task-Based Teaching Method，简称TBTM）由印度教育学家Prabhu N.S.于20世纪70年代末首次提出。他在印度南部Bangalore进行的“Banglore Project”实验中，提出了多种任务类型，并主张通过“在用中学”来提高学习效果。这一实验被视为任务式教学法在课堂教学设计中的首次尝试。

1996年，Willis提出了一个任务型教学理念的实施框架，将任务型教学过程分为任务前、任务中和任务后三个阶段，为任务式教学法的实践应用提供了系统化路径。这一框架的提出，标志着任务式教学法从理论探讨向实际应用的转变。

随后，David Nunan在其2004年出版的《Task-Based Language Teaching》中，对任务型语言教学进行了全面分析与探讨，包括理论框架、实践原则、任务设计与实施、教师角色以及评估方法等方面。该书为教师提供了具体操作指南，极大地推动了任务型教学法在实际教学中的应用。此外，Rod Ellis在2019年的著作中进一步细化了任务型教学的实施步骤，为教学实践提供了更详细的指导。

近年来，随着职业教育的快速发展，任务式教学法不仅广泛应用于语言教学领域，也在工程技术等非语言类课程中发挥了重要作用，尤其适用于培养学生的实际操作能力与职业素养。未来，随着科技的进步，任务式教学法将与数字化技术深度融合，逐步实现个性化任务设计与智能化教学评估。

AIGC（Artificial Intelligence Generated Content，人工智能生成内容）的发展为任务式教学法的创新融合带来了新的机遇。从20世纪中叶提出至今，AIGC技术历经多个阶段的发展与革新，特别是随着2017年Transformer模型的引入及2022年ChatGPT的问世，人工智能在自然语言处理领域取得了显著突破。这一变革推动了教育行业的数字化进程，使智能化教学辅助、精准评测与个性化学习路径规划成为可能。

在此背景下，将AIGC技术应用于任务式教学法，不仅能有效提升教学效率，还能优化教学质量，为学生提供多元化学习模式，从而更好地培养高技能人才。这一融合模式的探索，将为职业教育的改革与创新带来更广阔的前景。

1 AIGC在TBTM的应用探究

1.1 任务式教学法理论简析

任务式教学法（Task-Based Teaching Method，简称TBTM）最早由印度教育学家Prabhu N.S.在20世纪70年代末提出，其核心理念是在真实任务中学习，以提高学生的实际应用能力。Willis于1996年提出的三阶段框架——任务前、任务中、任务后，为TBTM提供了具体的实施路径。David Nunan和Rod Ellis等学者随后进一步完善了任务式教学的理论基础和实践指南，为其广泛应用奠定了坚实基础。

任务式教学法的理论基础主要是建构主义理论，强调学习者通过自身经验建构新知的过程。具体而言，任务式教学法以学生为中心，强调实践操作和任务驱动，具有情境真实、学生主动参与、教师引导、成果评估等特征。该方法分为四个阶段：任务提出、任务分析、任务执行和任务评价。这种方法注重培养学生的综合能力，为职业教育领域提供了重要支持。

1.2 应用研究意义

随着AIGC（人工智能生成内容）技术的发展，将其与TBTM相结合，不仅能够提升教学效率，还能丰富教学资源，为学生提供个性化学习支持。AIGC的加入有助于弥补传统教学中资源不足、教学模式单一的问题，为职业教育改革开辟了新路径。

1.2.1 辅助教学设计，提升教学效率

AIGC技术能够根据教学目标与内容，智能生成任务与教案，减少教师在备课过程中的重复劳动。例如，通过AIGC生成的课件、图片素材、PPT等能够在短时间内完成，从而提高备课效率。此外，AIGC还能为特定技能点设计作业与测试，帮助教师快速布置和批改作业，将更多精力用于教学策略优化。

1.2.2 支持自适应学习与个性化反馈

AIGC工具（如ChatGPT、文心一言）可根据学生学习情况提供个性化学习路径和实时反馈。学生通过与AIGC互动，能够快速解答问题、获取学习资源，并通过任务分析明确学习目标。这种方式不仅提升了学生的学习体验，还增强了他们自主解决问题的能力。

1.2.3 提供智能化教学评价

AIGC技术在任务评估中能生成详细的反馈报告，帮助教师准确了解学生的学习效果。通过分析作业、测试和与AIGC的交互记录，教师可以精准识别学生的学习盲点并进行针对性辅导。此外，自动化评价系统显著降低了教师的工作负担，使教学资源的分配更加合理高效。

1.3 AIGC技术对TBTM的助力

近年来，AIGC技术在教育领域的应用不断深化，其强大的内容生成能力为TBTM提供了多方面的支持。在任务设计阶段，AIGC能根据教师输入的提示生成具体的任务内容和相关教学资源。例如，在讲解socket TCP网络编程时，教师可以借助AIGC设计具有实践意义的任务，如开发“智慧家庭远程温控系统”。

在任务分析阶段，学生可以利用AIGC工具进行任务分解与资源收集。教师通过引导学生讨论任务的可行性与限制条件，进一步完善实施方案。在任务执行阶段，AIGC不仅能提供示例代码，还可通过交互式指导帮助学生克服编程难点，提升学习效果。

此外，AIGC在任务评价阶段的作用尤为突出。教师可以通过AIGC快速完成作业批改与结果分析，从而更高效地调整教学策略。例如，南京邮电大学的研究表明，基于生成式人工智能的学业评价能够有效提升教学的精准度与科学性。

2  AIGC在实训课的应用

2.1  应用背景简介

物联网工程综合实训是笔者所在院校物联网工程专业开设的一门综合性实训课程，旨在培养具备嵌入式系统软件开发、调试技能的专业人才。本课程以某企业的ARM开发板为实训平台，介绍嵌入式Linux开发环境搭建、嵌入式Linux系统应用开发、驱动开发、文件系统及制作方法，以及系统软件烧写等内容。本课程面向大三年级学生开设，学生在此之前已具备C语言编程、单片机技术及Linux操作系统基础等前置知识。

在教学实践过程中，笔者观察到，传统的讲授法对于部分抽象概念的传授效果并不理想，特别是像线程、socket套接字等对于学生而言较为抽象的知识点，学生理解困难，学习效果不尽如人意。然而，当我们将这些抽象内容拆解成一系列小任务，让学生在动手实验的过程中逐步理解，并在实验结束后进行总结，学生的学习成效显著提升。鉴于本课程含有大量的C语言编程实践，与任务式教学法在语言教学领域的核心理念有着相通之处，因此，本课程中采用了任务式教学法。下面以socket TCP网络编程教学内容为例，从任务式教学法的四个阶段介绍AIGC在教学过程中的应用。

2.2  在任务设计阶段的应用

教师在设计教学任务时，可以根据教学目标，借助AIGC来构思任务内容，并据此生成课件及其他教学资源，从而有效减轻他们的工作负担。自动生成的任务应注意贴近生活场景，富有教育意义和充满趣味。任务应是可操作的，‌避免过于抽象或难以实施。任务还应该是可评价的，体现团队协作性，通过鼓励学生之间的合作与交流，有效提升他们的沟通与协作技能。同时，任务的适宜性至关重要，需紧密结合学生的实际学情，确保所提出的任务既符合他们当前的知识水平，又能适度挑战其能力边界。在设计过程中，还需细致考虑课时分配，任务时长应适中，既不过于紧凑导致学生难以充分展开探索，也不过于冗长而破坏教学节奏的连贯性。理想情况下，任务应在一次连续的（如连续的2至4课时）教学活动中顺利完成，以保持实验内容的整体连贯性和逻辑性，避免学生因时间间隔过长而难以将各部分知识有机整合，或因遗忘而降低学习效率。考虑到实验工具的准备对教学效率的影响，任务设计时也应将此因素纳入考量。

下图1展示了利用文心一言为socket TCP网络编程教学内容所设计的任务示例。需要注意的是，任何预设任务都可能无法完全满足所有需求，因此需要教师根据实际教学需求进行适当的调整。调整完后，可利用AIGC PPT制作工具来生成教学用PPT。

图1：文心一言设计的任务

此外，作业和拓展训练作为教学任务不可或缺的一环，同样可以依据任务内容及教学目标自动生成，这极大地提升了教学设计的整体效率，使教师能够将更多宝贵时间投入到更为核心的教学准备与实施中，从而进一步提升教学质量。

2.3 在任务分析阶段的应用

在这一阶段，学生成为学习的主体，而教师则转变为辅助者和引导者。具体而言，教师可以指导学生利用AIGC工具作为学习伙伴，帮助他们分析、理解和分解任务，明确完成任务所需的知识、技能及具体步骤，同时收集相关文件资料，为执行任务做好充分准备。

此外，教师还应与学生共同探讨当前可用的资源与可能存在的限制条件，为下一步制定切实可行的实施方案奠定坚实基础。

2.4  在任务执行阶段的应用

任务执行阶段的核心在于，依据任务分析阶段的成果，精心规划并实施切实有效的技术方案，以确保最终目标的圆满实现。在此期间，教师应积极引导学生利用AIGC工具应对各类挑战。如在学习socket TCP网络通信技术时，学生不仅可借助文心一言深化对套接字概念的理解，还能获取示例代码，通过亲身实践来理解TCP通信模型。一旦学生掌握了必要的知识与技能，便需着手编写代码，以完成“智慧家庭远程温控系统”这一任务。在此过程中，学生可能会碰到各种代码编译或运行难题。而文心一言能够提供个性化的指导，精准定位问题并提供解决方案，如图2所示是一个文心一言解决代码问题的部分截图示例。

图2：文心一言解决代码问题

AIGC同样在培养学生的创新能力方面发挥重要作用。教师可以积极指导学生运用AIGC探索并掌握与任务实施紧密相关的最新技术或开源项目，鼓励他们将这些技术融入实践之中，以此激发他们的创新思维与创新能力。

值得一提的是，文心一言等大语言模型还是卓越的代码解析工具，能够深入剖析代码的架构与逻辑。学生在阅读代码时如遇困惑，可将代码提交给文心一言进行解析，便能获得详尽的解释，从而深化对代码逻辑的理解。这种应用不仅能提升学生的编程技能，还能培养他们的自主解决问题能力，并进一步激发他们的借鉴与创新意识。

2.5  在任务评价阶段的应用

对学生的综合评价是一个多维度、综合性的过程，它涵盖了执行任务的表现、作业完成质量、测试结果以及与AI交互的详细记录等多个方面。这些评价环节历来需要大量的人力与时间投入，给教师带来了不小挑战。然而，AIGC技术的引入为这一难题提供了创新性的解决方案。通过自动化评价与反馈建议的生成，AIGC技术能够大幅度提升教师的评价效率，从而推动教育资源的更加合理配置与利用。

以《物联网工程综合实训》课程作业与答卷批改为例，通过向大语言模型提供详尽的课程资料，包括但不限于教材、习题集以及评分标准，以为模型构建一个全面的知识库。随后，通过模拟真实的考试环境对模型进行预训练，并不断调整和优化模型的参数配置，以确保其能够准确理解并评估学生的答题情况。这一模型不仅能够实现作业与答卷的高效自动批改，还能基于学生的答题表现，智能地生成个性化的学习建议，从而进一步提升教学效果与学习体验。

3  结束语

AIGC的崛起成为人工智能技术迅猛发展的一个鲜明标志，它给教育事业带来了前所未有的改变。作为教师，我们必须紧跟时代的步伐，积极拥抱变革，将新思想、新方法、新技术融入日常教学中，以此提升教学效率，优化教学效果，真正培养出符合社会需求的技能型人才。

然而，我们也不能忽视人工智能工具带来的潜在负面影响。以编程实训为例，一些学生或许会倾向于利用如文心一言等智能工具直接生成代码，而非通过亲身实践来掌握技能。这样的做法无法达到预期的教学效果，背离了使用AIGC来提升学习效果的初衷。

因此，教师的责任愈发重大。在设计教学任务时，我们需要确保任务既具有足够的挑战性，又具备足够的深度，能够促使学生主动思考、积极探索，而非仅仅依赖人工智能工具的便利。同时，我们还应避免布置过于简单或重复性的任务，以免学生产生惰性，丧失主动学习和探索的动力。

参 考 文 献

[1] Willis, J.  A Framework for Task-Based Learning.  Essex, English: Addison Wesley Longman Limited, 1996

[2] David Nunan.. 任务型语言教学. 北京市: 外语教学与研究出版社, 2011.1

[3] Rod Ellis. Task-Based Language Teaching: Theory and Practice. Cambridge, United Kingdom: Cambridge University Press, 2019.9

[4] Tamara Al Shloul , Tehseen Mazhar , Qamar Abbas. The role of ChatGPT in higher education: Benefits, challenges, and future research directions[J]; Journal of Applied Learning & Teaching. Vol.6 No.1 (2023)

[5] 陈思文, 孔亚琪, 刘宇. 基于生成式人工智能的学业评价应用研究——以ChatGPT为例[J]; 软件工程. 2023 ,26 (10)

[6] Opara Emmanuel Chinonso, Adalikwu Mfon-Ette Theresa, Tolorunleke Caroline Aduke (Ph.D.). ChatGPT for Teaching, Learning and Research: Prospects and Challenges[J]; Global Academic Journal of Humanities and Social Sciences. Vol.5 No.2 (2023)