人工智能驱动的高校思想政治理论课精准教学实施框架与实现路径

hua818

[摘要] 思想政治理论课精准教学的实施是高校实施精准思想政治教育的关键一环。人工智能、算法、数据、算力三大基石，为高校思想政治理论课精准教学提供了可能性和可行性。人工智能驱动的高校思想政治理论课精准教学实施框架包括六部分：精准学情识别与画像、精准教学内容定制与推送、精准教学活动设计、精准学习跟踪与预测、精准学习追踪与预测、精准学习追踪与预测、精准学习追踪与预测、精准学习追踪与预测、精准学习追踪与预测、精准学习追踪与预测、精准学习追踪与预测、精准学情识别与画像、精准教学内容定制与推送、精准教学活动设计、精准学习追踪与预测、精准学情识别与画像、精准教学内容定制与推送、精准教学活动设计、精准学习追踪与预测、精准学情识别与画像、精准教学内容定制与推送、精准教学活动设计、精准学习追踪与预测、精准学情识别与画像、精准教学内容定制与推送、精准教学活动设计、精准学习跟踪预测教学评价，准确的教学决策。 。实现人工智能驱动的高校思想政治理论课精准教学，需要构建全天候、全渠道、全覆盖、全流程的思想政治理论课大数据采集整合机制加强高校思想政治理论课精准教学保障机制。建立高校思想政治理论课精准教学一体化技术支撑体系，全面提高高校思想政治理论课教师精准教学质量。

[关键词] 思想政治理论课；学院和大学；人工智能;精准教学

主要内容

一、人工智能驱动高校思政课精准教学的可行性

2.人工智能驱动的高校思政课精准教学实施框架

(1) 准确的学历鉴定和画像

（2）精准教学内容定制与推送

（三）精准教学活动设计

(4) 准确的学习跟踪和预测

（五）教学评价精准

（六）准确的教学决策

三、人工智能驱动高校思政课精准教学的实施路径

（一）构建高校思想政治教育大数据采集整合机制

（二）建立健全高校思想政治课精准教学保障机制

（三）建立高校思政课精准教学一体化技术支撑体系

（四）全面提高高校思想政治课教师精准教学质量

精准思维是“与战略思维、创新思维、辩证思维、法律思维、底线思维同等地位的重要思维方式”[1]。这种新的思维方式为进一步推动新时代思想政治教育创新发展提供了新思路，“精准思想政治教育”应运而生。精准思想政治教育是指在精准思维指导下，“准确识别、分析、决策、预测、跟踪学生群体和个体的思想、心理、学习、生活状况，准确评价学生的教育实践”。实施效果。活动”[2]。在高校思想政治教育工作体系中，思想政治理论课（以下简称思想政治课）作为落实立德树人根本任务的关键课程，发挥着重要作用。具有“压舱石”的重要作用。长期以来，高校思想政治课的教学组织呈现大班教学、节奏一致、注重共性的特点，很容易忽视学生性格、专业、知识的差异。和能力[3]。在这种“洪水式”教学模式下，学生的学习积极性和投入度相对不足，教学效果较差。如何变“大水漫灌”为“精准滴灌”，实施思想政治课精准教学，是高校实施精准思想政治教育的关键一环。早在20世纪60年代，国外学者就将“精确”一词引入教学领域。但由于操作繁琐、记录复杂、缺乏统一的测量标准，精准教学并未大规模推广[4]。近年来，随着各种智能信息技术的不断涌现，人工智能时代已经到来。鉴于人工智能的变革性技术优势，将其引入高校思想政治课教学，并与思想政治教育大数据有效融合，可以促进学生学业状况的识别、教学内容定制、教学活动设计、教学过程跟踪与预测、教学评价与决策等诸多教学环节的精准实施，从而实现高校思政课整体精准教学。

一、人工智能驱动高校思政课精准教学的可行性

高校思政课精准教学作为高校精准思政课的关键组成部分，是指对教学内容和教学活动的精准设计和定制，对教学过程的精准跟踪和预测，基于准确情境识别的教学效果评价。准确评估、实施精准教学决策，满足大学生思想政治课个性化学习需求，有针对性地提升大学生使命感。

广义上讲，人工智能是指机器或系统对人类思维过程和智能行为的模拟。目前，人工智能已广泛应用于机器翻译、无人驾驶、医疗诊断等领域。在教育教学领域，人工智能正在创新和重塑相对传统固定的教育教学生态和师生角色。高校教学的技术形态和教学组织形态正在悄然发生变化[5]。人工智能对教育教学的巨大影响源于其三大强大基石——大数据、机器学习算法和强大的计算能力。这三者的综合作用为实现高校思想政治课精准教学提供了可能性和可行性。

高校思政课精准教学的各个环节都需要充足的数据作为支撑。用于开展精准教学的数据按照其用途可以分为三类：第一类是学生基础数据，主要用于精准教学。学习情况识别；第二类是过程数据，主要用于准确跟踪、预测和评价学生的学习过程；第三类是结果数据，主要用于准确的教学评价和决策。经过2020年COVID-19疫情期间的大规模在线教学实践，在线教学平台、自主学习平台、在线测评系统等多个平台已进入实际的思想政治教育教学场景，大量的教学和学习这些平台上汇聚了数据，为思政课精准教学的实现提供了最基本的数据保障。

如果说大数据是思政课精准教学的“原材料”，那么算法就是处理这些原材料的方法和手段。人工智能的主流算法是机器学习。机器学习算法不是静态的代码指令，而是根据输入的经验数据生成解决特定问题的模型，并利用模型对新数据做出相应的判断。机器学习算法可以应用于精准教学的各个方面。例如：要实现对学生学业状况的准确识别，可以采用聚类算法、降维算法和支持向量机算法；实现教学内容的精准定制，可以利用推荐算法；为了实现对学生学习过程的准确跟踪和预测，可以使用人工神经网络和深度学习算法。

计算能力通俗理解也可以称为计算能力。它反映了设备或服务器对数据的计算和处理能力。它通过数据计算、存储和传输三个指标来衡量。从技术上来说，包括云计算和边缘计算。 、普适计算等[6]。在人工智能应用场景中，算力是算法和数据的基础设施。只有拥有足够强大的计算能力，才能对教学数据进行高效、实时的分析和处理。随着计算机芯片处理能力的不断突破和新型教育基础设施的全面推进，各高校强大的算力平台可以保障思想政治教学大数据分析处理的顺利完成。

2.人工智能驱动的高校思政课精准教学实施框架

人工智能驱动的高校思政课精准教学实施框架如图1所示。根据教学设计步骤和教学活动实施流程，思政课精准教学框架人工智能驱动的高校课程主要包括精准学情识别与画像、精准教学内容定制与推送、精准教学活动设计、精准学习跟踪与预测、精准教学评估、精准教学决策六大模块。

(1) 准确的学历鉴定和画像

准确识别学生学业状况是推进高校思政课精准教学的基础工作。对于高校思政课来说，学业地位识别除了准确把握学生知识结构、学习方式、认知偏好等总体学习状况外，还必须主动把握学生思想行为发展的特点和趋势。并准确把握学生的思想。诉求和理论需求，准确识别学生的接受方式和表达特点。准确识别学生学业状况，首先要挖掘学生群体的基础数据。基础数据包括学生的性别、年龄、专业、年级、政治倾向等，在整合学生信息的基础上分析不同类型学生的思想差异和学习特征[7]。其次，需要挖掘和分析学生以往的行为数据。预购行为数据包括学习行为数据和日常行为数据。学生学前行为特征。日常行为数据是指学生在日常生活中产生的各类数据。这些数据可以作为学习行为分析的辅助和参考。最后，必须对学生的思想数据进行挖掘和分析。意识形态数据分散在讨论、作业和与学生相关的社交媒体内容中。必须通过语义分析、文本情感分析等手段从这些隐性文本中挖掘学生的思想动态、情感状态和理论需求[7]。

在学术态势识别的基础上，还可以进一步利用聚类算法、人工神经网络、岭回归算法等机器学习算法对数据进行集成分析和相关性分析，以及柱状图、雷达图、矩形树等图表图表可用于分析数据。对学生群体和个体进行“精准画像”，直观呈现学生整体、群体和个体的阶段性学习特征[8]。

（2）精准教学内容定制与推送

精准教学内容定制和推送是指根据学生的学科特点，定制和推送与其匹配的教学内容。例如，可以根据不同学生的知识掌握程度，定制推送不同难度的教学内容；可以根据学生对教学媒体的喜好，提供不同表现形式的教学内容。定制推送教学内容时要保证“三个特点”：一是保证内容推送的匹配性，通过学情识别准确把握学生认知、思想、行为特征，根据学情精准定制教学内容特征。 ;其次，注重内容推送的针对性，精心定制能够真正提高学生理论知识水平和思想政治道德素质的教学内容；最后，增强内容本身的趣味性，以学生喜闻乐见的形式将教学内容渗透到教学中。以媒体表达的形式[9]。在定制和推送过程中，要注意教学内容的分类。内容可以根据学生的认知维度进行分类，也可以根据学生对各种教学内容的态度进行分类，进而根据学生的认知偏好和态度进行分类。更喜欢精准推送。在具体实现上，教学内容定制和推送主要基于三种典型的人工智能推荐算法，即：基于内容的推荐、基于用户的协同推荐和基于关联规则的推荐[4]。其中，基于内容的推荐主要考虑教学内容与学生学业状况的匹配；基于用户的协同推荐主要考虑学生群体特征与教学内容特征的相似性；基于关联规则的推荐主要考虑未学习的内容和已学习的内容。它们之间可能存在的相关性。教师根据推荐算法生成的推荐结果，结合自身的经验和判断，向学生推送“量身定制”的教学内容。

（三）精准教学活动设计

精准教学活动的设计主要根据学生的个体差异，为学生设计适应性、差异化的教学活动。首先，教学活动应根据学生的个性特征，综合考虑学生的专业类别、学习偏好、互动偏好、学习支持、活动组织等因素。以思政课项目式教学活动精准设计为例，利用数据挖掘算法，可以精准分析学生的兴趣点，结合学生的学业特点，兼顾群体合作和个体差异。使活动设计能够体现学生的专业。差异、兴趣差异甚至未来职业的差异[10]。其次，教学活动设计要与思政课阶段性教学目标相一致，体现不同教学阶段活动的差异。教学活动一般可分为教学、引导启发、互动讨论、互动分享、反思评价等。例如，激发学生学习动机和兴趣时，应选择引导启发活动；在促进理论知识的内化和迁移时，应选择互动式研讨会活动；在激发学生批判性思维和独立思考时，可以选择反思性评价和互动分享活动。最后，教学活动的设计要处理好集体教学与个别化教学的关系。高校思想政治课要以集体教学为基础，注重课程的共性要求和学生的个性化需求，基于差异化测试发现学生学习中可能存在的不平衡现象，开展异构动态分组和个性化教学。教学指导，使教学活动考虑到每个学生的实际情况。学生的个性化需求由人工智能技术的差异化检测功能来满足，而课程的共性要求则由教师设计。通过两者的协作和互补，实现精准的教学活动设计。

(4) 准确的学习跟踪和预测

精准学习跟踪与预测是指实时准确监测学生群体和个人的学习状况，预测学生未来的学习行为和表现。人工智能时代，有很多工具和手段可以捕捉教学过程中留下的各种信息和数据。在实体课堂教学环境中，可以利用量表、问卷等方法以及可穿戴设备、传感器等设备获取学生学习行为、动机和态度的数据；在线教学环境中，学生的登录行为、资源浏览行为、问答行为、讨论行为、作业提交行为等，这些收集到的线上线下数据经过预处理和统计分析后，学生的整体情况思想政治课学习过程可以从不同维度呈现。在跟踪学生学习状况的同时，还可以将思政教学大数据与机器学习算法无缝结合，利用预测算法从跟踪信息中提取特征向量，挖掘数据中潜在的模式、结构或规律，然后利用通过算法学习的模式或规则来预测学生未来的学习行为和表现。精准学习预测的应用主要体现在两个方面：一是学习预警，即动态跟踪和评估学生的学习状况，识别和判断其可能存在的学习风险。二是异常行为监测。所谓异常行为是指学生学习过程中的不规范行为或有别于群体状态的个体行为。利用机器学习算法探索学习过程数据中隐藏的模式，可以快速发现学生可能出现的异常学习行为，帮助教师及时干预。

（五）教学评价精准

传统的思政课教学评价主要通过日常考试和期末考试相结合的方式进行，评价方式较为简单。人工智能的应用有助于收集和分析思政课教学过程中的全周期数据，支持教师全面评价学生学习状况、开展全过程教学效果评价。在评价导向上，要“从结果型评价向过程型评价转变，注重对学生学习过程和学习行为的评价”[4]。评价主体的选择应尽可能多样化，教师评价与学生互评、自我评价、小组评价相结合，课堂教师与辅导员评价相结合，对不同的评价主体赋予不同的评价权重[9]。在评价内容上，要从传统知识掌握程度的评价拓展到学生参与状况、投入状况、思想状态、情感状态、思维状态等方面的评价。在评价方式上，可以将人工智能支持的定量评价与相关评价主体的定性评价相结合，引入电子档案袋、学习仪表板等新的评价技术和方法。利用大数据技术，为每个学生配备电子档案袋，收集并存储每个学生各个学习维度的学习记录和学习成果，量化评价整个过程中学生理论知识获取和思想道德形成发展的具体效果。过程。 [9]。学习仪表板是直观呈现学习评估结果的有效工具。通过配置学习仪表板，学生可以直观、清晰地了解自己每个阶段的学习状态和效果。

（六）准确的教学决策

所谓教学决策，是指教师通过对教学实践的分析、思考和判断，决定下一步教学行为的过程。传统的教学决策主要依靠教师的主观经验、直觉和推测，不可避免地偏离教学的客观实际情况，盲目追求决策目标。人工智能时代，教学决策主体开始从人类泛化到智能技术，教育决策的知识框架从个体认知框架转向人工智能技术分析框架[11]。人工智能算法可以发现相关关系，诊断教学问题，解决教学决策中“证据”的片面性和时效性制约，从而有效弥补教师主观教学决策的短板。同时，通过教学大数据的分析和预测，思政课教师可以提前感知潜在的教学问题，使教学决策过程更加科学、精准。在教学设计阶段，人工智能技术的科学指导可以为教师确定教学目标和教学内容提供准确的决策支持[12]；在教学实施阶段，人工智能技术可以有效地实时反馈学生的学习进度和思想行为状态。支持教师即时决策，为学生提供差异化​​干预和指导；在教学评估阶段，人工智能技术及时向教师反馈教学计划制定或实施中的偏差，帮助教师优化教学流程，提高教学决策能力。

三、人工智能驱动高校思想政治课精准教学的实施路径

（一）构建高校思想政治教育大数据采集整合机制

实现人工智能驱动的高校思想政治课精准教学，需要构建全天候、全渠道、全覆盖、全流程的思想政治教育大数据采集整合机制，为高校思想政治教育大数据的采集和整合提供保障。大数据是实施思政课精准教学的“原材料”。在COVID-19疫情常态化防控背景下，线上线下教学环节的无缝衔接和融合是当前高校思政课教学的显着特点。 “全天候”是指混合式教学模式克服了传统思政课在教学数据采集方面的缺陷，建立了全天候、全天候的线上线下思政课教学数据采集机制，可随时获取。无论何时何地。 “全渠道”是指数据采集渠道的有效整合，后端采集、网络爬取、主动调查等多种采集方式的融合。后台采集并整合学工系统、教务系统、图书借阅系统、在线教学系统等多个信息平台的数据，实现学生基础数据、行为数据、学习成果数据的全方位采集；网络爬虫利用爬虫技术抓取收集学生在相关网站和社交媒体上的浏览、评论、发帖、点赞等动态信息行为；主动调查是指思想政治教师、辅导员、教学管理人员等通过抽样调查等方式主动收集学生相关信息。如学习态度、学习动机、学习满意度、思想动态等。“全覆盖”是指在数据采集过程中实现数据采集对象、数据采集类型的全覆盖。数据采集​​对象必须同时覆盖学生、教师、辅导员、教学管理人员等各类人员；数据采集​​类型必须包括结构化、半结构化和非结构化多模态教学数据，实现“从因果到相关、从单维到多维、从精确到容错”[8]的大数据全覆盖。 “全过程”是指贯穿高校思想政治教学各个时间点、各个时间段的数据采集，覆盖课前、课中、课后各个教学环节。

（二）建立健全高校思想政治课精准教学保障机制

高校思政课要实现精准教学，必须建立强有力的保障机制，为精准教学的实施提供条件，包括顶层设计、制度建设、环境建设、资源建设、外部支持等。在顶层设计上，高校要为教师开展思政课精准教学创造大政策环境，制定思政课精准教学实施方案和发展规划，形成规划。涵盖马克思主义学院、教务部门、学工部门、教育信息化建设等。部门间多方联动实施机制。在制度建设方面，完善人工智能在思政课教学中应用的相关制度规范，设立人工智能教学应用专项建设资金，编制精准施策的操作规范和实施指南。思想政治课教学。同时，高校应把教师人工智能素养提升作为关键举措，从制度层面予以保障和推动，引导教师更新观念，形成人工智能应用意识，积极提高教师人工智能素养。通过典型带动、制度拉动、培训提升人工智能素养。在环境建设方面，高校要加快智慧化教学环境建设，建设具有实时多模态信息采集功能的智慧教室，实现数字校园向智慧校园的转型升级，努力为学生提供优质的教学环境。思想政治课。教师营造良好的教学创新环境，营造有利于人工智能在教学中应用的氛围和文化。在资源建设方面，要重视海量数字化教学资源在精准教学中的重要作用，结合公建、自建、自购等资源建设方式，鼓励相关教学专家和教学团队加快建设。加强优质教学资源开发。为意识形态和政治课程的准确教学提供资源保证。在外部支持方面，应整合多个外部实体，以为意识形态和政治课程的精确教学提供多样化的支持，重点关注人工智能教育研究团队的智力支持，人工智能和大数据公司的技术支持，教师专业发展社区和著名的教学教师团队组织支持等[13]。

（3）建立一个综合技术支持系统，用于在大学和大学中的意识形态和政治课程的精确教学

图2显示了基于人工智能的大学和大学意识形态和政治课程的精确教学技术支持系统的框架。它由从下到顶部到顶部的四个级别：设备层，技术层，方法层，方法层和应用层[ 14]，设备层为操作保证提供系统，技术层为系统操作提供了基础，方法层是实现精确教学的特定手段和中介，并且应用层是每个链接的特定实现精确教学。该设备层包括基本的软件和硬件设施，例如服务器，存储设备，网络设备和虚拟机。技术层由机器学习技术，大数据，云计算技术等组成，这些技术从算法，数据和计算能力的三个维度提供了技术支持。该方法层通过信息处理方法（例如统计分析，数据挖掘，智能建议，预测分析和信息可视化）来分析和流程意识形态和政治教育大数据。其中，统计分析主要使用与学生学习相关数据的描述性统计和差异测试，以最初发现数据呈现的基本特征和模式。数据挖掘在没有预设的意识形态和政治教育大数据中寻找隐藏的特征。信息以发现相关变量的潜在关系和模式；智能建议用于准确推荐教学内容和资源；预测分析动态预测学生的学习行为；信息可视化以视觉方式呈现教学评估数据。应用层包括两个方面：教师和学生。在学生方面，它主要实施诸如学生学习状态识别，学习过程跟踪，学习行为预测，学习结果诊断和学习路径计划等功能；在教师方面，它主要实施教学内容自定义和教学活动设计。 ，教学效果评估，精确的教学决策，精确的教学干预和其他功能。

（4）全面提高大学和大学意识形态和政治课程教师的精确教学质量

人工智能以及大学和大学中的意识形态和政治课程的深刻融合将在一定程度上影响意识形态和政治教师的传统作用，并为意识形态和政治教师的角色和技能提出新的要求，这需要老师具有强大而精确的教学素质。同时扮演多个角色。

首先，意识形态和政治课程的教师应成为技术合作者。在人工智能驱动的大学和大学的精确教学中，人工智能技术用智能属性取代了教师的一部分教学工作。这要求教师从技术用户转变为技术合作者，并与人工智能技术分享教学工作。探索人工智能的教学潜力，并促进技术和教学的协调发展[15]。其次，意识形态和政治课程的教师应成为教学创新的从业者。通过人工智能技术的干预，人工智能可以完成一些重复的知识叙事功能。教师应将创新的教学内容和教学方法视为其教学工作的重点，并探索由人工智能驱动的高质量的教学系统，并以创新的思维方式进行。 ，成为课堂教学创新的从业者[16]。第三，意识形态和政治课程的教师应成为技术伦理学的领导者。意识形态和政治课程的教师应以合理且合规的方式使用人工智能技术，以避免因滥用，滥用和滥用技术而引起的道德，隐私和安全性等问题。同时，应注意指导学生合理地使用技术，以避免由于过度依赖人工智能技术的依赖而在思考中的惯性。最后，意识形态和政治课程的老师应成为意识形态和精神教育的监护人。人工智能只能进行教学活动的智能模拟，模拟和推断。它没有教学经验和教学智慧。特别是，它不能取代意识形态和政治教师的情感，道德，道德，意识形态教育以及其他方面。演示和指导功能。因此，尽管意识形态和政治课程的老师具有较高的人工智能素养，但他们还应该全力发挥自己在世界前景中的指导作用，人生观和价值观，请注意学生的意识形态地位，精神状态，道德培养，道德培养，道德培养，等，并成为学生的意识形态领导者。精神监护人[16]。

结论

作为一种新的教学范式，学院和大学的意识形态和政治课程的精确教学的实现和发展还有很长的路要走，需要研究人员和从业者的共同努力。应当指出的是，过度重视技术和精度将对学院和大学意识形态和政治课程的教学产生一定的负面影响。例如，过于精确的教学只专注于明确的定量目标，而忽略了学生内部学习机制的作用。过于技术教学将学生视为数据集，而忽略学生的基本属性为“完整的生物”。 [14]。因此，在对大学和大学的意识形态和政治课程进行精确教学时，我们不仅必须发挥技术的关键支持作用，而且还要注意意识形态和政治教育的价值和意识形态情感，并有机地整合了定量性的定量性。技术的性质具有教师教学智慧的灵活性。确保教学的理论，意识形态，价值和政治性质，以便学院和大学的意识形态和政治课程的准确教学生态能够发展。

参考：

[1] Xue ，黄金。由中国共产党领导的民族治理的机构优势 - 对“从中国共产党领导的国家治理学术研讨会有关的学术研讨会，从协调促进流行性预防和经济和社会的角度来看发展” [n]。研究时间，2020-07-1 0。

[2]周元。精确的意识形态和政治工作：新时代的大学和大学意识形态和政治工作的新概念以及新模型[J]。意识形态和理论教育，2020年，（8）。

[3] Liu ，Lu Yong，Bai Yu。对学院和大学的意识形态和政治理论课程的分化教学路径分析[J]。学校党建设和意识形态教育，201 6，（1 1）。

[4] Wan ，Huang ，Huang Huan。大数据驱动的精确教学：操作框架和实施路径[J]。现代教育技术，201 9，（1）。

[5] Xu Xu，Zheng 。人工智能时代意识形态和政治理论课程教师发展的现实和未来[J]。江苏高等教育，2020年，（5）。

[6] Du ，Niu Kun。计算能力与情报之间的共鸣：关于智能生态广告的通信路径的研究[J]。现代传播（中国传播大学杂志），2021年，（3）。

[7] Zhang Yu，Jia 。基于信息技术的意识形态和政治理论课程的精确教学模型的分析 - 以“意识形态，道德和法治”为例[J]。中国青年社会科学，2022年，（1）。

[8] Zhao ，周元。在大学和大学中精确的意识形态和政治体系的建设中，复杂的范式转移[J]。意识形态教育研究，2021年，（1 1）。

[9] Wang ，Chen 。大数据时代的学院和大学意识形态和政治理论课程的创新途径分析。意识形态教育研究，201 7，（7）。

[1 0]清温。意识形态和政治理论课程的差异化教学项目的设计和案例[J]。长沙科学技术大学杂志（社会科学版），201 5，（2）。

[1 1]张文宁。将大数据应用于教学决策的可能性和局限性 - 从教学认识论的角度[J]。中国教育期刊，201 7，（1 0）。

[1 2] Hou 的中华旺朱恩。教师教学决策的改进和实施路径得到了教育大数据支持的[J]。湖南师范大学教育科学杂志，

201 7，（5）。

[1 3]刘bin。关于人工智能时代的教师智能教育素养的研究[J]。现代教育技术，2020年，（1 1）。

[1 4]秦丹，张利克森。问题与优化：在课堂上进行的精确教学实践的现实检查和反思[J]。视听教育研究，201 9，（1 1）。

[1 5]智能时代的教师角色定位和扫盲框架[J]。中国视听教育，2021年，（6）。

[1 6] Liu Jia。在人工智能技术的条件下，对大学和大学意识形态和政治课程的创新情境教学模型的研究[J]。意识形态和理论教育指南，2021年（1 1）。

[作者]

南方中央大学教育学院WAN ，YI ，马克思主义教育学院，南方中央大学国籍学院

[基金项目]

本文是国家社会科学基金会在大学和大学中有关意识形态和政治课程研究的特殊项目的阶段结果“在线教学行为模型的研究模型，在流行病预防和控制的背景下，学院和大学的意识形态和政治课程的研究模型” （项目编号：）

“意识形态教育研究” .2022.04