□陈景红

　　完善立德树人机制，推进大中小学思政课一体化改革创新是党的二十届三中全会作出的重要改革部署。作为引领和驱动新一轮技术革命和产业变革的核心力量，人工智能正在加速重构教育生态和范式，并给思政课建设带来了新机遇和新挑战。学习贯彻党的二十届三中全会精神要与学习贯彻习近平总书记关于思政课建设的重要指示精神贯通起来、一体落实，在思政课建设中植入人工智能的“芯片”，赋能学校思政课建设高质量发展，需要协同推进教学理念、教学资源、教学场景、师资队伍和教学评价的智能化改造升级。

　　重塑智能化思政课教学理念。面对人工智能的迭代升级，思政课建设必须更新教学理念，树牢智能思维。学校管理者要有智能化转型战略眼光，牢牢抓住人工智能发展机遇，清晰认识思政课智能化转型的必要性和紧迫性，探索人工智能技术嵌入思政课的有效途径。思政课教师要不断深化对人工智能的认知，充分认识人工智能技术的赋能价值，增进对人工智能技术重塑思政课本质、内涵和边界的认识，以及对人工智能技术促进思政课教学内容、教育对象、育人方式、评价手段方面创新的认识，善于运用人工智能思维并借助智能平台发现问题、分析问题和解决问题。同时，要学会运用人工智能思维创造思政课新教学模式，改善教学方式。充分利用现代数字化技术，对思政课程进行媒体化、场景化、形象化的创新，探索出全新的教学模式，从而增加教学的吸引力和感染力。

　　集聚数字化思政课教学资源。发挥人工智能在思政课建设中的赋能作用，要推进思政课教学资源数字化改造、可视化呈现、智能化转化。一是推进教学资源数字化转化。依托人工智能的自然语言处理，计算机视觉、语音识别等技术将具有丰富育人功能的线下资源转化为符合学生风格、学生话语、学生情感的青春话语、网言网语。二是推动教育资源一体化共享。将人工智能技术引入到思政课教学数字化平台建设之中，贯通大学、中学、小学，链接学校、企业、社会，打造集学习、共享和交流等功能于一体的思政课教学资源平台，为师生提供多元化、立体化、菜单式教学内容。三是推动教学资源精准化推送。依据学生的认知能力、行为习惯和兴趣偏好等个性化特征，对海量教学资源中进行数据筛选，并以分众化、差异化的方式推送给学生，实现教学资源精准供给。四是推动教学资源可视化呈现。依托虚拟现实、增强现实和混合现实等人工智能技术，将教学资源由“抽象论述”转向“形象嵌入”，不断提升思政课教学资源可视化的呈现效果，使思政课教学内容立起来、动起来、活起来。

　　打造开放式思政课教学场景。作为一种新的基础结构、社交节点、交互主体，人工智能改变了思政课教学的场景分配和运行方式。这相应要求思政课教学场景要积极与经济场景、文化场景、社会场景、生态场景等进行开放式交互，以适应整体场景之变以及场景整体之变。一是创设智能教学场景。充分运用虚拟仿真、数字孪生等技术虚拟还原革命、建设和改革各个历史时期的场景，虚实融合，构建沉浸式教学场景，打造云参观、云课堂、云互动等“线上线下”教育教学新场域。二是创新智能教学模式。打破传统校园和传统课堂边界，将思政课堂延伸到田间地头、工厂车间、科研院所、革命老区以及博物馆、纪念馆、党史馆等红色资源基地，搭建智能化教学平台，探索翻转课堂、混合式教学等教学模式，让理论“活”起来、人物“动”起来、事件“亮”起来，不断增强思政课程的亲和力和感染力，提高学生的积极性和主动性。三是拓展实践教学空间。依托人工智能技术，建立多元素嵌入，多维空间联动机制，打造跨班级、跨年级、跨学科、跨时空的学习共同体，实现规模化教育与个性化培养有机结合。

　　培育高素质思政课师资队伍。人工智能时代的思政课教师不仅要具备坚定信仰、扎实学识，还应具有创新思维、宽广视野、智能素养。2023年教育部印发的《基础教育课程教学改革深化行动方案》明确提出，要积极推进人工智能、大数据等新技术与教师队伍建设的融合。提升思政课教师人工智能素养需要政府、学校和教师协同发力。政府层面应加快制定出台人工智能素养培训课程，编制人工智能课程培训方案，将人工智能素养培训纳入教师全员轮训学时，并给予专门的经费支持，构建精准培训体系来确保人工智能课程培训效果，实现从知识到能力的转化。学校层面应将人工智能素养纳入教师专业能力的常态化考核中，定期对思政课教师开展数据素养提升的主题培训，建立教师网络学习共同体，及时交流数据使用的教学体验，共享数据使用的实践经验；同时要善于运用智能技术对学生的学情进行分析，以便针对不同学生的差异性特点和个性化需求选择教学资源，进行教学模式创新，继而提高课堂教学的感染力和针对性。

　　优化伴随式思政课评价体系。教学评价是思政课建设效果的探测器和矫正器。人工智能技术与思政课教学评价的数据采集、模型构建和反馈运用具有内在的耦合机理，将人工智能技术嵌入思政课教学评价过程，不仅可以实现对思想政治理论课的“问诊把脉”，还有助于实现知识评价、能力评价和价值评价的统一。一是筑牢教学质量评价的数据根基。构建一体化的内部评价数据共享平台，打破信息孤岛、数据壁垒。面向学校、家庭、社区、网络等场域采集文本、图像、音频和视频等多模态过程性数据，推动思政课教学质量评价数据的自动化、多空间、全过程、多模态采集和汇聚。二是增强教学质量评价的算法支撑。加强循环神经网络、卷积神经网络等深度学习算法在评价模型训练中的运用，提升模型准确性，结合使用知识图谱、小样本学习迁移技术，汇聚更多的专家智慧，提升模型的可解释性，化解“算法黑箱”问题，确保评价模型的可解释、可透明和可扩展。三是完善教学质量评价的技术规范。健全评价数据采集、分析、共享、存储安全规范，构建评价数据感知获取、连接分析、计算处理等环节所涉及的智能技术标准体系，保证智能技术赋能思想政治教育质量评价合理合法、科学有序。　

　　（作者系河南农业大学资源与环境学院党委副书记）