01
课程介绍
“基础地质”是同济大学土木工程学院面向地质工程专业开设的核心专业课程。课程聚焦新工科智慧课程建设下地质教育数智化转型与“智能+地质+工程”复合型人才培养需求，以地质工程复杂真实问题场景为实践载体，以人工智能技术为核心驱动引擎，依托超星智慧课程平台开展全过程教学组织与数据化管理，构建“六位一体”（地质智慧赋能课程大纲、多层次知识图谱、AI智能体、AI应用案例库、AI岩矿鉴定助手、VR/AR实践）的新型智慧教学模式。不同于传统以理论讲授、静态知识传授、单一野外实习为主的基础地质课程形态，本课程强调展开数智化实践，引导学生综合运用AI技术工具、地质知识图谱、虚拟实验室与真实工程案例，完成从地质知识认知、智慧思维训练到数智工具应用的完整学习流程。在此过程中，地质知识不再仅是静态教材内容，而成为AI智能体驱动下可交互、可关联的动态认知网络，推动学生从“传统地质描述思维”向“数智化、系统化智慧思维”转变。通过将课程教学嵌入地质工程真实问题与数智实践场景，并结合超星平台“学一练一测一评”闭环与数据反馈机制，实现了地质“智能+地质+工程”复合型人才能力的系统升级。
02
课程团队
王建秀
同济大学土木工程学院教授，浦江学者，上海市人才发展资金计划入选者。从事工程地下水与环境控制、岩石动力学与工程、微生物与低碳岩土工程教研工作，主持国家级一流本科课程。
刘琦
同济大学土木工程学院教授级高工。从事水文地质、工程地质与环境地质教研工作。
高彦斌
同济大学土木工程学院副教授。从事软土力学特性及本构模拟、软土工程数值分析、粘性土环境地质教研工作。
叶真华
同济大学土木工程学院讲师、注册岩土工程师。从事岩土微结构、混凝土粗骨料碱活性、基坑变形控制教研工作。
03
课程建设理念
本课程面向数字中国战略与人工智能技术快速发展的背景，旨在推动地质教育从以理论讲授、静态知识传授、单一野外实习为主的旧范式，转向面向复杂地质问题与“智能+地质+工程”综合能力培养的教学范式转型。
在“真实场景驱动”层面，课程以地质工程复杂真实问题场景为实践载体，将教学嵌入真实地质工程与数智实践场景，使学生在地质工程复杂真实语境中展开数智化实践，综合运用AI技术工具、地质知识图谱、虚拟实验室与真实工程案例，完成从地质知识认知、智慧思维训练到数智工具应用的完整学习流程，强化地质问题建构与数智化综合能力。
在“AI人机协同”层面，课程以人工智能技术为核心驱动引擎，将AI从辅助工具转变为地质思维训练与智能鉴定的参与者，通过知识图谱多维关联、AI智能体交互（地质思维多模态智能体、岩矿智能识别工具），构建“认知—训练—应用”的非线性学习流程，拓展地质思维边界。
在“数据反馈优化”层面，依托超星智慧课程平台，构建“学一练一测一评”闭环课程任务引擎，对学习过程与数智实践路径进行系统记录与分析，形成可追溯的学习数据链条，支撑教学动态优化与评价重构。
通过三者的协同整合，课程构建了“真实场景驱动—AI人机协同—数据反馈优化”的新型智慧教学模式，为“AI+地质+工程”融合背景下“智能+地质+工程”复合型人才的培养提供了可实践、可推广的路径，也为新工科背景下地质教育数智化创新提供实践范式。
04
人工智能赋能智慧课程建设
本课程依托超星智慧课程平台，开展课程智慧内涵和数智底座建设，构建以“六位一体智慧课程架构”（地质智慧赋能课程大纲、多层次知识图谱、AI智能体、AI应用案例库、AI岩矿鉴定助手、VR/AR实践）为核心的智慧课程体系，实现人工智能对教学全流程的深度赋能，推动地质教育从“理论讲授+静态实践”向“智能+地质+工程”复合型人才培养转型。
完善了AI赋能的智慧课程教学大纲
课程教学大纲是课程知识内涵的最高定义和知识体系的顶层设计，本课程在原课程大纲的基础上，明确了1.0版本智慧课程的赋能方式，增加了AI内容并提高了智慧思维训练的含量，从大纲高度明确AI赋能的节点、入口和出口，确定了现有课程的数智化应用工具，并明确了AI的时效性和未来持续改进接口。
构建了基于智慧平台的线上内容体系
课程已构建起系统、完整且更新有序的线上内容体系，建设的《工学的地质思维-基础地质》在线课程在中国大学MOOC开课14次，选课超过5000人次。课程严格按照地质学知识的内在逻辑进行编排，共设立21个核心章节。内容依次涵盖矿物、三大岩类、地质年代、地球内部构造、构造运动、板块构造等基础理论，系统性地讲解了风化、河流、冰川、地下水、海洋等各类地质作用。
在线课程与教学资源
发展了AI赋能的地质智慧思维训练方法
课程前期发展了工学的地质智慧思维训练体系，将“将今论古、以古论今论未来以及活动论”等地质思维、地质哲学及地质智慧，结合课程思政，融入课程教学体系，尝试将地质思维与地质智慧融入多模态智能体，通过交流训练学生思维能力。
构建了基础地质复杂知识体系的多元知识图谱
在底层结构层面，课程构建了基础地质复杂知识体系的多元知识图谱，利用知识图谱对课程的内容进行了重构，将课程章节中的知识点进行了归类和重组，将传统“章节模块”转化为“知识点网络”，通过多维关联消除知识屏障，去除了以往章节教学的线性习惯，突出跨章节知识的关联，帮助学生形成非线性、系统性地质认知，强化知识迁移能力。
基础地质知识图谱
构建了集成地质智慧思维和岩矿智能鉴定的课程专属智能体
本课程基于扣子空间平台，成功构建了课程专属的AI智能体。该系统的核心是两大模块：一是地质思维与地质智慧多模态智能体，深度融合了地质思维训练、问题智能解析，通过问答的方式，引导和训练学生分析地质问题的思维模式；二是与之配套的岩性智能识别训练工具，系统整合了实验室标本库与文献资料，建成了包含大量标定图像的岩石图谱知识库，并在此基础上提供了易用的初始智能识别工具。该智能体可在教学实践中覆盖课前、课中、课后的全场景应用。其特色在于不仅提供答案，更通过扣子空间平台强大的交互与工作流能力可视化展示地质推理过程，践行授人以渔的理念。
地质思维智能助手、AI岩矿鉴定助手
构建了涵盖课堂、实验和实习教学的“学—练—测—评”的闭环课程任务引擎
本课程的任务引擎建设的核心是构建了一个高效的“学—练—测—评”闭环教学体系，将多样化的作业与测验融入学习流程。建立了覆盖客观题与主观题题库，对选择、判断等题型，保障知识掌握的扎实性与应用能力。可借助课程后台的详细数据，从整体平均分、题目正确率对学生的学习情况进行全面监控，从而快速定位共性薄弱知识点。
智慧课程勾连虚拟地质实验室，教学中引入虚拟现实（VR）和增强现实（AR）技术，提供更为真实的地质模拟场景，使学生在虚拟环境中体验在实验室场景中进行岩矿鉴定的操作过程，增强学习的沉浸感和真实感。
基础地质虚拟实验室
基础地质任务引擎
人工智能赋能学习流程（线上线下·课内课外融合）
梳理“课前-课中-课后”全周期学习流程，实现数智工具与真实场景的融合：
1.课前：目标导向自主预习
学生登录超星智慧课程平台，首先查看基础地质课程知识图谱和课程大纲，明确本章节对应的知识点；同时，通过扣子空间平台的“地质思维多模态助手”获取预习引导，助手生成预习问题清单。
课程大纲
地质智能助手预习问答
2. 课中：场景驱动的互动实践
加入“学一练一测一评”闭环任务引擎：观看教师录制的课程视频，完成在线选择题；用地质思维多模态助手实时交互：如课中遇到“岩溶作用”等复杂问题时，通过提问，助手会呈现推理过程，并给出回答。
地质助手岩溶作用问答
3.实验：专属智能体融合虚拟地质实验室场景
在实验教学部分，可进入虚拟实验室场景，完成基础地质实验中的岩矿鉴定辅助教学。
4.实习：专属智能体驱动岩矿鉴定助手辅助鉴定
在实习教学部分，可利用岩矿鉴定助手鉴定拍摄岩矿样本，获取矿物的智能识别结果，辅助传统地质描述。
地质助手岩性识别
基础地质智慧课程在教学中取得了显著效果。通过引入 AI 技术和地质案例拓宽了学生的知识视野。学生在学习传统专业知识的同时，得以接触前沿科技与实际问题，深刻理解多学科交叉的重要性，增强学术和职业竞争力。
在教学中，注重实践环节和案例分析，能够提升学生的实际应用能力。模拟演练与实际操作让学生熟练掌握 AI智能体和虚拟实验室等数智工具，为其进入相关领域工作筑牢基础。同时，基于实际案例的教学活动培养了学生的创新思维，有效激发创新思维和创业精神，助力未来创新型人才的培养。此外，教学模式从传统理论讲授向基于案例和问题解决转变，推动教学模式创新，增强学生学习的积极性和参与感，提高教学效果。最后，智慧课程教学和实践研究促进跨学科合作，学生不仅在基础地质学方面有所进步，还可以掌握计算机科学和 AI 的基本知识，培养跨学科思维方式，提升综合素质和职业竞争力。
在研究过程中，持续收集反馈，对任务难度、反馈机制和教学策略进行多轮调整。并非简单地将线下内容搬到线上，而是深度融合人工智能技术实现教学流程重塑。特色突出表现为“数据驱动的精准教学”，通过收集学生在智能体中问的问题、任务引擎中学生表现不佳的知识点，将教师的经验与线上数据结合，实现了精准化的教学。
在学习评价与优化层面，依托两个平台的数据记录与学习分析功能，对学生的提示词演化、方案迭代与设计决策过程进行全过程留存与可视化分析，构建“过程性评价+结果性评价”相结合的多维评价体系。这一数据驱动机制不仅提升了教学反馈的及时性与精准性，也为课程持续优化与教学研究提供了实证基础。
通过三层结构协同，课程实现“智能+地质+工程”复合型人才能力升级：
1. 知识视野拓展：学生接触“AI+地质”前沿（如知识图谱关联、智能体交互），理解多学科交叉价值，学术与职业竞争力显著提升；
2. 实践能力强化：虚拟实验室与AI工具（岩矿鉴定助手、案例库）支撑“沉浸式”实践，学生熟练掌握数智工具应对复杂地质问题；
3. 思维模式转型：从“传统地质描述思维”转向“数智化、系统化地质思维”，通过智能体可视化推理、任务引擎数据反馈，培养创新思维与跨学科整合能力。
学生后台数据显示
智能体问答后台收录
在国家一流课程建设基础上，持续人工智能赋能，推进智慧课程建设。
来源：同济大学土木工程学院
