*作者简介：许体文（1986-），男，汉族，安徽旌德,博士研究生，讲师；
研究方向：高分子材料成型加工、生产实习的教学和研究。E-mail: xtw2004@163.com
基金项目：广东石油化工学院2024年度校级“教学质量与教学改革工程”建设项目-高分子材料成型加工基础课程教研室[710136093017]；2024年度校级智慧课程建设项目-知识图谱课程 高分子材料成型加工基础[710136093045]

随着人工智能技术的快速发展，AI在教育领域的应用逐渐加深，AI助力课堂教学质量^[1-4]的提升已成为当下本科教学研究的热点。高分子添加剂及配方设计是高分子成型加工课程教学的重要内容之一，传统的课堂教学多局限于知识的认知层面，学生系统把握各类助剂的特性、协同关系与作用机制的水平不足，致使学生在面对高分子材料领域的复杂工程问题时，缺乏从配方、助剂优化的角度去系统思辨和创新解决思路的能力，高阶工程思维与实践应用能力的培养尚显不足。

本案例将人工智能技术深度融入课堂教学，以目标问题为导向实施探究式教学，借助AI知识图谱^[5-7]促进学生构建系统化的知识结构，并引入AI问答作为辅助教学工具，培养学生科学思辨、系统分析与创新思维能力。通过深化对高分子添加剂及其配方功能的理解，助力学生实现从理论到实践的知识闭环与综合应用。

1. 教学目标

1.1 知识目标

a. 掌握热稳定剂、增塑剂及填充剂的特点及作用机理。

b. 借助AI知识图谱构建系统化的添加剂及配方认知体系。

c. 理解AI智能体在高分子材料性能评估及预测方面的潜在价值。

1.2 能力目标

a. 明确各种配合剂的作用，能在配方设计中进行一定的甄别和筛选。

b. 能利用AI辅助分析，从配方助剂的角度去解决高分子材料领域的复杂工程问题。

1.3 素养目标

a. 具有高分子材料全生命周期的工程伦理意识，理解环保型添加剂的重要性。

b. 具备一定的创新思辨能力，树立数据驱动的科学决策观。

2. 教学设计实践

2.1 AI驱动的混合式教学设计

充分利用雨课堂、超星学习通、大学生慕课平台资源等将授课内容及目标问题发送至学生，采用目标问题导向式教学、分组讨论及案例教学等形式不断强化学生科学逻辑思维和创新意识，利用AI知识图谱、AI助教等辅助课堂教学，构建系统化的知识体系，提高课堂互动率及学生学习效果监控、反馈等，使能力目标培养和思政育人理念融入教学的全过程，达到德艺双馨的教学目标。

图1 课程教学设计示意图

以目标问题为导向，强化思维训练，教学各环节的目标问题示意如图2所示：

图2 目标问题的设定

2.2 课堂教学过程

2.2.1 课前预习及自学 

通过“雨课堂”平台发布AI知识图谱（图3），系统梳理助剂章节的知识结构与其内在关联，明晰重点与难点知识的基础支撑，引导学生开展深度学习。依托平台学情数据，评估学生预习成效，为课堂教学的重点调整与策略优化提供依据。

图3 章节知识图谱示意

2.2.2课堂教学

问题导向教学：围绕各种添加剂的特点、作用及相关工艺问题实例，依据配方设计的基本原则进行解析讨论，结合AI助教实时答疑。鼓励或点名抽取2~3位同学进行相关问题的回答，对比不同学生描述的差异，引导学生抽丝剥茧，强化对该问题的理解深度。

1）重点问题

重点问题3：热稳定剂的特点、作用及分类？

AI助教反馈：热稳定剂是PVC加工中的关键添加剂，主要用于防止树脂在高温下发生脱HCl反应和变色。其特点包括：能有效吸收并中和加工过程中产生的HCl；与PVC及增塑剂相容性好，不影响加工与制品性能；无色无味，用于食品药品包装时需具备无毒特性；且成本较低。在作用机制上，热稳定剂通过中和HCl、取代不稳定氯原子、消除分子链中的不饱和结构以及破坏导致颜色加深的正碳离子盐，从而抑制降解、交联和变色现象。热稳定剂属于稳定剂的一大类别，专门针对PVC的热老化问题，与其他如抗氧剂、光稳定剂等共同构成塑料稳定化体系。

n 以“提问：请对该参考回答提出你的疑问？”方式引导学生对AI给出的答复进行辨析，加深学生对知识点的理解。

继续完成剩余4-6题的分析：

重点问题4：增塑剂和润滑剂的特点及作用？

重点问题5：填充剂的种类及价值？

重点问题6：配方设计的基本原则如何理解？

2）难点问题

难点问题7：PVC加工制品出现发黄的原因？从助剂的角度如何思考解决？

难点问题8：增塑和润滑的本质差异是什么？两者的用量对高分子材料制品性能有何影响？

难点问题9：以炭黑、二氧化硅为例，如何改善聚合物与其的界面结合？

环节一（AI辅助答疑）：通过检索发现，超星学习通AI小助手无法给出准确的答复。借助DeepSeek大模型对问题9进行AI反馈：在橡胶、塑料等高分子复合材料中，炭黑（CB）和二氧化硅（SiO₂）是常用的补强填料，但其与聚合物基体的界面结合强度直接影响材料的力学性能、耐磨性和动态生热等特性。以下是改善二者界面结合的典型方法及作用机理：

① 炭黑（CB）与聚合物的界面改性方法主要包括：通过氧化处理引入羧基、羟基等极性官能团，或采用硅烷偶联剂（如Si-69）以增强与极性聚合物或橡胶的界面作用；借助高剪切混炼或原位聚合以改善分散性；并可选用石墨烯、碳纳米管等新型碳材料通过π-π作用或共价键提升界面结合。

② 二氧化硅（SiO₂）的改性则常用硅烷偶联剂（如Si-69、KH-550）实现表面疏水化并与聚合物链键合；通过表面接枝聚合物（如ATRP法接枝PS、PMMA）或仿生修饰（如聚多巴胺涂层）进一步提高相容性；还可构建炭黑/SiO₂或纳米粘土等协同填充体系，以综合提升材料的性能与分散状态。

环节二（教师反问）：如何理解AI给出的描述？激发学生思考，也意识到AI的局限，要建立自身的科学辨证思维，变AI知识为自己的知识。

环节三（分组协作与思政融入）：从铅盐类热稳定剂对人身体的危害出发，倡导环保绿色产品的开发，勉励学生在材料配方设计中要体现人文关怀和强烈的社会责任感。同时，对比国内外热稳定剂的发展，明确我国助剂发展存在的瓶颈，鼓励学生奋发有为，敢于创新实践^[8-9]；从光降解与材料耐久性的矛盾出发^[10-11]，引导学生对环保可持续及材料高性能的平衡关系的思考，如何兼顾社会责任及企业责任，如何成为一名有良知的工程师。

3）实践问题

实践问题10：在实际产品的生产中，如何平衡配方与产品性能之间的矛盾？

DeepSeek反馈：在实际生产中，平衡配方与产品性能之间的矛盾，需遵循以下原则：

① 明确核心性能需求

优先级排序：如轮胎胎面需优先考虑耐磨性，而医用导管则侧重生物相容性。

性能折中：例如提高填料含量可增强强度，但可能降低韧性，需通过增韧剂补偿。

② 配方优化策略

多组分协同：如炭黑/SiO₂并用补强，硅烷偶联剂改善界面。

动态调整工艺：通过混炼温度、时间等参数调控分散性与交联度。

③ 低成本与高性能平衡

替代材料：用部分沉淀法SiO₂替代气相法SiO₂降低成本，通过表面处理维持性能。

回收料掺用：合理添加再生胶/塑料，辅以相容剂减少性能损失。

④ 数据驱动决策

DOE（实验设计）：通过正交试验筛选关键参数组合。

AI预测模型：利用机器学习优化配方，减少试错成本。

小结：平衡的核心是“目标导向+系统优化”，需在成本、性能、工艺可行性间找到动态最优解。

实践问题11：请观察填充剂对橡胶复合材料性能影响的实例，并简单阐述分析。

以下为某橡胶复合材料的数据反馈，请结合AI智能体的描述给出你自己的阐述（考察学生分析、思辨及表达能力）。

表1 实践案例分析-橡胶复合材料的力学性能参数

2.2.3 课后拓展

拓展问题12：聚乳酸被公认为较好的生物可降解材料，但面临力学性能不佳的困扰，请从配方设计的角度提出可行的解决方案，并说明。

DeepSeek反馈：聚乳酸（PLA）因其脆性、低耐热性和抗冲击性差而应用受限。通过配方设计可协同提升其性能：与PBAT等柔性聚合物共聚或共混可增韧；与PDLA形成立构复合晶能增强并提高耐热性；添加2～5 wt%的纳米填料（如改性蒙脱土）可增强模量；使用增塑剂（如柠檬酸酯）可降低玻璃化转变温度并提高韧性，但需通过反应型增塑或动态交联解决迁移问题，以改善界面和撕裂强度。

教师提问：是否还有其他途径？是否考虑过AI模拟平台及数据训练模型的开发与应用？

3. 成效经验

3.1 教学效果量化分析

知识掌握度：课后测试显示，88%的学生对添加剂及配方设计的内容掌握程度达到76分以上；能力提升：88%的学生能独立完成问题诊断，并利用AI工具提出可行性改进方案；思政成效：92%的学生表示通过课程增强了学生的环保人文意识和科技创新的感悟，持续关注环保与可持续发展议题。

3.2 教学方法创新

动态学情反馈：AI系统实时分析学生表现，教师针对性调整教学进度，课堂效率提升25%；跨学科融合：通过高分子物理、智能制造、环保科学的交叉教学，培养学生复合型创新能力；问题导向+线上线下：以问题为导向，引导学生主动思考和探索添加剂及配方设计对制品加工、使用的影响；理论与实践的结合：构建“理论与实践结合”的教学模式，提升学习效果。同时，以案例问题拓展和实践问题为导向，激发学生运用智能工具的意识，强化科学思维训练。

3.3 教学工具创新

本课程融合智慧教学平台与AI技术，依托雨课堂、超星学习通等工具，实现课前-课中-课后全流程管理，包括资源推送、实时互动及复习反馈。引入AI助教提供个性化学习支持和实时答疑，提升学习效率。通过学情数据监控与分析，识别薄弱环节，动态调整教学策略，增强教学针对性。课程以问题导向、线上线下融合及实例拓展等多维度创新，有效提升了学生参与度、实践能力及科学素养，为培养高分子材料专业高素质人才提供了支撑。

结语

本案例借助AI技术强化了问题导向教学，使学生对高分子添加剂及配方设计的掌握从单一知识点认知提升至系统化应用层面，有效训练了实践与创新思辨能力，为培养能解决高分子材料复杂工程问题的应用型人才奠定了坚实基础。

参考文献

[1] 樊澜. "AI+教育"赋能人才培养与教学实践[J].中国教工, 2024, (11):42-43.

[2] 吴冰蓝,周丽萍,岳昌君. AI时代高等教育要素投入对本科生核心能力增值的贡献[J].教育与经济, 2024, 40(2):68-78.

[3] 韩海燕. 5G+AI时代高校教师教学能力提升路径研究[J].教育信息技术, 2024, (4):8-11.

[4] 程楠楠,李芳丽,吴璇. AIGC赋能计算机课程自适应教学模式探索[J].现代职业教育, 2024, (6):21-24.

[5] 郑瑶,夏婷婷. 基于知识图谱的辅助教学问答AI助手设计与实现[J].信息与电脑, 2024, 36(2):235-237.

[6] 张红光,李永涛,杨志红,陈伟,毕岚,董慧媛,王允辉,单俊豪. 基于知识图谱的"大学物理"AI课程建设与实践[J].大学物理, 2025, (5):41-47,75.

[7] 谢丹,陈风青,姜柏羽,肖友华,刘丽娜,戴进峰. 基于知识图谱与AI赋能高分子化学的数智化教学思考[J].高分子通报, 2025, (5):837-843.

[8] 靳泳慧. YZ公司PVC钙锌稳定剂营销策略研究[D]. 河北大学, 2019.

[9] 张笑潭. 浅谈化学添加剂对食品安全的危害及检测方法[J]. 食品安全导刊, 2019, (9):124.

[10] 宋力,赵晶晶,王战勇,苏婷婷. 生物降解塑料降解技术及其前景展望[J]. 塑料, 2020, 269(05):93-96+125.

[11]刘亦晴. 浅析塑料降解及回收利用技术[J]. 科技经济市场, 2020, (9):5-7.