近日，教育人工智能领域权威期刊报道我校在人工智能赋能本科生研究性学习与创新创业教育方面最新研究进展。相关论文From literature to research-based learning: An AI-powered information extraction system to enhance undergraduate thesis completion发表在Elsevier旗下教育人工智能领域权威期刊“Computers and Education: Artificial Intelligence”上面。(https://www.sciencedirect.com/science/article/pii/S2666920X26000536)。该刊最新影响因子为23.4，CiteScore为43.3。
此次研究是我校创新创业教育学院立足拔尖创新人才培养需求，开展跨学科教育教学改革的重要探索。当前高等教育加速从“知识传授”向“能力建构”转型，理工科人才培养更侧重学生的科研思维与创新实践能力。但本科生开展科研训练、研读文献、完成创新实践时，海量文献梳理、多源数据整合、多研究成果对比等重复性工作会占用学生大量时间与精力，使其难以深耕课题研究、开展创新性思考等高阶学习活动，这一难题也成为制约本科生科研创新能力提升的核心痛点。
针对该教学痛点，研究团队研发一套AI驱动的文献信息抽取系统，可将非结构化科研文献转化为结构化、可横向对比、可溯源的数据资源。该系统可从学术论文、专业教材、研究报告、技术手册、网页等多类数据源中提取实验参数、材料类别、实验条件变量、性能指标、文献来源等关键信息，并完成标准化处理，生成支持检索、筛选与多维分析的数据表格。该系统核心特色为结构化比较与证据可追溯，所有提取数据均可精准定位到原始文献的页码、图表位置，支持学生自主核验、修正与规范引用，有效培养学生严谨的科研素养。
该研究的突出价值在于，将AI工具从单纯提升信息处理效率的技术工具，转化为促进学生学习能力、研究能力和创新创造能力发展的教学支撑系统。系统通过文献导入、数据预处理、语义字段抽取、结构化输出、可视化比较和人工核验等环节，引导学生从零散阅读转向跨文献比较，从被动接收信息转向主动建构知识，从简单整理资料转向基于证据提出问题、形成判断和设计方案。
研究团队认为，AI不应成为替代学生思考的“捷径”，而应成为支持学生开展复杂开放性学习任务的数字化脚手架。通过自动处理文献检索、数据转录和单位标准化等重复性工作，系统能够降低学生在低层次信息加工环节的认知负担，使其将更多精力投入变量识别、趋势判断、证据评价、方案论证和创新设计等高阶学习活动。同时，系统设置了原始来源确认、数据人工修正和引用映射等功能，引导学生对AI输出进行验证和反思，避免对自动化结果的简单依赖。
在教学实践验证中，研究团队组织开展了混合方法试点研究。系统共处理80篇科研文献和相关资料，目标实验参数与性能数据的提取和标准化成功率超过90%；学生自报文献分析时间减少约65%；在参与测试的低年级学生中，能够识别至少3个关键实验影响变量的学生比例由使用系统前的37.5%提升至使用系统后的87.5%。
研究结果表明，该系统不仅提高了学生处理复杂科研文献和开展数据比较的效率，也增强了学生从数据中发现规律、理解变量关系、提出研究问题和进行科学判断的能力。参与学生反馈，结构化表格、筛选功能和可视化分析帮助他们更快地把握复杂文献中的核心内容，并形成更加清晰的研究思路。指导教师也观察到，学生在研讨中能够带着数据、问题和初步判断参与交流，师生讨论内容逐渐由基础概念解释转向更高层次的分析、比较和方案论证。
该系统体现出服务创新创业教育和学生创新实践的应用潜力。其模块化设计和数据标准化能力不仅可用于科研训练课程，还可拓展至大学生创新创业训练项目、跨学科课程设计、实验实践教学和高水平学生科技竞赛。论文介绍，该系统已应用于国创赛和挑战杯等学生科技创新和创业类项目，帮助学生快速梳理研究领域进展，构建结构化数据库，并支撑机器学习模型用于先进材料的筛选与设计，体现了该系统从辅助知识学习到支撑创新实践和成果创造的拓展价值。该成果体现了创新创业教育学院以组织创新推动教学创新、以跨学科协同促进创新人才培养的工作思路。通过联动专业学院、科研平台、学生团队和国际合作资源，学院将创新创业教育与专业教育、科研训练和数字技术应用有机结合，探索了人工智能赋能研究性学习和学生创新实践的新模式，也为学校推进新工科建设、拔尖创新人才培养和教育数字化转型提供了有益参考。
本次研究由我校材料学院老师安蓉、2022级纳米班本科生朱维安担任共同第一作者，双创学院老师赵茜、兰司为共同通讯作者，并联合瑞典斯德哥尔摩大学专家合作完成，得到江苏省“青蓝工程”优秀教学团队项目支持。下一步，我校创新创业教育学院将持续发挥教学改革统筹协调、创新实践平台牵引带动作用，联动各专业学院与海内外合作团队，持续拓展系统在STEM学科教学、科研实训课程、大创项目、大学生科创竞赛、跨学科实践、研究生培养等场景的落地应用；同时优化多学科专用数据模板、学情分析、个性化智能指导等功能，推动人工智能从单一工具应用升级为系统性教学改革抓手，为培育具备自主学习、科研创新、工程实践能力与国际视野的高层次创新人才提供全新数字化支撑。
