为响应国家教育数字化战略，探索中职创新性教学的有效途径，促进全体教师数字素养和教学能力提升。4月11日下午，浙江省湖州艺术与设计学校邀请到浙江工业大学教育技术研究所所长、省重点学科教育技术学负责人李浩君教授到校向全体教师做题为《DeepSeek赋能教科研：从问题挖掘到成果产出的智能跃迁》的报告。该报告系统阐述了生成式人工智能工具DeepSeek的核心功能、实践路径和创新价值，为提升学校教师AI的深度应用能力和推动教学研究数智化提供了非常宝贵的经验和参考范式。

智能跃迁：从问题挖掘到成果优化

讲座伊始，李浩君教授介绍了生成式人工智能（GAI）的发展趋势，并重点解析了国产大模型DeepSeek的技术特性。他指出，DeepSeek系列模型（如DeepSeek—R1、V3等）凭借强化学习与混合专家（MoE）架构，在逻辑推理、多模态数据处理等领域表现卓越，已形成覆盖问题挖掘、论文优化、成果产出的教科研全链路支持能力。

在“问题挖掘”环节，李教授提出“俄罗斯套娃原则”，强调通过多轮对话与跨学科视角分解研究问题的核心。他以中职课堂学生参与度低、人工智能与职业教育融合等现实案例为例，演示了如何利用DeepSeek整合政策文件、社会需求与文献数据，快速定位研究空白并生成创新性选题。例如，针对“传统零售业转型困境”，DeepSeek通过数据对比与逻辑推演，提炼出“感官体验优势+数字化融合”的破局路径，为论文选题注入跨学科视角。

论文优化：从结构重塑到学术创新

围绕论文撰写与优化的痛点，李教授展示了DeepSeek的智能化辅助功能。通过实际案例，他详细解读了模型在段落逻辑优化、核心内容深化、学术表达创新等方面的应用。例如，在修改职业教育课程建设相关段落时，DeepSeek不仅重构了论证框架，还引入“敏捷重构”“动态知识拓扑网络”等创新概念，显著提升了论文的学术深度与表达新颖性。

此外，李教授特别强调了DeepSeek的“评审意见处理”能力。通过模拟专家视角，模型可精准识别实验设计漏洞、理论框架模糊等问题，并提供数据验证、样本扩展等改进建议。现场展示的“支架教学法”研究案例中，DeepSeek针对实验样本局限性与长期效果缺失等短板，提出了平行班对照、纵向追踪等解决方案，为研究者规避学术风险提供了可靠支持。

赋能未来：构建教科研智能新生态

讲座尾声，李浩君教授总结了DeepSeek的六大应用层级——从基础提问到跨领域协同，并呼吁教育工作者主动拥抱技术变革。他指出：“DeepSeek不仅是素材整理的‘私人秘书’，更是学术创新的‘思维伙伴’。通过人机协同，我们有望突破传统研究范式，构建更具弹性与创造力的教科研生态。”

作为本学期校本研修重点内容，李教授的报告激发了学校教师了解AI、学习AI和应用AI的热情。大家认真聆听、悉心学习，反响热烈，纷纷表示这次报告令人耳目一新、醍醐灌顶，加快了学习和应用人工智能的迫切心情。未来学校将持续深化人工智能等前沿技术在教育教学研究中的应用，为打造中职数智化学校，建设一支具备现代数字素养的教师队伍不断努力。（俞林生 康全）