（文/图 软件学院 宁华）2025年6月4日，软件学院测试教研组围绕“AI赋能专业课程教学”主题开展专题研讨。活动由李万伦老师主持，聚焦《软件测试技术》《软件自动化测试与分析》《软件性能测试与分析》三门核心课程，结合AI技术在教学全流程中的应用场景、伦理边界及实施路径展开深度探讨。教研组通过“案例分享-工具演示-策略论证”三环节，系统分析了AI技术在测试需求解析、自动化脚本生成、性能瓶颈定位等教学环节的赋能潜力与风险，并形成课程改革方案2项、校企合作计划1项。
孔玲老师展示了基于大语言模型（LLM）开发的“智能测试需求解析工具”，该工具通过自然语言处理技术，可将模糊的用户需求自动转化为结构化测试场景矩阵。在试点中，学生使用该工具后，需求分析效率提升40%，但唐丽波老师指出过度依赖AI可能导致学生对非结构化需求的理解能力下降，需通过“人机协同训练模块”加以平衡。
李万伦老师提出“AI梯度赋能”教学模型：低年级学生使用AI生成基础测试脚本（如Selenium脚本），高年级学生需对AI生成的脚本进行逻辑复审与优化。吴涛老师现场演示了“AI代码审查助手”，该工具可自动检测学生脚本中的断言逻辑漏洞，在试点中使代码缺陷率降低32%。
针对性能测试教学中的复杂场景模拟难题，教研组计划引入“智能压测沙盒”。该工具可根据教学案例自动生成百万级并发压力测试环境，并实时输出资源占用率、响应时间等数据图谱。唐丽波老师表示，学生在实验报告中通过可视化分析性能瓶颈的准确率从68%提升至85%，但需警惕AI工具掩盖底层原理教学的重要性。
谭凤老师指出，AI工具在提升教学效率的同时，可能削弱学生的底层逻辑思维和创新能力。例如，《软件自动化测试与分析》课程中，过度依赖AI生成脚本的学生在手动设计边界值用例时错误率较传统教学组高22%。
对此，教研组达成了建立“双轨评估体系”的共识，AI工具评分占比不超过50%，重点考核学生的手动调试、逻辑分析及创新设计能力。同时，开发“AI辅助阈值控制系统”，在低年级课程中限制AI使用场景，高年级逐步开放全流程协作，确保能力递进式培养。
最后，研讨会上形成了AI赋能测试课程实施初步计划，一是明确三类课程中AI工具的使用规范及评价标准。二是确定2026学年在《软件测试技术》《软件自动化测试与分析》中试点“人机协同教学模式”，设置AI辅助时长预警机制。三是拟立项校级重点教改项目，由李万伦老师牵头开展为期两年的追踪实验。
