上海电机学院机械设计专业、机械电子专业、智能制造专业新能源汽车专业“人工智能+改造快速采购公告

1

专业特色展示

汇总专业建设数据（如学科评估结果、特色课程体系、跨学科合作项目），自动生成结构化特色描述；同时将专业成果（如专利数量、竞赛获奖、论文发表）进行动态展示。

2

专业成果展示

基于知识图谱技术构建成果数据库，整合教师科研项目（如国家自然科学基金、企业横向课题）、学生实践成果（如“互联网+”竞赛奖项、创新创业项目），通过AI语义检索实现“成果-课程-教师”关联（如点击“智能机器人设计”成果，可查看对应的课程、指导教师及参与学生）。

3

就业前景展示

根据往届的学生就业企业信息，汇总生程可视化图表、在结合相关招聘信息附上薪资情况。

4

专业群集成门户建设

集成所有改造建设的专业图谱、专业认证数据大屏等关键数据的一体化门户

5

AI快捷指令查询系统

基础功能

覆盖“选课流程”“退课截止日期”“学分认定材料清单”“补考安排”等高频需求，精准理解用户问题（如“我想退课需要什么手续？”“选修课怎么选？”），自动提取教务系统通知里的实时数据（如当前选课阶段、退课申请截止时间），以结构化文字（如步骤清单）或语音回复（如“退课流程：1. 登录教务系统；2. 进入‘选课管理’；3. 点击‘退课申请’；4. 提交理由等待审核，截止日期为9月30日”）呈现。

6

AI快捷指令查询系统

进阶功能

支持个性化推荐，基于学生的年级、专业、选课记录，提供针对性提示（如“你已选满20学分，建议优先选择与毕业要求关联度高的课程）；同时嵌入常见问题（FAQ）自动更新模块，通过AI分析学生查询日志，定期补充高频问题（如“转专业后学分怎么算？”），优化回复准确性。

7

课程体系与毕业要求、培养目标支撑关系构建

1.课程目标与毕业要求对应关系生成：根据课程目标与毕业要求
2.培养目标与毕业要求支撑关系优化：建培养目标-毕业要求-课程的关联图谱，可视化展示“培养目标→ 毕业要求→ 课程”的传导路径，支持专业团队快速调整课程体系。

8

课程达成度自动分析系统

针对“同个专业相同课程多个教学班课程目标成绩表”(如附件1所示），构建AI驱动的达成度计算与报告生成模块：
1.数据预处理：通过本校课程教学成绩数据，提取每个教学班的学生的课程目标成绩（如《机械原理》课程的“目标1：掌握机构运动分析方法”成绩、“目标2：具备机构设计能力”成绩），并关联教学班信息（如年级、专业）。
2.教学班达成度计算：采用加权平均法（权重由课程大纲规定，如目标1占30%、目标2占70%），通过AI算法自动计算每个课程目标的班级达成率（如“目标1：85%的学生达到合格标准（≥60分）”“目标2：70%的学生达到良好标准（≥80分）”）；
3.报告生成：基于计算结果，自动生成课程达成度报告，包含以下内容(如附件2所示）：
o可视化图表：课程目标达成率柱状图（对比不同目标的达成情况）、课程达成率折线图（展示不同班级的差异）、学生成绩分布直方图（如“目标1：30%学生得分为80-90分”）；
o文字分析：达成情况总结（如“目标1达成率较高（85%），说明学生对机构运动分析方法掌握较好；目标2达成率较低（70%），需加强机构设计实践教学”）、改进建议（如“增加1次机构设计案例研讨课”“优化终结性评价中的设计题分值”）；
o数据溯源：支持点击图表查看原始数据（如某班级的学生成绩清单），确保报告的可追溯性。
o课程目标达成情况分析报告和毕业要求达成情况分析报告要生成符合学院模板要求、符合工程教育认证要求的达成情况分析报告

9

毕业要求与培养目标达成度综合分析系统

基于课程达成度报告与课程-毕业要求对应关系，构建AI整合分析模型，生成毕业要求达成度报告与培养目标达成度报告：
1.毕业要求达成度计算：通过加权求和法（权重由毕业要求指标点的重要性决定，如“工程知识”占20%、“问题解决”占25%），将支撑该指标点的所有课程的达成率加权求和（如“毕业要求指标点1：由《机械原理》（目标1，权重40%）、《机械设计》（目标2，权重60%）支撑，达成率=85%×40% + 80%×60%=82%”），得到每个毕业要求指标点的达成率；进而计算毕业要求整体达成率（如“12个指标点的平均达成率为83%”）。提供问卷功能，包含可以自定义问卷的字段、发放对象、问卷结果统计等。
2.培养目标达成度计算：整合毕业要求达成度数据与外部评价数据（如毕业生就业率、企业满意度调查），分析毕业要求达成度与培养目标实现的相关性，同时结合毕业生追踪数据（如毕业3年内的职业发展情况），计算培养目标达成率（如“80%的毕业生从事‘机械’相关岗位，符合培养目标要求”）。
3.报告生成：
o毕业要求达成度报告：包含毕业要求指标点达成率雷达图（展示各指标点的均衡性）、达成率趋势图（对比近3年的变化）、改进建议（如“某指标点达成率下降（从85%降至80%），需调整支撑课程的教学内容”）；
o培养目标达成度报告：包含培养目标实现情况总结、外部评价分析、未来改进方向（如校企合作项目”）。

10

人才需求数据采集与处理

针对“网上招聘信息”与“本校招聘会信息”，构建AI驱动的数据采集与预处理模块：
1.数据采集：
o网上招聘信息：主流招聘网站（猎聘、前程无忧、BOSS直聘）的机械相关岗位信息（如“机械工程师”“机电工程师”），采集内容包括岗位名称、职责描述、任职要求、企业类型（如制造业、科技公司）、地域（如长三角、临港新片区）；
o本校招聘会信息：通过识别企业现场发放的招聘简章，或对接招聘会管理系统的电子数据，采集企业需求信息（如“要求掌握UG、机械设计”“具备智能装备调试经验”）。
2.数据预处理：通过正则表达式去除无效信息（如广告、联系方式），采用分词工具（如jieba）对任职要求进行分词（如“要求掌握Python、机械设计、智能装备调试经验”→ 分词结果：“Python”“机械设计”“智能装备调试”“经验”）；同时通过实体识别模型（如BERT-CRF）提取关键能力项（如“专业能力：机械设计、AI算法应用；通用能力：项目管理、跨学科沟通”）。

11

职业能力需求分析与图谱构建

基于预处理后的数据，利用AI统计分析与可视化工具生成职业能力需求分析结果：
1.高频能力统计：基础对应产业、企业的用人情况，统计高频职业能力（如“机械设计”“智能装备调试”“新能源汽车电池管理”等）；
2.职业能力图谱生成：通过知识图谱技术构建“产业需求-职业能力-课程”关联图谱，展示以下层级关系：
o核心能力：产业需求最迫切的能力（如“数字化设计”“机器人应用”），对应专业核心课程（如《数字化设计技术》《机器人设计与控制综合训练》）；
o辅助能力：支撑核心能力的基础能力（如“CAD软件操作”“机械制造工艺”），对应专业基础课程（如《机械制图》《机械制造技术》）；
o拓展能力：提升职业竞争力的能力（如“项目管理”），对应通识课程或选修课程（如《项目管理与经济分析》）。

12

培养与需求差距分析

将本校培养方案中的课程体系与产业需求的职业能力进行对比，生成差距分析报告：
1.能力覆盖度分析：统计本校课程体系覆盖的职业能力与未覆盖的能力；
2.能力匹配度分析：计算本校培养的能力与产业需求能力的匹配度；
改进建议：基于差距分析结果，自动生成专业改造建议。