人工智能背景下消防燃烧学教学模式改革研究

朱思敏*

（中国消防救援学院，北京，102202）

摘  要：为紧跟学科前沿、顺应人工智能时代国家战略性人才培养需求，针对当前“消防燃烧学”课程存在的教学内容更新滞后、课程体系与教学模式的适配性不足以及学生主体性发挥不充分等问题，通过融入生成式人工智能技术、丰富前沿内容、实施线上线下混合教学、拓展虚拟实践空间等路径，探索人工智能背景下“消防燃烧学”教学模式的创新与实践，构建“师-机-生”协同的人机融合教学模式，推进“理论教学-实践教学”一体化的教学模式改革，为适应“人工智能+消防工程”发展需求、培养新时代消防安全与应急救援人才提供参考与借鉴。

关键词：人工智能；消防燃烧学；“人工智能+教育”；教学模式改革；人机融合教学

以AI为核心的第四次工业革命正改变社会生产与生活形态。消防工程作为公共安全与灾害防治关键学科，其知识体系与能力要求随智慧消防、数字孪生发展而快速演进^[1]。在AI背景下，火灾动力学机理、灾害演化模拟与灭火救援决策呈现新研究范式；消防燃烧学作为研究火灾发生发展规律的基础学科^[3]，面临新发展环境与教学情境。AI广泛应用既推动消防行业智能化转型，也对知识体系更新与人才培养提出新要求^[4]。近年智慧消防、数字化预案与火灾数字孪生等实践推进，复杂火灾风险的识别、分析与处置能力显著提升。行业对复合型、智能化、实践导向人才需求凸显，传统以知识传授为主的教学模式在内容更新、方式与能力培养上渐显适配不足，亟需改革回应。

宏观层面，教育已成各国布局AI的重要方向，主要国家相继将AI纳入国家教育战略以应对人才挑战。2016年美国发布《为人工智能的未来做好准备》与《国家人工智能研究和发展战略计划》，提出以教育体系支撑AI发展；2017年法国发布《法国人工智能综合报告》指引教育智能化转型。我国持续深化AI与教育融合：2017年国务院《新一代人工智能发展规划》^[5]首提“智能教育”；2025年《国务院关于深入实施“人工智能+”行动的意见》^[6]强调AI全面融入教学全过程、推动高教模式与人才体系系统变革；同年“人工智能与高等教育的未来”世界大学校长论坛探讨改革路径。政策表明AI正重塑高教模式与人才体系。

上述背景下，探索AI赋能消防燃烧学教学具现实必要性与实践价值。一方面需梳理AI在安全工程及相关学科教学中的应用进展，分析其融入课程的可行性与优势；另一方面针对内容更新滞后、方式单一、学生主体性不足等问题，探讨改革机遇与挑战。本文在综述AI教学应用基础上，重点分析赋能消防燃烧学教学的改革思路与实施路径，为“人工智能+消防工程”课程建设与教学改革提供参考。

1 人工智能在安全工程及教学领域中的应用进展

人工智能发展历经三次浪潮：20世纪50-60年代以图灵《计算机械与智能》（1950）为标志起步；80-90年代霍普菲尔神经网络推动符号推理与统计学习并行；2006年至今进入深度学习阶段^[7–8]。各阶段衍生出专家系统、机器学习、自然语言处理、深度学习等技术分支，逐步引入安全科学，为消防工程研究与教学提供新支撑。

安全工程与消防领域AI应用较早。20世纪60年代初国外发展以知识库、推理机为核心的专家系统（ES）^[9]，用于火灾风险评估^[10]、灾害推演^[11]、应急预案与安全数据管理^[12]；1997年机器学习提出后，凭自适应与并行处理能力广泛用于火灾图像识别^[13]与风险时空分析^[14–15]，其中神经网络、决策树、支持向量机、随机森林应用最广。第三次浪潮中，深度学习凭模式识别与大数据优势，成为消防研究最活跃技术之一。

笔者基于Web of Science，以“artificial intelligence”与“fire safety”/“combustion”为主题检索2011-2025年文献，梳理国外进展。AI已在消防安全多方向发挥作用：机器学习分析火灾参数多维变化；深度学习结合智慧消防与应急救援，推动热成像与传感网络火灾态势认知；显式推演模型用于建筑火灾仿真^[16]；GeoAI应用于城市、森林、化工园区等火灾风险动态评估。总体看，AI与消防燃烧学深度融合已成不可逆转趋势。

国内AI与消防交叉研究持续增长。CNKI检索2005-2025年“人工智能”与“消防”/“燃烧”文献（图1）显示，机器学习、深度学习与生成式AI已成研究热点，广泛用于火灾仿真与教学。我国学者早期引入专家系统、决策支持系统开展火灾模拟，近期聚焦深度学习、数字孪生与生成式AI于智慧消防与教学，体现国家战略与技术前沿。教学层面，AI赋能多集中于技能培训，高教专业理论课程研究不足；虽有文献指出AI推动教育智能化、融合化转型^[17]，大语言模型可减轻备课压力、加快资源更新、支持学生实操^[18]，但专门面向消防燃烧学的AI教学研究仍处初步探索。总体而言，AI在消防研究与部分教学中优势显著，其在消防燃烧学中的系统化应用有待深入；推动AI真正融入教学实践、构建国家战略的改革路径，兼具现实可行性与研究价值。

图1人工智能与燃烧学相关研究的关键词共现聚类

2 人工智能背景下消防燃烧学教学模式改革的现实机遇

2.1 理论教学层面的变革机遇

2.1.1 学科前沿快速演进与教学内容更新的迫切需求

公共安全需求增长驱动火灾科学与燃烧动力学发展，燃烧机理、火灾蔓延模型与灭火技术前沿不断涌现。这些现象具机理复杂性与多尺度耦合特征，传统教材稳定知识体系难以帮助学生理解深层机制与演化逻辑。同时，AI在火灾研究中的广泛应用重塑了动力学过程与灾害链认知，对参数测度、仿真范式与解释框架提出新要求^[19–20]。双重因素推动知识体系持续扩展，而现有教材（如《消防燃烧学》）难以及时涵盖前沿成果与实践案例、更新滞后。借助AI与数字化资源动态引入前沿、拓展课堂知识边界，已成为理论教学改革的重要机遇。

2.1.2 课程体系与传统教学模式的适配性不足

在现有的课程体系之中，“消防燃烧学”与“建筑防火”“火灾风险评估”“火灾调查”等课程存在内容交叉，边界模糊，学生难以构建清晰知识框架。交叉本身非全弊端，但基础学时压缩加大了掌握核心理论的难度。依托单一教材、以讲授为主的传统模式局限性由此暴露^[21]：一是知识碎片化，跨章节、跨课程整合困难；二是有限学时难以完成从理论到能力的深度转化；三是无法回应数字时代复合型、创新型人才培养需求。AI在知识组织、内容推送与学习路径个性化上的优势，为重构内容结构、优化教学模式提供了可能，使理论教学改革具备现实可行性。

2.2 实践教学层面的变革机遇

2.2.1 学生主体性不足与实践教学方式转型需求

“以学生为中心”理念尚未在实践层面落实^[22]。消防燃烧学多开设于理工及消防类院校，实践仍延续传统工程教育模式，实验与演示以验证性为主，学生多被动接受^[23]。此举缺乏自主探究与问题驱动空间，难以在复杂情境中运用知识解决实际问题，不利于培养综合分析、批判性思维与创新意识。AI在情景构建、问题生成与过程支持上的优势，为推动学生主体性回归、重塑实践教学提供了契机。

2.2.2 实践教学形式单一与能力培养需求之间的矛盾

消防燃烧学强调理论联系实际，传统实践主要依托实验室燃烧实验与实地观摩。然而火灾场景日趋复杂，单一传统形式已难以支撑复杂火灾动力学认知^[24]。课程人才服务于建筑防火、化工安全、智慧消防等国家战略领域，对综合分析、数据处理与技术能力要求更高，传统实验难以满足复合型人才培养需求。AI支持的虚拟仿真、数据驱动分析与情境化实践，为拓展实践形式、提升教学质量提供了新空间。

3 人工智能背景下消防燃烧学教学模式改革的实践路径

针对消防燃烧学教学内容滞后、方式单一、实践不足等问题，应以人工智能赋能为抓手推进教学改革。在AI深度介入下，构建“师-机-生”协同的人机融合模式，从理论与实践两层面重构教学，形成内容前沿、方法智能、虚实结合的新范式。具体变革路径如图2所示。

3.1 理论教学层面的改革路径

3.1.1 理论内容的动态更新与结构优化

理论教学改革首要任务是教学内容动态更新与系统整合。教师可将以深度学习为核心的生成式AI引入教学，发挥其信息检索、文本生成与知识整合优势。课前，教师借助AI自然语言处理能力，高效检索整合消防燃烧学前沿成果与最新灾害案例，突破传统教材在时效与案例覆盖上的局限，提升内容前沿性与丰富性；例如讲授轰燃时，引导学生用AI对比不同建筑结构、通风条件下的轰燃临界参数，提供多元解释视角。学生亦可课前用AI搜索案例或提问，记录疑问于课堂与师生探讨。

实施中，教师借助AI生成文本、图像、音频、视频、动画、虚拟人多模态素材^[25]，将抽象理论转化为直观生动内容，实现多模态赋能；如构建“建筑火灾轰燃过程”三维模型，动态观察温度、热辐射与烟气层时空分布耦合，或制作“油池火燃烧速率演变”动态视频展示不同燃料、尺度下火源功率变化，增强可视化与趣味性，提升理解深度。

课堂环节，教师围绕核心知识设问题情境，引导学生在AI支持下查扩展案例并辨析其合理性；当AI生成内容存在学术偏差或逻辑问题时，教师及时引导纠正反思，实现批判性使用。教师由此从知识传授者转为学习环境设计者与AI内容引导者、鉴别者，学生从被动接受者转为主动探究主体。

图2 基于人工智能的消防燃烧学教学模式改革路径

3.1.2 “人工智能+混合教学”模式构建

针对课程交叉多、学时压缩等现实问题，可构建以AI为支撑、贯穿“课前-课中-课后”全过程的线上线下混合教学模式。

课前，学生借智慧教学系统或资源平台开展线上自主学习与预习，平台提供微课、结构化课件与基础测试题；AI自动采集分析学习行为数据（视频进度、测验成绩、互动情况），诊断掌握水平与难点并生成学情分析报告，为教师精准教学提供依据。

课中，教师据学情分析动态调整内容与任务，将课堂重点用于解析重难点、组织案例讨论与培养应用能力；通过小组合作围绕核心理论、跨学科概念或真实火灾案例展开讨论，并鼓励学生借超星学习通等平台发布观点，既提升参与度，又完整记录学习过程、支撑后续评价。

课后，AI依据课前课中表现智能推送个性化练习、拓展阅读与研究案例，支持查漏补缺与能力拓展；小组可线上继续完成课堂启动的仿真或模拟项目，经远程协作与成果优化将学习延伸至课外。

该模式在有限学时内兼顾不同需求，助学生构建系统化知识框架；学生居主体、教师施引导调控，依托全过程数据实现形成性评价，提升评价科学性与针对性。

3.2 实践教学层面的改革路径：虚拟实践空间的拓展

消防燃烧学这门学科，其实践导向的特征十分明显。学者强调应积极参与实践，在实验与模拟中关注特殊火灾现象以发挥实质作用^[26]。针对实践教学中学生主体性不足、形式单一等问题，可借AI拓展虚拟实践空间，提供多样参与方式。

课前，教师依托VR/AR构建沉浸式虚拟火灾场景，学生以第一视角观察不同建筑结构内火灾的初期增长、充分发展与衰减阶段，直观理解轰燃“热反馈”机理及临界条件。进而引入AI推演平台，引导学生以知识探究者身份参与：调取目标建筑几何、材料、通风等真实参数，自主设定火源位置、功率与通风条件，将燃烧与烟气运动理论转化为灾害演化预测方案，在实践中优化参数、探索防控可能，教师实时指导。

课后，教师依据任务表现、方案质量与报告完整性综合评价，并针对性指导：理论薄弱者推荐经典文献与事故案例；软件操作短板者开放专属训练模块；推演逻辑不清者经复盘梳理优化路径。同时组织成果互评，分享创新思路与解题经验，以强化知识内化、夯实基础、提升实践创新能力。

教师不再是单向传授者，而是虚拟实践环境设计者与学习引导者：以启发式提问助学生突破瓶颈，实践后组织成果交流与反思，引导总结操作经验与认知偏差。评价综合AI平台记录的操作轨迹、方案演变，及参与度、方案科学性与创新性、协作表现与成果质量，采用教师评、小组互评与学生自评相结合的多元方式衡量知识应用与实践素养。

该模式优势在于：提升实践教学的开放性与真实性；促进理论向复杂火灾问题实际能力转化；为火灾科研、安全设计与应急救援等实践工作打下坚实基础。

3.3 小范围试点实施效果

为验证上述改革路径的有效性，本研究在23级学生选取2个自然班开展了为期一学期的教学对比试点。其中实验班（1班，n=42）采用AI辅助教学模式，对照班（2班，n=40）采用传统教学模式。两班学生在前期“工程热力学”课程成绩上无显著差异（t=0.36，p>0.05），保证了对照的有效性。

3.3.1 试点数据对比分析

（1）期末理论成绩对比。期末理论考试采用统一命题、统一阅卷，满分100分。实验班平均分为82.6分（标准差9.2），对照班平均分为74.3分（标准差11.8），实验班高出8.3分（t=3.51，p<0.05）。实验班优秀率（≥85分）达38.1%，对照班为17.5%（χ²=4.32，p<0.05）；实验班及格率为97.6%，对照班为85.0%（χ²=3.98，p<0.05）。尤其在“燃烧热力学”“着火与灭火理论”等抽象模块，实验班得分优势更为突出。

（2）实操考核得分对比。实操考核设置三个项目：可燃气体爆炸极限测定、灭火剂选择与喷射操作、火灾场景应急处置流程演练。实验班三项均分分别为88.4、85.7、90.1，对照班分别为79.2、80.5、76.8，实验班总分均值为88.1，对照班为78.8，分差达9.3分。实验班在应急处置流程项目中优势最为显著，这与AI辅助教学中引入虚拟仿真实训密切相关——学生在虚拟环境中反复演练火场态势研判，形成了较强的场景应变能力。

（3）学生问卷反馈。学期末向两班发放教学效果评价问卷（有效回收率实验班100%、对照班97.5%）。在“课程对理解燃烧机理的帮助程度”题项上（5级量表），实验班均值为4.31（“帮助较大”至“帮助很大”），对照班为3.52（t=4.67，p<0.01）。实验班在“对燃烧现象可视化理解的促进”（4.45 vs 3.28）、“火场态势研判能力提升”（4.19 vs 3.15）、“学习兴趣与投入度”（4.38 vs 3.46）、“教学模式整体满意度”（4.40 vs 3.61）等维度上均显著优于对照班。开放式反馈中，实验班高频词包括“直观”“可交互”“反复练习”，对照班则较多提及“抽象”“记忆困难”。

4 结论

在AI快速发展背景下，消防燃烧学教学面临新环境与改革任务。本文立足”“人工智能+教育”融合背景，系统分析了教学内容更新滞后、课程体系与模式适配不足、学生主体性有限及实践形式单一等问题，指出需以AI赋能推动教学模式系统性变革。

围绕上述问题，本文以“师-机-生”人机协同为核心框架，从理论与实践两层探讨改革路径：理论教学引入生成式人工智能，构建“人工智能+混合教学”模式，提升内容前沿性与过程精准性；实践教学拓展VR/AR与智能火灾推演平台等虚拟空间，丰富形式并强化学生在复杂情景中的知识应用与问题解决能力。以上探索为回应“人工智能+消防工程”人才需求提供可行路径，也为安全工程类课程智能化转型提供参考。

需指出，AI应用仍存在信息偏差、内容质量不稳定等问题。推进融合时更应强化教师引导作用与教学规范建设，引导学生理性、批判地使用技术，避免技术替代思维。未来可结合教学实践，针对AI赋能教学的实际效果开展实证研究，持续推动模式优化与发展。

参考文献

[1]王嵩,黄经南,王存颂,等.人工智能影响下的城市空间演变设想:基于城市未来学的视角[J].城市发展研究,2023,30(12):1-8.

[2]杜文锋.消防燃烧学[M].北京:机械工业出版社,2019.

[3]杨永春,菅煜婷.人工智能时代城市地理学发展的变革与挑战[J].地理学报,2024,79(10):2425-2441.

[4]中华人民共和国国务院.新一代人工智能发展规划[EB/OL]. (2017-07-20)[2026-01-20].

[5]中华人民共和国国务院.国务院关于深入实施“人工智能+”行动的意见[EB/OL].(2025-08-21)[2026-01-20].

[6]熊辉.人工智能发展到哪个阶段了[J].人民论坛,2018(2):14-16.

[7]梁迎丽,刘陈.人工智能教育应用的现状分析、典型特征与发展趋势[J].中国电化教育,2018(3):24-30.

[8]安丽娜,张士杰.专家系统研究现状及展望[J].计算机应用研究,2007,24(12):1-5.

[9]范维澄,刘乃安.火灾风险评估与性能化防火设计[M].合肥：中国科学技术大学出版社,2015.

[10]钟茂华.火灾过程动力学与仿真[M].北京:科学出版社，2019.

[11]张和平,等.消防安全工程学[M].北京:机械工业出版社,2018.

[12]赵丹平,顾海燕,贾莹.机器学习法在面向对象影像分类中的对比分析[J].测绘科学,2016,41(10):181-186.

[13]张润,王永滨.机器学习及其算法和发展研究[J].中国传媒大学学报（自然科学版）,2016,23(2):10-18.

[14]刘奕,刘骥,张辉.基于机器学习的城市火灾风险时空预测研究进展[J].中国安全科学学报,2021,31(5):1-9.

[15]胡隆华,等.建筑火灾烟气运动与控制[M].北京:科学出版社,2020.

[16]万义良,金瑞,苗则朗,等.人工智能赋能的GIS空间分析“三维一体”智慧教学模式研究[J].测绘通报,2025(S2):319-323.

[17]汤圣君,李晓明,王伟玺,等.LLM赋能地理信息系统教学能力与风险评估探讨[J].测绘通报,2024(1):1-8.

[18]龙瀛,赵慧敏,张业成.新城市科学：技术、计算、变革与应用[J].城市规划,2024,48(7):4-15.

[19]龙瀛,赵慧敏.城市空间重构:人工智能背景下的规划机遇[J].城市规划,2025,49(10):2-11.

[20]申明锐,周文昌,黄春晓,等.面向规划应用的城市地理学模块化教学探索:兼论地理背景院校对规划学科的思维贡献[J].城市规划,2025,49(5):17-27.

[21]张静华.高校教师本科教学能力存在的问题及对策研究[J].中国高教研究,2020(5):9-16.

[22]李旭,李守中,杨玉盛.高校地理实践教学改革驱动因素及其趋向探析[J].中国大学教学,2008(9):75-77.

[23]徐志胜,姜学鹏.安全工程专业实验教程[M].北京:机械工业出版社,2018.

[24]万力勇,杜静,熊若欣.人机共创:基于AIGC的数字化教育资源开发新范式[J].现代远程教育研究,2023,35(5):12-21.

[25]冯健.中国城市地理学的传承与发展[J].地理研究,2017,36(11):2029-2046.

[26]吴志强,甘惟,刘朝晖等.AI城市:理论与模型架构[J].城市规划学刊,2022(5):17-23.

基金项目：中国消防救援学院教学改革项目（人工智能赋能的《消防燃烧学》混合式教学改革与实践）

作者简介：朱思敏（1988-），女，博士研究生，主要从事消防燃烧学教学方面的研究。E-mail: zhusimin2013@126.com

...