本学期担任广州职业技术大学信息工程学院（数字化赋能中心）24级软件技术三二分段班《软件项目包测试（系统级功能测试）》课程授课教师，面向41名大一学生（含38名男生、3名女生）开展为期6周的系统化教学，总学时72学时（每周12学时）。课程以“理论奠基+分层实践”为核心展开，聚焦软件功能测试的核心技能培养，涵盖功能需求、测试需求、测试用例、缺陷报告及项目实战等模块，采用平时成绩（50%）与期末项目考核（50%）相结合的评价模式。

本报告将从课程实施、成绩分布、存在问题及改进方向等方面进行全面总结与分析，为后续教学优化提供参考依据。

一、课程实施

本课程以“理论奠基+分层实践”为核心设计思路，围绕软件功能测试的全流程能力培养展开，同步融入课程思政元素，强化学生的职业素养与社会责任感。课程共分为三个阶段：基础知识导入（8-10学时）、传统手工测试项目实践（28学时）及大模型辅助测试项目实战（34学时），总学时分配兼顾知识吸收、技能强化与价值引领。

在基础知识导入阶段，从课程评分与考核、CNAS软件测试标准解读、大模型简介及使用三个部分，向学生们系统的讲解了课程基本情况与前沿专业知识。课程评分与考核部分，综合考虑考勤签到、课题纪律、平时作业、期末项目等多方面因素，使得成绩可以综合全面覆盖教学全流程；CNAS软件测试标准解读方面，介绍了由中国合格评定国家认可委员会（CNAS）制定的CNAS软件测试标准，指导和规范软件测试活动。标准涵盖了软件测试的各个方面，包括测试计划、测试用例设计、测试执行、缺陷管理、测试报告编写等，旨在确保软件测试的全面性、准确性和有效性；大模型简介及使用方面，以Deepseek为切入点，系统介绍了大模型的概念、国内外常用大模型、提示词、智能体、大模型幻觉问题、大模型的应用等内容。

在传统手工测试项目实践阶段，学生分组完成超市管理系统功能测试，涵盖登录、商品管理、订单结算等核心模块。通过手工编写测试用例、执行黑盒测试及生成标准测试文档，强化功能测试流程规范与文档标准化能力。 

在大模型辅助项目实战阶段，引入智普清言大模型工具，指导学生利用其生成测试用例、模拟用户交互场景及自动生成测试报告。项目重点在于对比传统与智能测试效率差异，探索AI技术在测试文档优化、异常场景预测中的创新应用。 

在课间休息时间，通过播放红色歌曲、共青团中央制作的短视频等形式，将思政内容与新媒体形式相结合，引导积极向上的班级氛围。

二、成绩分布

通过使用学校统一设置的课程平台超星完成课前、课中、课后全流程记录。据统计，共进行28次点名签到、8次个人或小组任务（项目实践）、1次通知。学生成绩由签到、课堂表现、超市管理系统项目的平时分与教务管理系统项目的期末分共同组成。签到次数最多的同学为28次，满勤，最少的为8次（包含请假3次），影响课堂纪律7人次。交项目作业方面，有同学的个人与小组任务全部按时提交，也有部分同学在规定时间补交，还有少部分同学，在截止时间后依然未交。从下图可以看出，课程最终成绩与平时成绩、期末成绩密切相关，大体呈正态分布。

三、存在问题及改进方向

学生对智普清言等大模型的技术原理（如自然语言处理逻辑、模型训练数据局限性）理解较浅，仅停留在“输入需求-生成用例”的工具操作层面，缺乏对“如何优化提示词提升生成质量”“如何验证AI生成用例的有效性”等关键问题的探究，导致AI辅助测试的创新性未充分释放。

在接下来的课程研究中，可以拓展大模型辅助测试的教学深度，培养技术迁移能力，设计“提示词工程”“用例有效性验证”等专项任务，并通过“测试用例盲测”（学生交换模型生成的用例并评估质量）强化应用能力。在与学生的沟通与相处中，也要继续积累经验，用更加饱满的热情对待课堂。

      最后，感谢南京大学智能软件工程实验室（iselab）对此次实践课程提供的测试平台与技术支持！