本學(xué)期擔(dān)任廣州職業(yè)技術(shù)大學(xué)信息工程學(xué)院（數(shù)字化賦能中心）24級軟件技術(shù)三二分段班《軟件項(xiàng)目包測試（系統(tǒng)級功能測試）》課程授課教師，面向41名大一學(xué)生（含38名男生、3名女生）開展為期6周的系統(tǒng)化教學(xué)，總學(xué)時72學(xué)時（每周12學(xué)時）。課程以“理論奠基+分層實(shí)踐”為核心展開，聚焦軟件功能測試的核心技能培養(yǎng)，涵蓋功能需求、測試需求、測試用例、缺陷報告及項(xiàng)目實(shí)戰(zhàn)等模塊，采用平時成績（50%）與期末項(xiàng)目考核（50%）相結(jié)合的評價模式。

本報告將從課程實(shí)施、成績分布、存在問題及改進(jìn)方向等方面進(jìn)行全面總結(jié)與分析，為后續(xù)教學(xué)優(yōu)化提供參考依據(jù)。

一、課程實(shí)施

本課程以“理論奠基+分層實(shí)踐”為核心設(shè)計思路，圍繞軟件功能測試的全流程能力培養(yǎng)展開，同步融入課程思政元素，強(qiáng)化學(xué)生的職業(yè)素養(yǎng)與社會責(zé)任感。課程共分為三個階段：基礎(chǔ)知識導(dǎo)入（8-10學(xué)時）、傳統(tǒng)手工測試項(xiàng)目實(shí)踐（28學(xué)時）及大模型輔助測試項(xiàng)目實(shí)戰(zhàn)（34學(xué)時），總學(xué)時分配兼顧知識吸收、技能強(qiáng)化與價值引領(lǐng)。

在基礎(chǔ)知識導(dǎo)入階段，從課程評分與考核、CNAS軟件測試標(biāo)準(zhǔn)解讀、大模型簡介及使用三個部分，向?qū)W生們系統(tǒng)的講解了課程基本情況與前沿專業(yè)知識。課程評分與考核部分，綜合考慮考勤簽到、課題紀(jì)律、平時作業(yè)、期末項(xiàng)目等多方面因素，使得成績可以綜合全面覆蓋教學(xué)全流程；CNAS軟件測試標(biāo)準(zhǔn)解讀方面，介紹了由中國合格評定國家認(rèn)可委員會（CNAS）制定的CNAS軟件測試標(biāo)準(zhǔn)，指導(dǎo)和規(guī)范軟件測試活動。標(biāo)準(zhǔn)涵蓋了軟件測試的各個方面，包括測試計劃、測試用例設(shè)計、測試執(zhí)行、缺陷管理、測試報告編寫等，旨在確保軟件測試的全面性、準(zhǔn)確性和有效性；大模型簡介及使用方面，以Deepseek為切入點(diǎn)，系統(tǒng)介紹了大模型的概念、國內(nèi)外常用大模型、提示詞、智能體、大模型幻覺問題、大模型的應(yīng)用等內(nèi)容。

在傳統(tǒng)手工測試項(xiàng)目實(shí)踐階段，學(xué)生分組完成超市管理系統(tǒng)功能測試，涵蓋登錄、商品管理、訂單結(jié)算等核心模塊。通過手工編寫測試用例、執(zhí)行黑盒測試及生成標(biāo)準(zhǔn)測試文檔，強(qiáng)化功能測試流程規(guī)范與文檔標(biāo)準(zhǔn)化能力。 

在大模型輔助項(xiàng)目實(shí)戰(zhàn)階段，引入智普清言大模型工具，指導(dǎo)學(xué)生利用其生成測試用例、模擬用戶交互場景及自動生成測試報告。項(xiàng)目重點(diǎn)在于對比傳統(tǒng)與智能測試效率差異，探索AI技術(shù)在測試文檔優(yōu)化、異常場景預(yù)測中的創(chuàng)新應(yīng)用。 

在課間休息時間，通過播放紅色歌曲、共青團(tuán)中央制作的短視頻等形式，將思政內(nèi)容與新媒體形式相結(jié)合，引導(dǎo)積極向上的班級氛圍。

二、成績分布

通過使用學(xué)校統(tǒng)一設(shè)置的課程平臺超星完成課前、課中、課后全流程記錄。據(jù)統(tǒng)計，共進(jìn)行28次點(diǎn)名簽到、8次個人或小組任務(wù)（項(xiàng)目實(shí)踐）、1次通知。學(xué)生成績由簽到、課堂表現(xiàn)、超市管理系統(tǒng)項(xiàng)目的平時分與教務(wù)管理系統(tǒng)項(xiàng)目的期末分共同組成。簽到次數(shù)最多的同學(xué)為28次，滿勤，最少的為8次（包含請假3次），影響課堂紀(jì)律7人次。交項(xiàng)目作業(yè)方面，有同學(xué)的個人與小組任務(wù)全部按時提交，也有部分同學(xué)在規(guī)定時間補(bǔ)交，還有少部分同學(xué)，在截止時間后依然未交。從下圖可以看出，課程最終成績與平時成績、期末成績密切相關(guān)，大體呈正態(tài)分布。

三、存在問題及改進(jìn)方向

學(xué)生對智普清言等大模型的技術(shù)原理（如自然語言處理邏輯、模型訓(xùn)練數(shù)據(jù)局限性）理解較淺，僅停留在“輸入需求-生成用例”的工具操作層面，缺乏對“如何優(yōu)化提示詞提升生成質(zhì)量”“如何驗(yàn)證AI生成用例的有效性”等關(guān)鍵問題的探究，導(dǎo)致AI輔助測試的創(chuàng)新性未充分釋放。

在接下來的課程研究中，可以拓展大模型輔助測試的教學(xué)深度，培養(yǎng)技術(shù)遷移能力，設(shè)計“提示詞工程”“用例有效性驗(yàn)證”等專項(xiàng)任務(wù)，并通過“測試用例盲測”（學(xué)生交換模型生成的用例并評估質(zhì)量）強(qiáng)化應(yīng)用能力。在與學(xué)生的溝通與相處中，也要繼續(xù)積累經(jīng)驗(yàn)，用更加飽滿的熱情對待課堂。

      最后，感謝南京大學(xué)智能軟件工程實(shí)驗(yàn)室（iselab）對此次實(shí)踐課程提供的測試平臺與技術(shù)支持！