论文部分内容阅读
摘 要：为配合建设全国知名的高水平职业技术大学的发展导向，以及培养新世纪应用型人才的需求，各高校开始试点面向非计算机专业开设“人工智能导论”公共选修课。根据非专业学生的基础参差不齐、专业背景复杂的特点，借助人工智能的应用案例有针对性地对重点难点内容进行讲授。结合教学实践，对该课程设置的必要性和教学内容进行探索，并对教学过程中的教学策略和考核方式进行总结与反思。本文所总结的教学经验与思考对将来交叉学科的教学情况具有一定的借鉴意义。
關键词：人工智能导论;高等教育;教学改革
人工智能是计算机科学、数学、语言学、信息学等多个学科的交叉融合、相互促进而发展起来的一门新兴学科。人工智能在各个行业发挥越来越重要的作用也正在加速与其他学科技术的融合，形成了生物信息学、新型材料性能预测、智慧城市建设等诸多高新科技行业。结合近年来长三角地区建设职业技术大学的发展趋势，以及高新企业对综合型高素质人才的需求，国内知名高校在相关学院纷纷开设“人工智能”的主干必修课程。然而，人工智能作为一门相对年轻的学科，发展非常迅速，每年都涌现出新的人工智能方法，对人工智能课程的教学提出了挑战。另外，相关的课程多数集中在计算机学院，所开设的课程相对于其他学院的学生来说难度较高，不利于非专业学生的学习。如何对非专业学生开设人工智能的课程也很难确定范畴，缺少成功的教学模式。
面向高等学校学生开设人工智能在物理化学中的应用的课程，能帮助不同专业背景和兴趣的学生，了解现代科学的发展趋势和热点问题，特别是前沿交叉学科中取得的进展。为全面提高学生的基本科学素养，促进学生对所学知识的交叉融合，激发学生的创新能力和迁移学习能力，面向全校学生开设《人工智能导论》的公共选修课成为必然的趋势。由于人工智能课程本身涉及的知识范围广、具有很多抽象概念、计算公式多等特点，如何面向非专业学生确定选修课的教学侧重点，使得《人工智能导论》的教学还处在探索阶段。本文将对教学内容、教学策略、考核方式以及教学反思等方面进行总结。
一、教学内容
（一）合理优化教学侧重点
根据学生的基础，《人工智能导论》的公选课共安排32个课时，教材采用弗朗索瓦·肖莱著、张亮译的《Python深度学习》;推荐的参考书为伊恩·古德费洛，约书亚·本吉奥，亚伦·库维尔著、赵申剑等翻译的《深度学习》。一共讲解了10个专题，分别为：什么是人工智能，机器学习的数学基础，机器学习的编程基础，神经网络入门，卷积神经网络，循环神经网络，神经网络的实践，集成学习与模型优化，人工智能在前沿交叉学科中的应用，人工智能的未来。其中机器学习的数学基础与机器学习的编程基础两个专题是根据学生的数学基础和Python语言的不足特别增加的两个专题。为吸引学生的学习兴趣，并不是完全按照教材内容进行，对每个专题的教学内容进行了编排与优化。每个专题从人工智能方法的发展历史出发，引出每个方法背后的人物故事，进而过渡到该方法的计算流程，最后介绍该方法在人工智能领域所取得的成就。教学的重点内容为机器学习的基本概念和不同神经网络的算法。其中算法部分，通过流程图和伪代码的方式讲解，减少了算法和编程的细节。授课时，通过穿插著名人物的历史故事和奇闻趣事，跌宕起伏的人工智能发展史，成功吸引了学生的兴趣。
（二）因材施教
为进一步激发学生的科研热情，在授课时注意教学重点的差异化。在教学过程中，有意识地引导发生思考各自所学的专业跟人工智能方法的联系。由于课程是面向全校，学生来自各个专业，对于理工类学生，更喜欢程序化的语言;而对于文学艺术类学生，更倾向于通俗科普化的教学。因此在教学过程中更注重与学生的互动，针对经济专业学生的兴趣，谈到股票价格预测和对国际贸易的影响;与环境专业学生交流了人工智能在环境有毒物质检测中的应用，和汽车与交通学院的学生探讨了人工智能在无人驾驶中的应用。在搜集大量背景资料的基础上，通过深入浅出的教学，在面向不同专业学生的同时，也要做到讲解内容的科普化，兼顾所有学生的兴趣，希望能够向学生传达人工智能的基本概念知识。
（三）理论联系实际
注意教学重点的多样化，将理论知识化繁为简，并应用到具体的生活和科研中。在准备教学课件时，减少公式的使用，更多地采用图片、具体的案例、人工智能应用场景的视频，综合利用多媒体技术，将“文图声”集于一体，呈现了人工智能技术广泛的用途。比如在讲解卷积神经网络时，介绍了美国航天局NASA如何使用卷积神经网络分析开普勒空间天文望远镜所获得的海量星空数据，从140亿个数据点中寻找到目标星系。讲解长短期记忆网络时，使用同学们关心的股票数据，进行案例的展示，通过准备好的代码，在课堂上展示如何通过历史数据预测股票的价格走势。在讲解人工智能在前沿交叉学科中的应用时，列举了人工智能辅助蛋白结构预测的AlphaFold、人工智能辅助医疗影像的识别等具体的案例。将人工智能的理论方法与现实应用有机结合，使学生开阔了视野，激发了学生学习人工智能的兴趣。
二、教学策略
新时代的学生具有更多地参与意识，传统的灌输式教学已不再适应学生的需求。在教学中，根据教学内容的难易程度，分别采用了不同的授课方法。对较难的内容和基本概念，采用引导启发式教学;对容易的内容，采用讨论式教学;对应用性较强的内容，采用实践式教学。具体策略如下。
（1）引导启发式教学。人工智能虽然有很多计算方法和体系框架，但是基本的原理不变。明确人工智能的计算框架，有利于塑造具有扎实理论基础的学生。因此，需要强化基本的概念和计算的逻辑，针对人工智能中公式多、算法复杂的内容，采用教师为主导的引导启发式教学。在教学过程中，通过类比方法，避免使用太多的公式推导，采用流程图讲解计算方法的过程，避免学生纠缠于具体的代码实现。着重基本概念的理解，有利于为交叉学科的学习打下基础。 （2）实践式教学。在介绍人工智能的编程基础和神经网络的模型架构时，精心准备了四个具体的案例：房价回归问题，支票的手写数字识别，猫狗的图像识别，股票价格预测。这四个案例概括了人工智能的四个基本方法。其中以房价回归问题为例进行了详细讲解，介绍了Keras的使用，人工神经网络的基本结构，如何准备神经网络的输入数据，如何应用统计方法验证模型的准确性。对另外三个案例，则注重发挥学生的主观意识，希望学生自己动手进行代码的测试，教师在旁边进行辅助讲解。在实践教学中，使学生在小型数据上从头开始训练一个人工神经网络，了解了神经网络的运行流程。实践式的教学着重培养学生的兴趣和自我学习能力。
（3）讨论式教学。在介绍神经网络的发展简史和应用时，组织学生进行了两次分组讨论。通过云盘，提前两周分享了所要讨论的期刊文章，并向学生介绍慕课和Github等电子资源库。围绕着智慧城市、人工智能所带来的思考等两个主题进行了讨论，让学生意识到人工智能技术是我国“十四五”规划中所要发展的关键技术，我国正处在人工智能技术发展的浪潮中，而当代的学生必然会成为智慧城市建设的主力军。另外结合人工智能是否会引发失业潮等进行了讨论，让学生认识到自己所学知识的重要性，在各行各业都能发挥自己的所学，希望可以启迪学生的职业规划。
三、考核方式
对学生的考核，采用平时成绩（40%）与期末成绩（60%）的加权进行考核。在课堂教学中組织了学生的讨论发言和简单的课后习题。根据平时的互动情况进行平时成绩的评定。对期末成绩，采用了案例研究的课堂展示与调研论文的形式。由于公选课的学生来自不同的专业，需要给学生足够的时间进行准备，在期中时就在云盘上传了科技论文，由学生访问下载并进行自主选题，调动学生自发组成一个学习互助小组，根据自己的兴趣，选择一个与人工智能相关的文献调研，尊重学生的基础差异和个人兴趣。在期末时，由各个学习小组的代表同学们进行应用展示，另外要求学生按照科技论文的格式书写了800字的调研报告。充分发挥学生的主观能动性，根据汇报展示和调研论文的完成情况进行综合打分。
四、教学反思
开设《人工智能导论》公选课还处在探索阶段。首先，应根据学生的基础差异优化教学内容的侧重点，合理安排教学顺序，吸引学生的学习兴趣。其次，在教学过程中，增加人工智能方法解决实际问题的案例，引入更多与专业相关的问题，有利于学科交叉融合的实现。最后，要发挥学生的主观能动性，不同专业的学生具有所在领域的专业知识，因此教师在教学的同时，也要向学生学习，取长补短，从而不断提高自身的教学水平。
本文对《人工智能导论》公选课的教学现状进行反思，对课程的教学内容、教学策略和考核方式进行了详细阐述。旨在引导学生从多角度认识人工智能方法，使学生不仅从理论上了解人工智能，并可以应用人工智能方法解决实际问题。
参考文献：
[1]芦碧波，郑艳梅，陈艳丽，朱世松.新一代人工智能浪潮下的深度学习课程开始路径分析[J].计算机教育，2019（10）：151162.
[2]李睿凡，陈佳洁，周延泉，等.深度学习中卷积神经网络的教学探讨[J].计算机教育，2015（18）：5859，74.
關键词：人工智能导论;高等教育;教学改革
人工智能是计算机科学、数学、语言学、信息学等多个学科的交叉融合、相互促进而发展起来的一门新兴学科。人工智能在各个行业发挥越来越重要的作用也正在加速与其他学科技术的融合，形成了生物信息学、新型材料性能预测、智慧城市建设等诸多高新科技行业。结合近年来长三角地区建设职业技术大学的发展趋势，以及高新企业对综合型高素质人才的需求，国内知名高校在相关学院纷纷开设“人工智能”的主干必修课程。然而，人工智能作为一门相对年轻的学科，发展非常迅速，每年都涌现出新的人工智能方法，对人工智能课程的教学提出了挑战。另外，相关的课程多数集中在计算机学院，所开设的课程相对于其他学院的学生来说难度较高，不利于非专业学生的学习。如何对非专业学生开设人工智能的课程也很难确定范畴，缺少成功的教学模式。
面向高等学校学生开设人工智能在物理化学中的应用的课程，能帮助不同专业背景和兴趣的学生，了解现代科学的发展趋势和热点问题，特别是前沿交叉学科中取得的进展。为全面提高学生的基本科学素养，促进学生对所学知识的交叉融合，激发学生的创新能力和迁移学习能力，面向全校学生开设《人工智能导论》的公共选修课成为必然的趋势。由于人工智能课程本身涉及的知识范围广、具有很多抽象概念、计算公式多等特点，如何面向非专业学生确定选修课的教学侧重点，使得《人工智能导论》的教学还处在探索阶段。本文将对教学内容、教学策略、考核方式以及教学反思等方面进行总结。
一、教学内容
（一）合理优化教学侧重点
根据学生的基础，《人工智能导论》的公选课共安排32个课时，教材采用弗朗索瓦·肖莱著、张亮译的《Python深度学习》;推荐的参考书为伊恩·古德费洛，约书亚·本吉奥，亚伦·库维尔著、赵申剑等翻译的《深度学习》。一共讲解了10个专题，分别为：什么是人工智能，机器学习的数学基础，机器学习的编程基础，神经网络入门，卷积神经网络，循环神经网络，神经网络的实践，集成学习与模型优化，人工智能在前沿交叉学科中的应用，人工智能的未来。其中机器学习的数学基础与机器学习的编程基础两个专题是根据学生的数学基础和Python语言的不足特别增加的两个专题。为吸引学生的学习兴趣，并不是完全按照教材内容进行，对每个专题的教学内容进行了编排与优化。每个专题从人工智能方法的发展历史出发，引出每个方法背后的人物故事，进而过渡到该方法的计算流程，最后介绍该方法在人工智能领域所取得的成就。教学的重点内容为机器学习的基本概念和不同神经网络的算法。其中算法部分，通过流程图和伪代码的方式讲解，减少了算法和编程的细节。授课时，通过穿插著名人物的历史故事和奇闻趣事，跌宕起伏的人工智能发展史，成功吸引了学生的兴趣。
（二）因材施教
为进一步激发学生的科研热情，在授课时注意教学重点的差异化。在教学过程中，有意识地引导发生思考各自所学的专业跟人工智能方法的联系。由于课程是面向全校，学生来自各个专业，对于理工类学生，更喜欢程序化的语言;而对于文学艺术类学生，更倾向于通俗科普化的教学。因此在教学过程中更注重与学生的互动，针对经济专业学生的兴趣，谈到股票价格预测和对国际贸易的影响;与环境专业学生交流了人工智能在环境有毒物质检测中的应用，和汽车与交通学院的学生探讨了人工智能在无人驾驶中的应用。在搜集大量背景资料的基础上，通过深入浅出的教学，在面向不同专业学生的同时，也要做到讲解内容的科普化，兼顾所有学生的兴趣，希望能够向学生传达人工智能的基本概念知识。
（三）理论联系实际
注意教学重点的多样化，将理论知识化繁为简，并应用到具体的生活和科研中。在准备教学课件时，减少公式的使用，更多地采用图片、具体的案例、人工智能应用场景的视频，综合利用多媒体技术，将“文图声”集于一体，呈现了人工智能技术广泛的用途。比如在讲解卷积神经网络时，介绍了美国航天局NASA如何使用卷积神经网络分析开普勒空间天文望远镜所获得的海量星空数据，从140亿个数据点中寻找到目标星系。讲解长短期记忆网络时，使用同学们关心的股票数据，进行案例的展示，通过准备好的代码，在课堂上展示如何通过历史数据预测股票的价格走势。在讲解人工智能在前沿交叉学科中的应用时，列举了人工智能辅助蛋白结构预测的AlphaFold、人工智能辅助医疗影像的识别等具体的案例。将人工智能的理论方法与现实应用有机结合，使学生开阔了视野，激发了学生学习人工智能的兴趣。
二、教学策略
新时代的学生具有更多地参与意识，传统的灌输式教学已不再适应学生的需求。在教学中，根据教学内容的难易程度，分别采用了不同的授课方法。对较难的内容和基本概念，采用引导启发式教学;对容易的内容，采用讨论式教学;对应用性较强的内容，采用实践式教学。具体策略如下。
（1）引导启发式教学。人工智能虽然有很多计算方法和体系框架，但是基本的原理不变。明确人工智能的计算框架，有利于塑造具有扎实理论基础的学生。因此，需要强化基本的概念和计算的逻辑，针对人工智能中公式多、算法复杂的内容，采用教师为主导的引导启发式教学。在教学过程中，通过类比方法，避免使用太多的公式推导，采用流程图讲解计算方法的过程，避免学生纠缠于具体的代码实现。着重基本概念的理解，有利于为交叉学科的学习打下基础。 （2）实践式教学。在介绍人工智能的编程基础和神经网络的模型架构时，精心准备了四个具体的案例：房价回归问题，支票的手写数字识别，猫狗的图像识别，股票价格预测。这四个案例概括了人工智能的四个基本方法。其中以房价回归问题为例进行了详细讲解，介绍了Keras的使用，人工神经网络的基本结构，如何准备神经网络的输入数据，如何应用统计方法验证模型的准确性。对另外三个案例，则注重发挥学生的主观意识，希望学生自己动手进行代码的测试，教师在旁边进行辅助讲解。在实践教学中，使学生在小型数据上从头开始训练一个人工神经网络，了解了神经网络的运行流程。实践式的教学着重培养学生的兴趣和自我学习能力。
（3）讨论式教学。在介绍神经网络的发展简史和应用时，组织学生进行了两次分组讨论。通过云盘，提前两周分享了所要讨论的期刊文章，并向学生介绍慕课和Github等电子资源库。围绕着智慧城市、人工智能所带来的思考等两个主题进行了讨论，让学生意识到人工智能技术是我国“十四五”规划中所要发展的关键技术，我国正处在人工智能技术发展的浪潮中，而当代的学生必然会成为智慧城市建设的主力军。另外结合人工智能是否会引发失业潮等进行了讨论，让学生认识到自己所学知识的重要性，在各行各业都能发挥自己的所学，希望可以启迪学生的职业规划。
三、考核方式
对学生的考核，采用平时成绩（40%）与期末成绩（60%）的加权进行考核。在课堂教学中組织了学生的讨论发言和简单的课后习题。根据平时的互动情况进行平时成绩的评定。对期末成绩，采用了案例研究的课堂展示与调研论文的形式。由于公选课的学生来自不同的专业，需要给学生足够的时间进行准备，在期中时就在云盘上传了科技论文，由学生访问下载并进行自主选题，调动学生自发组成一个学习互助小组，根据自己的兴趣，选择一个与人工智能相关的文献调研，尊重学生的基础差异和个人兴趣。在期末时，由各个学习小组的代表同学们进行应用展示，另外要求学生按照科技论文的格式书写了800字的调研报告。充分发挥学生的主观能动性，根据汇报展示和调研论文的完成情况进行综合打分。
四、教学反思
开设《人工智能导论》公选课还处在探索阶段。首先，应根据学生的基础差异优化教学内容的侧重点，合理安排教学顺序，吸引学生的学习兴趣。其次，在教学过程中，增加人工智能方法解决实际问题的案例，引入更多与专业相关的问题，有利于学科交叉融合的实现。最后，要发挥学生的主观能动性，不同专业的学生具有所在领域的专业知识，因此教师在教学的同时，也要向学生学习，取长补短，从而不断提高自身的教学水平。
本文对《人工智能导论》公选课的教学现状进行反思，对课程的教学内容、教学策略和考核方式进行了详细阐述。旨在引导学生从多角度认识人工智能方法，使学生不仅从理论上了解人工智能，并可以应用人工智能方法解决实际问题。
参考文献：
[1]芦碧波，郑艳梅，陈艳丽，朱世松.新一代人工智能浪潮下的深度学习课程开始路径分析[J].计算机教育，2019（10）：151162.
[2]李睿凡，陈佳洁，周延泉，等.深度学习中卷积神经网络的教学探讨[J].计算机教育，2015（18）：5859，74.