面向人工智能的信息管理与信息系统专业教学改革

赵佳　孙刚

摘要：信息管理与信息系统专业学生主要存在三个主要问题：1）学生学习主动性不足，学习兴趣不浓；2）基础课程掌握不牢；3）对实践认识不足。随着大数据及人工智能的兴起，该文结合人工智能的发展方向促进本专业学生的竞争力，采用如下五个方法：1）调整部分课程的课程大纲；2）适当加入当前人工智能最新技术；3）适当加入就业前景分析；4）以具体案例项目带动学生学习能力；5）适当加入一些专题讨论。希望对本专业教学改革提供有一定借鉴意义。

关键词：人工智能；信息管理与信息系统；教学改革；课程调整；主动性

中图分类号：G64

文献标识码：A

文章编号：1009-3044（2017）10-0127-02

1.引言

随着大数据与人工智能的兴起以及美国推出“人工智能+”国际国内掀起一股人工智能的浪潮，有专家预测，下个十年必将是人工智能的十年，而人工智能不再是主流方向的时候则是机器人大规模使用，人类真正能够从繁重、简单重复性工作中解放出来的时候。而今年三月份谷歌推出的AlphaGo与韩国围棋九段李世石的世纪大战也让越来越多的人认识到未来的机器人有可能在高智力领域取代人类。面对如此紧迫的处境，人类除了进入这个行业了解机器人的思考方式外似乎别无它法。而要想了解机器人的思维方式，所需的知识储备并不多，仅仅包括相关的数学、计算机能力，具体为数学建模的能力、概率统计基础、优化模型的能力以及编程能力，表现在具体课程上为高等数学、概率统计、凸分析、数值分析、机器学习、数据挖掘、C语言（或其他任意主流编程语言）。而对于信管专业的学生而言，所学课程包括经济、管理、数学、计算机等专业入门课程，门类繁多，学生难免会找不到未来发展方向而陷入迷茫。而限于有限的精力，若干重要课程设置为“考查”科目则会让学生想当然以为这些课程“不重要”。这就造成一方面其他专业的学生因先修课程基础不足无法理解人工智能专业课程的内容，而信管专业的学生基础足够但不够扎实而迷茫。因此我们拟将人工智能相关内容融入信管专业课程中，让学生感兴趣的同时，提高就业竞争力。

2.信管专业教学中面临的主要问题

信管专业开设课程内容较多，门类复杂，我们基于本校学生实际总结了信管专业学生在学习中的主要问题。

2.1学习主动性不足

由于学习了多个学科门类的基础课程，导致学生知识面呈现扁平结构，似乎“什么都会，而又什么都不会”。而且若干重要课程开课时间安排在大三，许多学生面临实习、考研等的选择，加之课程内容较繁杂，基础知识不扎实，一些同学面对一些较难的内容时产生无力感，同时也有社会压力较大的影响，使得部分同学对本专业课程也失去了兴趣，遇到问题不主动寻求老师帮助，对课程相关的一些国际先进技术以及经典案例没有任何思考等。同时对自己前途也很迷茫，学习态度消极，进而产生了读书无用论，反过来劝说低年级学生学习不要用功学习，形成恶性循环。

2.2基础课程掌握不牢

高年级课程的先修课程一般有：高等数学、线性代数、计算机程序设计、运筹学、数据结构、数据库技术以及概率论与数理统计等课程。若干机器学习经典算法的理解需要较好的数学基础，如贝叶斯分类器需要对概率论与数理统计有较好的认识；线性回归模型需要熟练掌握线性代数中矩阵变换的方法以及运筹学中求解优化问题的思想；决策树算法需要理解熵的概念；神经网络算法需要理解激活函数以及正则函数的选择对解得影响等，而每个算法的实现都需要有较好的编程基础。在某些班级授课过程出甚至出现不知道如何求解线性方程组的情况。由于一些同学没有熟练掌握先修课程，导致学习本课程的难度增加，进而降低了学生学习的兴趣。

2.3对实践认识不足

在讲授机器学习问题涉及的算法都会详细解释每个算法的来源、步骤等细节，大部分同学能够理解，但是忽视了实践环节，课后没有自己编程实现，理解不够深刻，致使后续课程开展不顺利。在授课过程中出现过一个算法讲了三遍学生仍然停留在听懂的阶段，由于部分同学不重视实践，导致在后续学习中比较吃力。

综上所述，在讲授高年级课程的教学过程中存在许多缺陷，归根结底为学生学习主动性不够，学习兴趣不足，基础不扎实等。这种状况对学生的发展极其不利，也不适应社会对信息管理人才的要求，因此需要为学生选择一个适合的发展方向，激发学生学习本方向课程的兴趣。

3.解决方法

针对如上提出的问题，结合我校信管专业学生实际，我们从五个角度提出了解决方法。

3.1调整部分课程的课程大纲

由于本方向所需数学以及编程基础较强，本专业学生所学学科较多，针对此，需要小幅调整若干课程的授课计划。具体为：1）在运筹学中适当加入凸分析基础知识以及解法，减少线性规划以及排队论的课程；2）概率统计课程加入随机数生成课程，强调统计学部分课程，弱化经典概率知识；3）增加数值分析课程，内容强调数值计算，强化学生数值计算的能力；4）部分课程适当增加实验课程，提高学生编程能力。

3.2适当加入当前人工智能最新技术，激发学生的学习兴趣

学生对本学科课程的认识不足，部分学生觉得若干课程与考研科目无关，对课程重视不足。加入相关视频资料可以将学生的注意力吸引到课程上来，比如加入经典电影“点球成金”，让学生了解数据揭示了一些表象不能展示的事情；加入短视频“科技改变生活”，让学生了解将来的生活是什么样的，需要哪些技术，这些技术有哪些是自己能做的；加入机器人最新技术，让学生了解机器人发展现状而不被电影误导；加入AlphaGo对战李世石的比赛让学生认识到人工智能的能量；加入经典案例能够使学生对一些算法产生浓厚兴趣，比如加入“啤酒和尿片”案例，让学生了解到关联关系的重要性，认识到一些简单的算法也能够产生巨大作用。

3.3适当加入就业前景分析，激发学生学习的内在动力

当前人工智能飞速发展，让学生认识到此领域的潜在力量，了解到此领域的薪资水平以及就业创业环境，对增加学生的学习动力将有很大的影响。对比各個行业的发展前景，互联网行业的目前占据在前列（这从李克强总理对互联网+的重视程度即可看出），而机器学习方向作为互联网行业的一份子，则站在互联网的最前端，理性的学生将会看到其中巨大的汇报。

3.4以具体案例项目带动学生学习能力，确保学生考研就业时有较大优势

在学习高年级课程时将增加具体案例项目，在带动学生学习能力的同时，确保学生就业时的优势。如在介绍贝叶斯算法时鼓励学生设计垃圾邮件分类系统；在介绍人工神经网络时鼓励学生设计文本识别系统；在介绍HMM算法时鼓励学生设计自己的语音识别系统。这些项目的完成将会让学生理解算法、编程能力以及团队协作能力有极大的提升，对就业有极大的促进作用，同时也确保学生在考研面试时有极大的优势。

3.5适当加入一些专题讨论，弥补先修课程基础薄弱的不足

学生基础薄弱对学习理解专业课程若干内容影响甚大，比如某些学生对函数极值问题认识不足导致在学习最小二乘估计时给出损失函数后不知道该如何处理；某些学生对线性代数矩阵变换不熟练导致在学习线性模型时得到正则方程后不知该如何继续进行，当系数矩阵不满秩时不知道怎么解决。通过设置一些专题讨论，比如矩阵方程求解、优化问题、C语言读写 文件等弥补先修课程基础薄弱的不足。

4.结论

本文基于作者在信息管理与信息系统多年的教学经验，以及机器学习方向多年的科研经历，并结合人工智能当前的市场前景以及我校本专业学生实际情况，总结了目前教学中存在的三个主要问题，针对这些问题提出了五个解决方法，对高校信息管理与信息系统专业课程建设以及教学改革有一定借鉴意义。