摘要:随着国务院发布《新一代人工智能发展规划的通知》,“智能+”时代正式到来,它将对我们生活的方方面面进行改变和冲击。文章聚焦实际教学,把传统教学和当前人工智能背景相结合,探索智能+在教学中的应用和落地,探索改善学生智能交互式学习的切实可行方案。
关键词:人工智能;思维导图;交互式学习;大数据分析;Matlab
中图分类号:G642.0 文献标志码:A 文章编号:1674-9324(2020)16-0231-02
(国发〔2017〕35号)[1]发布的关于印发《新一代人工智能发展规划的通知》中指出人工智能已经上升为国家战略,经过60多年的演进,特别是在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下,人工智能的加速发展,将会深刻改变和影响我们社会生活的方方面面。
另一方面,在实际调查中,我们发现随着信息网络等技术的快速发展,学生获取知识碎片化现象严重[2,3],兴趣记忆理解低下等问题比较突出。传统学习方式早已难以适应当前较快的节奏,海量信息造成注意力的转移,指数倍增长的信息轰炸等;本文主要聚焦实际教学,探索在智能教育方面进行改革,针对传统教学弊端及学生缺乏智能学习方式等现象,提出切实可行方案。
一、概述
《新一代人工智能发展规划的通知》中将重点任务划分为六个方面:构建开发协同的人工智能科技创新体系,培育高端高效的智能经济,建设安全便捷的智能社会,加强在人工智能领域的军民融合,构建泛再在安全高效的智能化基础设施体系,前瞻布局新一代人工智能重大科技项目。在关于建设安全便捷的智能社会中提到了智能教育,即利用智能技术加快建立人才培养模式、教学方法改革,构建包含智能学习、交互式学习的新型教育体系。
目前大部分的授课方式仍属于传统教学,而传统教学又属于典型的被动式教学,以教师直接讲授为主,学生参与度较低,积极性和兴趣被压制。加上一些新的教学工具较少引入,造成部分不直观和学生缺乏整体性理解的问题。当然,国内外也在探索一些新的教学方式,如当前国际上比较流行的PBL(Problem-Based Learning)教学法[4,5],已经取得了相当不错的教学效果。PBL教学模式是一种将学生自学与导师指导相结合的小组教学法,和传统教学方式相比,PBL教学更倾向于以问题为基础、以学生为中心,能够有效地培养学生的交流能力并调动主动学习的兴趣,注重协作能力和团队精神的培养,能够营造一个轻松、主动的学习氛围,激发学生的学习积极性和主动性,对知识连通有一定的帮助。随着智能技术的加速发展,如何更好地智能学习,交互性学习变得更加重要。
本文针对应用型课程,在新一代人工智能发展规划的指引下,结合部分当前较为流行的PBL互动教学手段,根据Matlab与工程计算课程方面的特点进行研究。
二、方法
本节中,我们将结合实际课程教学,在提升学生的智能交互式学习方面提出两项切合可行的智能技术应用,并结合教学实践展开详细描述。
(一)思维导图在教学中的应用
思维导图(Mind Mapping)由英国“记忆之父”Tony Buzan所创,思维导图是一种表达发散性思维的图形工具,通过一个中心点,不断向外进行扩散然后形成若干关节点,而每一个关节点又成为下一级主题的中心点。它们借助不同颜色,从中心自然发散出来,其所采用的線条、符号、词汇和图像,均遵循一套简单、基本、自然、易被大脑接受的规则。这种教学模式使用的思维导图,可以把一长串枯燥的信息变成彩色的、容易记忆的、有高度组织性的图,它与我们大脑处理事物的自然方式相吻合。
根据教学特点,从定义、作用、画图工具以及教学实践四个方面展开,可以有效地指导在实际教学中的应用和落地。在Matlab与工程计算课程实践中,可通过思维导图对一些关键知识点的梳理,提高学生对编程实践的兴趣和热爱,从而潜移默化地提高学生采用Matlab工具解决工程中的一些实际问题;思维导图的应用可以帮助学生理解知识,进而提升他们对整个课程的整体性理解,让学生把从课本上学到的知识经过系统性的整理,结合上机实践再总结,形成一个良性闭环,持续增强记忆;同时思维导图在头脑风暴等环节的应用,大大地提高了学生主动积极提问和回答的次数和效率,增强了大家的互动和记忆;在课堂笔记、复习以及总结等其他各个方面也同样起着重要的作用。
(二)大数据在教学中的应用
随着信息技术的快速发展,网络数据变得越来越多,主流意识形态认为大数据可以用来处理和解读数据以及探寻数据背后包含的深层次信息,同时在体积庞大的数据量中,能够快速挖掘出有应用价值的数据。根据课程特点,一般将大数据可视化划分为三个方面,数据源的产生或来源,数据存储清洗及大数据分析,最后数据的服务指导教学。
在实际的Matlab与工程计算课程教学中,我们引入大数据技术;大数据的使用,是传统的教育研究走向科学实证的重要工具,如我们在实际教学中通过对学生日常Matlab习题答案的收集,将学生易错的试题和答案进行概率统计和排序,可以清晰地找到哪些Matlab试题比较难和学生不易接受,然后针对相应的题目进行教学方法的改进和引导,辅助一些有效的分析等加强学生的记忆,并定期将大数据分析得到的易错的问题进行会上头脑风暴讨论,从而找到一种最优的方案;我们还会对学生考试成绩等数据进行收集分析并对往年学生反馈的情况等进行数据分析。
还会对大量分析后的数据进行持续的迭代和存储,对不同格式的数据进行一定的数据清洗和整理,然后针对结构化的数据进行大数据分析,进行上述工作时可以采用比较流行的大数据分析工具,如hadoop等,并将分析出来的数据进一步存储。
最后将分析后的数据用于指导:大数据结果的使用,能让我们从技术层面对结果进行量化和显现,如用得到的数据结果指导我们个性化化教学,并结合互联网大数据关于本课程的一些优秀的经验和案例,落实到教学中,从而为学生的学习方式、考核评估、个性化指导等提供科学的依据。
在构建一个智能学习,交互式学习评价体系时,大数据可视化技术的使用,能有效地帮助我们洞察学生的真实情况,找到真正起作用的教育影响因素,进而有效地帮助我们走向个性化教学并进行科学的评估。
三、结论
本文在人工智能的大背景下,分析了《新一代人工智能发展规划的通知》中关于智能教学方面的要求,探索如何在现有优秀的PBL教学法基础上,根据Matlab与工程计算实际课堂的相应特点,引入思维导图和大数据两项智能技术,改善学生的智能教学和交互式学习。当然结合不同的课程特点,除本文提到的方法外还可以引入其他的技术和工具来辅助教学。实践证明:本文通过引入智能技术加快人才培养模式、教学方法改革,构建包括智能学习、交互式学习的新型教育体系的一个探索,通过引入新的技术和工具,与传统教学手段相比,在面向应用型的课程中培养学生智能交互式学习有效且得到了学生的认可。
参考文献:
[1]新一代人工智能发展规划的通知[EB/OL].国发〔2017〕35号.
http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
[2]吴建材,柯畅.碎片化时代高校教学改革的问题和探索[J].时代教育,2015,(9):250.
[3]马陆亭.高等教育支撑国家技术创新需有整体架构[J].高等工程教育研究,2016,(1):5-11.
[4]丁晓蔚,顾红.“基于问题的学习(PBL)”实施模型述评[J].高等教育研究学报,2011,34(1):66-69.
[5]杜翔云,Anette,Kolmos,等.PBL:大學课程的改革与创新[J].高等工程教育研究,2009,(3):11.
Teaching Research and Practice of Intelligent Interactive Learning Method on Application Course
RAO Huan-le
(School of Automation,Hangzhou Dianzi University,Hangzhou,Zhejiang 310018,China)
Abstract:With the release of the state council's notice on the development plan for a new generation of artificial intelligence,the "intelligent +" times is officially coming,which will change and impact every aspect of our lives.This paper focuses on practical teaching,combines traditional teaching with current artificial intelligence background,explores the application and implementation of "intelligent +" in teaching,and studies feasible schemes to improve students' intelligent interactive learning.
Key words:artificial intelligent;mind map;interactive learning method;big data analysis;Matlab
收稿日期:2019-07-26
基金项目:杭州电子科技大学高等教育研究课题项:培养学生“智能+”思维的教学研究与实践(YBJG201948)
作者简介:饶欢乐(1987-),女,讲师,主要从事测控技术与仪器专业教学和研究工作。