递进式应用型人工智能专业实践教学体系探究

吴锦华 万家山 李京阳 范玲红 赵林

摘  要：人工智能产业的快速发展，导致相关人才出现较大缺口，该类人才的核心能力在于其动手实践水平，实践教学体系是应用型人才培养关键环节，其科学性和合理性直接影响学生实践能力和岗位能力。分析人工智能人才的结构特点，结合产业要求，根据学生的认知程度，校企合作共同制定符合崗位要求的基于能力导向的递进式分层分类实践教学体系，并围绕实践需要设计丰富的人工智能项目库用于教学，最后阐述实践教学支撑的驻校工程师、实验室及实践教学评价。

关键词：人工智能;实践教学体系;分层分类;应用型人才

中图分类号：TP3-4;G642.4      文献标识码：A 文章编号：2096-4706（2020）23-0192-04

Research on Progressive Practical Teaching System of Applied Artificial

Intelligence Specialty

WU Jinhua1，WAN Jiashan1，LI Jingyang1，FAN Linhong1，2，ZHAO Lin1

（1.School of Big Data and Artificial Intelligence，Anhui Institute of Information Technology，Wuhu  241000，China;

2.IFLYTEK Co.，Ltd.，Hefei  230088，China）

Abstract：With the rapid development of artificial intelligence industry，there is a big gap in related talents. The core competence of this kind of talents lies in their hands-on practice level. Practical teaching system is the key link in the cultivation of applied talents，and its scientificity and rationality directly affect studentspractical ability and post ability. Analyze the structural characteristics of artificial intelligence talents，combined with industry requirements，according to the degree of cognition of students，the school-enterprise cooperation jointly formulated the progressive hierarchical classification practical teaching system based on the ability orientation which meets the post requirements，and around practice needs to design a rich artificial intelligent project library for teaching. Finally，it expounds the resident engineers，laboratories and practical teaching evaluation supported by practical teaching.

Keywords：artificial intelligence;practice teaching system;hierarchical classification;practical talents

0  引  言

人工智能企业发展之争，归根结底是人才之争，近年我国人工智能发展迅速，企业人才之争愈演愈烈[1-4]，人工智能是一门跨学科、跨领域的综合性技术与应用系统，人才的缺口庞大。根据当前产业应用的实际情况，可将人工智能产业人才结构定义为四层次金字塔结构：一是源头创新人才，该层次人才致力于推动和实现人工智能前沿技术与核心理论的创新与突破;二是产业研发人才，该层次人才能将人工智能前沿理论与算法模型实现相结合;三是应用开发人才，该层次人才能将人工智能算法工具与行业需求结合并实现创新应用落地;四是实用技能人才，该层次属于人才结构的基础人才，能够理解人工智能基础理论并对关键技能和实用方法都有所掌握。

当前，源头创新人才数量极少，该层次人才主要从事人工智能前沿理论和关键技术研究[5]，而且多数成果及人才来源于研究所、实验室，其每年输出人才的数量有限。随着人工智能技术的发展与应用的不断扩大，大量的产业研发人才、应用开发人才和实用技能人才的需求将会呈现井喷态势，而应用型人工智能人才的培养过程中，实践教学环节非常关键，而相关企业在前沿人工智能技术方面拥有无可比拟的优势，虽然高校与企业有所合作，但双方受制于运行机制等各种因素，校企合作深度不够，很难落地和持续推进[6，7]。

结合上述问题，安徽信息工程学院借助其举办者——科大讯飞，在人工智能领域技术和产业优势，尤其是科大讯飞作为国家首批四个依托龙头企业建设的国家级“新一代人工智能开放创新平台”，基于安徽信息工程学院“产业工程师、创业企业家摇篮”的办学愿景，紧密对接地方人才市场和产业需求，聚焦产业研发和应用开发的人工智能产业第二、三层次人才培养，构建应用型人工智能人才培养体系和实践教学体系[9-11]。

1  校企合作模式下递进式分层分类实践教学体系探索

1.1  岗位能力分析

当前，人工智能领域的竞争[12]，主要体现在企业之间的人才之争，目前岗位需求主要分布在北京、上海、深圳、杭州、广州一线城市的相关企业，根据调查获取的相關数据显示，中国对于工智能人才的需求数量已经突破百万，然而国内人工智能领域人才供应量却很少，人才缺口非常大，中小企业型在招聘时尤其困难。此外，企业对于工智能人才的招聘门槛相对较高，专业以计算机、数学、物理为主，常见人工智能岗位能力要求如表1所示。

1.2  实践教学体系构建

安徽信息工程学院以应用型普通本科高校为办学定位，结合上述岗位能力标准要求，学院所开设的人工智能专业明确人才培养定位，致力于培养符合国家战略及安徽省人工智能产业发展需求，具有高尚的品德和良好的人文修养和科学素养，良好的信息科学、数理统计基础、计算机系统知识及扎实的编程基础，以及大数据基础知识与技能，掌握人工智能核心原理和人工智能思维，能够熟练运用数据思维、人工智能模型、工具、语音识别、自然语言处理、图像处理等技术解决实际问题，能在政府部门或企事业单位从事智能系统集成、智能软件设计与开发、智能应用系统的管理工作的德、智、体、美、劳全面发展的高素质应用型人才。

需要关注的是，新时代的计算机类专业人才的培养需要联合企业来共同完成，尤其人工智能相关专业，高校应根据人工智能产业发展趋势，积极推动人工智能产业与专业人才培养密切结合，同时高校必须集中优势资源，通过与国内外知名人工智能企业开展校企合作，加强学校与企业的资源和信息（如：岗位信息、人才培养定位等）共建和持续优化，不断提升人工智能人才培养的社会适应性。而人才培养过程中，实践教学是培养应用型人才的重要环节，本文以能力需求为导向，结合递进式分层分类的实践教学模式的优势[8]，根据学生大学四年的专业认知情况，通过联合人工智能行业引领者科大讯飞公司，构建递进式分层分类实践教学体系，具体内容为：

（1）以能力需求为导向，构建递进式分层分类人工智能专业实践教学体系。学院高度重视学生实践能力的培养，积极探索实践教学研究，创新开放实践教学，坚持“以学生发展为中心、以能力培养为导向、以过程管理为抓手、以持续改进为动力”的教育理念，构建了基于能力导向的递进式分层分类实践教学体系，如图1所示。体现理论教学与实践教学的衔接性和系统性。以服务区域经济社会发展为需求，推进并实施产教融合的实践教学体系，达到应用型人才的培养目标。

（2）以实践能力培养为主线的“三层递进式”项目体系，构建“双维度、多层次”实训项目库。结合学生认知情况、学习进度，同时根据分层教学实施需要，校企合作，共同构建基础层次实训项目、提高层次实训项目以及拓展层次实训项目。现对三层次项目核心能力培养进行详细介绍，具体为：

1）基础层次实训项目。该层次项目的课程目标需支撑毕业要求观测点的基本要求，该层次项目一般由课程组教师给出，项目实施过程中教师教授内容以基础知识和基本技能为主。此外，还注重学习动机、学习态度的培养。主要以培养学生基础动手实践能力为主，以课程小实验、课程设计展开，锻炼学生的基础动手实践能力。

2）提高层次实训项目。该层次项目的课程目标比基础层次实训项目的课程目标要求高，该层次项目一般由学生自提，项目实施过程中教师引导为主，教授内容在注重学生基本理论知识的前提下，强调高阶能力的培养，并培养学生具备一定的迁移学习能力，该层次的项目库案例来源于真实企业场景。该阶段主要由培养学生基本技能的锻炼进阶到项目开发能力的提升，最后进阶到岗位能力素养的培养，逐步从基本知识能力过渡到软件应用能力，最后进阶到岗位职业能力。

3）拓展层次实训项目。该层次项目课程目标面向培养卓越应用型人才，注重培养学生的探究态度与能力。项目实施过程中教师提供一定的目标，而过程和方法则由学生自己组织，学生自己探索、研究，引导他们形成项目设计管理能力与创新精神。项目主要由学生自提，从问题的提出、方案的设计到实施以及结论的得出，完全由学生自己来做，重研究过程甚于注重结论。

从课程目标来说，基础型、提高型、拓展型项目，在统一的目标下，在不同层次的要求上功能互补递进，面向不同能力和基础条件的学生形成一个整体。正是三个层次的项目在项目化实践教学体系中有机地组成整体，在全面提高全体学生素质与发展学生个性特长方面起着十分重要的作用。下面以人工智能专业为示例进行说明，如表2所示。

（3）借助科大讯飞AI“国家队”，打造人工智能实验室。实践教学体系形成离不开实验室的支撑，在实验室建设方面，目前大数据与人工智能学院因培养应用型人工智能人才的需要，结合科大讯飞技术和资源优势，打造了AILAB实验室。实验室提供了AI实验平台、数据标注平台、深度学习平台、AI能力平台四个功能模块，并提供了包括实验项目完整案例、实验项目说明书、实验项目指导材料及实验项目的完整实施方案，如图2所示。实验室萃取并深度整合科大讯飞在大数据、人工智能核心技术能力与行业案例，基于引导式学习平台掌握人工智能领域通用算法的特点与应用场景，采用行业数据，从数据标注、特征工程、模型选择、模型训练与优化到应用落地全闭环的训练与测试，掌握典型的模型优化与应用场景，通过浸入式企业环境和企业真实项目开发场景的搭建，培养学生职业素养和工程能力。

（4）校企合作构建一支应用型本科高校“双师型”实践教学师资队伍。校企合作是应用型师资队伍建设的必由之路，在人工智能人才培养中，要保证教育教学各要素的稳定性，尤其要保障师资队伍的快速建设与稳定发展[9]。为充分发挥校企人才资源优势，整合学校与行业企业资源，聘请优秀企业技术人员和管理人员担任兼职教师或管理干部。高度重视“双师型”人才的引进和培养，同时加大对“双师型”师资队伍的培养，通过教师暑期2个月赴企业体验式工作、赴企业挂职工作半年和参与企业合作研发项目等多种模式，充实教师的企业工作经历与实践教学能力。

（5）实践类课程的教学管理与评价。为确保实践教学的规范性，制定各实践环节规范的教学文件，包括教学大纲和教学管理规定/规范、实验指导书、项目化教学实训手册、课程设计指导书、实习指导书和实习计划等;同时，在教学文件的内容在实施前，需要进行评审，工程师、专职教师以及教学管理人员共同参与评审后才能用于教学实施;另外，尝试建立以行业标准、企业用人需求能力标准或岗位职业资格等级为标准的实践类课程评价体系，确保所培养出来的学生符合企业需求。

1.3  实践教学体系实施流程

以工程实践能力提升为路径，通过项目化教学模式开展项目实践，不断完善实践教学体系并改革实践教学模式，规范实践教学过程，使学生能够在学校期间接受完整工程实践能力提升训练，进而提高学生工程问题分析和解决的综合能力，以下给出实践教学环节的实施过程，具体如图3所示。

在实践教学过程中，主要围绕项目实践流程进行展开，主要为：明确实践任务、制作工作计划、组织实施、考核评价及总结评比分别进行开展实践活动，具体内容如下：

（1）明确实践任务。围绕所选项目主题，编写项目立项书并准备好项目需求说明书，最后教师参与充分讨论，擬定项目名称与项目需求，同步分解项目任务。

（2）制作工作计划。学生个人或者团队根据已经确定的项目任务和目标拟定工作计划，教师要对学生计划进行评审，计划要覆盖全员，分工合理并具备可执行性，为保证项目过程做到可追溯和管理，通过校企协作开发的博思项目管理平台记录项目化实践过程数据。

（3）组织实施。学生个人或团队根据合作分工的模式，按角色分配任务，计划有序实施，定期开展项目组内会议来解决过程问题，项目组实践过程中可以根据项目实际进度适当调整实施计划。

（4）考核评价。对项目实施的过程和结果都要进行考核评价，既要注重对结果的评价，更要注重对项目执行过程的评价。考核整体包含平时成绩和最终答辩，平时成绩包含出勤、平台学习等;最终答辩包含团队贡献、项目完成度、创新、沟通表达、问题回答等。

（5）总结评比。项目结束之后，老师对学生所做项目进行整体总结，最终成果应包含学生项目（项目文档、源码等）、答辩材料（答辩视频、答辩PPT等）、项目总结材料等。

2  结  论

本文通过分析当前人工智能人才的结构特点，结合产业研发及应用开发人才特点及能力要求，根据专业学生的认知程度，联合科大讯飞股份有限公司，围绕具体工作岗位，梳理岗位能力目标，制定符合学生不同阶段学习要求的分层分类的实践教学体系，并围绕实践需要设计丰富的人工智能项目库案例来服务教学，阐述教学支撑所需的双师、实验室建设及实践教学课程的评价，最后给出以项目的具体实施流程。

参考文献：

[1] 李伟静.人工智能时代下大学生就业现状及就业规划 [J].人才资源开发，2020（16）：34-35.

[2] 杜圣东，杨燕.“人工智能+”背景下的新工科教育探索与实践 [J].计算机教育，2020（7）：106-110.

[3] 肖睿，肖海明，尚俊杰.人工智能与教育变革：前景，困难和策略 [J].中国电化教育，2020（4）：75-86.

[4] 张海生.我国高校人工智能人才培养：问题与策略 [J].高校教育管理，2020，14（2）：37-43+96.

[5] 王雪，何海燕，栗苹，等.人工智能人才培养研究：回顾、比较与展望 [J].高等工程教育研究，2020（1）：42-51.

[6] 王绍丹，裴庭伟.第三次发展热潮下人工智能领域产学研合作模式探讨 [J].教育教学论坛，2020（31）：88-90.

[7] 陈劲，吕文晶.人工智能与新工科人才培养：重大转向 [J].高等工程教育研究，2017（6）：18-23.

[8] 刘晨光，杨秀霞，董树刚，等.分层递进式海洋生命科学创新人才培养实践教学体系的构建与实践 [J].高校生物学教学研究（电子版），2020，10（1）：62-66.

[9] 黄河燕.新工科背景下人工智能专业人才培养的认识与思考 [J].中国大学教学，2019（2）：20-25.

[10] 茹丽娜，唐烨伟，王伟，等.我国教育人工智能研究综述 [J].中国信息技术教育，2019，307（7）：90-93.

[11] 任增元，刘军男.人工智能时代高校人才培养变革的思考 [J].大学教育科学，2019（4）：114-121.

[12] 陈颖，孙小兵.高校人工智能学院建设现状分析 [J].高教论坛，2019（12）：79-81.

作者简介：吴锦华（1991—），男，汉族，安徽枞阳人，讲师，硕士研究生，研究方向：教学管理及模式识别。