中医药院校本科机器学习课程教改实践探索

崔曼曼　门韶洋　弓伟　罗晓牧　刘秀峰

摘要：《机器学习导论》作为生物医学工程专业本科阶段的一门重要的专业课，涉及的先修知识广泛，要求学生具备一定的专业知识和综合应用能力。单单基于传统讲授法，很难取得良好的教学效果。针对该课程在传统教学模式下存在的主要问题，该文提出一种基于O-PIRTAS翻转课堂的教学新模式，将生物医学工程方面的人工智能应用与该课程教学重点有机结合，旨在通过增加学生的学习胜任力，激发其内在的学习动机，提高教学效果。

关键词：中医药院校;机器学习;O-PIRTAS;翻转课堂;学习胜任力

中图分类号：G642        文献标识码：A

文章编号：1009-3044（2021）04-0093-04

Abstract： "Introduction to Machine Learning"， as an important professional course in the undergraduate stage of biomedical engineering， involving a wide range of prerequisite knowledge， requires students to master certain professional knowledge and comprehensive application ability. Only based on the traditional lecture-style teaching method， it is difficult to achieve good teaching effect. In view of the main problems existing in the traditional teaching mode of the course， this paper proposes a new teaching mode based on O-PIRTAS flipped classroom， which combines the application of artificial intelligence in biomedical engineering with the teaching emphasis of the course， aiming at stimulating their intrinsic learning motivation and improving the teaching effect by enhancing students' learning competence.

Key words：traditional chinese medicine colleges and universities; machine learning; O-PIRTAS; flipped classroom; learning competence

1 引言

生物醫学工程专业是一个高度融合了生物医学和理工科学的相关理论和技术的综合型交叉学科。它主要专注于人体系统各个层次上的状态变化，并以解决医学问题为最终导向，通过工程手段控制上述状态变化，进而从技术层面为疾病的预防、诊断、治疗和康复理疗提供保障。目前人类社会已经进入大数据时代，整个人类生命周期正是一个庞大的生物医学大数据的发生源。前沿的人工智能技术对上述海量生物医学数据的实时监测，并从中提取有价值的信息，将大大有助于新时代智慧医疗的全面建设和快速发展。为了能够更好地迎合未来临床医疗对高素质人工智能人才的需求，目前不少中医药院校基于已有的培养方案，通过开设人工智能相关课程、加强工科实践教学等方式，尝试探索“新工科”背景下复合型专业人才的培养模式[1]。

近年来，机器学习已经逐步由一种常用的人工智能实现方法演变为人工智能的一个重要分支。它基于计算机编程语言，利用多学科的数学算法解析现有数据、学习其中的规律，从而能够对现实中遇到的新事件做出相应的决策和预测，实现一定的智能化操作。目前机器学习技术已经渗透到中西医诊断[2-3]、症候方剂[4]、生物医学信息处理[5]等多个与生物医学工程密切相关的研究领域，尤其是在此次的新冠疫情防疫工作中，基于机器学习技术的中医智能处方推荐系统[6]被提出，为医生智能推送适合病症的中医治疗参考方案和中医药治疗辅助开方功能，极大地提高了医护工作效率。而针对生物医学工程专业开设《机器学习导论》课程，旨在通过利用机器学习算法解决已有的医学相关问题，培养学生的跨学科学习能力和综合实践能力。该课程的开设对中医药院校信息化复合型人才的培育具有非常重要的现实意义。

然而，我国学生从小到大普遍接受着传统的讲授式教学，习惯被动地听老师讲课，自主性不够强，缺少师生合作或生生合作经验，同时缺乏独立思考、质疑精神和批判性思维。这显然不利于新时代复合型人才的培养。因此，如何通过教学改革，激发学生学习的主观能动性，培养其创新性和自主性，逐渐成为教育工作者急需解决的关键问题之一。目前已有不少工作围绕上述问题进行了教学改革研究[7-8]。基于已有教改方法，本文结合中医药院校中机器学习课程开展过程中表现出来的问题，提出了一种基于O-PIRTAS翻转课堂[9]教学法的新型教学模式，通过设计丰富的教学活动，增强学生学习胜任力和内在学习动机，进而提升教学效果。

2 《机器学习导论》课程在传统教学模式下的问题

《机器学习导论》是一门综合了数学、计算机编程、人工智能等多个领域知识的交叉型课程。该课程涉及的理论内容广泛，同时对学生的数学功底和编程基础有一定的要求。从能力培养层面讲，本课程旨在培养学生能够运用所学机器学习算法逻辑应用到解决生物医学工程领域相关的实际问题中去，比如肿瘤自动勾画、放疗计划设计等。然而，这对学生自身学习能力的要求非常高。但当前采用的传统授课方式主要采用单一的讲授法，教师习惯于从自身的角度出发完成对本课程重难点内容的理论讲授。这种教学方法虽然能够在短时间内将大量的知识较为系统地传授给学生，但单向被动地信息接收模式，并没有给学生太多机会与教师进行互动，实验上机也只是对机器学习算法的简单验证。对工科课程采用的这种单向的、侧重理论化的教学方式对于中医药院校学生来说不仅内容枯燥、晦涩难懂，更无法激发其学习兴趣，最终导致课堂教学难、教学效果差的局面。具体来说，该课程在传统教学模式下反映出来的问题可以归结为以下几点：

1） 数学知识跨度大与学生数学基础薄弱之间的矛盾

经典的机器学习算法都是以相应的数学知识为基础，通过对现有的实际工程问题进行数学建模形成数学问题，再利用已有的数学工具进行求解，其中涉及的数学知识跨度较大，主要有概率论与数理统计、线性代数、最优化算法等。然而在传统的先修课程教学过程中，学生通常很难直接观察到数学基础课程与实际问题之间的关系，最终导致大多数学生的数学基础薄弱，或者虽然能够熟练掌握数学知识，但并不能很好地将其进行实际应用。而在机器学习的传统授课过程中，由于课堂时间有限，普遍反映出来的现象是教师无法调动学生的学习热情和对学生的先前知识的不当估计，最终导致理论讲授变成填鸭式教学，学生对课程内容的兴趣和热情越来越低迷。

2） 跨学科学习能力要求高与学生主动探索性低之间的矛盾

在传统教学过程中，课堂主要是教师活动的舞台，教师凭借自身的教学经验，“系统地”向学生展示所需要掌握的算法理论，学生只需安静地听讲即可。这种教学模式使得学生很难感知到学习的自主性以及自己在学习上的胜任力，单向的知识讲授同时也导致师生、生生之间很难展开充分的互动交流活动，将学习活动更多地限制为个体行为。在这个过程中学生更容易表现出外在的学习动机，比如为了获得学分，或者更好的期末成绩，而其主动探索的内在动机几乎没有被激发。因此，在面对机器学习这样对跨学科学习能力要求较高、学习内容比较复杂的课程时候，学生最终表现出的学习效果往往较差。

3） 理论联系不到实际

机器学习课程是一门理论与应用并重的课程，机器学习技术的发展很大程度上是来源于解决实际问题，总结解决方法并实现理论上的突破，但最终又应用于生产生活，从实践中檢验和优化解决方法。但在传统授课过程中，教师将大部分时间用于强调理论知识的理解，导致学生虽然掌握了相应的理论知识，但对算法的应用一无所知。这样虽然能够帮助学生获得很好地理论成绩，却背离了该课程开设的培养目标。

3 基于O-PIRTAS翻转课堂的机器学习课程教学改革

《机器学习导论》课程旨在培养学生跨学科学习能力和综合运用所学的机器学习算法解决实际问题的能力。然而，本课程表现出的理论内容涉及广泛、编程基础要求高、应用难度大等特点，尤其是面对数学基础和编程能力薄弱的中医药学院的学生，学习的难度更大。针对本课程在传统模式下表现出的问题，本文提出一种基于O-PIRTAS翻转课堂的授课新模式，根据学生的即时反馈，及时对教学内容和教学方式进行优化调整，进而提升教学效果。

3.1  O-PIRTAS翻转课堂教学模式

相比传统教学模式，基于O-PIRTAS翻转课堂的教学模式较为全面地涵盖了课前课中课后、线上线下、课内课外以及知识能力的不同维度，如图1所示，主要由以下7个步骤组成：Objective（确定教学目标）、Preparation（课前准备活动）、Instructionalvideo（课前教学视频）、Review（课堂视频回顾）、Test（课堂知识测试）、Activity（课堂活动开展）、Summary（课堂总结提升）。

一个完整的基于O-PIRTAS翻转课堂的教学流程描述如下：在确定教学内容之后，教师需要首先明确本堂课的教学目标（O），即知识性目标和能力性目标;之后教师通过设计有效的课前准备活动（P），帮助学生明确学习目的，使其学习具有一定的指向性，激发其学习兴趣的同时，为后续的视频学习奠定学习基础;传统课堂的授课内容主要以课前教学视频（I）的形式，由学生在课前自主完成在线学习，教学视频可由教师自行录制，也可利用已有的相关教学视频，这个阶段学生需要对自身的学习情况进行自我打分，该成绩将计入课程总分;之后进入线下实体课堂教学，教师只需要提纲挈领地对视频知识点进行回顾（R），帮助学生把握知识结构，而不是对知识点重新讲解和详细分析;为了检验学生在课前视频学习过程中的学习效果，教师课通过雨课堂等软件适当设计课堂知识测试（T），之后根据测试结果有针对性地进行知识点讲解，深化知识性教学目标，而学生的课堂测试结果将被计入课程总分;在课堂测试完成之后，教师根据教学重点，设计相关的课堂教学活动（A），进一步深化能力性教学目标，具体可结合已有的较为成熟的学习模式，比如问题式学习、项目式学习、游戏式学习、同伴教学、案例教学等，通过互动、探究、问题解决和个别化指导的方式，完成应用、分析、评价和创造等高水平的认知活动，其中教学进度取决于活动过程中学生的实时教学反馈;最后，教师应对本次课内容进行适当的总结、归纳和提升（S），提炼出最核心的教学内容，帮助学生形成对教学内容更完整深入的认识和理解。不难发现，其中课前准备活动（P）、课前教学视频（I）、课堂视频回顾（R）、课堂知识测试（T）主要是围绕知识性目标开展，课堂活动开展（A）主要是围绕能力性目标开展。

综上所述，为了更充分地调动教师的教学热情和激发学生的主观创造力，基于O-PIRTAS翻转课堂的教学模式主要结合实际的学情状况，从课程目标、课程内容、课程实施和课程评价四个方面对传统型课堂进行有针对性的设计和调整，具体调整如表1所示。

3.2 《机器学习导论》课程的教学改革实施

本节主要是给出机器学习课程在基于O-PIRTAS翻转课堂的教学新模式下的具体实施方案。

1）Objective（确定教学目标）：针对每堂教学内容确定其教学目标，包括知识性目标和能力性目标。掌握知识性目标只是对学生的基础性要求，通常可通过学生自学课前教学视频（Instructionalvideo）和线上测试完成;更重要的是在此基础上进一步培养学生独立思考的能力、批判性思维和沟通能力等，为此教师可通过开展课堂活动（Activity）来完成，如基于问题式学习活动、基于项目式学习活动、基于游戏式学习活动等。因此，教学目标的确定对翻转课堂后续环节的顺利开展具有重要的指导性意义。考虑到机器学习课程的特点，通常其课程的知识性目标为：掌握某经典机器学习算法的基本算法思想以及相关概念;熟悉其适用条件和相关扩展知识;能力性目标为：利用机器学习算法能够解决实际问题、形成独立研究问题和解决问题的能力。

2）Preparation（课前准备活动）：为提高视频学习的有效性，通常在学生完成课前教学视频学习之前需要设计课前准备与导入活动。针对中医药学院学生数学基础和编程能力薄弱的特点，便可在此环节做一些准备性工作。基于课前准备活动的目的，一般需要设计两类活动：一是为了激发学生的学习动机;二是为学生课前教学视频的学习奠定基础。（1）由于机器学习课程的课程性质偏向于应用，因而激发学习动机的活动环节通常以介绍该算法的实际应用为主，可以为学生提供机器学习算法在生物医学工程相关领域的科普或研究性学术论文，通过阅读论文，学生能够认识到机器学习算法在学术研究和科技创新中的作用，比如讲授神经网络相关知识点时，先给学生展示权威学术论文关于神经网络技术在放疗全流程的应用，让学生直观立体地认识到神经网络帮助实现放疗自动化和智能化的作用机理，拉近理论与应用的距离，进而激发学生的自主学习兴趣和动机;（2）基于学生已有的学习兴趣，接下来主要针对学生的认知基础，提前设计一些思考题，虽然他们的答案可能是错误的，但是他们会带着这些疑问有针对性地学习和分析教学视频中的知识点，进而提升视频学习效果。例如，在第二个课前准备活动中要求学生思考：当前对这个算法的理解是什么？它是如何解决实际问题的？它适用于解决哪类问题？有没有限定条件？相比已学的其他算法，它的优缺点是什么？针对这些缺点，有哪些改进方法？除此之外，针对机器学习涉及的数学知识，也需要在这一环节提炼出来，要求学生在课前完成相关数学知识的回顾性学习，为下一步理解算法做准备。

3）Instructionalvideo（课前教学视频）：教学视频形式可以多样，内容主要反映教师在传统课堂中的讲授部分，视频学习部分主要对应前面制定的知识性教学目标。教学视频可以是由教师根据学生的专业特点和自身的教学经验自行设计，也可以采用各大教学平台上已有的、成熟的教学视频。学生需要在课前完成视频的观看和学习。这个环节教师可将教学视频上传到网络教学平台，利用平台统计学生的观看时长和次数，之后根据平台统计数据追踪和把握学生课前的学习效果。

4）Review（课堂视频回顾）：该环节是线下实体课堂的第一个环节。翻转课堂通过教学视频将知识性学习移到课外，从而保证大量的课堂时间可以被用来进行问题解决、合作探究等活动。然而視频学习通常是发生在课前的线上，如果线下课堂一开始就让学生解决问题或者开展合作探究活动，可能会因为多数学生难以迅速回想起视频内容而无法顺利进行。为此，教师需要提纲挈领地回顾课前视频知识点，带领学生梳理本次课程的知识点结构，例如决策树算法的基本思想、不同的属性划分方法对应哪些决策树算法、决策树应对过拟合的主要手段有哪些等，为后续问题解决和探究活动打好基础。这个环节通常控制在20分钟左右，而关于学生课前教学视频的学习效果将通过后续的环节进行了解。

5）Test（课堂知识测试）：该环节主要是针对知识性教学目标，通过设计一些课堂问题进一步深化学生对知识的理解和掌握。其出发点有二：（1）检查学生对基础知识点的掌握情况;（2）检查学生对教学重点和教学难点的理解情况。针对（1）可以设计一些比较简单的客观题，考察事实性信息，这部分通常可采用雨课堂、超星软件、kahoot等课堂互动软件，获得学生的即时反馈，及时掌握学生的学习状态;针对（2）通常会有针对性地设计一些比较难的主观题，比如针对某个机器学习算法，要求学生重述算法流程，并对重点实现过程进行理解式讲解，比如支持向量机算法过程中，如何利用拉格朗日乘子法求解最优的支持向量机学习模型。如果大部分同学可以回答正确，则该知识点可以选择略过不讲;否则，则表明之前的视频学习效果不好，教师需要仔细分析学生的错误，并进行有针对性地讲解。同时学生在课堂问题的回答情况将被计入课程总分。在这个环节中，教师能够根据学生的学习效果，及时对所讲内容和讲授方法进行调整。根据具体情况，该环节大概占用1个课时的时间在巩固与深化对知识性目标的理解和掌握，为之后的能力性目标培养奠定理论基础。

6）Activity（课堂活动探究）：该环节是该教学模式的灵魂和核心，其活动设计目标为培养学生跨学科学习能力和综合运用所学的经典机器学习算法解决实际问题的能力。通常需要占用1.5课时的时间用于进行深层的活动参与和有意义的学习。在此环节中，教师通常结合教学目标中的能力部分，要求学生分组探索某个算法在实际问题中的具体应用，并利用计算机语言实现解决某个实际问题。例如，在朴素贝叶斯分类器部分，要求学生分组完成垃圾邮件检测的任务，并与其他分类算法进行性能对比。在小组讨论和组间辩论的过程中，学生会对所学算法的理论知识有更深入透彻的理解，同时培养了其独立思考能力、沟通能力和合作能力。教师在这个环节中主要进行个别指导和评论。通过类似的课堂探究活动，学生会逐渐意识到科学研究往往就是一个向着越来越好的优化过程，答案不再是唯一关注的结果，更重要的是要探索这个结果的适用条件和范围。

7）Summary（课堂总结提升）：翻转课堂虽然是给予了学生充分的自由度参与有意义的学习活动，但是对很多学生来讲，从第一阶段的课前准备活动，到最后的课堂活动，可能依旧无法把握教学重点。此时，需要教师再次对所授内容进行总结、归纳和提升，帮助学生提炼出最核心的学习内容，以形成完整的认识。例如在决策树算法部分，教师总结构造决策树的递归流程以及递归终止条件，提醒学生在递归过程中划分属性的选择起到了关键作用，引出剪枝策略在缓解过拟合问题中的优越性。之后，教师也可以预告下一次课的课前准备活动，继续开展下一个O-PIRTAS教学循环。至此，整个O-PIRTAS翻转课堂教学的闭环就完成了。

为了能更直观地观察出与传统教学模式之间的差异之处，表2以“O-PIRTAS”为对比主线，将基于O-PIRTAS翻转课堂的机器学习课程教学改革的具体实施方案总结如下：

3 结语

本文主要针对当前中医药院校中机器学习课程在传统教学模式下表现出的问题，提出了一种新的基于O-PIRTAS翻转课堂教学法的机器学习教学方案。该方案密切结合学生的学情状况，从课程目标、课程内容、课程实施和课程评价四个方面对传统型课堂重新进行有针对性地设计和调整，旨在通过激发学生学习的内在动机和学习胜任力提高教学效果。

参考文献：

[1] 丁长松， 瞿昊宇， 严璐， 王志辉. “新工科”建设背景下中医药大学信息类本科专业人才培养方案的研究与实践[J]. 教育现代化， 2019， 6（50）：5-6.

[2] 李本岳， 李伟荣， 潘华峰， 王宏， 王奇. 人工智能对中医诊断的影响[J]. 世界科学技术-中医药现代化， 2020， 22（5）：1624-1628.

[3] 李彩红， 张慧娥， 申海杰. K-means无监督机器学习算法在心脏CT图像分割中的应用[J]. 电脑知识与技术， 2019， 15（1）：212-213.

[4] 曹继忠， 赵亮， 温川飙. 基于深度学习技术中医优势病种证候到治法方剂算法模型的构想[J]. 世界最新医学信息文摘， 2018， 18（28）：252-253+258.

[5] 荣国光， Arnaldo Mendez， Elie Bou Assi， 赵博， Mohamad Sawan. 医疗保健中的人工智能——综述与预测性案例研究[J]. Engineering， 2020， 6（3）：189-211.

[6] 王斌， 刘涛， 王广志， 谢琪. 支持新型冠状病毒肺炎的中医智能处方推荐和知识库系统[J]. 中国数字医学， 2020， 15（5）：25-27.

[7] 陈叶旺， 钟必能. 机器学习算法教学中的理论与实践探讨[J]. 福建电脑， 2019， 35（7）：44-45.

[8] 曾道建，向凌云，周书仁.面向本科生的机器学习课程教学改革探讨[J].科技经济导刊，2019，27（30）：110-111.

[9] 郭建鹏. 翻转课堂与高校教学创新[M]. 厦门： 厦门大学出版社， 2018.

【通联编辑：王力】