基于工作流程的高职院校《人工智能》通识课课程体系构建

2021-04-13 16:31吕菲
课程教育研究 2021年20期
关键词:通识课工作流程高等职业教育

【摘要】随着社会经济形成“人工智能+X产业”新发展格局,为建立和完善人工智能及相关领域的人才培养体系,提高高职院校学生的职业岗位技术技能水平、应对职业技能迭代优化能力水平、创新创意能力水平,文中从人才培养、通识课程建设、专业群建设三个方面阐述了高职院校“人工智能”通识课建设的必要性,基于“两大方面”(设计基于工作流程的模块化教学体系、建设课程教学资源)、“四个环节”(选择典型应用场景明确工作任务、归纳工作任务明确行动领域、设计模块化教学内容、打造“课程思政”)详细阐述基于工作流程的高职院校《人工智能》通识课建设思路,以此提高学生专业拓展能力和市场适用能力,为社会发展、区域经济调整提供复合型技术技能型人才。

【关键词】高等职业教育  人工智能  通识课  工作流程

【基金项目】2019年合肥职业技术学院校级教育教学研究一般项目“基于工作流程的高职院校《人工智能》通识课程模块化教学体系探索与实践”(项目编号:2020JYXM04);2020年度安徽省高校优秀人才支持计划项目(项目编号:gxyqZD2020067);2021年安徽省教育科学研究重点项目“人工智能的职业技能迭代效应及中等职业教育干预对策研究”(编号:JKZ21008)。

【中图分类号】G712;TP18-4【文献标识码】A 【文章编号】2095-3089(2021)20-0031-02

随着国家经济发展战略转变为高质量发展,人工智能被列为落实国家战略的重要途径,习总书记强调:“人工智能是新一轮科技革命和产业变革的重要驱动力量,加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题”。

《高等学校人工智能创新行动计划》中明确高校成为建设世界主要人工智能创新中心的核心力量和引领新一代人工智能发展的人才高地。作为培养社会高质量技术技能型人才的高职院校,衡量其人才培养的质量指标宏观上可分为:职业岗位技术技能水平、应对职业技能迭代优化能力水平、创新创意能力水平、终身教育能力水平,所以高职院校开设人工智能通识课具有其必然性。

一、开设人工智能通识课的必然性

(一)人才培养的需要

高职院校的培养目标是为社会和产业发展培养高质量技术技能型、创新型人才,随着人工智能等技术的广泛应用和发展,开设优质的人工智能通识课才能满足人才培养的需求。

1.技术技能培养的需求

一方面,分析人工智能技术在生产全周期流程环节的应用情况,培养适应岗位需求的职业技能和素养,另一方面,引导学生了解人工智能技术,树立对人工智能技术的正确认知,消除对人工智能带来的技术更新和人才迭代方面的恐慌,掌握人工智能技术在产业中的应用,具备人工智能技术基础素养,进而培养适应社会发展的高质量人才,打造“大国工匠”。

2.技术技能迭代优化的需要

智能时代的快速发展,会带来技术技能迭代优化效应,多余的劳动力和被快速淘汰的技术技艺是快速发展的副产品,如何让技术技能型人才快速地适应全要素生产率的提高和生产技术升级、优化,解决技术技能迭代效应带来的就业压力,可以通过构建人工智能通识课教学体系,让各专业的学生都掌握相关领域的前沿科技,理解人工智能技术在新的工作环节下的应用,从而应对人工智能时代带来的劳动力迭代。

3.创新能力培养的需要

人工智能技术逐渐替代了重复性、机械性的生产活动,从事此类生产活动的低技术技能人才逐渐被淘汰。但随着人工智能同原有行业的深入融合和创新,生产成本对原本生产流程的要求、消费者对原有服务和事物的要求、产品升级对原生产全周期的控制等都提出更高效、高质的要求,也会激发创造出来新的专业和新的岗位,这就需要提高从业者的创新创意能力的培养。

(二)通识课建设的需要

为什么要将人工智能课程定性为通识课,这是由通识课的性质和功能决定的,高校开设通识课的目的是为了培养学生满足可持续发展需求的基础素质和全面的人文素质。

由2021年专业目录高职增设、转设大量新兴专业,同时也可以看出专业分类过细,岗位职业能力标准面向的专业课程过于集中,这就导致现有高职院校的人才培养在知识结构和技术技能培养过于单一,不利于培养适应性强的技术技能型人才。另外一方面,當前高职院校学生存在着人工技能基础薄弱、人工智能典型场景广泛难以选择、人工智能技术与专业领域难以融合等方面的问题。在这样学科专业和人才培养体系大背景下,将人工智能建设为符合高职院校特色发展需求的通识课,是我们务必要完成的改革任务。

(三)专业群发展的需要

人工智能技术对于社会经济发展不仅表现在对生产效率的提高和对劳动力供给侧的动态调整,更深入的是影响产业结构的变革,比如人工智能与制造、医学、电子、旅游、经济、商务等产业逐渐融合衍生出智能制造、智能医疗、虚拟现实等新兴产业,这些新兴产业生态打破原有专业发展的单一性,构建围绕人工智能核心技术的专业群,形成“人工智能+X专业”的专业群发展模式,要求高职教育要突出人工智能适应和创新能力的培养,构建以人工智能素养为牵引的技术技能培养模式,重组人工智能新元素下的专业群课程体系。

二、高职院校《人工智能》通识课建设思路

围绕高职院校在职业岗位技术技能水平、应对职业技能迭代优化能力水平、创新创意能力水平、终身教育能力水平方面人才培养的要求,构建《人工智能》通识课程基于工作流程的模块化教学体系,针对不同专业选择典型的应用场景,融合学科专业和人工智能技术,从而激发学生专业学习兴趣,拓宽学生的知识面,培养学生人工智能基本素养、计算机思维能力和人工智能技术应用水平,用人工智能技术与思维解决专业行业的各种复杂任务,加强学生专业素养,帮助学生提高职业适应能力、养成学生家国情怀。

(一)设计基于工作流程的模块化教学体系

1.选择典型应用场景

根据不同专业人才的培养目标,选择面向不同专业、产业的典型的应用场景,主要通过以下三个途径:

第一,开展调研了解市场和企业需求,对不同专业群人工智能知识素养准确定位,确定典型应用场景的内容;第二,掌握專业发展趋势和产业人才结构现状,分析专业领域岗位和岗位群技能要求,确定产业典型应用场景的难度;第三跟踪毕业生就业创业情况,全面了解产业实际需求和职业资格要求,客观定位人工智能通识课的针对性,切实满足市场需求。

2.构建基于工作流程的课程体系

第一,深入分析岗位、岗位群典型应用场景,明确工作任务,围绕安徽省十大新兴支撑产业,通过企业调研、访谈等形式调研新兴“人工智能+X”产业典型应用场景中的工作任务,明确生产全周期的工作任务,有针对性地选择。第二,归纳工作任务明确行动领域,选择典型工作任务后,要从常识、技能、素质三方面培养出发,归纳工作任务明确到各专业的行动领域,比如说将智能汽车的典型任务环节归纳到感知机、深度学习、聚类算法、自然语言处理4个行动领域。第三,设计模块化教学内容,根据人工智能在不同产业中的应用情况,按照“产业—专业(群)”的逻辑,设计模块化教学内容,以智慧医疗典型应用为例,首先,了解人工智能的历史、人工智能如何进行自主学习;其次,了解人工智能在智慧医疗中的应用;再次,介绍感知机模型的基本结构及工作原理,掌握相关模型的工作过程;最后,开展创新性智慧医疗系统设计(理论设计非综合实训),引导学生如何将人工智能与自己所学专业融合。第四,打造“课程思政”。介绍人工智能给生活带来的变革,同时在某产业领域应用中可能会产生的伦理、道德、法纪的反面效应,培养学生法纪、人文、传承意识,打造课程思政。

(二)建设课程教学资源

依托智慧职教、职教云等平台开展课程教学资源建设,主要包含四个方面:第一,课程教案、课件设计。根据不同专业选择典型应用场景,并根据不用专业学生对人工智能技术的掌握程度开展学情分析,设计重、难点,编写课程教案,制作配套的课件,深入浅出。第二,课程教学视频资源建设。以项目为单位,以工作流程为逻辑,录制教学视频,通过微课、案例、项目等形式,形象生动地介绍人工智能的典型应用,利用动画手段化繁为简介绍核心知识点,易于学生理解。第三,题库建设。针对人工智能在不同专业应用的侧重点,设计题库模块,题目以选择题、判断题、简答题、创新应用系统设计规划,方便不同专业背景的学生选择性学习,提高课程学习效率。第四,评价体系建设。在线课程平台实现教师授课和学生学习效果的全过程互评,动态调整教学内容和教学模式,提高该通识课学习的针对性和专业性。

三、结束语

人工智能的快速发展对于职业教育提出挑战,如何面对技术技能迭代优化和劳动力迭代效应,培养出既能满足传统产业需求的技术技能型人才又能满足新兴产业需求的复合型、创新型人才是一大难题。

作为高职院校立足区域主导产业发展,立足社会经济发展对人才需求的变化,动态调整课程教学内容,持续推动人工智能通识课的设计、开发和实施,提高学生专业拓展能力和市场适用能力。

参考文献:

[1]刘红明.高职院校开设人工智能通识课程的必要性探究[J].职教科技,2019(9):179-180.

[2]丁帮俊.高水平职业教育的技术生态位探析[J].职业与教育,2018(23):38-43.

作者简介:

吕菲(1987年-),女,汉族,安徽合肥人,硕士研究生,讲师,研究方向为电工电子和物联网。

猜你喜欢
通识课工作流程高等职业教育
理工院校通识课程与学生跨文化竞争力培养探析
北京师范大学图书馆少儿图书编目工作概述
高职会计综合模拟实训课程教学情景设计探讨
220kV智能变电站线路保护改造工作流程探讨
公共英语课程教学深化改革的浅思考
高职院校“三个空间”就业体系构建研究与实践
纺织行业职业结构变迁对高职现代纺织专业人才培养的启示
行政事业单位内部控制工作的现状及完善对策
电子商务通识课程考试成绩多维度分析