人工智能赋能的混合式教学设计与实践

摘 要：2020年的疫情，让广大的教育者积极思考未来教育的可能。随着国内疫情的好转趋势，各地复学，逐步转入线下，利用互联网+人工智能赋能，实施线上线下混合教学模式是符合当前形势需要和教学改革方向的有益探索。文章以广东东软学院数据结构与算法课程开展的线上线下混合教学模式为基础，分析了混合教学的优势，构建了互联网+人工智能赋能的线上线下教学闭环，并对如何进行教学过程的掌控和学习评价进行了优化和实践。

关键词：人工智能赋能;线上线下混合课程;数据结构与算法

中图分类号：TP391 文献标识码：A DOI：10.3969/j.issn.1003-6970.2021.02.014

本文著录格式：向燕飞.人工智能赋能的混合式教学设计与实践——以数据结构与算法课程为例[J].软件，2021，42（02）：

046-051

Design and Practice of Artificial Intelligence-enabled Hybrid Teaching： Taking Data Structure and Algorithm as an Example

XIANG Yanfei

（School of Computing Neusoft Institute Guangdong， Foshan  Guangdong  528225）

【Abstract】：The epidemic in 2020 has prompted educators to think about the possibilities of future education. With the improving trend of the epidemic in China， schools opened again and turned to offline study. Using the Internet + Artificial intelligence to enable online and offline mixed teaching mode.It is a beneficial exploration that in line with the needs of the current situation and the direction of teaching reform.Taking "Data Structure and Algorithms" as an example，this paper analyzes the advantages of the mixed teaching mode， constructs the artificial intelligence empowering online and offline teaching closed-loop， and practices how to control the teaching process and learning evaluation.

【Key words】：artificial intelligence enabling;online and offline mixed courses;data structure and algorithm

0 引言

随着各种新技术，尤其是信息技术的发明与普及，互联网与人工智能技术相结合，呈爆发式发展，对人类社会带来了前所未有的影响，其中之一就是对传统的教育教学模式产生了巨大的冲击。而过去的一年，突发的新冠肺炎疫情彻底改变了2020年春季学期的教学模式，在教育部提出的“停课不停教、停课不停学”实施方案指导下，各高校积极应对，制定线上教学计划，安排进度，将原来的线下教学彻底转换成线上教学[1]，人工智能赋能教育，促进了教学手段多样化。它辅助教师提高教学水平，提升教学质量。我们需思考如何更好地融合线上和线下教学资源、教学手段、教学方法等为教育服务。切实提高教育教学水平是每一位教育工作者需要深入思考的问题[2]。随着国内疫情的好转趋势，防控也进入了常态化，全程线上教学师生缺少面对面的交流[3]，难免生硬，缺少思想的碰撞。各地复学，逐步转入线下，但线上的优势不能忽略，因此，利用“互联网+”人工智能赋能，实施线上线下混合教学模式是符合当前形势需要和教学改革方向的有益探索。

论文以广东东软学院数据结构与算法课程开展的线上线下混合式教学模式为基础，分析了混合式教学的优势，构建了“互联网+”人工智能赋能的线上线下教学闭环，并对如何进行教学过程的掌控和学习评价进行了优化和实践。

1 总体设计

1.1 课程体系的优化与构建

在创新型应用计算机人才的培养体系中，程序设计、算法设计能力是最首要的培养目标。在课程体系中更重视构建“以程序和算法为基础的计算机系统能力”，数据结构与算法课程在这一课程主线起着“承上启下”的桥接作用。经过几年的探索和实践，我们对培养计划和各课程定位进行优化设计，构建以下适合本校应用型本科特点的线上线下混合式课程体系，如图1所示。

1.2 教育思想和理念

在教学过程中，基于以下三大教学理论的思想，对课程进行总体设计。

（1）PBL（Problem-Based Learning，问题驱动的学习）。问题求解是人类在自然界中最重要的认知活动之一。根据PBL的启发，对课程进行线上线下混合式设计，在课前和课后分别设计不同的问题，探索和实践“递进式分层任务驱动”教学模式。以问题作为学习的起点，设计的教学活动围绕着问题展开，问题的挑选并不是随意的，而是学生在其未来的专业领域可能会碰到的真实问题，基于此，学生开展自主、合作和探究式的学习，得出的学习成果，是一套能解决问题的算法或方案，在问题的求解完成后，进行自我评价和小组评价。（2）Bloom认知理论（教育目标分类法）。在Bloom教学目标的各层次中，记忆和理解位于最底层，也是最简单的任务，应用和分析处于中间层次，是有一定难度的，评估和创造位于最上的两层，当然是最有难度的任务[4]。因而在任务驱动设计中，提倡不能仅仅局限于初级认知的问题，在适当的时机，高级应用型和创新型的问题更能够激发学生的思维，从而培养学生的思维能力、创新能力和职业素养。（3）SCL（Student Centred Learning，以学生为中心的学习）。2020年《創新教学报告》仍强调一个重要的信息：技术变革带来的创新教学法正日新月异，教育工作者在关注技术应用的同时，更应思考技术与理论的有机融合，紧密围绕以学生为中心的教学理念创新应用[5]。在计算机学院2019级软件工程和网络工程专业学生中进行“哪些能力得到提高”的调查问卷中，“自学能力、沟通能力、查阅资料能力、团队协作能力、分析解决问题等能力得到了提高”是学生表述最多的内容，其中“解决问题的能力”占比最高，78.3%的学生选择了此项，数据说明，这一模式实现了知识课堂向能力课堂的转变。

1.3 “互联网+”智能赋能的混合式课程的教学框架

课程组经过几年在专业核心课程进行翻转课堂的实践，积累了不少经验，疫情期间，在原有的“MOOC+ PTA（程序设计类实验辅助教学平台）”混合式课堂模式的基础上，融入了更多AI教学软件，让教学更具有互动性、智能性和可扩展性。疫情后期线下复课以后，很好地延续了这一模式，设计出基于任务驱动的线上线下混合课程，如图2所示。

在课程总体设计的框架里，设计Online-Online & Offline-Online-Offline-Online五步环节，构建O2O2O （Online to Offline to Online）教學闭环，如图3所示。

（1）Online：分发需求解的新任务——教师将教学目标进行分解，提出问题-创设情境，激发兴趣;（2）Online & Offline：分组讨论——学生查看任务单对应的知识点，分析问题，包括数据怎么组织，完成什么功能，需要用到什么算法;（3）Online：思考探究，构建知识——学生完成MOOC预习视频+OJ课前练习，教师查看答题情况，设立线上小白专场，详解基础任务;（4）Offline：组织课堂教和学，问题求解——学生展示在预习和完成基础阶任务中获得的经验，分享解题技巧，教师根据预习情况提炼总结重难点，需要注意的是，在这一环节，教师还将侧重于在深度上进行引申，深化知识，合作提炼，激发学生举一反三的能力，培养创新性思维，从而引导学生找到更多的解法。设立刷题排行榜，让学生完成能力应用级的任务;（5）Online：拓展延伸，利用PTA完成分级任务评测——在问题上进行拓展，延伸到专业领域的实际应用，设立线上应用竞技场，详解高阶性的任务。

2 教学案例和效果评估

广东东软学院的数据结构与算法课程依托国家级在线开放课程，在“中国大学MOOC”和网易“云课堂”平台，注册人数累计超过一百万人（截止到2020年6月）。课程基于“MOOC+PTA”的翻转教学在疫情前已进行实践3期。作为计算机学院的专业核心课程，共设立96学时，其中理论56学时，实验24学时，综合课程设计16学时。课程利用天梯程序设计团体赛的官方评判系统PTA，此系统得到网易的技术支持，是科技部科技创新2030-“新-代人工智能”大项目（2020年）和国家自然科学基金重项目（2020年）研究的支撑平台。在疫情6个月期间内，线上提交量达到0.5亿次，系统压测QPS>5000，最大程度地为线上教学活动提供了保障。

在课程实践中，借助“PDS查重系统+OMS监考系统”，数据结构与算法课程实现了无纸化考试。进一步结合智能互动教学工具，努力让学生在质疑、思疑、解疑的互动体验、参与中学习。设计任务难度分级，形式采取多样化，引入电影，生活中各种解题的场景，体现课程内容的“两性一度”，即高阶性、创新性和挑战度。打造一个立体多维度的线上线下混合式教学生态系统，最大地激发学生学习兴趣和积极性，如图4所示。

结合这样的思路，设计灵活多样的教学活动，这些活动充分体现了以学生为中心的互动式教与学，主要集中在三个点：一，以学生为中心;二，教与学的互动，三，保障教学按节点完成，提升教学效果和教学质量。充分利用互联网+人工智能教学APP，赋能渗透到教和学的各个环节中，详见表1。

2.1 教育的组织和实施

通过“问题代入，任务驱动式”策略，教学组织上参照BOPPPS模式，注重学生主动参与教学的各环节，重点在目标-活动-评价的整体设计，如图5所示。

2.2 课前

课前设计主要包含两个内容：

（1）教学目标分解和学生掌握程度评估的设计。教师在课前进行教学目标分解和学生掌握程度评估的设计，以第三周学习中的“认识堆栈、掌握栈的逻辑结构与基本运算”为例， 设计详见表2。

（2）分级任务单。以第三周为例，每周6学时，每2学时设计课前预习任务和PTA基础练习。如图6所示，在课前用A+课堂派，以通知公告的形式提前一周发送给学生，学生可以在手机上通过微信查看。线下小组讨论和线上看MOOC视频及课件做好预习，在课前完成与知识能力目标对应的基础练习，教师可以在课前导出练习的成绩，用PTA和A+课堂派的数据分析查看学生预习的掌握程度，有针对性地设计课堂教学。

2.3 课中

课堂教学主要在多媒体翻转教室（Flipped class-room）进行，教师首先对学生完成先导任务的情况进行总结，讲解学生存在的共性问题和不合理的设计，有针对性地对重点、难点进行扩展解析，必要时，教师辅以参考代码示例讲解，适当增加调试技巧展示。对学生在任务中的亮点提出表扬，为鼓励学生多思考，培养创新思维，可以自荐或点人的方式由1～2名学生通过屏幕共享方式分享创新的解题思路，培养学生的表达能力和沟通能力。并设计互动环节，利用A+课堂派平台的抢答、随机选人、投票等功能，活跃课堂氛围。提问以奖励为主，奖励按评价标准计入过程考核分。另外，实验课或者拓展讨论课，以线性结构为主题的拓展专题为例，延伸到行业前沿的应用，如：（1）链表在缓存清理方面的运用;（2）堆栈在最短路径智能搜索方面的运用;（3）队列在数据加密技术方面的运用。学生可选择主题做汇报，以小组为单位以分享屏幕的方式分享阶段性综合编程实践的设计思路和代码，引导学生互评和讨论。

2.4 课后与评价

课后，教师通过A+课堂派发布课后拓展任务，主要在程序类实验辅助教学平台，学生需在设定的时间内完成，由系统在线判题。互评作业通过微助教提交，可设置教师和学生互评成绩的比例，互评可以让学生加强相互学习，学习不同的解题方法，同时也培养学生高阶思维的能力。教师可以通过PDS系统和AI教学软件，对数据进行分析。如查重，针对某道编程题，选择一位同学，通过在本用户组和同题集里生成查重报告，如图7所示。如果有三位同学和这位同学的代码重复率达到95%以上，则认定为无效作业，判0分，而图中的样本为通过查重检测。

提交动态列表功能，可实时监测学生做题过程的详细情况，包括提交的具体时间和状态，判断和选择类的题包括部分正确和完全正确，教师可以展开查看具体的详细信息，程序题可以查看提交代码是否一一通过测试点，以及程序运行耗时，可以让教师清晰地了解哪些知识是易错点，哪些是难点。对下一次线上课堂重难点分析的教学设计起到了很好的决策作用，如图8所示。

每一次任务，可以在线生成成绩分析报告，教师通过数据对比，查看学生的最高分，最低分和平均分，通过查看知识点得分率和难度系数来评判学生的掌握程度，帮助教师及时对下一次任务设计作出对应的调整，以20软工3班，第一周任务完成后的成绩数据为例，可以得出，因为学生在程序设计基础课程中学过数组，掌握得还不错，所以顺序表的题目得分率也达到了94%，而对于函数的增长趋势知识点，掌握相对较弱，导致时间复杂度分析的得分率也不高，如图9所示。教师在下一次查缺补漏的环节中，将加深这一知识点的剖析和巩固训练。

为了让学习的评价从以往的总结性评价转为形成性评价，从判断结果转到描述过程[6]。对学生学习的评价不仅要关注学生的元认知能力，也要关注学生的素养发展[7]，而传统的评价思路往往会造成测试与学习呈分离状态，整个评价过程主要是教师在开展，学生被动地参与评价。为了改变这一现状，借助于人工智能的教学APP和评价体系的设计，大大鼓励了学生积极参与评价各环节，激发学生通过自我评估、自我监督和自我调整来缩小与更优秀学生的学习差距，并帮助他们确定下一步的学习计划。在课程的评价体系中，实施过程考核多样化，形成性评价与学期末评价相结合，详见表3。

在实践中，结合“教赛融合”，以输出成果为导向，再反馈到教学上的反思，促进教学，形成相互促进的良性循环。通过这样的实践，计算机学院取得了显著的成绩，学生学习算法兴趣越来越浓，以20级软工4班为采样数据，平均每周的互动话题发言条数，较以前增长了225%，刷题排行榜的总积分（总分为880分）整体提高了146分，在程序设计与编程类的国赛省赛中，参加的学生人数和获奖奖项也越来越多。

3 结论

一场突如其來的疫情，给人类的生活带来了影响，同时也带来了挑战，让广大的教育者积极思考和探索未来教育的可能[8]，文章提出的“互联网+智能赋能的线上线下混合式课堂”模式，通过实践证明，学生对这一教学模式普遍表示认可和接受，在理论知识掌握和实践能力提升，以及创新思维培养上均基本达到预期目标，达到了良好的教学效果。人工智能、技术赋能教育融合线上线下的教学改革实践当前还处于第一阶段，在今后的实际开展中还有需要完善的地方，需要更多的思考和不断的总结，以取得更大的进步。

参考文献

[1] 教育部.教育部应对新型冠状病毒感染肺炎疫情工作领导小组办公室关于在疫情防控期间做好普通高等学校在线教学组织与管理工作的指导意见[EB/OL].[2020.6.17].http：//www.gov.cn/zhengce/zhengceku/2020-02/05/content_5474733.htm.

[2] 陈武元，曹荭蕾.“双一流”高校在线教学的实施现状与思考[J].教育科学，2020（2）：24-30.

[3] 李骏扬.从关注“教”变关注“学”的计算机语言在线教学[J].计算机教育，2020（11）：8-12

[4] 李培.能力导向的C语言实验翻转课研究与实践[J].计算机教育，2020（2）：59-62.

[5] 肖卓宇，徐运标，陈果，等.“人工智能+教育”融合的实施路径研究[J].计算机时代，2020（11）：103-105+109.

[6] Bennett，R.E.Formative assessment：A critical review. Assess-ment in Education：Principles[J].Policy & Practice，

2011，18（1）：5-25.

[7] Earl，K.，&Giles，D..An-other look at assessment： Assessment in learning[J].New Zealand Journal of Teachers' Work，2011，8（1）：11-20.

[8] 张生，王雪，齐媛.人工智能赋能教育评价：“学评融合”-新理念及核心要素[J].中国远程教育2021（1）：1-10.