课程思政背景下《算法导论》课程教学创新研究与实践

李 芸 陈荣平 陈建文

（湖南工商大学理学院 湖南·长沙 410008）

《新时代全国高等学校本科教育工作会议》[1]指出，要培养能担当起民族复兴大任的社会主义接班人，必须加快建设高水平本科教育、全面提高人才培养能力。人才培养是大学的本质职能，在高等教育中是具有战略地位的教育。人才培养质量和效果是检验一切工作的根本标准。推动办学理念创新、组织创新、管理创新和制度创新；用知识体系教、价值体系育、创新体系做，倾心培养建设者和接班人；提升学业挑战度、激发学习动力和专业志趣，使学生求真学问、练真本领是每一个心怀天下的知识分子（教师）的教育强国梦。高质量人才的培养离不开“学生”和“教师”两个主体，而课程是联结“教师”和“学生”的主要桥梁。专业建设水平和课程教学质量是影响学生成才的两个主要的方面。重塑教育教学形态，思想创新、理念创新、方法技术创新和模式创新，推进课程内容更新，推动课堂革命是当前人才培养任务的紧迫任务。

根据《习近平总书记关于教育的重要论述》[2]、“全国教育大会”[3]和《中国教育现代化2035》[4]精神，实现中华民族伟大复兴的根本任务是培养全面发展的社会主义接班人。知识的传授、能力的培养必须建立在正确的世界观、人生观和价值观之上，这样才可能培养出能担负起民族复兴和国家崛起大任的后继者。如何建设高等学校课程思政，发挥课程育人作用，实现专业课程作为课程思政建设基本载体的功能，深入挖掘专业课程思政元素，增加课程除知识性外的人文性、时代性和开放性，是当前亟须解决的问题。

计算技术在大数据和人工智能时代的重要性不言自喻，以算法为核心的信息处理是其亘古不变的主题。算法在很多领域都有非常活跃的应用，如人类基因工程、互联网信息检索、电子商务安全问题中的数字签名、稀有资源分配等。如何高效地设计算法对各个应用领域来说都是非常重要的事情。因此，我们选择了《算法导论》这门专业核心课程开展了课程思政建设和教学创新研究与实践。

1 课程概述

《算法导论》课程主要介绍可计算问题的数学建模。我们把课程内容分成了常用算法、算法设计范式、算法分析方法、数据结构基础以及高级智能算法/机器学习算法五大模块。本课程的先修课程为高等数学、线性代数、概率论与数理统计以及离散数学，并要求熟悉一种编程语言。根据不同的专业需求，课程学分设置从2学分到4学分不等。我们建设了《算法导论》课程教学团队，团队成员均为具有丰富教学经验、善于学习和乐于奉献的优秀教师。

2 理念与目标

2.1 课程理念

秉承“以学生为中心，全面发展学生能力”的理念，培养学生分析问题、解决问题的能力和实践应用的能力。学习算法设计和分析的理想的状态是学习实际工作中需要的各类算法理论，并能用数学方法对其进行分析，同时还能采用一种编程语言将思想或伪代码变成实际可用的程序。探索算法的过程就是我们认知世界的方法，从最简单的想法开始，通过“实验”“失败”“再实验”循环锤炼，用数学的方法去严谨的推导与证明，用数据和案例去验证，用代码和程序去实践，以数学为基石，以编程为工具，去分析去解决实际应用问题，达到理论与实践的完美统一。

2.2 教学目标

《算法导论》课程培养面向企事业需求的应用型人才，需要学生具备开放性思维，能够在面对新问题时提出自己的思路和独到的见解，或面对旧问题能独辟蹊径，采用更为高效的求解方法。具体教学目标分为四个阶段，第一阶段为算法基础，目的是使学生（1）掌握最基本的算法，如排序算法、图算法等；（2）学会选择合适的数据结构实现算法，掌握从算法到程序的实践过程。第二阶段为设计范式，目的是使学生掌握分治策略、动态规划、贪心算法和随机算法等强大的算法设计范式。第三阶段为算法分析，目的是使学生通过直观理解和严谨数学推导证明方法相结合，打牢算法分析基本功，学会分析算法时间、空间复杂度。第四阶段为算法进阶，通过对智能算法如遗传算法和机器学习算法如神经网络等算法的学习，激发学生对高级算法的进一步探索。

2.3 课程思路

学习解决实际应用问题所需要的各类算法范式和方法，学会用数学方法对算法进行理论分析，采用一种编程语言将思想或伪代码变成实际可用的程序。本课程选择Python语言编写程序，有利于学生快速理解算法精髓，提高算法应用能力。

3 过程与方法

3.1 课程思政建设

培养什么人、怎样培养人、为谁培养人是教育的根本问题。立德树人有道，励学敦行无声。本课程将课程思政与价值塑造、专业知识传授和能力培养有机结合，将课程思政元素加入算法案例中，培养学生民族自豪感，培养学生家国责任感，培养学生探索未知的使命感。

3.2 课程内容与学科前沿研究联系紧密

课程教学内容反映学科前沿研究动态。动态规划、贪心算法、分治策略是学科前沿文献中解决疑难问题的常见启发式方法。粒子群、遗传算法、模拟退火等智能算法一般用来解决实际应用中的最优化问题，粒子群算法模拟了鸟群捕食、遗传算法模拟了生物种群进化。智能优化算法一定程度上解决了大空间、非线性、全局寻优、组合优化等复杂问题。在实际应用中得到了广泛的研究与使用。

3.3 学科竞赛辅助课堂教学

为培养学生知行合一的能力，以赛促学，我们组织学生参加全国大学生数学建模竞赛、ACM国际大学生程序设计竞赛、Kaggle机器学习竞赛等并取得了一定的成绩。

3.4 创新教学模式

基于算法的实用性特点，教学过程中应理论与实践并重。理论教学包含课堂讲授和专家讲座。应做到基础理论、算法设计、案例教学、辅助软件相结合。实践教学包含课堂实践、课后个人实践、团体实践三个方面。激发学生的思考和探索，培养学生分析和解决实际问题的能力。教学模式创新如下,课堂引入案例、动画、PPT讲授算法原理，并利用Jupyternotebook的交互式编程功能向学生演示示例代码。精心设计理论与实验作业，打造头歌Educoder平台同步实训课程（算法导论Python语言实现），发布实训作业。

4 结语

《算法导论》课程理论与实践并重教学新模式、新方法可以推广至《离散数学》《数据挖掘基础》《金融大数据分析》《Python编程基础》《运筹学》《数学建模》《数值优化》等核心专业课程的教学中，实现了专业课程的无缝衔接和层级推进，对培养应用型创新性人才具有较好的价值。