地方农业类高校机器学习课程本科教学探究

程曦 靳晟 郭斌

摘要：随着人工智能技术的快速发展，人工智能相关各类本科专业在全国高校陆续开设，机器学习课程作为人工智能的专业基础课程逐渐成了热点。作为一门交叉学科，机器学习课程对学生的数学基础和计算机编程基础都有较高的要求。受机器学习课程特点、学生知识结构与课时限制等因素影响，面向地方农业高校本科生开设机器学习课程有很大的教学难度。文章总结了近年机器学习课程的教学实践，并按照新工科的要求探索了一条适用于地方农业高校本科机器学习课程的建设思路。

关键词：机器学习;本科教学;新工科

中图分类号：G642   文献标识码：A

文章编号：1009-3044（2022）13-0144-03

随着时代的发展与科学技术的不断进步，以机器学习为核心的人工智能技术已成功应用并深度融合于诸多传统行业领域，其在不断重塑行业科技化发展新特征的同时，亦推动着经济发展形态的不断演化，极大地促进着实体经济结构转型与快速发展。目前，为主动适应这新一轮科技革命与产业变革，我国急需大量的应用型复合人才来加速推动人工智能技术在各传统行业应用中的落地实践与深度融合[1-8]。在此时代背景下，作為地方农业类高校，面向计算机科学与技术等专业本科生开设机器学习课程既是顺应科学技术发展的趋势，又是践行“新工科”[9]教育理念的具体体现。为此，着力思考如何将机器学习与农业、水利、畜牧业等本校传统优势学科相结合，把机器学习课程的理论知识讲解得易于理解，将人工智能技术落地于西部，促进本地经济发展，提高新疆各族人民的生活水平，成为当前学科建设与课程建设的主要问题。

本文在借鉴前人研究成果的基础上，讨论分析了地方农业类高校机器学习课程本科教学现状与困境，系统地总结了近三年机器学习课程教学一线实践经验，并针对该实际课程教学过程中的教学策略与方法，以及课程评价考核机制环节进行了探索研究，以期能够有效激发学生课程兴趣与探索精神，进一步提高地方农业类高校机器学习课程的授课效果和质量。

1 课程教学现状与困境

机器学习课程因其课程知识结构体系繁杂、内容丰富，要求学生理解与掌握此课程需具备良好的数学基础、编程技能与算法设计等能力，而且对教师的教学策略、授课方法与技巧，以及个人知识储备与应用实践能力提出了更高的要求。这一课程属性在一定程度上严重制约着本科阶段机器学习课程授课质量与效果的提升，尤其是对地方农业类高校而言，因学生基础不牢固、教学资源匮乏等诸多因素影响，使得此问题在实际教学实践中表现得更加突出。

作为新疆地区农业类重点高校，目前新疆某大学在面向本科教育的机器学习课程其教学现状与困境主要有：一是课程教学内容的导入、组织与学情失配，教学形式与方法单一枯燥，未能有效激发学生学习课程的主观能动性。机器学习课程知识内容抽象、逻辑性强，涵盖线性代数、概率论、统计学等知识[10-11]，当前教学形式以理论教学为主，且内容形式上多以各类典型算法原理的本质数学描述与论证分析为主，实践操作少。此教学模式与方法，对于理论基础较好、具备一定科研素质的硕士、博士研究生这样的教学形式是可行的，但是对于大多数没有参加过科研项目的本科生，由于机器学习算法原理抽象、不易理解，基于数学公式推导的理论课过于刻板，学生普遍学习积极性不高，甚至有学生失去了继续学习的信心。二是课程教学内容组织与教学设计缺乏针对性与差异化，未能最大限度地满足学生学习课程的需求，同时致使学生对课程学习的内生群体动力不足。学习这门课的本科学生专业分布广泛，不仅有人工智能专业，还有物联网、计算机、电子信息等理工科专业。学生专业背景有差异，数学基础与计算机编程基础也有较大差异，因此对知识的掌握吸收能力不同，学习效果参差不齐。三是课程知识体系的不断丰富与完善同课程学时之间的矛盾失衡，未能较好处理课程知识的学习梯度与其时效性之间的关系。机器学习的内容和体系庞杂，例如监督学习、无监督学习、强化学习等[6]，并且随着时代的发展，机器学习的内容还在继续扩充。然而课程学时却是有限的，在相对较短的时间如何将繁多的内容和抽象的算法原理通过科学合理的课程内容组织与安排，由浅入深、有选择性、详略得当的方式高质量地讲授给学生，对教师而言是一项极具挑战的任务。最后，理论教学与实践应用学习脱节，未能充分地挖掘与整合利用传统优势学科科研项目资源，致使课程较强的应用实践性特征属性被弱化。地方农业高校教师的科研项目主要是围绕农业、畜牧业、林业等领域展开，如何从教师的科研项目提炼出机器学习典型应用案例，以充实课程教学案例与实验项目，突出课程的实践应用特征，对此目前尚未得到很好的解决。

2面向本科教育的机器学习课程教学策略与方法

针对当前面向本科教育的机器学习课程教学现状与主要困境，为不断提高课程授课质量与效果，激发学生学习课程的热情与探索研究精神，培养更多富有创新意识且具有较强实践应用能力的高素质综合型人才，同时也为更好地服务与促进学科建设和课程建设需求，本研究拟从教学内容重构与设计、强化实验项目教学环节、重视课后答疑与辅导，以及科学过程考核与评价等四个方面着手，对课程教学整体策略与方法实施优化改革。

2.1 以典型案例为载体，导入并驱动理论知识教学

考虑到案例教学能够通过典型应用实例展示，以理论与实践紧密结合的方式将原本理论性强、抽象且不易理解的知识内容以直观易懂、生动活泼、富于启发性的形式呈现，本研究在实际的机器学习课程教学改革实践中采用案例教学模式，以案例为载体，通过案例导入相关概念与知识要点，让学生从实践应用中体会与理解算法理论与本质数学原理，从而达到驱动理论知识教与学进程的目的[11]。

具体而言，首先围绕农业、畜牧业，以及林业等本校传统优势学科，通过深挖与整合学术科研项目中运用机器学习技术的典型问题或场景，建立与课程知识体系及教学内容相匹配的案例库，例如核桃等级分类、苹果品种识别、伊犁马体尺估测等;其次，根据课程教学大纲要求，将典型案例与课程相关理论内容进行融合重构，将枯燥无味的算法理论原理讲解变得易于理解，让学生意识到学到的知识可以真正地用到实际生活和工作中，以及机器学习在地方经济发展中的重要性。具体案例与理论联系情况如表1所示：

2.2 强化实验项目教学，理论巩固提升与实践应用并举

机器学习课程是强实践应用类课程，实验项目教学在整个课程教学中的作用至关重要。其不但可以有效促进学生对基本概念、理论算法原理与本质的进一步理解，而且是培养创新意识的源泉，提升学生动手实践应用能力的唯一途径。同时，早期开课实践亦证明：面向本科教育的机器学习课程纯理论授课模式教学效果较差，学生上课过程中表现消极，基本不与教师互动，课堂气氛沉闷。

为了改善教学效果，此次教学改革在强化实验项目教学方面重点进行了五个方面的改革措施：一是调整课程学时分配，增加实验项目教学环节。将课程理论课与实验课学时均设置为32学时，每周2次理论课，2次实验课。二是增强专业课程体系延续性，搭建简单便捷、可用性更强、适合自主探索学习的应用实践教学工具平台。鉴于新疆某大学本科生具有较好的Python编程基础，因此采用Anaconda和TensorFlow作为机器学习的实验环境。对于学生来说TensorFlow易于上手，可以很快地建立模型、实现算法，并且网络上关于TensorFlow的学习资料丰富，学生在课下也能自主查阅资料、主动学习。三是教师围绕理论课内容设计每周实验课的单元测试题和实验项目，并通过慕课MOOC发布实验作业。四是差异化实验项目作业设置，提升学生参与率与完成率的同时，帮助学生积累课程学习信心。鉴于学生的专业背景、数学基础，以及计算机编程基础不同，围绕每周理论课内容设计了高（选做题）、中（必做题）、低（必做题）三个难度的实验项目和单元测试题（每周测试题的数量大于20），实验项目和单元测试题的难度由易到難，层层深入，鼓励学生循序渐进地完成每周实验作业。五是单元测试与实验项目的定期更新，确保知识时效性的同时，不断优化迭代实验作业难度梯度。每学期结束，机器学习课程组的教师组织会议讨论本学期各个专业学生的学习情况以及机器学习发展动态，根据讨论结果对慕课MOOC上每周的单元测试与实验项目更新，确保慕课MOOC上的实验题目新颖，与时俱进，并且针对不同专业的学生调整实验作业难度。

除此之外，此次改革还增加了鼓励学生积极参加Kaggle等关于人工智能的各类赛事，培养本科生的动手能力环节。在解决问题的过程中，学生不仅提高了自身各方面的能力，也对晦涩难懂的算法原理有了新的认识，意识到理论知识的重要性，增加了学习理论知识的积极性。

2.3 重视课后答疑与辅导，助力自我探索意识的培养

“00后”大学生生活在计算机、手机、iPad当中，获得信息的途径多种多样。有效利用网络教学，例如建立钉钉群、微信群等，可以满足这些“网络原住民”的学习需求，让被动学习变主动学习[8]。另一方面，近年来以机器学习为核心的人工智能技术取得不断突破，相关知识正以惊人的速度不断地更新迭代。如何使学生紧跟时代潮流的步伐，获取、了解与掌握学科技术领域最前沿知识亦是课程教学改革的另一重点。为此，课程改革实践以课后阶段为着力点，重视课后答疑与辅导，尝试建立基于网络的学生自我探索意识培养模式。

相关课程改革工作主要涉及三个方面：一是通过网络，教师向学生推荐开源网络课程视频、教学课件、电子书、学术论坛等资源，让学生从不同角度，不同途径进行课后巩固提升学习[5];二是利用钉钉群等工具，定期组织进行最新机器学习顶级会议（如ICML、IJCAI、KDD等）前沿学术论文研讨，对最新发展动态进行跟踪与了解，这不仅能够有效激发学生兴趣，而且为提高学生学术科研素质奠定基础;三是借助钉钉群，微信群等进行学习引导与督促，并针对学生的课程遗留问题或自主学习过程中的问题等进行有效答疑与辅导;学生在与老师、同学在线讨论的过程，既是分享自己学习的知识与想法，亦会锻炼主动学习、独立思考的能力。

2.4 引入开放式项目，注重过程性考核与评价

由于学生专业背景不同，对知识的掌握程度有差异，传统的单一化闭卷考试并不能达到对学生课程知识内容掌握情况与实践应用能力水平的评价（或检验）要求，为了较为真实、客观、全面地反映学生课程学习的真实效果，现阶段机器学习课程考核方式采用综合评定成绩的方法，即过程性考核评价与期末开放式项目检验相结合的模式。在此考核机制下，课程教学更加注重学生学习的过程而不是结果，其以提高学生解决问题的能力为目标，把实践能力的培养与对过程的评价相融合，并渗透到教学过程的各环节。综合评定成绩方法中各环节考核权重占比情况，见表2所示。

其中，过程性考核评价主要包括平时考勤与单元实验。具体而言，平时考勤侧重于包括上课出勤情况、参加课程讨论分享知识情况、参与翻转课堂情况、提问情况等方面的量化考核;而单元实验则是根据每周在慕课MOOC发布的必做单元实验作业的质量（在线提交代码文件以及随堂答辩）给出单元实验成绩。学生可自主选择是否完成选做实验作，教师根据完成情况予以赋分。与此同时，学生不仅要提交每周实验的代码，还要就编程思路以及对实验项目中问题的理解等向教师进行随堂答辩讲解。教师则通过随堂答辩结果可了解学生对每周理论知识的真实掌握情况，并针对每一个同学的问题进行答疑。此过程使得学生与教师的交流更加密切、互动更多，这在一定程度上可以促进学生更好地完成实验作业，增加了学习的动力和热情。

除此之外，综合评定成绩方法的另一重要组成为则基于开放式项目的期末考核，其要求学生以自由组队（3～4人）形式，利用课程涉及的实践工具，完成一个综合应用型的机器学习项目。为确保开放式项目的考核评价的公平与公正，要求学生以答辩形式向课程组评委教师（4～5人）和全班同学展示，过程包括PPT汇报展示、代码解释与教师质询三个环节。在代码解释和回答问题环节，答辩教师随机地向小组的某位同学提问，以确定小组中的每位同学都参与了项目，了解整个项目的过程。答辩评委教师则根据学生在上述三个环节中的综合表现进行量化评分，并最终由任课教师取平均值作为课程期末考核成绩。经过教学实践检验，在此过程中学生既可以从形式各样的选题中获得解决问题的乐趣，并且培养了学生搜索、筛选、整合资料的能力，分析、解决问题的能力，以及团队协作与沟通交流能力。

通过开放式项目进行期末考试，教师不仅可以了解学生对知识的真实掌握情况，而且可以根据答辩情况针对不同的专业降低或提高慕课上实验作业的难度。

3总结

未来西部地区的经济发展离不开人工智能技术，如何培养人工智能领域的应用型人才至关重要。本文分析了新疆地区农业类高校面向本科阶段开设机器学习课程的教学现状与存在的问题，探索提出了一套适用于地方农业类高校本科教育的机器学习课程教育教学改革方案。该方案不仅突出对学生解决问题能力的锻炼与培养，而且注重对学生自主学习的自驱力养成与提升。实际教学效果较好，为实现人工智能领域应用型人才培养提供一条具有较高可操作性的思路，有效保障了地方农业高校本科教学工作高质、有序实施。

参考文献：

[1] 王变琴，孙雪冬，陈薇薇，等.机器学习通识课程建设与教学实践探索[J].计算机教育，2019（12）：85-88，107.

[2] 王昊，刘高军，赵尔平.基于CDIO的机器学习课程教学改革与探究[J].课程教育研究，2018（22）：245.

[3] 曾宪华，李伟生，于洪.智能信息处理课程群下的机器学习课程教学改革[J].计算机教育，2014（19）：60-62.

[4] 高明霞，方娟，毛国君.开源工具在机器学习教学中的应用[J].计算机教育，2009（3）：100-102，105.

[7] 曲衍鹏，邓安生，王春立，等.面向机器学习课程的教学改革实践[J].计算机教育，2014（19）：88-91.

[8] 李潍，张震.“模式识别”课程中的“智慧启迪”与“情怀教育”[J].电气电子教学学报，2021，43（3）：33-35，119.

[9] 葛动元，靳龙，王晨，等.面向人工智能的Python语言教学探索[J].电气电子教学学报，2021，43（3）：124-128.

[10] 白雪梅，王锋，张晨洁.基于机器学习的教学评价体系研究[J].教育教学论坛，2016（15）：173-174.

[11] 姚兴华，吴恒洋，方志军，等.新工科背景下机器学习课程建设研究[J].软件导刊，2018，17（1）：221-223.

【通联编辑：梁书】