基于学生能力导向的人工智能课程教学改革

高广谓，李佳雯

（1.南京邮电大学 先进技术研究院；2.南京邮电大学 自动化学院、人工智能学院，江苏 南京 210023）

0 引言

随着深度学习、机器视觉等核心技术的发展和突破，人工智能迎来新一轮发展热潮，迈入“黄金时期”。人工智能是一门研究难以通过传统方法解决实际问题的学问之道。通常而言，人工智能的基本目标是使机器具有人类或其他智慧生物才拥有的能力，包括感知、问题求解、决策能力、行动及支持任务完成的体系架构。基于学生能力导向的人工智能课程所涉及的基础知识和原理被广泛应用于交通、服务、医疗健康、教育、就业、公共安全与防护等领域［1］。

人工智能课程建设及人才培养需要物理学、数学、电子工程等方面的综合知识。因此，培养人工智能人才挑战巨大。工程教育是我国高等教育的重要组成部分，在国家工业化进程中，对工业体系的形成与发展发挥了不可替代的作用。人工智能人才培养需要面向世界科技前沿、国家重大需求、国民经济，对人才进行分类培养，因此要充分发挥高校的教育优势，探索人才培养的新模式［2］。

近年来，国内学术界对人工智能教育的研究急剧增长，各高校纷纷开设人工智能相关课程，引导学生深入掌握人工智能技术的基本概念及相关技术，对学生今后的工作需求、科研项目与企业项目开发，发挥着至关重要的作用。

1 现存问题

1.1 学生主体性被忽视

虽然长时间以来，发挥学生的主体作用是教育改革的主要方向，但参照目前的课堂教学情况，学生的主体地位仍然容易被忽视。在课堂实践中发现，由于并未充分重视学生的主体作用，部分教师在课堂上会出现控制学生及课堂的倾向，整个课堂成为了教师的主场，学生反倒成为旁观者［2］。此外，教师过多关注于如何安排自己的教学活动、设计执行教学行为，忽视了学生的主体作用，不利于培养学生思维能力、创新能力与实践能力，因此与目前追求的教学目标背道而驰。

1.2 课程缺少实践投入

部分高等院校在培养人才方面受应试教育理念束缚，仅将学生学科成绩作为考核成绩是否合格的重要依据，将成绩量化为学分，并未将实践应用能力纳入学分体系，导致学生只注重分数，忽视了其他素质能力的提升［3］。并且，部分学生由于自身缺乏主动实践的意识，受传统思维模式影响，认为考上大学就有了好工作，从而忽视了社会竞争的残酷性，导致学生在学习过程中无法充分发挥自身主观能动性，所学知识得不到灵活运用，学生实践能力较弱。

1.3 教学考核形式单一

目前，课程考核形式大多采用单一的笔试形式，大多课程仍然以闭卷为主。然而，过多的闭卷笔试考试会加重学生负担，让学生依赖于教师“划重点”，忽视了课程开设的真正目的，不利于提升学生理解、掌握知识的能力，与教学目的背道而驰。

此外，教师考虑到自身课程目标达成情况，在期末命题时往往更倾向于考核学生对基础知识的掌握情况，不会侧重于考量学生的综合能力和创新意识。因此，可将该考核理解为对学生记忆力的考量，由此导致了学生对知识的灵活运用和实践能力较弱，不可避免地影响了学生素质的培养。

2 相关研究

目前，人工智能课程的教学改革方案主要分为培养学生创新能力为主体与学生实践能力为主体两类。

2.1 培养学生创新能力为主体

主张以培养学生创新能力为主体，让学生直接参与科研相关活动，通过持续性的科研实践有效提升学生的观察能力与分析问题解决问题能力，充分激发学生的创新意识与创新能力。例如，刘爽等［1］要求学生自主查阅资料，理解相关方法的关系并掌握其应用场景，带领学生阅读相关学术论文，鼓励学生发散思维提出新颖的想法，并加以修改实现，形成科研报告。王晗等［4］提出选择合适的内容实施创新小组合作学习方式，以锻炼学生的沟通、表达、团队协作、创新等关键能力。

2.2 培养学生实践能力为主体

强调以培养学生实践能力为主体，突出理论与实践并重，将人工智能算法理论和典型应用讲解相结合，以实际应用激发学生学习兴趣，帮助学生活学活用。例如，王旭等［5］介绍了清华大学iCenter 在人工智能实践教学中的探索，设计了由人工智能产业引导、应用探索、应用实践相结合的三段式教学方法，以科学引导学生有效开展人工智能应用实践。翟婷婷等［6］围绕工程教育的核心理念，从课程内容体系、实验训练环节、考核评价方式、课件展示、教学方法等方面介绍课程教学改革实践，提出了切实可行的改革方案。

虽然，已有改革方案对人工智能课程的教学效果具有促进作用，但忽略了不同教育背景学生对课程知识掌握的差异性，无法充分激发所有学生的内在驱动力。针对当前人工智能课程教学过程中存在的问题，本文提出基于学生能力导向的人工智能课程教学改革方案。

学生能力导向是以学生为中心、培养学生创新能力及实践能力为导向的教学模式，意在强调学生可根据自身工程实践能力选择相符合的学习通道，提升其内在学习驱动力，达到提高教学质量的目标。为此，本文依据经典案例驱动教学体系，设计了线上线下相结合的混合式教学模式。

3 学生能力导向的教学改革

3.1 教研融合模式

随着科学技术与社会的飞速发展，社会对高校培养人才提出了更高的要求。一方面要求学生具有坚实的专业基础知识；另一方面要求学生具有较强的实践能力和创新精神。然而，人工智能作为在各科技领域中应用极广的一门技术，相关理论和方法发展非常迅速，远远超过教材更新速度。因此，必须以培养学生创新能力与实践能力为导向，通过最新的科研成果不断充实、改革教学内容与方法调动学生学习积极性，不断探索新知识使高等教育适应社会发展需要［5］。

3.1.1 提高学生研究创新能力

为学生提供项目研究创新平台，包括各级课题项目申报、各种建模比赛、创新创业及挑战杯比赛等。通过参与这些有益的项目申报和竞赛，提升学生理论联系实际的能力。在教学过程中，向学生开放一些教师在平时科研中遇到的难题，引导学生发表科技论文、申请发明专利等，还可设置若干与毕业设计课题、工作技能相关的问题，以此激发学生思考的动力与兴趣，有助于学生进一步升学深造。

3.1.2 提高学生仿真实践能力

让学生适当参与一些实践项目，促进学生对整个人工智能系统的认识，为其在科研方面的研究奠定基础。例如，在人工智能课程识别系统开发部分，让学生动手开发人脸识别+活体认证相关项目。该项目基于人脸特征信息、人脸运动信息进行身份识别或在静态人脸图像基础上配合动态人脸动作（例如张嘴、抬头等）进行身份识别。通过科研实践训练，可进一步促进师生交流，锻炼学生的个性品质，形成严谨的研究态度和工作态度，在培养学生积极性和主动性的同时，提升其综合素质。与此同时，使学生在学习理论知识时提升专业能力和综合素质，有助于将来就业创业，也为职业发展奠定良好的基础。

3.2 课程内容优化

人工智能课程建设在新工科培养中具有重要意义，有助于国家未来发展人才的战略部署，已成为高等教育建设与发展的重要内容和目标，对该类课程内容进行优化是大势所趋［7］。由于人工智能课程具有一定的数理性，概念较多、抽象难懂，会使得学生觉得与将来工作内容关系不大，导致学生学习意愿不强，学习积极性、学习效果不理想。因此，必须探索新的教学内容，采用以问题为驱动的教学模式提升教学质量。由于培养目标与课程本身特点，培养学生时不但要让学生以研究性的角度学习人工智能，还要使其将人工智能方法运用到实践中［7］。为解决人工智能课程理论性较强导致学习过程较为枯燥的问题，应采用问题为引导，以贴近学习生活的事件为基础，提出具有引导性的问题，以此作为学生学习动力，让学生体会到人工智能与实际生活的联系［8］，还可结合科研项目的思维和经验，通过综合实践验证人工智能理论。该方法不仅促进了学生对课程内容的理解，还提升了学生的学习兴趣和学习能力。

表1 为具体实践课程内容。通过设置科研实践训练促使学生转变学习理念，意识到只有从基础实践做起才能更好地开展科研，使学生充分认识到参加科研实践训练的重要性［9］。同时，科研训练计划能引导学生从被动学习转向主动探索和自主学习，提升学生学习能力、实践操作能力、查阅文献资料的能力、研究能力等，不仅开拓了学生的视野，还能不断优化知识结构，充分磨炼意志。在双创背景下，通过开展学生科研实践训练吸引越来越多的学生参与到各类科研项目中。通过文献资料查阅、事前准备、科研实施、成果评估等一系列环节，使学生对学习和科研有了新的认知，有效提升了高校对创新型人才的培养能力，以此更好地满足各行业发展对人才的需求［10］。

Table 1 Practical courses and requirements表1 实践课程与要求

3.3 线上分组讨论

在传统的教育体系中，面对面课堂教学方式最为常见，线上教学模式近几年才得到广泛普及。实验表明，线上教育能提高课堂效率［3］［11］。在人工智能课程中，由于课程内容对学生而言是全新领域，理解起来较为困难。采用线上课程，让学生根据录制的视频初步学习，记录难以理解的内容，然后教师根据学生提出的问题进行针对性讲解，以此提升课堂教学效率，帮助学生更好地掌握课程知识。

为了使学生更好地理解人工智能相关实践知识，还可开设线上分组实践，让学生完成一些有关人工智能的实验设计，提升学生实践能力。例如，在Github 上开设一个群组账号（见图1），邀请每个拥有单独账号的学生加入群组，每名学生可将自己完成的实验项目上传至个人主页。学生在群组账号里就能看到各自上传的项目信息，在讨论区就相关实践项目互相交流实践经验和心得。教师也可随时登陆Github 群组账号，查看学生作业完成情况。该方式不仅便于教师授课，及时了解学生实践能力，还能让学生从实践角度出发，理论联系实际，快速有效地掌握所学知识。

Fig.1 Example of the Github group account图1 Github群组账号示例

3.4 线下汇报讨论

虽然线上授课方式日趋完善，但在高校中仍以线下课程教学为主。学生与教师面对面交流，既能直观了解每个学生的学习状态，又能及时与学生沟通学习过程中存在的问题，通过师生间的良好互动调动课堂氛围，让学生投入课堂学习当中［12］。在人工智能课程教学中，教师授课的主要内容之一是讲解深度学习的相关算法，如果仅靠教师单独讲解，学生难免会觉得枯燥乏味，因此通过线下汇报讨论的方式解决该问题。具体为：将一节课分为两小节，教师讲一节，学生汇报一节，例如讲解一个算法或演示自己研究方向的某一点后，教师根据所讲内容进行提问，学生之间也可提出问题、互相交流。

通过上述过程可让学生在课堂上的角色从观众转变为主角，有效避免了学生上课走神等情况发生［13］。此外，该教学形式营造出一种更轻松的课堂氛围，充分调动了学生积极性，提升了学生的课堂参与度。从学生从被动学到主动问，不断提高其自主学习能力，实现汇报讨论互动全覆盖，确保每位学生均参与课堂教学中，保证了课堂教学质量。

如图2 所示，根据学生在人工智能课程中理论学习与实践能力的不同之处，将学生分为理论组和实践组，设置不同的学习目标、教学内容、考核形式［14］。其中，理论组重点培养学生的创新思维能力，实践组主要关注学生分析问题能力与程序实现能力。理论组中模式识别相关内容以经典的ImageNet 图像识别竞赛作为汇报案例，帮助学生了解模式识别课程的相关原理与技术，图像处理相关内容以Iseg2019 医学图像分割竞赛作为汇报案列，使学生熟悉图像处理的原理和技术［15］。实践组中鉴于学生具有较强的代码实现能力，以车牌检测识别系统开发作为汇报案列，培养学生代码编写能力。

综上，以学生能力为导向、理论与实践相结合的考核方式，可充分培养学生主动发现问题的意识，提升学生学习兴趣，充分激发其创造性和内驱力，达到让学业从观众转变为主角的目的，最终实现提升学生发现问题、解决问题能力的终极目标［16］。

4 教学改革推广与效果

人工智能教学模式改革在南京邮电大学多个年级的教学中得到推广应用，取得了良好教学成果。调查访谈发现，开展基于学生能力导向的人工智能课程教学改革，采用教研融合、经典案例驱动的教学模式，设计线上线下相结合的混合式教学模式，对教学起到了极大的推动作用，学生的学习主动性与积极性显著提升［17］。

Fig.2 Exploration of artificial intelligence course teaching mode based on students' ability orientation图2 基于学生能力导向的人工智能课程教学模式探索

在人工智能导论课程期末考核中，采用期末大论文结合课堂实践案例汇报的评分机制，无论在理论组还是实践组均能寻找到适合自身能力的考核方式，充分发挥出自身应有水平。教改后，学生课堂学习效率显著提升，学习兴趣更浓厚，平时课堂汇报不但能充分把握相关理论知识，还调动了课堂讨论积极性［18］。期末报告显示，大多数学生对课程的理解更深刻。2019-2022 年总成绩超过85 分的人数情况如图3所示。

Fig.3 Effectiveness evaluation results of student ability-oriented course reform图3 学生能力导向教学效果评估结果

由图3 可见，相较于2022、2021 年，2022 年课程总评分数整体上移，总成绩超过85分以上的学生人数明显增多。

期末考核中，学生选题并未局限于课堂所讲的技术和应用案例，而是根据自身能力水平，结合前沿科研成果，自发地调研热点问题，甚至能对一些现有研究工作提出改进措施。例如，部分学生的选题为基于多特征融合的车道线识别、基于卷积神经网络的吸烟打电话检测、基于OpenCV 的戴口罩人脸识别系统等。数据分析发现，以学生能力为导向、理论与实践相结合的考核方式，能充分提升学生学习热情与学习兴趣。

实践证明，课程教学改革对学生的科学思维和素质培养等方面具有积极作用，为后续教育课程改革提供了经验和方向。同时，以上数据充分验证了学生能力导向教学模式改革的有效性。

5 结语

本文针对当前人工智能课程教学中存在的问题，提出基于学生能力导向的教学改革方案。该方案充分考虑了不同教育背景的学生对课程知识掌握的差异性，主张以学生能力、就业目标和方向为导向，通过实施教研融合、优化课程内容、线上分组实践和线下汇报讨论等形式，在校园内开展工程教育背景下的人工智能相关课程教学模式改革。

实践表明，该方法取得了良好的教学改革效果，理论结合实践的方式能使学生更好地理解、掌握人工智能相关课程知识，充分调动了学生的积极性与热情，为后期研究奠定牢固的基础，也有助于国家培养人工智能人才、推动国家科研工作发展。