课赛融合背景下人工智能学科人才培养模式研究

周洋 王雪逢 李伟坤 刘瑶

关键词：课赛融合；人工智能；人才培养；教学方法

1应用课赛融合教育模式的意义

采用课赛融合教学模式需要联合课堂教学规划，明确专业课程的教育任务，使课程教学能够与竞赛活动实现全面关联。与传统枯燥的课本知识学习不同的是，在课赛融合教学模式下学生能够通过自主实践提高解决问题的能力，而在竞赛的过程中，教师能够给予学生必要的支持，实现对课堂理论知识的全面应用，让学生在参赛中既能够积累经验，也能够实现课堂理论知识的学以致用。

课赛融合教学模式明确了课堂教学的主体地位，同时将学科竞赛作为辅助教学手段，在竞赛的过程中学生能够发现自身学习存在的不足，也能够通过竞赛来激发学习兴趣，实现动手能力的全面提升[1]。

2人工智能学科人才培养的不足

2.1教学课程关联性不强

部分院校设立的人工智能专业是在原有的计算机专业或自动化专业基础上整合划分而来，课程的设定也与各类专业密切相关，通过对各专业的适当调整，设立了现有的人工智能专业。在课程设定阶段，人工智能学科只是对其他学科的课程内容进行合并与删减，因此各门课程之间仍然较为独立，缺乏必要的连接关系，使当下教学课程的关联性不强。学生在学习过程中难以真正吸收更专业的人工智能知识，在较为零散的知识学习中，难以培养学生的人工智能素质，也难以推动科学融合教学工作的有序开展，制约了高校人工智能专业水平的提升。

2.2人工智能理论基础薄弱

人工智能与企业生产之间密切相关，但如果缺乏人才的支持，企业难以灵活应用人工智能技术，也难以推动人工智能创新发展。人工智能专业涉及概率论、矩阵运算、统计学、数学等多种理论知识，但部分高校并未在人工智能专业课程中融合各种基础课程知识，使人工智能理论教育基础较为薄弱[2]。也有部分高校在设置人工智能课程时，将基础理论与专业教学区分开来，学生虽然可能掌握了人工智能技术，但难以为人工智能理论的发展、创新提供支持，也难以真正灵活应用理论知识优化人工智能技术。

2.3专业课程实用性不足

人工智能课程的教学内容大多数是以经典模型为基础展开算法教学，学生在课程学习中虽然能够掌握各项理论知识，但却难以将理论知识转化为实际技能，在学习过程中只是停留于理论基础层面。学生在面对人工智能问题时，也只是围绕书本探寻问题的解决方法，却难以获得真正的解决问题的思路。

3课赛融合的人工智能人才培养思路

3.1课赛融合定位研究

课赛融合需要保障教学体系的完整性，通过对当下教学现状的全面研究，制定更为适宜的教学模式。学科竞赛活动的开展应当将人工智能理论知识作为出发点，而在设定课程时，也要加入学科竞赛课程，通过对现有教学内容的全面调整与组合，重新编排各教学单元模块，实现课程教学与学科竞赛之间的全面融合，达到以赛促教、课赛融合的教学目标[3]。

3.2竞赛推动课程学习

竞赛主要考虑了人工智能技术的实际应用，通过竞赛能够强化学生对人工智能知识的掌握，将学生培养为专业型人才，学生通过实践能够实现对理论知识的灵活应用，并将其直接应用到工作中。在竞赛的支持下，课程学习更加高效，学生的学习态度发生了明显转变，从原本的被动学习转变为主动学习。

3.3教师参与竞赛指导

人工智能竞赛需要学生拥有较为扎实的专业基础，同时掌握理论技巧，如果只是由学生进行自主探究，很難摸索出知识门路，而且容易丧失学习积极性，与课赛融合的目标渐行渐远。因此，在鼓励学生参赛的基础上，也要为学生配备指导教师，或者在条件允许的情况下为学生提供专职辅导教师。教师一方面要拥有较强的专业实力，另一方面需要掌握人工智能行业发展的现状，帮助学生快速度过初始探究阶段，灵活掌握智能算法，实现学习创新，让学生真正感受到人工智能竞赛带来的乐趣，并全身心投入人工智能学习中[4]。

3.4教学质量保障机制

课赛融合的开展需要综合考虑环境、资源、软硬件条件，同时要打造参赛队伍，设立虚拟仿真竞赛平台，通过对课赛融合教学机制的全面探究，优化教学设计，合理设置课程体系，完善教学内容，发挥雄厚师资力量的优势。若要保障课赛融合的教学质量，首先要不断提高教师的专业能力，让教师通过研习进修积累实践经验，为指导学科竞赛提供支持。同时，要建立健全相应的奖惩机制，针对热爱竞赛的师生，可给予物质奖励或精神奖励，针对过度逃避的学生要增强其危机感，立足于整体，提高各教学环节与教学阶段的教育质量，保障课赛融合有序推进。

4课赛融合的人工智能人才培养路径

4.1优化课程教学结构，做好统筹规划

人工智能人才的培养需要明确课赛融合的培养思路，不断优化人才培养措施，提高学生的综合能力与专业素养。首先，人工智能专业课程设置要做到科学化发展，结合人工智能产业的发展现状，对课程体系进行优化与调整，使课程设计与竞赛需求相关联，而每门专业课程的学习能够为专业竞赛提供支持，形成以赛促学、课赛融合的教育局面。课程难度的设置也应当遵循循序渐进的原则，通过人工智能基础的夯实、学习经验的总结、实践技能的强化，构建出更为完整的知识体系[5]。在课堂教学中应当以理论知识讲解为主，并在学校内积极组织开展教学探索与实践设计活动。

许多学生对机器人的设计都有所了解，如水下机器人以机器鱼为主，在教学过程中，教师可选择趣味性的教学话题，吸引学生的注意力，通过带领学生设计机器鱼，了解机器鱼群的智能协作及其他相关理论知识。同时，教师可以积极带领学生参加国际机器人大赛，在选择竞赛题目时，要与课程知识点做到紧密融合，实现理论与实践的有效衔接。由于不同年级学生的知识储备有所差异．因此教师要针对不同阶段学生的学习现状给予更为合适的指导，避免选题过难挫伤学生的自信心；也不可选择过于简单的竞赛题目，降低挑战度。随着对教学结构的进一步探索，课程教学实现了与学科竞赛的全面融合，学生能够掌握相关知识点与技术，从而达到最终的教学目的。

4.2联合课赛融合特点，调整课程体系

充分了解课赛融合教学模式的特点，不断调整教学体系，建立完善的竞赛队伍与保障机制，使学科竞赛课程体系的优势得到全面发挥，从而形成以学科竞赛为载体、学生实践创新能力全面提升的发展目标。首先，要着重培养学生的计算机技术能力，在大数据时代，学生需要掌握虚拟化技术、云管理技术、编程模型技术、数据管理技术等，并灵活应用云计算管理平台，精准处理非结构化数据，同时要落实数据库管理、语言编程等课程体系的构建，不断提高学生的数据管理能力与分析能力。其次，要着重培养学生的数据挖掘能力，大数据时代的信息量大、信息传播速度快，可以直接从网络上捕捉这些信息。但是，在数据中存在诸多噪声信息，因此需要提高学生的数据处理能力，使学生能够正确面对大数据时代带来的信息化挑战。最后，要鼓勵学生积极参加多种类型的学科竞赛，新时代社会越来越关注复合型人才，尤其是在大数据时代下，多元化的数据类型需要学生整理归类，掌握数据的复杂性与随机性，实现对数据的优化管理与分析，以此掌握系统建模方法，为提高人工智能水平奠定基础。

高校要积极为学生构建学科竞赛平台，加深校际交流，拓宽学生的视野，实现不同学科知识信息之间的有效交流。同时，要积极完善跨学科交流体系，推动校企合作，实现产学融合，让学生在学科竞赛中了解企业生产需求，使课赛融合更加完善、有效。

4.3重视教学时间分配，实现有机结合

在知识讲解与竞赛研究过程中，教师要注意教学时间的合理分配，同时要针对教学内容科学选择学科竞赛。一旦时间分配不合理，很容易导致课堂知识讲解时间不充足，学生在竞赛活动中难以充分发挥出理论知识的优势，无法保障二者之间的有效平衡，最终导致专业课程的开展受到影响，学生在学科竞赛中难以有所收获，影响了学生的综合竞争力。若教学较为盲目，则会影响培养计划的全面执行，学生对基础知识的掌握不够充分，所以在竞赛中难以展现出个人实力。

教师应当明确学科竞赛活动是课堂教学的辅助手段，通过竞赛帮助学生认识人工智能的实际问题，通过解决问题，提高学生对抽象理论知识的掌握程度，使学生能够灵活应用理论知识，获得良好的竞赛结果，提高学生的综合实力。在此教学模式下，学生能够摆脱传统课堂的限制，在解决实际问题中深化对课堂知识的理解，而且在课堂理论知识的支持下，学生面对问题时有了更为清晰的思路，可以将理论工具作为支撑，推动竞赛的有序开展[6]。因此，教师在课堂教学中要合理分配教学时间，保障教学结构的合理性，确保课堂教学与学科竞赛有机结合。

4.4优化专业师资力量，给予专业指导

人工智能人才培养离不开专业教师的指导，教师在课赛融合教学模式中要明确理论知识辅导与学科竞赛指导的重要性。对于学生而言，在短时间内掌握人工智能方法是较为困难的，而且一味地灌输理论知识，也容易影响学生学习的主动性，因此教师要合理安排教学计划，在课堂教学中通过趣味性的教学形式，让学生能够理解晦涩难懂的理论知识，同时可以联合实践课程，加强学生对知识的应用与理解。学科竞赛辅导是教师的重要工作内容之一，一方面教师需要做到科学选择赛题．保障竞赛队伍组成合理，同时要指导学生掌握解题方法，带领学生真正实现理论知识的全面内化。通过教师的精准指导，无论是课堂教学还是学科竞赛，都能够收获良好效果。

为了全面激发学生的积极性，教师可通过完善的考核机制来高效开展教学。比如，教师可以针对学生的专业成绩，组建竞赛小组：也可以根据学生的竞赛成绩，尝试免除学生的课程考试。但是，教师在制定激励机制时，要平衡好教学与竞赛之间的关系，确保学生能够通过竞赛实现对课程知识的掌握及深化理解，达到辅助学习的最终目的。此外，学校要注重对教师的培训，鼓励教师积极学习人工智能领域的新技能、新知识，同时要为教师提供学习、深造的机会，以提高教师的综合实力。