面向新工科的人工智能基础课程教学改革实践探究

余亮

（广东科技学院，广东东莞 523083)

0 引言

传统工科在专业划分上偏窄、偏细，缺乏交叉性，人才培养上缺乏创新性，无法解决复杂的工程问题，与社会的人才需求不相适应。2017 年2 月18 日在复旦大学开展了高等工程教育战略研讨会，会上达成的“复旦共识”展现了我国工科教育改革的积极性。同年4月8日，新工科建设研讨会在天津大学举办，会上确定了新工科建设方向—“天大行动”，启动了全国范围工程教育改革[1]。新工科是在继承传统工科优点的基础之上增加了创新交叉与融合的元素，从而致力于培养出多元化高素质创新型的卓越工程人才[2]，这也是教育部工程教育认证的内在要求。在新工科背景下，专业的课程设置应以产业需求为导向、学科交叉融合、面向未来布局、综合全面突出创新四大特征为抓手，贯彻“新方法、新思想、新技术”的理念，进行学科、专业和课程的建设。

随着人工智能技术的发展与应用，物联网工程专业为了增加学生对该技术的了解，提升前沿知识认知眼界，为后续新技术的研究探索开启启蒙之门，便在人才培养方案中设置了人工智能基础专业任选课程。而由于人工智能基础课程具有知识点内容多、难度大、学科交叉性强、知识更新快、课时少的特点，仅通过教师理论讲授或者理论+编程等方式，很难让学生理解与领悟，很难认识到人工智能基础课程的内涵和价值。在“新工科”建设背景下，需要学生具有较强的编程能力、自主的学习能力、解决实际问题的应用能力和创新能力[3]。在课时较少的条件下，如何培养学生的上述能力将是本课程教学改革的重点。针对人工智能基础课程教学过程中存在的不足，对该课程各个教学环节进行了研究与探索，构建了一套基于BOPPPS 的“以学生为中心”创新教学模式，对该课程的教学具有一定应用价值与指导意义。

1 人工智能基础课程教学存在的问题

1.1 课程内容多，课时少

人工智能基础课程作为物联网工程专业的专业任选课，其教学课时只有32 学时，2 个学分。而人工智能所囊括的内容其实是一个领域，教学学时远远不够，并且目前我国为了大力发展人工智能相关技术，培养相关高科技人才，便将其设置为一个专业，可想而知其课程内容相当多。而其作为物联网工程专业的开阔学生眼界的课程，因而需要根据学生特点，教学课时情况以及社会对专业的需求情况，进行了教学内容的选取就显得至关重要。另外，为了让学生能在有限的时间里，系统而全面的学习整门课程体系知识，必须进行课程内容的优化与重构创新。

根据人工智能基础课程知识体系结构可知，该课程的主要内容如表1所示，包括五大知识模块即知识表示、机器感知、机器思维、机器学习和机器行为。同时这五大知识模块对应的知识点也较多，如知识表示的产生式表示，知识工程，专家系统和知识图谱；机器感知的计算机视觉、语言处理；机器思维的模糊逻辑推理、智能启发式搜索算法；机器学习的有监督学习中的分类与回归，无监督学习中的聚类，同时现在主流的深度神经网络（深度学习）既可以作为有监督学习算法也可以作为无监督学习算法使用；机器行为的智能控制。上述主要内容也囊括了人工智能三大主要学派（符合主义、连接主义和行为主义）的主要知识内容。

表1 课程主要内容

1.2 教学内容难度大，理论为主

由于人工智能是一个交叉学科，学习其课程知识体系并理解掌握会有一定难度，需要多学科知识作为基础，特别是数学知识、计算机知识、编程语言知识等。因此，学习门槛有点高，加之有限的学时，使得学好该课程难度较大。

其中人工智能基础课程难度较大的知识点主要有启发式智能搜索，如遗传算法(Genetic Algorithm，简称GA)、粒子群算法(Particle Swarm Optimization，简称PSO) ；有监督学习的支持向量机(Support Vector Machine,简称SVM)[4]；无监督学习的主成分分析(Principal Component Analysis，简称PCA) ；深度学习和强化学习等。而目前大部分高校针对人工智能基础课程的讲解采用偏理论的讲解方法，讲解各个人工智能算法的原理以及数学推导与证明，非常晦涩难懂，使得学生很难掌握，造成学生学习兴趣低下。还有另一类教师采用在理论的基础上辅之以编程实现，使得学生能较好地掌握，但对于学生的编程能力有较高的要求，同时现在主流的人工智能框架较多，如Tensorflow、Microsoft CNTK、PyTorch、Caffe、PaddlePaddle、MindSpore 等，而每种框架采用的编程语言也不尽相同，主要有Python、Java、C++、R语言等，造成学习差异性较大。

1.3 教学手段单一

人工智能基础课程目前大多还是采用传统的多媒体教学方式，或者计算机机房的教学情况，还是主要老师机械的讲解，推导，学生听为主，有些结合计算机机房进行编程验证，教学方式单一。未能利用各种软硬件资源和信息化的教学平台调动学生的积极性和能动性，学生的参与度较低，教学效果较差。而此教学模式还是以教师的“教”为中心，与现在教育部高教司提倡的以学生的“学”为中心是极度不符的，特别是在疫情期间，还是采用这种方式进行线上教学，那效果还会更差，情况更加糟糕。在新工科背景下，该课程应该强调学生利用人工智能算法融合多学科进行实践创新解决实际问题，而不是理论知识的灌输，应该加强学生对知识的应用能力，发挥其解决实际问题的意识与能力[5]。

2 面向新工科人工智能基础课程的教学改革方向

2.1 优化重构教学内容

针对人工智能基础课程体系知识点较多，课时不足的问题，文中采用优化重构教学内容。它作为物联网工程专业的开阔视野的前沿新技术课程，因此其课程目标主要是强调对课程的知识体系、知识框架和知识脉络的掌握，而不是各个知识点面面俱到，蜻蜓点水。因此，本课程通过选取人工智能五大知识模块中一些最具代表性（最基础，应用最广的）的内容将其讲懂，讲深，不仅分析其原理、数学表达与推导证明，还进行编程实现，最后有条件的话还通过虚拟仿真软件平台实现或者实物部署实现，通过以点带面，以面带片，将知识体系进行融会贯通。而各个模块的其他相关内容给学生提供学习材料供课后阅读学习，进行自我探究提升。该课程采用此方法通过广东科技学院物联网工程专业的多年教学实践可以看出，学生的掌握情况较好，期末大作业每个同学都能利用人工智能基础课程中的一到两个算法解决生活实际问题，取得较好的结果。同时学生参加中国人工智能挑战赛获得较好的成绩，获得过全国一等奖，说明采用优化重构教学内容的方法针对该课程的困境还是有一定的效果。其人工智能基础课程教学内容重构方式如图1所示。

图1 人工智能基础课程教学内容重构方式

2.2 虚实结合，增加实践环节

由于人工智能算法很多原理都比较难理解，若采用简单的理论讲解+推导的方式，或者加之编程实现都让学生学习起来较为困难。因此，针对人工智能算法的讲解采用了虚实结合的方式进行[6]，根据实验室已有的条件有些算法的讲解除了常规推导外，还进行实物部署实现，有些则采用虚拟算法软件平台的方式进行仿真实现，可以脱离实验室的限制，特别是在疫情期间的线上教学，非常便利与合适[7]。下面通过两个算法实例介绍一下虚实结合的讲解方式。其中遗传算法的讲解我们采用浙江工业大学王万良团队开发的智能搜索算法教学实验系统虚拟平台进行模拟[8]，可以直观地了解算法运行的全部过程以及原理细节，具体如图2所示，主要步骤包括自动获得种群，然后通过种群的适应度值占比进行轮盘赌自由选择获得较为优质种群，淘汰适应度小同时未被选中的染色体种群，其次再随机两两配对以某种交叉概率进行交叉，最后以某种设定的变异概率进行变异增强种群的多样性，提高全局搜索能力，防止算法进入局部最优。仿真平台还可以通过设置不同超参数了解遗传算法对多元函数求解全局最大值的影响，同时通过设置迭代次数，自动运行就能得到多次迭代后，搜索到的全局最优解的情况，遗传算法的具体流程如表2所示，仿真平台的操作情况如图3所示。另外针对目前非常热门的深度学习之卷积神经网络CNN 的讲解主要通过识别MNIST数据集的手写数字进行展开，同时采用实验室采购的松科智能的SK TPU1000神经网络加速棒进行部署实现，让学生能充分理解人工智能技术进行识别任务的应用。

图2 多元函数遗传算法求解过程演示

图3 多元函数遗传算法自动全速迭代运行100次仿真结果

表2 遗传算法具体操作流程描述

通过虚实结合的授课方式，可以让学生更加准确的理解人工智能相关算法的原理、运行过程和实际应用的实现细节，对提高学生的人工智能算法掌握具有较大的帮助，同时能激发学生的学习热情和探索兴趣。

2.3 优化教学方式，丰富教学手段

由于人工智能基础课程理论性、实践性都较强，所以可以采用基于项目教学法(Project-based Learning，PBL)和案例教学法来进行组织设计。从原来的纯理论讲解转变成讲解+设计+优化+实操（虚拟仿真或者实物部署）的新型教学方式，使得每位学生都能参与实施设计，发挥学生的主观能动性，能积极主动的进行实际问题的分析、设计与探索。同时课程的教学组织采用BOPPPS教学法，由于课时的限制，充分发挥学生的课前、课中和课后的时间进行课程设计。其中BOPPPS教学法六要素[9]中如何利用课前、课中和课后的时间进行合理设计，如表3所示。并且在疫情的大背景下，如何做到以学生为中心的教学是一种挑战，本课程通过结合信息化手段对课程教学进行了全面的改革，利用超星云平台和中国大学MOOC相结合实施“以学生为中心”的线上线下混合式项目化教学模式改革，利用信息化平台做好BOPPPS 教学模式的课前准备工作，学生在信息化平台自学，然后带着自学后不懂的问题在课中学习中得到答案，课后则是相关作业和扩展阅读探究，从而实现一点带面高效的学习。另外也提出多元化复合式教学考核与评价方法来与全新的教学方法相适应。考核方法从原来单一的期末考试转变为阶段性测评+期末大作业+随堂答辩方式，其中阶段性测评可以及时的考核评测学生的知识点，期末大作业可以考查学生的实践动手编程解决实际问题的能力，随堂答辩可以考查学生的讲评与汇报能力，这种方式通过多年的尝试，整体颇受学生欢迎与喜欢，可以极大地提高学生的理论知识与实践应用能力的结合能力，全面培养发展学生的综合应用创新能力。

表3 BOPPPS教学模式的课前、课中和课后设计

3 课程改革的特色与创新

1)重构优化教学内容。人工智能基础课程作为物联网工程专业的专业任选课，由于课程内容多、难度大与课时少的矛盾，同时结合新工科背景下对建设“金课”淘汰“水课”的要求，针对目前大部分高校前沿新技术[10]的专业任选课课程泛泛而谈，不注重教学质量的情况，必须重构优化教学内容。通过合理的教学内容的选取和课时的分配来实现学生以点带面、一面带片的学习。将重要基础的人工智能算法知识讲懂、讲深、讲透，然后给学生阅读资料让其课后进行拓展学习探索，提升学生的自学探究应用能力。

2)虚实结合，理实相交的教学方法。人工智能基础课程是一门多学科的融合课程，囊括内容多，难度大，课程根据各个重点要讲授的知识点的特点，采用虚实结合，理论和实践相交的方式进行课程教学形式的组织，能充分利用软硬件资源进行特色化的教学，提升学生对知识的深入理解，增强学生的学习兴趣和热情，该教学方法特别在疫情时期非常有效。

3)创新教学模式。后疫情时代，充分利用信息化资源，采用基于BOPPPS 的教学模式改革，强化课前、课中和课后的教学设计，根据章节内容特点，强化以学生为中心的理念，课前利用中国大学MOOC和超星学习通进行视频与资料学习，然后通过课前测试确定学习目标；课中采用常规讲解法+翻转课堂的模式实施；课后通过作业巩固基本重难点知识，同时辅之思考拓展阅读来提高升华解决新问题、复杂问题的能力。探索出一套“以学生为中心”的创新教学模式，改革以往的“教本位”的教学观念，树立“学本位”的教学理念，提高学生的学习兴趣和实践应用能力与探索创新意识。

4 结束语

人工智能基础是新兴、前沿性且应用广泛的实用课程，作为物联网工程专业的专业任选课，而该课程由于内容多、交叉融合多学科知识学习难度大、课时少等特点，使得高效高质量的教授本课程具有较大的挑战。文中结合新工科背景对一流课程建设的要求提出了一种基于BOPPPS 的教学模式，通过利用信息化资源中国大学MOOC、超星云平台和软硬件资源，对教学内容进行优化与重构和教学方法的创新研究与实践。通过对学生进行“以学生为中心”教学模式的实施，该模式强化了学生的自主能动性，知识的应用性，有助于激发学生学习兴趣和探索创新热情，广受学生喜欢，整体教学效果较好。未来会持续基于该模式进行探索尝试，推动课程的深入改革与发展。