基于创新应用驱动的“机器学习”课程教学改革研究

李 宁 罗雪妮 刘柯欣 周鑫航

宝鸡文理学院计算机学院，陕西 宝鸡 721016

机器学习是人工智能的重要组成部分，专门分析和解释数据的模式及结构，以达到无须人工交互即可完成学习、推理和决策等行为的目的[1]。目前机器学习已成为数据挖掘、模式识别、知识发现和智能计算等领域的核心技术和研究热点，在许多方面发挥越来越大的作用。但是我国高校在计算机专业课程教学方面仍以理论讲授为主，不能满足不同专业背景大学生的实际应用需求。因此，如何转变传统“机器学习”课程教学模式，以及满足现代科技革命与产业变革对于人才创新能力发展的需求，成为亟待解决和值得探讨的课题。

1 “机器学习”课程特点和教学现状

1.1 课程特点

机器学习属于人工智能研究领域的重要分支，是用机器模拟人的智能和学习方式，以主动获取知识，并对知识进行相应的分类与评价，不断提升自身性能，实现自我完善的一门多领域交叉学科。作为一种新型的科学研究方法，机器学习具有高效率的数据处理能力。目前，随着我国科技水平的不断进步和发展，机器学习将概率论、凸分析、统计学、逼近论和算法复杂度等多门学科结合在一起，涵盖知识面广，有关数学理论的复杂度高，已经成为一个新的研究热点[2]。此外，在人工智能技术迅猛发展的今天，“机器学习”课程的学习目标及其重要性也相应地提高，学习这门课程需要有较强的数学能力以及良好的语言编程能力。机器学习在几十年的发展中研究人员从不同的角度出发形成了不同的分类方法，教师需要对大量新知识进行教学分类与实践。因此，教师必须紧跟时代发展，努力提升自身能力，有效转变教育理念和教学方式。

1.2 教学现状

1.2.1 理论教学与实验教学的衔接不够密切

在传统“机器学习”课程教学模式下，大多高校都将课程理论知识和实践操作单独设立课程进行授课，一般先由教师教授理论知识，再由学生根据教学大纲所规定的对应各章学时及实验内容，在机房完成实验。这种由教师设定机器学习实验项目的教学方式，很容易将各个知识点孤立，知识点间关联度不高。同时，所开设的实验课程内容大多为验证性实验，其目的仅仅是让学生对教材内容进行机械验证，学生学习缺乏积极性，实践能力没有得到提升[3]。

1.2.2 现有的教学中缺少应用驱动

当前许多高校对“机器学习”课程的教学仍然采用课堂教学的方式，多为数学模型概念讲解、公式推导以及课堂习题解答等，课程内容理论性强，内容比较枯燥，课堂氛围活跃度低，教师在教学过程中未能结合热门实践案例进行讲解，学生学习兴趣不强。此外，课程教学内容仅限于对机器学习模型的认知、推导与运用，课外知识扩展不足，部分学生无法感受到机器学习技术的重要性及其发展对实际生活的影响[4]。

1.2.3 考核与评价方式片面

当前大部分高校对“机器学习”课程考核方式单一，一般采取闭卷方式进行考核，通常只考查基础知识部分，部分学生缺乏正确的学习方法，仅通过死记硬背应付考试。教师按照指定的教材设计试题，评价学生在“机器学习”课程中的学习情况，由于目前机器学习技术的飞速发展，教材的更新速度远低于技术发展的速度，使得考核内容与新技术相比处于落后状态，而学生为了能在教学考核中获得较好的成绩，在传统模型的学习与推导过程中花费了很多的时间与精力，没有及时了解最新的相关技术。这种考核与评价方式不利于学生掌握“机器学习”课程内容。

1.2.4 师资队伍素质需进一步提高

现有的高校师资队伍主要为研究型教师，他们能够很好地对机器学习以及其他计算机专业的学生进行知识理论方面的传授和引导，有利于学生深入研究特定理论知识。而与具有开发能力且能够满足企业最新技术要求的应用型教师相比，其不能为学生的实践学习提供良好的机会与指导。另外，部分高校忽视了对师资队伍的再培训，导致教师无法及时了解机器学习领域前沿技术的发展。

2 基于创新应用驱动的“机器学习”课程改革探讨

2.1 课程教学改革理论依据

建构主义学习理论强调，学生并非空着脑袋走进课堂，而是带着他们现有的生活、研究经验进行学习的。强调学习不是被动接受信息刺激，而是主动建构意义，是根据自己的经验背景，对外部信息主动地选择、加工和处理，从而获得自己的意义。任务驱动教学法（task based learning）是一种基于建构主义学习理论的教学法。在形式上“任务驱动”教学法的一般步骤为：教师提出任务→师生共同分析以得出完成任务的方法和步骤→适当讲解或自学、协作学习→完成任务实践→交流和总结[5]。这一步骤反映了一种以建构主义教学理论为依据，在教学中“以学生为主体，以教师为主导”的新教学思维与方法，与探究式教学模式相吻合，适用于学生自主学习以及培养学生对问题的自主分析与解决相关学术问题的能力。教师在本科生教学中利用任务驱动教学模式，不仅能够提高课堂的教学质量，而且可以提高学生对课程的学习兴趣和学习主动性，从而促进学生掌握课程内容。具体而言，教师通过任务驱动展开教学，围绕提出的几项具体问题，在解决问题的过程中，将课程的基础知识介绍给学生并在具体问题的解决过程中学习和掌握课程的知识与应用技能。对于机器学习这样的“年轻”学科而言，任务驱动教学模式尤为适用。尽管近几年来陆续形成了一些基本原理与基本方法，但是理论体系并不完备。同时，近期的研究成果很多是以问题的提出、分析和解决为模式而展开的，符合任务驱动教学模式。

结合以上分析，以建构主义学习理论，顺应教学工作过程系统化的课程发展理念，以学生为主体，在任务的推动下，通过有意义而具体的任务使学生融入知识的学习过程中，从而帮助学生掌握相关知识，教师与学生共同完成对知识的解构与建构。本文以创新应用作为任务驱动的核心任务，以任务驱动教学模式作为“机器学习”课程教学模式；以“应用驱动”为理论基础进行教学改革设计，使学生了解机器学习发展的历程，对基本原理以及应用领域有初步的认识，在掌握主要技术与用途的前提下，激发学生对机器学习的兴趣，增强其在学习中的主观能动性，并且为知识创新与技术创新的进一步发展打下坚实基础。

2.2 课程教学的具体改革方法

由于“机器学习”课程是专业核心课程，具有较强的理论性、贴近工程实际等特点，需要学生在学习时既要掌握基本理论知识，又要以此为基础，熟练应用先进技术，从技术方面分析、解决实际生产过程中存在的难题，以推动其可持续发展。目前需要针对学生实践能力需要，应用创新驱动教学手段对“机器学习”课程教学进行改革。

2.2.1 教学方式改革

课程的理论教学主要采取线上线下相结合的教学方式，整合了传统面对面教学的优势及丰富的网络化教学资源优势，满足学生不同需求，从而达到最优学习效果。线上教学可以依托在线实践教学平台、云课堂、中国大学MOOC 平台等教学资源开展。为满足教学需求，可以将这些资源整合和重组，形成新的教学模式。另外还要构建课程网络资源，将“机器学习”课程中容易识记和理解的算法思想、概念和其他内容以章节为单位整理，储存于学习通或其他学习平台中，便于学生预习、线上评测等。课堂教学环节侧重“机器学习”的课程分析、综合和创造等认知问题讨论，这类问题通常不存在唯一正确的答案，适宜作为课堂教学研讨的问题。课堂上教师要根据教学内容选择合适的教学方法。课前以搜集学生在自主学习过程中产生的困惑为主线进行备课，课中着重指导学生运用算法来处理实际问题。课后注重对知识体系的归纳总结。例如，通过课上案例分析，让学生对支持向量机、线性回归和其他算法有更进一步的了解，可以通过课后总结归纳，提升学生分析问题、设计算法和程序实现等能力。

专业能力的培养与理论学习密不可分，更离不开项目应用实践。通过分析人工智能专业教学现状，以创新应用驱动为核心进行教学改革。一是将创新应用实践融入课程之中，保证教学内容的创新性。以“机器学习”课程为例，通过引入真实应用案例并结合典型算法开展教学。例如，实际案例或者任务可以选取深度学习、自然语言处理和PyTorch 框架等领域的研究新成果以及阿里云天池大赛、国际大学生程序设计竞赛等竞赛的真题。二是借助网络公开课平台组织课堂讨论以促进知识内化。三是不断创新教学方法，创新应用驱动教学的方式使学生扩展机器学习的经典学习算法，进行研究性学习。如布置学生学习汇报任务、开展分小组现场答辩等方式学习，同时还可以增强学生的团队协作能力。此外，鼓励学生积极参与社会实践活动，培养学生自主解决问题的能力和创新能力，遇到有挑战性的实际应用项目，学生团队可以通过协作的方式，围绕实际应用问题进行分析和交流，自主完成方案设计、程序编写调试及项目报告等。

2.2.2 课程考核评价体系

课程考核评价体系包括平时作业、实验及成果汇报3 个部分，课程考试是教学的一部分，要对成果进行多元化评价，防止过分注重理论知识，而忽视对学生实践能力的考核。基于人工智能学科核心素养的教学评估设计以学科知识为中心，将课堂讲授与课后自主学习相结合。通过知识学习、问题求解、算法扩展、报告撰写、口头汇报和其他环节，综合评价教学成果，从而实现能力培养与知识传授有机融合的目的。同时，将学生在课后所做的小论文作为重要的考核内容进行综合测评，并形成相应的评定标准。“机器学习”课程考核的总评成绩由平时考核（占60%）和期末卷面考试（占40%）组成。其中，平时考核包括小组作业（占15%）、个人作业完成度（15%）、课堂活动表现（占5%）、实验（25%）；期末卷面考试是针对整个学期所有学生的线下闭卷考试。其中，小组作业需要学生以组为单位，通过组内成员的协作学习来熟悉和掌握机器学习的框架和工具，制作演示文稿并现场答辩。个人作业完成度主要考查学生对平台学习任务的完成度。课堂活动表现要求学生在课堂上积极思考、踊跃交流，教师以学生学习表现进行评分。实验主要考查学生对课程知识点的理解程度和综合运用能力。

2.2.3 师资队伍建设

对师资队伍方面的改进，可采用“请进来，送出去”的办法，一是要从高校层面寻求政策，引进在企业中具有开发能力的博士、硕士研究生，对应用型师资进行有效的补充；二是鼓励中青年教师去企业顶岗挂职锻炼，以提高实践经验和加深对市场的认识；三是鼓励教师在实践教学中与项目对接，通过实际应用案例进行教学，从而切实提高实践教学的质量，满足人工智能专业“双师型”教师的培养要求。

3 结语

机器学习属于交叉学科的范畴，“机器学习”课程教学不完全是教授学生用算法构建模型，更重要的是激发学生对这些算法与模型的应用，由此解决现实中存在的问题，并且能独立思考，在实践中锻炼。通过实验可以发现，使用上述方法后学生的学习效果有明显提升。

本文以建构主义理论作为研究基础，教学方式以创新应用驱动作为核心，有针对性地从教学方式、课程考核评价体系和师资队伍建设3 个方面对教学改革进行了探索，以解决当前“机器学习”课程教学过程中所出现的部分问题，帮助学生在机器学习理论与实践两方面均衡发展，培养符合社会需要、行业需求的人工智能专业人才。