基于PBL 人工智能实践类课程教学研究

李 超

浙江工业大学之江学院，浙江 绍兴 312030

一、研究背景

机器学习、图像处理、自然语言处理等人工智能及其相关技术是当今商业、娱乐、媒体和社会的重要组成部分［1］。将来在人与机器的交互方面人工智能技术会成为一个关键因素。有专家预测，虽然更多专业学习中开始增加人工智能方面的知识和技能，但在未来数年人工智能领域人才需求量激增的情况下，人才短缺的问题也会随之而来。人工智能在众多专业领域都有很多用途与应用。AI 将至少在如元宇宙、“物联网”、虚拟现实、自动化、无人驾驶汽车、机器人、安全等方面带来革命性变化［2］。专业课程与技能学习有助于学生学会运用这些技术以适应当今商业，娱乐，社会互动及媒体等方面的要求，为将来的革新做好准备。

计算机类的实践课程［3］是计算机类、大数据类和人工智能专业的一门重要实践课程，可以为未来实用型技术人才提供编程和项目实现的重要能力。人工智能类的理论实践课程［4］涉及许多算法和原理。在传统的教学模式下，教师是课堂教学的引领者。在课堂教学中，教师只能枯燥地解释理论知识，这会脱离了实际的应用。很多传统课堂教学都存在如下问题：（1）教师只注重算法的推导过程而忽视算法的具体运用，这使得算法变得比较抽象，学生难以理解；（2）教师对课程知识点独立性思考较多，而对知识点间连贯性与连续性思考欠充分，造成学生知识综合运用能力差；（3）教师单纯强调老师的权威，对学生引导不够，从而导致学生认同感不强，易丧失学习动力。

根据近期教学研究结果，技术理论教学中加入项目（project）或案例（case）教学能够极大地提高学生的学习兴趣、对知识的理解和应用技能。有研究指出，项目驱动的教学技术可以使学生在参与实际活动的同时，自主调查和完成学习任务。Tong 等人在研究中指出，基于项目的学习（PBL）是一种在全球被广泛应用的教学范式，采用这种教学方法能够让学生更容易养成自我探究的习惯，也更有能力解决困难。

综上所述，本文针对人工智能实践类课程提出了一种“问题（或/和案例）驱动理论、理论指导应用”的抛锚式教学方法［5］，并采用了多步实践内容和多维度的评估体系促进学生开展积极学习。

二、教学的实施过程

为了激发学生的学习主动性，我们采用PBL（Problem based learning）教学模式［6］，利用问题和案例来引导学生积极学习［7］。图1 展示了教学的实施过程。

在基于PBL 的实践课程教学模式的实施过程中，我们将引入实际案例，启发学生探究问题，并通过对前置课程中新技术的综合应用，它有助于学生进行深入学习，鼓励学生批判性思考问题，利用已学知识来解决这些问题。

根据PBL 的教学风格，我们将教学过程分为三个环节：课前、课中、课后［8］。在课前，教师会分配要在课堂上讨论的问题，学生应当在课前针对这些问题预览并搜集资料；上课时，教师在课堂开始时通过介绍案例和问题，引导学生思考，并通过不断提问指导学生开展案例实践。接下来，教师提出新知识点并进行解释，最终结合案例相对应的实际材料完成课题。课后，教师们将提供一些与该主题密切相关的前沿技术材料。学生们将通过实际材料来巩固在课堂上获得的知识和技能，思考新的方法，并通过使用前沿技术来掌握新技术，所有这些都将有助于学生整体项目能力的提升。

在课堂教学活动中，我们采用针对知识点的特点量身定制的教学活动，如教授与实践相结合的讲座式教学、促进合作学习的讨论式教学，鼓励学生从“等待依赖”的被动学习转向“我想学习”的辩论式教学［9］。

三、多步骤的专题实践内容

优质的实践内容可以帮助学生更好地掌握理论知识。由于每个学生的学习能力都不同，我们建立了一个学习内容的阶梯。本课程的实践内容由实践项目的主题所决定。每个主题分为基本问题和提升类问题两部分。基本问题直接反映了课程的知识点，属于项目实现、验证问题，而提升类问题则是知识的综合应用点，包含一些提高类的选做问题，一般结合实际工程应用进行设置。可选主题是指学生可以根据自己的兴趣，确定与课程知识点相关的项目，并以项目的形式完成实际要求。图2 显示了基于“阿里云实践平台”人脸识别项目开展的全过程。

图2 人脸识别项目开展的全过程

综合实践项目需要构建实验教学平台以及教学目标、评价体系等内容。以人脸识别项目为例，人脸识别项目主要涉及知识点，包括视频解码、图像颜色空间转换、图像预处理、人脸检测、图像分割、多目标跟踪，图像特征描述和表达、特征比对等。学生通过对本案例的研究和实施，不仅可以复习前置课程中的基本理论，还可以全面了解课程知识的完整应用，这将为今后的新的应用场景提供有力的参考。备选案例除人脸识别外，还包括如客流量统计、字符识别、图像分类、区域入侵检测等，这些应用实例将在整个课程开展过程中，根据技术情况以及学情进行调整。案例选择的目的是帮助学生理解和掌握所提供的内容，以及在随后新的应用案例中使用这些知识。

四、多维考试分数评价系统

就高等教育而言，仅有少量标准化评估可用于对教学有效性进行直接评价［10］。笔试考试是传统考试中最常用的方法。这种评价方法可以反映学生对一些基本概念、知识、理论的学习态度以及掌握情况，但它并不能充分反映学生对知识的综合运用能力，还较少注重学生平时实践能力的培养，因而造成了学生死记硬背习惯的形成。学生对于知识点理解不深入，缺乏实践能力。本研究认为，教师应更重视学生各学习领域之表现及评估体系应兼顾学生多样性的才能。

良好的课程评估［11］不仅可以客观反映学生对课程的理解，还可以通过鼓励他们参加课堂活动来培养学生对主动学习的兴趣。本研究为考试评估提供了一种多维度的评估手段［12］。该评估体系除了对学生的日常实践能力和自学能力进行评估外，还对学生的创新能力和知识应用能力进行评估。评估贯穿整个学习过程，尤其强调对学生的创新能力和知识应用能力的评估。学生课前预习、课堂表现、课后实践以及最终项目作业的完成都包含在评估材料中。本文给出一个现有的粗略分解，回答预习的问题（10%），课堂表现以及讨论（20%），实验内容和扩展内容（40%），课后作业（30%）。每学期课程的开展都会根据教学实际情况作出相应的调整。

五、结语

人工智能的应用非常广泛，很多本科专业（例如计算机科学与技术，数字媒体技术以及人工智能等）和研究生课程中，都开设了人工智能的理论和实践课程。由于人工智能的理论知识高深隐晦，对许多学生而言学习起来有一定的难度。所以，本研究认为，当理论和实践结合在一起的时候，学生的学习效果会更好。合理开设实践课程可以提升学生学习兴趣，也有利于学生在今后工作中更好把握发展技术应用和技术创新。

在高等教育改革领域中，混合教学方式属于重要的研究方向，它融合了线下面对面教学与线上互联网教学的优点。今后，我们将对基于问题学习（PBL）的混合式教学风格进行研究，以期为学习者提供更多的应用案例和情境。