朋辈教育在“模式识别与机器学习”课程中的实践

蔡倩华

摘要：目前，朋辈教育已经广泛应用于思政、体育等多个方面，并取得了不错的效果。本文以朋辈教育为理念，以“模式识别与机器学习”课程的朋辈教育实践为例，探讨了朋辈教育模式在工科专业课程中的应用。朋辈教育作为一种补充教育模式，可以通过助学团为专业课程学习上有困难的学生提供个性化指导；通过以赛促练，让助学团成员和有自主学习意识的学生互相学习，相互促进，共同提升工程实践能力和科研能力。

关键词：朋辈教育；自主学习；助学团

引言

“模式识别与机器学习”是人工智能方向的专业核心课程之一。当前，我国政府正积极推动以人工智能为核心的科技领域发展，并将其视为国家发展的关键方向之一。2017年的《新一代人工智能发展规划》已经明确了人工智能在我国未来发展中的重要地位和作用[1]。机器学习作为人工智能的重要分支和人工智能发展浪潮的关键技术，其思想和算法已经渗透到信息处理的各个方面。在此背景下，希望毕业后成为新一代人工智能产业发展合格人才的大学生有必要系统学习和掌握机器学习的理论和方法。

1. 朋辈教育提出的背景

1.1 朋辈教育的起源及发展

朋辈教育也称同伴教育、朋辈指导等，一般是指具有相同背景或经历、年龄相似的伙伴或群体，共同分享知识、观念或技能的教育形式[2]。

在大学教育模式下，不同专业的本科生和研究生长期学习和生活在同一个时空，互相影响、互相促进，是展开朋辈教育的绝佳时机。朋辈教育已经在不少学校的思政、体育等方面展开，取得了不错的效果。调查结果表明，当面临生活中的困扰、学习压力或职业规划等挑战时，超过七成的学生倾向于首先寻求同龄人的建议，其次是咨询老师或者父母，最后才可能通过互联网寻找答案[3]。可见，朋辈是学生心中比家长、网络等更值得信赖的群体。

1.2 “模式识别与机器学习”课程开展朋辈教育的背景

通过高考进入大学校园的大学生，起点和素质接近，但是进入大学生活后，逐渐开始分化。有学习规划和目标明确，持续拼搏的；也有浑浑噩噩，不思进取的。而传统的大学课堂只能兼顾大多数学生，无法做到个性化教育。朋辈教育作为正式教育外的一种重要补充，为个性化教育和自主学习提供了机会。

“模式识别与机器学习”课程专业性很强，是人工智能承上启下的重要课程。在本课程的学习过程中，将运用到高级数学、线性代数、概率论及数理统计等相关预备学科的基础概念，以支撑各种算法的分析。而针对人工智能驱动的集成电路设计、通信系统的构建、智能化机器人的关键组件、特定的传感设备、硬体连接规范、车辆网络与物联网技术的应用、显示器的研发等方面，都需要本课程的相关理论作为基础。朋辈教育在本专业课程中实施，有利于扩大朋辈间良性互动的影响力，形成积极向学的校园氛围，特别是在带动缺乏毅力和行动力、不擅长学习规划的同学重获学习动力和信心方面能够取得很好的效果。

2. “模式识别与机器学习”课程教学痛点

2.1 课堂教学难以有效实施

如何把本课程中的基础理论、重难点知识系统地传授给学生是困扰教师团队的难题。本课程涉及算法多、数理推导多，大部分学生反映基础理论部分枯燥难懂，缺乏毅力和行动力的本科生容易产生畏难情绪，课堂理论教学难以有效实施。

为与企业需求挂钩，本课程设置的多个基础算法实验和案例学习，使用目前流行的Python语言进行编程，学生需要快速学习这门新的编程语言然后运用，部分编程能力弱的本科生在这个环节开始频频求助。因此，Python编程语言的学习也需要朋辈教育的帮扶。

2.2 教学手段比较单一

目前的“模式识别与机器学习”课程教学手段主要包括课堂教学、实验室训练及课程大作业。其中，课堂教学占据主体地位，课内外的实验室算法训练和实训是辅助，课程大作业由学生单独或建立小组课后完成。这种教学手段过度依赖于传统的教师面授，没有充分利用优质的网络资源和方便的网络手段，已难以适应当前社会的快速发展。如何有效融入优秀的网络教学资源和教学手段成为问题。

2.3 与前沿科学研究脱节

机器学习作为人工智能学科和行业创新的研究热点，涉及的教学内容与行业应用、学术前沿都有比较密切的联系。而传统讲授的理论知识大部分为基础知识和经典方法，学生的课程实践也主要针对基础典型算法的模式进行，并不适应科研现状，需要改革现有的课程体系，增加前沿科学热点理论知识，如对各种深度学习模型的学习。

2.4 产学研缺乏深度融合

随着新一代人工智能的高速发展，人工智能技术广泛应用于各种场景中。自然语言处理工具ChatGPT就是由人工智能技术所驱动。这将使得一些职位不断与人工智能技术相结合，从而形成了新经济环境下的新职位。企业对人工智能应用型专业人才的需求也呈指数级增加。然而，根据公司的反馈，在新的工科环境中，由于学校和企业之间的有效协作不足，以及产学研之间的深度融合不足，对于新一代人工智能人才的培养达不到要求[4]。

3. “模式识别与机器学习”课程朋辈学习的实施路径

3.1 电信学院助学团的成立

为了培养具备深厚数学及专业技术基础、擅长实际操作并能融会贯通的新一代人工智能领域专门人才，华南师范大学电信学院致力于构建全面的教育支援系统，秉持朋辈教育的理念，创建了电信学院助学团，旨在对有学习困扰的同学给予个性化辅导，同时也为优秀同学提供一个提高自身能力的舞台。

3.2 助学能力培训提升机制

在助学团队中，本课程教师团队作为指导老师，在研究生和本科生中选拔助学队员，形成助学网络。为了提升学生助学的帮扶能力，召开了多場线上或线下研讨会，对课程重点、难点、易错点进行梳理。利用朋辈学习的理论，助学团整合线上线下的学习资源，学习Python编程知识和各种实训案例，总结帮扶过程中的经验教训。教师团队也积极参与助学，并对助学队员进行点评、指导和评分。

3.3 针对不同需求的能力提升机制

助学团队希望让不同阶段、不同需要的同学们都获得有效帮扶，提出了通过一对一辅导、讨论组、大课堂以及定期座谈交流等多种形式，实现教育帮助与技能提高，这些形式的帮扶满足了学习者的不同学习需要。缺乏毅力和行动力的学习者，本身能力不差，差的是自信心和职业规划，少的是学习主动性。通过朋辈教育的帮扶和领航，本科生通过完善补充基础知识短板－算法编程实验学习－实训实验室进行实战能力和项目经验培养的螺旋式学习，逐一实现既定的学习目标，获得了学习动力与信心。

在助学过程中提供海量线上线下的视频授课资源，让愿意自主学习的本科生实现个性化学习。而助教团队也将统筹保存、整合各种学业资源：学生笔记、讲义、助学过程同学们出现的各种疑问和解答的完整记录、线上教学资源和实训模块资源、助学团队和教师团队对重难点、易错点的讲解录像和教学交流会等，并保存在云盘，方便同学们查询和学习。这些资源也是留给以后的学弟学妹们“传帮带”的重要资源。

3.4 以赛促练的能力提升机制

朋辈的互相学习和互相支持，让本科生不仅夯实了数理和专业理论基础知识，而且通过基于Python编程的案例学习提升了能力，助学团的队员们也在帮扶和交流过程中提升了自身的理论和科研水平。为了让本科生将所学理论知识和相关实际项目关联起来、学以致用，本课程以赛促练，通过朋辈教育的帮扶，引导助学团的队员和大量本科生组队参加全国数模竞赛组委会“泰迪杯”数据挖掘挑战赛。

在比赛过程中，利用现有教学平台和相关的线上线下多个项目实训资源的实训实验室，密集地开展竞赛培训和实训案例的线上线下交流会，帮助本科生掌握工程实践能力，培养他们的科研、创新能力以及团队精神。通过以赛促练，本科生增强了自信，感受到逐一实现原本遥不可及的目標的快感，激发出强烈的学习热情。不少本科生在课程结束后主动跟随导师一直进行新一代人工智能相关领域的国际前沿研究，毕业后在相关企业工作或者继续深造。

4. “模式识别与机器学习”课程引入朋辈学习的主要成效

根据本课程的经验，使用朋辈教育进行专业学习有以下优点：

4.1 完善课程教学模式，强化学生自主学习能力

朋辈教育将传统讲授式教学模式转变为以学生为中心的教学模式，从知识传授转为引导学生思考、分析、解惑、评价，使学生成为课堂主角，自主投入课堂教学活动中。借助自主学习与小组交流的方式，学生的个人及团队潜力得以充分展现，独立学习的技能也得到了实践的机会。而对那些经过自学和讨论仍无法解答的问题则可以进行深入讲解，让学生更有效地掌握解决问题的方法，同时完善了课程教学模式。采用朋辈教育进行助学后，提高了课程帮扶输出效率，强化学生自主学习能力，取得了可喜成果，2021年和2022年本课程的及格率比2020年分别提高了13.4%、15.6%。

4.2 营造平等、高效、互助、共享的学习氛围，促进共同进步

朋辈之间年龄相差不大，经历有一定相似性，时间、空间经常重叠，沟通更多，心理距离更近。良好的情感交流可以营造出舒适的学习氛围和学习环境，增加学习的兴趣和积极性。“90后”本科生不迷信权威，喜欢讨论而不是传统的老师教、学生学模式，更喜欢朋辈学习这种以达者为师、互相学习、互相影响的模式。本课程教学过程中，经常是老师或者同学就某个知识点抛出问题，大家纷纷发言，给出多种解题思路，碰撞出思想的火花，高效地解决了问题。一些缺乏毅力和行动力的或者是没有学习目标的本科生更容易被带动起来，达到共同进步。

4.3 打造新型校企合作模式，提升学生的科研能力

本课程在朋辈学习过程中，打造新型校企合作模式，积极鼓励学生以团队为单位参加各种竞赛，引入高新企业的各种奖励任务进行学习，取得可喜成果。2022年，本专业组队参加广东省第九届“泰迪杯”数据挖掘挑战赛获得了很好的成绩。

通过以赛促学，帮助本科生快速提升工程实践能力、科研能力以及团队精神，也让新一代人工智能企业清楚地看到本科生的实力。很多获奖本科生获得了进入知名人工智能企业实习或工作的机会，不少优秀本科生持续地进行人工智能相关领域的国际前沿研究。2022～2023年，学生完成本课程学习后，发表了多篇相关领域SCI级别论文。接受了朋辈教育的优秀本科生参与的项目“非接触式心率呼吸检测关键技术与应用”获得2022年度广东省技术发明二等奖。

结语

朋辈教育作为新的正式教育外一种重要的补充教育模式，越来越引起大家的关注。以“模式识别与机器学习”课程为例，朋辈教育应用到专业课程中，能够让经历、兴趣相近的群体聚合一起，互相帮助、互相影响，互相激励，进行交流与共享，形成一个平等、高效、互助、共享的学习环境。但是朋辈教育发展还处于初步阶段，需要继续完善。特别是如何选拔和考核朋辈助学团成员，如何减少负面朋辈影响等方面，还需要做进一步的努力。

参考文献：

[1]国务院.新一代人工智能发展规划[EB/OL].（2017-7-8）[2023-10-20].https：//www.gov.cn/zhengce/content/2017-07/ 20/content_5211996.htm.

[2]王小莉.朋辈辅导视角下大学新生社会主义核心价值观培育研究[J].思想政治课研究，2016（1）：20-23，27.

[3]肖亚乔，薛达.朋辈教育视域下大学生职业生涯规划教育的实践模式探索[J].开封教育学院学报，2019，39（10）：98-99.

[4]何东晓，金弟，王英奎.新工科背景下的新型人工智能课程体系构建[J].软件导刊，2023，22（6）：1-6.

作者简介：蔡倩华，硕士研究生，研究方向：新一代人工智能、数据挖掘、文字情感分析。