基于问题导向的机器学习课程教学探索

徐叶松 胡平 戴家树 严楠

摘要：在大数据时代，人工智能技术在不断地迅猛发展，已经融入工业、农业、医疗和教育等众多领域，并改变着人们的工作和生活方式。机器学习作为人工智能的核心技术，在很多高校已经被列为必修课程，且很多专业（如：计算机科学与技术、数学、生物医学工程）的本科生和研究生都涉及该课程。针对传统授课方式在机器学习教学过程中处于主导地位，因为无法调动学生的自主性和积极性，使得学生处理问题能力较差和创新意识不强，导致高校培养人才的效果不佳。为此，根据机器学习课程知识的结构特点，提出了基于问题导向的机器学习课程教学方案。通过将问题导向融合到机器学习课程的教学方式，促进学生主动学习和勤于思考的核心素养，进而培养出具有竞争力的高校人才。

关键词：问题导向；机器学习；人工智能；教学；人才培养

中图分类号：TP181-4；G434 文献标识码：A

文章編号：1009-3044（2024）04-0046-03

1 背景

2017年7月8日， 国务院正式印发了《新一代人工智能发展规划》，为我国发展人工智能提出了保障措施、主要任务、战略目标和总体思路，同时该规划明确了人工智能技术进入教育体系的长期发展方向[1]。为进一步落实《新一代人工智能发展规划》，自然科学基金委和科技部在2023年3月启动了“AI for Science”专项部署工作，建立以“人工智能驱动的科学研究”为中心的创新科技研发体系[2]。人工智能主要涉及计算机视觉、自然语言处理和智能机器人。例如，Google 旗下的DeepMind公司开发的AlphaGo战胜世界围棋冠军李世石和柯洁，震惊了全世界，主要是由强化学习技术实现。此外，OpenAI研发的聊天机器人程序ChatGPT能够真正像人一样进行聊天交流，推出5天，注册用户超过100万，推出不过2个月时间，月活用户突破1亿，实际上是利用Transformer架构的大语言模型技术。这些人工智能的核心技术和基础都是最热门的机器学习，而机器学习方法也是智能应用和服务的基石。

当前，机器学习技术已被应用于人脸识别、生物医学信息处理、推荐系统和自主驾驶等领域，其广泛而基础的应用已经深入各行各业，并产生了巨大的社会影响和经济效益[3]。机器学习能够从数据中发现其内在规律，进而成为有效的信息并服务于人们的日常工作与生活，学习和掌握机器学习技术具有重要现实意义[4]。目前，机器学习技术是人工智能领域的研究热点，以阿里巴巴、腾讯、百度和华为代表的互联网企业对该方向的人才需求正日益剧增，我国很多高校已经开设机器学习相关的专业和课程，旨在为科学研究和社会培养高质量的人工智能领域人才[5]。

机器学习是涵盖数据处理、优化理论、算法理论、统计学、矩阵论、概率论和编程语言（如：Matlab和Py?thon） 等多学科知识的一门新兴学科，它主要依赖于熟练的编程技术和对算法理论的深度理解，并侧重解决实际问题[6]。近年来，高校中开设机器学习课程主要面向智能制造、人工智能、金融科技、大数据管理与应用、数据科学与大数据技术等专业的高年级本科生以及计算机相关专业的研究生，对学生的综合知识掌握程度、创新能力和处理实际问题能力要求较高。因此，机器学习这一门课程对教师授课的要求自然更高。

针对机器学习课程的特点，为了满足人工智能和大数据时代下人才培养的需求，提高当前就业形势下高校毕业生的就业机会、提升学生的解决问题能力和创新思维能力[7]。随着人工智能的应用和发展，给机器学习相关专业的人才培养带来了重大机遇与挑战。因此，机器学习的教学应该紧跟着时代步伐，注重实践的教学，不断更新课程的教学内容，适当调整教学计划，使高校毕业生能够更好地胜任随后的工作和生活。探索机器学习课程的教学方法，结合课程所涉及的知识点，对学生提出相关的人工智能问题，让学生对问题进行思考并寻找解决方案，这就是所谓的以“问题导向”[8]。该教学方法能够激发学生学习兴趣，以问题来促进学生的思考，培养学生的处理问题能力。学生通过思考和实践，实现机器学习知识的消化和吸收，以及使思维能力得到锻炼和提高解决实际问题能力，这也符合高校人才核心素养的培育要求。

2 机器学习的教学现状与教学挑战

2.1 机器学习的教学现状

机器学习是处理实际问题的应用型学科，它的技术在不断地发展和更新，特别是深度学习技术在实际需求中取得了显著效果。一方面，传统的教学模式以课堂讲授为主，主要采取“学生听，教师讲”的形式来执行，课堂上缺乏讨论。通常教学过程中涉及较多难懂的理论知识，导致学生厌学现象。而且，学生在被动的听课过程中对所学知识的理解和掌握不够深刻。这样会造成教师的教学和高校学生的学习效率低，并导致高校学生的自主学习能力和创造性思维未能得到很好的培养和锻炼。

另一方面，以往的教学模式利用PPT课件和黑板板书，由于高校学生的兴趣不同和基础各异，使他们对所学内容的渴望、理解和掌握知识程度也存在区别，导致教学内容上忽视了个性化和多样化的学生培养机制。另外，由于授课学时的限制，只能对基本知识点的传授，使学生无法深入实际问题的解决中。这样不利于学生处理问题能力的锻炼，也忽视了团队协作的意识，导致高校学生的培养不符合应用型人才的培养要求。

2.2 机器学习的教学挑战

机器学习具有以下几个特点：第一个特点，它是多领域交叉一门学科。相对其他信息类专业，它涉及的知识庞杂，包括多门学科知识，要求对矩阵论、概率论和高等数学等有扎实的数学基础。而且对编程能力有着较高的要求，需要使用TensorFlow、Pytorch等框架来进行深度学习实验。另外，机器学习的前沿知识更新迭代迅速，且相关的算法仍不停地在发展中。

第二个特点，涉及的理论复杂和内容多。机器学习课程中含有许多抽象的概念，学生理解起来较为困难。以及在不同模型和算法建立上，它们涉及的知识点杂乱且联系不紧密，思想相对独立，很难建立起“由浅入深”的教学体系。

第三个特点，实际应用要求较高。在具体教学过程中，课堂上传授理论知识，大部分学生能够理解机器学习的模型，但将所学理论用来解决实际问题的成效不佳，学生很难将所学的理论编写成代码，导致所学知识很难转化成处理实际问题的技能和能力。而且，有的学生将参考的代码全部摘抄一通，完全没有自己的理解和思考。另外，通过期末考试的方式，来考查学生对知识点的掌握程度，忽视了这门课的实践特点。总而言之，机器学习这门课程自身所具有的特点，给该课程的教学带来了巨大挑战。

3 以问题导向的课程教学

3.1 问题导向的课程设计原则

依据机器学习课程的特点，以问题为导向的教学模式进行授课，来激发学生的思考和培养学生解决实际问题能力。将“问题导向”贯穿到教学的课前、课中和课后，如图1所示。与传统讲课形式的教学模式相比，以问题导向的机器学习教学方式侧重培养学生思考能力、提高自主学习能力、增强处理实际问题能力和提高创新意识。

1） 课前。在準备阶段，授课教师首先应明确本次课的学习目标，给出一个或几个与实际问题相关的机器学习问题。通过考虑应用领域和目前行业的需求以及学生的兴趣偏好来确定问题。这样可以确保学生的学习目标具体、明确，对给出的实际问题也应该有一定的难度要求，这样能够激发学生的思考和求知欲。其次，教师也应精心挑选与此次课程目标相关的案例，并提前准备好用于实验的数据集。这不仅能够直观地展示机器学习的应用场景，同时也可以激发学生学习新知识的兴趣。最后，为了将问题导向融入教学过程中，需要在课前发布预习的问题，要求学生提前了解将要学习的知识点，同时思考如何运用该知识点去解决实际问题。学生可以通过网络观看相关的教学视频、查阅资料和文献以及做好前期的准备工作。学生在课前准备预习的问题，这有利于教师和学生在课堂上共同讨论和一起学习，提高对知识点的掌握程度和教学效率，也可以培养学生独立思考的能力和处理问题的能力。

2） 课中。首先，以实际问题来引入本次课的主题，这样能够激发学生上课的兴趣，让学生认识到机器学习技术是解决实际问题的强有力的工具。通过案例分析的方式展开教学，将学生真正地引入到真实场景中，让他们确切地感受到机器学习技术能够解决实际应用中的问题。教师接着对相应的基本概念和算法原理等内容进行详细的讲解，同时为学生建立起理论基础。在授课过程中，用具体的案例和问题去解释抽象的理论，让学生对新的知识更容易理解和消化吸收。由于机器学习是一门强调实际应用的课程，在课中应进行编程实践和相关的实际操作。通过在课堂上进行编程演示，也可以尝试让学生亲自动手来进行实际操作。可以将理论知识和实践相结合，达到培养高校学生的实际动手能力和提升他们的竞争力的目的。最后，组织学生进行小组讨论。学生可以分享个人想法，得出问题的解决方案，促使他们深入地去思考问题，达到培养有思想的人才培养目的。小组讨论能够培养学生的团队合作能力，使他们在讨论问题时相互学习，以合作的方式来解决问题，也就是所谓的“众人拾柴火焰高”。例如有次课上，针对人脸识别问题。有个学生通过自己编写程序，在班级展示了一个有意思的功能，他通过自己的笔记本电脑，展示了识别出他本人和室友。这也就是日常生活中智能解锁的功能，达到了培养学生的主动学习和勤于思考目的。

3） 课后。教师通过布置与本次课程内容相关的问题。课后的问题应该是具有延伸性的，让学生运用前面所学的知识，去解决相比于课堂中涉及的问题更为复杂的实际问题。通过在课后以问题为导向，学生能够更深入地掌握机器学习技术，将这个工具用到实际应用中，并巩固所学的理论知识，使高校学生能够学以致用。接着，在课后提供实时反馈和指导，建立在线讨论平台（如：机器学习课程QQ群），使学生在遇到问题的时候可以及时地跟同学或教师进行思想上的交流，从而可以很好地解决问题，帮助有困难的学生进步。同时对完成的作业进行评估和提供学习资源（如：MOOC 视频、Coursera 公开课、GitHub 代码、CSDN博客），使学生能够清晰地认识到自己优势和不足，为接下来学习明确方向，并且使每个学生得到个性化培养。最后，让学生进行作品展示，使他们能够全面地相互了解和取长补短，促进知识的分享，也能够激发学生的兴趣和提高沟通、表达能力。

3.2 问题导向的课程教学优势

将问题导向的融入机器学习教学的课前、课中和课后，不仅能激发学生的学习兴趣，也能让他们更加主动地参与进来。通过提出学生感兴趣和实际应用相关的问题，使他们在学习机器学习课程中产生好奇心，并能够积极地投入到学习中。以问题驱动的课程教学方式，在解决问题的同时，能够使学生对算法和模型理解更加深刻，同时也锻炼了学生将学习到的理论知识用于处理实际问题的能力，这比传统的教学方式更加有效。问题导向学习也涉及小组讨论，有利于培养高校学生的团队协作和交流能力。课后问题的及时反馈、交流和作品展示，能够帮助学生解决学习中遇到的困难，促进他们的全面发展。通过融入问题导向的教学方式能够培养学生的专业素养、锻炼思维和处理问题的能力。

4 结论

机器学习是一门应用型的课程，培养学生处理实际问题能力和求知创新的能力至关重要。针对机器学习课程的多学科交叉、理论内容多且复杂以及实际应用要求高的特点，本研究通过将问题导向融入课前、课中和课后的教学过程中，提高高校学生学习的积极性和自主性，使他们的思维能力得到锻炼，并提升处理问题的能力，旨在培养高校学生的专业素养。

参考文献：

[1] 国务院.新一代人工智能发展规划[J].科技导报，2018，36（17）：113.

[2] 刘垠.人工智能驱动的科学研究专项部署工作启动[N].科技日报，2023-03-28（001）.

[3] 贾积有.人工智能赋能教育与学习[J].远程教育杂志，2018，36（1）：39-47.

[4] 邓志鸿，谢昆青.机器学习课程的教学实践：以北京大学“智能科学与技术” 本科专业为例[J].计算机教育，2016（10）：18-19，62.

[5] 闵锋，鲁统伟“. 机器学习” 课程教学探索与实践[J].教育教学论坛，2014（53）：158-159.

[6] 吕品，于文兵，汪鑫，等.基于机器学习的学生成绩预测及教学启示[J].计算机技术与发展，2019，29（4）：200-203.

[7] 张坤颖，张家年.人工智能教育应用与研究中的新区、误区、盲区与禁区[J].远程教育杂志，2017，35（5）：54-63.

[8] 陈燕.问题导向式教学的模式构建：职前数学教师的培养研究[D].重庆：西南大学，2013.

【通联编辑：梁书】