以产出为导向的信息类人才创新能力培养课程体系改革与实践研究

李红艳 汪波 王正

摘要：随着人工智能技术的飞速发展，信息类人才创新能力培养与实践已成为教育界关注的焦点。文章针对当前信息类人才创新能力培养与实验过程中存在的问题，提出构建一种以产出为导向的课程体系改革与实践研究方法。通过分析以产出为导向的信息类人才创新能力的要求，设计了一套涵盖理论知识、实践能力和创新思维三方面的课程体系。实践证明，该课程体系能够有效提升信息类人才的创新能力，为我国人工智能领域的发展提供有力的人才支持。

关键词：人工智能；信息类人才；创新能力；课程体系；改革与实践

中图法分类号：P208      文献标识码：A

文章编号：1009-3044（2024）08-0149-03

开放科学（资源服务）标识码（OSID）

人工智能技术的快速发展对信息类人才的创新能力提出了更高的要求。然而，当前我国信息类人才的培养过程中仍存在一定的问题，例如过于注重理论知识传授，忽视实践能力培养，以及课程设置单一，缺乏对学生创新思维的培养等[1]。为此，本文提出构建一种以产出为导向的信息类人才创新能力培养课程体系改革与实践研究方法。

1 人工智能时代对信息类人才创新能力的要求

1.1 理论知识方面

信息類人才通常指接受过专业教育和培训，在信息技术、电子技术、通信技术、计算机技术等领域具备相关知识和技能的专业人士，包括计算机科学与技术、软件工程、人工智能、大数据技术等专业技术人才[2]。要求熟练掌握计算机科学与技术和人工智能方面的基本理论和知识，具有设计和开发应用系统的基本能力，能够从事人工智能以及计算机应用系统相关软硬件产品的设计、开发、维护与管理。同时，还应遵守相关职业规范，承担相应社会责任。具体要求如下：

（1） 计算机学科基础：具备扎实的计算机学科理论基础，包括数据结构、算法设计与分析、操作系统、计算机网络、组成原理、软件工程等。具备较强的计算机应用系统相关软硬件产品的设计和开发能力，能够综合运用自身知识分析解决实际工程问题，从事各类型软硬件产品的设计、开发、测试和维护工作。

（2） 数学基础：包括离散数学、线性代数、概率论与数理统计、最优化方法等。能够运用数学知识，针对信息技术领域的复杂工程问题建立数学模型并求解，并能对模型或解决方案的合理性进行比较与综合。

（3） 统计学与大数据技术：了解概率论与数理统计、统计学基础、国民经济核算、经济学基础、数据采集与预处理、大数据技术基础、数据库基础、统计分析软件应用、大数据分析与可视化等。具备统计数据资料采集与整理、统计分析软件应用、统计分析报告撰写等能力。

（4） 人工智能基础：深入理解机器学习、深度学习、自然语言处理、计算机视觉等人工智能领域的前沿技术，还需要了解人工智能的最新研究成果和应用案例。

（5） 跨学科知识：了解与数据隐私、知识产权、算法偏见和伦理相关的法律和伦理问题，了解如何设计易用的界面和提供良好的用户体验。

1.2 实践能力方面

信息类人才的实践能力要求不仅包括技术层面的技能，如传统的编程能力、数据分析和处理能力，还包括能够熟练运用人工智能相关工具和框架解决实际问题的能力、创新思维以及与团队合作的能力[3]。具体要求如下：

（1） 编程能力与软件开发能力：熟练掌握至少一种编程语言（例如Python、Java、C++、JavaScript等），并具备良好的编码能力。了解编程范式，如命令式编程、面向对象编程、函数式编程等，并能够运用这些范式进行软件设计与开发。同时，掌握软件开发的基本流程，包括需求分析、设计、编码、测试和部署维护。

（2） 数据分析和处理能力：能熟练使用各种数据分析相关的软件和编程语言，如Excel、SQL、Python、R、SAS、SPSS、Tableau等。能够根据不同的数据类型和分析目的选择合适的工具，并能够灵活地切换和学习新的工具。掌握数据的收集、清洗、处理、分析、可视化等方法，能够运用统计学、数学、机器学习等理论和模型，从数据中发现规律、趋势、异常等信息，并能够用图表、报告、故事等形式有效地呈现和传达分析结果。

（3） 人工智能工具和框架的运用：熟练运用人工智能相关的工具和框架，如TensorFlow、PyTorch、Keras、Scikit-learn、MXNet等，能够构建、训练和部署人工智能模型[4]。

（4） 项目管理和团队协作：能够在多学科团队中有效沟通，协调资源，管理项目进度，并能够与其他团队成员共同推动项目的成功。

（5） 持续创新和改进：信息类人才需要具备持续创新和改进的能力，能够不断寻求新的解决方案，优化现有流程，提高效率，并能够适应和引导技术变革。

1.3 创新思维方面

信息类专业具有很强的应用背景，信息类人才的创新意识不仅要体现在思想、观念上，更要体现在实践创新上。要求具备良好的创新意识、批判性思维和问题解决能力，还要有能够开展跨学科研究和创新实践的能力[5]。具体要求如下：

（1） 创新意识：能够主动寻找和发现问题，勇于尝试新的方法和思路，跟踪最新技术发展，愿意尝试和探索未知的领域，能够提出创新的解决方案和改进现有技术。

（2） 批判性思维：批判性思维是分析和解决问题过程中不可或缺的一种能力。要求个体能够超越表面的知识和解决方案，进行更深层次的思考和分析，识别潜在的错误和不足，给出建设性的意见和建议，并不断实践和改进。

（3） 跨学科研究：信息类人才需要具备跨学科研究的能力，能够结合计算机科学与其他学科（如心理学、生物学、社会学等）的知识和方法，开展创新性的研究工作，以解决复杂的问题。

（4） 创新实践：能够将创新思维转化为实际应用，能够通过项目实践、产品设计、技术改进等过程，将创新理念转化为应用成果。

（5） 持续学习和适应能力：能够理解和评价针对信息技术领域复杂工程问题的工程实践对环境、社会可持续发展的影响，能够适应行业和社会的发展需求，具备终身学习能力和较强的自主学习和适应能力。

2 产出导向的信息类人才创新能力培养课程体系

为了培养适应人工智能时代需求的信息类人才创新能力，需要设计一套以产出为导向的课程体系[6]。这样的课程体系应该包含理论知识、实践能力和创新思维三个方面的课程。具体建议如下：

2.1 理论知识课程

（1） 计算机科学基础：包括数据结构、算法、操作系统、计算机网络等。

（2） 数学基础：包括线性代数、概率论与数理统计、离散数学等。

（3） 统计学基础：包括描述性统计、推断性统计、回归分析等。

（4） 人工智能基础：包括机器学习、深度学习、自然语言处理、计算机视觉等。

（5） 跨学科知识：结合心理学、生物学、社会学等学科的知识。

2.2 实践能力课程

（1） 编程实践：通过实际编程项目来提高编程技能。

（2） 数据分析实践：使用真实数据集进行统计分析、数据挖掘等。

（3） 人工智能项目实践：参与人工智能相关的项目开发，应用所学知识解决实际问题。

2.3 创新思维课程

（1） 创新方法：学习创新的基本理论，如创新过程模型、创新类型等，掌握创新方法和工具，如头脑风暴、六顶思考帽、TRIZ等[7]。

（2） 批判性思维：学习如何界定问题、识别问题的核心，掌握证据评估的方法，判斷信息的可靠性、相关性和有效性，练习逻辑推理和论证构建，提高解决问题的能力。

（3） 团队协作与沟通：在多学科团队中实现共同目标的关键能力，培养团队协作能力，包括团队建设、角色扮演、有效沟通技巧、反馈机制、冲突解决、沟通渠道等。

通过这样的课程体系，将学科理论知识与专业实践技能相结合，学生不仅能够掌握扎实的专业理论基础，还能够在实践中提高动手能力，同时培养创新思维和团队协作能力。

3 课程体系改革与实践方法

3.1 优化课程设置

定期进行行业需求调研，了解市场对人才的需求，跟踪技术发展趋势，确保课程内容的前瞻性和实用性[8]。定期更新课程大纲，引入新的课程模块和案例研究，结合行业标准和认证要求，调整课程内容。增加实验、实训、项目实践等课程，让学生在实际操作中学习和创新，设计创新实验室、创业孵化器等平台[9]。设计跨学科的课程，鼓励学生从不同角度思考问题，培养综合解决问题的能力，实施跨学科项目。

3.2 改进教学方法

采用项目驱动的方法，设计和实施以项目为基础的学习课程，让学生参与到真实的、有挑战性的项目中，通过实际操作来学习知识和技能。实施案例教学，教学中引入真实案例研究，让学生分析案例，理解理论知识在实际工作中的应用。案例应涵盖成功的创新案例、问题解决的案例等，以提供多样化的学习视角。采用讨论式教学，鼓励学生参与课堂讨论，发表个人见解，培养批判性思维和创新能力。利用在线学习平台和工具，提供灵活的学习方式，帮助学生自主学习和协作学习。鼓励学生在实践中学习，通过实验、实训、实习等实践活动来巩固和深化知识[10]。引导学生进行反思，思考自己的学习过程和解决问题的策略，以促进个人的成长和技能的提升。

3.3 加强师资队伍建设

提升教师队伍的专业素养，通过技术培训、学术研讨会等方式，让教师了解最新的技术和发展，鼓励教师进行跨学科项目合作研究，促进不同学科的交叉融合，提升教学和科研水平。引进行业教师参与人才培养全过程，为学生提供更多实践经验和行业洞察。建立有效的教师反馈机制，调整和优化师资队伍结构，确保教师队伍的持续发展和提升。

3.4 建立多元化、全方位的评价体系

注重过程评价，根据学生在实验操作、项目实践中的表现，评估学生的学习过程和创新能力。鼓励学生参与各类实践活动，如学科竞赛、大学生科研立项、大学生创新创业训练计划、社会实践等，评价学生的创新能力和实践技能[11]。引入综合素质评价，将学科知识与学生的综合能力相结合，培养学生的综合能力和自主学习能力，通过素质评价的实施，让学生意识到学习的目的是实现个人全面发展，培养他们的自主学习能力[12]。

4 实践效果分析

通过对电子信息类专业课程体系的改革与实践，可以观察到学生在创新能力上的显著提升。这一改革实践注重课程内容的产出导向，紧密结合行业需求，强化实践教学，从而有效地激发了学生的学习兴趣和积极性。在课程学习过程中，学生表现出了对知识的渴求和掌握的欲望，他们积极参与讨论，主动探索问题的解决途径。在实践环节，学生们能够将所学的理论知识灵活运用于实际问题的解决中，他们通过团队协作，运用创新思维开展跨学科的研究和创新实践。这些实践成果表明，以产出为导向的电子信息类专业课程体系改革与实践研究方法对于培养学生的创新能力具有显著效果，并且这种模式具有推广到其他院校和专业的潜力。

5 结束语

本文针对人工智能时代信息类人才创新能力培养的需求，提出了一种以产出为导向的课程体系改革与实践研究方法。通过优化课程设置、改进教学方法、加强师资队伍建设及建立多元化评价体系，有效提升了信息类人才的创新能力。为我国人工智能领域的发展提供了有力的人才支持，对相关领域的人才培养具有一定的借鉴意义。

参考文献：

[1] 李晟，李玉晓.基于CDIO的人工智能和电子信息科学与技术复合型创新人才培养模式研究[J].高教学刊，2023，9（35）：59-62.

[2] 刘庆华，赵中华，欧阳缮.面向新工科的地方高校电子信息类人才培养模式实践[J].教育教学论坛，2023（34）：137-140.

[3] 姜建国，王秀芳，张光华，等.基于新工科和OBE的电子信息类专业实践教学改革研究[J].电脑知识与技术，2023，19（31）：151-153.

[4] 毕晓君，乔伟征.“计算智能” 课程教学理论与实践探索[J].教书育人（高教论坛），2022（36）：110-112.

[5] 张银胜，单慧琳，王伟，等.专创融合视角下电子信息类创新创业系列课程的改革与实践[J].科技风，2023（32）：65-67.

[6] 杨菊梅.地方高校复合应用型本科人才培养体系构建研究[D].吉林：吉林外国语大学，2023.

[7] 王波，焦文潭，布挺，等.应用型本科电子信息类专业创新创业实践课程改革与探索[J].商丘职业技术学院学报，2023，22（5）：74-78.

[8] 刘忠富，李厚杰，石立新，等.面向解决复杂工程问题的电子信息类专业实践教学改革与实践[J].高教学刊，2023，9（5）：121-124.

[9] 闫孝姮，陈伟华，王雨虹，等.工程教育专业认证驱动下电气类人才创新培养模式研究[J].中国现代教育装备，2023（13）：83-85.

[10] 唐燕群.基于AI-CDIO理念的电子信息类人才培养模式创新实践[C]//广东省高等教育学会，广东省海峡两岸关系促进会，东莞台商育苗教育基金会，台湾高等教育学会.第十七届海峡两岸（粤台）高等教育论坛论文集.中山大学，2022：10.

[11] 何富运，朱红艳，王勋.地方院校电子信息类专业虚实融合实验实训教学模式的构建[J].大学教育，2023，12（16）：23-25，41.

[12] 刘志刚，田枫，王梅，等.工程认证与产教融合双驱动的新工科人才培养探索[J].实验室研究与探索，2022，41（10）：167-172.

【通联编辑：光文玲】