大规模因材施教理念下辅修课程教学模式探索

［摘 要］ 以高校“机器学习”课程教学为例，从满足辅修专业学生个性化学习需求角度出发，探讨了大规模因材施教理念下的辅修专业课程教学模式。提出通过“机器学习”课程与大规模因材施教理念融合机制、面向多学科学生个性化教学需求的大规模因材施教教学模式、匹配知识内容和学生知识背景的课程教学案例研究与设计、主修专业应用需求驱动的课程实验教学方法研究与内容设计等方面进行教学模式创新与案例设计。通过上述方式能够全方位培养辅修专业学生在课程学习过程中的多元化知识理解能力及工程实践思辨能力，可以进一步优化、拓展、丰富研究型高校辅修专业的人才培养模式。

［关键词］ 因材施教；辅修专业；教学模式探索；机器学习

［基金项目］ 2022年度黑龙江省教育厅黑龙江高等教育教学改革项目“大规模因材施教理念下辅修专业‘机器学习’课程教学模式创新与实践”（SJGY20220017）；2022年度哈尔滨工业大学研究生课程思政教改项目“‘嵌入式智能计算’课程思政教改”（XYSZ2023005）

［作者简介］ 刘 冰（1982—），男，黑龙江哈尔滨人，工学博士，哈尔滨工业大学电子与信息工程学院副教授，博士生导师，主要从事嵌入式人工智能技术、机器学习与图像处理技术研究；凤 雷（1978—），男，黑龙江兰西人，工学博士，哈尔滨工业大学电子与信息工程学院副教授，主要从事自动测试技术、机器学习与图像处理技术研究；郑文斌（1984—），男，黑龙江哈尔滨人，工学博士，哈尔滨工业大学电子与信息工程学院工程师（通信作者），主要从事测控系统、嵌入式应用研究。

［中图分类号］ G642.0 ［文献标识码］ A ［文章编号］ 1674-9324（2024）27-0121-04 ［收稿日期］ 2023-06-21

引言

由中共中央、国务院印发的《中国教育现代化2035》提出了推进教育现代化的八大基本理念［1］。其中，“更加注重因材施教”作为八大理念之一，体现了我们国家在加速实施中国教育现代化过程中对因材施教理念的高度认可。而大规模因材施教正是围绕上述教育理念在校园共性教育基础上的一种探索与尝试，开展该理念下的教学模式创新与实践研究具有重要意义。

在目前的高等教育中，主流观点是高层次教育，即研究生培养需要注重个性化（因材施教），而本科教育由于招生规模大，受限于教育资源，更合适共性培养。但是，对于本科辅修专业学生的培养来说，由于学生的主修专业背景差异大、大一期间数理课程体系不同、对辅修专业学习需求个性化等原因，共性培养模式需要进一步完善及优化。例如，笔者在哈尔滨工业大学讲授的电子信息类智能信息工程辅修专业的“机器学习”课程中，授课对象来自航天、能源、电气、交通、生命、化学、物理等七个学院十三个专业的学生。通过调研发现，学生的前期基础和学习需求差异较大。因此，为了有效提升辅修专业学生培养质量，有必要在共性教育基础上引入大规模因材施教理念，通过在课程教学模式上的创新与实践，探索辅修专业学生的新型教学模式，这对于高等教育辅修专业学生的培养模式完善及优化具有重要示范意义及推广前景。

在上述背景下，本文围绕“如何将大规模因材施教这种新型教学模式融入高校人才培养体系”这一热点问题开展探索性研究，力图在大规模因材施教理念下，通过对课堂教学设计和组织实施方式的模式创新与实践（以辅修专业的“机器学习”课程为例），进一步优化、拓展、丰富研究型高校辅修专业的人才培养模式。

一、国内外研究现状分析

为了弥补共性教育的不足，美国先尝试了以班级授课为主、个人教学为辅的方式，将大班上课、小班研究和个别教学三种教学形式相结合，但此方式增加了教学组织管理的难度。与此同时，英、法等国家考虑了分组教学的方式，将学生分为外部组和内部组，并制定相应的教学目标，但由于学生的能力水平难以科学鉴别，这种简单的分组方式难以真正契合学生的个体差异。在上述研究基础上，以个别教学为主、班级授课为辅的大规模因材施教方式得到发展，即学生根据自己对知识的掌握程度，自行设定学习节奏，由往届成绩优异的学生担任助教进行指导，必要时辅以课堂教学授课。随后，欧美国家又开始基于机器学习技术进行程序教学，虽然这种方法给学生提供了多样化的学习模块，但机械化的学习方式禁锢了学生的思维，同时扩大了智能的作用而忽略了教师在教学中的作用。为了进一步优化“标准教学”和“个性教学”之间的平衡点，在当前的智能互联与大数据时代，国外先进国家开展了基于信息技术的教学模式改革，“互联网+人工智能+教学”的大规模因材施教授课模式得到迅速发展。基于该模式，可以针对学生的特色需求定制个别化的教学方案，利用信息化互联环境进行因材施教，学生受益面广，较好地体现了大规模因材施教的理念［2］。

国内在因材施教方面的教学模式研究具有悠久的历史，相关资料记载，该思想理念的雏形最早由孔子提出。因此，在因材施教方面无论是教育管理部门还是教育机构都做出了很多改革与实践探索，包括“强基计划”“书院制”“分类培养”等都是因材施教的政策和措施体现，清华大学、北京大学、上海交通大学、哈尔滨工业大学、北京航空航天大学等高校也制订了具体的实施方案，进而极大促进了人才的个性化成长与发展需求［3］。但是，对于大规模因材施教，特别是面向本科辅修专业学生的大规模因材施教模式还没有引起足够的重视，进而在该领域的研究工作相比于国外也略显欠缺。

因此，从上述分析可以看到，相比于国外在大规模因材施教教学模式方面的持续尝试与探索，我国高校虽然在“拔尖人才”培养方面考虑了该方式，但是由于教育资源受限等原因，在辅修专业人才培养模式方面还没有开展足够的研究，仍然存在培养模式同质化的现象，束缚了学生的个性化成长。因此，有必要对该方面开展针对性研究。

在上述背景下，针对辅修专业学生的大规模因材施教需求，笔者开展了课程教学模式探索，旨在面向“大规模因材施教等新型教学模式”和“教师课堂教学设计与组织实施能力提升路径”的研究需求，面向智能信息工程辅修专业学生开展“机器学习”课程的教学创新模式与实践探索。预期研究目标为在满足辅修专业培养方案及课程教学大纲的前提下，通过教学模式创新与实践探索，将大规模因材施教理念融入现有课程教学以及实验内容中，进而优化、拓展、丰富研究型高校辅修专业的人才培养模式，满足辅修专业学生培养的个性化需求，提升辅修专业学生培养质量。拟解决的关键问题包括两个方面：（1）现有课程培养体系约束下的大规模因材施教理念融入方式。本课题的课程改革立足点不是新建一门课程，而是结合现有课程内容融入大规模因材施教理念，因此，以何种方式融入是本项目的关键问题。（2）主修—辅修协同育人模式下的课程实验方法研究与设计。在课程中融入主修专业应用背景相关实验是满足学生个性化需求、体现教改效果的关键实践环节，因此，如何设计课程实验是关键问题。

以需求分析（包括大规模因材施教新型教学模式和教师课堂教学设计与组织实施能力提升、高校本科辅修专业“机器学习”课程内容分析、智能信息工程辅修专业学生个性化知识需求三个方面）为基础，有针对性地开展了“机器学习”课程与大规模因材施教理念融合机制、面向多学科学生个性化教学需求的大规模因材施教教学模式、匹配知识内容和学生知识背景的课程教学案例研究与设计、主修专业应用需求驱动的课程实验教学方法研究与内容设计等方面的教学模式创新研究与案例设计。在开展项目各项研究的同时，在主修—辅修协同育人模式下，以“机器学习”课程中的有监督分类器设计为例，开展了课程实验教学方法改革研究与实验案例设计。最后，通过学生反馈、专家评价、教师自评、主修/辅修专业毕设环节课程知识应用效果调研等方式对课程改革内容进行验证及改进，不断完善大规模因材施教理念下辅修专业教学模式的可行性及有效性。

课程教学模式探索过程中的相关要素包括授课学生、信息技术手段和专家评价方式三个方面。在授课学生方面，以哈尔滨工业大学电子与信息工程学院智能信息工程辅修专业的“机器学习”课程学生为依托，该学生群体以大三学生为主，特点是多学院、多专业、多学科应用背景，上课时间为秋季学期。使用的信息技术手段包括互联网、人工智能技术、数据分析技术。专家评价方面通过邀请教学名师、专业资深教授听课等方式开展。在教学模式探索过程中，笔者首先进行了需求分析与调研，在此基础上，通过进行教学模式创新研究，进而完善教学内容及相应教学案例。在上述过程中，采用了主修—辅修协同育人的方式进行有针对性的课程案例设计，在实施过程中充分利用互联网、人工智能、数据分析等现代信息技术手段开展教学模式改革与探索。同时，笔者还采用教学改革方法研究与实践相结合的研究方法，有效应对了教学过程中的重点、难点及关键问题。通过以学生在解决主修专业应用背景问题的效果和学生个性化课程知识需求满意度为教学改革方法验证依据，通过多元因素评价课程改革效果，并持续优化、完善了课题研究内容和相应教学模式。

在教学模式探索实施细节方面，笔者进行了以下几个方面的探索尝试：（1）进行了“机器学习”课程与大规模因材施教理念间的融合教育机制研究，在分析现有“机器学习”课程教学大纲基础上，结合课程授课内容和大规模因材施教的内涵，研究了大规模因材施教理念融入现有课程教学环节的方法。（2）研究了面向多学科学生个性化教学需求的大规模因材施教教学模式，在调研多学科背景学生的课程学习需求的基础上，研究了开展大规模因材施教理念引导的教育方法与教学模式。（3）完成了匹配课程内容和学生知识背景的课程教学案例研究与设计，结合具体的课程教学内容与学生知识背景，依托互联网、人工智能、数据分析等现代信息技术手段，研究并设计了适合推广应用、受众面广的教学案例。（4）完成了主修专业应用需求驱动的课程实验教学方法研究与内容设计，以学生的主修专业应用需求为驱动，提炼与课程内容相关的实践环节，并设计相关实验内容，探索了主修—辅修协同育人模式下的实验教学方法与内容。

二、课程效果与反思

在课题研究中，面向“大规模因材施教新型教学模式和教师课堂教学设计与组织实施能力提升”的研究需求，开展了辅修专业“机器学习”课程的教学模式创新与实践探索。在项目的研究途径方面，首先进行了需求分析与调研，在此基础上，进行了教学模式创新研究，进而完善教学内容及相应教学案例。

项目采用了教学改革方法研究与实践相结合的研究方法，有效地突破了项目研究中的重点、难点及关键问题。项目以学生在解决主修专业应用背景问题的效果和学生个性化课程知识需求满意度为教学改革方法验证依据，通过多元因素评价课程改革效果，持续优化，完善了课题研究内容和相应教学模式。

在面向大规模因材施教等新型教学模式和教师课堂教学设计与组织实施能力提升路径的探索中，笔者以面向智能信息工程辅修专业学生开展“机器学习”课程的教学创新模式与实践探索为例，在满足辅修专业培养方案及课程教学大纲的前提下，通过教学模式创新与实践探索，将大规模因材施教理念融入现有课程教学以及实验内容中，进而优化、拓展、丰富研究型高校辅修专业的人才培养模式，满足辅修专业学生培养的个性化需求，提升了辅修专业学生培养质量。本研究主要解决了两个关键问题：（1）完成了现有课程培养体系约束下的大规模因材施教理念融入，这也符合笔者进行教学模式探索的立足点不是新建一门课程，而是结合现有课程内容融入大规模因材施教的理念。（2）笔者开展了主修—辅修协同育人模式下的课程实验方法研究与设计，在课程中融入主修专业应用背景相关实验来满足学生个性化需求，体现了教改的关键实践环节效果。创新之处在于：（1）在电子信息类辅修专业“机器学习”课程教学领域，在满足现有人才培养体系及教学目标的前提下，提出了课程内容与大规模因材施教理念融合机制来满足辅修专业学生个性化知识需求的培养理念。（2）利用项目成员的多学科背景优势、科研优势、校企合作优势，利用教育部自动测试与仪器技术工程中心的基地优势，形成了“机器学习”课程教学过程中“理论研究联系实验验证、主修专业应用背景任务驱动”的理论研究与实践教学的统一平台，全方位培养辅修专业学生在课程学习过程中的多元化知识理解能力及工程实践思辨能力。

结语

因材施教是我国自古以来就被认同的基本教育理念，本文面向本科高等教育辅修专业学生的个性化培养需求，以“机器学习”课程为例，进行了大规模因材施教理念下的课程教学模式探索，并给出了具体的实施思路。笔者在实施过程中充分考虑了主修专业背景差异大、大一期间数理课程体系不同、对辅修专业学习需求个性化等因素，提出课程内容与大规模因材施教理念融合机制来满足辅修专业学生个性化知识需求的培养理念，形成“机器学习”课程教学过程中“理论研究联系实验验证、主修专业应用背景任务驱动”的理论研究与实践教学的统一平台，全方位培养了辅修专业学生在课程学习过程中的多元化知识理解能力及工程实践思辨能力。

参考文献

［1］中共中央、国务院印发《中国教育现代化2035》［EB/OL］.（2019-02-23）［2023-05-20］.https：//www.gov.cn/zhengce/2019-02/23/content_5367987.htm.

［2］罗祖兵.因材施教的双重结构及其价值选择［J］.教育学报，2023，19（1）：40-51.

［3］阎琨，吴菡.强基计划人才的培养实践研究：以清华大学强基书院为案例［J］.国家教育行政学院学报，2022，298（10）：62-69+79.

Exploration of Teaching Modes for Minor Specialized Courses under the Concept

of Mass Customization

LIU Bing， FENG Lei， ZHENG Wen-bin

（School of Electronics and Information Engineering， Harbin Institute of Technology， Harbin， Heilongjiang 150001， China）

Abstract： Taking the teaching of machine learning courses in higher education institutions as an example， this study explores the teaching modes for minor specialized courses under the concept of mass customization， with a focus on meeting the personalized learning needs of students pursuing a minor specialization. The study proposes innovative approaches and case designs for teaching modes， including the integration of machine learning courses with the concept of mass customization， a teaching mode based on the personalized learning needs of multidisciplinary students， case studies and designs that match the knowledge content with students’ background knowledge， and research on and content design of course experiments driven by the application demands of the major specialization. Through the aforementioned approaches， the teaching modes and case designs can comprehensively cultivate the diversified knowledge comprehension abilities and engineering practice and reasoning abilities of students pursuing a minor specialization， thereby further optimizing， expanding， and enriching the talent teaching modes for research-oriented minor specializations in higher education institutions.

Key words： mass customization; minor specialization; exploration of teaching modes; Machine Learning