面向研究生的“机器学习”课程思政教学探索

［摘 要］ 立德树人是教育的根本任务，课程思政建设是落实“三全育人”的重要途径。机器学习作为人工智能的一个重要分支，对培养人工智能相关人才具有重要支撑作用。在面向研究生的“机器学习”课程中，如何有机融入思政元素是一项重要的课程教学任务。从建设目标及思路、合理设计思政元素与案例、教学实践、多元化课程资源建设、多模式教学方法改革、多元化层次化的全过程考核评价方法等方面进行了探讨。通过“机器学习”课程思政建设，在人才培养过程中实现价值塑造、知识传授、能力培养相统一。

［关键词］ 机器学习；课程思政；多元化；层次化

［中图分类号］ G642.0 ［文献标识码］ A ［文章编号］ 1674-9324（2024）31-0121-04 ［收稿日期］ 2023-08-03

引言

2016年12月，习近平总书记在全国高校思想政治工作会议上强调，要坚持把立德树人作为中心环节，把思想政治工作贯穿教育教学全过程，实现全程育人、全方位育人，努力开创我国高等教育事业发展新局面［1］。党的二十大报告提出，育人的根本在于立德［2］。2020年5月教育部发布的《高等学校课程思政建设指导纲要》指出，全面推进高校课程思政建设，发挥好每门课程的育人作用［3］。机器学习作为人工智能的一个重要分支，对培养人工智能相关人才具有重要支撑作用。近年来许多学者对“机器学习”课程的教学改革和如何融入思政元素进行了研究。王亚歌等［4］以四个教学案例重点介绍了“机器学习”课程内容与思政案例结合的具体过程。王兴梅等［5］探索了新工科背景下“机器学习”课程的思政教学内容。胡春龙等［6］从教学内容安排、教学手段改进、实践能力培养等方面对“机器学习”课程的教学改革进行了探讨。商新娜等［7］在“机器学习”课程中从科技强国战略、科技应用方向和敬业精神等方面开展了课程思政建设。

这些研究多数是针对本科教育中的“机器学习”课程，都取得了很好的效果。然而，研究生教育不同于本科教育，本科课程思政的一些研究方法、成果不完全适用于研究生教学。因此本文针对研究生培养特点和“机器学习”的课程特色，对如何开展课程思政建设和实践进行了探讨。

一、“机器学习”课程思政建设的目标和基本思路

“机器学习”课程作为我校一门硕博贯通课，面向我校控制科学与工程、计算机科学与技术、计算机技术、人工智能等专业开设，是人工智能领域的核心课程，目的是培养学生扎实的机器学习理论基础、较强的实践能力和创新能力。基于“机器学习”课程性质的分析和学生培养要求，本课程把为培养具有“家国情怀、探索与创新、勇攀科技高峰”的人工智能人才奠定坚实的理论基础和实践能力，作为“机器学习”课程思政建设的方向和重点，课程通过有机融入“家国情怀、探索与创新、勇攀科技高峰”等思政元素，培养具有“兴工报国”情怀的专业精英和社会栋梁。

课程思政建设的基本思路是：基于专业面向行业和领域需求，服务京津冀社会经济协同发展，培养人工智能、大数据的理论、方法、技术相关人才的特色，结合“机器学习”课程具有理论性强、应用广、发展快的特点，从理论教学和实践能力培养两个方面深入挖掘“机器学习”课程思政元素，研究“探索与创新能力”培养和思政教育的结合点，将国家在以机器学习为主的人工智能技术方面取得的巨大成就作为教学内容，培养学生的家国情怀；将理论分析和工程实践相结合，培养学生的探索与创新能力；将追踪学术前沿和工程实践与创新能力培养相结合，实现创新能力培养和思政教育的统一。

二、课程思政的教学设计与实践

在教学中，为了让思政内容有机融入教学过程，达到润物无声的目的，根据确立的课程思政目标，主要从以下几个方面进行了全方位探讨，在人才培养过程中实现了价值塑造、知识传授、能力培养相统一。

（一）合理设计课程思政元素和案例

我校研究生“机器学习”课程32学时理论教学，主要内容包括模型估计与优化、监督学习、无监督学习、集成学习、神经网络与深度学习等。为了融入思政元素，结合课程特点对思政元素进行了深入挖掘，思政元素如表1所示。

在挖掘思政元素的基础上，对思政元素进行整合，构建成大的思政案例，以如下两个案例为例来说明。

1.“探索精神”培养案例。为了培养学生的“探索精神”，从思想和实践两方面着手进行。一方面，通过算法迭代的思想引导学生建立精益求精的理念。另一方面，在项目实践中，以与“中国制造2025”密切相关的焊接缺陷识别、数据驱动打造“轻量化”工业智能等案例项目为依托，在完成项目的过程中培养学生的探索精神。

2.“创新能力”培养案例。为了培养学生的创新能力，一方面，推荐学生阅读机器学习及人工智能领域最新研究成果和技术，并鼓励学生实现相关论文，发现最新研究成果中存在的问题进行创新研究。另一方面，在项目实践中鼓励学生在使用现有技术实现相关任务的同时，分析现有技术中存在的问题，改进现有技术实现创新。

（二）课程思政教学实践

为了达到思政融入目标，从以下几个方面对课程思政进行了下列实践。

1.引导学生将个人成长与祖国前途命运紧密相连，培养学生的家国情怀。在绪论部分，结合国家在高铁、5G、高新技术、经济发展等方面取得的巨大成就，突出以机器学习为主的人工智能技术在科技强国、民族复兴中的地位和作用，激发学生的爱国热情，以中华民族伟大复兴中国梦引领学生的理想信念，培养学生的家国情怀。紧密结合时政要闻，引导学生树立为实现中华民族伟大复兴而努力学习的决心，将科技报国与实现人生目标相统一，立德树人。

2.引导学生建立精益求精的理念，通过工程实际培养对科学的探索精神。在多数机器学习算法中都需要对算法进行迭代优化，通过不断迭代优化从一个随机状态逐步达到最优解，通过这个过程引导学生在工作学习中建立精益求精的理念，为培养探索精神打下思想基础。在课程学习中需要学生完成一个项目，该项目要求从X射线图像中识别出焊接缺陷，通过完成该项目，培养学生的实践能力和探索精神。

3.引导学生关注学术和技术前沿，培养学生的探索与创新能力。通过推荐学生阅读机器学习及人工智能领域最新研究成果和技术，拓宽学生视野，并鼓励学生实现相关论文，发现最新研究成果中存在的问题进行创新研究。同时，在完成项目时，鼓励学生使用现有技术实现的同时，分析现有技术中存在的问题，改进现有技术实现创新。

4.以国内机器学习及人工智能领域的著名专家和企业为榜样，激励学生努力成才，勇攀机器学习及人工智能领域的科技高峰。在近几年AI领域的高水平学术会议和期刊上，中国人的研究成果越来越多，影响越来越大，部分领域目前已处于领先地位，同时涌现出了一大批著名企业，如华为、字节跳动、阿里、腾讯、百度等，为我们树立了勇攀科技高峰的榜样。

（三）多元化的课程思政和教学资源

在教学实践中，采用了线上线下混合式教学。为了满足混合式教学的要求，实现全方位思政元素融入教学过程，以学习通平台为基础，构建了多元化的“机器学习”课程教学资源和思政元素及案例资源。

课程教学资源包括学习视频、教学课件、题库、作业、测试、文献资源等，方便学生随时学习。同时为了提高学生的实践和创新能力，构建了项目案例库，包括精心设计的项目案例和各届学生的优秀项目。思政元素及案例资源包括相关思政元素和课程思政案例。

（四）改革教学方法和手段

为了提高教学效果，适应技术发展，对“机器学习”课程的教学方法和手段进行了改革，包括采用线上线下混合式教学、项目制教学、翻转课堂和讨论式教学等。

1.采用线上线下混合式教学。课前学生通过在线资源，完成相关基础知识学习、课前测试、论文阅读等环节；课中根据学情进行重点讲解并开展翻转式教学，并分析论文阅读情况；课后学生完成线上作业、拓展阅读和项目。

2.建立了结合团队科研方向的课外项目制教学模式。在“机器学习”的教学中，课内主要进行理论教学，为了提高教学效果，结合团队科研方向，要求学生课外综合运用“机器学习”的相关技术完成一个实际项目。在项目实践中，一方面培养学生的实践能力，另一方面培养学生的探索与创新能力，为实现培养“探索与创新能力”的课程思政目标打下基础。

3.采用了随机翻转式和讨论式相结合的教学方法。在教学过程中，采用了翻转式教学，让学生讲解相关内容并进行点评讨论。为了提高翻转教学和讨论式教学的效果，采用随机法让学生上台讲解，这样保证了所有学生都能提前认真准备，保证了上课效果。

（五）构建多元化层次化的全过程考核评价方法

本课程为硕博贯通课，对硕士生和博士生的教学要求不同，为了适应硕博贯通的要求，同时加强课程的过程性考核，建立了多元化的考核方式，课程考核包括作业、阶段测试、论文阅读与翻译、分组报告、项目实践等，既考核学生对理论知识的掌握程度和运用能力，也考核学生的实践能力。

同时针对硕士生和博士生的特点，在多元化考核的基础上分层考核，硕士生和博士生的考核内容和考核要求均不同，硕博考核构成不同，相同构成占比不同，要求不同。硕士生考核包括阶段测试、论文阅读与翻译、小组报告、项目实践，其中阶段测试主要是加强学生对基本理论的理解、掌握和运用；论文阅读与翻译主要考核学生对机器学习及人工智能领域的前沿的熟悉情况；小组报告主要考核学生基本理论的学习、理解、总结分析能力；项目实践主要考核学生综合应用机器学习理论、方法解决实际问题的能力和实践能力。博士生考核包括阶段测试、文献综述、数据集分析、小组报告、项目实践。总之，既考核学生对理论知识的掌握程度和运用能力，也考核学生的实践能力、探索与创新能力。

三、课程思政建设成效

通过在课程中融入思政元素，既培养了学生的专业能力，又激发了学生的家国情怀，同时培养了学生的探索与创新能力。通过课程思政，使学生更加明确了努力方向，树立了科技报国的远大志向，学生把更多精力投入课题研究中，提高了研究生阶段的成果产出和质量，取得了明显的效果。

（一）科技创新能力培养和思政教育相统一

在课程思政建设中，针对“机器学习”课程具有理论性强、应用广、发展快的特点，从理论和实践能力培养两个方面深入挖掘思政元素，将国家在以机器学习为主的人工智能技术方面取得的巨大成就作为教学内容，培养学生的家国情怀；将理论分析、工程实践和追踪学术前沿相结合培养学生的探索与创新能力，实现科技创新能力培养和思政教育相统一。

（二）课内与课外思政元素相结合

“机器学习”课程为32学时，全部为课内教学，主要为理论讲授、小组讨论、翻转教学等环节。为了提高学生学习效果，增加了课外教学环节，包括文献阅读与翻译、项目实践、文献综述、数据集分析等。不论是课内教学，还是课外教学，都融入了思政内容，而且课内教学和课外教学相结合共同完成同一个思政目标。

结语

本文结合研究生教学特点和“机器学习”课程特色，把为培养具有“家国情怀、探索与创新、勇攀科技高峰”的人工智能人才奠定坚实的理论基础和实践能力，作为课程思政建设的方向和重点，探讨了“机器学习”的课程思政建设和教学实践。结合课程内容，有效挖掘了相关思政元素，并从四个方面阐述了课程思政教学实践；构建了多元的教学资源，建立了结合团队科研方向的课外项目制教学模式；构建了多元化层次化的全过程考核方法，实现了硕博贯通教育。通过融入“家国情怀、探索与创新、勇攀科技高峰”等思政元素，实现了全过程、全方位的教学育人模式。

参考文献

［1］全国高校思想政治工作会议12月7日至8日在北京召开［EB/OL］.（2016-12-08）［2023-07-03］.https：//www.gov.cn/xinwen/2016-12/08/content_5145253.htm#2.

［2］习近平：高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗：在中国共产党第二十次全国代表大会上的报告［EB/OL］.（2022-10-25）［2023-07-03］.https：//www.gov.cn/xinwen/2022-10/25/content_5721685.htm.

［3］教育部关于印发《高等学校课程思政建设指导纲要》的通知：教高〔2020〕3号［A/OL］.（2020-05-28）［2023-07-03］.https：//www.gov.cn/zhengce/zhengceku/2020-06/06/content_5517606.htm.

［4］王亚歌，刘拥，杜梦丽，等.课程思政融入机器学习课程教学的探索与实践［J］.电脑知识与技术，2022，18（33）：167-170.

［5］王兴梅，赵一旭，战歌.新工科背景下机器学习课程思政建设的研究与实践［J］.高教学刊，2022，8（5）：193-196.

［6］胡春龙，吴陈，左欣，等.研究生“机器学习”课程教学改革研究［J］.教育教学论坛，2019（10）：99-100.

［7］商新娜，宏晨，田娥，等.“机器学习”课程思政教学改革与探究［J］.科教文汇（上旬刊），2021（28）：95-97.

Design and Exploration of Curriculum Ideology and Politics in “Machine Learning” Course for

Graduate Students

Abstract： Building morality and cultivating talents is the basic task of education， and the construction of curriculum ideology and politics is an important way to realize the “three comprehensive education”. Machine learning， as an important branch of artificial intelligence （AI）， plays an important supporting role in cultivating talents related to AI. How to integrate ideological and political elements into machine learning course for graduate students is an important teaching task. This paper explores the construction goals and ideas， design of ideological and political elements and cases， teaching practices， diversified course resource construction， reform of multimode teaching methods， and diversified and hierarchical whole process assessment and evaluation methods. By the curriculum ideology and politics construction of machine learning courses， the unity of value shaping， knowledge imparting， and ability cultivation can be achieved in the process of talent cultivation.

Key words： Machine Learning; curriculum ideology and politics; diversification; hierarchy