城市数字治理创新班人工智能概论课程实践

摘 要 针对浙大城市学院城市数字治理创新班学生专业分散，缺乏计算机专业相关背景知识，而传统的人工智能课程需要较强的算法基础和实际开发能力，实验环境搭建复杂，实验教学内容针对性不强等问题，开展人工智能概论课程实践，帮助学生建立人工智能的基本概念，理解人工智能的应用步骤和需要完成的工作，引导学生利用人工智能知识来解决城市数字治理中存在的问题。

关键词 人工智能概论；城市数字治理创新班；混合式教

学；非计算机相关专业；课程思政

中图分类号：G642.0 文献标识码：B

文章编号：1671-489X（2024）18-0067-04

0 引言

随着城市的快速扩张和城区人口的增加，城市管理变得越来越复杂。浙大城市学院为适应地方经济和社会发展需要，协助解决城市数字治理方面的问题，特开设了城市数字治理创新班，以数字技术赋能城市治理，打破理工科、文科之间的隔阂，融合人工智能（AI）、大数据、云计算、物联网、区块链等前沿技术和城市治理先进理念，培养具备数字治理思维和基本技能，能够满足未来城市治理需求的应用型、复合型和创新型人才[1]。

城市数字治理是一个大系统，包含了智慧社会治理、智慧城管等内容，也涉及作为更基层单位的智慧街道、智慧社区等主题。目前数字城市存在数据资源不完整、突发事件不协同、形势研判不智慧、决策分析不宏观、应急响应不及时等挑战，迫切需要引入智能化技术，因此，在城市数字治理创新班培养方案中加入人工智能相关课程十分必要。

城市数字治理创新班学生每学年第一学期面向全校大二本科生选拔产生，人数不超过30人，文理兼收，专业不限，除了理工类专业外，还涉及中文、金融学、财务管理、工商管理、广告学、资产评估、广电、法学、行政管理等专业。该班实现定制化培养，融会贯通信息技术、公共管理、法学等学科，着力培养具有解决复杂城市数字治理工程问题能力的复合型人才[2]。完成创新班课程修读并符合相应条件的学生，毕业时可获得辅修证书和城市数字治理创新班荣誉证书。

1 课程现状分析

人工智能的发展在工业制造和交通运输等领域发挥了非常显著的作用。城市数字治理作为城市管理的一门新兴学科，面对大量的城市数据，城市治理的方方面面工作内容多，各项工作之间又相互影响，对管理人员的要求变得越来越高，也让相关的管理人员越来越力不从心。人工智能的快速发展和城市数据的大量积累，为城市数字治理提供了更多、更有效的手段。如何利用人工智能技术来促进城市治理的数字化和智能化，通过人工智能提高执行的效率和管理质量，显得尤为迫切。

在特色班培养方案中，人工智能概论就是一门介绍如何结合应用人工智能技术加强城市数字治理方面的课程。课程的主要内容包括人工智能基础知识介绍，机器学习算法阐述，机器学习算法在图像识别、自然语言处理、推荐系统、金融分析和城市数字治理等领域的应用。学生能够搭建人工智能应用环境，在具体的场景中引入人工智能技术来解决问题，为以后从事行业应用研发时更好地融入人工智能技术打下坚实的基础。通过课程学习，学生实现培养团队合作精神和社会责任感等价值目标。

城市数字治理创新班的学生的专业背景分布分散，文科专业居多，大部分学生没有计算机专业方面的基础知识。面对这样一批基本素质良好但缺乏专业知识的学生，如何进行人工智能概论课程的教学，成为摆在教学工作者面前的一道难题。课程组通过两年的摸索，探索出比较有效的教学方法，取得了良好的效果。

2 人工智能概论课程实践

2.1 建立校政企教师团队

为了使教学内容更加贴近现实，组建由政府部门专业人员、人工智能领域行业专家和学校专业教师组成的教学团队。在制度上，学校和相关的政府部门、企业分别签订合作协议，保证合作的长久性和稳定性[3]。为了保证课程有序开展，政校企三方共同制定课程管理制度。教师团队建立定期会议制度，三方教师相互合作，定期开展教学研讨，确保课程的科学性、先进性和适合性，增强课程效果。不管是邀请政府人员上专题课还是校外行业专家上课，学校教师全程协助管理课堂，确保课程的规范。教师通过随堂上课，增强对政府和企业实际应用场景的理解，有利于后续课程的开展，也利于三方在科研项目上的合作。

2.2 优化课程教学内容

传统的人工智能重视基础知识的讲解，如知识表示、搜索和算法的实现，课程非常强调基础知识和算法的实现，涉及很多数学优化问题。非计算机相关专业学生对这些算法和数学方面的知识学习存在一定困难，如果课程还是按照现有模式进行，学生的兴趣会大幅下降，不利于教学开展。因此，有必要进行相关课程内容改革。

1）城市数字治理实验班的培养目标让学生能掌握使用人工智能技术来解决城市治理中各领域的社会问题，而不是去解决人工智能建模的优化问题，且考虑到学生来源广泛，有不同的专业背景，课程设计中特别关注如何让学生把人工智能知识和专业知识结合。

2）人工智能概论中传统的实验内容大部分是利用国际上一些典型的数据集和算法来实现，如鸢尾花品种预测、波士顿房价预测等，这些内容和城市治理的背景知识差别较大，难以引起学生的兴趣和共鸣，学生按部就班地做完实验，但不明白应用场景，对知识的理解不够深刻，实践能力培养效果不好。为此，课程设置适合不同专业特点的学生的实验内容，重点是与解决城市问题密切相关的案例。

2.3 完善项目案例

传统的人工智能概论课程重点放在人工智能原理方面，实验内容主要验证原理和对底层算法的掌握。为了切合城市数字治理人才培养的要求，对课程实验内容进行优化，总体原则是适合非计算机相关专业学生并且有利于培养城市数字治理理念。本课程对实验内容进行完善和调整，在经典实验的基础上，扩展学生易于理解又和城市数字治理方面密切相关的内容。

以综合实践项目为例，课程设置的综合实验题目为“基于剩饭剩菜AI识别技术研究——浙大城市学院大学生粮食浪费情况研究”，该项目是以学校食堂剩菜剩饭智能识别作为研究内容展开。因为城市数字治理人才非常需要具有团队合作精神，所以实验以项目组的形式开展，组成六个项目组，每个项目组由不同专业的五名学生组合而成，文理专业结合。人员随机组队更加具有挑战性，更贴近实际工作情况。很多时候合作人员不是由项目组成员自由选择，这样容易增加项目实现的难度。

在数字化校园背景下，利用所学人工智能知识来分析粮食浪费情况成为本课程综合实践项目的内容，项目从原始数据采集、样本标记、测试数据的训练到创建模型训练，最后得出结论的完整过程。项目的原始数据采集和样本数据的标记都需要学生自行采集完成，改变了以往人工智能实验内容大部分采用现有的数据集进行训练的，有利于非计算机相关专业学生对人工智能项目整个流程的理解。此外，通过对学生的调研问卷分析食堂浪费的原因和改进措施，全面增强学生解决实际问题的应用能力。

2.4 选择合适技术框架和开发平台

本实验基于百度飞桨EasyDL平台实现，EasyDL是百度大脑推出的定制化AI训练及服务平台，支持面向各行各业有定制AI需求的企业用户及开发者使用，使用相对简单，对基础知识的要求较低，有利于非计算机相关专业背景的学生学习[4]。EasyDL AI开发平台支持任务类型较为完整，包含对项目方案的设计、数据的预处理、模型训练、项目部署和实施等一站式功能的支持。开发过程主要使用Jupyter Notebook，该工具基于网页的交互式应用程序，可以在浏览器实现开发、文档编写、运行代码和展示等功能。项目用到的库主要包括base64、cv2、json、PIL、numpy等。

数据的采集由项目组成员去学校几个食堂现场拍照完成，为保证样本数据的全面性，选择早餐、中餐和晚餐不同时段的餐盘照片数据，同时采集学校不同食堂的餐盘数据，并要求每组采集的照片样本数量不少于500张，文件格式为*.jpg格式。

2.5 融入课程思政

为更好地在人工智能课程中发挥育人功能，通过多途径挖掘思政元素，充分利用实践教学的课程思政是很重要的方面[5]。民以食为天，粮食安全是民生问题非常重要的内容，特别是广大学生缺乏缺衣少食的相关经历，存在一定的浪费粮食现象，节约粮食方面的教育显得尤为重要。利用大作业实践作为研究课题，发现身边存在的粮食浪费现象，结合《中华人民共和国反食品浪费法》，引导学生爱惜粮食、节约粮食、反对浪费。通过课程实践，学生对食堂浪费粮食的现象有了更深的体会，也体会到利用技术手段可以更好地发现城市治理中存在的不合理现象。根据模型训练结果，让每个项目组给出相关合理化建议。项目组学生从不同角度进行深入思考，有对学生增强节约粮食的意识方面的建议，也有对食堂提出米饭自助方式的建议，或者采用菜品和米饭称重的方式计价，通过按需取用来增强节约效果。通过这些建议的输出，培养学生参与社会治理的意识，树立社会治理人人有责、人人尽责的理念。

项目采用团队合作的形式进行，整个过程都需要项目组成员同心协力、密切配合。从项目的分工到需求分析和方案设计，从数据采集到数据库清洗和数据预处理，从模型选择到模型训练，再到模型评估、项目发布和部署，都需要大家通力合作。通过在项目研发工作中的密切配合，让学生提前感受工作中的场景，培养团队的合作精神。

2.6 实施“线上线下+项目驱动+团队合作+校企合作”混合式教学

为了增强教学效果，课程采用线上线下混合式教学模式。课程提供多个知识点的线上学习材料，让学生在课前进行学习，方便基础知识相对较少的非计算机相关专业学生了解更多知识。通过课程开始时的课堂测试，既可以确保学生上课不迟到，也能较好地督促学生在课前认真学习网上在线课程，同时能较好地检查学生知识的掌握情况，更有利于教学工作的开展，上课的重点可以放在学生能力的培养上。通过课前的线上学习，课堂上对基础知识的讲解可以适当减少，把更多的时间留出来实施课堂讨论、项目方案设计交流等。课堂上选择一个项目案例，让学生根据学过的知识去设计项目方案并分组讨论，选派代表进行讲解，再由教师和其他学生提问交流，最后教师进行点评，并提供一个相对更合理的解决方案。课程重点放在让学生更好地理解如何应用人工智能知识到具体项目中，而比较少强调具体的技术实现细节。在实验部分，让学生尽量能够建立起人工智能的应用场景，理顺在某个场景中要如何融入人工智能技术，如何调用现有的接口来提高应用系统的智能化水平。项目分组兼顾文理学生，有利于专业交叉融合，学生的思维更加开阔，更利于培养应用型、复合型人才。

通过实施“线上线下+项目驱动+团队合作+校企合作”四位一体的混合式教学，以“MOOC预习、师生讨论、项目实践”作为课前、课中、课后教学重点，达成学生知识、能力、素质和价值目标，最终实现应用型、复合型人才培养。通过采用四位一体的混合教学模式，将“自助学习、互动交流、团队协作”贯穿课前、课中、课后整个教学过程，线上充分利用优秀的MOOC，线下互动翻转课堂，促进教师和学生之间、学生和学生之间的协作学习与互动交流，通过学生本来具有的跨专业特性，更加有利于不同专业人才的思维碰撞，收到良好的效果。

2.7 多维度评价学习效果

总评成绩按照平时成绩30%、课后作业情况30%、期末87d46dc0484eee5a43394ddfc3a90624大作业40%的比例组成。为加强对平时学习的督促，增加过程性评价内容，除了用于检查课前在线课程的学习效果的小测验，还增加课堂交流和讨论环节作为平时成绩的一部分，鼓励学生积极参加课堂讨论，提高课程的参与度。在进行项目实训时，需要在项目开始前编制项目开发计划，绘制项目甘特图，邀请项目组成员定期汇报项目的进展情况。教师对项目相关内容进行检查和提问，掌握项目的总体进展情况，了解每位学生在项目组中的作用，进行打分和记录，作为成绩的组成部分。经过课程学习，学生对人工智能技术有了较全面的理解，实现从开发平台的搭建到样本数据采集和标注、数据处理和模型设计及模型训练，并最终完成完整的项目。

大作业成绩评价主要从项目组整体项目完成度、每位学生在项目组中的贡献度、项目的创新性、团队合作过程以及输出的合理化建议等多个维度进行评价。在项目结束时，通过项目组作品展示和答辩，六个项目组都完成项目的主要功能，得到有效的结论和合理化建议，项目完成质量总体较高，达到了预期的效果。

3 结束语

通过对课程内容的调整和实验内容的重新设计，人工智能课程更加适应城市数字治理创新班非计算机专业学生的实际情况，入门难度降低，大作业实践项目学生的投入度大幅提高，达到预期效果，课程评价良好。通过实施“线上线下+项目驱动+团队合作+校企合作”四位一体的混合式教学，学生跨专业组队建立项目组，可以更好地发挥各自专业的优势，多学科交叉碰撞，思维更加发散，项目束缚更小，大大提高了项目的创新性。学生的团队合作能力得到有效的锻炼，社会责任感得到进一步强化，同时，运用人工智能技术解决城市数字治理中的复杂工程问题的能力也得到很好的培养。

4 参考文献

[1] 罗娟，王纯，刘璇，等.计算与人工智能概论课程教学 改革与实践[J].计算机教育，2022（5）：136-140.

[2] 夏立新，张雨萌，李卿，等.“人工智能+教育”复合型 高水平人才培养的模式创新：华中师范大学人工智能教 育学部的实践探索[J].科教发展研究，2022，2（3）：36-54.

[3] 陈华平，胡建华，钟小林.“校、政、企”协同育人模 式的构建与实践：以江西理工大学行政管理专业为例 [J].教育教学论坛，2022（33）：85-90.

[4] 芦碧波，陈艳丽，张建春.人工智能通识课的教学设计 与实践探讨：以河南理工大学为例[J].科技视界， 2023（7）：79-82.

[5] 李小英，谷长龙，罗娟.计算与人工智能概论课程思政 探索与实践[J].软件导刊，2023，22（6）：224-228.