計算機相關專業的教學特點及挑戰

許嘉 呂品

【摘要】隨著整個社會的信息化水平不斷提高，各行業對計算機相關專業人才數量和質量的需求也在不斷增長。對于各高校而言，高質量的專業課程教學是培養高素質計算機相關專業人才的基礎保障。文章首先分析了計算機相關專業教學的特點，進而指出了現有計算機相關專業教學模式面臨的挑戰，最后明確了當下計算機相關專業教學改革的方向。

【關鍵詞】計算機；人才培養；傳統教學模式

近年來隨著計算機技術的迅猛發展，人們在生產生活中對計算機的依賴程度越來越高，社會迫切需要高校培養出大量優秀的計算機相關專業人才。而高質量的專業課程教學是培養高素質計算機相關專業人才的基礎保障。計算機相關專業包括計算機科學與技術、軟件工程、網絡工程、信息安全等專業，這些專業的專業基礎課程包括《程序語言設計》《數據結構》《算法設計與分析》《計算機組成原理》《數據庫原理》《計算機網絡原理》《操作系統》《軟件工程》等。以上計算機相關專業基礎課程的教學普遍具有以下特點。

1.知識點間邏輯性強。計算機相關專業課程既重原理解析又重技術應用，因而具有知識點密集、知識點之間邏輯關聯緊密的特點。例如，《數據庫原理》這門課程中就有上百個知識點，這些知識點之間往往一環扣一環，有顯著的前后依賴邏輯關系。若沒有掌握某些邏輯依賴關系中的前驅知識點（例如數據庫范式理論中的二范式），將會直接影響學生對其后繼知識點（例如數據庫范式理論中的三范式）的學習和理解。

2.學生基礎多樣化。據觀察，如今大學生的計算機基礎在入學時就有很大差異。盡管大部分學生在入學前都接觸、使用過計算機，但有的學生在上中學或小學時就學習過編程，甚至參加過計算機領域的專業競賽；有的學生則是在上大學之后才開始學習計算機相關理論知識和培養實踐能力；有的學生理性思維較強，對計算機相關專業邏輯性強的知識點很容易掌握，因此學習起來興趣十足；有的學生理性思維較弱，對計算機中抽象的概念和原理學習起來很吃力，進而失去了學習的熱情。學生專業基礎多樣化是計算機相關專業教學長期面臨的難題，教師進行課堂教學規劃時往往無法顧及所有學生，難以做到“一碗水端平”。

3.知識更新迅速。計算機相關專業的突出特點就是該領域的知識更新迅速。從20世紀末開始風靡的互聯網到當下“潤物細無聲”的物聯網，從20世紀90年代提出的海量數據到如今炙手可熱的大數據，從幾年前流行的網格計算到今天眾所周知的云計算，計算機領域正通過不斷提出新的理論、新的軟硬件技術和新的應用創造著人類燦爛的今天和未來。因而，計算機相關專業教學要十分重視教學內容的更新換代，及時將領域中的新發展、新知識和新技術引入到教學中，培養與時俱進的學生。

上述計算機相關專業教學的特點對傳統教學模式帶來了極大挑戰，存在的問題越發突出，具體表現在以下幾點。

1.教學效果不可量化。隨著高校招生規模的不斷增大，教師人數增長速度跟不上學生的增長速度。據統計，絕大部分985和211高校的師生比都小于1∶10。一名專職教師需要負責10名以上的學生，同時又需要承擔來自教學、科研和管理的多重壓力時，就很難及時了解每名學生對課堂教學知識點的掌握程度。面對計算機專業課程知識點關聯邏輯性強、一環扣一環的特點，如果教師無法在學生學習遇到困難的早期給予及時的幫助和干預，那么學生對后續關聯知識點的學習只能越來越困難，甚至部分學生會產生中途退課的想法，影響整體教學效果。

2.教學內容趨于大眾化。面對學生計算機專業基礎多樣化的難題，由于不能及時掌握每名學生的知識背景和教學效果，教師只能基于學生的大眾水準安排課堂進度和布置習題，這無疑會同時損害專業基礎位于正態分布曲線兩極的學生的利益。在實際教學中發現，以虛構的大眾水準學生為對象實施教學會降低分布在兩極的學生參與教學的熱情：一方面，會使領悟能力強的學生感到厭煩（甚至引發紀律問題），因為他們在計算機知識迅速更新的時代期待學習到更多的前沿知識；另一方面，領悟能力低的學生會感到學習非常吃力，甚至會產生中途退課或消極厭學的想法。

3.教學決策靠經驗化。傳統學科（例如數學、英語等）由于課程體系成熟穩定，教學內容變化不大，教師在經過幾年教學后就能夠積累一套適用的經驗來指導教學決策，例如基于學生的大眾水準來安排教學進度、課時分配和知識點講授順序等。而計算機學科由于知識更新迅速，經常有新的課程或知識引入到教學體系中。例如在云計算和物聯網技術炙手可熱的背景下，廣西大學就新開了《云計算與物聯網》這門課。再加上學生專業基礎參差不齊，教師很難依賴已有的經驗做出最佳的教學決策，導致教育決策往往不夠合理，使大部分學生的學習成效受影響。

可見，傳統的教學模式沒有充分結合計算機相關專業課程的特點，亟待突破和改革。然而，要解決現有計算機相關專業教學模式中存在的“教學效果不可量化”“教學內容趨大眾化”“教學決策靠經驗化”這三大問題，就需要牢牢把握住教育大數據分析和個性化教育這兩大抓手。第一階段通過現有技術設備和手段收集教師、學生在教學過程中產生的大規模行為數據，并基于對這些數據的分析量化每名教師的教學質量和每名學生的學習效果，解決教學效果不可量化的問題。第二階段基于第一階段對每名學生學習效果的量化分析，一方面為每名學生量身打造適合其基礎的個性化學習方案，另一方面指導教師做出科學合理的教學決策，解決教學內容趨大眾化和教學決策靠經驗化這兩大問題。

針對傳統教學模式在計算機相關專業教學中面臨的挑戰，筆者在廣西大學計算機與電子信息學院的多門專業課程教學中已經開展了教學改革嘗試。通過自主研發的在線測評系統，能夠收集學生在學習和測驗過程中的行為數據，包括能夠反映學生掌握知識熟練程度的答題時間，能夠反映學生思考過程的答案更改軌跡等。基于這些數據，能夠分析每名學生對各知識點的掌握程度和發現課程難點，并且根據反映課程知識點邏輯關系的知識圖譜，分析學生在學習過程中存在的知識漏洞，并對學生進行具有針對性、個性化的學習內容和練習題目推薦。經過教學實踐發現，相比于傳統教學模式，學生在這種教學方式下能夠取得明顯的學習效果，對教學的滿意度也大大提高了。

總之，對于當下計算機相關專業教學改革而言，收集教育大數據是前提，對教育大數據的分析是技術保障，個性化教育是最終目的。

【參考文獻】

[1]Pin Lv， Xiaoxin Wang， Jia Xu， Junbin Wang.Utilizing Knowledge Graph and Student Testing Behavior Data for Personalized Exercise Recommendation.The ACM TURC 2018 conference（SIGCSE China）， 2018： 53-59.

[2]搜狐教育.師生比最高的大學 北大1∶6.2排第1 清華排第28[OL].https：//www.sohu.com/a/119258200_469837#comment_area， 2016-11-17.

[3]〔英〕維克托·邁爾-舍恩伯格，〔英〕肯尼思庫克耶.與大數據同行 學習和教育的未來[M].趙中建，張燕南譯.上海：華東師范大學出版社，2015.