人工智能時代高校教師信息素養的新要求

云太真

摘要：目前對高校教師信息素養的要求，主要是辦公自動化、多媒體課件制作和電子數據資源查找等內容，這種以應用技能為核心的信息素養的要求，已經落伍。人工智能時代，要求高校教師具備計算思維理念，能夠使用Python寫程序，具有數據分析的能力。只有這樣，才能深刻理解計算機系統，并對教學工作實踐和學術研究有實用性。

關鍵詞：信息素養;Python;數據分析;計算思維

中圖分類號：G642? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2020）35-0191-03

開放科學（資源服務）標識碼（OSID）：

New Requirements of Information Literacy of University Teachers in the Era of Artificial Intelligence

YUN Tai-zhen

（Artificial Intelligence and Law School of Shanghai University of Political Science and Law， Shanghai 201701， China）

Abstract： At present， the requirements for information literacy of university teachers are mainly office automation， multimedia courseware making and electronic data resource searching. This information literacy requirement with application skills as the core has fallen behind. In the era of artificial intelligence， college teachers are required to have the concept of computational thinking， be able to write programs in Python， and have the ability of data analysis. Only in this way can we have a deep understanding of computer system and be practical for teaching practice and academic research.

Key words： information literacy; python; data analysis; computational thinking

當前，高校教師信息素養主要體現為辦公自動化、多媒體課件制作和電子數據資源的查找等內容上。隨著云計算、大數據、人工智能等新技術的廣泛運用，這些內容已顯陳舊，無法應對新時期教育信息化的快速發展，有必要對高校教師信息素養提出新的要求[1]。人工智能時代要求高校教師除掌握上述內容以外，還必須具備計算思維理念，學會Python語言，并能用Python進行數據分析和處理，這對教學實踐和學術研究都是實用和有必要的。

1 高校教師信息素養的不足

信息素養是高校教師綜合素質的重要組成部分。不同時代，對高校教師信息素養的內容和要求是不同的。20世紀90年代，高校教師熟練掌握辦公自動化軟件就算信息素養良好;21世紀初，隨著多媒體教學和互聯網的普及，高校教師必須熟練掌握課件制作，各種網絡學術資源的查找;近幾年來，隨著硬件性能的提升和算法的突破，部分人工智能技術突然達到了成熟、實用的程度，人們就此來到了人工智能時代。這也就對高校教師信息素養提出了新的要求[2]。

2017年7月，國務院發布《新一代人工智能發展規劃》，要求在高等教育中培養掌握“人工智能+”經濟、社會、管理、標準、法律等的橫向復合型人才[3]。2017年以來，浙江、山東、江蘇等省份進一步將編程教育納入高考體系，教育部出臺《2017普通高中信息技術課程標準》對此提出了明確的教育標準[4]。因此，新一代出生于數字化時代的大學生，在高中階段已經開始了人工智能知識的普及，并經過了程序編寫和數據分析的訓練。因此，傳統的基于應用技能，尤其是以辦公自動化、課件制作和網絡資料查找技能為核心的高校教師信息素養已顯不足。

必須指出，傳統的基于應用技能的信息化知識還很難學習和掌握。經驗發現，計算機專業出身的教師剛開始去講授《計算機基礎》往往就發現很有難度，因為計算機專業并不學習辦公自動化和多媒體軟件操作，教師必須通過自學掌握以上內容。而且，針對非計算機專業開設的《計算機基礎》課程中，對這些軟件的操作往往又考查得很細致，教師的計算機專業出身對學習這些技能用處不大。主要原因是這些知識的內容比較松散，主題不明確，理論對實踐的指導能力很差，學習這些內容和計算機科學體系沒有什么關系。實際上，此時教師難教，學生學習也困難，必須通過反復做練習才能掌握這些技能。可是，反復做練習只是一種應試訓練，學習者只是靠做題目通過了考試，這種學習不能增加對計算機的理解，經過反復訓練產生的應用技能不可持續，在工作實踐中是不一定有用的。這種方法過于重視實用性，急功近利，不考慮學習者和計算機技術本身的發展，忽視了知識的理論性和整體性。斯金納說過“教育就是把學過的東西都忘掉剩下的東西”，基于應用技能的學習是短視的。

在人工智能時代，必須放棄急功近利的學習思路，要加強理論性知識的學習，還要能用學到的理論性知識把相關內容的知識點串起來，以取得長效的學習效果。本文提出，樹立計算思維的學習理念，掌握Python語言，并能用Python進行數據分析，應作為人工智能時代高校教師信息素養的新要求。

2 人工智能時代高校教師信息素養新要求的內涵

本文提出的基于計算思維理念，掌握Python，并能用Python進行數據分析，是對人工智能時代高校教師信息素養提出的新要求。這種要求體現了計算思維的學習理念，以數據分析為目標，能夠學以致用，對不同專業教師的長期發展都是有益的。學習一門程序設計語言，對有些專業的教師可能是困難的，但Python語言比較容易入門，學了以后又容易與人工智能、計算機原理、數據分析等內容相互連接，這對高校教師來說又是很實用的。

要滿足上述要求，首先要學習和掌握Python語言，包括基本語法和基本數據類型，理解計算機程序的工作原理，理解數據結構和算法的基本概念，能用Python語言編寫一些實用性的小程序，能夠看懂別人的程序。這樣，不僅掌握了語言本身，還對計算機的工作原理有了一定的深入理解。接著，需要學習和了解Python擴展庫，掌握應用方法，能夠熟練應用數據分析的幾個擴展庫，并能進行數據庫可視化操作。

從內容上來說，這些要求包括兩個部分：第一部分是Python語言本身，主要包括Python基本數據類型、基本語法和一些常見算法，還包括編寫、調試和測試小程序的能力。第二部分主要是Python擴展庫和數據分析技術，包括擴展庫的定義和使用，數據分析的幾個擴展庫的結構、數據類型、使用方法等。此外，感興趣的人，還可以進一步學習網絡爬蟲、文件和數據庫操作等。這些內容在學習時一定要注意動手操作實踐并經常反思，才能深入理解。

人工智能時代，人們廣泛選擇了Python語言，這不是偶然的。雖然這種語言是解釋型的，性能很一般，甚至可以說有點差。然而，Python語言的基本數據結構和語法的表現能力很強，便于使用，初學者很容易掌握，容易寫出正確的程序。同時，這種語言的語法塊度比較大，相對“高級”，用戶使用幾行語句就可以實現其他語言較長代碼才能實現的功能。以前工業界流行的匯編語言、C、C++等語言雖然性能很好，但比較低級，適合寫系統程序，編譯后直接在操作系統環境下運行，但操作系統的環境非常復雜，程序要適應這種環境必須深刻理解操作系統的工作原理，這就進一步增加了學習難度，程序員通常要花費長期的訓練才能寫出實用性的程序，代碼調試也很困難。Java和C#是建立在虛擬機上的程序設計語言，這就屏蔽了操作系統的復雜性，降低了程序的編寫和調試的難度，但這兩種語言也存在語法塊度低的問題，程序代碼要寫很長才行，程序員也需要經過長期的訓練。Python語言同樣也是運行在虛擬機上的，同時還提高語法塊度減輕了程序員的壓力，這樣初學者就容易產生信心，學習曲線平緩[5]。Python已經是流行、通用的程序設計語言了，可以用于各種用途。同時，世界上已經產生了大量免費的Python擴展庫和應用，非常實用。

人工智能時代是隨著大數據技術的發展而來的，對海量數據進行存儲、整理、挖掘和分析是人工智能首先面臨的挑戰。以前，面對類似問題，我們可以用某個應用軟件來解決。然而，大數據中的數據是有多種多樣的格式的，而且這些數據廣泛存在于不同的位置，不可能存在某種應用軟件來解決，必須由人根據具體情況，采取靈活的手段分別予以解決，應用軟件的失效了。人們需要掌握某種編程語言，用快速編寫、簡單、靈活性的小程序來解決。

與其他程序設計語言相比，Python是一種開源的自由軟件，已經形成了成熟的生態圈，網上也出現了豐富的開源擴展庫，用途日益廣泛[6]。使用Python語言進行數據處理的已經成為實用和成熟的選擇。

這樣，學習Python進行數據分析，既可以掌握一門通用的程序設計語言，深入理解計算機工作原理，學習了數據存儲、整理、挖掘和分析的技術，為教學和科研領域的應用奠定了良好的基礎，另外要注意到人工智能和機器學習等擴展應用也是建立在數據分析的前提下的，這都是Python比較擅長的領域。

選擇Python，是因為這種語言具有很多優勢，這種語言是開源和免費的，不用考慮經費和知識產權問題，許多人用它開發了人工智能、機器學習的擴展庫免費提供給大家。此外，Python還是一門通用型的程序設計語言，可以廣泛用于各種領域。隨著Python和數據分析的深入學習，還可以把人工智能納入學習和使用的范疇，Python有很多人工智能擴展庫，可以直接調用，把人工智能技術應用于各個學科，從事交叉學科的研究。當然，這里我們的目的是學習數據科學，為各專業的實際應用和學術研究提供支持，最終為教師綜合素質的全面提升提供支撐。

3 教師信息素養新要求的目標和方法

本文提出的對高校教師信息素養的新要求，既包括理論要求，也包括實用性的要求。理論要求是學習一門程序設計語言，深入思考和理解計算機系統的工作原理。理論上，深入思考和理解計算機系統之后，學習應用軟件就不再是個問題了，不再需要通過機械式的反復訓練來學習應用軟件的使用。

實用性的要求是掌握數據分析的基本知識和數據分析的基本方法。當前，幾乎所有學科的研究都在使用數據分析的方法，因為數據的分析和展示具有強大的證明和說服力。在許多學科的研究手段里，數學分析甚至是最重要的研究手段。在很多復雜系統中，主題明確的信息往往是不存在的，只有使用數據挖掘的方法才能發現這些信息。

自學提高信息素養，學習計算機科學知識，不能死扣理論，要充分利用理論指導實驗，利用實驗反饋深入理解理論。比如要利用好解釋器，通過解釋器的反饋學習和掌握基本數據結構、基本語法和流程控制結構，調試程序的方法和技巧等，剛開始從小程序著手，從勉強可以運行的代碼逐步到創建大一點的程序，逐步改造自己得代碼，最終能夠寫出規范可靠、清晰優美的實用性程序，為后期應用奠定良好基礎。

學習數據分析，要認真理解對應的數學概念，才能深入理解數據分析的基本方法，達成最終目標。重點是搞好操作應用，最好先尋找一套圖文并茂、實用性好的實驗習題集，照葫蘆畫瓢，先照著做一遍，增加感性認識再說。

在學習中，要注意平衡和掌握理論性知識和實用性知識的關系，既可以按進度先學好、學明白編程語言，再學數據分析，這也是通常采取的方法。也可以剛開始就把重點放在數據分析上，熟練掌握數據分析以后，根據需要回顧學習程序語言中難度較大的部分。

4 需要注意的問題

本文提出的對高校教師信息素養的新要求，并不排斥傳統上對教師提出的信息素養的要求，辦公自動化、多媒體課件制作和網絡資料查找仍然是教師必備的基本應用技能。不過，教師認真學習Python語言和數據分析，深入理解計算機系統之后，反過來更容易學習和掌握前面的應用技能。

其次，學習Python語言和數據分析，最困難的不是中間的學習過程。經驗表明，最困難的往往是軟件版本選擇和安裝、開發環境的搭建等細節，建議剛開始要找人指導，一定要掌握開發環境搭建的細節，反倒是后面程序設計的學習，自學的問題不是太大。只要堅持理論與實踐相結合，程序設計可能是最便于自學的知識，因為計算機可以立刻給人反饋，而且非常明確，不會給出模糊的答案。

對數據分析部分的學習，除了擴展庫的安裝剛開始需要指導以外，后面的內容建議尋找一本內容詳盡、圖文并茂的好教材學習，要注意教材支持的Python版本必須是Python3，Python2已經停止支持，對漢語的支持不好，不建議使用。

需要說明的一點是，Python創建了自由、開源、開放的生態圈，具備各種各樣的擴展庫，很多功能只要調用現成的擴展庫就可以了。但對于初學者來說，找不到統一集成的開發工具，可能會比較發懵，建議先從開發環境搭建做起來，先熟練掌握一些最常用的開發工具和擴展庫的下載和安裝。

5 總結

本文提出的基于計算思維理念，掌握Python，并能用Python進行數據分析，是對人工智能時代高校教師信息素養提出的新要求，是傳統的高校教師信息素養的全面升級。這樣的要求符合高校教師作為教育工作者和科研工作者的雙重屬性，體現了計算思維的學習理念，以學習程序設計語言為基礎，以數據分析為目標，在教學實踐和學術研究中都有實用性，對不同專業教師的長期發展都是有益的。

參考文獻：

[1] 楊琰，胡中鋒.“互聯網+”時代高校信息素養現狀與提升策略[J].中國電化教育，2019（4）：117-122.

[2] 于曉雅.人工智能視域下教師信息素養內涵解析及提升策略研究[J].中國教育學刊，2019（8）：70-75.

[3] 國務院. 國務院關于印發新一代人工智能發展規劃的通知[EB.OL]. （2017-07-20）[2020-7-18].http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[4] 教育部.普通高中信息技術課程標準（2017年版）[M].人民教育出版社，2018：4-19.

[5] Bill Lubanovic .Python語言及其應用[M].丁嘉瑞，梁杰，禹常隆，譯.人民郵電出版社，2016：5-9.

[6] Wes McKinney.利用Python進行數據分析[M]. 徐敬一，譯.機械工業出版社，2018：8-17.

【通聯編輯：王力】