基于項目實踐與慕課的人工智能與工科交叉課程教學探討

李俊芳

摘 要 在人工智能+時代，高校開設人工智能與工科交叉課程是大勢所趨。本文闡述了借助慕課，結合項目實踐實現交叉課程良好授課的方法。以《人工智能與軌道交通》課程為例，對課程目標，內容與實際授課設計進行了說明，對比采用與未用項目實踐獲取的教學效果論證了基于項目實踐與慕課的交叉課程教學的優越性。

關鍵詞 項目實踐 慕課 人工智能與工科交叉課程 課程教學

中圖分類號：G642文獻標識碼：A

1研究背景與問題提出

1.1人工智能+時代

隨著互聯網技術的發展與計算機硬件系統的提升，人工智能成為引領第四次產業革命的關鍵學科。2019年全國兩會提出，人工智能要能賦能其它專業領域，促進其它專業領域的改造升級。因此，促進人工智能技術與傳統工科專業的深度融合，培養具有人工智能意識和能力的工程科技人才，是當前最為緊迫的戰略任務。因此，開設人工智能課程成為本科院校的必然趨勢。

1.2慕課的教學方式

慕課（MOOC）是大規模開放的在線課程（Massive Open Online Course），其課程特點是“短而精” ，時長約3-5分鐘，是對課程重難點的總結與強調，具有解決長時間“滿堂灌”模式下學生注意力不集中的優勢。該特點對于自學能力強的學生較適用，但于自學能力較差未進行課程系統學習的學生，其相當于碎片化知識，難以理解，效果與傳統課程相比較差。此外，慕課在以師為范，與人交流，合作溝通方面相比傳統課程幾乎沒有優勢。所以，有很多學者采用慕課+翻轉課堂的混合式教學方法進行授課，線下通過分組討論使學生對重難點知識進行深入剖析與討論，使教學取得良好的效果。

1.3問題的提出

慕課+翻轉課堂的形式對理科與文科的學習是適用的，但對于需要工程實踐的的工科學習是欠缺的。如何對人工智能與工科交叉學科的慕課課程的混合式教學方式進行改進以彌補工程實踐環節的缺失從而取得較好的教學效果是亟待解決的問題。

2基于項目實踐的教學方式

CDIO工程教育模式是由麻省理工學院與瑞典皇家工學院于2000年發起，是全球積極推進工程教育改革，探索創新型工程人才的培養模式的最新成果。CDIO代表構思（Conceive）、設計（Design）、實現（Implement）和運作（Operate），它以產品研發到產品運行的生命周期為載體，讓學生以主動的、實踐的、課程之間有機聯系的方式學習工程。CDIO培養大綱將工程畢業生的能力分為工程基礎知識、個人能力、人際團隊能力和工程系統能力四個層面，大綱要求以綜合的培養方式使學生在這四個層面達到預定目標。

基于CDIO“做中學”的實踐理念，設計基于項目實踐與慕課相結合的交叉課程教學方案。將慕課+翻轉課堂的混合式教學方式中翻轉課堂的內容進一步提升與改進，在課堂上除了對重難點知識的探討與深入剖析外，加入人工智能在工程項目中的應用等實際項目的設計、預案、實施與評價或優化等問題的探討與研究，并針對學生在實際項目操作中的反饋，在線下課堂中或群策群力解決疑難問題，或就問題反映的理論進一步鞏固與理解，或探討多種方案引發思考，或提供參考使學生深入鉆研尋求最優化方案。

3案例分析

筆者所在的上海工程技術大學城市軌道交通學院運營管理系于2018年9月通過教育部交通運輸專業工程認證標準，既是對本專業交通運輸工程教育的肯定，也是工程教育改革的開始。在此背景下，為營造軌道交通學子信息技術處理背景，實現軌道交通的智慧化運營與管理，針對人工智能與軌道交通工程的交叉學科學習開設的《人工智能與軌道交通》課程更應該在教學中緊抓工程實踐的重要環節，課程理論講解做到精與簡，摒棄純理論灌輸的枯燥乏味授課方式，加大實踐環節課時，實現學生“做中學”的目的。

《人工智能與軌道交通》課程目標是（1）記憶并理解人工智能內涵、算法、模型與技術（原理、步驟、使用方法）;（2）分析人工智能解決軌道交通規劃與管理專業實際問題的思維與模式;（3）應用所學人工智能方法解決軌道交通規劃與管理專業的實際問題;（4）根據人工智能綜合知識，針對軌道交通實際問題，提出創新方案。目標1通過學生預習與慕課課程的學習實現，目標2～4通過實踐環節實現，其中2主要在翻轉課堂中通過學生討論進行深入剖析獲取，3通過查閱資料，算法演算與代碼編寫在實驗課時中進行項目實操，4是針對學生實踐的反饋問題，在教師的引導下通過查閱文獻，觀摩案例，鉆研代碼語句進行深入或超前學習。

《人工智能與軌道交通》包含三個項目實踐內容，通過應用人工智能算法與模型解決軌道交通實際問題。搜索算法實踐對應實際軌道交通乘客出行最短路徑問題，在起始點間尋找可行路徑（繞開障礙物）并求解最短路徑，要求學生分別用深度優先、廣度優先、迭代加深三種無信息搜索算法以及A*有信息搜索算法進行實訓。貝葉斯與效用模型（下轉第4頁）（上接第1頁）實踐對應軌道交通客流受多種因素影響下如何進行有效預測，要求學生構建軌道交通車站與線路客流預測貝葉斯網絡模型并根據實際數據對模型進行擬合，獲取參數用于預測。決策樹以及機器學習實踐對應軌道交通乘客的出行行為，在乘客多特征及出行特征約束下，（1）構建決策樹預測乘客的出行決策;（2）構建神經網絡預測乘客的出行行為;（3）構建支持向量機預測乘客的出行行為。以上項目的完成需要對算法進行深入理解，并結合軌道交通實際問題構建模型，進行求解算法代碼編寫。經過項目實操，學生獲取知識由被動記憶理解變為主動理解與吸收。該課程實際授課兩學期，第一學期按照項目式教學方法，較好地貫徹了“做中學”的理念。第二次授課由于疫情影響，視頻討論效果沒有現場授課好，僅將項目實踐作為課后作業發布給學生。以貝葉斯項目為例，第一次授課學生59名中54名均較好實現軌道交通客流的預測，在私下聊天以及學生反饋中，均反映經項目實操后，對知識的理解更加深刻，記憶更加牢固，應用起來更加得心應手，對于新的實際問題能較快構建模型，但二次授課由于討論效果打折扣，項目進展緩慢，問題也沒有及時進行反饋，實際“做中學”的理念沒有貫徹到位。最后10名學生實際提交完整項目報告的學生人數僅有2，教學效果較差。

4結論

本文闡述了借助慕課，結合項目實踐實現人工智能與工科交叉課程良好授課的方法。以《人工智能與軌道交通》課程為例，設計了記憶理解-分析-應用-創新逐步遞進的課程目標，包含軌道交通實際問題的實踐課程內容與基于項目實踐與慕課的實際授課方法，對比采用與未用項目實踐教學方法背景下學生項目任務的完成度證了該教學方法的優越性。

參考文獻

[1] 吳婧姍，朱凌，施錦誠等.未來工程師的核心能力——基于智能技術驅動型企業實證研究的內容分析[J].高等工程教育研究，2019（06）.

[2] 吉永兵，胡曉玲.美國高校慕課的發展現狀及趨勢——基于斯隆聯盟系列報告的分析[J].數字教育，2016（04）：33-37.

[3] 丁度坤.關于慕課教學的幾點思考[J].教育教學論壇，2019.

[4] 王珮，何愛玲，劉思睿，等. "慕課+翻轉課堂"教學模式探索與改革[J].國際商務財會，2019（03）：63-65+68.

[5] 劉進.人工智能為播音與主持藝術專業帶來的機遇與挑戰分析[J].西部廣播電視，2019（11）：188-189.

[6] 彭周皖.慕課環境下工科課程混合式教學模式的探究[D].南昌：南昌大學，2017.

[7] 汪訓洋，馬成業.工科院校“線性代數”MOOC（慕課）教學模式探究[J].課程教育研究，2018（01）.

[8] 俞姝.基于勝任力模型的S高校中層干部培訓項目設計[D].杭州：浙江工業大學，2012.

[9] 宋丹，劉洞波，豐霞.基于多源數據分析的課程成績預測與課程預警研究[J]. 高等工程教育研究，2020.