“人工智能+教育”融合視域下的人才培養研究

肖卓宇 陳果 郭杰 黃俊 徐運標

摘? 要：針對“人工智能+教育”融合視域下的人才培養出現的眾多問題，歸納了人工智能（AI）賦能職業教育AI人才培養的挑戰，探究了人工智能課程體系建設和持續學習存在的困難，給出了人工智能賦能職業教育AI人才培養的建議，關注了AI技術師資人才梯隊建設、人工智能實訓平臺建設、人工智能課程知識體系建設。教學改革結果表明，新方法促進了“人工智能+教育”融合視域下人才培養基礎理論和實施路徑的發展。

關鍵詞：人工智能+教育;課程體系;人才培養;深度學習

中圖分類號：TP311? ? ?文獻標識碼：A

文章編號：2096-1472（2021）-01-57-03

Abstract： Aiming at the problems in talent cultivation under the vision of "Artificial Intelligence （AI） + Education" integration， this paper summarizes the challenges of AI-empowered vocational education and explores the construction and sustainability of AI curriculum. It also gives suggestions for AI talent cultivation in AI-empowered vocational education， and explains the constructions of AI teaching team， AI practical training platform， and AI curriculum system. Results of the teaching reform show that the proposed method has promoted the development of the basic theory and implementation path of talent cultivation from the perspective of "Artificial Intelligence + Education" integration.

Keywords： artificial intelligence + education; curriculum system; talent cultivation; deep learning

1? ?引言（Introduction）

隨著人工智能技術賦能行業與領域的飛速發展，國內外各層次人工智能技術人才都出現了較大缺口[1，2]。2019年工信部發布了《人工智能產業人才崗位能力標準》，擬進一步規范計算機視覺、深度學習、自然語言處理、智能芯片等崗位分布[3]。吳朝暉等[4]提出由二元空間轉換為四元空間的人工智能發展趨勢，關注了交叉學科對人工智能技術人才培養的意義。姚新等[5]關注了專業基礎課、公共基礎課和專業核心課等課程設計模塊的協同，從而提升人工智能人才培養質量。肖卓宇[6]提出引入“人工智能+教育”的理念，從智能教學評價、智能教學環境構建等五個方面優化課程設計。文獻[7]和文獻[8]認為AI技術人才的培養需要關注學科交叉及計算思維。呂薇等[9]提出以學生為中心的教學理念，關注產業與學校的聯合，實施跨界培養AI技能人才。

綜上所述，目前“人工智能+教育”融合視域下的人才培養存在AI師資匱乏、人工智能專業定位不清晰、課程資源約束等問題。因此，在人工智能技術與產品快速發展的大好形式下，急需對“人工智能+教育”融合視域下人才培養所存在的問題、面臨的重要挑戰、亟待解決的方法進行深入研究，以促進高職人工智能課程體系的完善和人工智能應用型人才培養質量的提升。

2? “人工智能+教育”融合視域下的人才培養所存在的主要問題（Main problems of talent cultivation from the perspective of "Artificial Intelligence + Education"）

人工智能賦能職業教育成為當前領域研究的熱點，也取得了初步的成效[10-12]，但同樣也存在下述主要問題。

2.1? ?雙新型AI師資的匱乏問題

教育部于2018年在《教育部關于印發<高等學校人工智能創新行動計劃>的通知》中提出，亟須在高職學校IT類相關專業中融入人工智能的課程元素，進一步加大培養人工智能技能人才的力度。但目前高職院校人工智能相關專業教師的招聘與師資培養存在諸多問題，由于國家政策導向及人工智能人才需求缺口過大的問題，導致一些信息類企業，如阿里巴巴、商湯科技、騰訊等的AI技術崗位普遍薪酬較高，以至于現階段高職院校難以招聘到合適的雙師型AI技術人才。此外，目前行業領域相關人工智能技術培訓機構的理念、機制、知識體系等仍不太完善，也在一定程度上影響了雙師型師資培養的質量。

2.2? ?AI專業定位不清晰的問題

在國家大力號召發展高職人工智能技術服務專業的利好形勢下，目前眾多高職院校積極跟進，僅湖南省省內首批申報人工智能技術服務專業的高職院校就達到八所。但事實上AI專業建設存在以下主要問題：（1）AI專業課程知識體系設置與行業契合度不高，尚未形成AI賦能行業或具體應用場景的清晰定位;（2）由于缺乏優秀師資與AI實訓平臺等，部分高職院校將整個AI專業外包到相關IT企業，導致一系列不可控問題，甚至影響了教學質量;（3）從大數據技術與應用專業衍生出人工智能技術服務專業，導致兩個專業定位出現重合，人才培養就業崗位區分度不明顯;（4）AI專業建設與華為智能計算平臺應用開發“1+X”認證的課證融通問題。以我校為例，目前立項了華為智能計算平臺應用開發“1+X”證書，但該證書僅針對軟件技術專業，且涉及內容較廣，包括人工智能、大數據技術、云計算等相關知識點，學科交叉對軟件技術專業人才培養方案提出了挑戰，也導致智能計算平臺應用開發“1+X”證書與其他大數據、云計算等“1+X”證書存在較多交集，同樣也出現證書同質性問題。

2.3? ?AI專業課程資源約束問題

目前，眾多本科與高職院校在構建人工智能相關的精品課程時投入了大量的物力與精力。即便如此，也存在諸多問題：（1）由于人工智能技術更新換代較快，而MOOC從立項到正式上線的周期較長，故經常會出現MOOC課程上線即滯后的風險;（2）部分院校提倡并鼓勵校本教材，但由于師資水平、立項資金投入限制、時間約束、監控力度等問題，事實上校本教材的質量普遍偏低，并沒有起到預期的教學效果;（3）AI課程教學與AI實訓存在銜接問題。由于人工智能相關課程涉及面廣，課程難度大，內容多，理論性較強，故要建設好AI專業，需要依賴于部分主流廠商搭建的AI實訓平臺。事實上，AI平臺搭建較為煩瑣，對相關專用軟件的依賴度較高。此外，較高的AI實訓平臺維護與實施費用也是高職人工智能技術服務專業建設面臨的重要問題。

3? “人工智能+教育”融合視域下的人才培養的挑戰（Challenges of? talent cultivation from the perspective of "Artificial Intelligence + Education"）

3.1? ?AI人才培養的課程體系建設挑戰

高職AI人才培養課程體系建設關乎人才培養的成敗，具有重要意義。課程知識體系主要依賴于課程設計的基本準則、基本依據與基本步驟。

（1）基本準則

由圖1可知，AI人才培養的課程體系依賴于人才培養與“1+X”證書、產業需求及崗位需求的融合。人才培養與“1+X”證書融合可以服務于人才培養的產業需求，而人才培養與產業需求融合可對崗位需求起指導作用;人才培養與“1+X”證書融合也能促進人才培養與崗位需求的融合，進一步實現提升就業率與就業質量。

（2）基本依據

高職AI人才培養課程體系建設的基本依據歸納為AI教學階段的漸進化、AI實訓資源的規范化、AI技能素養的支撐化與AI項目案例的工程化，如圖2所示。

AI教學階段的漸進化可以理解為對AI課程體系的學習應該遵循由淺入深、由整體到局部的學習路徑。通過調研發現，部分兄弟高職院校在AI專業開設中盲目追求高精尖知識內容，而對一些基礎課程的關注度明顯不足。如專業核心課程既有計算機視覺，又有自然語言處理、語音處理等相關課程，專業定位沒有兼顧學生的基礎及課程體系賦能的行業領域問題。AI實訓資源的規范化應關注“知行合一”，傳統教學方式強調老師的“教”與學生的“學”。而事實上，人工智能理論知識較為復雜，對線性代數、概率統計及高等數學等有較高的要求，尤其對于高職學生而言，如果在實訓環節不予以重視，容易造成學生厭學的心理。為此，學校投入近300萬元引入了華為智能計算平臺，較好地解決了實訓資源的規范問題。AI智能素養的支撐化要求學校與企業更加緊密地融合，如訂單班有助于將企業專家甚至是大國工匠引進校園，從而提升高職學生的AI學術素養。AI項目案例的工程化關注將華為、新華三、騰訊等企業的優質課程資源融入AI課程實訓教學，以企業具體案例為驅動，實現高職人才培養與企業需求的無縫對接。

（3）基本步驟

AI人才培養要和產業需求對接，由圖3可知，AI人才培養的步驟包括五個部分。

首先，需要對湖南省內AI技術人才的崗位需求進行線上線下調研，通過爬蟲對湖南省人才網、51JOB、三湘人才網、智聯招聘網等進行線上信息收集，同時線下調研湖南省主要信息類企業的AI人才需求，獲得相關的典型崗位及大致需求數量。此外，針對不同學歷層次會有相應的人工智能需求崗位，如針對博士、碩士的AI算法工程師與AI產品經理，針對本科生的數據工程師、AI應用開發工程師，針對高職生專科生的AI運維工程師、數據標注師、AI產品銷售與支持等，不同層次的AI人才需求數量基本呈現倒金字塔型。其次，歸納完典型崗位任務職責后，可以確定高職AI人才培養目標，進而完善與優化現有的人工智能課程知識體系;最終，實現對具體教學課程的重組。

3.2? ?AI技能人才的持續學習挑戰

人工智能高職技能人才面臨新興技術迭代更替迅速與學科交叉的問題。

（1）新興技術迭代更替

目前人工智能涉及面廣、內容復雜、難度大，相關知識體系的更新程度遠超摩爾定律預期。深度學習引發了人工智能發展的第三次高潮，以深度學習為例，眾多深度學習框架在這個“戰國”時代百花齊放，如蒙特利爾大學的Theano、加州大學伯克利分校的Caffe、臉書的Pytorch、Apache孵化的MXNet、微軟的CNTK、谷歌的TensorFlow與Keras，甚至是國內百度的paddlepaddle、華為的MindSpore等。但這些深度學習框架并沒有統一的標準，其語法、架構等皆存在差異。以目前主流的TensorFlow框架為例，其2.X版本融入了Pytorch的優點，故TensorFlow框架的2.X版本更接近于Pytorch，卻不與TensorFlow框架的1.X版本兼容。這些深度學習框架對AI技術人員的繼續學習能力提出了挑戰。

（2）學科交叉融合

傳統機器學習方法處理小數據集尚可，但處理Imagenet等大型數據集顯得力不從心。5G+大數據技術使得算力與大數據集能夠得到有效處理與應用，進而推進了云計算、大數據與人工智能的交叉融合。

圖4描述了云計算、大數據與人工智能三個學科之間存在的關系，云計算在算力上為大數據處理提供了保障;預處理后的大數據可以為人工智能算法模型提供數據輸入;人工智能的輸出涉及大數據集的訓練與預測等，這也需要依賴于云計算集群的強大算力。目前我校已立項了華為智能計算平臺應用開發“1+X”證書，以其中級證書內容為例，云計算、大數據、人工智能在考證中的占比依次為1.5∶2∶3。由此可見，知識體系與學科的交叉融合也刻不容緩，這也是一項重要挑戰。

4? “人工智能+教育”人才培養的建議（Suggestions of talent cultivation from the perspective of "Artificial Intelligence + Education"）

4.1? ?加強AI技術師資人才梯隊建設

人工智能技術人才缺口巨大，眾多企業乃至本科高校都難以招聘到合適的人才，故高職院校也存在AI技術人才缺口。為了應對危機，可以考慮下述方式。

（1）人工智能技術人才遷移培養

大數據、云技術專業與人工智能專業聯系緊密，可以考慮從上述專業抽取精兵強將進行漸進式培養，以點帶面，循序漸進，從而夯實學校AI技術人才的梯隊建設。

（2）校企合作開辦專業

通過校企合作，將企業AI技術人員引入學校全職或兼職教學，并實現對高職師生的同步培訓。如可通過華為、騰訊等企業的師資培訓，讓高職教師考取華為智能計算平臺應用開發中級、高級等“1+X”證書，提升AI專業辦學的自有教師比率，從而整體推進人工智能相關專業的發展。

4.2? ?引入主流人工智能實訓平臺

人工智能專業涉及內容廣、知識難度大、環境搭建復雜等問題，部分本科院校也出現辦學與預期差異大的問題。AI內容學習如采取“先知而后行”的方式，學生理論學習階段就容易出現被高深數學基礎難倒的問題。高職院校學生基礎差、底子薄，為此，需要采取“知行合一”的學習方式，一邊實現程序，同時講解原理，人工智能實訓平臺能在一定程度上解決人工智能學習環境搭建困難、無法獲取有效數據集、處理大數據計算能力不足、數據處理中間結果查看不方便等問題。

4.3? ?深入研究人工智能課程知識體系

在完成4.1節與4.2節的基礎上，依據企業崗位需求與“1+X”等證書的要求，制定出符合我校特色的人工智能賦能工業的應用型人才課程體系。課程體系分為公共基礎課程、專業基礎課程、專業核心課程、交叉綜合課程、職業素養與拓展課程，并以一年為周期，對由五部分組成的AI專業課程體系進行螺旋形迭代式的調整與優化。

5? ?結論（Conclusion）

本研究以“人工智能+教育”融合視域下的人才培養為目標，分析了目前高職人工智能專業教育存在的問題，提出了解決問題的重要挑戰，給出了解決問題的建議，取得了較好的教學效果。未來工作致力于高職人工智能人才培養模式的優化、課程體系的持續完善等，以提升學院人工智能相關專業建設水準，為國家培養更多的優秀人才，服務于國家“十四五”建設。

參考文獻（References）

[1] 張海生.我國高校人工智能人才培養：問題與策略[J].高校教育管理，2020，14（02）：37-43;96.

[2] 肖卓宇，陳果，徐運標，等.新工科視角下以計算思維為導向的高職信息類學生程序設計能力培養研究[J].計算機時代，2020，38（6）：106-108.

[3] 王雪，何海燕，栗蘋，等.人工智能人才培養研究：回顧、比較與展望[J].高等工程教育研究，2020（01）：42-51.

[4] 吳朝暉.交叉會聚推動人工智能人才培養和科技創新[J].中國大學教學，2019（02）：4-8.

[5] 姚新.為什么人工智能人才培養這么難？[J].中國大學教學，2020（07）：25-29.

[6] 肖卓宇，徐運標，陳果，等.“人工智能+教育”融合的實施路徑研究[J].計算機時代，2020（11）：103-105;109.

[7] 肖卓宇，宋藝.基于CDIO的大數據技術課程教學研究[J].長沙民政職業技術學院學報，2018，25（02）：125-126.

[8] 肖卓宇，黃俊，徐運標，等.新工科視角下以計算思維為導向的高職Python程序設計公共課程教學改革研究[J].電腦知識與技術，2020，16（21）：154-155.

[9] 呂薇，季波，張怡凡，等.美國一流研究型高校人工智能人才培養的經驗與啟示——基于“以學生為中心”的視角[J].大學教育科學，2019（06）：102-109;123.

[10] 肖卓宇，葉嘉笑.基于CDIO的IT類應用型創新人才培養模式的研究[J].湖南郵電職業技術學院學報，2019，18（01）：89-90;97.

[11] 肖卓宇，何锫，陳果，等.帶特征指標約束描述的設計模式分類挖掘[J].山東大學學報（工學版），2020，50（6）：48-58.

[12] Timms M J. Letting artificial intelligence in education out of the box： educational cobots and smart classrooms[J]. International Journal of Artificial Intelligence in Education， 2016， 26（2）：701-712.

作者簡介：

肖卓宇（1979-），男，碩士，教授.研究領域：軟件演化，程序理解，機器學習.

陳? 果（1980-），女，碩士，講師.研究領域：軟件演化，軟件工程.

郭? 杰（1976-），女，碩士，講師.研究領域：軟件演化，軟件工程.

黃? 俊（1990-），男，碩士，助教.研究領域：軟件工程，智能制造.

徐運標（1983-），男，碩士，講師.研究領域：軟件演化，軟件工程.