基于建構理論的《人工智能》混合式教學模式探索

羅會蘭，曾澤華

(江西理工大學 信息工程學院，江西 贛州)

一 引言

我國在戰略層面制定了針對人工智能的全面推進計劃，通過產業智能化來實現我國的產業升級，并大幅提升綜合國力和影響力。在新一代人工智能發展規劃的重點任務中，就提出要加快培養人工智能高端人才。為了踐行國家戰略規劃，許多專業都為研究生開設了《人工智能》課程，課程包含了非常廣泛的基礎理論和多個研究領域的內容，因此單純靠傳統的授課方式來讓學生深刻理解并靈活運用這些理論，是非常困難的。通過將建構理論應用于人工智能課程的教學，結合混合式教學模式，將有效幫助學生對人工智能的課程內容及其相關知識進行深入的思考，完成對人工智能理論知識的掌握和理解。學生能夠通過簡單的基礎知識，對復雜的人工智能技術和思想進行理解和建構，從而掌握人工智能的技術，對現有的人工智能算法有自己的思考和見解。通過重構自己的知識圖式，學生能夠創新性地使用或設計人工智能算法，解決具體問題。

當前已經有研究者基于建構理論進行人工智能課程的教學[1]，但教學的內容主要是對多層感知機的教學實踐?；诮嬂碚摰娜斯ぶ悄芑旌鲜浇虒W模式旨在覆蓋更多的人工智能內容，在課程的設計上更加的復雜。教學內容包括基礎的感知和決策算法、不確定知識的推理、計算機視覺算法的學習，等等。為了讓學生能夠掌握較為復雜的人工智能知識體系結構，人工智能課程使用了基于建構理論的教學方式，使用多種教學工具輔助學生從簡單的理論知識，逐步構建起整個理論框架。建構理論的實現是通過混合式教學模式，將線上線下教學模式的優勢相結合，運用教師線上教學過程、自主學習過程和綜合評價過程，實現了建構理論中的多種教學方法，最終建立起以培養學生主動學習能力為中心的人工智能課程混合式教學模式。

二 人工智能課程基于建構主義的教學理論基礎

建構主義理論是解釋人類如何學習和認知規律的理論，起源于認知心理學，以及讓·皮亞杰（J.Piaget）所建立的認知發展理論。建構主義學習理論認為學習過程是一種對知識的重建，而不是知識的傳播，因此學生可以通過已有的知識去獲取更多的知識，通過不斷構建知識框架，從簡單的知識內容逐步完成對復雜知識體系的建構，從而完成復雜知識的學習。

根據皮亞杰的理論，人會在腦中構建一種特殊的心理結構，使經驗變得有意義，該結構稱為“圖式”（schemes）。兒童通過與環境的互動建立圖式，互動方式為同化和順應。在同化過程中，人們使用已有的圖式去解釋和探索外部世界，去運用已有經驗對外部世界造成影響。在順應過程中，人們在與外界交互的過程中發現已有的圖式無法掌控和解釋環境，則需修改或新建圖式，從而順應環境的變化。已構建的圖式，將在腦中進行組織，該過程不直接與外界環境交互，而是通過對圖式進行聯系和重組，建立起對世界的復雜認知[2]。因此，想要讓學生建構出知識體系，就需要提供恰當的環境，去支持學生完成同化和順應過程，讓學生逐步建立和修改自身的知識結構，從而熟練掌握所學內容。

《人工智能》是計算機科學與技術一級學科碩士點的基礎課，課程包含的知識體系會較為復雜。在學生在掌握了基礎理論后，使用建構主義的教學模式，在學生已有的知識基礎上，不斷調整和新建知識框架，改變已有認知，從而完成人工智能課程的學習。由于人工智能技術正處于快速的發展階段，學生主動建構出的知識體系，有較強的學習能力和調整空間，在未來更深層次的研究中，能夠更好地吸收新知識、新觀點，通過對已有知識的重組與思考，能夠更具創造性地進行科研與實踐，從而由學習變為創造。通過建構主義教學理論的人工智能課程學習，做到學以致用，發展創新。

三 人工智能課程基于混合式教學模式的理論基礎

21 世紀已走過第二個十年，在第一個十年，教育部啟動了“新世紀網絡課程建設工程”和“國家精品課程建設工程”，成為了中國線上教育的開端基。在第二個十年，MOOC（大型開放式網絡課程）在眾多頂尖高校的支持下飛速發展，誕生了諸多優秀的課程資源，建立了諸多新穎的教學模式。但線上教學的問題是過于寬松的教學環境，導致教學質量和教學進度很難保證，并且當學生在學習過程中產生問題，也很難與教師直接交流。因此，將線上線下教育模式進行融合，以學生為學習主體，使用多種教學工具和教學方法幫助學生掌握知識的教學方法，就是混合式教學[3]。

混合式教學能夠使用的教學工具眾多，教學形式各異，因此相較于傳統的線上教學或線下教學，混合式教學模式對教師的要求更高，需要根據教學任務創造性地混合不同的教學方法，以促進學生的學習認知，并指引學生從認知到實踐[4]。較為簡單的方式是使用MOOC 負責線上教學，學生選擇最合適的MOOC 課程內容進行學習，在掌握了基本的理論知識點后，傳統的線下教學可以側重于知識的重建和創造性思維的激發，學生對所學內容進行匯報交流，老師進行復雜問題的答疑解惑，并對學生的學習進行評價反饋。

混合式教學中學生的自主學習過程，正是建構主義教學理論所描述的學生自主構建知識體系的過程，但該過程如果完全在線上由學生獨立完成，將缺少關鍵的、引導學生建構正確知識體系的外部環境。基于佛羅里達大學的研究[5]表明，學習環境對混合式教學的教學質量是至關重要的?；旌鲜浇虒W的線下教學過程，正是輔助學生調整認知結構的關鍵，確保學生能夠完成知識體系的構建。以往混合式學習把重點放在教師如何創造知識上，而不是放在學生身上。為了克服這個缺點，將建構主義理論應用在混合學習環境中，增加學生的互動性，注重學生在他/她以前的經驗基礎上建構新的知識[6]。

混合式教學的主要難點，是被教育一方可能不具有較強的使用計算機或互聯網的能力，從而使得線上教學難以展開，最終教學質量難以保證。由于學習人工智能課程的學生其專業大多為計算機或電子通信，其自身就有較高的計算機使用能力，能較好地從互聯網中搜索并獲取大量信息。同時人工智能課程包含大量代碼實踐，該過程能由學生自主學習掌握，同時也需要課堂實踐和老師的指導，因此將混合式教學運用于人工智能課程，能最大程度提升課程的教學質量和教學效率。

四 基于建構理論的混合式人工智能課程教學基本架構

受新冠病毒疫情影響，2020 年春季學期，江西理工大學碩士研究生的《人工智能》課程的主要教學在線上完成，通過混合式教學模式，將大量線下的教學方法和教學流程，通過精心設計運用到線上教學中。本課程可分為三個教學過程，分別是學生教師線上教學過程、自主學習過程和綜合評價過程。在這三個教學過程中，使用了四種教學方法，分別是支架式教學、教學情景建立、隨機進入式教學和小組協作學習模式。通過三個教學過程，實現了混合式教學模式，通過四種教學方法實現了建構式教學理論。基于以上教學過程和方法，設計出了基于建構理論的混合式人工智能課程教學模式，能夠有效提升教學效率，讓學生建立起人工智能研究方向的知識體系，并培養他們解決實際問題的能力和科研能力。

（一） 基于建構理論的教學方法

1. 支架式教學

支架式教學，是由杰羅姆·布魯納提出的教學理論，他認為學習不是被動的獲取信息，而是主動地賦予信息意義，通過加工和重構，將信息內化為知識。通過不斷地對信息進行螺旋式的加工和構建，使人從簡單的知識逐步構建出復雜龐大的知識體系，從而完成學習過程。將該思想用于教育領域，就是著名的支架式教學，教師為學生提供學習的支持，讓學生在老師的幫助和引導下自主學習基礎內容。在完成初步學習后，逐步拆除腳手架，從而讓學生逐步自主掌握知識。在人工智能課程的初次教學，就將為學生提供人工智能的宏觀概念，從整體拓展到人工智能的每一個子領域，給予學生清晰的框架，用于具體知識的構建，課程的模塊如圖1 所示。

圖1 人工智能課程模塊圖

人工智能的研究主要基于四個方面：模擬人類的思維模式、模擬人類的行為模式、合理的思維和合理的行動。人工智能課程包含大量算法分析和代碼實踐，因此需要教師為學生提供充足的教學支架作為支撐，幫助其跨越最困難的入門階段。因此，本課程為學生提供了大量的案例，引導其理解知識的內在邏輯，并通過豐富的課外學習資源及課后練習，讓學生自由探索感興趣的相關內容，幫助其理解抽象概念中更深層的原理。

2. 教學情景建立

教學情景是通過將教學內容至于特定的情景下，讓學生建立知識與情景間的聯系，從而讓學生更好的記住所學的內容[7]，這就涉及到教學理論中的建構理論和認知心理學的記憶過程。教學過程中涉及到工作記憶和長期記憶，在工作記憶中存在視覺空間畫板和情景緩沖區[8]，我們在使用工作記憶時會對所學內容建立視覺印象，并通過情景緩沖區，將知識與情景聯系起來，輔助長期記憶進行索引提取。對于長期記憶，教學的內容主要屬于陳述性記憶中的語義記憶，但該類型記憶非常容易被遺忘，因此使用教學情景將教學內容聯系到陳述性記憶中的情景記憶，將會提升學生對知識的長期記憶。由于記憶存在編碼特異性，一旦脫離了特定的情景可能會忘記對應的知識，因此需要通過建構理論將多種知識與情景結合，建立知識間的內在聯系，從而結構化記憶內容，讓學生自然地記住所學內容。

在人工智能的教學中，使用了多種教學情境輔助學生學習，首先是使用相同實例用于不同知識的講解。對于智能體的講解，課程將其抽象為吸塵器，對于人工智能的行為過程抽象為清理灰塵。通過吸塵器的實例，講解不同的人工智能策略。對于機器學習的講解，將不同的學習過程抽象為挑選西瓜的過程，通過生動的案例，讓學生理解不同機器學習算法的過程。通過相同的實例分析，讓學生自主的建立知識的聯系與區別，由實例所構建的教學情境，又能很好地幫助學生記住相關內容，讓其更好地建立起完整的人工智能知識體系。

3. 隨機進入式教學

隨機進入教學的基本思想源自建構主義學習理論的彈性認知理論，期望學習者通過不同途徑、不同角度、不同方式多次進入同樣的學習內容去進行學習，從而獲得對同一事物多方面的認識和理解[9]。通過教學情景已經能夠提升學生對知識的記憶，但結合隨機進入式教學，才能有效提升學生對知識的理解能力。通過教學情景的建立，能讓學生初步聯系起所學內容；通過隨機進入學習，將同一事物的多方面認識引入教學；通過引導學生進行發散性思維訓練，找出該事物在不同方面的共性與差異；通過小組協作學習討論該事物的不同觀點，最終就能讓學生主動構建出該事物的完整認知，從而做到對知識的靈活運用。

人工智能課程包含大量的子領域內容，包括哲學、數學、神經科學、心理學、計算機科學、控制論和語言學[10]，因此人工智能課程非常適合使用隨機進入式教學模式。以人工智能中的卷積神經網絡為例，在教學的過程中可以從不同的方面對該知識進行理解。在數字圖像方面，可以將卷積神經網絡抽象為眾多的濾波器，通過對原圖的變換和濾波，最終得到期望的結果；在傳統神經網絡方面，卷積神經網絡的核心是其特征的連接，通過復雜連接的神經網絡即可完成圖像處理任務[11]；在神經生物學方面，卷積神經網絡是對外側膝狀核的仿生，通過感受野的遞進來處理圖像任務[12]。通過在不同的教學階段隨機進入對卷積神經網絡的理解，讓學生從多角度去理解和思考，并認識到知識能從多方面進行解釋，每個人都能基于自身的知識框架形成對知識的獨特理解，從而讓學生對該知識點建構出自己的理解。

4. 小組協作學習模式

新型建構主義認為，學習者與周圍環境的交互作用，對于學習內容的深入理解起著關鍵性的作用[9]。從皮亞杰的發展心理學角度來看，通過小組間的學習分享，讓相同的知識和不同的觀點在分享中碰撞，使學生相互“順應”各自的圖式，從而對知識結構進行增量的修改，讓學生建立起更完整的知識體系。在小組協作研究中，老師通過腳手架式教學，幫助學生完成小組學習的全過程，并參與到學生對知識的建構過程，建立起以學生為主體、老師為輔助的學習環境，小組協作模式如圖2 所示。

圖2 小組協作學習模式

在小組協作過程中，老師會給出問題，由學生對問題和知識點進行探討研究。在討論初期，老師將指引學生進行發散性思考，通過學生間的觀點分享與碰撞，引導學生深入思考人工智能課程中的核心內容，并在討論結束時輔助學生對知識點進行歸納總結。在實踐階段，學生通過分組完成特定任務，教師在任務設計階段就充分考慮到學生間的協作問題，將教學內容分為特定的多個實踐任務，由學生組隊進行方案設計和實踐操作，培養學生的團隊協作能力和利用群體智慧解決問題的能力。最終通過師生共同對所學內容的理論思辨及數學推理，讓學生對所建構的知識體系進行修補完善，并通過課后研究，保持對人工智能課程的持續學習。通過小組協作，使教師和每位學生的思維與智慧在整個群體中共享，共同完成對所學知識的意義建構，讓學生理解并能靈活運用人工智能知識，為之后的研究學習打下堅實的基礎。

（二） 基于混合式教學模式的教學過程

1. 教師線上教學過程

《人工智能》課程利用了“學堂在線”平臺進行了線上教學，學生通過聽課、閱讀相關文獻、演示報告心得、討論和實踐多種不同學習模式來強化所學知識，實現了對知識的建構。根據混合式教學的教學特點，每一節課使用了較短的視頻時長，讓學生盡可能對較少的信息形成注意力，當學生在混合式教學的其他階段遇到不理解的地方，能夠重新觀看教學視頻，從而提升其對知識內容的記憶和把握。

課程將人工智能課程劃分為機器學習、問題求解、不確定性推理、計算機視覺、自然語言理解五大模塊，如圖1 所示，以問題為主體，通過圍繞特定例子對多種算法和理論進行綜合學習，讓學生在抽象的算法和實際問題間建立聯系，從而讓學生快速實現知識的消化和重建，培養他們解決實際問題的能力和科研能力。

2. 自主學習過程

混合式教學的核心，是學生在課前和課后的自主學習過程。在自主學習階段，學生學習的動力來自于對課程的興趣。自主學習期望達成的目標是學生充分掌握教學內容，并通過自主搜索和學習，在課程結束后依舊有能力不斷提升人工智能領域的相關知識的理解和應用，對所學內容進行持續的建構。自主學習的內容分為理論學習和代碼實踐，從基礎的人工智能理論，逐漸學習并實踐人工智能算法，利用MOOC 學習平臺完成自主學習，利用python 代碼結合Tensenflow 和PyTorch 深度學習框架，完成代碼實踐，具體如圖3 所示。

圖3 以MOOC 平臺資源為輔的隨機在線學習資源

課程使用教學支架為學生提供入門輔助，隨著課程的進展會推薦多種MOOC 課程讓學生自主學習，并在代碼實踐階段提供基礎實例代碼和任務目標，期望學生通過自主學習完成課程目標，使用代碼構建出深度學習模型，并使用大數據框架處理模型數據，做到對人工智能算法的熟練掌握。為培養學生的自學興趣，課程還會提供多媒體資源以供學生探索，包括人工智能算法的可視化網站、通過人工智能算法生成音樂圖像的程序應用、與課程進度相關的課外書籍等等。通過課程對學生自主學習過程的精心設計，能夠最大程度地幫助學生不斷建構人工智能的知識框架，提高學生的自學能力、創新能力和解決實際問題的能力。

3. 綜合評價過程

對于混合式教學，如何有效考核研究生的自主學習能力和創新能力是難點之一。在培養人工智能時代的學生方面，不僅需要標準化的試題考核，還需要通過非標準化的評價體系考核學生的綜合素質和能力[15]。面向研究生的人工智能課程，重在考核學生的思考問題能力、理論知識的推導能力、成果的展示能力和論文的寫作能力，所以設計了如圖4所示的多方位評價指標來對本課程的學習進行綜合評價。

圖4 考核評價體系

思考問題的能力主要在線上討論的過程中進行評判，在建構式教學中，學生在教學過程中占中心地位，因此需要學生對課程內容進行深入思考，并與老師和其他同學進行探討，在該階段即可對學生思考問題的能力進行評價，并在課程進行過程中幫助能力較差的學生，為其提供支持與幫助。由于人工智能有許多內容基于嚴密的數學推導，因此對人工智能知識的掌握也表現在對理論知識推導的能力上，該部分的評價將分布在課后練習和最終考試中。人工智能課程是為研究生所開設，因此本課程最重要的考核指標，是學生掌握并運用人工智能技術的能力，以及將研究成果轉化為論文的能力。通過小組協作過程，學生已經完成了大部分課程的研究和實踐，因此對該項能力的考核，主要是其課程學習后的論文撰寫上。結合小組協作及自主學習，學生應該構建出對人工智能技術獨特的知識結構和對應的深入思考，因此對學生最終的論文進行考核，既能評價其知識的掌握水平，也能考核其論文的撰寫能力。在綜合評價的最后一個環節是對成果的展示，該過程既能讓學生互相交流學習心得，進一步擴充其知識結構，也能在教師的指引下對人工智能問題進行更深層的思考，從而讓學生在課程結束后繼續人工智能知識的建構，不斷提升其學習和創新的能力，做到持續學習，持續思考。

五 實踐效果及分析

基于建構理論的混合式教學被運用于2021 年上半年的人工智能課程教學中，教學過程包含疫情隔離期間的線上教學，及返校后的線上線下混合式教學，線上教學使用“學堂在線”平臺進行課程發布和作業布置，使用“騰訊會議”平臺進行線上課程答疑及小組交流協作。在教學過程結束時讓學生填寫教學評價調查問卷，作為教學實踐的評價指標之一，調查問卷內容參考混合式教學評價指標[14]及建構主義教學評估的評價指標[13]，對教學效果進行量化分析。

為了更好地對比評價教學效果，2021 年下半年的人工智能課程教學將作為對照組參與教學評價。該教學過程全程為線下教學，使用建構式理論的教學方法，以最終的學生成績作為評價數據。為保證結果的有效性，參與對比的學生均為相同的計算機專業，且保證教學內容一致。

人工智能課程的最終成績是通過4 項成績加權求和得到的，分別是15% 的考勤及上課表現，15% 的小組協作任務，28% 的論文寫作成績和42% 的期末考試成績。兩種教學方式的成績結果如表1 所示。

表1 不同教學方式的成績平均分

從表1 可以看出，混合式教學模式下學生的成績要略好于只使用線下教學的學生，在考勤、上課表現、小組協作、論文寫作方面都有明顯的優勢，證明混合式教學能有效提升學生的綜合素質，增強學生的學習興趣。在期末考試成績中，混合式教學成績要略差于線下教學，這可能是因為混合式教學模式下，學生的習題練習時間偏少、對題型不熟所導致。

由于建構式教學方法主要提升的是學生的綜合能力及學習體驗，因此通過調查問卷的方式能較為量化的體現教學結果，為教學內容的改進提供參考。調查問卷分為教學內容分析、主觀教學感受、教學內容回憶三個板塊，量化分析了基于建構理論的4 種教學方法和混合式教學的實際效果。問卷中的教學內容分析結果如表2 所示，學生需要對所學內容進行打分，滿分為5 分，所學內容包含6 個章節的學習掌握情況，分值越高掌握越充分，對于日常作業和考試內容的難易程度評價，分值越高則越發的困難。

表2 基于教學內容的調查問卷得分

從表2 的內容可以看出，隨著課程的深入，學生對知識的掌握就越加困難，但由于支架式教學的幫助，老師提供的教學指引能夠在前5 章中有效幫助學生理解和掌握知識，獲得了學生3 分以上的評價，但在第3 章節的得分數據方差較高，證明有部分學生沒能較好掌握該內容，需要老師為這些學生提供更針對化的指導和幫助。

從表2 的難易度分析可以看出，日常作業和期末考試都是較為正常的難度，但學生普遍認為課程的論文撰寫難度較大。由于大部分學生是初次撰寫人工智能領域的研究論文，并且需要進行論文成果的展示，這對學生的論文索引及閱讀能力有較高的要求，對學生而言是一次較大的挑戰。在實際成果展示階段，能明顯感覺學生通過論文的撰寫，理解并實踐了所學內容，并在各自感興趣的領域做出了一定的學術探索，對于學生的后續科研階段起到了積極的影響。

在問卷的第二部分即主觀教學感受中，問卷涉及了支架式教學和情境建立方法的有效性，以及混合式教學的主觀感受，具體如表3 所示。

表3 主觀教學感受的調查問卷得分

從表3 的得分來看，問題1 有著較低的均值和較高的方差，這意味著老師的答疑解惑有效幫助了部分學生，但另一部分學生的答疑需求沒有被滿足，結合問題2 的較高均值來看，支架式教學取得了較好的效果，但在答疑解惑方面還需要老師更加主動的與學生交流，并通過小組討論階段幫助學生解答學習過程中的困惑。

問題4 和問題5 顯示了混合式教學中的自主學習效果，大部分學生都在課后學習了相關的知識內容，也會進行代碼的練習，但問題5 的方差較大，表明有部分學生很少進行代碼練習，需要老師在教學內容中提供更完善的代碼環境和模型數據，減少其自主學習的難度。問題6 和問題7 顯示了小組協作學習模式的有效性，學生對于小組討論過程和具體的協作過程均較為滿意。

問題3 顯示了教學內容有效啟發了學生的思考，通過教學情景的建立及不同教學內容的隨機進入，讓學生掌握了知識的內部聯系，能夠通過對知識內容的泛化，在遇到新知識或新情景下，主動與舊的知識建立關聯，從而引發其深入的思考。為了進一步量化該教學方法的效果，問卷的第3 個板塊讓學生回憶教學內容中具體的情景案例，并通過具體問題考察學生對于所學內容的泛化能力，具體如表4所示。

表4 教學內容回憶的調查問卷得分

表4 中第1 個問題顯示出學生普遍記得兩個以上的相關算法，證明了情景建立的有效性。第2 個問題，學生能從多個角度解釋神經網絡的概念，證明了隨機進入式教學有效地提升了學生的泛化能力，并產生了對于知識內容的獨特理解。

表3 中的問題8 顯示出了混合式教學與普通線下式教學最大的不同，即學生普遍對上課時間安排較為滿意。因為在線上教學過程中，學生在簽到完成后即可按照自己最合適的時間進行視頻學習，對于不理解的內容也能通過暫停視頻進行深入思考。在教學答疑及小組協作階段，混合式教學也能通過協調師生時間，獲得最高的教學效率。在“學堂在線”平臺的學生學習時間統計中，能夠明顯發現學生的學習時間分布非常平均，不同的學生習慣在不同的時間完成視頻學習和作業練習，具體如圖5 所示。

圖5 學生線上學習活躍時間

結合學生的最終學習成績、學生的教學內容評價和主觀教學感受，可以認為基于建構理論的4 種教學方法及混合式教學模式，能夠有效提升《人工智能》研究生課程的教學效果，幫助學生更深刻地理解教學內容，有效提升學生的綜合素質和科研能力。在學生的主觀感受和教學的實際效果上均取得了較好的成績。

六 結語

基于建構理論的混合式教學模式，能夠有效促進學生的自主學習能力、團隊協作能力、溝通交流能力和創新思維能力的培養。通過精心設計的課程內容、科學有效的教學方法，以及師生間的共同努力，為學生未來的科學研究和工作實踐打下了堅實的基礎。本課程基于建構理論的人工智能混合式教學模式為其他課程的教學提供了經驗指導，同時也為社會培養了掌握先進人工智能技術的優質人才。