面向新工科的人工智能基礎課程教學改革實踐探究

余亮

（廣東科技學院，廣東東莞 523083)

0 引言

傳統工科在專業劃分上偏窄、偏細，缺乏交叉性，人才培養上缺乏創新性，無法解決復雜的工程問題，與社會的人才需求不相適應。2017 年2 月18 日在復旦大學開展了高等工程教育戰略研討會，會上達成的“復旦共識”展現了我國工科教育改革的積極性。同年4月8日，新工科建設研討會在天津大學舉辦，會上確定了新工科建設方向—“天大行動”，啟動了全國范圍工程教育改革[1]。新工科是在繼承傳統工科優點的基礎之上增加了創新交叉與融合的元素，從而致力于培養出多元化高素質創新型的卓越工程人才[2]，這也是教育部工程教育認證的內在要求。在新工科背景下，專業的課程設置應以產業需求為導向、學科交叉融合、面向未來布局、綜合全面突出創新四大特征為抓手，貫徹“新方法、新思想、新技術”的理念，進行學科、專業和課程的建設。

隨著人工智能技術的發展與應用，物聯網工程專業為了增加學生對該技術的了解，提升前沿知識認知眼界，為后續新技術的研究探索開啟啟蒙之門，便在人才培養方案中設置了人工智能基礎專業任選課程。而由于人工智能基礎課程具有知識點內容多、難度大、學科交叉性強、知識更新快、課時少的特點，僅通過教師理論講授或者理論+編程等方式，很難讓學生理解與領悟，很難認識到人工智能基礎課程的內涵和價值。在“新工科”建設背景下，需要學生具有較強的編程能力、自主的學習能力、解決實際問題的應用能力和創新能力[3]。在課時較少的條件下，如何培養學生的上述能力將是本課程教學改革的重點。針對人工智能基礎課程教學過程中存在的不足，對該課程各個教學環節進行了研究與探索，構建了一套基于BOPPPS 的“以學生為中心”創新教學模式，對該課程的教學具有一定應用價值與指導意義。

1 人工智能基礎課程教學存在的問題

1.1 課程內容多，課時少

人工智能基礎課程作為物聯網工程專業的專業任選課，其教學課時只有32 學時，2 個學分。而人工智能所囊括的內容其實是一個領域，教學學時遠遠不夠，并且目前我國為了大力發展人工智能相關技術，培養相關高科技人才，便將其設置為一個專業，可想而知其課程內容相當多。而其作為物聯網工程專業的開闊學生眼界的課程，因而需要根據學生特點，教學課時情況以及社會對專業的需求情況，進行了教學內容的選取就顯得至關重要。另外，為了讓學生能在有限的時間里，系統而全面的學習整門課程體系知識，必須進行課程內容的優化與重構創新。

根據人工智能基礎課程知識體系結構可知，該課程的主要內容如表1所示，包括五大知識模塊即知識表示、機器感知、機器思維、機器學習和機器行為。同時這五大知識模塊對應的知識點也較多，如知識表示的產生式表示，知識工程，專家系統和知識圖譜；機器感知的計算機視覺、語言處理；機器思維的模糊邏輯推理、智能啟發式搜索算法；機器學習的有監督學習中的分類與回歸，無監督學習中的聚類，同時現在主流的深度神經網絡（深度學習）既可以作為有監督學習算法也可以作為無監督學習算法使用；機器行為的智能控制。上述主要內容也囊括了人工智能三大主要學派（符合主義、連接主義和行為主義）的主要知識內容。

表1 課程主要內容

1.2 教學內容難度大，理論為主

由于人工智能是一個交叉學科，學習其課程知識體系并理解掌握會有一定難度，需要多學科知識作為基礎，特別是數學知識、計算機知識、編程語言知識等。因此，學習門檻有點高，加之有限的學時，使得學好該課程難度較大。

其中人工智能基礎課程難度較大的知識點主要有啟發式智能搜索，如遺傳算法(Genetic Algorithm，簡稱GA)、粒子群算法(Particle Swarm Optimization，簡稱PSO) ；有監督學習的支持向量機(Support Vector Machine,簡稱SVM)[4]；無監督學習的主成分分析(Principal Component Analysis，簡稱PCA) ；深度學習和強化學習等。而目前大部分高校針對人工智能基礎課程的講解采用偏理論的講解方法，講解各個人工智能算法的原理以及數學推導與證明，非常晦澀難懂，使得學生很難掌握，造成學生學習興趣低下。還有另一類教師采用在理論的基礎上輔之以編程實現，使得學生能較好地掌握，但對于學生的編程能力有較高的要求，同時現在主流的人工智能框架較多，如Tensorflow、Microsoft CNTK、PyTorch、Caffe、PaddlePaddle、MindSpore 等，而每種框架采用的編程語言也不盡相同，主要有Python、Java、C++、R語言等，造成學習差異性較大。

1.3 教學手段單一

人工智能基礎課程目前大多還是采用傳統的多媒體教學方式，或者計算機機房的教學情況，還是主要老師機械的講解，推導，學生聽為主，有些結合計算機機房進行編程驗證，教學方式單一。未能利用各種軟硬件資源和信息化的教學平臺調動學生的積極性和能動性，學生的參與度較低，教學效果較差。而此教學模式還是以教師的“教”為中心，與現在教育部高教司提倡的以學生的“學”為中心是極度不符的，特別是在疫情期間，還是采用這種方式進行線上教學，那效果還會更差，情況更加糟糕。在新工科背景下，該課程應該強調學生利用人工智能算法融合多學科進行實踐創新解決實際問題，而不是理論知識的灌輸，應該加強學生對知識的應用能力，發揮其解決實際問題的意識與能力[5]。

2 面向新工科人工智能基礎課程的教學改革方向

2.1 優化重構教學內容

針對人工智能基礎課程體系知識點較多，課時不足的問題，文中采用優化重構教學內容。它作為物聯網工程專業的開闊視野的前沿新技術課程，因此其課程目標主要是強調對課程的知識體系、知識框架和知識脈絡的掌握，而不是各個知識點面面俱到，蜻蜓點水。因此，本課程通過選取人工智能五大知識模塊中一些最具代表性（最基礎，應用最廣的）的內容將其講懂，講深，不僅分析其原理、數學表達與推導證明，還進行編程實現，最后有條件的話還通過虛擬仿真軟件平臺實現或者實物部署實現，通過以點帶面，以面帶片，將知識體系進行融會貫通。而各個模塊的其他相關內容給學生提供學習材料供課后閱讀學習，進行自我探究提升。該課程采用此方法通過廣東科技學院物聯網工程專業的多年教學實踐可以看出，學生的掌握情況較好，期末大作業每個同學都能利用人工智能基礎課程中的一到兩個算法解決生活實際問題，取得較好的結果。同時學生參加中國人工智能挑戰賽獲得較好的成績，獲得過全國一等獎，說明采用優化重構教學內容的方法針對該課程的困境還是有一定的效果。其人工智能基礎課程教學內容重構方式如圖1所示。

圖1 人工智能基礎課程教學內容重構方式

2.2 虛實結合，增加實踐環節

由于人工智能算法很多原理都比較難理解，若采用簡單的理論講解+推導的方式，或者加之編程實現都讓學生學習起來較為困難。因此，針對人工智能算法的講解采用了虛實結合的方式進行[6]，根據實驗室已有的條件有些算法的講解除了常規推導外，還進行實物部署實現，有些則采用虛擬算法軟件平臺的方式進行仿真實現，可以脫離實驗室的限制，特別是在疫情期間的線上教學，非常便利與合適[7]。下面通過兩個算法實例介紹一下虛實結合的講解方式。其中遺傳算法的講解我們采用浙江工業大學王萬良團隊開發的智能搜索算法教學實驗系統虛擬平臺進行模擬[8]，可以直觀地了解算法運行的全部過程以及原理細節，具體如圖2所示，主要步驟包括自動獲得種群，然后通過種群的適應度值占比進行輪盤賭自由選擇獲得較為優質種群，淘汰適應度小同時未被選中的染色體種群，其次再隨機兩兩配對以某種交叉概率進行交叉，最后以某種設定的變異概率進行變異增強種群的多樣性，提高全局搜索能力，防止算法進入局部最優。仿真平臺還可以通過設置不同超參數了解遺傳算法對多元函數求解全局最大值的影響，同時通過設置迭代次數，自動運行就能得到多次迭代后，搜索到的全局最優解的情況，遺傳算法的具體流程如表2所示，仿真平臺的操作情況如圖3所示。另外針對目前非常熱門的深度學習之卷積神經網絡CNN 的講解主要通過識別MNIST數據集的手寫數字進行展開，同時采用實驗室采購的松科智能的SK TPU1000神經網絡加速棒進行部署實現，讓學生能充分理解人工智能技術進行識別任務的應用。

圖2 多元函數遺傳算法求解過程演示

圖3 多元函數遺傳算法自動全速迭代運行100次仿真結果

表2 遺傳算法具體操作流程描述

通過虛實結合的授課方式，可以讓學生更加準確的理解人工智能相關算法的原理、運行過程和實際應用的實現細節，對提高學生的人工智能算法掌握具有較大的幫助，同時能激發學生的學習熱情和探索興趣。

2.3 優化教學方式，豐富教學手段

由于人工智能基礎課程理論性、實踐性都較強，所以可以采用基于項目教學法(Project-based Learning，PBL)和案例教學法來進行組織設計。從原來的純理論講解轉變成講解+設計+優化+實操（虛擬仿真或者實物部署）的新型教學方式，使得每位學生都能參與實施設計，發揮學生的主觀能動性，能積極主動的進行實際問題的分析、設計與探索。同時課程的教學組織采用BOPPPS教學法，由于課時的限制，充分發揮學生的課前、課中和課后的時間進行課程設計。其中BOPPPS教學法六要素[9]中如何利用課前、課中和課后的時間進行合理設計，如表3所示。并且在疫情的大背景下，如何做到以學生為中心的教學是一種挑戰，本課程通過結合信息化手段對課程教學進行了全面的改革，利用超星云平臺和中國大學MOOC相結合實施“以學生為中心”的線上線下混合式項目化教學模式改革，利用信息化平臺做好BOPPPS 教學模式的課前準備工作，學生在信息化平臺自學，然后帶著自學后不懂的問題在課中學習中得到答案，課后則是相關作業和擴展閱讀探究，從而實現一點帶面高效的學習。另外也提出多元化復合式教學考核與評價方法來與全新的教學方法相適應。考核方法從原來單一的期末考試轉變為階段性測評+期末大作業+隨堂答辯方式，其中階段性測評可以及時的考核評測學生的知識點，期末大作業可以考查學生的實踐動手編程解決實際問題的能力，隨堂答辯可以考查學生的講評與匯報能力，這種方式通過多年的嘗試，整體頗受學生歡迎與喜歡，可以極大地提高學生的理論知識與實踐應用能力的結合能力，全面培養發展學生的綜合應用創新能力。

表3 BOPPPS教學模式的課前、課中和課后設計

3 課程改革的特色與創新

1)重構優化教學內容。人工智能基礎課程作為物聯網工程專業的專業任選課，由于課程內容多、難度大與課時少的矛盾，同時結合新工科背景下對建設“金課”淘汰“水課”的要求，針對目前大部分高校前沿新技術[10]的專業任選課課程泛泛而談，不注重教學質量的情況，必須重構優化教學內容。通過合理的教學內容的選取和課時的分配來實現學生以點帶面、一面帶片的學習。將重要基礎的人工智能算法知識講懂、講深、講透，然后給學生閱讀資料讓其課后進行拓展學習探索，提升學生的自學探究應用能力。

2)虛實結合，理實相交的教學方法。人工智能基礎課程是一門多學科的融合課程，囊括內容多，難度大，課程根據各個重點要講授的知識點的特點，采用虛實結合，理論和實踐相交的方式進行課程教學形式的組織，能充分利用軟硬件資源進行特色化的教學，提升學生對知識的深入理解，增強學生的學習興趣和熱情，該教學方法特別在疫情時期非常有效。

3)創新教學模式。后疫情時代，充分利用信息化資源，采用基于BOPPPS 的教學模式改革，強化課前、課中和課后的教學設計，根據章節內容特點，強化以學生為中心的理念，課前利用中國大學MOOC和超星學習通進行視頻與資料學習，然后通過課前測試確定學習目標；課中采用常規講解法+翻轉課堂的模式實施；課后通過作業鞏固基本重難點知識，同時輔之思考拓展閱讀來提高升華解決新問題、復雜問題的能力。探索出一套“以學生為中心”的創新教學模式，改革以往的“教本位”的教學觀念，樹立“學本位”的教學理念，提高學生的學習興趣和實踐應用能力與探索創新意識。

4 結束語

人工智能基礎是新興、前沿性且應用廣泛的實用課程，作為物聯網工程專業的專業任選課，而該課程由于內容多、交叉融合多學科知識學習難度大、課時少等特點，使得高效高質量的教授本課程具有較大的挑戰。文中結合新工科背景對一流課程建設的要求提出了一種基于BOPPPS 的教學模式，通過利用信息化資源中國大學MOOC、超星云平臺和軟硬件資源，對教學內容進行優化與重構和教學方法的創新研究與實踐。通過對學生進行“以學生為中心”教學模式的實施，該模式強化了學生的自主能動性，知識的應用性，有助于激發學生學習興趣和探索創新熱情，廣受學生喜歡，整體教學效果較好。未來會持續基于該模式進行探索嘗試，推動課程的深入改革與發展。