基于OBE和競賽的“人工智能導論”課程改革探索
——以工程教育認證為背景

何東彬,祁瑞麗,朱艷紅

(1.石家莊學院,河北 石家莊 050035;2.石家莊郵電職業技術學院, 河北 石家莊 050021)

0 引言

面對新一輪科技革命和產業變革,各國政府紛紛將人工智能(Artificial Intelligence,AI)上升到國家戰略層面。為確保國家戰略目標的實現,教育部根據國家2017年7月頒布的《新一代人工智能發展規劃》[1],于次年頒布了《高等學校人工智能創新行動計劃》[2],聚焦人工智能相關學科的專業設置、學術研究、課程體系建設和高素質人才培養,為我國新一代人工智能的蓬勃發展提供堅實的人才保障與智力支持。

“人工智能導論”作為一門綜合性較強的計算機專業核心課程,內容廣泛,涵蓋多個學科和領域,不僅強調理論基礎,還注重實踐教學,對學生的知識儲備和學習能力提出了較高要求。在學習過程中,學生需要付出更多的時間和努力,如果缺乏正確有效的引導,很容易產生畏難情緒,從而影響學習效果。

在工程教育認證[3]背景下,以OBE(Outcome-based Education)[4]教育理念為指導原則,強調學習成果導向,明確教學目標,設計與之緊密關聯的教學活動和評價體系,保證學生能夠有效學習和運用人工智能的關鍵知識與技術。同時,將學科競賽引入項目實踐,將項目目標和競賽目標合二為一,鼓勵學生將項目實踐轉化為學科競賽作品,將學生引入一個自我監督、勇于嘗試、不斷學習、迭代提高的閉環過程,激發學生主動學習和創新實踐的熱情,進而提升他們在真實場景中運用人工智能技術解決復雜問題的能力[5]。

1 課程特點與教學中存在的問題

1.1 課程特點

“人工智能導論”課程作為一門介紹人工智能基本概念、原理與應用的入門課程,具有以下特點。

(1)綜合性。該課程涵蓋了人工智能的基本理論框架,包括知識表示、推理、搜索、規劃、機器學習、神經網絡、自然語言處理和計算機視覺等多個子領域,提供了對人工智能學科的全面概覽。

(2)前沿性。雖然教材內容可能因出版周期而相對固定,但優秀的課程應當追蹤學科前沿進展,適時納入最新的人工智能技術和發展動態,如深度學習、強化學習和生成對抗網絡等熱點主題。

(3)實踐性。除理論知識外,該課程還需在實踐中學習編程語言、機器學習算法和人工智能框架,來處理數據,構建和訓練模型,以加深對理論的理解,鍛煉分析、設計能力,從而為未來人工智能領域就業或深造奠定堅實的實踐基礎。

(4)跨學科性。人工智能跨越計算機、數學、神經科學、心理學等多個學科,課程內容龐雜繁復,入門難度高,要求學生具備廣泛的科學素養和扎實的基礎知識。

1.2 教學中存在的問題

正因為該課程具備上述特點,因此在教學實踐中,通常會存在下述問題。

(1)內容難度大。由于課程內容廣泛,涉及多個領域,導致授課內容多且復雜,學生難以消化吸收所有知識點,特別是在有限的學時內做到全面理解會更加困難。這也是本文引入OBE的直接原因,教師需要合理設計課程體系和教學進度,以學生為中心,根據學生的成長需求以及學生獲取技能的期望,持續改進和調整課程目標、授課內容和形式。

(2)師資要求高。課程的前沿性需要教師不斷更新知識結構,將新研究和技術融入教學實踐,對教師的學習、科研和教學能力提出了更高的要求。OBE所秉持的持續改進思想,不僅僅是針對教學過程和教學目標,更是要求這個過程中的最重要的推動力量——教師,始終處于一個不斷學習、進步、提高和完善的過程,為高水平完成教學任務提供牢固的保障。

(3)設計與實踐性強。人工智能項目案例通常涉及更為復雜的算法設計和編程實踐,需要在教學中增加更多互動和研討。此外,不同學生理解能力和技術水平差異很大,要求獨立完成項目實踐并不現實。引入學科競賽機制,學生自發成立小組,結合個人優勢分工協作,共同完成作品。只要構建了良性競爭環境,就能夠激勵學生主動鉆研復雜算法,通過實踐比拼,提高技能,培養團隊協作與創新能力。

(4)綜合能力要求高。課程實踐以學科競賽為目標,拓展了學習實踐的廣度和深度,項目難度也相應增加。通過學生分組實踐達成學科競賽目標,有利于學生的多學科知識學習和知識融合,同時,提升在復雜人工智能項目中靈活運用所學知識的能力。例如:負責算法設計的學生需要學習運用數學工具和計算機建模;從事數據分析的學生需研究利用統計學進行數據挖掘與分析;負責用戶界面(User Interface,UI)的學生需借助心理學優化項目交互設計等。

2 課程體系改革

近年來,在國家的積極推動下,高等院校紛紛啟動工程教育認證教學改革:重構課程體系、強化實踐教學、優化師資隊伍,教學質量獲得顯著提升,畢業生的綜合素質和工程實踐能力得到了社會和企業的廣泛認可,實現了教育從輸入導向到輸出導向的轉變,為我國創新驅動發展戰略提供了強有力的人才支撐。

在此背景下,針對“人工智能導論”課程的特點和教學中遇到的問題,本文提出了下述課程改革措施。

2.1 課程目標改革

OBE的核心原則是將教學過程中的關注焦點從傳統的教學過程轉移到學生實際學習成果上。因此,課程教學改革首先需要明確學生達成的學習成果目標,然后反向設計教學內容、教學方法和評價體系,確保教學過程始終指向這些預設的學習成果目標[6]。

“人工智能導論”課程目標設計,需要關注學生在學習過程中的表現,更應注重他們在學習結束后的長期發展。本文從知識、能力和素質3個維度出發,將課程的最終目標定位于:全面培養學生的理論知識、實踐技能以及跨學科、創新協作、倫理責任和終身學習等綜合素質,具體內容如表1所示。

表1 “人工智能導論”課程目標

基于OBE理念設計的“人工智能導論”課程目標體系,注重以學習成果為導向,全面培養學生的各項能力。首先,該課程要確保學生掌握人工智能的基本概念、發展歷程和應用領域。同時,系統學習包括機器學習、深度學習、自然語言處理、計算機視覺、專家系統在內的多個子領域知識。其次,該課程強調學習過程中遵循理論與實踐相結合原則,培養學生運用所學知識解決實際問題的能力,完成數據預處理、特征選擇、模型訓練與模型驗證等實踐環節,提升理論水平和實踐技能。此外,注重跨學科知識整合應用,鼓勵學生將數學、統計學、計算機科學等多領域知識融會貫通,結合心理學、社會學知識優化人機交互設計,以解決復雜問題。同時,將學科競賽引入實踐項目,培養學生的創新能力與團隊協作精神,激發創新思維,提升和夯實創新創業的技能。此外,著力培養學生的倫理與社會責任意識,引導學生深入探討和遵守人工智能倫理規范,關注產品安全性與社會效益。最后,鼓勵學生養成跟蹤AI前沿動態的習慣,培養學生的終身學習與自主學習習慣,能在課程結束后繼續自主深入學習和研究,以獲得適應未來發展的持續改進能力。

2.2 課程內容改革與創新

根據國務院2020年第2號公報,教育部關于深化本科教育教學改革全面提高人才培養質量的意見[7],課程組以“人工智能導論”課程為切入點、一流課程建設為標準,將其建設為具有高階性、創新性和挑戰度的“金課”。

(1)高階性。除人工智能的基本理論框架以外,需密切關注人工智能領域的新理論、新技術和新應用,及時更新和重構課程內容,確保課程體系與國際前沿接軌,突出課程的綜合性和前沿性。除基礎理論和經典機器學習算法介紹以外,課程要覆蓋深度學習、強化學習、自然語言處理、計算機視覺、生成對抗網絡等現代人工智能核心技術,適度擴展至邊緣計算、自動駕駛、人工智能倫理與法律等新興交叉領域的介紹與拓展。

(2)創新性。國家高度重視高校創新能力的建設和培育,積極倡導并鼓勵高校與企業緊密對接,深度融合校企資源,開展協同育人項目[8]。在此背景下,課題組申請了2項教育部產學合作協同育人項目,通過與企業協作,在課程體系中引入更多高階資源和創新項目,共同開發設計項目案例、規范實踐教學體系,激發學生的創新潛能,培育學生解決實際問題的創新能力和創新思維。

(3)挑戰度。協同育人項目為學生提供了接觸前沿技術、參與創新項目的機會,同時也增加了實踐難度和任務量,學生面臨巨大挑戰。為增強學生克服困難的信心,激發學生內在的求知欲與進取心,課題組將項目實踐目標與學科競賽目標統一,鼓勵學生以項目實踐小組為單位,利用項目作品報名參加符合課程目標的相關賽事,例如:中國大學生計算機設計大賽、中國高校智能機器人創意大賽、中國機器人以及人工智能大賽等。項目實施一個學年后,通過統計數據分析發現,將學科競賽和挑戰性實踐項目融入課程體系后,課程目標(畢業要求指標點)達成度獲得提升,競賽獲獎名次和學生獲獎人數均超過歷年水平。

3 課程教學改革

3.1 分階段教學任務

對傳統的課程教學模式進行改革,知識點融入實踐項目,整個“人工智能導論”課程教學分為基本概念和方法、經典模型原理與設計、深度學習模型項目實踐、綜合項目實踐4個階段。課程教學與實踐改革體系結構如圖1所示。

圖1 課程教學與實踐改革體系結構

第一階段的主要任務是學習和了解人工智能基本理論、發展歷程及應用領域的相關知識,熟悉軟硬件開發實踐環境,為后續學習打下基礎;第二階段主要學習經典算法、AI框架、數據處理和分析方法等;第三階段學生自由結組,根據教師分派的項目任務,依托線上線下教學資源,按企業開發實踐規范完成整個系統的分析、設計和實現,核心工作是神經網絡的設計、訓練和預測;第四階段,按小組自由選擇項目,針對具體問題給出完整解決方案,項目交付不僅要提交詳細的項目文檔,還要參加項目結題答辯,仿照競賽規制進行打分和排名。

3.2 分階段教學實施

本文提出的分階段教學模式,由4個層層遞進、可自我迭代的階段組成。分階段教學實施模式強調項目驅動學習,通過實際項目引導學生主動探索和掌握知識;借助案例分析和小組討論機制,讓學生在真實情境中加深對理論的理解,促進其協作和交流能力的提升。

每個階段都設定明確的目標(里程碑)和階段成果(交付物)。每個階段任務的性質與內涵不同,因此,要求也隨之變化。第一階段,教師授課重點在于基礎知識的掌握和課程體系脈絡的結構,利用在線教育平臺(學習通、慕課網站、騰訊文檔等)為學生提供更多的學習資源、微課視頻和實時答疑功能,確保學生能夠隨時隨地進行學習。第二階段,線下課堂教學注重算法的深度講解,主要通過JN(Jupyter Notebook)組織實踐操作示范,線上為學生提供關鍵操作步驟的短視頻以及構建在阿里云天池DSW上的范例代碼,便于學生對知識點的梳理和總結。第三階段,依據人工智能領域經典項目案例或最新成果,引導學生深入剖析其理論依據、技術路線及社會影響,以小組形式展開討論,鼓勵學生批判性思考,培養他們對AI應用場景的敏銳洞察力和獨立分析能力。其中,項目管理基于Gitee(碼云)平臺。第四階段,每個小組針對選定的具體項目,進行分析研究、方案設計和代碼實現等活動,小組內利用騰訊文檔和碼云共享資源,基于天池DSW進行分工協作,定期開展組內討論和組間交流。

3.3 分階段教學評估

結合線上線下混合教學,可以更加靈活地適應團隊協作創新。新的模式也帶來新的問題,原有教學不再適用,需要提供一種更為全面、真實地反映學生學習目標達成度的評價方法。

不同階段完成的任務不同,對于課程目標也不一樣。第一階段,主要是通過學生提交的課后作業考查知識點掌握情況,給出階段評分;第二階段,主要考查學生獨立完成項目案例的完整性、創新性、技術實現和問題解決能力,根據實施情況的完成度打分;第三階段,結合線上平臺的學習數據(如觀看視頻、完成作業、Git倉庫中的代碼貢獻率等)和線下項目實踐表現(如出勤率、參與討論等),結合學生的組內互評情況,分別給小組和個人打分;第四階段,增加項目報告和項目答辯的評分,報告著重考察項目完成的完整性、創新性和技術能力,給出團體評分,答辯主要考察團隊中每個成員對項目的貢獻度、個人專業素養以及團隊協作能力,給出個人評分。

3.4 推進課程共建和師資優化

借助產學合作平臺,聘請具有豐富科研經驗與產業背景的教師參與課程教學,鼓勵教師將科研成果與產業實踐經驗融入教學過程,同時,加強與企業導師合作,利用企業的實際項目資源改造和編纂教學實踐案例庫,推出相應指導教材和視頻,共同推動課程內容的更新與優化。

由于課程的前沿性和綜合性,處于教學活動中心位置教師的角色至關重要,他們的知識更新和專業發展直接影響到教學質量與學生培養成效。為確保“人工智能導論”課程教學內容和方法能夠與時俱進,課題組的部分老師通過學歷進修和參加寒暑假IT研修班,在人工智能領域獲得了較為深厚的技術積淀。課題組同時也申請了多個縱向和橫向課題,積累了大量的相關教學資源案例,為高水平課程教學和校企合作提供了人才保障。

4 結語

在國家人工智能發展戰略的引領下,在工程認證背景下,基于OBE教育理念,“人工智能導論”課程教學改革聚焦于明確學習產出目標,構建與之緊密聯動的教學實踐和評價體系,幫助學生有效克服學習挑戰,掌握人工智能基礎理論和技術應用能力。引入學科競賽機制,將項目實踐與競賽結合,激發學生主動探究的熱情,提高學生在真實場景中靈活運用所學知識解決復雜問題的創新思維和能力,從而為我國建設成為人工智能創新強國,提供穩固的人才儲備和有力的智力支撐。