“TensorFlow應用與開發”課程教學動畫設計與應用研究

摘要：為響應教育部針對新型工科人才的培養要求，對人工智能類課程“TensorFlow應用與開發”進行了教學改革。主要以該課程為例，應用PowerPoint軟件設計開發符合學生知識能力水平的教學動畫資源，并應用于課堂教學實踐，通過采集相關教學數據進行評估分析，有針對性地提出優化教學的對策建議，從而為其他人工智能類課程的教學提供參考和借鑒。

關鍵詞：新工科；TensorFlow應用與開發；教學動畫

一、前言

隨著信息技術的發展，人工智能成為新一輪科技和產業變革的核心驅動力，我國已將人工智能發展放在國家戰略層面，而高校是培養人工智能人才的重要基地[1]。2017年教育部針對新型工科人才的培養提出了教育改革的號召。為響應新工科對人才培養的要求，西安工商學院自2020年起先后開設了人工智能類的多門課程，如：數據分析與挖掘、機器學習、TensorFlow應用與開發等。其中，TensorFlow應用與開發是人工智能方向的一門專業選修課，課程內容包括經典機器學習算法（如邏輯回歸、線性回歸等）、主要的神經網絡模型（如BP神經網絡、卷積神經網絡等）[2]，課程的理論性和實踐性都比較強。從開設至今，已有上千名學生選修了該課程。

由于該課程教授的知識較為前沿，所涉及的原理較為抽象和復雜，教師往往需要在網絡上尋找資源來輔助教學，但這些資源往往是零散的、未經設計的、無法修改的，不能很好地與課程內容以及學生的認知水平相匹配。而專業的動畫軟件往往功能復雜，對于沒有相關背景的教師來說，無法制作出高質量的教學動畫資源。因此，教師在授課過程中，特別是在講解抽象的理論知識時，常常感到力不從心。對學生而言，由于課程內容復雜抽象，教學方式單調枯燥，再加上數學基礎薄弱、計算機應用能力不足，很多學生反映課程較難，聽不懂，學習效果不佳，由此也導致上機實踐時問題頻發。

因此，本文以“TensorFlow應用與開發”課程為例，設計開發符合西安工商學院學生知識能力水平的教學動畫資源，并應用于課堂教學實踐，通過采集相關教學數據進行評估分析，有針對性的提出優化教學的對策建議，從而為其他人工智能類課程的教學提供參考和借鑒。

二、教學動畫的內涵及作用

戴爾的經驗之塔理論根據抽象程度將各種經驗分為三大類，分別是抽象經驗、觀察的經驗和做的經驗。經驗之塔模型中最頂層的經驗是抽象的經驗、是最不易理解的經驗，越是往下，經驗越具體、越容易理解[3]。

教學動畫是一種以動畫的形式展現學科知識的教學資源，通過動態的畫面可以將抽象的概念、原理或過程以直觀的方式呈現出來。在“TensorFlow應用與開發”課程教學中使用動畫來輔助教學，可以使教學內容變得更為具體和直觀，從而幫助學生更好地理解，使學生的學習變得更加輕松。

三、“TensorFlow應用與開發”課程典型知識點教學動畫設計

（一）學情分析

設計了調查問卷，對2022級30-33班111位學生，對個人情況、學習興趣、學習習慣、相關數學知識的掌握情況、Python編程語言的掌握情況等方面進行了問卷調查。

從問卷結果可以看出：

第一，學生的數學基礎普遍較差，84%的學生表示在高等數學、線性代數、概率論等數學知識方面存在不足。對于人工智能類課程的教學來說，數學基礎薄弱會影響學生對算法原理的理解和掌握。

第二，學生喜歡視覺化、動態化的教學資源，53%的學生表示喜歡“文字+動畫”類資源，43%的學生表示喜歡視頻資源，特別是簡短的小視頻。91%的學生對動畫輔助教學的模式十分感興趣。

第三，學生的自學能力不足，73%的學生表示由于知識儲備不足，在網絡上找到的一些資源看不懂，于是逐漸失去了自學的興趣和信心，知識的獲取以課堂為主。

（二）典型知識點教學動畫設計

在認真梳理“TensorFlow開發與應用”課程內容的基礎上，圍繞西安工商學院學生的知識能力水平，選擇了幾個學生不易理解的典型知識點，如梯度下降、邏輯回歸、BP神經網絡、卷積神經網絡等，使用PowerPoint軟件設計制作了教學動畫。下面以BP神經網絡為例講解具體的設計思路。

1.BP神經網絡的教學難點

在BP神經網絡的實際教學過程中，教師發現學生不易理解的知識點包括：圖片是如何輸入神經網絡的？神經網絡如何識別圖片？神經網絡中的權重代表什么？圍繞這些難點，用PPT制作了五頁教學動畫。

2.設計思路

第一頁動畫是為了讓學生理解圖片中像素的概念。動畫中有三張灰度圖，每張圖中有一個手寫數字，分別是數字1、數字2和數字3，圖片尺寸均為8×8（單位：像素）。將圖片放大到一定倍數，就可以清楚地看到一個一個的像素點，每張圖片都有64（8×8=64）個像素點。為了讓學生能夠更加直觀形象地理解像素的概念，在動畫中用一個8×8的表格來模擬這些手寫數字圖片，每個單元格代表一個像素，每個單元格中有一個0～55之間的數字表示亮度。學生點擊不同的手寫數字圖片，就會發現由于圖片中的手寫數字不同，對應到表格中每個單元格里表示亮度的數字也不相同。

第二頁動畫是為了讓學生理解圖片是如何輸入神經網絡模型的。動畫中每個單元格對應神經網絡輸入層中的一個神經元，因此神經網絡的輸入層一共有64個神經元，將單元格中表示亮度的數字經過歸一化處理后輸入其對應的神經元，由于每個單元格中的數字不同，因此每個神經元的亮度也不同，這樣就激活了輸入層的64個神經元。

第三頁動畫是為了讓學生理解BP神經網絡識別圖片的基本原理。動畫中輸入層的64個神經元被激活后，每個神經元又把自己的值通過連接線傳遞給后面一層的所有神經元，如此不斷傳導下去，直至輸出層的10個節點，分別代表0～9這10個數字。一般幾分類問題輸出層就設置為幾個節點，而中間隱藏層的層數和節點數可以自由變化。輸出層每個節點的值不同，均為0～1之間的一個數字，可以理解為每個類別的概率，概率最高的節點就是神經網絡最終識別的結果。例如，圖3中的神經網絡，其輸出層的10個節點中，第2個節點的概率值最大，所以神經網絡模型對該圖片的識別結果為數字1。通過這個動畫，學生了解到神經網絡可以識別圖片中的數字，并且對BP神經網絡的基本結構有了清楚的認識，但神經網絡是如何將亮度值轉換為概率的，對這個計算過程學生仍感到十分困惑。

第四頁動畫是為了讓學生理解BP神經網絡的計算過程。神經元之間的連線是信息傳輸的通道，但是每條通道的寬度是不一樣的，因此每條連接線都有一個權重。動畫中先用一個簡單的神經網絡來演示具體的計算過程。這個神經網絡的輸入層只有兩個節點（節點1和節點2），節點值經過歸一化處理后分別為0.37和0.97，中間有一個隱藏層，隱藏層有兩個節點（節點3和節點4），輸出層有一個節點（節點5），節點之間連接線的權重如圖4所示。輸入層中與節點3相連接的有兩個節點，分別是節點1和節點2，連接線權重分別為-0.7和0.2。所以節點3的值為節點1和節點2的值加權求和，再通過sigmoid函數變換，最后計算等于0.48。通過動畫的形式，完成了神經網絡計算過程這個知識點的講授。節點4和節點5的計算過程及結果在動畫中不呈現，由教師布置為課堂練習任務，學生要根據動畫中節點3的計算過程，自主思考并手動計算節點4和節點5的值，由此可以幫助學生進一步實現該知識點的內化。

學生掌握了這個簡單的BP神經網絡的計算過程后，第五頁動畫中再次呈現識別手寫數字圖片的神經網絡，并將剛才的計算過程描述為通用形式，即某層節點的值（用行向量表示）等于該層的輸入（用行向量表示）右乘該層與輸入層之間的權重矩陣，每一層節點的值都可以通過這個公式進行計算。模型輸出層節點的值可以解釋為類別概率，因此哪個節點的值大，則模型預測結果就為該節點所代表的類別。例如，當輸入圖片為數字1時，由于輸出層節點中第二個節點的值最大，因此模型預測該圖片為數字1。通過這個動畫可以幫助學生進一步深化理解BP神經網絡的計算原理以及模型是如何根據輸出層節點的值來識別圖片中的數字的。

這五個動畫結合實例，分階段地展示了BP神經網絡識別圖片的基本過程。每個動畫都針對一個教學難點進行了詳細解析，這種直觀形象的方式不僅使得復雜的神經網絡結構和工作原理變得易于理解，而且也使學生感受到了BP神經網絡在實際應用中的效果，有助于學生將理論知識與實際應用相結合。此外，動畫的生動性和直觀性有助于學生在大腦中形成深刻的印象，從而增強對BP神經網絡基本原理的長期記憶，實現知識的內化和固化。

四、基于動畫輔助教學的課堂實踐

選擇西安工商學院計算機科學與技術專業2022級30-33班111人、34-37班111人進行教學效果對比，前者實施動畫輔助教學的模式，后者采用傳統的教學模式。采用“測驗+上機”的方法檢驗“BP神經網絡”這一知識點的教學效果。

（一）課堂測試

選擇BP神經網絡的知識點制作了一份線上測試題，共5道題目，每題2分，內容涉及BP神經網絡的結構、原理等。該知識點授課結束一周以后，對兩個對照教學班分別開展了自測。測試結果顯示，30-33班6分以上的同學占到90%，而34-37班的同學只占到46%。

（二）上機實驗

在“用BP神經網絡識別MNIST手寫字”實驗中按照從易到難，設置了兩個層次的實驗目標。學生只需完成目標1就達到了基本的實驗要求。目標2需要學生對課堂所學知識內化后并靈活運用才能實現[4]。結果顯示，兩個教學班中絕大部分學生都能夠完成目標1的實驗任務。而目標2的實驗任務，30-33班有69名學生完成，34-37班只有15名學生完成。

由此可見，動畫輔助的教學模式有效促進了學生對知識更深層次的理解和記憶，實現了知識的遷移、內化和應用。

五、基于動畫輔助教學的對策和建議

在實踐中應用動畫輔助教學應注意以下三個方面。

一是，動畫設計要以教學目標為導向。例如，教學目標是要求學生掌握BP神經網絡的基本原理，那么動畫就應該清晰地展示這個原理的運作過程，并通過直觀形象的效果來增強學生的理解和記憶。

二是，動畫設計要緊貼教學內容。例如，在梯度下降這個知識點的教學中，通過動畫可以直觀地展示梯度下降算法從初始點開始，通過不斷迭代更新參數，逐漸接近最小值點的過程，有助于學生理解梯度下降的基本思想和工作原理。

三是，做好教學動畫與課堂教學的整合。授課前，可以先通過動畫激發學生的興趣，然后提出與動畫內容相關的問題，引發學生思考。授課中，可以適時穿插動畫，以視覺化的方式補充或強化口頭講解。授課結束，可以讓學生反復觀看動畫，幫助學生更好地回顧和總結所學內容，完成知識的內化和固化。

參考文獻

[1]楊燾，付冬梅.人工神經網絡課程與深度學習融合的混合式教學改革研究[J].大學教育，2024（08）：75-79.

[2]高希占，牛四杰.新工科背景下人工神經網絡課程教學改革[J].計算機教育，2023（09）：92-96.

[3]王亭.《透視學原理》助學動畫的設計研究[D].上海：上海師范大學，2011.

[4]李錚錚，賈金娜，姜彥民，等.基于項目式教學的程序設計類課程翻轉課堂教學案例——以TensorFlow應用與開發課程為例[J].計算機教育，2024（02）：100-105.

基金項目：2023年西安工商學院教學改革研究課題“新工科背景下TensorFlow應用與開發課程教學動畫設計與應用研究”（項目編號：23YJ21）

作者單位：西安工商學院信息工程學院

■ 責任編輯：王穎振 楊惠娟