項目化教學在人工智能課程中的教學研究

摘要：針對應用型高校開設人工智能課程中實驗難度大、技術點多引發學習者興趣缺乏的問題，文章在人工智能課程中采用項目化教學，使用啟發式教學原則，以深度學習中茶嫩芽葉圖像識別為例，引導學生通過發現問題、設計項目、制定方案、實施項目并總結的過程來掌握人工智能知識，通過項目指導和總結向學生傳授理論知識，展示以深度學習為主題的項目化教學在實際教育領域中的應用效果和價值。

關鍵詞：人工智能；項目化教學；深度學習；機器視覺；啟發式原則

中圖分類號：G642" " " 文獻標識碼：A

文章編號：1009-3044（2025）07-0169-03

開放科學（資源服務） 標識碼（OSID）

0 引言

當前，人工智能（AI） 相關技術在全球范圍內蓬勃發展，推動著科技革命和產業變革。以習近平同志為核心的黨中央主動應對智能化變革新趨勢，抓住人工智能創新重大歷史機遇，積極實施新一代人工智能國家發展戰略[1]。人工智能成為熱門學科，國家大力推動高校開設相關課程[2]。然而，因AI涉及多學科知識[3]、缺乏成熟教學模型，教學內容復雜，學生理解新知識需時間等現狀，給人工智能教學帶來挑戰。傳統的教學方式是以講解知識點作為主線，教材里的示例程序僅僅是對知識點的驗證，一方面無法將知識點運用到實際的項目開發之中，另一方面也不能在實際應用里去解決具體的問題[4]。在這一背景下，國內外人工智能課程教學研究的現狀顯示出幾個顯著的趨勢和特點。國際上，AI課程關注智能虛擬現實、教學機器人、機器學習等領域，探索AI在教育創新和效率提升中的作用。在國內，AI教育得益于工業界的進步和市場需求，盡管在自動判分等方面取得成果，但在認知過程研究上需加強。國內正推動教育與信息技術的融合，以提高學習效率。例如，清華大學利用智能助教和知識圖譜開展AI教學。本文的研究問題正是在這樣的背景下提出的，旨在通過具體的教學實踐提升學習者的自主學習和實踐能力，文章采用?不僅能夠提高學習者的自主學習能力和創新精神，?還能夠培養其實際操作、問題解決能力的項目化教學，在人工智能教學融入具體的應用場景，遵循循序漸進、知行合一的教學規律，探究項目化教學在AI課程中的實踐應用思路與教學設計。

1 人工智能課程教學現狀

人工智能課程內涵豐富，研究方向包括機器人、語言識別、圖像識別、自然語言處理等，也承擔著培養高素質人才的使命，良好的AI教學課程模式有利于未來科技人才的培養。當前研究者不斷探索AI課程教學，力求平衡知識傳授與能力培養，但現今AI課程教學中存在以下三個問題。

1.1 課程內容與實際崗位要求之間存在巨大差距

用人單位招聘人工智能崗位時，需要從業者具備卓越的實踐操作能力、對復雜問題的快速應變和處理能力等。然而，當前的人工智能教學內容在這些方面與實際崗位的真實需求存在著明顯的脫節，學生能夠使用一些基礎的模型和算法，但卻缺少對用人單位實際使用的一些復雜算法、大模型的了解，無法有效滿足實際崗位對人才在專業素養、技能水平和綜合能力等多方面的高標準要求。教師在教授知識的同時應該培養學生的解決問題能力、優化模型能力。鑒于以上原因，教學中應創設環境，鍛煉學生解決問題的能力和使用并優化人工智能算法的能力。

1.2 教學方法仍以講解理論為主

在人工智能課程教學中，盡管課程向多元化發展，但教學方法仍多偏向單一理論知識講授。與此對應，學習相關章節的實驗難度較大，學習者在理解知識后不能契合學習場景去實踐。這種教學方式注重學習者掌握AI理論知識，卻忽視對學習者對理論的實踐能力、創新思維及應用技能的培養，導致難以培養出符合社會需求的應用型人才，限制了學習者面對實際工作場景時運用知識解決問題的能力，從而影響了人工智能教學的實際效果和價值。

1.3 學生基礎薄弱、學習動力不足

在學生層面，鑒于人工智能知識內涵豐富，延伸方向較多，這就導致了部分學生在學習過程中或許會出現難以理解知識并復現算法的問題，在對復雜抽象的知識進行認知和消化的過程中，因沒有實際的案例來輔助了解場景和解決現實問題，從而使得他們學習興趣低，難以透徹地掌握相關要點。與此同時，多數學習者對AI課程內容了解較少，基礎較差，他們在面對如此具有難度的知識體系時，可能會逐漸產生畏難情緒，難以激發起內心強烈的求知欲和探索欲，進而對學習人工智能知識的積極性和主動性產生不利影響，使得他們在AI領域的學習進程受到一定程度的阻礙和延緩。

2 項目化教學在人工智能課程中的意義

教師應首先充分了解項目式學習及其重要性，為教學實踐奠定基礎。項目化教學是將理論與實踐相結合的一種教學模式。在項目化教學中，師生共同實施一個完整的項目，在實踐中學習和應用知識。其內涵是強調學生在真實的項目中通過解決問題、合作學習和跨學科的綜合應用來獲取知識和技能。項目教學法最顯著的特點是以項目為主線、學生為主體、教師為主導。這種教學方法鼓勵學生主動探索、自主思考和解決問題，旨在培養學生的創新能力、實踐能力和團隊合作精神。基于以上特點，教師在人工智能分支深度學習教學中使用項目化教學法，設計相關的項目式學習，其過程包含：引導學生提出問題，明確項目任務；進行項目分析和設計；制定方案；實施計劃，解決項目中的問題；檢查評估，驗證方案的實效性；歸檔與總結。教師在課堂上的職責是指導學生完成項目并傳授AI理論，使學生在實踐后更容易理解理論，從而深入理解項目實踐。

3 項目化教學在人工智能課程中的設計

人工智能課程的教學目標強調基于真實項目的學習，學生要做的項目必須是真實、完整、有意義的、可在短時間完成，幫助學生在探究和實踐過程中綜合應用各類知識、技能，提升人工智能核心素養[5]。目前使用項目式教學的案例不勝枚舉：黃楚敬[6]等提出智慧校園環境下人工智能項目式教學設計，以“DIY我的智慧寢室”為例，介紹項目準備、體驗、實驗、應用及反饋階段，為中小學人工智能教學實踐提供參考。吳紫俊[7]等結合武漢紡織大學的特色，針對人工智能課程的特點，提出研學一體、實踐導向的教學改革措施和方案。盡管計算機視覺在人工智能領域中無疑占據著舉足輕重的地位，但案例不多。本文以人工智能應用實踐教程的圖像識別章節為例，設計了面向采茶機器人的嫩芽葉識別項目，通過項目式學習讓學生在實際情境中發現、分析并解決問題，以此培養他們的計算思維。通過項目式學習，學生能夠在實踐中不斷探索、學習，并將理論知識與實際操作相結合，從而提升自身的計算思維能力和解決AI問題的能力[8]。

3.1 明確項目任務

在項目式學習中，學生界定和提出問題的能力是進行項目分析與討論的基礎，更是培養學生計算思維不可或缺的一環。在人工智能應用實踐教程的教學過程中，為了引導學生深入理解并應用所學知識，教學特意創設了一個與現實緊密相連的問題情境——“考慮到安徽省作為名優茶的生產出口大省，目前面臨著什么問題？如何解決該問題？人工采茶和智能采茶有何優缺點？”通過目前人工采茶效率低、成本高以及采茶工人數不足的現實情況，進而引導學生提出了“智能采茶機提高茶葉采摘效率”的課題。

3.2 項目分析和設計

在學生明確任務目標、設計并提出一個可行的智能采茶機方案以解決當前茶葉采摘面臨的挑戰的前提下，教學者應引導并鼓勵學生依據以下步驟進行項目分析。

首先，鼓勵學生深入探索真實的茶產業現狀，培養提出和發現問題的能力，結合理論解決實際采茶機器人圖像識別精度低的問題，提升計算思維。其次，逐步引導學生理解圖像識別在茶嫩芽識別中的應用，建立基于卷積神經網絡（CNN） 的圖像識別知識體系。最后，通過小組合作，學習圖像識別原理，探討深度學習在圖像識別中的挑戰，并分享茶嫩芽目標識別項目的實踐成果，加深對AI應用的理解。

3.3 制定方案

在此階段，基于項目式學習的人工智能教學強調培育學生自主分析問題、解決問題的思維及能力。在圖像識別教學中，以提升茶嫩芽葉識別精確率任務為趨導，首先需要進行知識準備與資源整合。其中，理論學習包含組織學生學習相關的人工智能和深度學習理論知識，包括圖像識別、機器學習算法等。資源整合包含教師提供每種類茶嫩芽圖片1 000張作為數據集，學生通過這些數據進行基礎算法模型的訓練和測試。教師一方面引導學生形成問題最佳解決方案。依據茶葉嫩芽的尺寸小、新葉老葉顏色形狀特點、名優茶多為“一芽兩葉”的特點，學生圍繞如何有效發揮圖像識別在本項目中的應用價值進行問題探究，并以小組合作形式對問題解決方案進行制定、調試與完善。另一方面，依據方案解決項目問題。以項目式學習為驅動的人工智能教學強調學生運用學習工具、調動學習思維來完成學習任務、解決實際問題。教學者依據最終的方案把學生如表1所示，使人工智能專業的學生均勻分成6組，以在安徽農業大學茶葉園基地獲取的圖片為原始材料，并以近年來檢測速度快的單階段算法YOLO和雙階段算法Faster R-CNN為基準算法。

3.3 實施方案，解決基于深度學習的茶嫩芽識別問題

“項目化教學”的理論認為，知識可以在一定的條件下通過自主建構而獲得，這種路徑可以是傳統低效的“灌輸”，也可以是舒適高效的項目化獲得。但教育更是滿足長進需要的有意識、有系統、有組織的持續交流活動，因而在改良知識獲取方式的同時，不能忽略學科知識的體系化。

基于以上原因，在實施解決基于深度學習的茶嫩芽識別問題中，在引導學生進行茶嫩芽圖像預處理、圖像標注和模型訓練時，教師需要對項目有整體把握，適當對項目進行必要的拓展，如深度學習與人工智能的聯系，深度學習發展過程中各模型的優劣與適合的方向，以使學科知識能夠融會貫通。

實驗步驟可分為圖像預處理和模型訓練。圖像預處理：學生學習如何對采集的茶葉圖片進行預處理，包括去噪、增強對比度、標準化等，以提高模型訓練的效率和準確性。模型訓練：學生使用深度學習框架PyTorch搭建和訓練模型，如卷積神經網絡（CNN） ，進行茶嫩芽的圖像識別。實施案例可以參考浙江理工大學農業機器人與裝備創新團隊研發的智能采茶機器人，該團隊通過深度學習技術實現了茶樹嫩芽的自動識別，并采用機械臂進行采摘。實驗材料是由教師提供每種類茶嫩芽圖片1 000張，學生以茶嫩芽圖像和算法模型為基準網絡進行預處理、模型搭建、實現圖像識別的操作與應用，通過實踐操作提升分解實際人工智能問題能力，計算思維在無形中得到培育。

3.4 檢查評估，驗證方案的實效性

在項目導向的學習模式中，教師和學生以及學生之間積極地交流并共享各自的學習經驗和心得。通過這種方式，師生不僅增強了對知識內核的理解與應用，同時反思自身的優勢與不足之處。為了確保項目的有效性和深度學習，需要對項目進行細致的檢查評估，驗證方案的實效性。

1） 評價指標。

評價指標是衡量項目成功與否的關鍵因素，它們應該全面覆蓋項目的目標和學習成果。在茶嫩芽識別算法的項目中，評價指標可以分為兩類，一類是技術準確性：模型的準確率、召回率和平均精度（mAP） 等技術指標。另一類是實現項目中體現的創新性、實用性、團隊協作、問題解決能力、自我反思。

2） 評價方法。

評價方法應當多樣化，以確保能夠全面地評估學生的學習成果和項目的質量。茶嫩芽識別項目中的評價包含以下幾種：自我評價，學生對自己的學習過程和成果進行反思和自評；同伴評價，學生相互評價，提供反饋，促進相互學習；教師評價，教師根據項目目標和評價指標，對學生的學習成果進行評價；實際應用測試，將項目成果應用于實際情境中，評估其有效性和可行性。

通過評價指標和方法，可確保茶嫩芽識別算法的有效性，促進學生對知識點的深入理解。在實踐中，五組學生能使用指定算法構建模型，有一組因未標注背景中的茶嫩芽導致識別精準率低，教師評估后指出問題，這一發現能促進學生發展計算思維，提升實踐能力。在人工智能應用實踐教程課程中，筆者結合茶嫩芽圖像識別項目，強調模型搭建及其實際應用價值，指導學生總結實施方法，評價解決方案，并在此基礎上進行持續改進和優化。

3.5 總結與歸納

本次項目中學生積極性高，5組學生能自主解決問題，相比于原始模型，改進后的茶嫩芽葉識別模型精確率有大幅提升，能使學生在實施過程中融會貫通相關知識，提升學生的學習興趣。但也存在1組學生不能順利完成實踐的問題。這組學生經過教學者的項目評價，解決了項目中困難，這一實際有助于進一步優化問題解決方案，提升項目成果的借鑒意義與分享價值，教學者采取課中形成性評價、課后自我評價、課后學生訪談評價的方式，對圖像識別相關問題的探究成效進行了全面評價。學生以小組為單位展示了不同茶葉種類數據集的項目成果，對比精確率提出了改進措施以優化結果；教師對結果進行了總結與點評，加深了學生對人工智能應用價值的認識。

4 結束語

本研究在應用型高校的人工智能課程中采用項目化教學方法，通過深度學習中的茶嫩芽葉圖像識別項目，有效地提高了學生的學習興趣和理論知識掌握。然而，研究也存在一些不足，如研究僅在特定的課程中進行，樣本可能不夠廣泛，因此結論的普遍適用性可能受限。學生的知識背景和學習能力可能影響項目化教學的效果。未來的研究可以探討如何根據學生的不同背景調整教學策略，以實現更個性化的教學，也考慮在不同類型的高校和課程中進行，以驗證項目化教學方法的普適性，提高其在人工智能教育領域的應用效果和價值。

參考文獻：

[1] 劉力波，韋晰玄.我國人工智能高質量發展的基本內涵及其時代價值[J].江蘇大學學報（社會科學版），2024，26（3）：12-21.

[2] 劉璐，張新峰.產學研協同的人工智能課程教學改革：以中國科學院大學“深度學習” 課程為例[J].高等工程教育研究，2023（6）：73-77.

[3] 王佳莉.新課標背景下人工智能課程跨學科融合教學[J].實驗教學與儀器，2023，40（12）：113-116.

[4] 季波，胡雪晨，朱開心.基于項目沉浸式開發與創新點提煉的人工智能課程教學研究[J].電腦知識與技術，2024，20（7）：21-23，27.

[5] 徐啟發.基于項目式學習的人工智能教學模式應用研究[J].華夏教師，2022（15）：46-48.

[6] 黃楚敬，張倩.智慧校園環境下人工智能學科的項目式教學實踐[J].計算機教育，2023（11）：186-190.

[7] 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（9）：92-96.

[8] 馮巖，尤磊，李健，等.新工科背景下人工智能課程的教學改革[J].福建電腦，2022，38（4）：118-120.

【通聯編輯：王 力】