人工智能课程论文范文

引言：寻求写作上的突破？我们特意为您精选了12篇人工智能课程论文范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

1.2基于人工智能知识体系的教学案例库建设根据所确定的教学内容、知识重点和知识难点，从国内外经典教材、科研项目、研发设计、生产建设以及国内外人工智能网站等多种途径，收集案例素材，加以整理，撰写各知识要点的教学案例及其内容。表1给出基于人工智能知识体系的教学案例示例。

2人工智能课程教学案例的详细设计

在教学案例具体设计时应包括章节、知识重点、知识难点、案例名称、案例内容、案例分析过程、案例教学手段、思考/讨论内容等案例规范，分别从以下单一案例、一题多解案例和综合应用案例3种情况进行讨论。

2.1单一案例设计以人工智能课程中神经网络课堂教学内容为例，介绍基于知识点的单一案例的设计。神经网络在模式识别、图像处理、组合优化、自动控制、信息处理和机器人学等领域具有广泛的应用，是人工智能课程的主要内容之一。教学内容主要包括介绍人工神经网络的由来、特性、结构、模型和算法，以及神经网络的表示和推理。这些内容是神经网络的基础知识。其重点在于人工神经网络的结构、模型和算法。难点是人工神经网络的结构和算法。从教学要求上，通过对该章节内容的学习，使学生掌握人工神经网络的结构、模型和算法，了解人工神经网络的由来和特性，一般性地了解神经网络的表示和推理方法。采用课件PPT和演示手段，由简单到复杂，在学生掌握人工神经网络的基本原理和方法之后，再讲解反向传播BP算法，然后运用“手写体如何识别”案例，引导学生学习理解人工神经网络的核心思想及其应用方法。从国外教材中整理和设计该案例，同时应包括以下规范内容。章节：神经网络。知识重点：神经网络。知识难点：人工神经网络的结构、表示、学习算法和推理。案例名称：手写体如何识别。案例内容：用训练样本集训练一个神经网络使其推广到先前训练所得结果，正确分类先前未见过的数据。案例分析过程：①训练数字识别神经网络的样本位图；②反向传播BP算法；③神经网络的表示；④使用误差反向传播算法训练的神经网络的泛化能力；⑤一个神经网络训练完毕后，将网络中的权值保存起来供实际应用。案例教学手段：手写体识别的神经网络演示。思考/讨论内容：①训练改进与权值调整改进；②过学习/过拟合现象，即在一个数据集上训练时间过长，导致网络过拟合于训练数据，对未出现过的新数据没有推广性。

2.2一题多解案例设计一题多解案例有助于学生把相关知识点联系起来，形成相互关联的知识网络。以人工智能课程中知识及其表示教学内容为例，介绍一题多解案例的设计。知识及其表示是人工智能课程三大内容（知识表示、知识推理、知识应用）之一。教学内容主要包括知识表示的各种方法。其重点在于状态空间、问题归约、谓词逻辑、语义网络等知识表示方法。难点是知识表示方法的区别及其应用。从教学要求上，通过对该章节内容的学习，使学生掌握利用状态空间法、问题归约法、谓词演算法、语义网络法来描述和解决应用问题，重点掌握几种主要知识表示方法之间的差别，并对如何选择知识表示方法有一般性的了解。通过讲解和讨论“猴子和香蕉问题”案例，来表示抽象概念。该案例从国内外教材中进行整理和设计，同时包括以下规范内容。章节：知识及其表示。知识重点：状态空间法、问题归约法、谓词逻辑法、语义网络法等。知识难点：知识表示方法的区别及其应用。案例名称：分别用状态空间表示法与谓词逻辑法表示猴子和香蕉问题。案例内容：房间内有一只机器猴、一个箱子和一束香蕉。香蕉挂在天花板下方，但猴子的高度不足以碰到它。猴子如何摘到香蕉？如何采用多种知识表示方法表示和求解该问题？案例分析过程：①状态空间法的解题过程。用n元表列表示该问题的状态；定义问题的操作算符；定义初始状态变换为目标状态的操作序列；画出该问题的状态空间图。②谓词逻辑法的解题过程。定义问题的常量；定义问题的谓词；根据问题描述用谓词公式表示问题的初始状态、中间状态和目标状态。案例教学手段：猴子和香蕉问题的演示。思考/讨论内容：①选择知识表示方法时，应考虑哪些主要因素？②如何综合运用多种知识表示方法获得最有效的问题解决方案?

2.3综合应用案例设计与单一案例、一题多解案例相比，综合应用案例能更加有效地启发学生全方位地思考和探索问题的解决方法。以机器人行动规划模拟为例，介绍人工智能综合应用案例的设计，该案例包括以下规范内容。章节：人工智能综合应用。知识重点：人工智能的研究方向和应用领域。知识难点：人工智能的技术集成。案例名称：机器人行动规划模拟。案例内容：综合应用行为规划、知识表示方法、机器人学、神经网络、人工智能语言等多种人工智能技术与方法，对机器人行动规划问题进行描述和可视化。案例分析过程：①机器人行为规划问题求解。采用状态归约法与分层规划技术，将机器人须完成的总任务分解为若干依序排列的子任务；依据任务进程，确定若干关键性的中间状态，将状态对应为进程子规划的目标；确定规划的执行与操作控制，以及机器人过程控制与环境约束。②基于谓词逻辑表示的机器人行为规划设计。定义表达状态的谓词逻辑；用谓词逻辑描述问题的初始状态、问题的目标状态以及机器人行动规划过程的中间状态；定义操作的约束条件和行为动作。③机器人控制系统。定义机器人平台的控制体系结构，包括反应式控制、包容结构以及其他控制系统等。④基于神经网络的模式识别。采用神经网络方法以及BP算法对桌面茶壶、杯子等物体进行识别，提取物体图形特征。⑤机器人程序设计语言。运用人工智能语言实现机器人行动规划行为的可视化。案例教学手段：机器人行动规划的模拟演示。思考/讨论内容：人工智能将会怎样发展？应该在哪些方面进一步开展研究？

3案例教学环节和过程的具体实施细节

人工智能案例教学的实施面向笔者所在学院软件工程专业三年级本科生展开。具体实施细节如下。（1）教学内容的先进性、实用性和前沿性。引进和整合国外著名人工智能教材内容，保证课程内容具有先进性。同时将前沿人工智能的研究成果与技术有机地融入课程案例教学之中。（2）案例教学的创新教学模式。在教师的引导下，将案例中涉及的人工智能内容推广到对人工智能的一般性认识。案例的教学过程，成为认识人工智能、初步运用人工智能的理论与方法分析和解决实际应用问题的过程，使学生具备运用人工智能知识解决实际问题的意识和初步能力。在课程教学中，打破国内常规教学方式，建立和实施开放式案例教学模式。采用动画课件、录像教学、实物演示、网络教学等多种多媒体教学手段，以及集中讲授与专题讨论相结合的教学方式将理论、方法、技术、算法以及实现有机结合，感性认识与理性认识相结合，理论与实际相结合，极大地激发学生自主和创新性学习的热情。（3）“课堂教学—实践活动—现实应用”的有机融合。在案例教学过程中，从传统教学观以学会为中心转化为创新应用型教学观以创新为中心，以及从传统教学的以课堂教学为中心转化为以课堂教学与实践活动并重为中心，构造具体问题场景以及设计教学案例在情境中的现实应用，加深学生对教学内容的理解，同时提高学生的思考能力和实际综合应用能力。

篇2

P键词： 人工智能；创新；本科

Key words： artificial intelligence；innovation；undergraduate

中图分类号：G642 文献标识码：A 文章编号：1006-4311（2017）22-0230-02

0 引言

人工智能是计算机科学的一个分支，是当前科学技术中正在迅速发展、新思想、新观点、新理论、新技术不断涌现的一个学科，其属于一门边缘学科，同时也是多个学科交叉而成的一门学科，包括语言学、哲学、心理学、神经生理学、系统论、信息论、控制论、计算机科学、数学等[1]。当前人工智能已经是很多高校计算机相关专业的必修课程，它是计算机科学与技术学科类各专业重要的基础课程，其教学内容主要包括自然语言理解、计算智能技术、问题求解和搜索算法、知识表示和推理机制、专家系统和机器学习等，国内外很多大学都意识到了其重要性，纷纷对其展开了教学和研究。人工智能课程包含多个学科，具有内容抽象、理论性强、知识点多等特点，且算法复杂，但是多数高校采用的教学方式仍是传统的课堂教学方式，即“教师讲、学生听”的教学模式，这种信息单向传输教学模式以教师为主体，学生只是在被动的接收知识；存在过分重视理论教学，忽视实践活动教学的问题，导致教育内容无法和社会接轨；人工智能教材理论性过强，学生在学习过程中常常感到枯燥乏味，进而对学习该课程失去热情[2]，久而久之，不仅人工智能课程的教学质量和效果无法达到预期，甚至学生还会产生厌学心理。针对人工智能课程中现有的各项问题，本文作者结合自身丰富人工智能教学实践经验，参考人工智能课程特点和教学目标，从多个方面探讨和总结了人工智能，包括教学内容、教材选择、教学方法和考核形式等。

1 教学内容优化与更新

人工智能是一门崭新的学科。开设本课程首先是确定教学内容。通常来讲，人工智能学科的内容包括两个部分，具体：一是知识表示和推理；二是人工智能的应用。前者是人工智能的重要基础，后者主要介绍了几种人工智能应用系统，包括自动规划和机器视觉、机器学习、专家系统等。另外，课程内容中还包括了一些人工智能应用的实例，将实践和理论紧密结合起来[3]。

随着时代的发展和科技的进步，人工智能学科也取得了较大发展。基于此，人工智能学科也应该与时俱进，更新人工智能教学大纲，进一步完善其教学内容。修订后的人工智能教学大纲将人工智能分成两个部分，即基础部分和扩展应用部分。前者包括计算智能、搜索原理、知识表示等，后者包括智能机器人、智能控制、多智能体、自然语言理解、自动规划、机器学习、知识工程等。

教学内容的选择和确定应综合考虑多项因素，不仅要重视基础知识，也应注意推陈出新，随着科技的进步做到与时俱进，同时教学内容应符合现实的需求，能够与社会接轨，将理论和实践紧密结合起来，只有这样人工智能课程的教学质量和效果才能事半功倍。

2 教学策略及教学方法的改革创新

由于人工智能课程具有算法复杂、内容抽象、理论性强、 知识点多的特点，传统的教学模式已经无法满足人工智能课程的需求，教师应探索更加有效的教学模式和方法，确保人工智能课程能够取得良好的教学质量和教学效果。具体的改革和创新人工智能课程的手段和方法主要包括以下几个方面：

2.1 激发学生的学习兴趣 无论是经验还是常识都在告诉我们每个人最好的老师就是兴趣，学生只有对某门学科存在兴趣，才会更加主动积极的学习该门课程，从而获得良好的教学效果。比如，作者在课程的一开始先播放了一段著名导演斯蒂文・斯皮尔伯格的《Artificial Intelligence》的相关片段，由这个电影学生知道了世上存在人工智能的机器人，学生们随着电影情节的发展而深深感动，与此同时教师让学生思考和谈论人工智能是什么？研究人工智能的意义在哪里？实践发现，在课堂中加入电影因素，能够大大提升学生们的注意力，让学生更加专注在教学任务中，有效提高了学生探索人工智能的积极性和主动性。此外，在教学中还可以用动画、视频、图片等手段将反映人工智能最新研究和应用的成果展示出来，让学生更直观的感受人工智能的奥妙，从而投入更多热情学习人工智能课程。

2.2 面向问题的案例教学法 案例教学法是一种以案例为基础、以能力培养为核心的一种教学方法[11]。针对学校学生特点，我们采取了以下几种教学形式实施案例教学。①讲解式案例教学：这种案例通过教师的讲解，帮助学生理解抽象的理论知识点。案例的呈现有两种基本形式：一是“案例―理论”，即先给出教学案例，然后再讲解理论知识；二是“理论―案例”，即教师先讲解理论知识，再给出教学案例；通过情境体验与案例剖析激发学生认知的兴趣，引导学生对将要学习的内容产生注意，有利于教师导入新课。②讨论式案例教学：在课程初期将学生分成若干学习小组，每小组3～4人；教师将提前设计好的一题多解的教学案例以及收集的相关资料分配给每个小组，要求学生在课余时间通过自学和组内讨论的方式给出问题的不同解决方案。③辩论式案例教学：在课程后期，采取专题辩论的方式对综合应用案例进行讨论，能有效地启发学生全方位地思考和探索问题的解决方法，加深学生对人工智能的理解。

2.3 个性化学习与因材施教 在开展课程教育过程中应注意对学生进行个性化教学，结合学生特点因材施教。比如，在日常教学中多观察学生情况，鼓励那些应对教学任务后仍存在余力的W生深入探索较深层次的课程及相关知识，同时友善面对学习较差的学生，分析其学习过程中面对的困难，有的放矢地采取应对措施，帮助其不断进步；在教学过程中让学生以读书报告的形式多多思考，鼓励学生发散性思考问题，鼓励优秀学生进行深一步的探讨，并且教师应帮助具有新颖思想或论点的学生将其智慧以科技论文和发表文章的形式转化为成果。

2.4 注重综合能力培养 在研究型教学中任务驱动是一种常用的教学方法，其中心导向是任务，学生在完成任务的同时也在吸收和掌握知识。通常来讲，该教学方法的步骤是：教师提出任务师生共同分析以得出完成任务的方法和步骤适当讲解或自学、协作学习完成任务交流和总结。”[3]该教学模式不仅有利于培养学生的创新能力和创新意识，还能够培养学生解决实际问题的能力，提高其综合实力。不仅如此，由于该教学模式通常是以小组协作的方式进行，教师给出研究范围，学生自愿结组并选择具体的题目，经过分析和讨论后以程序设计或者论文的形式协作完成研究。由此可知，学生是在以团队的力量解决问题，这十分考验学生的团队协作能力，对于学生团队合作精神的培养至关重要，且在完成任务的过程中学生需要查阅大量的资料，久而久之学生收集资料和创新能力势必会得到提升。

2.5 采用启发式教学 人工智能的很多问题都较为抽象，对学生理解力的要求较高，因此，在实际的教学过程中教师应有意识的就课程内容提出相关问题，让学生自己独立思考，鼓励学生提出自己的想法和解决方案。然后回归到课程上，对比分析教材上的解决方案和学生自己的解决方案，如此不仅培养了学生独立思考的能力，也增加了学生参与教学活动的意识，提高了学生的学习热情。比如，在讲到较为抽象的“遗传算法”时，先提出一个问题，即“遗传算法如何用于优化计算？”，然后从“达尔文的生物进化论”入手，讨论“遗传”、“变异”和“选择”作用，之后举例分析，启发学生思考“遗传”、“变异”和“选择”的实现，最后师生一起导出遗传算法用于优化计算的基本步骤。如此既完成了教授遗传算法的目的，也锻炼了学生逻辑思维的能力，教学效果良好[4]。

3 作业和考核方式的改革创新

过去的课程作业都是单一书面习题作业，发展至今，课程作业形式已经发生了变化，更加丰富多样，包括必须交给教师评阅的书面家庭作业和不必交给教师的课外思考题目、口头布置的思考题或阅读材料以及大型作业等。其中通过网络就可以完成上交作业，并且教师批阅作业后也可以通过网络返回给学生，实现了网络化。课程的考核方式较之以前也发生了较大变化，加强了平时思维能力的考核，更加注重学生实验能力和动手能力的培养，不再是绝对的一次考试定成绩，而是在总评成绩中加入30%的平时成绩，如此不仅减轻了学生的期末负担，也迫使学生更加重视平时的学习思考，有利于课程教学质量的提升。

4 结束语

本文是以提高教学质量为目标，结合教学实践，从教学体系、教学内容、教学方法、考核方式等方面对本科人工智能课程的教学改革进行了探讨，总结了该课程在教学和实践方面的一些教改举措。这些举措符合二十一世纪高校教学的要求，可以支持教师提高教学手段现代化的水平，同时更贴合学生的学习需求。作为该课程的授课教师应始终保持对教学内容的不断更新、教学方法的多样化，才能激发学生的学习兴趣，培养他们的思维创新和技术创新的能力，最终提高本课程的教学质量。从学生的反馈来看，作者所总结的教学实践具有明显的教学效果。但仍有许多方面做得不够，今后将继续在教学过程中不断总结成功的经验，吸取失败的教训。

参考文献：

[1]蔡自兴.人工智能及其应用[M].三版.北京：清华大学出版社，2007.

[2]谢榕，李霞.人工智能课程教学案例库建设及案例教学实践[J].计算机教育，2014（19）：92-97.

篇3

以培养卓越软件工程人才为目标，我们构建了人工智能竞赛驱动下的软件工程产学研培养新模式。通过构建2个层次培养竞赛平台，实现以点带面、共同提高的培养目标。2个层层学科竞赛平台如下：一是基础课程竞赛平台。面对中年级的学生，组织学生参加蓝桥杯、GIS开发大赛、SDN软件定义网络赛等普适性、课程类竞赛，可以快速锻炼学生的知识应用、团队协作、现场表达、创新思维等各方面能力，有效提升综合能力，以激发学生对科研创新的兴趣和自信。二是专业创新竞赛平台。面对中、高年级学生，组织学生参加专业创新竞赛平台。并且，按照学科方向，专业创新竞赛平台主要分为三个方向：数据科学竞赛方向、人工智能方向以及互联网方向。对于高年级学生，可以按照自己的选修方向或者兴趣，选择该方向的指导教师，参加专业水平的能力竞赛。如数据科学竞赛方向，有Kaggle平台大赛,阿里天池大赛、KDD、图像分类和目标检测比赛等。高年级学生可以在已经具备基本学科知识和科研创新能力后，在更大的舞台上检验自己的专业水准，在失败和进步中提升创新能力和实践能力，最终具备解决社会实际问题和企业实际问题的能力。

2人工智能竞赛驱动式软件工程产学研模式的意义

软件工程技术是人工智能的重要载体，人工智能竞赛可以与软件工程专业的产学研有机地结合起来，更能取得良好的培养效果。其对软件工程学科教学质量和人才培养都有着重要作用和意义。一是有利于教师教学观念的更新和教师角色的转变与知识更新。师生协同。改变传统以教师为主导的培养模式，探索在学生竞赛和实践上的共建，鼓励学生自主开展创新探索、组织和参加学生竞赛，形成了“专业教师指导、学生自主组队”的竞赛组织管理指导新模式；二是有利于培养学生的创新能力和激发学生主动学习的意愿。一方面，信息化学习方式是以知识贯通式学习为主，学习方法灵活，更利于创新能力的培养；另一方面，学习过程由匹配问题和答案的过程，而更多地转向如何理解问题、如何界定问题、如何解决问题等，学习者的“主体”地位得到回归。三是利用互联网+大数据竞赛优质资源，有助于提高软件工程专业教学质量，与国际一流高校培养模式接轨。以学生为中心，结合教与学的特性需求，把作为教师优化和完善教学模式、学生灵活和改善学习方法的辅助手段，充分结合师生教与学的个体需求，采用问题主导式教学模式，将有助于软件工程专业探索教学模式创新，提高教学质量和学生学习成效.

3结语

综上，软件工程产学研可以与人工智能竞赛相结合。以人工智能竞赛为导向的产学研给学生提供了资源和平台，有效提高学生的实践能力、科研能力和团队协作能力，对提高软件工程专业学生的创新能力和实践能力大有裨益。

【软件工程硕士论文参考文献】

[1]裘君，何小其，刘毅华.基于竞赛驱动的自动化专业实践教学改革探索[J].安徽电子信息职业技术学院学报.2013,59(11),4，20.

[2]王喜鸿，王良成，周密.论以学科竞赛促进理工科学生实践创新力的提高.实验室科学，2011,14(4):1-3,6.

[3]李淑琴，刘均梅.科技竞赛与学生创新能力的培养[J].新课程学习：学术教育，2011(7):95-96.

篇4

引言

人工智能(ArtificialIntelligence)是一门研究和模拟人类智能的跨领域学科，是模拟、延伸和扩展人的智能的一门新技术。由于信息环境巨变与社会新需求的爆发，人工智能技术的日趋成熟。随着AI3.0时代的到来，大数据、云计算等新技术的应用也愈发广泛，对于管理类人才来说，加强对人工智能知识的深入学习，不断将人工智能技术与管理知识结合起来，对其未来职业生涯的发展有着重要作用。人工智能是一门前沿学科，管理学院开设人工智能课程的目的是为了更好地培养学生的技术创新思维与能力，基于其覆盖面广、包容性强、应用需求空间巨大的学科特点，通过概率统计、数据结构、计算机编程语言、数据库原理等基础课程的学习，加强学生解决实际问题的能力，为就业打下基础。本文基于社会对于人工智能领域的人才需求，结合诸多长期从事经管类专业课程教学的老师意见，针对管理类人才的人工智能课程教学内容与方法进行探讨，以期对中国高校人工智能课程教学改革研究提供帮助与借鉴。

1、教学现状与问题

作为一门综合性、实践性和应用性很强的理论技术学科，人工智能课程内容及内涵及其丰富，外延极其广泛。学习这门课程，需要较好的数学基础和较强的逻辑思维能力。针对管理类人才，该课程在课程教学过程中存在几个较为突出的问题。(1)课堂教学氛围枯燥目前，中国大多数大学仍采用传统的课堂教学模式，在教学过程中照本宣科，忽略与学生的互动，并且缺乏能够有效引起学生学习兴趣与加深知识理解的教学环节设置，如此一来大大降低了学生自主思考的能力。在进行人工智能相关课程知识讲解时，随着章节的知识难度不断增加，单向介绍式的枯燥教学方式无法反映人工智能学科的全貌，课堂讲解难以同时给以学生感性和理性的认知，部分学生因乏味的课堂氛围渐渐无法跟上教学进度，导致学习动力不足。(2)基础课程掌握不牢管理类专业的学生大部分都会走向更加具体化的管理岗位，具有多学科的素养，但这也导致很多学生所学知识杂而不精。学生在基础不夯实的情况下去学习更高层面的知识，给学生学习与老师教学都造成了很大困扰。人工智能课程知识点较多，涵盖模式识别、机器学习、数据挖掘等众多内容，概念抽象，不易学习。一些管理类专业的学生未能熟练掌握高等数学、运筹学、数据结构、数据库技术等先修课程，缺乏一定的关联思考和研究意识，导致课程学习难度增加，产生学时不足和教学内容难点过多的问题。(3)教学与实际应用脱节当下，人工智能广泛应用于机器视觉、智能制造等各个领域，给学生提供了大量的现实案例，使得人工智能不再是高深莫测的理论，而是现实中可以触及的内容。例如，在机械学科领域，人工智能技术是电气工程、机械设计制造、车辆工程等方向的重要技术来源；在医疗领域，是医疗器械的创新生产源动力；在能动领域，是高端能源装备与新能源发展的重要驱动；在光电信息与计算机工程领域，技术的发展时刻推动着智能科学与技术核心价值的提升。然而，对于管理类专业的学生来说，现阶段的人工智能教材涵盖许多智能算法及相关理论，在教学过程中常常涉及到很多从未接触过的抽象理论和复杂算法，书本中的应用实例大多纸上谈兵，缺乏专门适用于管理类专业知识与人工智能技术相结合的教学实践，加上一些教师授课方法单一，不利于引导学生将人工智能算法应用于现实生活。另外，大学生对知识的理解能力差异很大，教师采用统一的方式教给他们，这使一些学生无法跟上和理解，教师也无法控制学生的学习状况，导致学生缺乏动力。因此，如何结合学生的现实情况，提高他们的动手能力和实践经验也是人工智能课程教学要考虑的问题。

2、管理类人才的人工智能课程教学改进策略

课程教学改革是一项提高大学教学效果和人才培养质量的重要手段。如何在时代背景下应用新技术和新思想进行实施课程教学改革是高校亟待解决的问题。对于高校的教学工作而言，教学目标、教学内容和教学方式的变化不再是课程资源的简单数字化和信息化，而是充分利用时代信息资源优势的新型教学模式。针对管理类专业人工智能课程教学过程中存在的问题，可以从教学方法改进和教学内容设置两个方面进行课程教学改进。

2.1教学方法改进

教师对学生具有引领作用，其教学方法的改进能够带动学生改进自身学习方法。(1)启发式案例教学案例教学法就是教师根据教学目标、教学内容以及教学要求，通过安排一些具体的教学案例，引导学生积极参与案例思考、分析、讨论和表达等多项活动，是一种培养学生认知问题、分析和解决问题等综合能力的行之有效的教学方法。启发式案例教学以自主、合作、探究为主要特征，调动学生的学习积极性，并紧密结合人工智能领域的相关理论与方法，有效理解知识要点及其关联性，适用于管理类专业学生的教学。具体而言，高校基于其问题启发性、教学互动性以及实践有用性等特点，可以建立基于人工智能知识体系的教学案例库，虽然这项建设将极具挑战性与耗时性，但具有很强的积极效果：培养学生较强的批判性思维能力，更多地保留课程材料，更积极地参与课堂活动，对提高教学质量、培养具有人工智能背景的管理类人才具有重要意义。例如，通过单一案例教学，让学生掌握相关基础知识原理及应用；通过一题多解的案例使学生思考如何获取最有效的解题方法；通过综合案例的设计，启发学生全方位地探索问题的解决方案。(2)研讨互动式教学研讨互动式的各个教学环节是逐渐递进、有机结合的。研讨是基于学生个体的差异性，在课堂讨论的过程中对学生做出评判，从而对不同类型的学生开展针对性的教学。互动则是在研讨的基础上，通过老师与学生、学生与学生的互动，让学生主动参与到课堂教学的过程中来。在人工智能课程教学过程中，教师通过课堂讨论了解学生对于知识点的掌握情况，可以有针对性地设计教学内容，例如，对于学校积极性不强的学生，将人工智能理论内容与学生个人兴趣范畴、社会产业发展及研究现状联系起来，能够极大程度地提高学生学习的自主能力；对于基础知识较为薄弱的学生，可以在教师的指导下查阅相关文献资料，根据自己的理解撰写心得报告，并在课堂或课外进行师生互动。像这样研讨与互动相结合的模式。有助于增强学生的探索和求知欲望，建立起浓厚的学习氛围。(3)有效激励式教学人工智能是引领未来的战略性技术，人才需求量极大，对教师的教学水平也提出了更高要求，因此，进行有效激励极为重要。在学生激励方面，可以举办各类人工智能竞赛项目，设置相应项目奖学金，吸引学生参与实践，调动学生做研究、发论文的积极性。例如，教育部主办的中国研究生人工智能创新大赛，围绕新一代人工智能创新主题，激发学生的创新意识，提高学生的创新实践能力，为人工智能领域健康发展提供人才支撑。高校也可以借鉴这种模式，在各学院乃至全校开展此类竞赛项目，激发学生的创新能力与团队合作能力，鼓舞更多学生加入到人工智能课程的学习中来，激发其学习兴趣。在教师激励方面，在教师聘任和提升过程中把参加学生课程制定、课堂与课外作业、课程项目和论文指导等看作教学任务的一部分，鼓励教师积极参与这些活动。(4)学科渗透式教学人工智能学科知识融合程度较高，学科交叉性强。基于人工智能的学科交叉性特点，增强管理类人才对学科应用的领悟，可以采取开展学科渗透式教学的方法。从2015年起，国务院和教育部先后印发了《国务院关于积极推进“互联网+”行动的指导意见教育》、《高等学校人工智能创新行动计划》等文件，“互联网+”、“智能+”已经渗透到各个领域，人类进入数字经济时代，社会需求“技术+管理”的高端复合人才。例如，基于工业4.0和强国战略，人工智能技术在智能制造的应用极为广泛。上海理工大学非常重视少数民族预科班的教育质量。为增强少数民族管理类人才对该领域应用的认识，我们请机械工程、能源动力领域的相关专家以授课或讲座的形式，进行相关领域知识和发展趋势的讲解，使学生理解更为透彻。此外，在教学实践过程中，还可以用举办人工智能知识交流会、线上人工智能论坛等形式，促进不同专业间老师、学生对于人工智能知识模块的见解，相互交流、渗透和学习，从而推动人工智能课程教学的改进。

2.2教学内容设置

篇5

一、网站的构建 

 

1.网站框架设计 

我国高中阶段人工智能教育还处于起步阶段，据调查，全国已开设人工智能课程的中学不超过十所。事实上，对于人工智能这一前沿学科，大部分信息技术教师还缺乏足够的了解，因此对于该课程的开设也一直处于观望状态。考虑到人工智能教育的实际情况以及网站的主要对象，我们以高中信息技术选修课教材《人工智能初步》为基础，按教学内容设置和划分栏目，同时又围绕“学人工智能、教人工智能、用人工智能、机器人专题”四大专题进行内容重组。当然，网站的基本架构并非一成不变，它需要在实际应用中进行检验与修正，最终实现网站的完美架构。依据上述思路建构的网站基本框架如图1所示。 

2.网站的栏目设计 

 

新闻栏目以图文的形式人工智能发展的最新情况，这是激发并维持广大师生关注人工智能的基础，也是师生获取最新信息的窗口。子栏目“中国动态”“欧美动态”等分别介绍了各地区最新的人工智能信息，尤其是机器人产品的新闻。子栏目“会议论坛”，“比赛通知”为师生、参与比赛提供服务。 

论文栏目是作为资源型网站的基础。子栏目“教学研究”主要面向从事人工智能教育的研究者和教师，探讨教学方法、分析教学案例、推荐教材和参考书，为更好的开展人工智能教学提供理论依据。子栏目“学习乐园”主要面向学生，展示活动实录、阐述学习感受，聆听专家意见，为更好的学习人工智能提供事实参考，教师也通过“学习乐园”来了解学生的所思所感所想。子栏目“赛事规则”介绍了各个地区和各级机器人比赛的一些规则，有利于师生更好的进行人工智能的教与学。 

资源、视频、图库、酷站：这四个栏目是资源型网站的核心。尤其是资源模块中的子栏目“电子书刊”“教学课件”“人工智能软件”分别以不同的文件格式向师生提供教与学的资源，使其能快速准确地获取符合需求的资源，免去了在因特网上盲目搜索出现大量冗余信息的麻烦。网站整合了文本、视频、图片等多媒体信息，以丰富多彩的形式呈现资源，增强了网站的吸引力和信息的可阅读性。 

爱问栏目是作为学习型网站的基础，也是本网站的一大特色。“爱问”是采用了模仿“百度知道系统”的程序设计，更注重知识的答疑解惑。我们将此栏目划分为“学人工智能”“教人工智能”“用人工智能”“机器人问题”四个子栏目，师生可根据各自的需要进行提问、回答问题、搜索问题等操作。同时，设立了积分制，激发师生提问和回答问题的热情。 

用户中心栏目是学习型网站的核心。作为一个专题网站，必然要十分强调学习的功能。子栏目“网络书签”的功能可以使学习者记录自己所浏览过的或所感兴趣的网页，便于在下次登陆后继续学习。在子栏目“信息”功能中，学习者可以新闻、论文、资源、爱问等信息，待管理员审核通过后即可在网站中显示出来。另外，教师也可在教学过程中通过此模块要求学生提交作业，便于教师随时随地的批改作业。 

 

二、网站的访问数据分析 

 

人工智能教育专题网站从开设至今将近8个月的时间，已经有超过1万的独立访客访问了本站，我们选取了最近访问的2000位独立访客进行研究。通过对地域、被检索方式、受访页面及回头率的分析，可为网站下一步的改进与完善提供依据，为其他人工智能教育类网站的建设，在网站的用户类型，网站的内容选择与更新，网站的推介宣传等方面提供参考与借鉴。 

 

1.地域分析 

在统计到的访问该网站的地域中，国外共有12个国家访问了本网站。国内除西藏、澳门之外，其他省份、直辖市、特别行政区都有访问过本网站，这为我们今后在高中普及人工智能教育提供了有力的依据。但是，通过图2的数据我们也可看到，各个地区间的访问量差距较大，并且访问量靠前的几个省份基本上是沿海地区，而中部和西部地区的访问量比较少，所以在今后的工作中不仅要加强网站本身的建设和宣传，更要把人工智能教育的理念推广到中部和西部地区，使那里的中小学师生也接触人工智能的知识，激发他们对信息技术美好前景的向往。 

2.被检索方式分析 

搜索引擎是网络上最常用的获取资源的方式。掌握用户使用搜索引擎的情况，有助于了解网站的被检索方式。统计搜索关键字的次数，有助于了解网站被检索访问的原因。在专题网站建设完成后，向“百度”、“Google”等大型搜索引擎系统提交收录网页申请是极其必要的，它有利于提高网站的知名度和访问量。而在网站中增加“人工智能”，“prolog 源程序”等文字内容，将会有利于用户在盲目搜索时能访问到该专题网站。 

3.受访页面分析 

受访页面是指用户访问该专题网站时所停留的页面。通过对受访页面的统计，使我们能够掌握用户相对较为关注网站的哪些内容。表1数据中“学人工智能”占23.82%，“资源下载”占了16.32%，表明用户对人工智能的知识还不是很了解，对人工智能的认识还停留在“学”的层面，远未达到“教”的程度。人工智能教育类网站在建设中，如果能提供大量的人工智能的基础知识以及丰富的可下载资源，将会显著提高网站的受欢迎度以及用户的认可度。 

4.回头率分析 

在网站访问统计中，通常将距离上次访问超过12小时的再次访问记录为一次回头。通过对回头率的统计（表略）看出该专题网站的粘性不是很高，尤其是3次回访以上的用户还不多。通过对部分用户访谈后了解到，网站的更新速度慢，资源较少，内容偏难是其不愿进行多次回访的主要原因。所以，人工智能教育类网站在维护期间要注意内容的时效性、丰富性、通俗性才能保证网站访问的可持续性。 

 

 

三、网站建设的若干思考 

 

目前国内外有关人工智能的专题网站不多，针对人工智能教育的网站更少。在可供借鉴的成熟案例较少、研究又处于刚起步阶段的情况下，有必要对我们的工作进行反思总结。通过上述访问数据的分析，以及在人工智能教育专题网站建设的准备阶段，实施阶段及运行阶段的实践，我们认为在建设人工智能教育类网站时应当注意以下几个问题。 

1. 充分关注用户信息 

访问量是综合类或门户类网站的生命线，应当尽可能地拓宽访问者的类型与层次。但人工智能作为一门新兴学科，其专题网站的学科性特点甚至比普通的专题学习网站还要突出，因此单从访问量上来说，它是无法和门户类网站相比的。所以在建设的初期首先就要考虑的网站的对象问题，也就是要关注哪类人访问了网站。只有准确的掌握了用户的信息才能更好提供用户需要的资源。 

在这里，人工智能教育专题网站是通过以下三种手段来获取用户信息的。 

第一，用户必须注册才能访问网站，注册的内容包括年龄、身份、学历，电子邮件等内容。 

第二，在网站中设立“网站调查”栏目，可以对“你是如何知道本站的”，“你觉得本站建设的如何”等内容教学在线调查。 

第三，通过“中国站长站”等专业的数据收集程序来获取用户基本信息，可收集到用户地域、受访问页面、用户回头率等信息。只有掌握了准确的用户信息，才能更好的为用户提供服务。 

2.与用户携手共建网上资源 

人工智能的子学科门类众多，仅高中教材《人工智能初步》中就有知识及其表达、推理与专家系统、人工智能语言与问题求解等多个主题。而且我国的人工智能研究相对薄弱，很多资料都是外文的。任何一个人要很熟练的掌握人工智能的各个内容是很困难也是不现实的。我们通过一年多的实践也体会到，仅仅依靠课题组成员很难保证网站资源库内容的全面性和针对性。所以在网站最新一次改版中，我们增加了用户的信息功能，使得用户自己可以新闻、添加文章，上传资源，只要经过管理员审核即可在网站中显示。 

另外，在人工智能教学过程中，我们也充分利用学生的优势，要求学生以作业的形式提交文本和视频资源，并将作业的数量和质量作为考察学生学习效果的一个指标。这些举措保证了网站内容更新的时效性和内容的针对性。用户所的就是用户所关注的，用户所关注的就是网站所要收集的。 

3.通过多种形式充分发挥网站作用 

目前，全国高中开设了“人工智能初步”选修课的学校极少，教师手头上可供选择的教材也只有5套。从专题网站上统计的数据来看，虽然网站目前的用户主要是教师，但“学人工智能”页面访问量却远多于“教人工智能”。从这些情况看，单靠几个人工智能教育类的专题网站无法从根本上解决高中人工智能教育现阶段所面临的窘境。所以，在条件允许的情况下，可以通过研修班、会议论坛等形式组织教师进行面对面的交流。 

例如，我们就在2007年5月25日至27日在浙江师范大学举办了全国首届“高中人工智能课程研修班”，来自全国十个省市的70余位信息技术教师及教研员参加了研修班的学习。在研修活动中，教师不仅学习了人工智能的知识，也对人工智能教育的现状及发展过程中遇到的问题做了充分了探讨和交流。本次研修活动结束后，人工智能教育专题网站则成了学员们交换信息、交流体会、共享资源的有效平台。 

 

四、结束语 

 

总之，借助专题网站的平台作用开展各种活动，不仅弥补了人工智能教育网站缺乏面对面交流和互动的缺点，也为把网站资源建设的更具针对性提供了有效帮助。 

 

参考文献： 

[1]张剑平. 关于人工智能教育的思考[J] .电化教育研究.2003，（1）. 

篇6

中图分类号：G642.3 文献标志码：A 文章编号：1674-9324（2012）06-0152-02

虽然人工智能的发展历史只有五十余年，但它已经广泛应用于专家系统、机器翻译、图像处理和机器人技术等领域。随着人工智能技术对社会经济发展的影响不断增大，人工智能课程不再是计算机专业独有的专业课程，国内外很多高校在自动化、智能交通等专业都开设了选修课，甚至在高中的信息技术课程中也在推广设置。吉林大学硕士专业“模式识别”将《人工智能》设为专业学位课程，同时也将其设为汽车、机械等其他学科的选修课程。由于研究生相关基础知识水平参差不齐，课程内容又比较抽象、生涩，为了提高教学质量，在本次教学改革过程中充分考虑学生学习新知识的心理演变过程，认真研究教学内容、教材、教学方法等诸多方面，力求在教授基本原理的同时，培养学生对智能系统进行理论分析、设计并编程实现的能力，为后期的论文研究阶段打下坚实的基础。本次教学改革受到了吉林大学研究生课程体系建设和核心课程建设项目的资助。

一、教学内容

教学改革的关键是教学内容。人工智能与统计学、心理学、语言学、计算机科学、生物学、控制论等都有交叉关系，学科涉及的内容十分庞大。人工智能学科知识的繁多与授课学时有限之间的矛盾比较突出。作为国内模式识别专业的领军院校，如中科院智能所、清华大学、上海交通大学和南京理工大学等，他们所开设的《人工智能》课程学时和内容也不尽相同。我们参考了上述院校的授课内容，同时考虑到本校本学科的学术研究方向，精心归纳、优化教学内容，力争做到教学内容系统、精炼和实用。目前，我们讲授的教学内容主要包括：智能化智能体系统、盲目搜索方法、启发式搜索方法、局部搜索方法、约束满足问题、博弈树搜索方法、知识表示方法、不确定知识与推理、规划与机器学习等，共40学时。

另外，人工智能领域中新问题、新理论交错涌现，这就要求教学大纲要定期修订，教学内容要及时更新，同时教师也需要不断提高自身的学术水平，以便提高硕士课程的研究性内涵。

二、教材选用

要搞好课程建设，教材是一个很关键的问题。我们广泛阅读和研究了国内外的经典教材，经过一番斟酌之后，我们选用了Stuart Russell和Peter Norvig所著的《人工智能-一种现代方法（第二版）》。首先，选用国外教材能够更快地追踪最新研究成果。同时该教材已经被世界上900多所大学采用，符合促进高校的教学内容向国际水准靠拢、与国际接轨的理念。另外，人民邮电出版社在2002年曾经出版该书的英文版的第一版，双语学习能有助于提高学生的英语水平，为学生后续的查阅英文文献，甚至发表英文文章奠定基础。

三、教学方法

在国内，比较有影响的是中南大学以蔡自兴教授为首的教学团队为计算机科学与技术本科专业开设的人工智能课程，该课程在2003年被评为全国高等学校首批精品课程[1]。2007年该课程又开始进行全国双语教学示范课程建设，成绩斐然[2]。多年来，我们不断汲取同行的成功教学经验[3]，结合本学科的硕士专业特点、考虑学生的知识结构和实践能力，不断改革和尝试，总结了一套行之有效的教学方法。我们一切以学生为主体，在教学过程中充分考虑学生学习新知识的心理演变过程，采用灵活多变的教学手段。让学生从感兴趣，保持兴趣，到收获用所学知识解决实际问题的成功喜悦，并进一步增强投身于科研论文研究的热情。

课程伊始，通过多媒体演示人工智能技术已取得的杰出成就，激发学生的学习兴趣。然后布置学生查阅资料，列举人工智能发展史上的重要事件和最新研究的热点问题，课上再组织学生做报告。通过上述活动，一方面拓展了学生的专业视野，另一方面锻炼了学生的表达能力。

随着课程内容的深入，让学生组成兴趣小组，任意选择问题实例，利用每节课学习的理论、算法不断地更新该实例的解决方案，评价性能优劣。学习小组可以培养学生科研协作的精神。另外，课堂上每组轮流做报告阐述各自的研究进展，演示编程效果。其他同学或给出修改意见，或提出个人观点。最后老师及时总结，引导学生提高分析问题的深入性和广泛性。充分的课堂讨论能够提高学生多角度思维的能力，培养学生善于钻研和勇于创新的精神。同学间的这种学术交流也可以让学生有机会了解彼此的学习状况与能力，促进学生展开良性的学习竞赛，也为学生接受和理解老师最后给出的课程成绩做了心理铺垫。老师总结时要对学生的努力多肯定，激发他们的学习热情和潜能，让他们感到学习知识的快乐。

四、考核方式

实践表明笔试测验的方式不能全面反映学生的学习情况，所以本课程尝试采取自选实验设计题目，根据实验报告、上机演示结果和口试等方式综合评定成绩。其中，实验报告要求学生根据实验题目详细介绍设计思路，阐述编程方法，分析实验结果。口试是老师当场就报告中的问题提问，并对学生的回答进行讲评。课程成绩中，实验报告设计分析占60%，上机成果演示占30%，口试占10%。

通过实验设计的考核方式，学生的学习积极性得到了很大的调动，充分发挥了学生的自主创新能力，锻炼了学生知识综合应用技能。但美中不足的是该方式不像笔试那么客观，学生的成绩容易受教师的主观性影响。另外，人工智能作为一门学位课，其成绩往往直接影响学生的奖学金评定，学生和相关领导对成绩的评定原则十分关心和重视。为了减少人为因素对学生成绩的干扰，避免师生因课程成绩产生分歧，我们规定了完善的考核细则。考核细则发给同学，作为实验报告的首页，方便记录每一个环节上学生的得分情况，做到成绩评定有据可查。

非笔试的成绩评定方式对任课教师的要求也提高了，我们教师团队还规定了详细的教师工作守则。首先要求教师认真细致地阅读学生的实验报告，给出报告得分，并准备口试时提问的问题，得分和问题都要在实验报告的首页做好记录。询问每个同学的问题都不能重复，上机演示和口试环节都是公开的。问题可以是设计不合理的思路，或是阐述不清的步骤等，教师要注意掌握问题的数量，尽量做到均衡。上机演示时，学生经常因为紧张而漏掉部分功能的演示，因此，教师要跟学生加强沟通。口试时，根据学生的状态，可以给予适当启发，但要在成绩评定上做出相应调整。经过多年的摸索，我们将上机演示按照实验报告成绩的倒序方式进行，这样有利于在口试过程中由浅入深，逐渐加深问题的难度，有效避免重复。教师评价时应严格缜密，让学生正确认识自己的设计水平，对课程成绩的认定跟老师达成一致。

经过教学团队的不懈努力，“模式识别”专业的“人工智能”课程建设在教学内容、教学方法、教材选用、考核方式等方面的研究都取得了一些成绩，教学实践表明教改措施已见成效，教学质量有了明显提高。

参考文献：

篇7

中图分类号：G642　文献标识码：B

1　引言

人工智能是计算机科学与技术学科类各专业重要的基础课程，在信息类相关的许多高年级本科和研究生都开设了人工智能课程。人工智能是一门前沿性的学科，它主要研究计算机实现智能的基本原理和基本方法，同时人工智能也是一门多学科交叉的综合学科，它涉及计算机科学、数学、心理学、认知科学等众多领域。广义的人工智能涵盖了模式识别、机器学习、数据挖掘、计算智能、神经网络、统计学习理论等众多研究方向。人工智能作为计算机学科的重要分支，已成为人类在信息社会和网络经济时代所必须具备的一项核心技术，并将在未来发挥更大的作用。

由于人工智能课程的学习难度较大，内容更新比较快，也繁多，使得教学有一定的难度。特别是针对本科高年级的人工智能教学，由于本科生的研究意识相对较弱，而人工智能比较强调科研性，所以如何教好本科高年级的人工智能课程是一项非常具有挑战性的任务。

本文通过分析本科高年级的教学特点和人工智能课程的自身特点，在如何提高教学质量这一问题上提出了几点思考。

2　本科高年级的教学特点

中国的本科教育，由于历史和经济发展水平等诸多原因，目前的定位还是培养某方面专业人才的专才教育。本科高年级学生在完成了低年级公共基础课程和部分专业基础课程的学习之后，迫切希望了解本专业的应用领域和发展前景，所以在教学过程中要注意内容的应用性和专业性。另一方面，本科高年级学生也是研究生教育的储备人才，在教学过程中要适时的进行科研引导，这样能够让毕业生保持对科学的兴趣，从而为研究生阶段进一步深入研究打下基础。本科生一般于4年级的10月份开始着手毕业设计，在本科高年级的教学过程中还要注意与毕业设计的内容相结合，这样可以让学生提前做好准备，选择适合自己的方向。

3　人工智能课程的学科特点

与信息类其它专业课程相比，人工智能具有应用性、研究性和发展性三个重要学科特点。首先，人工智能是一门应用性很强的学科。人工智能学科的主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。人工智能技术广泛应用于模式识别、数据挖掘、智能控制、信息检索、智能机器人等领域，在日常生活中，随处可见人工智能技术的应用实例；其次，人工智能技术具有很强的研究价值，是计算机科学领域中重要的研究方向。技术进步无止境，研究者们不断追求开发出效率更高、更智能的人工智能技术：最后，人工智能是一门正在发展中的学科。随着信息化、计算机网络和Internet技术的发展，人类已步入信息社会和网络经济的时代，它们为人工智能提出了许多新的研究目标和研究课题，人工智能的应用领域以及技术算法都在不断发展。

4　人工智能教学的三点思考及对策

4.1　注重应用性和介绍性

在教学实践中，笔者发现，本科高年级学生一般比较关心各种人工智能技术的应用领域和使用方法，而对基础性理论和技术细节不是很感兴趣。他们一方面希望能学到很多较新和较实用的人工智能算法，并且最好可以看到使用效果；另一方面又希望老师的教学主要停留在介绍性层面，不想花太多时间在复杂的理论理解上。这也比较符合本科高年级的教学特点，本科阶段主要是培养具备较强应用性和基础科研素质的专业人才。传统的人工智能教学主要讲授知识表示和搜索推理技术，大部分实例都是解答式或推证式的。由于其知识的抽象性，又加之其应用实例较少，所以往往教师感觉难讲，学生在学习过程中也感觉乏味，对讲授的内容大多都是死记其方法和步骤，因此影响了教学效果。针对这一问题，笔者认为，在设计人工智能教学时，要注重内容的新颖性、实用性和介绍性。除了讲授那些仍然有用的和有效的基本原理和方法之外，要着重介绍一些新的和正在研究的人工智能方法和技术，特别是近期发展起来的方法和技术，如支持向量机、决策树、模糊集、遗传算法、蚁群算法等。这些内容的理论部分可以不必过分深究，教学重点主要放在介绍每种技术的产生背景、发展状况、应用领域和具体实现上。此外，要注意理论与实际应用密切结合，在教学过程中加入一些与课程内容结合的、可以用计算机实现的实际应用内容。考虑到目前应用最广泛的人工智能领域之一是模式识别，而研究模式识别的主要计算机工具是Matlab，所以笔者在教学过程中以手写数字识别作为教学实例，针对所介绍的每一种人工智能技术，都将其应用于手写数字识别当中，并讲解了这些技术的Matlab实现方法。学生在掌握了基本理论之后，可以按照实现步骤的指导，立刻上机见到算法的实际效果，加深对算法实现思路和方法的认识。

4.2　注重科研引导性

本科教学不仅要培养学生的应用能力，还要培养学生具备基本的科研素质。本科教育一方面为社会培养了大批应用型人才，另一方面也要为我国的科研事业培养后备力量。特别是近几年来我国对科研的投入不断增加，研究生招生规模逐年增大，本科高年级学生打算继续读研的也不在少数。而人工智能是计算机相关学科非常活跃的研究课题，其涵盖的分支非常广泛，如模式识别、机器学习、数据挖掘、计算智能、统计学习理论等，都是目前国际和国内热门的研究方向。针对这一特点，在本科高年级的人工智能教学中，还要注意对学生适时适度的科研引导。这样可以激发学生的研究兴趣，树立目标意识，找准研究方向，为未来的科研工作打下基础。在教学过程中，可以引导学生思考每种人工智能技术的优点是什么?缺点是什么?有没有改进的办法?比如BP神经网络是计算智能中较为成熟的技术，具有强大的非线性学习能力，在模式识别、经济数据分析、生物信息学、数据挖掘等众多领域都取得过成功应用。然而BP神经网络算法自身也存在着一些缺点，如会有局部最小解、解受初值影响较大、理论解释不完善等。近十年来，研究者逐渐把目光转移到另一种新的非线性学习工具――支持向量机上。同神经网络相比，支持向量机具有泛化能力强、不受局部最小问题困扰、理论背景完善等显著优点。在给学生讲解BP神经网络算法的时候，一方面可以通过手写数字识别实验展示其强大的非线性分类能力，另一方面也要告诉学生，BP神经网络并不是完美的，其缺点同样明显。然后引导学生对这些问题进行思考，讨论有没有更好的解决办法。此时，顺势引出支持向量机的内容，并且介绍支持向量机的研究现状和研究方向。通过两者的对比，学生不但了解到了较新的人工智能技术，又对人工智能研究中如何去发现问题、解决问题、人工智能技术的进化历程有了直观的印象。

4.3　教学内容与毕业设计相结合

篇8

人工智能是计算机科学的一个分支,是一门研究运用计算机模拟和延伸人脑功能的综合性学科,对它的研究涉及控制论、信息论、系统论、语言学、神经生理学、数学、哲学等诸多的学科及领域,是一门综合性的交叉学科[1]。

人工智能的研究、应用和发展,在一定程度上代表着信息技术的发展方向,同时信息技术的广泛应用也对人工智能技术的发展提出了迫切的需求。今天,人工智能的不少研究领域如自然语言理解、模式识别、机器学习、数据挖掘、智能检索、机器人技术、人工神经网络等都走在了信息技术的前沿,有许多研究成果已经进入人们的生活、学习和工作中,并对人类的发展产生了重要影响[2]。

实践教学环节在大学教育中是一个非常重要的教学环节,是提高人才素质与能力的重要途径。人工智能课程除了具有较强的专业性之外,还具有突出的实践性,为了能深入理解和掌握所学内容,必须把讲授和实践结合起来。本文结合该课程实验教学,将研究型教学的理念引入到实验教学,并对教学过程中的经验和问题加以初步的总结。

1研究型教学模式背景

研究型教学是相对于以单向性知识传授为主的传统教学提出的,是指教师以课程内容和学生的学识积累为基础,引导学生创造性地运用知识和能力,自主地发现问题、研究问题和解决问题,在研究中积累知识、培养能力和锻炼思维的新型教学模式。研究性教学是对现有的大学课堂教学模式的突破。有利于开发大学生的创造潜能,提高学生适应社会需要的创造性和创新能力,充分展现现代大学培养人才、发展科学、服务社会的三大基本职能[3]。

19世纪初,德国著名教育家洪堡最早提出了教学与科研相统一的原则,为研究型教学模式的发展奠定了基础。20世纪50、60年代,美国著名教育心理学家布鲁纳提出了著名的“发现教学模式”[4],成为后来探究性学习和研究型教学的先导。20世纪70年代,美国研究教学专家萨奇曼正式提出了研究训练教学模式。他认为学生会本能地对周围新奇事物发生兴趣,并想方设法弄清这些新奇事物背后究竟发生了什么,这是一种进行科学研究的可贵的动力。

自此,研究型教学理念开始广泛使用。现在,哈佛大学、牛津大学、剑桥大学等世界著名大学,都非常注重学生能力的培养,普遍采取了研究型教学模式。以美国高校为例,虽然美国高校83%的教师在课堂教学中主要采用讲授法进行教学,但在整个教学过程中都渗透着研究型教学的方法,如积极引导学生参与教学过程,开设研究性课程,引导学生积极主动地参与科研活动等。我国自20世纪90年代初推出211工程建设以来,清华大学、北京大学、人民大学、复旦大学、浙江大学等一些重点大学都提出了建设世界一流的综合性研究型大学的目标。这些高校在实现从单向知识传授的传统型教学向关注创新性教育的研究型教学转变方面进行了许多有益的尝试。

2研究型实验教学

本科教学不仅要培养学生的应用能力,还要培养学生具备基本的科研素质。大学是培养未来一线创新人才的主要基地,必须从本科教学人手,深入探索研究型教学的手段和方法,才能满足未来经济增长和社会发展的需要,才能符合建设研究型大学的需要。特别是近几年来我国对科研的投入不断增加,研究生招生规模逐年增大,本科高年级学生打算继续读研的也不在少数。而人工智能是计算机相关学科非常活跃的研究课题,其涵盖的分支非常广泛,如模式识别、机器学习、数据挖掘、计算智能、统计学习理论等,都是目前国际和国内热门的研究方向。

人工智能课程在计算机专业人才培养方案中占据着重要的位置。在专业理论方面,它承续了离散数学中的逻辑知识;在专业方法方面,是数据结构、算法分析与设计的继续;在专业工具方面,是面向对象程序设计的生动实例。并且人工智能的每一部分内容都可以作为一个深入的研究课题,课堂上讲解的内容不可能面面俱到,学生们也不可能对人工智能的每一领域都做很深入的学习。并且人工智能涉及很多的数理逻辑知识,有些显得难以理解,并且往往让学生感到比较枯燥,学生的学习兴趣就渐渐淡薄,学生往往被动“听讲”,难以获得预期的教学效果。

针对这一特点,在人工智能教学中,如何引导学生系统学习人工智能的知识、激发学生的研究兴趣,树立目标意识找准研究方向,为未来的科研工作打下基础,研究型实验教学就成为了人工智能课程教学的一个重要环节和必然选择。

2.1实验教学中加强学生的研究导向

在实验教学中,如果照搬一些教材中的例子或习题教学,一方面学生们会缺乏兴趣,另一方面学生对这个领域的知识缺乏全面的了解。应不断提出一些学生们感兴趣的开放性课题,比如基于支持向量机的人脸识别、基于肤色的人脸检测,基于内容的图像检索等,培养学生们的学习兴趣,让学生们逐渐深入的学习某一领域的知识。比如BP神经网络,在模式识别、经济数据分析、生物信息学、数据挖掘等众多领域都取得过成功应用,是一种具有强大的非线性学习能力的计算智能技术。然而BP神经网络算法自身也存在着一些缺点,如会有局部最小解、解受初值影响较大、理论解释不完善等,而支持向量机在这些方面具有显著优点。我们可以设计一个人脸识别的实验,用神经网络和支持向量机分别实现,并作以比较。让学生们在了解人工智能新技术的同时,也培养学生们如何分析问题、解决问题的科研能力。

2.2人工智能课程实验

该课程是一门对实验技术有较高要求的课程,对于基本原理和方法的实现,要求学生进行严格的计算机专业技能训练和培养良好的科研工作作风。因此对课程中的技能及技术性内容,除单独进行必要的基础训练外,还融入到综合和研究型试验中,通过多次反复实验练习,达到牢固掌握人工智能原理和人工智能的问题求解技术的目的。

该课程的实践环节主要是实践项目,由具备较强工程实践能力的任课教师和助教负责,学生可在全天候开放的专用机房完成。在实践环节的设计上,我们尝试把验证性实验和开发性实验相结合,结合实验教学进度,安排相应的开放实验,开放性实验以科学研究实验为主。并在课程的教学过程中,不断深化和扩展教学内容,结合人工智能学科的发展趋势和本院老师的最新研究成果,对实验内容进行更新。

课程主要设置三种层次的实验:1)基本原理和算法编程,测试例设计及程序测试实验;2)分析综合实验;3)研究型设计实验。整个实验包括课前讨论、实验操作、实验报告、结果讨论、总结提高等六个环节。对于综合性和研究型实验,把学生分成5个人一小组,每小组选做其中的一个。学生从指导老师处了解到实验课题后,即着手查资料,研读文献,钻研有关理论。在此基础上,学生先提出实验方案,经与老师讨论后,即可开始实验研究。

3实验平台的构建

民族关系问题对被访对象,特别对少数民族被访对象是非常敏感的问题,对民族关系的评价又存在个体层面、群体层面、不同阶层人群之间的差异,因此,仅仅以传统的文献分析、问卷统计和现场观察等民族学方法来进行调查,得到的数据会存在较多误差。

因此结合本校的民族特色和民族学领域独特的研究优势,将信息认知技术引入民族关系研究,运用图像、心电和脑电数据进行分析,将分析的结果和心理场景测试及民族学调查结果进行相互印证和参数修正,从而获得尽可能客观的数据,这些数据将有助于建立一个客观、完备、科学的民族关系监测体系,并真实全面地评估民族关系,从而使决策机构及时做出正确的决策。基于多信息融合的民族关系监测预警系统总体框图如图1所示。

目前该平台已经搭建,由北京市公共安全信息监测平台建设、北京市公共安全信息监测平台建设关键技术研究、基于多源信息融合的民族信任研究等多个重大项目支撑。在这个平台的下面,涉及到人脸识别、表情识别,视频监控、认识等领域,小波分析、神经网络、支持向量机、模糊数学、信息融合等人工智能知识得到了具体的应用。学生可以根据自己的兴趣爱好,自愿参加到该平台下的某一项目,切实对自己所学知识有一个深刻的理解和掌握。

4结语

研究型实验教学激发了学生的学习兴趣,不但使学生更好地掌握了人工智能的基本概念、基本理论和基本技术,也切实提高了学生的实际动手能力和编程能力。研究型实验教学在实践过程中还有以下问题需要改进:

1) 研究型实验教学的理念很难普及。很多教师对研究型教学模式的内涵未能准确把握,把研究型教学模式等同于学生实习或者写论文。

2) 研究型实验教学的辅导老师素养需要提高。研究型实验教学作为体现创新教育要求的现代教学模式,需要的不是知识传授型的教师,而是高素质的研究型教师。教师不仅是单一的教者,更应该成为一个学者,教师不仅要有研究型教学的教育观念、快速接受新知识的能力和高超的教学技能,要能够合理地规划和设计实验内容。

3) 需要建立一套合理的学生学业和教师绩效的评价体系。

参考文献:

[1] 王万森. 人工智能原理及其应用[M]. 北京:电子工业出版社,2007.

[2] 蔡自兴,徐光佑. 人工智能及其应用[M]. 北京:清华大学出版社,2004.

[3] 李得伟,张超,李海鹰. 大学工科专业课程实施研究型教学的探讨[J]. 高等教育研究,2009(9):74-75.

[4] 彭先桃.大学研究性教学的理念探析[J].教育导刊,2008(3):56-58.

Exploration and Practice of the Research Experiment on Artificial Intelligence

ZHANG Ting, YANG Guo-sheng

篇9

作为新一轮科技革命的代表，人工智能（AI）技术已经或正在颠覆性地改变着许多行业和领域，而教育就是其中之一。来自谷歌的世界顶尖的人工智能专家团队将AI的智能l展划分成了三级：第一级是“弱人工智能”，只能够专注在一个特定领域，如下围棋；第二级是“强人工智能”，能够达到或超过人类水准；第三级是比人类聪明1000万倍的人工智能。

目前，“弱人工智能”已经渗透到我们生活的方方面面：搜索引擎、实时在线地图、手机语音助手、智能客服等都运用了人工智能技术。尽管人工智能要从感知、行为和认知三个维度全面模拟甚至超越人类，还有很长的路要走，但目前的AI凭借强大的计算能力、存储能力和大数据处理能力，已经改变着传统教育模式与教育形式，在破解教育资源不均、提高教育效率和教学质量、提供个性化精准化教学、优化教育评价系统等方面将发挥重要作用。

浙江西湖高等研究院人工智能研究室主任于长斌认为，人工智能下一步应用可能是远程教育、自我强化教育，甚至是教育领域的机器换人。从人工智能现阶段研究成果来看，机器人做数学题、英语题完全没有问题，有科学家还成功用人工智能自动生成科研和学术论文，其中有一些甚至被期刊录用。

高考机器人

在今年6月7日的“高考”中，人工智能机器人AI-Maths在数学科目的两套试题考试中分别取得了105分和100分的成绩。整个答题过程中，机器人不联网、不连接题库、无人工参与，全由机器人独立完成解答。研究人员表示，由于AI-Maths在识别自然语言时遇到了一些困难，导致部分考题失分。

AI-Maths先后解答了2017年数学科目高考的北京文科卷和全国Ⅱ卷的试题，分别用时22分钟和10分钟，北京文科卷得分105分，全国Ⅱ卷（数学）得分100分。对这台机器人来说，解答一道题目的时间最快不到一秒。此前总共做了不到500套试卷，大约12000道数学题。而一个中国学生，按照每天10道数学题估算，到高考前已经做了大约30000道数学题。

考试结果显示，这台高考解题机器人在不依赖大数据的前提下，逻辑分析能力远超人类，但在文意理解、多样性思维上要比人类逊色得多。参与阅卷的资深数学老师表示，AI-Maths相当于中等成绩水平的高中毕业生，失分主要是因为“读不懂题目”，遇到一些人类语言（而非数学语言）时，无法理解。

专家指出，这次机器人不得高分的原因较多，首先这个机器人并没有代表机器人的最高水平，其次机器人没有联网，不能够联想自己的知识，这样得低分也是理所当然的了。经过更多的训练和学习以后，未来AI-Maths会取得更好的成绩。

该机器人是由成都准星云学科技有限公司研发的一款以自动解题技术为核心的人工智能系统，诞生于2014年。该公司参与了科技部的863“超脑计划”。

同时进行的另一场机器人高考测试中，学霸君的Aidam首次与6名高考理科状元在北京同台PK，解答2017年高考文科数学试题。Aidam的成绩为134分，6名状元的平均分为135分。Aidam答题耗时9分47秒。为了展示，Aidam当天答题放慢了六倍速度，平时每道题完成时间应该在7-15秒。

从2014年开始，国内人工智能引领者科大讯飞就联合了包括北大、清华等在内的超过30家科研院校和企业，共同开启了一项隶属国家863计划的“高考机器人”项目，他们希望通过这个项目的实施，研制出能够参加高考并在2020年考上北大、清华的智能机器人。“超脑计划”汇集了国内近60%的人工智能专家，其重点就是要研究突破机器的知识表达、逻辑推理和在线学习能力。

目前，高考机器人在英语学习方面也取得阶段性成果：一是翻译，已经能够让翻译能力达到高考入门水平。二是在广东地区的英语高考、中考场景中，在发音准不准、填空题选择题，判断你懂不懂知识上，机器已经超过人工。三是口语作文实现突破。比如给学生一个题目《My Mother》，现在AI机器的评测打分已经比人类打分更精准。

有人提出了一个十分滑稽的问题，那就是人工智能要是通过高考考上大学，是不是意味着我们的教育培养出来的就是考试的机器？这个问题的逻辑不一定严密，但巧妙地折射出了现行教育体制的一些问题。如果以应试为主的教育方式不改变，智能机器取代老师几乎是必然。更可怕的是，这样的教育培养出的人也将被智能机器淘汰。

AI阅卷批改作业

面对庞大的考生规模和多种多样的考试，专家和老师阅卷成为一个独特的景观。从传统的纸笔阅卷到网上阅卷，再到今天的机器智能阅卷，AI可以轻松解决繁重复杂的阅卷难题，大大提高阅卷的效率和质量。

通过对试卷进行数字化扫描、格式化处理，转换成机器可识别的信号，机器就能按阅卷专家的评判标准，进行自动化阅卷，还可以自动检测出空白卷、异常卷，并给出最终的评阅报告及考试分析报告。原来三个月的工作，现在一周就能完成，而且更准确、公正。

中国教育部考试中心对“超脑计划”的阅卷工作进行了验证，结果是，在“与专家评分一致率、相关度”等多项指标中，机器均优于现场人工评分。

除了代替人工阅卷，人工智能还可以帮老师做批改作业、备课等重复枯燥的工作，不仅节省大量时间，还可以减少工作量。

语音识别和语义分析技术的进步，使得自动批改作业成为可能，对于简单的文义语法，机器可以自动识别纠错，甚至是提出修改意见，这将会大大提高老师的教学效率。

今年两会期间，科大讯飞董事长刘庆峰在提案中提到，科大讯飞的英语口语自动测评、手写文字识别、机器翻译、作文自动评阅技术等已通过教育部鉴定并应用于全国多个省市的高考、中考、学业水平的口语和作文自动阅卷。而基于国家“十三五”863“基于大数据的类人智能关键技术与系统”阶段性成果构建的“讯飞教育超脑”已在全国 70% 地市、1 万多所学校应用。

国外也有多个智能测评公司和实践案例。GradeScope是美国加州伯克利大学一个边缘性的产品，它旨在简化批改流程，使老师们更专注于教学反馈。目前有超过150家知名学校采用该产品。MathodiX是美国实时数学学习效果评测网站，算法会对每一步骤都进行检查、反馈。

美国教育考试服务中心（ETS）是世界上最大的私营非盈利教育考试及评估机构，已经成功将AI引入SAT和GRE论文批改，同人类一起扮演评卷人角色。

计算机科学家乔纳森研发了一款可进行英语语法纠错的软件，不同于其他同类型软件的是，它能够联系上下文去理解全文，然后做出判断，例如各种英语时态的主谓一致，单复数等。它将提高英语翻译软件或程序翻译的准确性，解决不同国家之间的交流问题。

虽然人工智能可以阅卷、批改作业，但诚如《信息时报》刊发的《推广“机器人老师”可为广大教师减压》一文所言：教育需要尊重“异质思维”，同样的问题，学生会给出差异化、个性化的答案；目前“机器人老师”在阅卷、批改作业的时候会有明显的局限性，可能更适用于客观题却不适用于主观题。

不可否认，最初机器是用来辅助人工教学的，未来的趋势则是人辅助机器，而这个过程会一次次重塑考、学、教、管的服务流程。未来，当进入强人工智能和超人工智能时代，机器人更像是老甚至在许多方面超越老师。

机器人当老师

城乡、区域教育鸿沟，择校问题，学区房问题，都是教育教学资源不均衡导致的，归根到底是优秀教师的稀缺，而智能教育机器人则是解决这一问题的有力工具。“机器人老师”不仅有助于解决师资不足和师资结构不合理等难题，还能大大缓解社会矛盾，促进教育公平。

目前国内已涌现出像魔力学院这样的创业公司。几年前魔力学院创始人张海霞从北大毕业时，她的毕业论文是国内最早对人工智能教学进行研究的学术论文，同时在上大学期间，她就已经是新东方出国留学部最好的英语老师。这种雄厚的技术和教学背景，让她成为国内最早一批人工智能领域的创业者。

“与大多数互联网教育领域的产品不同，魔力学院从一开始，我们要解决的问题就是用人工智能机器替代老师进行讲课。曾经有很多投资人建议我们妥协一下，暂时用真人老师讲课，后面再一步步地进化到人工智能老师，但我们从来没有妥协。”张海霞说。

直到2016年3月，魔力学院第一个商业化的版本上线，企业开始有了第一笔收入，成为全球在人工智能老师这个领域第一家产品上线的创业公司，也是第一家实现了持续收入和盈利的创业公司。至今，在人工智能老师这个领域，魔力学院的相关产品仍然是惟一能从教、学、练、测各个维度提供人工智能老师教学的公司。

目前在新东方也开始这样的实验，教室里没有人类老师上课，机器人将重要知识点经过搜集和教学设计后，用非常幽默的方式向学生传授，从课堂效果来看，“学生很愿意听”。

新东方教育集团董事长俞敏洪认为，未来10年内，教师七成教学内容一定会被机器取代。不过，缺少人类老师的教学必然不完整，因为课堂教学不光是把知识点告诉学生，更需要对学生开展知识融合、创造性思维、批判性思维等能力训练。对于这些思维方式的训练教学，机器人老师还无法胜任。“未来的课堂将是机器人智能教学、老师情感和创新能力的发挥及学生学习的三者结合。”

除了民办教育在积极引入机器人老师，我国的“福州造”教育机器人已在部分城市的学校开始“内测”，今后有望向全国中小学推广。这款教育机器人除了帮助老师朗诵课文、批改作业、课间巡视之外，还能通过功能强大的传感器灵敏地感知学生的生理反应，扮演“测谎高手”角色。一旦和“学生机”绑定，可更清楚地了解学生对各个知识点的掌握情况。

对于机器人老师，国外早有应用。2009年，日本东京理科大学小林宏教授就按照一位女大学生的模样塑造出机器人“萨亚”老师。“萨亚”皮肤白皙、面庞清秀，皮肤后藏有18台微型电机，可以使面部呈现出6种表情。她会讲大约300个短语，700个单词，可以对一些词语和问题做出回应，还可以学会讲各种语言。“萨亚”给一班10岁左右的五年级学生讲课，受到新奇兴奋的孩子们的极大欢迎。

教育是塑造灵魂的特殊职业，教师是人类灵魂的工程师，面对的都是活生生的具有不同个性情感的学生，在价值观塑造和创新思维启发方面，“机器人老师”有着明显的局限性。尽管机器人老师不知疲倦，知识渊博，能平等地对待学生，加上它的特殊身份能激发学生的学习兴趣和动力，然而机器人永远无法完全替代“真正的人类教师”。

当老师们从繁重的重复性工作中解放出来，实际上可以将更多的时间和精力花在富有创造性的工作上。比如培养学生的素质和情商，激发学生对学习的热情，鼓励学生独立思考，形成自己的价值观和思想体系，成为有美好人格和创新能力的个体。

实际上，老师充当的是一个引导者、启发者的角色，老师做的应该是“准备环境-引导孩子-观察-改进环境-再引导-退出-再观察”。极少干预和不断引导，让孩子能最大限度地拥有独立性、专注度和创造力。

机器人进课堂是大势所趋。不久的将来，人类老师将负责进行情感、心理、人品、人格上的健康教育和品德教育，以及各类知识的融会贯通、学习方法的引导、创新能力的培养。而知识教育这部分，将会以“机器换人”的形式让渡给人工智能。这将对老师提出更高的要求，因为除知识教育外的这些教学内容，需要由真正有能力的老师来传授。“老师要避免被机器取代，就要先避免自己成为机器。”

可见，教师需要快速适应现代化教学需要，熟练使用各类领先科技产品，提升综合素质，这将决定教师本人的去与留，更是教育希望与未来的关键所在。

个性化教育

因材施教在我国已有2000多年历史，但在我国应试教育大环境下，根据学生不同的认知水平、学习能力以及自身素质来制定个性化学习方案，真是说易行难。当传统思想与尖端科技相结合，因材施教的可行性有了大幅提高。人工智能介入后，个性化教育有两条实现途径。

一是构建知识图谱。构建和优化内容模型，建立知识图谱，让学生可以更容易地、更准确地发现适合自己的内容。国外这方面的典型应用是分级阅读平台，推荐给学生适宜的阅读材料，并将阅读与教学联系在一起，文后带有小测验，并生成相关阅读数据报告，老师得以随时掌握学生阅读情况。

Newsela将新闻与英语学习融为一体。通过科学算法衡量读者英语水平，抓取来自《彭博社》《华盛顿邮报》等主流媒体的内容，由专人改写成不同难度系数的版本。LightSail也是相同应用，不过它的阅读材料是出版书籍，它收集了适合K12学生阅读的来自400多个出版商的8万多本图书。

2015年底Newsela用户量超过400万，LightSail和纽约市教育局、芝加哥公立学校、丹佛公立学校等机构达成了合作，而目前我国没有如此规模、与官方达成合作的个性化阅读学习平台。

二是自适应学习。人工智能可以从大量的学生中收集数据，预测学生未来表现，智能化推荐最适合学生的内容，最终高效、显著地提升学习效果。当一个学生阅读材料并回答题时，系统会根据学生对知识的掌握情况给出相关资料。系统知道应该考学生什么问题，什么样的方式学生更容易接受。系统还会在尽可能长的时间内保留学生信息，以便未来能给学生带来更多的帮助。

篇10

云计算、大数据、人工智能新兴领域的崛起，推动信息技术全面渗透于人们的生产生活中。信息技术的核心在于计算机技术和通信技术。然而，虽然目前各个高校都开设了计算机基础课程，但是其教学却存在着诸多问题，导致该课程无法达到预期的教学效果。教育部在2012年《教育信息化十年发展规划（2011-2020年）》，其中指明“以教育信息化带动教育现代化，促进教育的创新与变革”[2]。因此，本文以华中师范大学计算机基础课程教学为例，深入阐述了传统计算机基础课程教学的弊端，提出了在当前人工智能如火如荼的时代背景下，如何应用人工智能相关技术对传统的计算机基础教学进行改革的具体方案。该方案以创建网络智慧课堂教学模式改革为主体，辅以教学观念、知识体系和课程考核方式改革，以期对高校的计算机基础课程教学有所裨益。

1传统教学的缺陷

⑴课程的教学地位没有引起足够的重视一些高校为计算机基础课程分配较少的学时（少于48学时），甚至有的专业将此课程设置为选修课。这种设置降低了该课程在教师和学生心目中的位置，导致了对该课程的忽视。同时，不少老师因为学时不够，时间紧迫，仅仅讲述与考试相关的内容，不考的一概不讲。这导致学生的眼界受限，知识和能力受限，无法培养其全面综合的计算机素质。还有的专业没有将这门课给专业的计算机学院的老师讲授，而是随意安排授课人员。没有经过系统专业训练的教师缺乏足够的知识储备，很难讲好这一门看似简单的课程。⑵课程教学内容的制定与当今时代对于信息化人才的需求脱节一些高校的现状是计算机基础的课程教材知识陈旧[3]、质量堪忧，教材总是无法跟上知识更新的步伐，例如都2019年了还在讲Office2010。有的高校由于缺乏对课程的重视，没有对教材优中选优，而是基于利益的考虑，优先选择自己院系编写的教材。其教材内容是七拼八凑，没有整体性、逻辑性和连贯性，更不用说前瞻性。这样的教材，无疑对学生的学习设置了巨大的屏障。除此以外，一些院校的课程教学知识体系不够明确和完善，教学大纲的制定不够科学。从教学大纲中制定的学时分配来说，常常偏重实用性[4]，常用计算机软件操作占据了大部分的课时。这会让教师在授课时轻理论而重操作，如此培养学生，非常不利于其计算思维的形成，对后续其他计算机相关课程的学习也是很大的伤害。⑶教学模式过于传统，信息化水平较低从教学方式上来说，传统的教学模式以教师课堂授课为中心，是以教师为主体的教学模式[5]。在这种模式下，教师仍然主要以填鸭式教学为主[6]，无法通过课堂教学发现学生的个性化特点，并进行有针对性的教学。另外，虽然计算机基础课程一般都配备了实验课时，但是实验课常常是采用教师布置上机任务、学生做完抽样检查的模式。这对于大课堂来说，教师的任务繁重，无法搜集到每一个学生的任务完成情况，无法清晰地掌握学生学习的实际情况和薄弱环节。而且，该课程缺乏相应的研讨课时，很难让学生对其所学知识进行深入思考和探究，以增强思辨能力和对课程的学习兴趣。⑷课程考核方式不够公平合理从考核方式上来说，该课程普遍采用“平时成绩”+“期末考试”的加权方式对学生成绩进行评定。平时成绩多由考勤分所得，期末考试多采用机考模式。这种考核方式过于单一化、机械化，无法对学生进行全方位的评价。很多学生来到教室打考勤，但可能根本没听讲，而是在睡觉或者玩手机。期末机考的公平合理性也是存在着很多的漏洞。例如机考的试题库可以十年不变，分值的分配和难度的掌握都没有经过系统的考量。甚至有的考试系统不够稳定和安全，频频爆出Bug，严重影响了考试结果的真实性。

2新人工智能环境下对计算机基础课程改革的具体方案

2012年开始，在随着卷积神经网络技术在视觉处理方面的应用取得巨大的成功之后，人工智能到达了有史以来的第三个爆发期。目前，深度学习技术在AlphaGo、无人驾驶汽车、机器翻译、智能助理、机器人、推荐系统等领域的发展如火如荼。与此同时，人工智能技术在教育领域方面的应用已经兴起。人工智能的教学产品也已有先例，例如基于MOOC平台研发的教学机器人MOOCBuddy等等。基于人工智能的教育是融合云计算、物联网、大数据、VR、区块链等新兴技术的增强型数字教育[2].在当前人工智能的大时代背景下，针对传统计算机基础的种种弊端，我们提出了如下教学改革方案。⑴改变教学理念，确立计算机基础课程的重要地位计算机基础作为高校的一门公共课，实则应当作为各个专业的学生后续的学习、科研的必修之课程。因此，高等学校应从源头上确立该课程的重要地位，将该课程纳入必修课范畴，并给与更充分合理的课时分配。除教学课时、实验课时之外，需要为该课程增加一定的研讨课时。任课老师必须是来自于计算机专业的人才。同时，定时举办关于该课程的教学培训、教学研讨会和教学比赛，改变教师的教学理念，从源头上给予该课程足够的重视。⑵优化教学内容，重新制定课程的教学知识体系教材是教师教学的主要依据，也是学生获得系统性知识的主要来源。因此，教材对于教学的重要性不言而喻。教材的选取需要优中择优，必要的时候可以根据自身院校的情况自己编写，力求使用好的教材使教学事半功倍。在选定优质教材的基础上，制定更加合理的教学大纲，优化计算机基础课程的教学知识体系，突出计算机学科入门相关基础理论知识的重要地位。对现有的过时内容进行更新，例如操作系统以Windows10的操作取代Windows7，Office这部分使用Office2019版本取代2010的版本，同时增加关于算法入门知识、程序设计入门知识以及人工智能、区块链等前沿知识单元的介绍。以华中师范大学为例，我们在图1中给出了该校计算机基础课程的教学知识体系结构图。⑶充分利用现代化的教学工具和人工智能技术，构建智慧课堂，改变传统教学模式现代化的教学应当转变以教师为核心的教学模式，更加突出学生的主体性地位。因此，在人工智能、物联网、大数据等技术和蓬勃发展的情形下，应当改变传统的课堂教学形式，充分利用现代化信息技术，将传统课堂教学和网络课堂教学模式相结合，构建智慧课堂。融合课堂教学身临其境的效果与网络课堂自主性强且方便师生交流的特点，通过师生之间多层次、立体化的互动，达到提升教学效果的目的。同时，建立功能强大、完善的学生实验平台，基于不同专业学生的不同特点和不同需求，进行个性化的作业设置。针对教师布置的实验任务和学生的完成情况，结合在线网络教学系统，通过传感器及网络数据，搜集学生的学习行为数据，并且使用人工智能算法进行智能分析，使教师对当前的学生的学习情况一目了然，并能引导学生对重点、难点的巩固和掌握。研讨课以学生为主体，按照所选课题进行分组调研、分组讨论，刺激学生的学习兴趣，培养其思辨能力。研讨内容最终可以课程论文的形式上交至课程共享平台，由教师和同学共同给出评分。这里，仍以华中师范大学为例，我们将在线教学系统、实验课平台、研讨课共享平台等集成为一个基于人工智能技术的网络智慧教学综合平台系统。该系统主要包括用户管理、在线教学、课堂互动、作业管理、考试管理、BBS系统、智能分析和平台管理8个模块，其主要功能如图2所示。该系统采用C/S模式，系统的服务器选用Linux服务器，同时开发基于PC机的和手机端的客户端系统，方便学生和教师随时选用、更加灵活。在线教学模块中的智能学习助理功能，能够根据历史用户的学习行为和当前用户的学习行为，自动地识别学习内容中的难点以及当前学生的难点内容，有针对性地对学生进行知识点强化。课堂互动模块中，通过可穿戴式传感器搜集学生的学习行为，用于后续智能分析模块中对学生的学习态度和学习行为进行智能分析。在线作业评价模块包括机器评价和教师评价两个功能。机器评价是系统为学生作业（客观题、主观题）自动评分，其中主观题的评分也是使用人工智能技术来实现。教师评分时可以参考机器评分，减少教师工作量。同时，教师评分为机器评分提供机器学习的经验数据，促进机器评分更加智能。智能分析模块能够依据学生的在线课程学习模块、课堂学习模块、作业管理模块等搜集到的学习行为数据进行综合分析，促使教师深入了解学生的学习情况和个性化特点，提升教学的针对性，并且有助于后续对学生进行全面、综合的分析和成绩评定。所有系统模块中使用到的智能分析技术包括基本的统计分析、以及各类机器学习算法（k-means,NaveBayes,SupportVectorMachine,DeepLearning等等）。⑷改变传统成绩考核的方式在“教学”+“实验”+“研讨课”课程结构以及网络智慧教学综合平台的辅助之下，学生的成绩评定更加全面化、多元化、公平化、自动化[7]。平时成绩中，除了教学综合平台的“课堂签到”次数之外，还增加更多丰富多元化的考察信息，如：学生的课堂讨论、在线课程学习和考核结果、平时作业完成情况，以及智能分析模块中辅助分析的学习态度、学习能力、平时成绩预测。期末上机考试系统也是智慧课堂综合平台的一个子模块，是精心设计的稳定、安全、功能强大的子系统，方便教师每一年更新试题库，修改bug。试题库中的每一套试卷都应当经过科学的考卷质量分析，使其难度、覆盖范围在一个均衡、合理的范围。最后，教师通过对各类平时成绩指标以及期末考试成绩加权，给出最终的学习成绩。通过规范、合理、公平、全面的考核体系，获得对学生公平、完善的评价机制，激励学生并刺激教学良性运转。

篇11

过多地借助网络影响了学生社会实践能力的培养。调查发现毕业生过多地借助互联网收集实际数据，只有半数的学生通过实习或问卷调查获得实际数据。虽然通过互联网获得论文所需数据省时省力，但是毕业生不接触社会、不深入生产实践、不与人沟通，无法实现通过毕业论文提高毕业生的实践能力、分析判断能力、沟通能力的目的。

（三）就业压力大影响了毕业论文质量。毕业论文一般安排在大学的第8学期，这个时候毕业生往往为就业参加各种考试和面试。尽管绝大多数毕业生回答撰写论文的时间充裕或比较充裕，但这些事情牵扯了毕业生的很多精力，势必对毕业论文质量产生影响。调查中3.1%的毕业生持心有余而力不足的态度，就是就业压力大造成的。

（四）毕业论文的写作与指导难度大。调查中发现，超过半数的毕业生认为毕业论文难度较大。毕业生乍一接触毕业论文，对查阅文献资料、分析整理资料、选题、写开题报告等无从下手，不知道如何写选题背景、研究现状、研究方法、摘要等，感觉把心中的想法表达出来很困难。对教师而言，在指导毕业论文的过程中要教会毕业生做这些工作，在时间紧任务重的情况下，教师普遍感觉压力很大。这种状况的根本原因是，目前硕士日常教学中没有对科研能力和撰写论文能力的培养，依然采用传统教学方法，教师讲学生听，注重知识的传授，忽视知识运用能力的培养。在传统教学中，学生缺乏收集整理资料、运用知识分析解决问题等方面的训练，学生很少有社会实践的机会，学生缺乏思辨能力、写作能力的培养等。而国外许多一流大学非常重视硕士生科研能力的培养，设立科研学分，例如美国麻省理工学院在1969年就有“硕士研究机会计划”、加州大学洛杉矶分校在20世纪80年代设立了“硕士生研究中心”、伯克利分校于1997年成立了“硕士生研究办公室”、耶鲁大学为一年级的硕士新生设立了“指导研究”项目等。对我国的硕士教育现状而言，在大学三年多的时间里没有培养学生做科研写论文的能力，在短短半年的时间里指导学生完成毕业论文，难度大、压力大是可想而知的。

篇12

国务院印发的《新一代人工智能发展规划》中提出了我国人工智能“三步走”战略目标并深化实施“中国制造2025”，将人工智能上升到国家战略层面。因此，必须加快推进人才培养模式改革，推进科教协同育人，完善高水平科研支撑拔尖创新人才培养机制。新工科背景下的核心课程机器视觉与应用是邮电类本科学生的基础课程，许多高校主要面向自动化、计算机类等工科专业开设，此课程融合了机器学习理论，数字图像处理，智能决策与最优化等技术[1]，教学内容涉及机器视觉系统的组成与标定、图像滤波与分割、目标检测与识别、成像原理与多视图几何、三维测量等。各个学校对该课程的教学内容侧重点不同，培养目标也不尽相同，但普遍面临的问题是：强调理论知识点的掌握如定理、证明等，理论教学内容不能与最新技术发展同步，实践教学内容简单、肤浅，不能有效联系实际应用或案例。学生对这门课缺乏兴趣，实验设备老旧、编程语言传统，不符合企业实际需求，影响学生就业与升学的竞争力。因此，为解决上述问题，《机器视觉与应用》这门课程的教学改革势在必行。

一、理论教学课程体系改革的与时俱进

机器视觉在我们生活中的应用不断扩大，如手机上的摄像头系统，微信、支付宝的扫码操作等，因此在《机器视觉与应用》这门课中，在深入讲解经典机器视觉知识的同时，要将当前最新的机器视觉与应用的研究成果与行业前沿知识在课堂上对学生进行介绍，如基于稠密深度、轻量化卷积神经网络的目标检测与识别、图卷积神经网络等，让他们了解最新的知识点与行业应用及当前流行的软件、硬件平台，为他们以后的学科研究与就业奠定良好的基础。因此，对课程的培养目标与课程体系进行了修订。

新版的《机器视觉与应用》课程以Python语言为基础，要求学生掌握机器视觉的概念、原理、图像处理方法及经典视觉成像模型，掌握多视图幾何及三维重建的原理及实现方法，学会搭建基础的轻量化卷积神经网络，为进一步学习人工智能相关专业课以及从事本专业的研究和技术工作打下必要的基础。

同时，要充分考虑企业的需求，以协同育人的视角构建教师和企业导师联合育人团队，因材施教，优势互补。比如，通过理论讲解掌握机器视觉的图像滤波与目标检测，借助于生产线现场缺陷目标检测等工业应用案例掌握理论教学知识，并反馈理论教学中未涉及的实际应用要点，如算法的实时性、检测成功率，影响误检测的因素等。

二、创新实践教学平台

为了紧跟当前机器视觉与应用技术发展的潮流，培养人工智能应用行业所急需的专业人才，在通过课堂将机器视觉与应用专业理论知识传授给学生的同时，还需启发学生将来在机器视觉应用方面有创新性的成果[2]。

我们构建了三种型号的基于机器视觉系统的无人车、无人机等创新实践平台，每一种型号分别采用英伟达Nano和树莓派两种开发板，每种开发板32套，总共192套基于机器视觉系统的无人平台。这些平台不仅更好地服务于机器视觉与应用课程的章节实验及综合性实验，而且还作为实验室的创新平台，为智能车比赛，无人机竞赛，机器人大赛提供强有力的支撑。

三、创新实践教学机器视觉软件的组成

本课程的章节实验及综合性实践提供多种编程语言和工具箱平台，学生可以根据自己的兴趣、爱好及未来的学业、职业规划选择一种或多种编程语言及平台[3]。在Matlab图像处理工具箱与OPENCV工具箱的基础上[4]，本课程的实践教学创新性地引入基于Python的机器视觉与应用基础工具箱、进阶版深度学习工具箱，紧跟当前机器视觉与应用课程发展的技术潮流。因为Python是一种面向对象、解释型、动态数据类型的高级程序设计语言。其代码量小，简洁清晰。还具有丰富的机器视觉标准库和扩充库，如Pytesseract、OpenCV等，是当前人工智能行业广泛应用的编程工具。

此外，为进一步支撑机器视觉综合性实验及基于视觉导航的无人车进阶实践项目，建议学生学习ROS开源的元机器人操作系统，包括硬件抽象、底层设备控制、常用函数的实现、进程间消息传递以及包管理。上述的OpenCV，Python等机器视觉工具箱及激光雷达、IMU惯导模块以及相应的多传感器标定、图像处理、目标识别与跟踪、三维重建、SLAM等都可以在此环境下实现。

另外，学生还可以熟悉掌握常用的深度学习框架，如PyTorch、TensorFlow、Keras、MXNet等，为将来的工作和学业深造打下坚实的基础。

四、创新实践教学内容的设计

我结合机器视觉与应用的理论教学内容，并兼顾实验室开放创新项目及竞赛需求，设计了渐进式创新实践教学内容，主要分为三个级别：验证性机器视觉章节实验、综合性视觉及多传感器融合实践项目、创新性实践项目。考虑到学生对知识的掌握程度不同，三个级别的项目由易到难，循序渐进，兼顾学生的兴趣爱好及实际生活中的创意实现。三个级别的实验及实践项目举例如下：

1.验证性实验：摄像头启动及驱动，图像预处理如多彩色空间转化、灰度变化、图像增强、图像滤波、锐化、图像分割与二值化、腐蚀与膨胀、图像特征提取与匹配等。

2.综合性实践：相机标定实验及误差分析，多传感器联合标定（相机、激光雷达、IMU联合标定），图像去雾、去雨、去模糊化等。

3.创新性实践：视觉导航，无人车视觉避障，无人车视觉同时定位与重建，模拟工业机器视觉应用如智能产品缺陷检测、视觉测量，快递包裹视觉实时追踪与定位，人流估计与预测等。

验证性实验是必选的，综合性及创新性实践是以小组完成的，学生可以跟踪兴趣、爱好选择不同的题目，提高主观能动性，并允许学生利用所学知识进行创新创意性扩展。

五、创新实践教学方式改革探索

（一）梳理课程间内容关系，完善相应的平台、硬件、软件及相应的电子资源建设

学生的专业基础不同，所掌握编程知识及实践能力有一定的差异性，教师开课前应摸底学生所学的课程内容，了解学生不同的专业基础，并进行合理的分组、引导，使学生互帮互助；完善实验室的理论教学平台，发展三种类型多套的无人硬件平台，建立相应的课程电子资源网站，包括理论教学内容知识点和实践教学内容及所需的软件、教程、工具包，网站上包含专门的知识内容讨论区，另外还包括国内外《机器视觉与应用》相应的多媒体课件、论文、书籍及经典算法的实现代码，以适应当今人工智能行业内机器视觉知识的内容多、涉及范围广、知识更新快的特点，以便学生下载、查阅。同时，教师要合理利用一些即时通讯平台，如微信群、QQ等工具，及时解答学生的疑问。

（二）优化小班化实验室課堂，注重学生知识的掌握与应用

教师要改变往常以教师讲解为主，学生机械地参与的满堂灌模式，直接在实验室采用小班化教学，一次32人，分为四个小组，每个小组都要完成三个级别的实验，保证每个组员都要参与，都有相应的任务，实验内容尽量避免雷同。每次课2个课时，教师进行0.5课时基础理论知识进行透彻地讲解；拿出1个课时让学生进行验证性实验，对基础知识进行实现、验证，并进行组内讨论；剩下的0.5个课时，学生进行综合性实践或创新型实践的讨论、演示、讲解，任课教师进行点评、讲解、指导。学生人手一台实验设备和电脑（或自带笔记本），实验室设备与学生一一绑定，不随意更换，方便理论知识的掌握、实现以及相应软件环境的安装设置等，并改变以往提交纸质实验报告的考核方式，采用分组答辩的形式，每个人讲解展示自己所负责的工作，相互学习、相互进步。这样可以较好的避免抄袭，避免雷同的实验报告，激发学生学习的积极性和自主性，有利于知识的拓展和创新创意实践。

（三）鼓励学生进行应用性创新实践，并为产学研合作及企业实践提供支持