计算机相关专业的教学特点及挑战

许嘉 吕品

【摘要】随着整个社会的信息化水平不断提高，各行业对计算机相关专业人才数量和质量的需求也在不断增长。对于各高校而言，高质量的专业课程教学是培养高素质计算机相关专业人才的基础保障。文章首先分析了计算机相关专业教学的特点，进而指出了现有计算机相关专业教学模式面临的挑战，最后明确了当下计算机相关专业教学改革的方向。

【关键词】计算机；人才培养；传统教学模式

近年来随着计算机技术的迅猛发展，人们在生产生活中对计算机的依赖程度越来越高，社会迫切需要高校培养出大量优秀的计算机相关专业人才。而高质量的专业课程教学是培养高素质计算机相关专业人才的基础保障。计算机相关专业包括计算机科学与技术、软件工程、网络工程、信息安全等专业，这些专业的专业基础课程包括《程序语言设计》《数据结构》《算法设计与分析》《计算机组成原理》《数据库原理》《计算机网络原理》《操作系统》《软件工程》等。以上计算机相关专业基础课程的教学普遍具有以下特点。

1.知识点间逻辑性强。计算机相关专业课程既重原理解析又重技术应用，因而具有知识点密集、知识点之间逻辑关联紧密的特点。例如，《数据库原理》这门课程中就有上百个知识点，这些知识点之间往往一环扣一环，有显著的前后依赖逻辑关系。若没有掌握某些逻辑依赖关系中的前驱知识点（例如数据库范式理论中的二范式），将会直接影响学生对其后继知识点（例如数据库范式理论中的三范式）的学习和理解。

2.学生基础多样化。据观察，如今大学生的计算机基础在入学时就有很大差异。尽管大部分学生在入学前都接触、使用过计算机，但有的学生在上中学或小学时就学习过编程，甚至参加过计算机领域的专业竞赛；有的学生则是在上大学之后才开始学习计算机相关理论知识和培养实践能力；有的学生理性思维较强，对计算机相关专业逻辑性强的知识点很容易掌握，因此学习起来兴趣十足；有的学生理性思维较弱，对计算机中抽象的概念和原理学习起来很吃力，进而失去了学习的热情。学生专业基础多样化是计算机相关专业教学长期面临的难题，教师进行课堂教学规划时往往无法顾及所有学生，难以做到“一碗水端平”。

3.知识更新迅速。计算机相关专业的突出特点就是该领域的知识更新迅速。从20世纪末开始风靡的互联网到当下“润物细无声”的物联网，从20世纪90年代提出的海量数据到如今炙手可热的大数据，从几年前流行的网格计算到今天众所周知的云计算，计算机领域正通过不断提出新的理论、新的软硬件技术和新的应用创造着人类灿烂的今天和未来。因而，计算机相关专业教学要十分重视教学内容的更新换代，及时将领域中的新发展、新知识和新技术引入到教学中，培养与时俱进的学生。

上述计算机相关专业教学的特点对传统教学模式带来了极大挑战，存在的问题越发突出，具体表现在以下几点。

1.教学效果不可量化。随着高校招生规模的不断增大，教师人数增长速度跟不上学生的增长速度。据统计，绝大部分985和211高校的师生比都小于1∶10。一名专职教师需要负责10名以上的学生，同时又需要承担来自教学、科研和管理的多重压力时，就很难及时了解每名学生对课堂教学知识点的掌握程度。面对计算机专业课程知识点关联逻辑性强、一环扣一环的特点，如果教师无法在学生学习遇到困难的早期给予及时的帮助和干预，那么学生对后续关联知识点的学习只能越来越困难，甚至部分学生会产生中途退课的想法，影响整体教学效果。

2.教学内容趋于大众化。面对学生计算机专业基础多样化的难题，由于不能及时掌握每名学生的知识背景和教学效果，教师只能基于学生的大众水准安排课堂进度和布置习题，这无疑会同时损害专业基础位于正态分布曲线两极的学生的利益。在实际教学中发现，以虚构的大众水准学生为对象实施教学会降低分布在两极的学生参与教学的热情：一方面，会使领悟能力强的学生感到厌烦（甚至引发纪律问题），因为他们在计算机知识迅速更新的时代期待学习到更多的前沿知识；另一方面，领悟能力低的学生会感到学习非常吃力，甚至会产生中途退课或消极厌学的想法。

3.教学决策靠经验化。传统学科（例如数学、英语等）由于课程体系成熟稳定，教学内容变化不大，教师在经过几年教学后就能够积累一套适用的经验来指导教学决策，例如基于学生的大众水准来安排教学进度、课时分配和知识点讲授顺序等。而计算机学科由于知识更新迅速，经常有新的课程或知识引入到教学体系中。例如在云计算和物联网技术炙手可热的背景下，广西大学就新开了《云计算与物联网》这门课。再加上学生专业基础参差不齐，教师很难依赖已有的经验做出最佳的教学决策，导致教育决策往往不够合理，使大部分学生的学习成效受影响。

可见，传统的教学模式没有充分结合计算机相关专业课程的特点，亟待突破和改革。然而，要解决现有计算机相关专业教学模式中存在的“教学效果不可量化”“教学内容趋大众化”“教学决策靠经验化”这三大问题，就需要牢牢把握住教育大数据分析和个性化教育这两大抓手。第一阶段通过现有技术设备和手段收集教师、学生在教学过程中产生的大规模行为数据，并基于对这些数据的分析量化每名教师的教学质量和每名学生的学习效果，解决教学效果不可量化的问题。第二阶段基于第一阶段对每名学生学习效果的量化分析，一方面为每名学生量身打造适合其基础的个性化学习方案，另一方面指导教师做出科学合理的教学决策，解决教学内容趋大众化和教学决策靠经验化这两大问题。

针对传统教学模式在计算机相关专业教学中面临的挑战，笔者在广西大学计算机与电子信息学院的多门专业课程教学中已经开展了教学改革尝试。通过自主研发的在线测评系统，能够收集学生在学习和测验过程中的行为数据，包括能够反映学生掌握知识熟练程度的答题时间，能够反映学生思考过程的答案更改轨迹等。基于这些数据，能够分析每名学生对各知识点的掌握程度和发现课程难点，并且根据反映课程知识点逻辑关系的知识图谱，分析学生在学习过程中存在的知识漏洞，并对学生进行具有针对性、个性化的学习内容和练习题目推荐。经过教学实践发现，相比于传统教学模式，学生在这种教学方式下能够取得明显的学习效果，对教学的满意度也大大提高了。

总之，对于当下计算机相关专业教学改革而言，收集教育大数据是前提，对教育大数据的分析是技术保障，个性化教育是最终目的。

【参考文献】

[1]Pin Lv， Xiaoxin Wang， Jia Xu， Junbin Wang.Utilizing Knowledge Graph and Student Testing Behavior Data for Personalized Exercise Recommendation.The ACM TURC 2018 conference（SIGCSE China）， 2018： 53-59.

[2]搜狐教育.師生比最高的大学 北大1∶6.2排第1 清华排第28[OL].https：//www.sohu.com/a/119258200_469837#comment_area， 2016-11-17.

[3]〔英〕维克托·迈尔-舍恩伯格，〔英〕肯尼思库克耶.与大数据同行 学习和教育的未来[M].赵中建，张燕南译.上海：华东师范大学出版社，2015.