美国一流研究型高校人工智能人才培养的经验与启示

吕薇 季波 张怡凡 张艳丽

摘要：“以学生为中心”是美国高校人才培养尤其是本科生培养及教学改革所遵循的基本理念。美国一流研究型高校人工智能人才培养模式具有以下五个显著特征：强劲的学科支撑和有力的学校投入;目标定位于培养跨界、复合型的人才;多样化、自定义的个性化培养方式;灵活、高效的教学模式和方法;高水平、多元化和跨界来源的师资等。该培养模式体现出美国一流研究型高校“以学生为中心”的培养理念：根据培养目标确定培养要素，进而设置课程、建设高水平定制化的课程体系;革新人才培养方式、为学生提供多样化选择、激发自主学习;加强产业联合和双向交流，打造学术与产业跨界融合的高水平师资队伍等。这为我国高校方兴未艾的人工智能专业创新人才的培养提供了启示和借鉴。

关键词：本科教学;人才培养模式;人工智能;以学生为中心;美国高校

中图分类号：G649.712

文献标识码：A

文章编号：1672-0717（2019）06-0102-08

收稿日期：2019-09-16

一、问题的引入

1952年，美国人本主义学者、教育家卡尔·罗杰斯（Carl R.Rogers）首次提出“以学生为中心”的理念。1961年，罗杰斯发表《论人的形成》，“以学生为中心”的教学理论形成[1]。1995年，罗伯特·巴尔（Robert B.Barr）和约翰·塔戈（John Tagg）发表了具有里程碑意义的文章《从教学到学习：一种新的本科教育范式》，系统定义了“以学生为中心”的教学范式[2]，丰富了已有的教学理论，并形成科学的理论框架。在理论的支撑下，美国高校率先从课程、教学、环境乃至管理等各方面开展了大量的实践探索，“以学生为中心”的教育教学改革进入实质阶段。赵炬明将美国“以学生为中心”的教育教学改革划分为学术进步、社会发动、高校投入三个阶段，分别体现了知识内生、外部环境、高校实践三方面不同的推动力[3]。人工智能的学科发展与人才培养就是三方共同作用的结果。

学习心理学和脑科学的发展是“以学生为中心”教学改革“学术进步”阶段的源动力。以布卢姆认知模型等为代表的教育心理学成果，极大地促进了教学模式和方法的变革。随着第四次产业革命的发展，网络信息安全等新兴专业不断涌现和发展，人工智能成为重点发展的新兴学科。人工智能是指让计算机像人一样思考、学习和认知。在基础研究方面，探索认知、认识脑本身和智能;在应用研究方面，类脑智能、算法技术广泛应用于语音识别、图像分析、自然语言处理等，这些都从教学内容、教学方式、认知模式等不同维度推动和促进着教育教学的变革。

“社会发动”是“以学生为中心”教育教学改革的重要动力之一。1998年，联合国教科文组织召开世界高等教育大会，通过《21世纪的高等教育：展望与行动》宣言[4]，同时提出《高等教育改革与发展的优先行动框架》[5]，以大会文件的形式确立了“以学生为中心”的历史地位，把“以学生为中心”的教育教学改革推向全球[6]。国家战略和市场因素是推动人工智能发展的重要因素。2016年，美国发布《国家人工智能发展与研究战略计划》和《为人工智能的未来做好准备》等政策文件[7-8]，引发了全球新一轮“人工智能”研究、应用和人才培养的高潮。我国政府紧跟其后，2017年相继发布《“互联网+”人工智能三年行动实施方案》《新一代人工智能发展规划》《高等学校人工智能创新行动计划》等政策文件[9-11]。截至2018年9月，已有10多个国家或地区发布了自己的人工智能国家战略、发展规划、产业政策等等[12]。2018年，斯坦福大学发布《人工智能指数2018年度报告》指出[12]，在过去两年的时间内，全球对计算视觉或机器学习的适切人才的需求量增长了近10倍，对深度学习技术的适切人才的需求量增长了34倍。人工智能的竞争上升到大国间人才的竞争，并最终归聚到人才培养的竞争。

高校创新实践是“以学生为中心”教学改革的具体体现。美国自20世纪80年代起率先进行了“以学生为中心”的教育教学改革，至今经历了三十余年的探索。在人工智能人才培養方面，美国顶尖研究型大学也早已进行了大量探索与实践，而我国人工智能人才培养体系的建立尚处于起步阶段。教育部网站公布国内35所开设人工智能本科专业的学校，包括上海交通大学、浙江大学、湖南大学等“双一流”建设高校，也包括电子科技大学等专业特色型高校，还包括华南师范大学等师范类院校。“人工智能”这样快速发展的新兴学科，其人才培养中如何体现“以学生为中心”，如何与高校传统学科的人才培养模式衔接和融合，如何实现从“以教材为中心”“以教室为中心”“以教师为中心”的“老三中心”向“以学生为中心”“以学生的学习为中心”“以学生的学习效果为中心”的“新三中心”转变[13]？其课程设置如何一方面避免技术艰涩的“面目可憎”，另一方面又不至于沦为“高级科普”？对这些问题的回答都需要从当前人工智能人才培养的国际先进案例中获取启示与借鉴。

二、美国高校人工智能专业人才培养特征

美国高校人工智能专业开设早，其科学研究、学科建设和人才培养都处于世界前沿和领先地位。美国高校人工智能专业人才培养在学科支撑与学校投入、人才培养定位、培养方式、教学模式、师资来源等方面具有一系列显著特征。

（一）强劲的学科支撑和有力的学校投入

美国新闻与世界报道（U.S. News & World Report，以下简称USNews）对美国大学进行了综合排名、22个学科排名以及学科细分排名（其中，计算机科学细分为“人工智能”“程序语言”“系统”“理论”四个方向）。2018年，USNews针对计算机科学学科共调查了188所美国高校，问卷回复率为35%[14]。根据排名结果，在人工智能方向，全美共有20所高校上榜，如表1所示。

不难看出，美国人工智能专业最强的20所高校都具有雄厚的综合实力，以全球顶尖学校为主。这些学校几乎都跻身全球百强，大部分排名全球前50位，尤其是哈佛、斯坦福、麻省理工、加州大学伯克利分校、普林斯顿等更是居全球前10位。同时，这些学校的计算机学科也都具有雄厚的实力，几乎都在全球百强之列。表1显示，生师比作为衡量一所高校在学生培养投入方面的关键指标，体现了美国高校人工智能人才培养的学校投入和学科支撑。人工智能专业排名第一的卡内基·梅隆大学是美国最早开设该本科专业的高校[15]。在起步阶段，为了保证人才培养的质量，该校坚持“以学生为中心”“以学生的学习为中心”“以学生的学习效果为中心”的理念，每年人工智能专业仅招收新生30名左右[16]。实际上，卡内基·梅隆大学全校的生师比已经比较低（为13∶1），在诸校中排名第10位，而该校人工智能专业生师比更低于全校水平。超低的生师比背后体现的是学校对人工智能本科人才培养的有力投入。

（二）定位培养跨界、复合型的人才

卡内基·梅隆大学人工智能专业人才培养的目标是“掌握人工智能技术实现社会效益，在医疗保健、交通、教育等领域改善世界”[17]，使学生适应毕业以后的世界、以人工智能的技术和能力改善世界、实现自我发展和价值追求。卡内基·梅隆大学认识到，要学生学习和掌握全部领域的所有知识并不是最关键的，关键点在于教授学生广泛地思考、跨学科完成多类别任务、学会如何利用图形、语言和海量数据信息、做出明智决策、增强人的能力等等[18]。而对比我国工程技术学科，则多注重知识传授，“学生批判性思维和探究性思维的培养往往被敷衍化和形式化地一笔带过”[19]。卡内基·梅隆大学把人工智能专业培养方案设置为以人工智能核心课程为中心，包括数学与统计、计算机科学、科学与工程、人文与艺术、道德与伦理和人工智能选修等7大板块32门课程。如图1所示，虽然人工智能专业是高度工科性质、高度技术的专业，但是卡内基·梅隆大学在该专业的课程体系中设置了人文艺术类（7门）和道德伦理类（1门）共8门选修课程，这充分体现了该校“以学生为中心”、服务人才培养目标的理念。

人工智能时代“需要高校能够将不同的学科融合起来，建立包容的复合知识体系”[20]。艾伯特·爱因斯坦（Albert Einstein）说过，“宗教、艺术和科学是同一棵树上不同的几个分支”[21]（P61）。著名物理学家维克托·韦斯柯夫（Victor Weisskopf）说过，“当我的学生因这个世界感到沮丧时，我常对他们说，有两样東西使我感到生活的意义：莫扎特和量子力学”[21]（P61）。全球技术最尖端、方法最工程化的专业如此重视人文艺术通识课程，其“以学生为中心”培养跨界、复合和综合型创新研究和技术人才的培养目标和理念可见一斑。

（三）多样化、自定义的个性化培养方式

美国高校人工智能专业人才培养突出强调“以学生为中心”，不惜投入巨大的资源，设置多元的培养路径和灵活多样的培养方式，学生可以根据自己的基础、禀赋、条件、准备和学术志趣、学术追求和职业规划，享有充分的自主选择权。首先，在学位设置上提供了多样化的选择。加州大学伯克利分校由工程学院和人文与科学学院共同开设人工智能专业，根据学生的自主选择在其毕业时授予计算机科学理学学士或文学学士学位[22]。德克萨斯州立大学奥斯汀分校在自然科学学院开设人工智能专业，学生可以自主选择计算机科学理学、文学和文理交叉三种类型的学位方向修读[23]。而南加州大学人工智能专业的学位设置则更具选择性，该专业开设在工程学院，但是通过与商学院的合作，设置了计算机科学理学、计算机科学与工程理学、计算机科学（游戏）理学、计算机科学（工商管理）理学四种学位方向供学生选择。其次，在培养路径和培养要求上提供了多样化的选择。如德克萨斯州立大学奥斯汀分校的计算机科学理学学士学位设置了更多的数学与统计、计算机科学、工程科学的课程;而文学学士则提供了更多的人文、社会科学、心理学的课程;文理交叉学士学位则为前两者或其他专业学位学生辅修提供更多的交互选择的机会。为了使学生能够有更多自主规划和自主安排的学习时间，计算机专业的必修课程从11门减少到6门，学生有更多空间和时间自主安排、自主选择包括人工智能在内的10个子领域进行深度学习（Deep Learning）。南加州大学的计算机科学理学学士要求必修人工智能核心课“人工智能导论”，而计算机科学与工程理学学士学位则把这门必修的核心课与其他17门课放在一起，列为学生的指定选修课。加州大学伯克利分校为更多想修读人工智能专业的学生提供了选择机会，其工程学院和文理学院共同开设人工智能专业，开设理学和文学两个学位方向，使得一部分原本难以通过工程学院激烈竞争而入校学习人工智能专业的学生，可以转而申请文理学院，进入文理学院后先修读一定的学分，再以转专业的方式进入计算机科学专业，其修得的人文和社会科学的学分在修读人工智能专业时得到认可，毕业时可申请计算机科学文学学士学位[22]。

（四）灵活、高效的教学模式和方法

布卢姆认知模型区分了学习和认知的六个台阶：知识（Knowledge）、理解（Comprehension）、应用（Application）、分析（Analysis）、综合（Synthesis）、评价（Evaluation）[25]（p30-44）。2001年，认知心理专家和教育学家根据学术新进展重新对布卢姆分类法进行了修订（如图2）。

美国人工智能领域排名前20位的顶尖高校（以下简称“美国TOP20高校”）坚持“以学生为中心”理念，对知识的掌握更强调基础和广博的面，而对培养中高阶思维（理解、应用、分析、综合和评价）也非常重视。为了帮助那些对计算机和编程比较陌生的文学学士学位选择者理解和应用编程，加州大学伯克利分校特别为他们开设了“计算的喜悦与美丽”课程（The Beauty and Joy of Computing）[26]。课程由浅入深，引入一种简单易懂、广泛用于少年儿童的图形化编程语言（SNAP）来训练学生编程，让学生循序渐进地掌握复杂的计算、艰深的编程，并始终保持兴趣而不放弃，最终翻越个人信息的“鸿沟”，获得编程解决问题的能力，实现“从零开始”的人工智能人才培养。加州大学洛杉矶分校在其人工智能基础课程上实施“课堂讲座+实验室项目+外部学习”三部教学法，三个部分的学习时间比例为4∶2∶4[27]。加州大学伯克利分校特别为人工智能专业的学生设置了“自定义进度”学习法。学生可以按自己的节奏、自主决定进度、自主安排时间、在没有导师监督和明确的截止日期“压力”的情况下自主完成课程要求的学习、练习和测试。为了帮助学生保持持续学习的动力、兴趣，解决遇到的困难和问题，学校投入专门的人力资源和资金、设施，设立了“自定义进度学习中心”，聘请教师、博士后工作人员或高年级的研究生给本科生提供指导和帮助[28]。

华盛顿大学西雅图分校为计算机工程学士学位的学生开设5个学分的“顶石课程”（Capstones）。顶石课程类似研究生的讨论班（Seminar），它要求学生从诸多子领域和方向获得知识，要求团队讨论定义问题、合作设计开发解决方案、制作和演示解决问题的算法和工具，并最终展示工作成果。课堂时间教师侧重与学生进行项目设计、讨论和实施，穿插引入高度相关的主题讲座。“顶石课程”鼓励与其他学科交叉、互动、合作、跨学科学习[29]，增强了本科生学习的“整体效力”[30]。南加州大学也开有类似的课程（计4个学分），具体内容从“设计和构建大型软件系统”和“构建高科技人工智能初创公司”中二选一[31]。

德克萨斯州立大学奥斯汀分校开设“长角课程”（Longhorn Startup），着力打造“跨学科+校企合作”的人才培养模式[32]，引入实践情景的高阶思维训练，注重“真实”学习，是赵炬明定义的“以真实为基础的教学”（Reality Based Instructions，RBI）的典型[33]。“长角课程”把计算机科学、工程、商学等相关学科的学生聚集在一起，邀请成功的企业家或创业者指导，共同把好的创意转化为成功的公司。课程的授课部分穿插邀请著名的企业家讲座，并为学生提供与技术人员交流的机会;课外实施部分由学生组成团队，设立初创公司，与企业家每周会面，一对一辅导。学期结束时举行项目“展示演示日”活动，校、企、社会各方参观、评价，学生由此获得学分。

普林斯顿大学设有“独立工作”（Independent Work）模式[34]。学生可以根据自己的兴趣，通过学校专门网站查询，使自己的兴趣与教授的研究方向相匹配。学校设立专门的课程顾问，帮助学生选择匹配的教授、填写申请。学生小组、顾问与教授共同组成独立工作小组，共同确定项目，定期会面，由教授提供指导，实施该项目。修读计算机科学学位的本科生必须修读“独立工作”课程，学习时间为4个学期。修读计算机科学工程学位的学生，学习时间一般为1～2个学期。

马里兰大学大学城分校的计算机科学系开展“明天的CS（Computer Science）教育”项目，采用“翻转课堂”的混合学习模式，教授录制讲座流媒体，学生在線学习、自己掌握学习节奏，课堂时间教师和学生头脑风暴、项目设计、互动答疑等，给学生更丰富的课程体验，激发学生自主学习的动力。

（五）高水平、多元化和跨界来源的师资

“以学生为中心”理念的核心关切与价值体现在高水平的师资。由于人工智能专业的知识、问题涉及学科、产业发展、科技变革、未来职业挑战等，具有多样性、复杂性和广泛性的特征，所以，经验丰富、高水平、多元化、具有高校和企业多重经历的跨界来源的师资就成为其人才培养质量的关键。

美国TOP20高校汇集了人工智能领域最耀眼的“顶尖专家”，其中不少是奠定和推动人工智能技术发展的“元老”和泰斗，也有不少具有亚马逊、谷歌、苹果、波音和通用汽车等国际知名大公司任职的经历。AceMap对人工智能最高水平的国际会议发表的论文、作者信息进行了整理[35]，分析了2018年最佳作者单位，其中IJCAI-2018TOP50最佳作者中，有15名出自美国TOP20高校，占比近三分之一;而CVPR-2018的TOP50最佳作者中，有31名来自美国TOP20高校，占比62%。仅卡内基·梅隆大学，IJCAI-2018或CVPR-2018最佳作者就有11名。“名师出高徒”，一流的国际师资决定了美国TOP20高校一流的人才培养质量。

伊利诺伊大学厄巴纳-香槟分校的计算机学院网罗了全球78名一流的教师（见表2），其中人工智能研究方向的教师占比12.8%。实际上，如果加上图形学、视觉和脑机接口这些方向，该领域的教师占比最大[36]。

三、美国高校人工智能人才培养的启示

（一）根据培养目标确定培养要素和课程设置，建设高水平定制化的课程体系

人工智能时代“高等教育的人才培养，要在工具理性至上的挑战下培养‘人、在博精并重的复合型人才需求背景下培养‘才”……”[37]。美国大学人工智能专业人才培养的目标定位在培养跨界、综合和复合型的人才。基于这样的培养目标，美国TOP20高校注重培养大学生技术素养、数据素养和人文素养，以及系统性思维、批判性思维、创业精神和文化敏捷性[38]，促使学生更好地理解技术变革和面对“技术奇点”风险[39]。这些确立了美国高校人工智能专业人才培养的要素。而后，以要素为导向，美国TOP20高校构建课程知识框架、设置课程、形成体系。加州大学伯克利分校的“计算机的喜悦和美丽”课的设置，从人文和感性的角度帮助学生领略编程的“美丽”和“喜悦”，刷新了人们对计算机科学的认知——“不仅仅意味着编程”，而是要“超越今天的技术，为学生提供思想和学习技能，使他们自学未来。”南加州大学人工智能导论课可以选择必修或选修，但是写作与批判性思维是每个学位方向的“标配”。“顶石课程”在美国TOP20高校得到普遍采用，其整合、收尾、反思、过渡的功能，帮助创新型、综合性人才将所学应用于实践，让学习成效成果具体化、可实现[40]。通观美国TOP20高校，高技术含量的人工智能专业却并不追求课程的难度，大部分高校的专业课程都以导论课程为主。

技术服务于理念，方法决定于模式。中国方兴未艾的人工智能领域高水平、国际化、复合型创新人才培养，迫切需要高校管理者、教育工作者、研究者和操作者学习借鉴“以学生为中心”的理念，梳理综合性的人工智能人才培养目标，提炼多元、开放的能力培养要素，设置科学、包容、多学科交叉的课程体系，构建高质量人工智能领域人才培养的“中国模式”。

（二）革新人才培养方式，为学生提供多样化选择，激发学生自主学习

许多学者认为，如果学生能够根据自己的喜好、兴趣和需求作出选择，那么他们在学习上会更加积极且表现良好[41-42]。南利等认为，“选择”为人们带来“控制感”，驱动人们担负起责任[43]。自我决定理论认为，“选择”强化了学生学习中的自主性[44]。

通观美国TOP20高校，其以学生为中心，围绕学生的成长、学生的学习及成效，激发学生学习的兴趣和自主性，在培养路径、培养方式、教学方法上都呈现出多元、多样和多方式的显著特点，为学生的学习提供了多样化的选择。美国TOP20高校基本都设置了2个以上的学位方向供学生选择，加上培养方式、教学方法灵活、多样，学生多元选择的特征更加显著。而要做到这一点，其前提是学校应精心组织课程设计、机制设计，完善辅导中心、支持中心、专兼职教师的配置等。这些投入、支撑与保障，充分体现了学校的“新三中心”理念。“顶石课程”“长角课程”“独立工作课程”，为学生提供了超越布卢姆教育目标分类模型中的低阶思维（记住、理解），让学生在类似研究生研讨班的环境中、在项目式的学习中，得到应用、分析、评价、创新等高阶思维的训练[25]（P30-44），同时经历合作、共商、妥协、情感、价值观等人际关系的交互和碰撞，从而达成批判性思维、系统思维、创新思维、综合能力、分析能力、判断能力、创业精神和人文精神等的培养。

“以学生为中心”强调学生个性化培养，学生个性化发展需要高校个性化的培养方式。人工智能时代，个性化的学习具备了个性化学习特征分析、个性化学习路径推荐、个性化学习行为分析、学习结果预测和评估等关键技术的支撑[45]。学习借鉴美国一流高校的经验，我们的教育教学改革不能止步于学分制改革提供的灵活、便利，而应学习和借鉴其更加灵活的新型课程设置、教学形式、学习方式等，围绕如何激发学生内在、自主的学习力量，如何激发学生的学术追求、学术志趣，系统设计课程体系、培养路径、教学方法、学习环境和平台工具等。

（三）加强高校与产业联合，打造学术和产业跨界融合的高水平师资队伍

人才培养的关键在教师。“智能时代人工智能技术的发展对于教育的影响不仅仅集中在教育中介上，教育者与受教育者这两个要素也发生了相应的改变。”[46]跨界、复合和综合型的人才培养需要遴选创新型、复合型的教师。人工智能专业是高度学科交叉、学术与产业交叉的新型产业，是“+”型的学科和技术领域。人工智能专业人才培养首先需要跨越学科界限，鼓励多学科师资的交叉协同，组建跨界、多来源的指导团队[47]。分析人工智能美国TOP20高校的人工智能专业教师的学习和研究经历，发现他们在学术界有着很高的声誉，同时他们又大都有在谷歌、微软、Facebook等公司任职的经历;或者像伊利诺伊大学尔巴纳-香槟分校计算机学院那样，大部分教师都创办有技术企业、创业公司或与行业中的活跃企业有合作项目[48]。

我国人工智能产业虽然起步比较晚，但是发展迅速，自2009年起，中国人工智能领域的专利就超过了美国[49]。《高等学校人工智能创新行动计划》指出：“高校要加快建设一流人才队伍和高水平创新团队”[11]。人才培养不能闭门造车，国内高校要借鉴美国TOP20高校的成功经验，加强与行业领先、活跃企业的合作，精准引进高端人才，提升师资队伍水平;加强产学研深度融合，把企业的创新研发中心、研究院变成高校创新人才培养的平台、基地和组成部分;建立双向交流渠道，鼓励人才在高校和企业间双向流动，鼓励高校与行业领先、活跃企业双向互聘，建立研究生联合培养基地培养高层次人才。目前，我国人工智能开放创新平台与企业主要有百度公司（自动驾驶）、阿里云公司（城市大脑）、腾讯（医疗影像）、科大讯飞公司（智能语音）、商汤集团（智能视觉）等五家，可以为双向交流、跨界融合的师资队伍培养提供支撑。

參考文献

[1] Rogers C R.On Becoming a Person：A Therapist's View of Psychotherapy[M].Boston：Personne Houghton Mifflin Company，1961.

[2] Barr R R B，Tagg J.From Teaching to Learning—A New Paradigm for Undergraduate Education[J].Change，1995（27）：13-15.

[3] 赵炬明.论新三中心：概念与历史——美国SC本科教学改革研究之一[J].高等工程教育研究，2016（03）：35-56.

[4] UNESCO.Higher Education in the Twenty-First Century Vision and Action[R].World Conference on Higher Education，Paris，1998.

[5] UNESCO.Framework for Priority Action for Change and Development of Higher Education[R].World Conference on Higher Education，Paris，1998.

[6] 刘献君.论“以学生为中心”[J].高等教育研究，2012（08）：1-6.

[7] The National Artificial Intelligence Research and Development Strategic Plan[EB/OL].https：//www.nitrd.gov/PUBS/national_ai_rd_strategic_plan.pdf，2019-10-30.

[8] Preparing for the Future of the Artificial Intelligence[EB/OL].https：//www.whitehouse.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/preparing_for_the_future_of_ai.pdf，2019-10-30.

[9] 国家发改委，等.“互联网+”人工智能三年行动实施方案[EB/OL].http：//www.ndrc.gov.cn/zcfb/zcfbtz/201605/W020160523579429905981.pdf，2019-10-30.

[10] 国务院.新一代人工智能发展规划[EB/OL].http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm，2019-10-30.

[11] 教育部.高等学校人工智能创新行动计划[EB/OL].http：//www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html，2019-10-30.

[12] The AI Index 2018 Annual Report [EB/OL].http：//cdn.aiindex.org/2018/AI%20Index%202018%20Annual%20Report.pdf，2019-10-30.

[13] 赵炬明，高筱卉.关于实施“以学生为中心”的本科教学改革的思考[J].中国高教研究，2017（08）：36-40.

[14] USNews.Best Artificial Intelligence Programs[EB/OL].https：//www.usnews.com/best-graduate-schools/top-science-schools/artificial-intelligence-rankings，2019-10-30.

[15] Carnegie Mellon Launches Undergraduate Degree in Artificial Intelligence [EB/OL].https：//www.cmu.edu/news/stories/archives/2018/may/ai-undergraduate-degree.html，2019-10-30.

[16] What Is CMU AI？ [EB/OL].https：//ai.cs.cmu.edu，2019-10-30.

[17] B.S.in Artificial Intelligence [EB/OL].https：//www.cs.cmu.edu/bs-in-artificial-intelligence，2019-10-30.

[18] AI Stack [EB/OL].https：//ai.cs.cmu.edu/about，2019-10-30.

[19] 龍献忠，戴安妮.人工智能+教育：我国高校人才培养改革的新契机[J].大学教育科学，2019（04）：107-113.

[20] 任增元，刘军男.人工智能时代高校人才培养变革的思考[J].大学教育科学，2019（04）：114-121.

[21] [美]欧内斯特·L·博耶.关于美国教育改革的演讲[M].涂艳国，方彤，译.北京：教育科学出版社，2002.

[22] Berkeley Academic Guide 2019-20：Computer Science [EB/OL].http：//guide.berkeley.edu/undergraduate/degree-programs/computer-science/，2019-10-30.

[23] Curriculum & Degree Plans [EB/OL].https：//www.cs.utexas.edu/undergraduate/academics/curriculum-degree-plans/degree-plans/comparing-degrees，2019-10-30.

[24] UCS Catalogue 2018-2019：Computer Science （BS） [EB/OL].https：//catalogue.usc.edu/preview_program.php？catoid=8&poid=7761&returnto=3397，2019-10-30.

[25] 转引自：赵炬明.聚焦设计：实践与方法（上）——美国“以学生为中心”的本科教学改革研究之三[J].高等工程教育研究，2018（02）.

[26] The Beauty and Joy of Computing [EB/OL].https：//classes.berkeley.edu/content/2019-spring-compsci-10-001-lec-001，2019-10-30.

[27] Schedule of Classes：Computer Science （COM SCI） [EB/OL].https：//sa.ucla.edu/ro/Public/SOC/Results？t=19F&sBy=subject&sName=Computer+Science+%28COM+SCI%29&subj=COM+SCI&crsCatlg=Enter+a+Catalog+Number+or+Class+Title+%28Optional%29&catlg=&cls_no=&btnIsInIndex=btn_inIndex，2019-10-30.

[28] Self-Paced Center [EB/OL].https：//selfpaced.bitbucket.io/#/，2019-10-30.

[29] The Capstone Experience in Paul G.Allen School of Computer Science & Engineering，University of Washington[EB/OL].https：//www.cs.washington.edu/academics/ugrad/courses/capstones，2019-10-30.

[30] 张学良，李辉.过程取向与自主建构：美国高校顶石课程形态[J].中国高教研究，2017（03）：78-82.

[31] Computer Science （BS） of USC Catalogue 2018-2019[EB/OL].http：//catalogue.usc.edu/preview_program.php？catoid=8&poid=7761&returnto=3397/，2019-10-30.

[32] Longhorn Startup in Computer Science，The University of Texas at Austin[EB/OL].https：//www.cs.utexas.edu/longhorn-startup/，2019-10-30.

[33] 赵炬明.聚焦设计：实践与方法（下）——美国“以学生为中心”的本科教学改革研究之三[J].高等工程教育研究，2018（03）：29-44.

[34] Independent Work & Theses[EB/OL].https：//www.cs.princeton.edu/ugrad/independent-work/，2019-10-30.

[35] Acemap，Inc.Shanghai Jiao Tong University[EB/OL].https：//www.acemap.info//，2019-10-30.

[36] Faculty and Research Excellence[EB/OL].https：//cs.illinois.edu/research/，2019-10-30.

[37] 余小波，張欢欢.人工智能时代的高等教育人才培养观探析[J].大学教育科学，2019（01）：75-81.

[38] 刘爱生.人工智能时代的高等教育变革——解读《不惧机器人：人工智能时代的高等教育》[J].现代大学教育，2019（01）：51-57+117.

[39] 唐汉卫.人工智能时代教育将如何存在[J].教育研究，2018（11）：92-96.

[40] 姜林，杨连生.澳大利亚本科顶石课程分析及启示——以学生职业发展为视角[J].外国教育研究，2018（03）：111-123.

[41] Self-determination Theory and the Facilitation of Intrinsic Motivation，Social Development， and Well-being[J].American Psychologist，2000，55（1）：68-78.

[42] Patall，E.A.，Cooper，H.，Wynn，S.R..The Effectiveness and Relative Importance of Choice in the Classroom[J].Journal of Educational Psychology，2010，102（4）：896-915.

[43] Nunley，K.F..Choice：The Forgotten Basic Human Right[EB/OL].http：//help4teachers.com/choice.htm，2019-10-30.

[44] Patall，E.A..Constructing Motivation Through Choice，Interest，and Interestingness[J].Journal of Educational Psychology，2013（02）：522-534.

[45] 牟智佳.“人工智能+”时代的个性化学习理论重思与开解[J].远程教育杂志，2017（03）：187.

[46] 张祥云，柳蔚.为机器立心：智能时代教育的人文使命[J].大学教育科学，2019（04）：99-106.

[47] 蒋海云，温辉，金继承.创新型新工科人才培养大链的构建及实践[J].现代大学教育，2018（03）：103-111.

[48] CS+X Degree Programs[EB/OL].https：//cs.illinois.edu/academics/undergraduate/degree-program-options/cs-x-degree-programs，2019-10-30.

[49] 陈军，张韵君，王健.基于专利分析的中美人工智能产业发展比较研究[J].情报杂志，2019（01）：41-47.

（责任编辑  李震声）