创新型工程教育视野下研究生学位课程混合教学模式探索——以“机器学习”课程为例

莫礼平

一、引言

自20世纪80年代起，信息新技术开始在全球范围内孕育兴起，快速推进着各国产业的转型升级，世界的经济格局得以重塑。与此同时，工程人才短缺和高等院校工程教育质量不高之间的矛盾日益突出，产业对工程教育改革的呼声不断高涨。以美国工程教育学会为首的多家机构纷纷开始工程教育改革的研究实践。21世纪以来，国际上更是掀起了一股以科技创新创造能力、应用实践能力培养为目标的创新型高等工程教育改革的热潮，以构思—设计—实施—运作（Concieve-Design-Implement-Operate，CDIO）模式为代表的工程教育改革成果得到了广泛应用。国内关于CDIO 本土化与再创新的研究工作正如火如荼地进行着［1］。

信息科技的新时代，建设创新型国家已成为我国迈向现代化强国的必然要求。建设创新型国家离不开工程领域创新型高级人才的培养。当前，科技强国、质量强国、航天强国、制造强国、网络强国、交通强国、数字中国、智慧社会等建设已在我国全面展开，迫切需要强有力的人才和智力支撑。研究生层次的高等工程教育处于我国工程教育层次金字塔的顶端，担负着为国家工程技术领域内提供高端人才和智力支撑的重任。工程技术相关专业硕士研究生的学位课程教学是学生创新精神和专业能力培养的重要环节，如何在当今创新型工程教育改革的背景下，以学生创新精神、团队合作精神、科学研究及实践能力培养为重点，来进行学位课程的教学改革，切实提高学生培养质量，是我们每一位研究生教育教学工作者必须认真思考的问题。

当前，人工智能的迅速发展深刻地改变着人类的社会生活和现实世界。为抢抓人工智能发展的重大战略机遇，构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国，2017年7月国务院印发了《国务院关于印发新一代人工智能发展规划的通知》（以下简称《通知》）。《通知》中宣布：“举全国之力，在2030年一定要抢占人工智能全球制高点。”［2］机器学习是人工智能的核心，是计算机智能化的根本途径。教育部2018年4月印发的《高等学校人工智能创新行动计划》中强调：“加快机器学习等新一代人工智能核心关键技术研究。”［3］机器学习是专门研究计算机怎样通过模拟人类的学习行为来获取新知识新技能，并不断改善自身性能的一门学科。该学科研究的理论和算法源自生活生产实际，又应用于解决生活生产实际问题。为了帮助学生掌握该学科的知识和技术，当前许多高校信息科学相关硕士研究生专业的学位课程中都设置有“机器学习”课程，少数高校的信息科学类本科专业也将“机器学习”课程设置为高年级选修课程。本文立足于吉首大学电子信息专业研究生学位课程的教学实际，探索创新型工程教育视野下研究生层次“机器学习”课程的教学模式改革方法。

二、“机器学习”课程的特点及教学改革研究状况

1.“机器学习”课程特点

“机器学习”课程是一门理论和实践并重且内容与时俱进的课程，主要介绍机器学习的相关概念、重要算法及其应用方法，内容涉及概率统计、数学、信息科学、脑科学、认知学等多个领域的交叉学科，学习难度大，对学生的数学功底和编程能力要求高。因此，该课程面向本科生和研究生开设的教学目标和教学要求是不一样的。作为本科生的选修课程，其教学目标主要是拓宽学生视野，激发学生的学习热情，故只要求学生了解机器学习的基本理论，初步掌握机器学习的核心算法原理及编程实现方法。而作为研究生的专业学位课程，其教学目标主要是让学生了解机器学习学科的前沿知识和研究热点，激发学生深入探究的意愿，寻求知识的突破与创新。

2.“机器学习”课程教学改革研究状况

近年来，不少高校教师结合本校的实际情况，对“机器学习”课程的教学改革进行了有益探索。例如，闵锋等实践了基于理论联系实践和互动式教学的理论教学改革方法，以及通过实验设计层次化、实验要求明确化和实验考核常规化的实践教学改革方法，使得“机器学习”课程的教学质量和学习效果得到明显提高［4］；王昊等基于CDIO 理念提出了一种以实践为主体培养学生动手能力、采用案例驱动教学方法的“机器学习”课程教学改革新思路［5］；刘丛等针对“机器学习”课程因对数学要求高导致学生学习难度大的问题，提出一种有利于不同需求层次的学生认清学习目标，引导学生进行由浅入深理解知识点的分层次学习的教学方法［6］；赵卫东等基于项目实践培养方式，探索了将理论教学与企业项目实践融为一体的“机器学习”教学改革方法［7］；曲衍鹏等从“机器学习”课程在计算智能教学体系中的根本作用出发，进行了若干理论和实验教学的改革探索实践，达到了预期研究目标［8］。然而，上述工作主要是针对本科生层次的“机器学习”课程而展开。研究生层次“机器学习”课程的教学改革研究工作近年比较少见。近五年来，仅有2019年胡春龙等所做的探索工作见于报道［9］。该工作结合课题组所积累的研究生“机器学习”课程教学实践经验，以教学中存在的实际问题分析为切入点，从教学内容的选择、教学手段及考核方法的改进、实践能力的培养等方面探索了“机器学习”课程的教学改革方案，倡导并实践了问题驱动教学法和互动研讨教学法，将传统的课堂讲授模式拓展为研讨式、探究式的互动教学模式，取得良好的教学实践效果。

本校电子信息专业研究生的“机器学习”课程的教学目标是让学生通过探究学习了解机器学习研究思路，掌握机器学习基本理论及核心算法，并能够在算法优化及算法应用方面有所创新，以培养学生运用机器学习技术解决不同领域的数据智能分析处理实际问题的能力。往年，本校的该课程教学主要采用“教师和学生分讲不同主题+课堂讨论”的课堂教学模式，再辅以课堂作业、课外交流和课程论文等形式。该模式下，由教师讲授重要概念、基本原理、机器学习知识体系及代表性算法等主题知识；学生以个体为单位，结合机器学习领域前沿知识，依据个人能力和兴趣选择不同主题的教学任务，在课堂外完成探究式的自主学习和实践工作，然后进行课堂讲授。在课堂上师生可以自由进行及时的交流和讨论。该模式用于不足10 人的小班的课堂教学时，效果良好，每名学生的课堂表现时间充足，其自主学习、交流表达、创新实践能力都能得到有效锻炼。但是，这种模式课堂互动形式单一，不利于激发学生的学习兴趣，教师也无法对学生的课外自主学习和探究学习进行有效跟踪。目前，本校“机器学习”课程的上课班级人数已超过20 人，原来的教学模式已经难以保证“机器学习”课程能够取得良好的教学效果。因此，有必要根据教学实际需要，探索“机器学习”课程的新教学模式。

三、“机器学习”课程混合教学模式的设计

近年来，随着智能手机的普及，以“雨课堂”为代表的互动式智慧教学工具逐渐成为课程教学改革的利器。“雨课堂”是一个能够快捷免费为所有教学过程提供数据化、智能化信息支持的移动网络学习平台［10］。它将复杂的现代信息技术手段融入到PowerPoint 和微信中，支持电脑端在线访问和移动终端访问两种方式，允许师生通过微信小程序进行实时通信。“雨课堂”不但支持各种课程资源的创建、推送、分享，还支持课堂上师生间的实时会话、弹幕互动、拍照上传，而且提供了个性化报表、自动任务提醒等功能，能够保证教师及时得到学生的学习结果反馈，以及学生及时得到教师和学生的帮助，从而最大限度地释放教与学的能量，是教师实施互动式教学、学生利用碎片化时间进行自主探究式学习的好帮手。本文针对本校“机器学习”课程现有教学模式存在的不足之处，探讨一种将“雨课堂”这一智慧教学平台和现有“教师和学生分讲不同主题+课堂讨论”的面对面课堂教学模式进行有机融合的研究生层次“机器学习”课程混合教学模式。

1.混合教学模式的设计思想

混合教学模式的基本设计思想是结合“机器学习”课程理论和实践并重且内容与时俱进的特点，按照创新型高等工程教育以学生的知识应用能力、实验设计与操作能力、数据分析与处理能力、工程问题的识别、分析与解决能力的培养为核心目标的要求，运用智慧教学工具，建立课外学习与课堂教学间的沟通桥梁，结合翻转课堂教学理论实施“教师主导学生主体”的课堂教学。该模式借助“雨课堂”，将传统课堂讲授模式拓展为以学生讲授和研讨为主的“学习互动永不下线”的互动式教学模式，并采用任务驱动学习、过程化考核等方式激发学生进行自主学习、思考和实践探究的意愿，让学生的自主学习、思考和实践探究活动贯穿于“课前”“课上”和“课后”的每一个教学环节。

2.混合教学模式的结构

该混合教学模式下，由教师和学生共同完成课程资源建设和课堂教学任务。教师负责机器学习基本理论及核心算法部分的教学任务，学生分组（2～4 人/组）负责其他部分的教学任务。每组负责一个主题的课堂讲授及相关课程资源的建设工作。如果组数较多，课程主题可以重复。“雨课堂”中的基础资源建设由教师负责，生成资源建设和交流反馈信息资源建设由教师和学生共同负责。所有资源建设工作由教师把关，各组学生根据自己的选题，确定课堂教学讲授内容和课程资源建设内容，然后在资料搜集整理、文献研读、深入思考并交流讨论的基础上，通过分工合作，完成算法应用实例设计、算法改进探究问题设计、课堂组织方式设计、教学PPT 制作、各种类型的课程生成资源及交流反馈信息资源的整合发布等工作。课堂教学以不同主题的机器学习算法及其应用实例分析为主要内容。课堂组织强调互动，组织形式灵活多样，可以是PPT 讲授、板书讲授、研讨分析、互动反馈和课堂小结等形式的交叉运用。

四、“机器学习”课程混合教学模式的实施

“机器学习”课程混合教学模式的实施主要包括四个环节（见图1）：创建课程并发布课程资源、分配课程任务、翻转课堂教学、实施过程化考核。

图1 混合教学模式的实施

1.创建课程并发布课程资源

教师在“雨课堂”上创建课程，并添加班级、设置分组。教师要对课程导学、课程大纲、教学案例、教学课件、习题、学习资料参考链接等资源进行有效整合，并将其作为课程基础资源，以公告、课件、作业（试卷）等形式上传到“雨课堂”，供学生随时随地利用碎片化时间学习使用。在教学过程中，教师可以结合教学及学生学习的实际需求，充分利用“雨课堂”提供的数据化、智能化信息支持功能，随时进行MOOC 视频、语音、文字图片资料、习题等的制作与推送分享。此外，学生搜集整理或制作的开放性教学资源也可以由教师在“雨课堂”发布。

2.分配课程任务

教师指导学生进行分组选题和组内课程任务分配。课程任务分为四项：任务1 是教师角色担当，即由学生担当教师的角色，根据小组所选主题，确定课堂讲授内容、勾勒思维导图、设计教学方案和课堂组织方式。任务2 是资源收集与资源整理，即让学生采用各种途径搜集整理与所选主题相关的各种资料，通过加工或重新设计，制作成PPT、FLASH 动画或视频等开放性教学资源，交由教师上传“雨课堂”。任务3 是探究学习成果展示，即学生依据课程知识和个人兴趣，结合机器学习前沿知识，进行机器学习算法优化或应用方面的探究式学习，并将探究学习成果以WORD 文档和PPT 形式在课堂上或“雨课堂”进行展示。任务4 是互学互助讨论及交流反馈，即学生借助“雨课堂”发起与课程有关的线上线下讨论，或提出问题或回答问题，学生之间、师生之间进行充分的交流和探讨，同时对教师和学生的课程教学进行评价和信息反馈，形成交流反馈信息资源。任务1、2、3、4 均为必选任务；任务1、2 以小组为单位；任务3、4 以个人为单位。

3.翻转课堂教学

教师和学生分别作为授课者，针对不同主题的教学内容，进行突显学生主体性的翻转课堂教学。开始的几次课由教师作为授课者进行示范性教学。中间大部分的课堂教学由学生作为授课者，教师仅在适当的时候给予必要的协助。后面的课程小结、总结及学习成果展示课堂由教师负责。在不同主题的教学课堂上，授课者可根据实际情况或听课者的群体性及个性化的学习需求，灵活运用翻转课堂理论，或采用多媒体PPT 进行讲授，或指导听课者进行相关知识和技能的课内课外学习，或组织课堂交流讨论，尽可能地将学习的决定权转移给听课者，最大限度地保证听课者参与到课堂中来。在课堂教学过程中，授课者可以充分利用“雨课堂”所提供的实时提问或答题、弹幕互动、拍照上传功能，组织灵活多样的课堂互动活动。在课程小结或总结课堂上，授课者指导听课者梳理课程知识网络，发现新旧知识联系，勾勒思维导图并上传到“雨课堂”，还可选择具有代表性的思维导图进行分析和评价，供学生参考学习。在学习成果展示的课堂上，授课者从“雨课堂”中调出听课者的探究式学习成果进行展示，并邀请成果完成人上台进行现场演示，进而采用线上线下相结合的方式开展限时课堂讨论和话题交锋，根据讨论结果对成果进行实时的互评打分。

4.过程化考核

该模式下，研究生层次“机器学习”课程的考核采用过程性考查（60%）和期末考查即提交课程论文（40%）相结合的方式，将评价贯穿于课程学习的全过程。过程性考查包括：课堂考勤评价、课堂表现评价和课程任务完成评价。教师利用“雨课堂”提供的“扫码签到”功能进行平时上课考勤。考勤成绩直接由“雨课堂”收集的签到数据决定。课堂表现主要根据课堂参与程度进行评价。教师平时记录的学生课后主动向教师请教或提问情况数据，学生利用“雨课堂”参与课堂时回答问题、表达观点时沉淀的大量信息，以及学生在线讨论、参与话题交锋的次数、获得的回复和点赞次数等数据，都是评价学生课堂表现的重要依据。课程任务完成评价主要考核学生独立完成个人承担教学任务或参与完成小组承担教学任务的情况。该项成绩的决定因素包括：个人负责整理制作的课程资源的数量及质量，上台讲课的方法及效果，线上线下参与讨论和话题交锋等活动的数量及质量，完成的探究式学习成果的数量及其展示互评得分等。

本研究提出的由教师和学生共同承担课程教学任务，利用“雨课堂”进行智能化教学的混合式教学模式，已应用于本校电子信息专业研究生“机器学习”课程的教学实践。在教学效果调查过程中，学生普遍反映，依托“雨课堂”互动工具进行的翻转课堂充满乐趣，线上线下的交流讨论及其他互动活动让自己有足够的机会充分表达个人观点和展现个人才智；在课程讲授任务和课程资源建设任务的驱动下，自己进行探究学习、创新思考、应用实践、团结协作的意愿和意识明显增强，并已逐步养成了主动进行研究型学习的良好习惯。调查结果表明，该模式能够有效地解决传统课堂师生互动不足的“顽疾”，对于培养创新型工程教育所要求研究生具备的科技创新创造能力、应用实践能力有显著的促进作用。