基于AI的金融数学网络课程的构建与实践

张伟伟 周晓林 长春理工大学经济管理学院

以AI为核心的网络课程在大数据的发展时代已经成为教学的新趋势，作为高校教学领域的金融专业也要顺应这种发展趋势来进行教学研究和改革，通过人工智能化配合互联网实现网络课程的开发将提升课程的教学质量和专业水平。

一、AI背景下网络课程概述及相关理论

网络课程，是某一学科借助网络技术围绕教学内容与目标所展开的教学课程设计与应用的全过程。一方面，网络课程具有传统课程“教”与“学”的属性，另一方面其又同时具有网络可以快速传播、受众日趋年轻化的属性。网络所具有的这两个属性使得传统教育的传播方式发生着改变，随之而来的教学方法、教学模式与理念也在发展中进行着相应的调整适应，教学功能也在发展中日益丰富，如资源共享、信息处理等。在进行网络课程设计时，将分别从教学理论和教学设计理论对网络课程的设计进行探讨，以寻求后续对《金融数学》网络课程设计分析上的理论指导。

（一）教学理论

教学理论是在信息化条件下，为适应时代发展而对教育的内容、对象、功能、体系、结构及过程和方法进行的探索与研究，是强调如何“教”的理论。现有的教学理论以发展教学理论、教学最优化理论、结构主义教学理论及多元智能理论为代表。其中，发展教学理论认为教学应该致力于促进学习者的普遍与全面发展，教学最优化理论认为应该采用最高效的方法进行教学，结构主义教学理论认为应该突出学生在教学过程中的主动性，多元智能理论认为不能从单一方面评判学习者真实学习情况。以上几种教学理论与网络课程的功能特点联系得十分紧密，正确应用相关理论会使得网络课程的设计达到最优化，而不是浮于表面的形式主义。

（二）多重场景化的AI教学

多重场景化AI教学是指依托大数据资源和人工智能，以课程教学大纲为核心，根据不同学生学习要求和进度进行订制化教学。这种教学方式提倡非线性教育，即不同的学习主体在学习进度、学习能力、学习兴趣方面都有所差异，而通过传统的统一进度教学会使得不同主体的差异体现出来，因此多重场景化AI教学就通过非线性主体的不同特点进行进度调控和安排，从而实现学习质量和学习水平的提高。相对于传统教学方式，多重场景化下AI教学模式更多的依托于系统教学方案，系统会根据学生学习进度情况适当制定和修改教学计划，而对于以往教学中答疑、教学资源构建等工作，都可以由人工智能系统来进行完成，只有少部分需要人工进行处理。

二、《金融数学》网络课程内容与目标设计

《金融数学》网络课程的课程目标设计，应该致力于培养能够理论结合实际的实用性人才，在课程内容设计方面，不仅需要涵盖金融学、投资学等学科的相关金融理论，还需要包含服务于产品定价等的各种数学方法，同时还应该针对不同学习者进行细分设计。

（一）课程目标侧重培养学生金融分析与应用能力

金融数学在实际应用方面包括数学建模、仿真模拟在内的各种工程和信息手段对金融产品进行设计开发。在课程目标设计上，致力于培养学生的金融分析能力；以及对金融工具的组合、设计、开发与定价。以金融产品——互换为例，一般来说课程内容主要包含互换的概述、定价与应用三部分。前两部分主要从互换的定义、种类以及定价的基本原理来进行介绍，重点在于让学生在学习中学会判断分析金融产品定价的合理性；最后一部分主要介绍如何运用互换进行套利、规避风险以及设计新产品。课程内容紧紧围绕课程目标来设计致力于培养学生金融分析与应用能力，才会起到相得益彰的作用。

（二）课程内容根据不同层次学习者细分设计

在《金融数学》课程内容设计方面，对于金融知识掌握程度不同的学习者应该分类分级设计。以金融学专业本科学生为授课对象，可以让学生对《金融数学》学科的基本概念、基本理论和分析方法有基本的了解，同时让学生较全面的掌握金融工程理论与方法的主要构架。如，讲解“期权与期权市场”章节时，不仅要介绍期权作为几大主要金融衍生工具之一的概念、分类、功能以及全球期权市场的发展历程发展现状，还要让学生清楚期权在实际金融活动中的应用。

三、基于AI的教学方式金融数学网络课程的构建

（一）多元化网络课堂

1.构建双师课堂

在教学过程中引入AI并实现场景化区分，依托大数据和云计算，将原有的单一的网络课程变革成为“双师型”课堂场景，即AI教育系统和教师共同担任教学角色，AI教育系统根据学生历史数据和实际学习数据进行多场景化学习服务。这种方式可有效地降低教师的工作强度和烦琐程度，还可以通过私人定制依据不同学生的兴趣爱好与掌握程度进行跳跃式授课。

2.应用仿真交互课件

（1）仿真性。仿真性以仿真模型为基础，通过虚拟现实交互来构建课件，进而通过封装语言进行程序设计，由计算机指令和算法来执行仿真程序，最终达到模拟模型运演的结果。模拟金融数学模型的验算过程和生成三维应用图像，尽可能使学生有身临其境之感，提高学生的学习积极性。

（2）交互性

交互性是指通过信息媒介中的传输来进行相互的信息确认，教学双方根据各自的信息进行对接，完成信息沟通的过程。人机交互要以页面动态服务器语言为基础，以数据库为载体，交互内容可穿插在课件、虚拟现实、多场景AI中，如在金融数学模型讲解课件中，可以给予学生一定的订制空间，学生通过变化模型中的变量数据，得到不同的规形图，还可以根据市场变化情况，与模型变量进行比较，从而在学习金融数据模型基础上，能够与金融市场发展结合，有效地通过模型修正来指导市场发展。

（二）精准化系统教学

1.构建基于AI的多场景化学习系统

通过AI为基础，实现多场景化学习系统开发，增强人机交互、师生互动，引导学生建立适合自身的课程教学方案，满足其不同特点和学习能力的要求。

对于参与金融数学课程的学生的学习，AI场景化学习系统主要分为三个层次。

首先，在课前阶段，系统要通过AI实现学生前期基础知识的巩固，对阶段性知识进行测验，以便通过这些对于学生进行系统评估。巩固与测试可以以部分知识点生成客观题，也可以通过开放式试题让学生作答，最后根据测验成绩执行已经预先设定的教学方案。

其次，在授课阶段，根据金融数学的教学内容，偏重数学模型的讲解、验算、验证和模拟。AI可根据不同数学模型的特点，结合不同的金融市场，抓取一段时期的变量和数据，生成分布图，从而让学生在学习枯燥的金融模型的同时，能够掌握在市场预测和分析中的应用。学生可在系统中自行抓取数据进行运算结果和实际行情的对比，并引导学生得出不同环境下的调试和修正。

最后，在课程结束后，教师在总结学生的学习情况后，针对课程的章节重点，由AI系统给出课后作业。AI会自动识别学生在课上的完成情况，对于完成情况较好的、积极参与实践的学生，甚至没有课后作业。通过这种手段，调动学生在课堂上的学习积极性。系统同时给出阶段性的班级学习情况报告，以便教师根据实际学习情况调整进度安排。

2.通过AI构建学生学习进度库

AI系统可依据其科学构建的模型，反馈给学习者一个系统的学习计划，并在此基础上给予对部分知识深入学习的选择，以改善学生知识的零散性、无序性和片面性，促进其对知识的深层理解与建构。利用AI技术、大数据构建学生成长空间服务平台，记录学生学习进度并进行智能分析，最终形成学生的专属动态成长档案。

（三）AI助力实现云课堂

云课堂是目前远程教学的主流形式，特别是随着5G的发展，原有的数据传输速度大幅提升，使得更多的媒体都可以通过云课堂来实现。金融数学网络课程应在保留现有基础功能的前提下，提升云课堂的功能。通过集成AI的云课堂，可以实现对用户和数据管理更加高效。学生可以来构建课程的知识体系，如对于区块链概念的知识点，教师可通过平台布置给学生词条任务，学生通过查询资料进行构建词条，进而丰富知识库。同时，还能够增加学生在学习平台的自主性和交互性，如学生通过平台答疑，只需输入部分关键字而无须输入整个问题，系统会自动进行问题识别和联想，对于已经解决的问题无须重复提问，对未解决的问题，提问用户可以悬赏虚拟币来解答。课程结束后账户中的虚拟币可作为考核成绩的一部分。通过这种方式提升学生学习的自主性。

四、总结

综上所述，金融数学网络课程的开发要以AI为基础，突破传统网络课程的功能单一性，增强人机互动，提升学生多场景化的教学计划安排，突出模型仿真和模拟的特点，将人工智能与高校的课程教学结合起来，从而可以大幅提升教学水平，降低教师课堂授课的压力和工作量，实现教学模式有效的变革。