新工科视角下以计算思维为导向的高职信息类学生程序设计能力培养研究

2021-07-20肖卓宇陈果徐运标郭杰

计算机时代 2021年6期

肖卓宇陈果徐运标郭杰

摘要：针对新工科视角下学生程序设计能力较弱的问题，基于计算思维为导向，以深度学习课程为例，通过计算思维能力与深度学习基础知识点映射、计算思维能力与Python数据分析知识点映射、计算思维能力与机器学习算法知识点映射、计算思维能力与深度学习算法知识点映射四个阶段对课程进行改革。事实证明，教学改革激发了学生的学习积极性，有助于高职学生程序设计能力的提升，教学取得了较好的效果。

关键词：新工科; 计算思维; 机器学习; 深度学习

中图分类号：G642 文献标识码：A 文章编号：1006-8228（2020）06-106-03

Abstract： In view of the weak programming ability of students from the perspective of new engineering， guided by computational thinking， taking the deep learning course as an example， carry out the course reform through four stages， i.e. the mapping of computational thinking ability and basic knowledge points of deep learning， the mapping of computational thinking ability and python data analysis knowledge points， the mapping of computational thinking ability and machine learning algorithm knowledge points， and the mapping of computational thinking ability and deep learning algorithm knowledge points. It has been proved that the teaching reform has stimulated the students' enthusiasm for learning， helped to improve the programming ability of higher vocational students， and achieved good results in teaching.

Key words： new engineering; computational thinking; machine learning; deep learning

0 引言

为应对新型科技革命与产业变革，2017年2月教育部发出《关于推进新工科研究与实践项目的通知》，以促进新工科相关专业的发展[1]。2019年教育部根据《普通高等学校高等职业教育（专科）专业设置管理办法》，在相关学校和行业提交增补专业建议的基础上，增设了人工智能技术服务专业[2]。周以真教授于2006年3月首次提出了计算思维的概念，旨在基于计算机的视角对问题进行求解。2010年，周以真教授进而指出计算思维是与形式化问题及其解决方案相关的思维过程[3]。肖卓宇等人将计算思维引入到软件工程、大数据技术、数据结构等课程，提升了学生创新意识与实践能力[4-7]。

人工智能技术服务作为今年新增的新工科类专业，如何办出自己的特色，让学生受益落到实处，成为不可回避的问题。我院作为工科类专业为主导的国家示范高职院校，亟需在“云物移大智”方向有所发展，为此，以计算思维为导向对高职信息类专业学生人工智能程序设计能力深入研究有着积极的意义。

1 现状与存在的问题

1.1 高职学生程序设计能力现状

目前，信息工程学院已开设专业包括软件技术、移动应用技术、软件测试、大数据技术与应用等专业共计近1000余人，学生中近半数来自高考，另外一半主要来自不同批次的单招，学生程序设计能力良莠不齐，尤其数学、英语等科目略显薄弱。

1.2 教学课程体系陈旧

目前，学院教学从传统灌输式教学向超星、智慧职教等MOOC平台的混合式教学过渡，虽然目前在省级、校级MOOC建设上取得了一些成果，但MOOC课程与中国大学MOOC中的精品MOOC存在同质性，且存在较大的差距。另由于高职学校教师对新工科类相关课程认识的缺乏，导致一些应用型较强的新工科类课程难以及时向学生分享。

1.3 缺乏计算思维视域下的程序设计能力

高职院校学生学习基础相对薄弱，对于一些应用性较强，不涉及复杂理论，不涉及交叉学科的课程尚且能够驾驭，但对于新工科系列的课程明显感觉力不从心。以课程“机器学习”为例，在初步引导学生进行了线性回归、逻辑回归、支持向量机、神经网络等算法的实现后，发现学生很难从计算思维的角度对这些算法进行有效的归纳，如怎么将算法界定为监督学习、非监督学习、强化学习、深度学习、迁移学习等。

2 新工科视域下以计算思维为导向的课程教学改革

研究前期工作针对大数据技术等相关课程进行了教学改革，取得了初步成效[8-12]。在指导学生競赛上，获得了AIIA杯人工智能技能竞赛高职专科组全国一等奖第一名，AIIA杯人工智能技能竞赛高职专科组湖南省一等奖第一名，以及2019年度湖南省职业技能竞赛人工智能技术与应用赛项三等奖2项，但仍然存在一些不足。为此，本研究试图将新工科视域下以计算思维为导向的高职信息类学生程序能力培养研究进行改革，并将成功经验分享给信息类相关专业，以促进新工科类相关课程又好又快的发展。

项目以课程深度学习为例，分①计算思维能力与深度学习基础知识点映射;②计算思维能力与Python数据分析知识点映射;③计算思维能力与机器学习算法知识点映射;④计算思维能力与深度学习算法知识点映射四个阶段，阐述深度学习知识点与计算思维能力要求的映射关系。

2.1 计算思维能力与深度学习基础知识点映射阶段

该阶段属于入门阶段，主要负责对深度学习所涉及的基础概念、主要工具、基本框架等进行教学。表1描述了该阶段所包括的主要知识点，但如何能够驾驭这些知识点，计算思维也会有着对应的能力要求。如要掌握好机器学习基础知识简介知识点，就要求学生需要具备抽象思维能力、形式化证明的能力，而对于神经网络数学基础知识点，要求学生具备形式化证明、符号表示等方面的计算思维能力。

2.2 计算思维能力与Python数据分析知识点映射阶段

相对于第一阶段侧重基础概念，该阶段更加注重具体程序的实现，Python作为人工智能程序设计的重要程序语言，要求学生熟悉python程序设计基本语法的同时，也要灵活掌握Numpy、Pandas、Matplotlib等几个涉及科学计算、预处理、可视化的库，為后续第三阶段的机器学习算法实现做准备。

但第二阶段也对计算思维能力有着较高的要求，如表2中实战项目要求利用线性回归模型对数据进行分析，该阶段对抽象思维、模型计算、迭代等计算思维方法有着较高的要求。

2.3 计算思维能力与机器学习算法知识点映射阶段

在对基本概念、开发工具、预处理等方面具备一定的基础后，可以逐步对机器学习中的监督学习、非监督学习等进行程序实现。

表3描述该阶段需要掌握的主要知识点，如实战项目泰坦尼克乘客存活率估计实战项目需要对高阶建模、符号表示、模型计算、抽象思维等计算思维方法有着较高的要求。

2.4 计算思维能力与深度学习算法知识点映射阶段

深度学习阶段较第三阶段增加了很多的知识点，如卷积块、池化、激活函数、学习率等全连接等，该阶段学习难度较大。

表4中描述了该阶段需要掌握的主要知识点。该阶段需要通过Mnist数据集进行手写体识别来将所有新增概念融入其中。在学生具备一定的基础后，将一些经典的Alexnet、VGG、GoogLeNet、Resnet等卷积神经网络进行程序实现，并为后期的目标检测YOLOV3算法做准备。该阶段对计算思维的数据建模、抽象思维、符号表示、模型评估等方法有着较高的要求。

3 结束语

本研究对新工科视角下以计算思维为导向的高职信息类学生程序设计能力培养就行了研究，以深度学习为例，分四个阶段对计算思维与需要掌握的专业知识点映射关系进行了厘析，通过引入计算思维，逐步夯实了学生的专业基础。实践结果表明，通过四个阶段递进式教学设计，改革取得了较好的效果。今后工作将致力于把计算思维的思想迁移到更多新工科类课程，甚至是课程体系，为高职院校学生程序设计能力的提升做更深入的探索。

参考文献（References）：

[1] 梁军，侯迪波，张光新.新工科背景下自动化专业课程教学体系的优化重构[J].中国大学教学，2019.9：15-21

[2] 董文娟，黄尧.人工智能赋能职业教育：实质、路径与目标[J].现代教育技术，2019.29（10）：28-33

[3] 肖卓宇，叶嘉笑，黎妍. 计算机专业大学生程序设计实践能力培养改革[J].软件导刊，2017.16（2）：197-199

[4] 肖卓宇，黎妍，叶嘉笑.以计算思维为导向的大学生程序设计能力培养研究[J].计算机时代，2017.35（1）：79-81

[5] 肖卓宇，宋艺.基于CDIO的大数据技术课程教学研究[J].长沙民政职业技术学院学报，2018.25（2）：125-126

[6] 肖卓宇，叶嘉笑.基于CDIO的IT类应用型创新人才培养模式的研究[J].湖南邮电职业技术学院学报，2019.18（1）：89-90，97

[7] 肖卓宇，余波.大学生参与式教学方法在数据结构课程中的应用研究[J].湖南邮电职业技术学院学报，2018.17（1）：88-90

[8] 肖卓宇，何锫.多阶段可松弛的设计模式变体检测方法[J].华中科技大学学报（自然科学版），2018.46（1）： 26-31

[9] 肖卓宇，黄海，何锫，李港，杨道武，彭逸凡，董泽民.设计模式检测工具有效性评估策略[J].计算机科学与探索，2018.12（3）：380-392

[10] 肖卓宇，何锫，李港，杨道武，彭逸凡，董泽民.注入间接线索的设计模式变体分类检测[J].小型微型计算机系统，2018.39（6）：1335-1341

[11] 肖卓宇，何锫，余波.一种多阶段交互式线索驱动的设计模式识别方法[J].北京航空航天大学学报，2017.43（9）： 1746-1756.