产教融合视域下人工智能专业课程体系探索与实践

樊 超，杨铁军，侯慧芳，赵玉娟

(河南工业大学 人工智能与大数据学院，河南 郑州 450001)

近年来，随着物联网、大数据和脑科学等技术的发展，经济社会各方面对人工智能的需求愈发强烈，人工智能发展已经进入了一个新阶段，正逐渐成为国际科技竞争的新焦点和经济发展的新引擎。为抢抓人工智能发展的重大战略机遇，国务院、教育部先后出台《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》等文件，指出要把抢抓人工智能发展作为提升国家竞争力、维护国家安全的重大战略机遇，不断推进高校人工智能学科发展、人才培养和技术创新，为构筑人工智能发展优势提供人才支撑[1-2]。

当前，“新工科”建设和发展不仅要求培养学生对产品和系统的创新设计、建造、运行和服务能力，还强调着力提升培养学生解决复杂工程问题的能力[3]，这就对人才能力培养提出了更高要求。高校是培养满足新一代人工智能发展需求人才的主要场域。但高校传统的人才培养模式和课程体系普遍存在培养定位不明确，专业结构转型不快，知识结构不新，课程体系难以适应产业对人才能力的实际需求，培养出来的人才在知识、能力结构上与实际岗位的要求不相符等问题[4]。这就导致了一方面人才市场对人工智能人才的需求日益旺盛，另一方面高校培养的相关专业毕业生难以满足产业需求的现象。

产教融合是在校企合作的基础上，根据社会经济发展的需求与高等教育发展的特点提出的新概念。“产”是指产业，“教”是指教育，“融合”是指融教育于生产，融生产于教育。因此，产教融合的内涵具体包括以下3个层次：第一是从教育与产业结合的角度，实现高等教育的人才培养与产业规划发展相融合；第二是从办学的体制上，实现产业与教育资源、人才培育的优势相融合；第三是在教学的内容与方法上，实现教学过程与实际生产过程相融合[5]。

河南工业大学人工智能与大数据学院针对传统人才培养模式下课程体系存在的问题，依托产教融合模式，联合国内人工智能领军企业——科大讯飞股份有限公司，共建人工智能现代产业学院，着力培养适应产业需求的人工智能人才。校企双方依据建构主义学习理论和“知行合一”理念，从人工智能产业对人才能力的实际需求出发，共同设置适应产业发展的人工智能专业课程体系，从源头上解决人才培养过程中教育供给和产业需求“两层皮”的问题。

1 理论依据

1.1 建构主义学习理论

建构主义学习理论认为，人在与周围环境相互作用的过程中，会逐步建构起关于外部世界的知识，从而使自身认知结构得到发展[6-7]。基于建构主义学习理论的课程体系设计，就是在关注学习者原有学习基础、学习经验、知识结构的基础上，以培养目标的实现为驱动，构建知识体系。该理论强调学生是基于认知发展构建新知识体系的主体，而教师只是教学过程的组织者和学习情境的创造者，通过构建合理的知识体系和学习情境，协助学生完成对知识图谱的构建。因此，基于建构主义学习理论的人工智能专业课程体系设计，应包括以下两个方面：一是人工智能课程体系的构建要遵循学生对知识的认知规律，在深入分析和了解学生学习特点和需求的基础上，构建由浅入深、环环相扣、层层递进的课程体系；二是积极为学生营造良好的学习情境和氛围，充分利用各种教学资源，引导学生主动构建专业知识体系[6]。

1.2 “知行合一”理念

“知行合一”是中国独有的哲学范畴，是儒家思想的精神品格，是中国人修身至善的实践路径，是中华民族的教育传统[8]，也是中共中央、国务院印发的《中国教育现代化2035》提出的推进教育现代化的八大基本理念之一。这里“知”可以指科学知识，“行”指人的实践行为。将“知行合一”理念应用于“新工科”背景下的课程体系设计，其实质是强调理论知识与实践教学同等重要，学生不仅要学习理论知识，还要能够将知识应用于实践，能够解决实际工程中遇到的各种复杂问题，做到知与行有机结合、相容贯通。这就要求在设计基于产教融合的应用型人才培养课程体系时，不仅要注重理论知识与课程实验相结合，还需要把产业实际需求与教学内容相对接，充分发挥产教融合人才培养模式的优势，为学生提供大量的实践机会和实际工程情境。通过构建基于实际工程项目的实践教学体系，强化学生对知识体系的理解、应用和创新，实现知识与实践相互包含、相辅相成、相互促进，形成以知导行、知行并进、知而必行的层次化、渗透式课程体系。

2 目标的确立

基于建构主义学习理论和“知行合一”理念，本文将课程体系目标划分为课程体系总目标(“培养什么样的人”)、课程体系结构目标(“如何培养人”)和课程目标(“培养哪方面的能力”)3个层次，各层次目标依次递进，目标内容逐渐具象化，如图1所示。其中，课程体系总目标是其他两类目标的基础；课程体系结构目标以总目标为依据，从知识、能力和素养3个方面进行目标细分，从时间维度、目标维度和方法维度3个方面进行组织，以此实现总目标的达成；课程目标为课程体系结构目标的细分目标，即按照改进布鲁姆(Bloom)教育目标分类法确定每一门课程应达到的能力目标，是具体课程对课程体系总目标的表征与支撑，也是课程实施和教学组织的出发点和落脚点。

图1 课程体系各层次目标之间的关系

2.1 课程体系总目标

课程体系总目标是指学生毕业时应该达到的能力目标，即专业要“培养什么样的人”。围绕学校的人才培养定位目标和产业对人工智能专业的人才需求期望，确定了河南工业大学人工智能专业的课程体系总目标。具体如下：第一，具有坚实的数理基础，了解认知科学和信息科学的相关知识，系统掌握人工智能基础理论与基本方法；第二，具有运用人工智能基本模型、原理与方法设计有效的技术解决方案，并能从事相关应用研究与开发的能力；第三，能够适应国际化竞争环境，具有高度的社会责任感、良好的职业道德以及终身学习能力和开拓创新精神。课程体系总目标分别从知识、能力和素养3个方面对学生的培养规格提出了要求，涵盖了“新工科”背景下人工智能产业对人才的基本要求。

2.2 课程体系结构目标

为实现课程体系总目标，依据中国工程教育专业认证的成果导向教育(OBE)理念，从知识、能力和素养3个方面对总目标进行分解，构成课程体系结构目标，如表1所示。

表1 课程体系结构目标分解

为了实现课程体系结构目标，将课程体系结构划分为时间维度、目标维度和方法维度3个维度，以此构建课程体系框架。其中，时间维度表示课程安排的时间进程，可以用学期来表示；目标维度表示通过课程体系的组织，使学生应该具备的知识、能力和素养；方法维度表示课程组织过程中，应遵循的原则、模式、结构等，也可以拓展到方法层面，如课程教学所采用的教学方法、教学手段等。

2.3 课程目标

课程目标是对学生学习产出的描述，是课程要实现的具体目标和意图。它是对学生通过课程的学习后应具备什么能力的明确描述。2002年，krathwohl对Bloom学习分类法进行了改进，将认知领域的教育目标划分为自“低阶”(记忆、理解)到“高阶”(应用、分析、评价、创造)[9]。然而目前的教学多停留在对记忆、理解、应用这3个较低层次的能力培养上，鲜有涉及分析、评价和创造等能力的培养。为此，本文基于改进布鲁姆教育目标分类法和建构主义学习理论，结合人工智能专业课程体系总目标和结构目标，建立了循序渐进的面向能力培养的四层次课程目标，如表2所示。

表2 面向能力培养的四层次课程目标体系

3 课程体系的制定

为了适应新时代人工智能人才培养需要，在课程体系设计上，校企双方经过反复研讨后，采用了目前国际上普遍采用的本科课程体系模式，即“核心课+方向课+综合课”(Capstone Course)的模式。该模式与我国传统的人工智能本科专业课程体系相比，一是精简了必修课程，将大量传统的必修课改为方向课，解决了课程体系设置受总体学分限制的问题；二是增加了大量的实践环节，最后一年只安排生产实习和毕业设计，以此保障学生有充足的时间进入合作企业开展项目化工程训练，对接了产业对人才能力的实际需求。

3.1 核心课程体系设计

核心课程体系主要包括理论思维培养课程和实践能力培训课程两部分。涉及人工智能专业的基础课程，主要被设置在本科一二年级。

理论思维培养课程主要包括：高等数学、大学物理、人工智能数学基础、概率论与数理统计、线性代数、离散数学、数据库系统原理及应用、程序设计基础、Python程序设计、数据结构等课程。通过开展此类课程，使学生能够根据具体工程问题应用数学等自然科学和工程科学的基本原理，利用抽象思维和逻辑思维将待求解问题进行模型化、形式化的描述，进而选择合适的程序设计语言完成相应算法的编制，并能对算法的正确性和有效性进行分析验证以及提出优化改进建议。

实践能力培训课程主要培养学生的文献查阅能力和基础实验能力。通过开展此类课程，使学生能够针对实际工程问题设计相应的实验方案，选择、开发并使用恰当的计算工具实现方案的求解，且能对求解结果进行恰当的数据处理和数据分析，最终得出有效结论并提出改进措施。实践能力培训课程又可以分为基础课程实践和专业课程实践两部分。其中基础课程实践主要有文献检索、物理实验、程序设计实践、科学计算库综合实践等课程，用于培养学生的通用实践能力，加深对自然科学和工程科学等学科领域知识的理解和应用。专业课程实践包括机器学习、深度学习、自然语言处理、计算机视觉等课程，实践形式主要根据课程相应的知识点安排一些小型实验，如机器学习课程所涉及的实验项目(见表3)。该类课程设计实验项目的目的，主要是提高学生对专业课程相关知识点的掌握，为综合类课程奠定基础。

表3 机器学习课程的实验项目设计

3.2 方向课程体系设计

在整个人工智能专业课程体系中，通识教育类课程如高等数学、大学物理、大学英语、思想政治理论课等占据了较多学时和学分，在总学时和学分有限的情况下，一定程度上限制了专业课程的开设门数和学时数。这就与人工智能课程体系总目标形成了冲突：在有限的学时内，学生不可能学习完所有专业课程。为此，根据专业人才培养定位，并参考相关兄弟院校人工智能专业课程的开设情况，采用了以课程群为主线，必修课和选修课相结合的课程体系设计方法。在此基础上，本文将人工智能专业课程体系分为3个方向群：自然语言处理课程群、图像处理课程群和语音信号处理课程群。每一方向课程群所对应的专业课如表4所示。

表4 方向课程群对应的课程设置

依据前述面向能力培养的四层次课程目标体系，每一方向课程群又可以分为基础能力模块、应用能力模块、分析能力模块和综合能力模块。本文将以图像处理课程群为例，进行课程设置的说明。基础能力模块主要培养学生掌握基于深度学习的图像处理平台(如TensorFlow)的安装和使用。学生通过学习“Python程序设计”和“数字图像处理”课程，能够在TensorFlow平台上完成对常用图像的处理。应用能力模块主要培养目标是使学生能够应用所学相关专业知识搭建一个完整的深度学习模型，实现对特定图像的处理,如图像分类、图像分割等。通过任务的形式让学生将所学基础知识串联到一起，在提升学生解决实际问题能力的同时，激发学生的学习兴趣。分析能力模块主要培养学生分析问题和优化系统性能的能力，强调不仅要搭建模型解决问题，还应该对模型的性能进行分析,并提出相应的优化措施。综合能力模块属于高阶能力模块，主要培养目标是使学生能够针对特定应用场景需求，基于资源受限平台进行模型选择，并确定设计方案、实现系统功能。

3.3 综合课程体系设计

综合课程体系主要包括两方面课程：一个是综合项目设计，另一个是贯穿于大四整个学年的生产实习。设置综合课程的目的是通过实际工程项目，加强学生对所学专业知识的理解与应用，做到知行合一。

综合项目设计被安排在大三下学期，主要内容是拟定若干综合项目任务，任务选题均来源于企业实际案例。在学期开始即发布任务要求，让学生带着任务进行方向课程的学习，并思考项目的整体设计；在学期临近结束时，集中利用4周时间完成综合项目设计工作。综合项目设计要求学生综合运用相关课程知识体系，分组(组内包含每一方向课程群成员)完成一个完整的人工智能综合系统的设计和实现，包括书写项目设计书、制作PPT、项目汇报和现场答辩等。例如：AI+支付综合项目设计是使用生物识别技术，在支付阶段通过“扫脸”来取代传统密码或一卡通[10]。项目通过人脸图片匹配到学生信息，完成相应的支付，并合成一段语音对支付金额进行播报。该综合项目设计既可以培养学生利用计算机视觉、自然语言处理、机器学习等人工智能核心课程知识解决实际工程问题的能力，同时也让学生体会到人工智能给日常生活带来的便利，增加对专业的认知度和学习的主动性。

为了考查学生在综合项目设计全过程的表现情况，引入过程性评价体系，将综合设计过程分为项目论证、项目实施和报告答辩3个环节。每个环节单独打分，每一环节成绩在总成绩中的占比分别为25%、50%、25%。在每一环节的考核过程中，通过教师评价、组间互评和组内评价这一多主体评价模式，充分调动老师和学生的积极性。每一评价主体在总的考评成绩中的比重各为三分之一。其中教师评价、组间互评这两项在每一阶段都有对应的评价标准，具体见表5。

表5 综合项目设计考核内容及要求

生产实习被安排在大四阶段，主要是将学生分组安排到科大讯飞股份有限公司及其生态关联企业进行实践活动。学生通过参加公司团队，完成实际的人工智能项目开发，并结合实际工程项目完成毕业设计。通过生产实习课程，可以培养学生解决复杂实际工程问题的能力，有效解决传统教学模式中的“最后一公里”问题，最终实现为产业发展提供高素质技术人才的专业培养目标。

4 “产教融合、循序渐进、知行合一”的课程体系特色

4.1 坚持产教融合、优势互补、协同育人的人才培养模式

考虑到高校教师理论基础扎实而实践能力偏弱的特点，课程体系中涉及的理论性较强的专业基础课和专业核心课程全部由学校教师承担。而企业工程师具有较强的实践能力和项目开发能力，因此课程体系中实践性较强的课程如综合项目设计以及生产实习等课程，由企业工程师承担授课任务。两种授课方式在教学内容上相辅相成、相互配合。例如，学校教师和企业工程师通过研讨，将企业产品研发和项目开发过程中涉及的工程案例进行分解，按照人才培养要求渗透到相应课程的教学内容中，作为某一门课程的教学案例，以此实现课程内容与产业需求相结合、理论与实践相结合的目的。在培养学生具备扎实人工智能专业基础知识的同时，着力提升学生的实践能力和职业素养，培养能够满足人工智能产业发展需求的高级技术人才。

4.2 以建构主义学习理论为指导，建立循序渐进的课程培养体系

遵循学生的认知规律，将课程体系划分为核心课程、方向课程和综合课程三大模块：核心课程侧重于帮助学生对专业知识点的理解，方向课程主要帮助学生将知识点串联成知识线，而综合课程则通过引入实际工程案例，帮助学生将知识线组建成知识面，进而实现由点到线再到面的立体化知识体系构建，形成较为完整的人工智能知识图谱。在三大课程模块的实施过程中，通过任务驱动式教学模式和相应的实践内容设计，逐渐培养学生的认知思维、系统思维、专业思维以及创新思维，实现学生认知能力提升的循序渐进。

4.3 以“知行合一”理念为指导，构建理论与实践相结合的课程体系

在大学一年级时，开设物理实验、程序设计实践等实践课程，加强学生对基础知识的理解，激发学生的学习兴趣。在大学二年级时，以专业理论学习、专业实践训练相互促进为主线，以提升学生的综合素养、实践能力和创业意识为目标，开展多形式的教学和多渠道的实践，加强学生对专业知识的理解，使学生掌握解决实际工程问题中所涉及的一些基本实践流程和方法。在大学三年级时，开设一些综合课程，引入企业实际项目案例，引导学生应用所学专业知识和实践技能，解决实际工程项目中的复杂工程问题，逐步培养学生的创新能力。在大学四年级时，利用校企深度融合的育人优势，将学生分配到对口企业进行生产实习，参与开发企业实际在研项目，以此全面培养学生的工程能力和职业素养，提高学生对所学知识的综合应用能力，最终使学生在毕业时拥有工程师所具备的基本能力要求，促进课程体系总目标的实现。

5 结语

本文以河南工业大学人工智能现代产业学院为依托，针对传统人才培养模式存在的问题，借助校企深度合作平台，在深入分析学生学习特点和产业对人才能力实际诉求的基础上，探讨了基于产教融合、“知行合一”理念的多层次、立体化的课程体系设计方法，构建了基于“核心课+方向课+综合课”的理论与实践有机融合的应用型人才培养课程体系，旨在为河南省新一代人工智能产业高质量发展提供高素质应用型人才，助力河南经济强省和制造业强省建设。