基于人工智能机器学习的课程思政案例设计

张磊 唐芸 叶婧 蔡霞

（三峡大学电气与新能源学院 湖北·宜昌 443002）

0 引言

2020年5月，教育部印发的《高等学校课程思政建设指导纲要》中指出，要“全面推进高校课程思政建设，发挥好每门课程的育人作用”“使各类课程与思政课程同向同行，将显性教育和隐性教育相统一，形成协同效应，构建全员全程全方位育人大格局。”由此可见，党和国家对高校思想政治教育工作开展高度重视，强调发挥每门课程在立德树人过程中的协同效应，致力于创建思想政治教育的多主体参与、多形式呈现、多场域运作、多层面影响的“大思政”格局[1-2]。

教育部于2018年印发的《高等学校人工智能创新行动计划》通知，明确指出加强新一代人工智能基础理论和核心关键技术研究，尤其聚焦并加快机器学习、计算机视觉等核心关键技术研究，推动人工智能领域一级学科建设，完善人工智能的学科体系[3]。《机器学习》课程作为人工智能方向的核心课程之一，涉及概率统计学、算法分析、计算机编程等多学科，且其发展也在不断地吸纳其他学科知识，因此需要学生具有良好的数学基础和计算机编码实践能力。课程教学过程中，如何在有限的时间内兼顾到不同层次、不同水平的学生，根据学生的情况进行教学手段和教学模式改革，提高教学效率，让学生能在掌握专业理论知识的同时，提高学生对课程的学习兴趣和实践动手编程能力，是目前《机器学习》课程教学亟待解决的问题。因此，如何依托人工智能机器学习该专业课程教学，准确定位思政教育的育人价值，创新挖掘思政育人元素，完善人工智能领域人才培养体系，实现人工智能机器学习教学与思政教育的有机融合发展就显得尤为重要。

1 思想政治教育与机器学习课程的创新融合设计

机器学习课程教学与思政教育的融合发展，强调能将知识传授、能力培养与价值引领有机结合，提炼专业课程中蕴含的文化基因和价值范式，将其转化为社会主义核心价值观具体化、生动化的有效教学载体，大大提升思政教育亲和力，以润物无声的方式涤荡学生心灵，在“润物细无声”的知识学习中融入理想信念层面的精神指引，获得学生情感上的共鸣，实现在价值传播中凝聚知识底蕴、在知识传播中强调价值引领，于润物无声中立德树人。结合机器学习专业课程的特点，从以下几个方面开展课程思政融合思路。

1.1 教纲改革与创新设计

通过课程教与学，使学生认识和掌握机器学习的核心分析思维与基本理论方法，为进一步解决工程实际问题奠定良好的理论与实践基础。同时明确课程思政目标，立足人工智能机器学习的理论、方法和视野，深入挖掘专业课程的德育内涵和元素，将其转化为生动有效的教学载体，系统设计德育递进路径，并固化于教学大纲中，如图1所示。

图1：教纲授课要点与思政元素融合关系图

1.2 基于SPOC的“互联网+”混合式教学模式设计

依托在SPOC平台建设的课程资源，在机器学习课程教学过程中，运用智慧教学工具—雨课堂，采用“互联网+”环境下的“课前—课中—课后”全过程混合式教学模式，实现“课前”线上导学与“课中”线下教学内容有机衔接，“课后”实践项目紧密结合理论学习，借助比赛和开放式大作业，鼓励学生探索机器学习新技术、新方法。借助基于SPOC的“互联网+”混合式教学模式，将思政元素渗透在每个环节中，“因势利导，顺势而为”地开展思想政治教育，如图2所示。

图2：混合教学模式总体框架图

1.2.1 思政元素与“课前”导学环节结合，体现课程“高度”

“课前”导学环节作为推行教学模式改革首要之举，彰显了课程思政的高度理念。以SPOC互联网平台为载体，借助课前发布的章节知识框架和影视导学等材料，在完成课前自学任务的同时，基于机器学习章节知识，发布开放性作业话题，从纵向历史与横向现实的维度出发，引导学生挖掘蕴含在知识背后的思维方式、价值观念和人文内涵，使思政元素既源于历史又基于现实，既传承历史血脉又体现与时俱进。

如通过影视视角来追溯人工智能发展史，以点带面指明了各行各业与人工智能的交叉是必然趋势。通过对比分析Pytorch和Tensorflow，结合中兴、华为等时事热点展望当代技术前沿和工程应用，引导学生领略其中所蕴含的中国智慧，潜移默化加深了大学生对“中国品牌”的思想认同和责任担当。

1.2.2 思政元素与“课中”探讨环节结合，体现课程“深度”

“课中”授学环节作为推行教学模式改革关键之环，叩响了课程思政的深度理念。在线下翻转课堂教学中，教师做好线上线下教学内容的有机衔接，借助随机分小组协作学习，通过传授经典知识实例和互动探讨算法算例，帮助学生了解和掌握专业知识。其中，注重将思政元素通过显性灌输和隐性渗透的方式寓思政教育于专业知识之中，通过润物细无声、滴水穿石的方式，实现显性教育与隐性教育的有机结合。

如机器学习这门学科的学习对学生数学基础要求高，学生在课程学习中很难看到这些专业知识与实际问题的联系，容易产生消极情绪和思维脱节现象。教师根据课前导学获悉的学生情况，合理分配线上线下教学内容，让学生能较快地回顾已学数学知识并灵活应用在理解机器学习方法的理论知识中，并以数学作为人类解决实际问题的重要工具为出发点，基于高斯简介传播科学精神，从而提高学生的学术认同和学习内动力。

1.2.3 思政元素与“课后”实践环节结合，体现课程“热度”

“课后”实践环节作为推行教学模式改革结尾之笔，掀起了课程思政的热度理念。思政教育元素源于社会实际，源于学科知识与社会实践的结合，源于实践的解释和修正，因事而化、因时而进、因势而新。机器学习作为一门理论性和实践性都较强的多领域交叉学科，在教学过程中应注重理论教学与实践教学双向融合，注重产学融合、创新引领和服务社会。

如开展实践教学过程中基于经典模型和各类算法，强调“条条大路通罗马”。在教授经典模型算法的基础上，借助发布的项目作业鼓励学生探索新技术和新方法，培养学生的自主学习意识和实践创新能力。另外值得注意的是，机器学习这门新兴理论技术的前沿性无可厚非，但正如“课前”导学环节所展示的一样，归其根本是为人服务和为社会服务，教师需引导学生理性看待理论研究与实践考量的差异性，扩大看待事物的眼界与格局。

2 以无人机操作与智能巡检为例的课程案例设计与验证

课程教学融入思政，这种融入不是“生拉硬拽”，不是“牵强附会”，而是强调思政元素与学科知识的水乳交融，以润物无声的方式涤荡学生心灵，获得学生情感上的共鸣。不同的课程融入思政的点不同，不同的教学环节融入思政内容亦不相同。鉴于机器学习课程的理论性与实际性都较强的专业特点，以机器学习关键领域之一——神经网络与深度学习算法在无人机智能巡检领域为应用背景，设计了一个综合无人机智能化操作、故障巡检缺陷识别的实践项目，将实践项目与思政元素有机结合，实现工程教育、思政教育与专业课教育的互融互通，具体教学案例项目设计如表1。

表1：无人机操作与智能巡检综合性训练项目

2.1 电力巡检项目引入

“课前”借助SPOC线上发布国有工业无人机品牌——大疆智能无人机的介绍资料、演示视频。用影视中、现实中的典型案例告诉学生，计算机视觉与深度学习算法引入无人机智能巡检图像识别领域已成为必然趋势，并潜移默化地传递其中所蕴含的中国智慧。与此同时，教师提前线上发布各类算法资料及代码演示视频等学习资源，并布置课后作业，通过一些简单的生活案例引导学生进行算法尝试，为后续故障缺陷识别奠定实践基础。

2.2 图像识别算法研讨

应配网无人机智能巡检图像识别系统的故障缺陷识别的精确和高效性能要求，无人机智能化巡检中，借助深度学习算法强大的数据分析能力，让无人机图像识别系统去深度学习隐患并且较好地识别出各类缺陷故障。教学过程中，教师发布无人机智能巡检的缺陷数据图库等资源，以项目大作业的形式引导学生分小组协作，基于课前代码编写训练经验，将所学的各种机器学习算法活学活用，最终采用综合性评价考核机制对学生的学习情况进行考核。

值得注意的是，应当鼓励学生从实践中对机器学习中诸多算法的优劣比较问题寻找答案。以故障缺陷识别的准确率为例，应答鼓励学生尽可能地尝试各种分类算法，并通过交叉验证的方式选择最合适的分类算法，从而让学生从实践体验中获悉“没有最好的分类器，只有更适合的分类器”的道理。

2.3 无人机操作智能化实践

为了给予学生对无人机操作智能化的“感官体验”，通过切身所见所闻进一步激发学生对《机器学习》课程的兴趣和内在学习动力，实现工程实践教育与思政教育的有机融合。由专业的无人机飞行实操培训人员牵头，利用企业实践教学资源，在申请的合法空域中给学生开展无人机智能化操作实践教学。

3 结语

在当前的新工科背景下，全面推进课程思政建设是落实立德树人根本任务的战略举措，也是全面提高人才培养质量的重要任务。针对“新工科”建设人工智能领域专业工程教育与思想政治教育有机融合发展的迫切需求，本文基于《机器学习》课程特点与现有教学资源，从完善教纲和改革教学模式两方面积极开展教学改革研究，坚持价值性和知识性相统一，将思政元素无声地渗透到教学的各个环节，构建了以工程专业伦理为价值依托的教学内容体系，有助于塑造人工智能时代德智体美劳全面发展的工科专业全面全方位育人大格局。