APP下载

基于建构理论的《人工智能》混合式教学模式探索

2022-06-16罗会兰曾泽华

教育现代化 2022年19期
关键词:建构人工智能教学内容

罗会兰,曾泽华

(江西理工大学 信息工程学院,江西 赣州)

一 引言

我国在战略层面制定了针对人工智能的全面推进计划,通过产业智能化来实现我国的产业升级,并大幅提升综合国力和影响力。在新一代人工智能发展规划的重点任务中,就提出要加快培养人工智能高端人才。为了践行国家战略规划,许多专业都为研究生开设了《人工智能》课程,课程包含了非常广泛的基础理论和多个研究领域的内容,因此单纯靠传统的授课方式来让学生深刻理解并灵活运用这些理论,是非常困难的。通过将建构理论应用于人工智能课程的教学,结合混合式教学模式,将有效帮助学生对人工智能的课程内容及其相关知识进行深入的思考,完成对人工智能理论知识的掌握和理解。学生能够通过简单的基础知识,对复杂的人工智能技术和思想进行理解和建构,从而掌握人工智能的技术,对现有的人工智能算法有自己的思考和见解。通过重构自己的知识图式,学生能够创新性地使用或设计人工智能算法,解决具体问题。

当前已经有研究者基于建构理论进行人工智能课程的教学[1],但教学的内容主要是对多层感知机的教学实践。基于建构理论的人工智能混合式教学模式旨在覆盖更多的人工智能内容,在课程的设计上更加的复杂。教学内容包括基础的感知和决策算法、不确定知识的推理、计算机视觉算法的学习,等等。为了让学生能够掌握较为复杂的人工智能知识体系结构,人工智能课程使用了基于建构理论的教学方式,使用多种教学工具辅助学生从简单的理论知识,逐步构建起整个理论框架。建构理论的实现是通过混合式教学模式,将线上线下教学模式的优势相结合,运用教师线上教学过程、自主学习过程和综合评价过程,实现了建构理论中的多种教学方法,最终建立起以培养学生主动学习能力为中心的人工智能课程混合式教学模式。

二 人工智能课程基于建构主义的教学理论基础

建构主义理论是解释人类如何学习和认知规律的理论,起源于认知心理学,以及让·皮亚杰(J.Piaget)所建立的认知发展理论。建构主义学习理论认为学习过程是一种对知识的重建,而不是知识的传播,因此学生可以通过已有的知识去获取更多的知识,通过不断构建知识框架,从简单的知识内容逐步完成对复杂知识体系的建构,从而完成复杂知识的学习。

根据皮亚杰的理论,人会在脑中构建一种特殊的心理结构,使经验变得有意义,该结构称为“图式”(schemes)。儿童通过与环境的互动建立图式,互动方式为同化和顺应。在同化过程中,人们使用已有的图式去解释和探索外部世界,去运用已有经验对外部世界造成影响。在顺应过程中,人们在与外界交互的过程中发现已有的图式无法掌控和解释环境,则需修改或新建图式,从而顺应环境的变化。已构建的图式,将在脑中进行组织,该过程不直接与外界环境交互,而是通过对图式进行联系和重组,建立起对世界的复杂认知[2]。因此,想要让学生建构出知识体系,就需要提供恰当的环境,去支持学生完成同化和顺应过程,让学生逐步建立和修改自身的知识结构,从而熟练掌握所学内容。

《人工智能》是计算机科学与技术一级学科硕士点的基础课,课程包含的知识体系会较为复杂。在学生在掌握了基础理论后,使用建构主义的教学模式,在学生已有的知识基础上,不断调整和新建知识框架,改变已有认知,从而完成人工智能课程的学习。由于人工智能技术正处于快速的发展阶段,学生主动建构出的知识体系,有较强的学习能力和调整空间,在未来更深层次的研究中,能够更好地吸收新知识、新观点,通过对已有知识的重组与思考,能够更具创造性地进行科研与实践,从而由学习变为创造。通过建构主义教学理论的人工智能课程学习,做到学以致用,发展创新。

三 人工智能课程基于混合式教学模式的理论基础

21 世纪已走过第二个十年,在第一个十年,教育部启动了“新世纪网络课程建设工程”和“国家精品课程建设工程”,成为了中国线上教育的开端基。在第二个十年,MOOC(大型开放式网络课程)在众多顶尖高校的支持下飞速发展,诞生了诸多优秀的课程资源,建立了诸多新颖的教学模式。但线上教学的问题是过于宽松的教学环境,导致教学质量和教学进度很难保证,并且当学生在学习过程中产生问题,也很难与教师直接交流。因此,将线上线下教育模式进行融合,以学生为学习主体,使用多种教学工具和教学方法帮助学生掌握知识的教学方法,就是混合式教学[3]。

混合式教学能够使用的教学工具众多,教学形式各异,因此相较于传统的线上教学或线下教学,混合式教学模式对教师的要求更高,需要根据教学任务创造性地混合不同的教学方法,以促进学生的学习认知,并指引学生从认知到实践[4]。较为简单的方式是使用MOOC 负责线上教学,学生选择最合适的MOOC 课程内容进行学习,在掌握了基本的理论知识点后,传统的线下教学可以侧重于知识的重建和创造性思维的激发,学生对所学内容进行汇报交流,老师进行复杂问题的答疑解惑,并对学生的学习进行评价反馈。

混合式教学中学生的自主学习过程,正是建构主义教学理论所描述的学生自主构建知识体系的过程,但该过程如果完全在线上由学生独立完成,将缺少关键的、引导学生建构正确知识体系的外部环境。基于佛罗里达大学的研究[5]表明,学习环境对混合式教学的教学质量是至关重要的。混合式教学的线下教学过程,正是辅助学生调整认知结构的关键,确保学生能够完成知识体系的构建。以往混合式学习把重点放在教师如何创造知识上,而不是放在学生身上。为了克服这个缺点,将建构主义理论应用在混合学习环境中,增加学生的互动性,注重学生在他/她以前的经验基础上建构新的知识[6]。

混合式教学的主要难点,是被教育一方可能不具有较强的使用计算机或互联网的能力,从而使得线上教学难以展开,最终教学质量难以保证。由于学习人工智能课程的学生其专业大多为计算机或电子通信,其自身就有较高的计算机使用能力,能较好地从互联网中搜索并获取大量信息。同时人工智能课程包含大量代码实践,该过程能由学生自主学习掌握,同时也需要课堂实践和老师的指导,因此将混合式教学运用于人工智能课程,能最大程度提升课程的教学质量和教学效率。

四 基于建构理论的混合式人工智能课程教学基本架构

受新冠病毒疫情影响,2020 年春季学期,江西理工大学硕士研究生的《人工智能》课程的主要教学在线上完成,通过混合式教学模式,将大量线下的教学方法和教学流程,通过精心设计运用到线上教学中。本课程可分为三个教学过程,分别是学生教师线上教学过程、自主学习过程和综合评价过程。在这三个教学过程中,使用了四种教学方法,分别是支架式教学、教学情景建立、随机进入式教学和小组协作学习模式。通过三个教学过程,实现了混合式教学模式,通过四种教学方法实现了建构式教学理论。基于以上教学过程和方法,设计出了基于建构理论的混合式人工智能课程教学模式,能够有效提升教学效率,让学生建立起人工智能研究方向的知识体系,并培养他们解决实际问题的能力和科研能力。

(一) 基于建构理论的教学方法

1. 支架式教学

支架式教学,是由杰罗姆·布鲁纳提出的教学理论,他认为学习不是被动的获取信息,而是主动地赋予信息意义,通过加工和重构,将信息内化为知识。通过不断地对信息进行螺旋式的加工和构建,使人从简单的知识逐步构建出复杂庞大的知识体系,从而完成学习过程。将该思想用于教育领域,就是著名的支架式教学,教师为学生提供学习的支持,让学生在老师的帮助和引导下自主学习基础内容。在完成初步学习后,逐步拆除脚手架,从而让学生逐步自主掌握知识。在人工智能课程的初次教学,就将为学生提供人工智能的宏观概念,从整体拓展到人工智能的每一个子领域,给予学生清晰的框架,用于具体知识的构建,课程的模块如图1 所示。

图1 人工智能课程模块图

人工智能的研究主要基于四个方面:模拟人类的思维模式、模拟人类的行为模式、合理的思维和合理的行动。人工智能课程包含大量算法分析和代码实践,因此需要教师为学生提供充足的教学支架作为支撑,帮助其跨越最困难的入门阶段。因此,本课程为学生提供了大量的案例,引导其理解知识的内在逻辑,并通过丰富的课外学习资源及课后练习,让学生自由探索感兴趣的相关内容,帮助其理解抽象概念中更深层的原理。

2. 教学情景建立

教学情景是通过将教学内容至于特定的情景下,让学生建立知识与情景间的联系,从而让学生更好的记住所学的内容[7],这就涉及到教学理论中的建构理论和认知心理学的记忆过程。教学过程中涉及到工作记忆和长期记忆,在工作记忆中存在视觉空间画板和情景缓冲区[8],我们在使用工作记忆时会对所学内容建立视觉印象,并通过情景缓冲区,将知识与情景联系起来,辅助长期记忆进行索引提取。对于长期记忆,教学的内容主要属于陈述性记忆中的语义记忆,但该类型记忆非常容易被遗忘,因此使用教学情景将教学内容联系到陈述性记忆中的情景记忆,将会提升学生对知识的长期记忆。由于记忆存在编码特异性,一旦脱离了特定的情景可能会忘记对应的知识,因此需要通过建构理论将多种知识与情景结合,建立知识间的内在联系,从而结构化记忆内容,让学生自然地记住所学内容。

在人工智能的教学中,使用了多种教学情境辅助学生学习,首先是使用相同实例用于不同知识的讲解。对于智能体的讲解,课程将其抽象为吸尘器,对于人工智能的行为过程抽象为清理灰尘。通过吸尘器的实例,讲解不同的人工智能策略。对于机器学习的讲解,将不同的学习过程抽象为挑选西瓜的过程,通过生动的案例,让学生理解不同机器学习算法的过程。通过相同的实例分析,让学生自主的建立知识的联系与区别,由实例所构建的教学情境,又能很好地帮助学生记住相关内容,让其更好地建立起完整的人工智能知识体系。

3. 随机进入式教学

随机进入教学的基本思想源自建构主义学习理论的弹性认知理论,期望学习者通过不同途径、不同角度、不同方式多次进入同样的学习内容去进行学习,从而获得对同一事物多方面的认识和理解[9]。通过教学情景已经能够提升学生对知识的记忆,但结合随机进入式教学,才能有效提升学生对知识的理解能力。通过教学情景的建立,能让学生初步联系起所学内容;通过随机进入学习,将同一事物的多方面认识引入教学;通过引导学生进行发散性思维训练,找出该事物在不同方面的共性与差异;通过小组协作学习讨论该事物的不同观点,最终就能让学生主动构建出该事物的完整认知,从而做到对知识的灵活运用。

人工智能课程包含大量的子领域内容,包括哲学、数学、神经科学、心理学、计算机科学、控制论和语言学[10],因此人工智能课程非常适合使用随机进入式教学模式。以人工智能中的卷积神经网络为例,在教学的过程中可以从不同的方面对该知识进行理解。在数字图像方面,可以将卷积神经网络抽象为众多的滤波器,通过对原图的变换和滤波,最终得到期望的结果;在传统神经网络方面,卷积神经网络的核心是其特征的连接,通过复杂连接的神经网络即可完成图像处理任务[11];在神经生物学方面,卷积神经网络是对外侧膝状核的仿生,通过感受野的递进来处理图像任务[12]。通过在不同的教学阶段随机进入对卷积神经网络的理解,让学生从多角度去理解和思考,并认识到知识能从多方面进行解释,每个人都能基于自身的知识框架形成对知识的独特理解,从而让学生对该知识点建构出自己的理解。

4. 小组协作学习模式

新型建构主义认为,学习者与周围环境的交互作用,对于学习内容的深入理解起着关键性的作用[9]。从皮亚杰的发展心理学角度来看,通过小组间的学习分享,让相同的知识和不同的观点在分享中碰撞,使学生相互“顺应”各自的图式,从而对知识结构进行增量的修改,让学生建立起更完整的知识体系。在小组协作研究中,老师通过脚手架式教学,帮助学生完成小组学习的全过程,并参与到学生对知识的建构过程,建立起以学生为主体、老师为辅助的学习环境,小组协作模式如图2 所示。

图2 小组协作学习模式

在小组协作过程中,老师会给出问题,由学生对问题和知识点进行探讨研究。在讨论初期,老师将指引学生进行发散性思考,通过学生间的观点分享与碰撞,引导学生深入思考人工智能课程中的核心内容,并在讨论结束时辅助学生对知识点进行归纳总结。在实践阶段,学生通过分组完成特定任务,教师在任务设计阶段就充分考虑到学生间的协作问题,将教学内容分为特定的多个实践任务,由学生组队进行方案设计和实践操作,培养学生的团队协作能力和利用群体智慧解决问题的能力。最终通过师生共同对所学内容的理论思辨及数学推理,让学生对所建构的知识体系进行修补完善,并通过课后研究,保持对人工智能课程的持续学习。通过小组协作,使教师和每位学生的思维与智慧在整个群体中共享,共同完成对所学知识的意义建构,让学生理解并能灵活运用人工智能知识,为之后的研究学习打下坚实的基础。

(二) 基于混合式教学模式的教学过程

1. 教师线上教学过程

《人工智能》课程利用了“学堂在线”平台进行了线上教学,学生通过听课、阅读相关文献、演示报告心得、讨论和实践多种不同学习模式来强化所学知识,实现了对知识的建构。根据混合式教学的教学特点,每一节课使用了较短的视频时长,让学生尽可能对较少的信息形成注意力,当学生在混合式教学的其他阶段遇到不理解的地方,能够重新观看教学视频,从而提升其对知识内容的记忆和把握。

课程将人工智能课程划分为机器学习、问题求解、不确定性推理、计算机视觉、自然语言理解五大模块,如图1 所示,以问题为主体,通过围绕特定例子对多种算法和理论进行综合学习,让学生在抽象的算法和实际问题间建立联系,从而让学生快速实现知识的消化和重建,培养他们解决实际问题的能力和科研能力。

2. 自主学习过程

混合式教学的核心,是学生在课前和课后的自主学习过程。在自主学习阶段,学生学习的动力来自于对课程的兴趣。自主学习期望达成的目标是学生充分掌握教学内容,并通过自主搜索和学习,在课程结束后依旧有能力不断提升人工智能领域的相关知识的理解和应用,对所学内容进行持续的建构。自主学习的内容分为理论学习和代码实践,从基础的人工智能理论,逐渐学习并实践人工智能算法,利用MOOC 学习平台完成自主学习,利用python 代码结合Tensenflow 和PyTorch 深度学习框架,完成代码实践,具体如图3 所示。

图3 以MOOC 平台资源为辅的随机在线学习资源

课程使用教学支架为学生提供入门辅助,随着课程的进展会推荐多种MOOC 课程让学生自主学习,并在代码实践阶段提供基础实例代码和任务目标,期望学生通过自主学习完成课程目标,使用代码构建出深度学习模型,并使用大数据框架处理模型数据,做到对人工智能算法的熟练掌握。为培养学生的自学兴趣,课程还会提供多媒体资源以供学生探索,包括人工智能算法的可视化网站、通过人工智能算法生成音乐图像的程序应用、与课程进度相关的课外书籍等等。通过课程对学生自主学习过程的精心设计,能够最大程度地帮助学生不断建构人工智能的知识框架,提高学生的自学能力、创新能力和解决实际问题的能力。

3. 综合评价过程

对于混合式教学,如何有效考核研究生的自主学习能力和创新能力是难点之一。在培养人工智能时代的学生方面,不仅需要标准化的试题考核,还需要通过非标准化的评价体系考核学生的综合素质和能力[15]。面向研究生的人工智能课程,重在考核学生的思考问题能力、理论知识的推导能力、成果的展示能力和论文的写作能力,所以设计了如图4所示的多方位评价指标来对本课程的学习进行综合评价。

图4 考核评价体系

思考问题的能力主要在线上讨论的过程中进行评判,在建构式教学中,学生在教学过程中占中心地位,因此需要学生对课程内容进行深入思考,并与老师和其他同学进行探讨,在该阶段即可对学生思考问题的能力进行评价,并在课程进行过程中帮助能力较差的学生,为其提供支持与帮助。由于人工智能有许多内容基于严密的数学推导,因此对人工智能知识的掌握也表现在对理论知识推导的能力上,该部分的评价将分布在课后练习和最终考试中。人工智能课程是为研究生所开设,因此本课程最重要的考核指标,是学生掌握并运用人工智能技术的能力,以及将研究成果转化为论文的能力。通过小组协作过程,学生已经完成了大部分课程的研究和实践,因此对该项能力的考核,主要是其课程学习后的论文撰写上。结合小组协作及自主学习,学生应该构建出对人工智能技术独特的知识结构和对应的深入思考,因此对学生最终的论文进行考核,既能评价其知识的掌握水平,也能考核其论文的撰写能力。在综合评价的最后一个环节是对成果的展示,该过程既能让学生互相交流学习心得,进一步扩充其知识结构,也能在教师的指引下对人工智能问题进行更深层的思考,从而让学生在课程结束后继续人工智能知识的建构,不断提升其学习和创新的能力,做到持续学习,持续思考。

五 实践效果及分析

基于建构理论的混合式教学被运用于2021 年上半年的人工智能课程教学中,教学过程包含疫情隔离期间的线上教学,及返校后的线上线下混合式教学,线上教学使用“学堂在线”平台进行课程发布和作业布置,使用“腾讯会议”平台进行线上课程答疑及小组交流协作。在教学过程结束时让学生填写教学评价调查问卷,作为教学实践的评价指标之一,调查问卷内容参考混合式教学评价指标[14]及建构主义教学评估的评价指标[13],对教学效果进行量化分析。

为了更好地对比评价教学效果,2021 年下半年的人工智能课程教学将作为对照组参与教学评价。该教学过程全程为线下教学,使用建构式理论的教学方法,以最终的学生成绩作为评价数据。为保证结果的有效性,参与对比的学生均为相同的计算机专业,且保证教学内容一致。

人工智能课程的最终成绩是通过4 项成绩加权求和得到的,分别是15% 的考勤及上课表现,15% 的小组协作任务,28% 的论文写作成绩和42% 的期末考试成绩。两种教学方式的成绩结果如表1 所示。

表1 不同教学方式的成绩平均分

从表1 可以看出,混合式教学模式下学生的成绩要略好于只使用线下教学的学生,在考勤、上课表现、小组协作、论文写作方面都有明显的优势,证明混合式教学能有效提升学生的综合素质,增强学生的学习兴趣。在期末考试成绩中,混合式教学成绩要略差于线下教学,这可能是因为混合式教学模式下,学生的习题练习时间偏少、对题型不熟所导致。

由于建构式教学方法主要提升的是学生的综合能力及学习体验,因此通过调查问卷的方式能较为量化的体现教学结果,为教学内容的改进提供参考。调查问卷分为教学内容分析、主观教学感受、教学内容回忆三个板块,量化分析了基于建构理论的4 种教学方法和混合式教学的实际效果。问卷中的教学内容分析结果如表2 所示,学生需要对所学内容进行打分,满分为5 分,所学内容包含6 个章节的学习掌握情况,分值越高掌握越充分,对于日常作业和考试内容的难易程度评价,分值越高则越发的困难。

表2 基于教学内容的调查问卷得分

从表2 的内容可以看出,随着课程的深入,学生对知识的掌握就越加困难,但由于支架式教学的帮助,老师提供的教学指引能够在前5 章中有效帮助学生理解和掌握知识,获得了学生3 分以上的评价,但在第3 章节的得分数据方差较高,证明有部分学生没能较好掌握该内容,需要老师为这些学生提供更针对化的指导和帮助。

从表2 的难易度分析可以看出,日常作业和期末考试都是较为正常的难度,但学生普遍认为课程的论文撰写难度较大。由于大部分学生是初次撰写人工智能领域的研究论文,并且需要进行论文成果的展示,这对学生的论文索引及阅读能力有较高的要求,对学生而言是一次较大的挑战。在实际成果展示阶段,能明显感觉学生通过论文的撰写,理解并实践了所学内容,并在各自感兴趣的领域做出了一定的学术探索,对于学生的后续科研阶段起到了积极的影响。

在问卷的第二部分即主观教学感受中,问卷涉及了支架式教学和情境建立方法的有效性,以及混合式教学的主观感受,具体如表3 所示。

表3 主观教学感受的调查问卷得分

从表3 的得分来看,问题1 有着较低的均值和较高的方差,这意味着老师的答疑解惑有效帮助了部分学生,但另一部分学生的答疑需求没有被满足,结合问题2 的较高均值来看,支架式教学取得了较好的效果,但在答疑解惑方面还需要老师更加主动的与学生交流,并通过小组讨论阶段帮助学生解答学习过程中的困惑。

问题4 和问题5 显示了混合式教学中的自主学习效果,大部分学生都在课后学习了相关的知识内容,也会进行代码的练习,但问题5 的方差较大,表明有部分学生很少进行代码练习,需要老师在教学内容中提供更完善的代码环境和模型数据,减少其自主学习的难度。问题6 和问题7 显示了小组协作学习模式的有效性,学生对于小组讨论过程和具体的协作过程均较为满意。

问题3 显示了教学内容有效启发了学生的思考,通过教学情景的建立及不同教学内容的随机进入,让学生掌握了知识的内部联系,能够通过对知识内容的泛化,在遇到新知识或新情景下,主动与旧的知识建立关联,从而引发其深入的思考。为了进一步量化该教学方法的效果,问卷的第3 个板块让学生回忆教学内容中具体的情景案例,并通过具体问题考察学生对于所学内容的泛化能力,具体如表4所示。

表4 教学内容回忆的调查问卷得分

表4 中第1 个问题显示出学生普遍记得两个以上的相关算法,证明了情景建立的有效性。第2 个问题,学生能从多个角度解释神经网络的概念,证明了随机进入式教学有效地提升了学生的泛化能力,并产生了对于知识内容的独特理解。

表3 中的问题8 显示出了混合式教学与普通线下式教学最大的不同,即学生普遍对上课时间安排较为满意。因为在线上教学过程中,学生在签到完成后即可按照自己最合适的时间进行视频学习,对于不理解的内容也能通过暂停视频进行深入思考。在教学答疑及小组协作阶段,混合式教学也能通过协调师生时间,获得最高的教学效率。在“学堂在线”平台的学生学习时间统计中,能够明显发现学生的学习时间分布非常平均,不同的学生习惯在不同的时间完成视频学习和作业练习,具体如图5 所示。

图5 学生线上学习活跃时间

结合学生的最终学习成绩、学生的教学内容评价和主观教学感受,可以认为基于建构理论的4 种教学方法及混合式教学模式,能够有效提升《人工智能》研究生课程的教学效果,帮助学生更深刻地理解教学内容,有效提升学生的综合素质和科研能力。在学生的主观感受和教学的实际效果上均取得了较好的成绩。

六 结语

基于建构理论的混合式教学模式,能够有效促进学生的自主学习能力、团队协作能力、沟通交流能力和创新思维能力的培养。通过精心设计的课程内容、科学有效的教学方法,以及师生间的共同努力,为学生未来的科学研究和工作实践打下了坚实的基础。本课程基于建构理论的人工智能混合式教学模式为其他课程的教学提供了经验指导,同时也为社会培养了掌握先进人工智能技术的优质人才。

猜你喜欢

建构人工智能教学内容
消解、建构以及新的可能——阿来文学创作论
残酷青春中的自我建构和救赎
2019:人工智能
人工智能与就业
数读人工智能
建构游戏玩不够
“启蒙运动”一课教学内容分析
下一幕,人工智能!
紧抓十进制 建构数的认知体系——以《亿以内数的认识》例谈
“清末新政”也可作为重要的教学内容