PBL 教学理论在深度学习技术课程中的应用研究

张 伟，朱志良，周春芳，于 海，李传文，陈 进

（1.东北大学PBL 研究中心，沈阳 110819；2.南丹麦大学，丹麦 欧登塞DK-5230）

随着计算机技术和互联网技术的发展，以深度学习技术为代表的人工智能受到了各行各业的关注。在未来，几乎所有行业都会使用到人工智能技术。在国内，已经出现了众多高科技人工智能企业，例如旷视科技、科大讯飞、华为科技、阿里巴巴等，这些企业为各行各业及政府部门提供人工智能和大数据分析的解决方案。这种社会需求对人才培养工作提出了新的要求，各大高校为各个专业均开设了相关的课程。在东北大学，深度学习技术课程深受学生喜爱，每年都有来自10 多个专业的学生选修这门课程。然而，由于选课学生来自不同的专业，具有不同的背景，这对课程的设计和教师的授课模式提出了新的要求。

PBL（Problem-Based Learning，PBL）教学模式与传统教育方法存在较大的不同，在PBL 教学模式中，所有的教学工作安排均围绕着实际问题的提出和解决过程[1-5]。PBL 坚持以学生为中心，以问题为基础的教学设计模式，例如主动学习的引导、发现和解决问题的能力培养，以及自主学习能力和创新能力的培养。此外，根据Kolmos 的定义，PBL 教学模式具有跨学科属性，即鼓励具有不同专业背景的同学进行合作，共同完成某项任务，并在此过程中，培养学生的团队精神、彼此合作和学习的能力[1-2]。

本文以东北大学开设的通识类选修课深度学习技术的PBL 教学改革为基础，提出了新的PBL 教学模式转换模型，并介绍了教学改革过程中遇到的问题和解决方案，系统地介绍了深度学习技术课程由传统教学模式向PBL 教学模式的转换经验。

深度学习技术课程的选课学生包括来自全校范围的环境工程专业、资源专业、冶金专业、机械工程专业、测控专业、自动化专业、信计专业、应用物理专业、应用化学专业、材料专业、成型专业、功能专业及材料物理专业共计13 个专业，每年约有100 名学生选择该课程。由于学生来自不同的专业，基础差别较大，而深度学习技术作为人工智能的一个重要分支，对数学和编程能力具有一定的要求。若采用传统的逐章讲授课程的授课模式，很多专业的同学会对课程失去兴趣，教学效果可能会较差。

PBL 教学模式为解决这种问题提供了契机。以问题为导向，使用深度学习技术和人工智能技术，将各个专业的研究内容串联起来。以介绍各个行业面临的问题为主，并行介绍深度学习和人工智能的知识。在小组实践中，鼓励跨专业组队，使得同学在彼此合作过程中增加阅历，开阔眼界，锻炼小组内部协调能力和合作能力。

一、传统教学模式向PBL 教学模式的转变

深度学习技术课程原本是软件学院为该学院大三的同学开设的选修课，该课程的先修课为高等数学、线性代数及Python 程序设计，并采用传统教学模式。后来，随着人工智能技术的发展，各行各业均采用以深度学习和机器学习为代表的新技术对原始技术进行改进。东北大学各个学院的同学都对此类新技术课程深感兴趣，因此由教务处和软件学院牵头，将深度学习技术这门课设置为全校范围内的通识类选修课。

为来自13 个不同专业的大三同学讲授深度学习技术面临空前的挑战。如何使大家对该课程感兴趣并从课程中受益，是引入PBL 理论完成课程设计的初衷。传统教学过程中，主要采用教师利用课件对内容进行讲授，辅助以课堂提问、课堂测验等手段对课程进行设计，成绩主要包括卷面成绩和平时成绩。然而，这种讲课模式和考核评价机制若直接应用于13 个不同专业的学生，将会出现各种问题，原因是不同专业学生的起跑线不同。有的专业（例如自动化专业）的学生已经熟练掌握Python 和各种库的使用，而有的专业（例如环境工程专业）的学生对编程几乎没有概念。这导致使用传统的授课模式和考核评价模式无法应用于该课程中。

在使用PBL 教学模式对该课程进行改革中，设定了以下课程改革目标。

（1）转变以知识讲授为主的教学模式。使用以问题为主的教学模式，来自不同专业的同学在选修本门课程之前，就已经思考过其原来专业中，可能会使用到人工智能的相关问题。教师应该引导学生，对问题进行阐述并指导学生去寻找答案。

（2）转变以试卷和平时成绩为组合的评价考核机制。采用基于PBL 理论的项目综合评价机制。参考的奥尔堡大学PBL 模型主要包括五个维度：问题为导向、项目的组织管理、跨学科、参与度和模范作用。

（3）小组的设立机制。鼓励跨专业同学组队。

（4）强调团队合作。小组内部的每位成员要对项目的实施整个过程有所了解。这有利于学生扩大自己的知识面，对各个专业都有所了解。

在课程的设计过程中，参考了联合国教科文组织PBL 研究中心Kolmos 教授提出的“传统教学模式到PBL 教学模式转换模型”[2]，如图1 所示。

图1 PBL 教学模式转换模型

二、结合东北大学实际情况的PBL 课程转换模型

在PBL 教学体系中，学生始终占据中心地位，教师的作用更多地在于课程的设计和教学环节的引导与促进。在课程的设计过程中，根据东北大学的实际情况和所面临的问题，着重对以下几个方面进行改革，并设计了“结合东北大学实际情况的PBL 课程转换模型”。

（1）全校通识课程选课的学生来自不同的专业，从艺术类学生到计算机类的学生，学生的知识结构的了解差异巨大。艺术类的学生对数学和计算机编程知识结构相对薄弱，而计算机专业或者软件工程专业的学生，编程能力突出，如果课程中过多地介绍基础编程的内容，这类学生会对课程失去兴趣。然而对于艺术类学生来说，这部分内容又是知识结构中重要的一环。因此，教师如何设计课程内容和设计恰当的实施过程，对课程的顺利开展至关重要。

（2）基于PBL 理论的深度学习技术跨学科教学体系的设立问题。课程的设计是一个系统问题。根据Kolmos 的研究成果，在设计一个基于PBL 教学体系时，需要考虑7 个维度的问题，即目标和产出、课程设置和问题类型、项目的推进、学生学习、教师安排、空间和组织及测试与评价[1-2]。

（3）如何能让来自13 个专业的学生都从本课程中受益。根据学习认知理论中的描述，如果教师所讲授的内容远远超过学生的理解能力时，学生的学习兴趣会显著下降[3]。如何让基础不同、专业背景不同的13 个专业的学生对课程感兴趣并从中受益，是此类课程需要解决的问题。

（4）PBL 教学过程中的平台应用问题。现代PBL 教育依赖于各种平台的使用。例如在奥尔堡大学，所有与教学相关的活动均使用Moodle 平台。该平台包括学院的教学计划的公告，学生的课程选择，教师对于教学材料的分发，课程视频的播放、录制及直播，教师对学生的答疑，学生的组队，队伍项目进度跟踪等。而目前需要在多个平台上处理不同的教学材料，例如使用BB 平台进行文本类资料的分发和提交作业，使用qq 进行信息类的通知和答疑，使用哔哩哔哩平台或者各种慕课网站对授课视频进行分享等。

（5）项目推进会的设立问题。该课程有100 余名学生选课，但是只有一名任课教师。在PBL 课程实施的过程中，需要根据实际项目需求，设立项目小组，按照4～5人一组，则该课程有25～30 个小组。而课程实施的时间只有8 周。如何在短短的8 周内为30 个小组开设项目推进会，成为项目实施过程中的关键问题。

为了使得课程改革顺利进行，设计了结合东北大学实际情况的PBL 课程转换模型，如图2 所示。

图2 结合东北大学实际情况的PBL 课程转换模型

在将课程转换到PBL 模式的初期，会遇到若干政策上和资源上的问题。例如在PBL 教学模式中，需要为学生提供充足的讨论空间。在遇到此类问题时，由东北大学教务处、东北大学PBL 研究中心和软件学院提供政策上和资源上的支持，如图2 所示。此外，东北大学PBL 研究中心与设立在丹麦奥尔堡大学的联合国教科文组织PBL 研究中心建立了深厚的研究合作关系，东北大学先后有16 名教师前往丹麦奥尔堡大学进行为期半年的学习。在课程模型转换的过程中会遇到的诸多问题，奥尔堡大学的相关PBL 专家为我们提供咨询和支持服务。

在课程设计上，基于奥尔堡大学Kolmos 教授提出的PBL 转换模型并结合实际情况进行改进，如图2 所示。此模型共包含课程的六个方面内容，即教师的转变与创设问题情境、组成学习小组与帮助机制、教学目标与确认学习问题、寻找知识缺口与自主学习、解决方案和学习成果展示及学习的评价和反思。下面针对深度学习技术课程，对六个方面进行展开讨论。

（一）教师的转变与创设问题情境

课程内容在实施过程中可以分为两部分，第一部分为课堂讲解，这部分内容介绍深度学习的基础知识和基本的编程方法及经常使用的库。这部分内容为后续问题的提出和解决奠定基础。第二部分内容为在教师的引导下，创设发现问题的情境。学生利用自己的专业背景，发现一个利用深度学习相关理论解决本专业的相关问题，并设计一种专业中实际问题的应对方案。

对于第一部分内容课堂讲解部分，主要根据PBL教学法做出以下改进。

第一，改变授课内容。单纯介绍深度学习技术的知识体系无法帮助学生理解人工智能。授课的内容应该以问题为导向，应转变为解决某一问题，需要哪些知识体系，而该知识体系应该打破原始学科的边界，课程内容应该包含跨学科的知识和内容。尽量覆盖到不同专业学生所了解的专业知识。

第二，联合多门课程和多个学科。问题的设置和课程的教授，综合考虑多门课程组成的知识体系，而不是各个课程各自为政，各自彼此独立。避免了同一个相关的知识，在不同的课程中出现迥异的现象。这类现象容易对学生造成困惑。

第三，改变课程的组织形式。将主动学习（Active Learning）、交互式学习、小组讨论及团队合作等形式引入课程中来。

第四，改变课程的考核机制，引入奥尔堡大学机制。在项目实施的过程中50%的成绩来自平时的课堂讨论、课后作业及每次推进会中同学的表现。另外50%的成绩来自课程后期的项目实施和成果展示。

对于第二部分内容，问题的设立和项目的实施，我们依据PBL 教学法对课程做了以下改进。

第一，关于问题的提出。在课程初期，由教师根据各行业的情况，提出针对各行业中对深度学习使用中的问题，吸引学生的注意力。课程中期和后期，则由学生针对自己专业中存在的问题，以及如何使用人工智能技术提高自己所在专业的生产力情况。问题的提出，由教师转移到学生。避免由任课教师仅凭经验而针对课程提出的非开放式的问题，这类问题无法培养学生的批判性思维和创造性思维。

第二，在小组讨论和小组项目实施过程中，如何转变教师的身份。在传统教学模式中同样存在实验项目，教师的身份更多是答案的提供者和实施的监督者。在PBL 环境下，要求所提出的问题具有开放性，也就是没有标准答案。教师在PBL 中的身份更多是参与者和项目的推进者。

在教学过程中，采用综合利用各个平台的优势解决教学活动开展中出现的不同问题。下一步可以考虑开发一套类似奥尔堡大学的Moodle 系统。可以在同一个平台下，对资料进行共享。

（二）组成学习小组与帮助机制

实施过程初期，学生对于PBL 模式比较陌生。为了尽快帮助学生进入角色，采用了一种类似奥尔堡大学的帮助机制。包括在课程中介绍PBL 的相关理论和优势、同学之间的互助、使用QQ 向老师提问和求助及向PBL 中心的其他老师求助。在课程实施过程中建立课程QQ 群，使得学生和教师能够对出现的问题进行讨论。

在授课环节中，在课前，将课程材料上传到BB 平台，鼓励学生课前预习、讨论和主动学习。课上的主要教学工作包括教师讲授、学生演讲、教师提问、学生提问、小组讨论、小组设计及师生讨论等。课后工作包括项目的实施、团队合作、推进会及报告的提交和答辩等。

在组成学习小组方面，采用一种鼓励机制，即鼓励来自不同的专业的学生组成项目小组，这样可以扩展学生的知识面。通过和不同专业的学生进行深入的交流，可以培养学生的团队合作能力。奥尔堡大学的PBL 教学经验显示，由教师为每一个项目定期开设推进会对于项目能否最终成功实施至关重要[6]。课程的项目小组由5～6 名同学组成，每个小组设立小组长一名，每周由小组长制定推进会的时间和地点及讨论内容，并将会议内容报送主讲教师。主讲教师参与小组的讨论。在讨论过程中，教师和学生地位平等，都是项目的参与者和推进者。

（三）教学目标与确认学习问题

目前深度学习技术课程的PBL 改革已经进行了两年，得到了学生和老师的肯定。在两年的课程改革中，教学目标得以不断地完善，并定义为：

（1）使学生了解PBL 教学模式并从中受益；

（2）掌握深度学习相关的理论和工具；

（3）培养学生发现本专业技术问题的能力；

（4）培养学生利用深度学习模型解决本专业实际问题的能力；

（5）培养学生团队合作的能力；

（6）培养学生敬业精神和工匠精神；

（7）培养学生社会服务意识；

（8）培养学生终身学习的意愿和获得终生学习的方法。

在确认学习问题的过程中，采用了学生自主命题，教师辅助指导的策略。在问题的设计过程中，教师只是指出问题的大致方向，由学生组成小组后，自主进行命题，如图3 和图4 所示。

教师在学习平台中定义了两个问题的大致方向。第一个问题为跨专业综述，由于每一个小组的学生都来自不同的专业，可以根据自己的专业情况，综述深度学习和人工智能中对应专业的应用。小组内每一个同学都要参与到项目中来，并对报告的所有内容负责。这样就使得小组成员对各个不同的专业有所了解，如图3所示。

图3 课程初期教师引导问题的制定

第二个项目为深度学习技术项目，在这个项目的实施过程中，教师提供一定的技术支持，教师已经将基础代码和部分深度学习框架上传到学习平台中，学生可以下载和学习，如图4 所示。

图4 项目问题的设定

在这个项目中，具体的问题是由学生根据自身的专业背景去企业进行调查，并根据自己在企业中获得的知识自己设立；小组长协调好自己的组员，设计一个综合类的问题，并根据问题的描述设计实施方案。在项目的实施过程中，题目的选组，实施方案的确认都需要教师的参与和认定，以保证学生确定的题目难度适中，并且能够在期末之前完成。在项目实施过程中，对于具体的技术应用教师不做限制，学生可以选择自己喜欢的深度学习框架，例如可以使用Keras，Tensorflow 或Pytorch 等，最终小组需要提交报告并提供相关代码。

在项目开展的过程中，根据PBL 教学体系相关理论，推进会的设立十分必要。在课程实施过程中，采用每周例会的形式对项目已经开展的工作中存在的问题，以及未来的工作计划进行充分探讨。由于每周需要和20个小组进行讨论，每次讨论一般在一个小时左右，教师的工作量巨大。为了解决该问题，可采用了一种线上线下推进会结合的策略。在一些推进会中可以使用一些在线的辅助平台，例如腾讯会议、字节跳动的飞书系统、快手的轻雀系统等。

部分学生的项目报告如图5 和图6 所示（节选）。

图5 学生项目报告（1）

图6 学生项目报告（2）

（四）寻找知识缺口与自主学习

为了保证学生能够形成完整的知识体系，及时寻找学生的知识缺口并有针对性地进行补救至关重要。在课堂知识授课中，通过提问、答疑、课堂讨论和课堂小测验等形式及时查找学生存在的问题。在BB 平台上设立了课程讨论区，学生针对课上的问题可以发帖询问，教师和其他学生可以参与讨论。

针对学生所做的项目中存在的领域知识问题，可以帮助学生团队及时联系不同学院不同专业的老师进行指导，及时解决学生存在的问题。

（五）解决方案和学习成果展示

在项目实施部分，题目的选择是小组讨论的结果，主要要求包括利用本课程讲解的深度学习知识和框架，以及机器学习结构和人工智能的相关案例，解决特定领域、特定专业中的实际问题，并在课程进行的第二周，报告给指导老师，由老师和小组成员进行第一次推进会议。每个小组的推进会大约1 个小时，包括小组成员的40 分钟报告，以及20 分钟教师和小组成员针对该项目的可行性分析和讨论。在第一次推进会后，形成项目解决方案修改意见，并由小组成员针对教师和小组成员提出的问题进行方案修订和论证。在第三周进行第二次推进会，形成最终的基于深度学习的解决方案。方案一旦形成，原则上不予修改。如修改，需要重新开会论证。在小组项目的设计和实施过程中，每周会有教师部分参加的例会。例会的形式多种多样，可以是线下见面会的形式，也可以是线上会议的形式。

由于2020 年新型冠状肺炎疫情的影响，原计划的线下答辩形式的成果展示被迫取消。转而使用线上平台的方式进行展示和评价。学生将成果上传到BB 平台，采用多位老师合作评分的方式进行。

（六）学习的评价和学习的反思

在课程设计之初，将对学习的评价和对学习的反思贯穿课程的始终。学生的最终成绩由3 部分组成。第一部分为平时表现，这部分成绩主要包括平时课堂提问和课堂表现，项目实施过程中推进会的参与度。第二部分成绩为第一个项目，该项目为综述类项目，小组成员围绕各自的专业背景针对深度学习和人工智能这个主题撰写综述。该项目包括一次推进会、一份报告和一次答辩。第三部分成绩为实际问题项目类，小组成员围绕自己的专业背景，根据企业实地调研设定实际问题，并为该问题设计与课程内容相关的解决方案，并与指导教师进行讨论形成最终的实施方案。该部分内容包括5～6 次推进会，一份实验报告，一份代码清单和相关的代码，以及实验结果的截屏和分析报告。最终成绩采用线下答辩的形式进行（后因新型冠状肺炎疫情原因转为线上展示）。答辩的过程中要求所有小组成员均要参加和发言，并依据以上考核形式的表现给出最终成绩。

学习的反思包括学生针对学习过程和学习效果的反思和教师针对教学过程的反思。在学生学习反思方面，通过教师引导，由学生自主形成对所学知识体系中的弱点进行反思和进一步自主学习。主要方法可以采用由教师引导的知识点归纳法、实际动手能力检测法等。教师的反思则贯穿教学实施的始终，例如在课程转为PBL 模式后，面临的若干问题及解决方案，并在学期结束时形成总结文档。

三、实施成效

截至2021 年，深度学习技术课程的PBL 改革已经实施了两年，受到了学生们和教师的普遍好评。在未来工作中，学校会进一步完善实施过程中出现的问题，并将PBL 课程改革经验应用于其他软件学院软件工程专业的专业课程中。从课堂效果来看，课堂氛围活跃，学生能够积极发言并参与讨论，课程教学效果较好，达到了课程改革的初衷。

四、结束语

本文结合深度学习课程自身的特点和PBL 教学理论，设计了一套基于PBL 教学法的深度学习课程教学方法，主要创新点有以下3 个方面：（1）利用PBL 相关理论设计了结合东北大学实际情况的PBL 教学模式转换模型；（2）以通识类选修课深度学习技术课程为案例，对提出的PBL 教学模式转换模型进行了实践，并取得了良好的成果；（3）利用该理论和实践的经验，为其他通识类选修课课程PBL 改革提供了经验。