高职人工智能专业核心课程建设探究与实践*——以“计算机视觉技术应用”为例

李丽英

（江西机电职业技术学院人工智能学院，江西 南昌 330000）

自2019 年教育部开设人工智能技术应用专业以来，该专业深受广大高职学生的欢迎。2022 年下半年，教育部公布了人工智能技术应用专业的主要专业课程和实训课程，“计算机视觉技术应用”是其中的专业核心课[1]。笔者在剖析传统计算机视觉相关课程面临的主要问题的基础上，基于岗课证标融通的理念[2]，从课程内容、思政融入、教学策略、教学方法及多元化评价等方面提出相应的教学改革设计，并针对江西机电职业技术学院已有的人工智能班进行教学实践应用。

1 “计算机视觉技术应用”课程建设现状

1）高职的“计算机视觉技术应用”课程，鲜少有先例参考，大部分只能借鉴本科“计算机视觉”“机器视觉”[3]等相关课程；参考本科课程易使课程内容过于理论化，且课程定位缺乏职业性，进而导致课程结构不够合理、课程内容缺乏实用性。

2）课程内容侧重点本质偏算法[4]，上课容易偏“软”；高职学生对编程类的课程易感枯燥，学习兴趣不高，学习动力不足。通过走访调研发现，我国大部分学校的人工智能实验室等建设尚未完善，导致实践教学环节开展不够充分，学生获得的技能有限，难以快速适应行业应用及发展[5]。

3）教材缺乏，教师专业化水平不高。

2 “计算机视觉技术应用”课程建设设计思路

根据教育部发布的高等职业学校人工智能技术应用服务专业建设标准，“计算机视觉技术应用”课程处于较为核心的地位，结合江西机电职业技术学院实际情况，将这门课程定为专业核心课程，主要培养学生对计算机视觉的了解、图像数据的预处理能力[6]以及计算机视觉AI 的训练技能，前导课程有“Python 编程基础”“Python数据分析”“Linux基础入门”[7]等，后续课程有“TensorFlow应用”“人工智能综合项目开发”等。

2.1 融通岗课证标，构建教学内容

按照教育部高等职业学校“人工智能技术应用”专业建设标准（专业代码：510209）、国家职业技术技能标准“人工智能工程技术人员”（代码：2-02-10-09）[8]、江西机电职业技术学院针对2020 级人工智能专业学生的人才培养方案与“计算机视觉技术应用”课程标准，对接人工智能技术工程人员（计算机视觉产品实现方向）岗位需求，结合计算机视觉应用开发“1+X”（中级）国家职业技能证书[9]要求，将本课程内容重构为四个由简到繁的项目：图像隐私保护、相机美颜的秘密、车道线的检测与识别、自动驾驶中的交通标志物识别。涉及的技能点主要有计算机视觉基本原理、图像处理基本操作、图形图像的采集和图像预处理，深度学习模型的训练、模型的获得和部署，最后再到调优与评估等工作环节，覆盖了完整的计算机视觉应用开发的岗位链。重构后的课程内容结构如图1所示。

图1 课程内容总体结构

2.2 精准学情分析，确定重点难点

“计算机视觉技术应用”课程的授课对象为2020级大专人工智能班，虽然通过传统的课程学情分析发现了高职学生的共性问题，如课堂参与度欠缺、主动学习能力不强；学生动手编程实践能力和工匠精神有待加强、个别学生成绩差距大等问题，但是对学生的掌握程度了解得不够精细。为确保学情分析精准，教学设计每个项目之前都对前一个项目的学习进行一个阶段性的学情分析，下面以项目四为例进行详细阐述。

项目四在前三个项目学完视觉处理基本原理和图像处理基本操作以及小型物体（车道线）识别的基础上，着重学习基于深度学习的物体识别原理和实操。需加强实践能力和工匠精神的培养训练。

1）学情分析。基于前面三个项目的学习，通过对学习通上发布的习题和考核活动等数据进行统计，得出其学情分析如下：①知识技能和素质基础。通过前三个项目的学习，具备了图像运算、图像变换、图像处理、图像检测、图像识别等学科普适性知识技能；但机器学习、深度学习和神经网络这块尚未涉及，同时欠缺灵活运用、整体串联完成项目的知识技能。虽然学生思政素养稳步提高，但是其动手编程的实践能力和工匠精神有待加强。②认知和实践能力。学生对人工智能技术这类和新科技相结合的知识点充满期待，具备学习专业知识的原动力。学习动力、交流沟通、团队合作能力强，但逻辑推理、编程构思、灵活运用、独立创新的能力较弱。③学习特点。喜欢利用现代化的学习手段，信息获取能力较强。但学习风格存在差异，个别学生主动学习能力不强。需针对不同学习风格配置班组、推送相应资源，关注个别学生，运用多种手段促进学生主动学习。

2）教学重难点。基于岗课证标制定重点，根据上面的学情分析预判授课难点，得到项目四的教学目标以及教学重难点分布。①知识目标：掌握图像的标注（重点），掌握数据集的基本概念，掌握深度神经网络的相关知识，掌握深度学习模型的训练方法（重点），掌握深度学习模型的评判指标（重点）。②能力目标：能够使用图像标注工具labelimg 对图像进行标注，能够制作数据集并分配合适的训练集、验证集、测试集，能够构建合适的深度学习模型（难点），能够训练、优化深度学习模型，并合理评价结果（难点）。③素质目标：通过讲解和探讨深度学习领域的发展现状，增强学生的思维能力和信息素养，提升学生的民族自信、文化自信；让学生养成准确、严谨、科学地分析现象的能力；通过解决复杂问题培养学生的团队协作精神，学生能一丝不苟地完成个人在团队中承担的任务；以有趣味的项目激发学生的学习热情，增强学生的实践能力；学生通过对参数的反复调节力求模型达到最优，弘扬精益求精的工匠精神。

2.3 基于专业性质，融入思政元素

对于思政元素，四个项目每个项目主打点不同，以项目四为例，结合学生实际学情、专业性质以及课程内容设计课堂思政点。项目四思政融入分布图如图2所示。

图2 项目四思政融入分布图

2.4 根据项目内容，创建 “五步六环” 教学模式

以项目四为例，以其七个子任务实际内容为基准设计成“明确任务、分析任务、实施任务、评价任务、拓展任务”的五步骤和“明需求、熟知识、精技能、准编程、擅调试、稳运行”的六环节教学模式，如图3 所示，简称“五步六环”。

图3 项目四教学实施过程图

2.5 实行全程画像，构建多元评价体系

依据人工智能工程技术人员标准，结合国家职业技能证书要求，构建综合评价体系，从深度学习基本知识、模型选调能力、模型训练素质三个维度对学生进行全程画像评价。将过程评价和结果评价相结合，学生自评互评与教师评价相结合，形成综合评价。与上一项目对比，评选代码强人、模型王者、技术能手等，实现增值评价。以项目四为例，多元评价体系如图4所示。

图4 项目四的多元评价体系

3 教学实施效果

3.1 德技双修，达成三维学习目标

以项目四为例，通过对江西机电职业技术学院2020 级大专人工智能班课堂改革实践之后发现，98%的学生基本达成三维学习目标，50%达到优秀；82%的学生难点成绩达到良好。全班包括典型基于深度学习的交通标志物识别模型知识、能力、素质均达标，并完成了项目需求报告、模型训练日志、模型故障调试排除报告等符合企业要求的学习成果，本项目学习目标达成。

3.2 增值发展，知识技能素质提升

以项目四为例，较前3 个项目，学生课堂参与度明显提升。经过学习通等平台数据的统计发现，较项目三，班级平均知识成绩提高了9%，技能提高了10%，素质提高了11%，规范意识和劳模精神显著增强；典型学生与班级平均成绩差距缩小。可见学生通过本项目学习实现了纵向增值发展。

3.3 赛项突破，学生教师共获荣誉

经过项目四的学习，学生对人工智能训练师的工作流程明显熟练，在2022 年12 月底结束的第二届全国人工智能应用技术技能大赛（服务机器人人工智能技术应用赛项）中获得第七名勇夺二等奖。学生获得荣誉后，对学习计算机视觉技术热情更强、更为得心应手。

4 结语

人工智能发展前景广阔，其根源是与各行各业融合的能力，“计算机视觉技术应用”课程作为人工智能专业的核心专业课，通过有效学习能够为学生的职业发展打下良好基础。需多下企业增加项目实践经验，提高案例质量，使其更具有行业应用代表性，更快落地。

近年来，人工智能作为热门研究方向，虽然有着广阔的发展前景和大量的岗位需求[10]，但是我国高等院校人工智能专业的设立时间较短，特别是在大专院校中缺少相关课程的教学经验。此次教学改革能够与新理念、新标准、新业态有机融合，项目知识点能与当前先进的科学技术点相结合，提高了学生的课堂参与度，为兄弟院校相关专业的建设与课程改革提供参考，具有较强的借鉴意义。