基于雨课堂的“人工智能导论”教学案例分析

刘洋洋，张雅檬

（南京工程学院 江苏 南京 211167）

随着教育信息化的飞速发展，雨课堂、云班课等各种教学软件工具被设计并应用起来[1]。雨课堂是基于手机端和电脑端的智慧教学工具，雨课堂赋予了课中新的教学形式，例如趣味问答、弹幕发送等，课外学生在雨课堂进行移动自主学习，可以通过雨课堂提交作业、报告等，雨课堂技术手段干预对学生的学习进程起着正向激励的作用[2-3]。截至2022 年9 月，“雨课堂”学堂在线平台全球学习者人数累计超过1 亿人，是全球用户规模第二大的慕课平台，学堂在线国际版和雨课堂英文版正成为中国与其他国家开展数字资源和数字经验共享的重要渠道[4]。

1 基于雨课堂的“人工智能导论”课堂设计

文章研究选择本校本科生为教学对象，于“人工智能导论”教学中实践雨课堂辅助式智慧教学，首先根据经验对课堂进行设计，然后通过雨课堂软件采集与学生相关的成绩数据，最后对数据进行分析与研究。

1.1 “人工智能导论”公选课教学内容

人工智能是20 世纪50 年代中期兴起的一门新兴学科，是计算机、自动化和通信相关专业的选修课程。通过“人工智能导论”课程的学习使学生了解人工智能的发展概况、基本原理和重要研究领域，掌握人工智能的基本概念、基本方法，启发学生对人工智能的兴趣，为其进一步从事该方向的学习与研究打下基础[5-6]。由于课程中涉及的内容与多个研究方向均有关系，所以选修该门课程的学生涉及多个专业和各个年级，这一现状直接为任课教师增加了压力。例如，对于智能计算及其应用内容，低年级学生较难掌握，因为他们不具备相关课程的知识；对于知识表示的相关内容，高年级学生更难以接收，因为他们已学习了容易混淆的其他课程。由于本门课程的10 次课设计要综合考虑不同专业背景的学生，笔者基于雨课堂进行课堂实践，从实践中得到启发进而设计课程。

1.2 “人工智能导论”公选课课堂及考核设计

根据笔者多次教学经验，“人工智能导论”公选课的选课学生专业较多并且跨度大，尤其是近几年人工智能技术的快速发展，使很多学生对本门课产生兴趣，因此上课的学生人数众多，以前的教学难以满足各种专业的学生。又由于“人工智能导论”作为一门公选课，学分较少，导致学生对课程不够重视，最后形成混学分为主的心态。为了提高学生的学习兴趣，课堂教学不能太难，考核标准不能太高，设计合理有效的教学及考核方式具有十分重要的意义。

根据BOPPPS理论[7]，将教学小单元进行细分，保证学生充分参与到教学和学习中，对学生的考核以此为基础，不同单元获取的得分设计不同的比重，最终计算出学生的课程总成绩。以“人工智能导论”课程为例，课程内容分为8 个章节共计10 次课，约120 名本科生参加课程的学习，课程教学和课程考核使用雨课堂智慧教学工具进行。

课程学习及考核围绕6 个部分：出勤次数、课前预习、课堂测试、课后复习、课题讨论、课程报告。采用雨课堂工具获取出勤次数和课堂测试的分数，使用雨课堂工具设计手机课件让学生完成预习和复习，让学生相互之间实现讨论和完成报告，评价设计不同部分为不同的分数，如表1 所示。表1 所示的评分标准是根据经验给定的，需通过对客观数据关联性的分析，设计更科学合理的评价方案。然后，通过SPSS 软件进行数据的统计学分析，分析6 种成绩之间的差异性、相关性等，从而为进一步设计合理有效的课堂学习及考核策略提供科学依据。

表1 考核策略设计

2 基于雨课堂的“人工智能导论”教学数据分析

课堂成绩在课堂教学中完成，考核的现场环境、试题内容、做题时间、外部帮助条件、学生参与度等具有高度的一致性和公平性，因此选择课堂成绩作为比对分析的依据。为了探讨课堂成绩与预习成绩的关系，随机抽取了55 名学生的数据。学生课堂成绩均值为59.82 分，标准差为13.60 分；预习成绩均值为2.86 分，标准差为1.16 分。从散点图（图1，p155）可见，预习成绩和课堂成绩之间呈线性正相关。探讨课堂成绩与复习成绩的关系，复习成绩均值为3.76 分，标准差为1.58 分。从散点图（图2，p155）可见，结果表明预习成绩和课堂成绩之间呈线性正相关。

图1 预习成绩与课堂成绩散点图

图2 复习成绩与课堂成绩散点图

进一步探讨课堂成绩与讨论成绩的关系，随机抽取了55 名学生的课堂成绩均值为59.82 分，标准差为13.60 分；预习成绩均值为2.86 分，标准差为1.16 分。图3（p155）中散点图和趋势线可见讨论成绩和课堂成绩之间不呈线性正相关。探讨课堂成绩与报告成绩的关系，报告成绩均值为1.27 分，标准差为1.39 分。图4（p155）中散点图和趋势线表明报告成绩和课堂成绩之间不呈线性正相关。

图3 讨论成绩与课堂成绩散点图

图4 报告成绩与课堂成绩散点图

3 基于雨课堂的“人工智能导论”教学反思

随着社会快速发展，人工智能技术越来越多出现在人们的生活中，越来越多的学生对“人工智能导论”课程产生兴趣，导致学习这门课的学生变多，学生专业背景变得复杂；另一方面人工智能技术的应用推动了公选课授课途径多样化，包括课堂教学、线上教学等，以上原因导致对该课程的考核也需要发生变化，而不只是看卷面成绩[8]。“雨课堂”具有良好的师生互动、沟通功能，将其与课堂教学相融合将有助于学生建立自主学习的习惯，提高自主学习能力。通过“雨课堂”进行课堂数据采集，再对数据进行各种分析，分析结果用于优化现有课程设计及考核设计，可明显提升教学效果。

3.1 降低课堂成绩比重，增强学生的自我学习意识

“人工智能导论”作为一门偏理论的学科，为了使学生更好地掌握知识，不可避免地要在课堂上对学生进行考核，然而过多的考核会降低学生兴趣，而且会让学生把学习重点完全放在课堂上，自主学习能力下降。基于“雨课堂”采集的数据分析发现，课堂成绩与预习成绩、复习成绩均成线性变化，考虑降低课堂成绩比重，增加预习成绩、复习成绩的比重，后两种成绩能够在一定程度上反映课堂的情况，也有利于增强学生的自主学习意识。

3.2 增加讨论成绩比重，提高学生的学习兴趣

“人工智能导论”虽然是一门基础学科，但其中包含多个知识点，具有一定的学习难度。经过若干次的课堂教学，发现学生在刚开始简单的几个章节中具有较高的兴趣，随着课程难度增加，学生的兴趣逐渐减退，后续如何提高是教学过程中的一个难题。在课堂上完全由教师进行教学，随着知识点的增多变难，学生难以开展持续性学习。基于“雨课堂”采集的数据分析发现，课堂成绩与讨论成绩成线性变化，考虑降低课堂成绩比重，增加讨论成绩比重，激励学生主动提出个人见解，提高学生的学习兴趣。

3.3 增加报告成绩比重，推动学生深入思考

互联网时代使得信息可以经由网络平台得到迅速传播，也为“人工智能导论”公选课的多维度考核提供了可能。雨课堂作为全球用户规模第二大的慕课平台，它为学生的深入学习提供了便利，学生可以阅读教师转发的帖子作为学习参考。作为教师，为了推动学生深入思考，考虑到将每次课堂的作业统一为若干次的报告，报告成绩与课堂成绩无线性关系，报告成绩主要反映的是学生的课外学习程度，要求学生把课堂学习和课外自主学习联系到一起，形成书面报告，再通过雨课堂进行提交，推动学生深入思考，这将是一种合理有效的学习及考核方式。然而，具体如何分配出勤、预习、课堂、复习、讨论、报告这6 种成绩的占比，还要经过多次的课堂实践及数据分析。文章所提出的对雨课堂收集的客观数据的统计学分析方法，将为开展科学合理的课程评价提供参考。