人工智能及应用项目式实验课程建设与教学改革探索

2024-05-13孙晓坤胡粲彬项德良马飞

高教学刊 2024年13期

孙晓坤　胡粲彬　项德良　马飞

摘要：该文针对人工智能及应用课程存在的问题，提出相应的课堂改革方式。首先分析当前课程存在的问题，包括理论与实践脱节、课堂互动不足以及考核方式偏重理论知识等方面。然后针对这些问题提出改革方式，包括注重专业发展方向、调整实验课时关系、革新互动环节设计以及開展线上课堂辅导等措施。最后指出，通过这些改革措施，可以更好地激发学生的学习兴趣，提高课堂的互动效果，培养学生的实践能力和创新意识，为其未来的学习和职业发展打下坚实的基础。

关键词：人工智能；教学改革；课程设置；高等学校；工程实践能力

中图分类号：G642 文献标志码：A 文章编号：2096-000X（2024）13-0130-05

Abstract： This article proposes methods for classroom reform in response to the problems in the course of Artificial Intelligence and Its Applications. Firstly， it analyzes the current problems in the course， including the disconnect between theory and practice， insufficient classroom interaction， and an assessment system overly focused on theoretical knowledge. Then， it suggests reform measures such as emphasizing professional development direction， adjusting the relationship between theory and practical classes， innovating interactive session designs， and conducting online classroom tutoring. It concludes that through these reform measures， students' interest in learning can be better stimulated， classroom interaction can be enhanced， and students' practical skills and innovation awareness can be cultivated， laying a solid foundation for their future learning and career development.

Keywords： artificial intelligence; educational reform; curriculum setting; higher education institutions; engineering practice capabilities

人工智能在当代社会中扮演着至关重要的角色，其影响涵盖了提升生产效率、优化资源利用、改善生活品质以及推动科技创新等多个方面。通过解决各种复杂问题和挑战，人工智能不仅促进了经济增长，还创造了更多的就业机会[1]。在这一背景下，对于电子信息工程专业的学生而言，学习人工智能技术至关重要。掌握人工智能技能不仅可以使他们跟上技术发展的步伐，拓展更广泛的就业机会，提升竞争力，还能够推动该领域的创新与发展，进一步增强解决复杂问题的能力。随着技术的不断演进，人工智能的重要性将进一步凸显，为电子信息工程领域的未来发展提供强劲动力[2-3]。

在高等教育领域，构建与时代接轨、符合实际需求的人工智能课程体系至关重要[4]。项目式实验课程是一种具有很强实践性和针对性的教学模式，能够有效地促进学生的主动学习和创新能力的培养[5]。本文旨在探讨如何通过项目式实验课程建设与教学改革，推动人工智能教育的深化与发展，培养具有扎实理论基础和丰富实践经验的人才。

一人工智能及应用课堂教学现状

（一）教学目标整体规划

1 课程目标

人工智能及应用是北京化工大学电子信息工程专业学生的专业选修课程，旨在全面培养他们在人工智能领域的专业能力。学习本课程将使学生掌握人工智能领域的基础知识，并深入了解电子信息工程智能化发展的趋势和需求。他们将学会灵活运用各种工具进行智能算法的分析、设计和研究开发，为电子信息工程领域的智能化提供技术支持和解决方案。此外，本课程还着重培养学生在人工智能领域进行科学研究的能力，鼓励他们大胆探索和创新，为该领域的发展贡献智慧和力量。

2 理论教学内容与要求

本课程系统地介绍了人工智能领域的核心概念、原理和方法。通过绪论部分，学生深入了解了人工智能的基本概念、研究目标、发展历程和应用水平。在确定性知识系统、搜索策略和智能优化算法等内容的学习中，学生掌握了解决问题的关键技术。进一步学习了专家系统和人工神经网络，了解了智能化方法和工具。最后，学生讨论了人工智能的未来发展和社会影响。通过本课程的学习，学生将具备在人工智能领域进行科学研究和创新的能力，为其未来的学术和职业发展奠定坚实基础。接下来将详细介绍各个部分的理论教学内容与实际要求。

本课程的第一部分是绪论，旨在为学生提供人工智能领域的基础认识。在两个学时的学习中，学生将深入探讨人工智能的概念基础、研究目标、发展历程以及应用与水平等方面。这一部分的教学目标是培养学生对人工智能专业基础知识的理解，为后续学习打下坚实基础。

第二部分是确定性知识系统的学习，这部分共占据四个学时。学生将系统地学习确定性知识系统的概述、表示方法、推理方法以及通过简单示例来加深理解。通过学习，他们将理解并掌握确定性知识系统的基本概念，为后续学习智能算法打下重要基础。

第三部分是搜索策略的學习，涵盖三个学时。学生将深入探索搜索策略的基本概念，包括盲目搜索和启发式搜索，以及博弈树的应用。通过学习，他们将掌握搜索策略的核心原理和方法，为解决实际问题提供有效的搜索策略。

紧接着是智能优化算法的学习，共计三个学时。学生将深入了解智能优化算法的基本概念和分类，并能够灵活运用模拟退火算法和遗传算法等进行问题求解。通过学习，他们将掌握智能优化算法的核心思想和应用技巧，为解决实际问题提供高效的优化方案。在专家系统部分，学生将学习产生式系统和专家系统的基本理论，以及基于规则和神经网络的专家系统的设计和应用方法。通过学习，他们将深入了解专家系统的原理和构建技术，为解决复杂问题提供智能化的解决方案。接下来，学生将深入学习人工神经网络，了解其基本概念、典型模型参数学习方法以及深度学习的基本原理。通过学习，他们将掌握神经网络的核心概念和训练方法，为解决现实世界中的复杂问题提供强大的学习和预测能力。

最后，学生将探讨人工智能领域的争论与展望，了解人工智能对人类生活的影响和未来发展趋势。通过学习，他们将深入思考人工智能领域的伦理、社会和技术问题，为推动人工智能领域的持续发展提供重要思考和建议。

3 实践教学内容与要求

在这门课程中，学生将通过实验来深入学习和应用基于遗传算法和神经网络算法的分类器设计。在基于遗传算法的分类器设计实验中，学生将系统地探究遗传算法的基本原理，并通过实际操作，设计和优化适用于分类任务的遗传算法模型。这包括了种群初始化、遗传操作（如交叉、变异）、适应度函数设计等关键步骤。通过深入实践，学生将提高对遗传算法设计分类器的理解和掌握，为解决实际分类问题提供有效的方案。而在基于神经网络算法的分类器设计实验中，学生将深入学习神经网络算法的基本理论，并通过实验，实践神经网络模型的构建、参数调整和训练过程。这涵盖了选择合适的神经网络结构、调整神经网络参数以及使用有效的训练算法等关键步骤。通过这些实验，学生将培养具备分析和解决分类问题的能力，掌握智能算法在分类器设计中的具体应用方法，并具备调整参数和优化设计的能力，以提高分类器性能和效率。

而该课程实验课的优势在于提供了学生深入学习人工智能领域核心算法和方法的机会，通过实践操作加深对理论知识的理解。学生在实验中将掌握并应用基于遗传算法和神经网络算法的分类器设计方法，培养了解决实际问题的能力，并提高了问题分析、算法设计和优化的技能水平。通过实验设计和实践操作，学生将面对实际问题并尝试设计和优化算法模型，培养了解决问题的创新意识和能力。同时，实验课程以小组形式进行，促进了学生之间的合作与交流，培养了团队合作精神和沟通能力。这些实践经验将有助于学生将所学理论知识应用到实际项目中，为未来的学术和职业发展打下坚实基础。

（二）考核方式和评分标准

1 毕业指标

为了全面培养学生对人工智能全方位的理解和掌握，本课程从知识目标和能力目标两方面对学生进行培养。其中，毕业指标分为工程知识、问题分析和研究三方面，分别对应课程在知识和能力方面的课程目标。课程目标与毕业指标之间的具体联系如图 1所示。

工程知识：要求学生能掌握人工智能相关基础知识，了解当前人工智能领域的前沿技术并能够用于表述电子信息工程领域的复杂工程问题。

问题分析：要求学生能够了解智能优化算法、确定性知识系统、搜索策略和神经网络等人工智能算法，并应用这些算法实现对电子信息工程的复杂工程问题的分析和解决。在分析和解决过程中要求学生能够使用对应工具软件进行处理。

研究：要求学生具有一定自主学习和探索的能力。针对需要解决的问题能自主探索并找到合适的解决策略，并合理利用学习到的人工智能相关知识设计解决方案和算法。要求学生在根据方案完成实验的同时能够对实验结果进行分析、解释，并通过信息综合得到合理有效的结论。

2 考核方式

对于电子信息工程专业的学生而言，人工智能不仅是存在于课堂中的理论知识，更是日后学习研究中重要的应用工具。为了兼顾学生在课程中的日常表现、理论知识掌握程度和上机实操能力，本门课程从课堂表现、期末考试和实验报告三方面进行考核。具体考核内容及其与课程目标对应关系见表1。

3 评分标准

课程考核内容中课堂表现部分分数分为两部分：课堂出勤和随机测验。课堂表现部分评分标准及其占比见表2。

上机实验部分有两个设计实验需要学生独立完成：基于遗传算法的分类器设计和基于神经网络的分类器设计。两次实验报告的评分标准和占比见表3。

二人工智能及应用课堂改革方式

（一）问题现状

在现有课程设置中，虽然该课程在理论与实践结合方面取得了一定成绩，但仍然存在一些值得关注的问题。首先，课程对特定专业应用的讨论相对不足，导致了理论与实践之间的脱节现象。此外，在课堂教学中，学生的参与度不高，缺乏足够的互动和思考空间。最后，在考核方式上，过分偏重理论知识的考查，而对实践能力的评估不足。

1理论与实践缺乏结合

人工智能及应用课程在结合理论和实践方面确实做得不错，但对于特定专业的应用缺乏深入探讨，这导致了一种理论与实践脱节的现象。在学习的过程中，学生往往难以将课堂上学到的理论知识与实际工作中的具体应用场景相联系，为了弥补这一不足，课程应该更加注重将人工智能理论与实际专业领域相结合。这可以通过引入更多的案例研究、实践项目或行业导师来实现。

2 课堂互动机会欠缺

课堂互动环节不够丰富，导致学生主动应答的情况相当消极。特别是在基础章节的教学中，由于课堂内容通常较为抽象，缺乏与学生互动的机会，因此学生对课程的兴趣不高，参与度也不够。课堂互动在促进学生学习方面扮演着重要角色，然而在当前的教学环境下，互动环节相对单一，缺乏足够的创新性和灵活性。学生往往只是被动地接受知识，而没有足够的机会进行积极思考和讨论。这种情况下，学生的学习效果和兴趣都难以得到有效提升。

3 考核方式不够丰富

考核方式偏重理论，需要进一步平衡理论知识与实践应用的结合，全面评估学生成绩。目前课程的考核方式主要集中在理论知识的测试上，而对于实践能力的考核较少，导致学生在实际应用能力上的培养不足。尤其在重点章节的考核内容设计上，目前只有基于遗传算法的分类器设计和基于神经网络算法的分类器设计两项实验内容，不能很好地将理论知识全部应用，需要设计更多的实验内容来加强学生的实践能力。当前的考核方式主要集中在对学生理论知识的掌握程度的评估上，而对于实践能力的考核相对较少。这种情况下，学生可能会出现“考试学习“的现象，只注重理论知识的死记硬背，而忽略了理论知识与实际应用相结合的重要性。

（二）改革方式

课程改革是为了解决当前人工智能课程中存在的问题。重新设计课程结构将专业知识与课程内容相融合，提高学生的学习针对性和实用性，以培养适应社会需求的人才为目标。增加实验课时比例，设计开放性实验项目，以及引导学生积极参与，有助于平衡基础知识与实践能力的培养。创新设计课堂互动环节，如小组讨论、案例分析等，可以激发学生的兴趣，促进学生与教师之间的有效交流。同时，通过在线预习课程，学生能够提前了解课程内容，增强自主学习能力，提高学习效率。这些改革措施将课堂变得更加生动有趣，促进学生全面发展，为未来的学习和职业发展打下坚实基础[6]。

1 注重专业发展方向

重新设计课程结构是改善课堂互动不足的重要举措。通过重新审视课程架构，可以更好地将专业知识与课程内容相对应，从而更好地满足学生的学习需求，培养符合社会发展需求的人才[7]。

首先，将课程内容进行分层设计，根据不同专业的学生特点和需求，将人工智能理论和实践知识有机地结合起来。适当增加人工智能在化工生产过程优化、安全控制等方面的应用。其次，可以调整课程内容和教学方法，使之更贴近其专业需求。例如，可以增加专业案例分析、行业研究等内容，让学生通过真实案例了解人工智能技术在实际工作中的应用情况。同时，可以引入专业导师或行业专家，进行实地考察或工作坊，让学生与实际工作场景接触，加深对人工智能技术在专业领域中的理解和应用能力。提高学习的针对性和实用性，从而更好地培养适应社会发展需求的人才。这样的课程设计不仅能够激发学生的学习兴趣和参与度，也能够更好地促进学生的专业发展和职业规划，为他们未来的就业和创业打下坚实的基础。

2 调整实验课时关系

为了更好地培养学生对人工智能学科的新思考习惯，并使其能够在生活中产生和应用所学知识，需要重新平衡课程结构，将基础章节课时与实验课时之间的关系调整得更为合理[8]。

课程设计可以增加实验课时的比例，让学生在实践中深入理解理论知识，并掌握实际应用能力。通过实验课，学生将有机会亲自动手操作，实践所学知识，从而加深对人工智能技术的理解和掌握程度。通过设计一系列的实验项目，涵盖人工智能算法的实现、数据处理与分析、机器学习模型的训练与评估等方面，让学生亲自动手实践，从中学习并体会到理论知识在实践中的具体应用。其次，实验课的设计也应该注重启发学生的思考和创新能力。除了简单地模仿和实践，还可以设计一些开放性的实验项目，让学生在实践中遇到问题，思考解决方案，并尝试进行改进和创新。通过这样的实验活动，学生将不仅能够掌握基本的技术操作，还能够培养解决问题的能力和创新意识，从而更好地适应未来的学习和工作需求。另外，还可以通过实验课的组织形式和教学方法，引导学生积极参与到实验过程中来。

3 革新互动环节设计

研究课堂互动环节创新性设计是改善课堂氛围、增加学生参与度的重要举措。通过引入多样化的互动形式，如小组讨论、案例分析、实践操作等，可以激发学生的学习兴趣，提高课堂互动效果，促进师生之间的有效沟通和交流，进而提升整个教学过程的质量[9]。

小组讨论是一种有效的课堂互动形式，可以激发学生的思维和探索欲望。通过分组讨论，学生可以就特定话题展开深入的交流和探讨，分享彼此的见解和观点。这不仅有助于学生从多个角度理解问题，还能培养团队合作和协作能力。此外，教师可以设定一些引导性问题，引导学生思考和讨论，从而引发更深层次的思考和学习。其次，案例分析是将理论知识与实际情况相结合的重要方式，可以帮助学生将所学知识应用于实际问题的解决。通过分析真实或模拟的案例，学生可以理解课程知识在实际情境中的应用，培养问题解决和分析能力。教师可以选择与课程内容相关的案例，引导学生分析案例中的问题和挑战，探讨解决方案，从而加深学生对课程内容的理解和掌握。此外，实践操作是巩固理论知识、提高技能水平的重要途径。通过设计一些实践性的任務或活动，如编程实践、模拟实验等，可以让学生动手操作，加深对理论知识的理解，并培养实际应用能力。在实践操作过程中，学生不仅可以巩固所学知识，还能够发现问题、解决问题，提高自主学习和问题解决能力。

4 开展线上课堂辅导

开展线上课堂是一种适应现代教育发展趋势的重要举措，而预习性课程则是在线上课堂中的一个重要环节。通过预习性课程，学生可以在课堂之前自主学习，快速掌握基础知识，为课堂工作做好铺垫。这种教学模式的推广不仅可以提高学生的学习效率，还可以充分利用线上资源，实现学生在课堂之外随时随进行学习的便利[10]。

预习性课程的开展可以让学生在课堂开始前就对所要学习的内容有所了解，有助于激发学生的学习兴趣和主动性。通过预习，学生可以先自主学习相关知识，弄清楚自己的疑惑和不足，从而更好地参与到课堂讨论中来。这样一来，课堂时间就可以更多地用于探讨问题、解决问题和交流思想，提高课堂的教学效果。其次，线上资源的开发为预习性课程提供了便利条件。学生可以根据自己的学习进度和需求，在课堂之外随时随地进行学习，充分利用碎片化时间，提高学习的效率和灵活性。此外，预习性课程的开展也为教师提供了更多的教学资源和空间。教师可以根据学生的预习情况和学习需求，调整课堂内容和教学方法，还可以利用预习性课程的结果，开展个性化指导和辅导，帮助学生解决学习中的困难和问题，提高学生的学习成绩和综合素质。

开展线上课堂，倡导通过预习性课程快速掌握基础知识，不仅有利于提高学生的学习效率和自主学习能力，还可以充分利用线上资源，实现学生在课堂之外随时随地进行学习，使課堂更多地用于探讨问题、解决问题和交流思想，从而提高整个教学过程的质量。

三结束语

本文通过对人工智能及其应用课堂改革方式的讨论，可以看到针对课程存在的问题，提出了一系列的改革措施。这些改革旨在重新审视课程内容和教学方法，使之更贴近学生的学习需求，更好地促进学生的学习效果和实践能力的培养。通过重视专业发展方向、调整实验课时关系、革新互动环节设计以及开展线上课堂辅导等举措，此课程可以更好地激发学生的学习兴趣，提高课堂的互动效果，培养学生的实践能力和创新意识，为其未来的学习和职业发展打下坚实的基础。在未来的教育实践中，应该持续关注课程改革的进展，不断总结经验，进一步完善课程内容和教学方法，以适应不断变化的社会需求和科技发展。

参考文献：

[1] 付明磊，张文安.人工智能原理及应用课程思政的探索与实践[J].高教学刊，2023，9（27）：193-196.

[2] 何会敏.人工智能在电子电工课程教学模式设计中的应用[J].电子技术，2023，52（12）：127-129.

[3] 孙书萍，唐振.“人工智能技术”融入应用型电子信息工程人才培养的实践研究[J].互联网周刊，2024（4）：77-79.

[4] 陈东岳，刘建昌，潘峰，等.人工智能驱动的自动化新工科专业建设探索与实践[J].控制工程，2024，4（19）：1-9.

[5] 段江丽，胡新.高校人工智能导论公共课的教学改革探索[J].电脑与信息技术，2024，32（1）：141-142，146.

[6] 李成.基于OBE理念的研究生课程教学改革实践——以数字支持设计理论及应用课程为例[J].高教学刊，2022，8（36）：142-145.

[7] 游俊慧，陈洁.3E教学模式在《人工智能与大数据导论》课程中的应用[J].办公自动化，2024，29（2）：39-41，4.

[8] 胡锐，王成军，李德权，等.人工智能类开放型实验教学探究[J].中国现代教育装备，2024（5）：59-61.

[9] 蔡艳宁，汪洪桥，范青刚，等.《人工智能及应用》研究生重点课程建设与实践[J].高教学刊，2016（17）：185-186.

[10] 吴青林，王焱.基于“云计算+物联网”的高校智慧实验室探索与实践[J].实验室研究与探索，2024，43（2）：226-230.

基金项目：教育部产学合作协同育人项目“面向‘大化工+AI人才培养的实践平台建设”（202101327042）