基于OBE和竞赛的“人工智能导论”课程改革探索——以工程教育认证为背景

何东彬,祁瑞丽,朱艳红

(1.石家庄学院,河北 石家庄 050035;2.石家庄邮电职业技术学院, 河北 石家庄 050021)

0 引言

面对新一轮科技革命和产业变革,各国政府纷纷将人工智能(Artificial Intelligence,AI)上升到国家战略层面。为确保国家战略目标的实现,教育部根据国家2017年7月颁布的《新一代人工智能发展规划》[1],于次年颁布了《高等学校人工智能创新行动计划》[2],聚焦人工智能相关学科的专业设置、学术研究、课程体系建设和高素质人才培养,为我国新一代人工智能的蓬勃发展提供坚实的人才保障与智力支持。

“人工智能导论”作为一门综合性较强的计算机专业核心课程,内容广泛,涵盖多个学科和领域,不仅强调理论基础,还注重实践教学,对学生的知识储备和学习能力提出了较高要求。在学习过程中,学生需要付出更多的时间和努力,如果缺乏正确有效的引导,很容易产生畏难情绪,从而影响学习效果。

在工程教育认证[3]背景下,以OBE(Outcome-based Education)[4]教育理念为指导原则,强调学习成果导向,明确教学目标,设计与之紧密关联的教学活动和评价体系,保证学生能够有效学习和运用人工智能的关键知识与技术。同时,将学科竞赛引入项目实践,将项目目标和竞赛目标合二为一,鼓励学生将项目实践转化为学科竞赛作品,将学生引入一个自我监督、勇于尝试、不断学习、迭代提高的闭环过程,激发学生主动学习和创新实践的热情,进而提升他们在真实场景中运用人工智能技术解决复杂问题的能力[5]。

1 课程特点与教学中存在的问题

1.1 课程特点

“人工智能导论”课程作为一门介绍人工智能基本概念、原理与应用的入门课程,具有以下特点。

(1)综合性。该课程涵盖了人工智能的基本理论框架,包括知识表示、推理、搜索、规划、机器学习、神经网络、自然语言处理和计算机视觉等多个子领域,提供了对人工智能学科的全面概览。

(2)前沿性。虽然教材内容可能因出版周期而相对固定,但优秀的课程应当追踪学科前沿进展,适时纳入最新的人工智能技术和发展动态,如深度学习、强化学习和生成对抗网络等热点主题。

(3)实践性。除理论知识外,该课程还需在实践中学习编程语言、机器学习算法和人工智能框架,来处理数据,构建和训练模型,以加深对理论的理解,锻炼分析、设计能力,从而为未来人工智能领域就业或深造奠定坚实的实践基础。

(4)跨学科性。人工智能跨越计算机、数学、神经科学、心理学等多个学科,课程内容庞杂繁复,入门难度高,要求学生具备广泛的科学素养和扎实的基础知识。

1.2 教学中存在的问题

正因为该课程具备上述特点,因此在教学实践中,通常会存在下述问题。

(1)内容难度大。由于课程内容广泛,涉及多个领域,导致授课内容多且复杂,学生难以消化吸收所有知识点,特别是在有限的学时内做到全面理解会更加困难。这也是本文引入OBE的直接原因,教师需要合理设计课程体系和教学进度,以学生为中心,根据学生的成长需求以及学生获取技能的期望,持续改进和调整课程目标、授课内容和形式。

(2)师资要求高。课程的前沿性需要教师不断更新知识结构,将新研究和技术融入教学实践,对教师的学习、科研和教学能力提出了更高的要求。OBE所秉持的持续改进思想,不仅仅是针对教学过程和教学目标,更是要求这个过程中的最重要的推动力量——教师,始终处于一个不断学习、进步、提高和完善的过程,为高水平完成教学任务提供牢固的保障。

(3)设计与实践性强。人工智能项目案例通常涉及更为复杂的算法设计和编程实践,需要在教学中增加更多互动和研讨。此外,不同学生理解能力和技术水平差异很大,要求独立完成项目实践并不现实。引入学科竞赛机制,学生自发成立小组,结合个人优势分工协作,共同完成作品。只要构建了良性竞争环境,就能够激励学生主动钻研复杂算法,通过实践比拼,提高技能,培养团队协作与创新能力。

(4)综合能力要求高。课程实践以学科竞赛为目标,拓展了学习实践的广度和深度,项目难度也相应增加。通过学生分组实践达成学科竞赛目标,有利于学生的多学科知识学习和知识融合,同时,提升在复杂人工智能项目中灵活运用所学知识的能力。例如:负责算法设计的学生需要学习运用数学工具和计算机建模;从事数据分析的学生需研究利用统计学进行数据挖掘与分析;负责用户界面(User Interface,UI)的学生需借助心理学优化项目交互设计等。

2 课程体系改革

近年来,在国家的积极推动下,高等院校纷纷启动工程教育认证教学改革:重构课程体系、强化实践教学、优化师资队伍,教学质量获得显著提升,毕业生的综合素质和工程实践能力得到了社会和企业的广泛认可,实现了教育从输入导向到输出导向的转变,为我国创新驱动发展战略提供了强有力的人才支撑。

在此背景下,针对“人工智能导论”课程的特点和教学中遇到的问题,本文提出了下述课程改革措施。

2.1 课程目标改革

OBE的核心原则是将教学过程中的关注焦点从传统的教学过程转移到学生实际学习成果上。因此,课程教学改革首先需要明确学生达成的学习成果目标,然后反向设计教学内容、教学方法和评价体系,确保教学过程始终指向这些预设的学习成果目标[6]。

“人工智能导论”课程目标设计,需要关注学生在学习过程中的表现,更应注重他们在学习结束后的长期发展。本文从知识、能力和素质3个维度出发,将课程的最终目标定位于:全面培养学生的理论知识、实践技能以及跨学科、创新协作、伦理责任和终身学习等综合素质,具体内容如表1所示。

表1 “人工智能导论”课程目标

基于OBE理念设计的“人工智能导论”课程目标体系,注重以学习成果为导向,全面培养学生的各项能力。首先,该课程要确保学生掌握人工智能的基本概念、发展历程和应用领域。同时,系统学习包括机器学习、深度学习、自然语言处理、计算机视觉、专家系统在内的多个子领域知识。其次,该课程强调学习过程中遵循理论与实践相结合原则,培养学生运用所学知识解决实际问题的能力,完成数据预处理、特征选择、模型训练与模型验证等实践环节,提升理论水平和实践技能。此外,注重跨学科知识整合应用,鼓励学生将数学、统计学、计算机科学等多领域知识融会贯通,结合心理学、社会学知识优化人机交互设计,以解决复杂问题。同时,将学科竞赛引入实践项目,培养学生的创新能力与团队协作精神,激发创新思维,提升和夯实创新创业的技能。此外,着力培养学生的伦理与社会责任意识,引导学生深入探讨和遵守人工智能伦理规范,关注产品安全性与社会效益。最后,鼓励学生养成跟踪AI前沿动态的习惯,培养学生的终身学习与自主学习习惯,能在课程结束后继续自主深入学习和研究,以获得适应未来发展的持续改进能力。

2.2 课程内容改革与创新

根据国务院2020年第2号公报,教育部关于深化本科教育教学改革全面提高人才培养质量的意见[7],课程组以“人工智能导论”课程为切入点、一流课程建设为标准,将其建设为具有高阶性、创新性和挑战度的“金课”。

(1)高阶性。除人工智能的基本理论框架以外,需密切关注人工智能领域的新理论、新技术和新应用,及时更新和重构课程内容,确保课程体系与国际前沿接轨,突出课程的综合性和前沿性。除基础理论和经典机器学习算法介绍以外,课程要覆盖深度学习、强化学习、自然语言处理、计算机视觉、生成对抗网络等现代人工智能核心技术,适度扩展至边缘计算、自动驾驶、人工智能伦理与法律等新兴交叉领域的介绍与拓展。

(2)创新性。国家高度重视高校创新能力的建设和培育,积极倡导并鼓励高校与企业紧密对接,深度融合校企资源,开展协同育人项目[8]。在此背景下,课题组申请了2项教育部产学合作协同育人项目,通过与企业协作,在课程体系中引入更多高阶资源和创新项目,共同开发设计项目案例、规范实践教学体系,激发学生的创新潜能,培育学生解决实际问题的创新能力和创新思维。

(3)挑战度。协同育人项目为学生提供了接触前沿技术、参与创新项目的机会,同时也增加了实践难度和任务量,学生面临巨大挑战。为增强学生克服困难的信心,激发学生内在的求知欲与进取心,课题组将项目实践目标与学科竞赛目标统一,鼓励学生以项目实践小组为单位,利用项目作品报名参加符合课程目标的相关赛事,例如:中国大学生计算机设计大赛、中国高校智能机器人创意大赛、中国机器人以及人工智能大赛等。项目实施一个学年后,通过统计数据分析发现,将学科竞赛和挑战性实践项目融入课程体系后,课程目标(毕业要求指标点)达成度获得提升,竞赛获奖名次和学生获奖人数均超过历年水平。

3 课程教学改革

3.1 分阶段教学任务

对传统的课程教学模式进行改革,知识点融入实践项目,整个“人工智能导论”课程教学分为基本概念和方法、经典模型原理与设计、深度学习模型项目实践、综合项目实践4个阶段。课程教学与实践改革体系结构如图1所示。

图1 课程教学与实践改革体系结构

第一阶段的主要任务是学习和了解人工智能基本理论、发展历程及应用领域的相关知识,熟悉软硬件开发实践环境,为后续学习打下基础;第二阶段主要学习经典算法、AI框架、数据处理和分析方法等;第三阶段学生自由结组,根据教师分派的项目任务,依托线上线下教学资源,按企业开发实践规范完成整个系统的分析、设计和实现,核心工作是神经网络的设计、训练和预测;第四阶段,按小组自由选择项目,针对具体问题给出完整解决方案,项目交付不仅要提交详细的项目文档,还要参加项目结题答辩,仿照竞赛规制进行打分和排名。

3.2 分阶段教学实施

本文提出的分阶段教学模式,由4个层层递进、可自我迭代的阶段组成。分阶段教学实施模式强调项目驱动学习,通过实际项目引导学生主动探索和掌握知识;借助案例分析和小组讨论机制,让学生在真实情境中加深对理论的理解,促进其协作和交流能力的提升。

每个阶段都设定明确的目标(里程碑)和阶段成果(交付物)。每个阶段任务的性质与内涵不同,因此,要求也随之变化。第一阶段,教师授课重点在于基础知识的掌握和课程体系脉络的结构,利用在线教育平台(学习通、慕课网站、腾讯文档等)为学生提供更多的学习资源、微课视频和实时答疑功能,确保学生能够随时随地进行学习。第二阶段,线下课堂教学注重算法的深度讲解,主要通过JN(Jupyter Notebook)组织实践操作示范,线上为学生提供关键操作步骤的短视频以及构建在阿里云天池DSW上的范例代码,便于学生对知识点的梳理和总结。第三阶段,依据人工智能领域经典项目案例或最新成果,引导学生深入剖析其理论依据、技术路线及社会影响,以小组形式展开讨论,鼓励学生批判性思考,培养他们对AI应用场景的敏锐洞察力和独立分析能力。其中,项目管理基于Gitee(码云)平台。第四阶段,每个小组针对选定的具体项目,进行分析研究、方案设计和代码实现等活动,小组内利用腾讯文档和码云共享资源,基于天池DSW进行分工协作,定期开展组内讨论和组间交流。

3.3 分阶段教学评估

结合线上线下混合教学,可以更加灵活地适应团队协作创新。新的模式也带来新的问题,原有教学不再适用,需要提供一种更为全面、真实地反映学生学习目标达成度的评价方法。

不同阶段完成的任务不同,对于课程目标也不一样。第一阶段,主要是通过学生提交的课后作业考查知识点掌握情况,给出阶段评分;第二阶段,主要考查学生独立完成项目案例的完整性、创新性、技术实现和问题解决能力,根据实施情况的完成度打分;第三阶段,结合线上平台的学习数据(如观看视频、完成作业、Git仓库中的代码贡献率等)和线下项目实践表现(如出勤率、参与讨论等),结合学生的组内互评情况,分别给小组和个人打分;第四阶段,增加项目报告和项目答辩的评分,报告着重考察项目完成的完整性、创新性和技术能力,给出团体评分,答辩主要考察团队中每个成员对项目的贡献度、个人专业素养以及团队协作能力,给出个人评分。

3.4 推进课程共建和师资优化

借助产学合作平台,聘请具有丰富科研经验与产业背景的教师参与课程教学,鼓励教师将科研成果与产业实践经验融入教学过程,同时,加强与企业导师合作,利用企业的实际项目资源改造和编纂教学实践案例库,推出相应指导教材和视频,共同推动课程内容的更新与优化。

由于课程的前沿性和综合性,处于教学活动中心位置教师的角色至关重要,他们的知识更新和专业发展直接影响到教学质量与学生培养成效。为确保“人工智能导论”课程教学内容和方法能够与时俱进,课题组的部分老师通过学历进修和参加寒暑假IT研修班,在人工智能领域获得了较为深厚的技术积淀。课题组同时也申请了多个纵向和横向课题,积累了大量的相关教学资源案例,为高水平课程教学和校企合作提供了人才保障。

4 结语

在国家人工智能发展战略的引领下,在工程认证背景下,基于OBE教育理念,“人工智能导论”课程教学改革聚焦于明确学习产出目标,构建与之紧密联动的教学实践和评价体系,帮助学生有效克服学习挑战,掌握人工智能基础理论和技术应用能力。引入学科竞赛机制,将项目实践与竞赛结合,激发学生主动探究的热情,提高学生在真实场景中灵活运用所学知识解决复杂问题的创新思维和能力,从而为我国建设成为人工智能创新强国,提供稳固的人才储备和有力的智力支撑。