人工智能时代《深度学习》课程思政案例建设与人才培养的研究

高志军 李懿 史健婷

摘 要：《深度学习》课程是人工智能及计算机相关学科研究生与高年级本科生的专业核心课程，针对该门课程思政案例建设与人才培养中存在痛点或不足，探讨了思政案例建设的理论研究价值与实践研究意义、建设的内容、建设的思路和建设的实施，以促进该门课程思政案例建设和教学研究，为高校更好地培养高质量计算机和人工智能类人才进行有意义的探索。

关键词：《深度学习》课程 思政案例 教学研究 人才培养

中图分类号：F240

文献标识码：A

文章编号：1004-4914（2024）05-168-03

一、引言

人工智能是引领这一轮科技革命和产业变革的战略性技术[1]。培养人工智能人才已成为当前高校发展的目标之一。当前，深度学习是机器学习领域中新的和最火热的研究方向，更接近于人工智能（AI，Artificial Intelligence）最初的目标，是实现和推动AI研究的核心技术，已逐渐成为推动科技进步和产业升级的重要引擎。《深度学习》课程是人工智能的驱动器，作为人工智能、计算机、大数据等专业的主干课程，本身就有自己的多学科交叉性的特点，涉及了统计学、概率论、矩阵论、人工智能和算法理论等多门课程理论和技术的融合，在计算机视觉、自然语言处理、大数据分析与数据挖掘等方面人才培养发挥重要作用。

在这样的背景下，《深度学习》课程不仅承载着传授专业知识的任务，更肩负着培养具备高度社会责任感、创新精神和实践能力的高素质人才的重要使命。因此，在《深度学习》课程中有机融入思政元素，优化课程思政案例库建设，实现知识传授与价值引领的有机统一，显得尤为重要。对研究生的个人成长有积极影响，还对学校教育质量的提升、学生家国情怀、社会价值观的塑造等方面也都起到关键作用。

最近相关学者也结合新工科[2-3]、SWOT的分析方法[4]、互联网+[5]和课程思政元素融入[6]等进行了思政案例及思政教学改革。目前《深度学习》课程教学中，思政案例建设与人才培养仍存在以下痛点或不足：思政元素与深度学习知识元素融合度不高，生搬硬套较多，易导致知识与人才价值观脱节;案例较为单一，缺乏具有学科特色和课程特色的案例，易导致人才创新能力不足;缺乏有效的课程思政评价体系，难以客观评价思政效果，易导致人才思政教育质量参差不齐。

为了更好地落实立德树人的根本任务，开展新工科建设，需要对《深度学习》课程进行思政元素与专业知识进行深度有机地融合，要有潜移默化、润物细无声的效果，而且以培养“五育并举”高素质人才为目标，其具有着重要的理论研究价值和实践研究意义。

二、理论研究价值和实践研究意义

（一）促进思政教育与专业人才教育的有机融合

其建设将思政教育与专业人才教育有机地结合起来，实现知识传授与价值引领的统一。这有助于培养研究生在专业领域中的道德素养和人文精神，提高人才的综合素质和社会责任感。

（二）推动课程思政建设的发展

结合我国当前繁荣发展的实际，构建《深度学习》课程思政案例，助力研究生对社会主义核心价值观认同和践行的培养。

（三）提升研究生人才培养的学术道德素养和激发创新精神

其建设将增强研究生遵守学术道德规范，树立优良的学术风气，培养人才严谨的学术道德素养。同时，激发研究生的创新精神和提升他们的科研创新实践能力。

（四）培养研究生的家国情怀和拓宽国际视野

其建设将强化研究生的家国情怀，拓宽国际视野，有助于培养他们成为具有国际竞争力的优秀人才，为推动国家和社会的发展做出贡献。

（五）强化实践育人作用

其建设将强化实践育人的作用，培养研究生在科研创新实践中体验和感悟思政元素，提高人才的科研实践创新能力和创新精神。

（六）完善课程思政评价体系

其建设将建立完善的课程思政评价体系，对深度学习课程思政案例的教学效果进行科学评估，不断改进和优化案例建设，培养高质量人工智能类人才。

三、课程思政案例建设的内容

通过对《深度学习》课程的教学单元内容和专业知识点进行全面深入的剖析，从人才培养目标和任务、家国精神、工匠精神、科研诚信、职业伦理道德、保护安全隐私等方面深入挖掘、提炼思政元素;构建课程思政案例资源库，深度学习课程思政案例内容建设和设计如下。

（一）深度学习概述

1.专业知识点。深度学习的概念、发展历程;深度学习的教学主要内容、应用领域。

2.思政主题。科学世界观;科技报国情怀、创新意识和协作精神。

3.思政元素融入点。在深度学习基本概念单元中，通过介绍人工智能、机器学习与深度学习等基本概念，引导研究生正确认识三者之间的关系，树立正确的世界观。介绍我国在深度学习领域的创新成果和国际影响力，强调深度学习创新技术的社会价值和国家发展的重要性，培养他们的科技报国情怀和创新意识。同时，强调深度学习领域的开源、协作和共享精神，引导研究生理解团队协作的重要性，培养他们的协作精神。

4.典型案例分析。传统医疗与智慧医疗、传统支付与指纹或刷脸支付之间的对比分析。百度的文心一言、阿里巴巴在图像识别、疫情精准防空等领域的应用实例，以及我国政府对人工智能产业的支持和政策导向，引导研究生了解我国在人工智能领域的国际地位和发展潜力。

（二）Pytorch语言

1.专业知识点。Pytorch框架的特点、基本操作和编程技巧。

2.思政主题。创新意识、协作精神、科技伦理和社会责任。

3.思政元素融入点。在介绍Pytorch框架的特点时，强调其开源、易用、灵活的优势，引导研究生理解创新的重要性和开放共享的精神。通过讲解其基本操作和编程技巧，培养实践能力和创新思维。同时，强调科技伦理和社会责任，引导研究生关注深度学习技术的道德和法律约束，培养他们的伦理道德素养和社会责任感。

4.典型案例分析。介绍Pytorch在深度学习领域的重要应用和突破，如新闻评论、目标检测等领域，引导研究生了解Pytorch的强大功能和广泛的应用前景。激发其创新意识和创业精神。引入一些科技伦理的案例，引导研究生讨论深度学习技术的伦理问题和社会责任，培养他们的科技伦理素养和社会责任感。

（三）全连接神经网络

1.专业知识点。全连接神经网络的基本原理、搭建和实例。

2.思政主题。科学精神、探索精神和创新意识。

3.思政元素融入点。在讲解全连接神经网络的基本原理时，强调科学精神和探索精神的重要性，引导研究生树立科学的世界观和方法论。通过分析全连接神经网络的搭建过程，引导研究生培养实践能力和创新意识，激发他们的创新思维和探索精神。

4.典型案例分析。介绍全连接神经网络在各个领域的重要应用和突破，如垃圾邮件分类、医学图像分类等，引导研究生了解全连接神经网络的强大功能和广泛的应用前景。

（四）深度卷积神经网络

1.专业知识点。深度卷积神经网络的基本原理、搭建和实例。

2.思政主题。创新精神、实践能力、科技伦理和社会责任。

3.思政元素融入点。在讲解深度卷积神经网络的基本原理时，强调其创新性和实践性，引导研究生培养创新意识和实践能力。通过分析深度卷积神经网络的搭建过程，引导研究生理解深度学习技术的伦理和社会责任，培养他们的科技伦理素养和社会责任感。

4.典型案例分析。介绍深度卷积神经网络在各个领域的重要应用和突破，如图像识别、煤矸石目标检测、病变语义分割等，引导研究生了解深度卷积神经网络的强大功能和广泛的应用前景，激发研究生的创新意识和创业精神。

（五）循环神经网络

1.专业知识点。循环神经网络的基本原理、搭建和实例。

2.思政主题。逻辑思维、辩证思维、创新意识。

3.思政元素融入点。在讲解循环神经网络的基本原理时，通过长短时记忆网络的讲解，强调逻辑思维和辩证思维的重要性，引导研究生培养严谨的思维方式和辩证看待问题的能力。通过分析循环神经网络的搭建过程，引导研究生培养实践能力和创新意识，激发他们的创新思维和探索精神。

4.典型案例分析。介绍循环神经网络在自然语言处理领域的应用，如机器翻译、对话系统等，引导研究生了解循环神经网络的强大功能和应用前景，激发研究生的探索精神和创新意识。

（六）生成对抗网络

1.专业知识点。生成对抗网络的基本原理、搭建和实例。

2.思政主题。批判性思维、求真务实、诚实守信。

3.思政元素融入点。在讲解生成对抗网络的基本原理时，通过生成门与判别门的讲解，强调批判性思维和求真务实的重要性，引导研究生培养独立思考和判断的能力，不盲目跟从，要勇于质疑和挑战权威。通过分析生成对抗网络的搭建过程，引导研究生理解人工智能技术的复杂性和不确定性，培养他们的诚实守信的品质。

4.典型案例分析。介绍生成对抗网络在医学图像生成等领域的应用，引导研究生了解生成对抗网络的强大功能和应用前景，激发研究生的探索精神和创新意识。可以通过鉴别生成图像的案例，引导研究生讨论学术道德和科研诚信的重要性，培养他们的学术道德素养和科研诚信意识。

四、课程思政案例建设的思路

（一）找准思政元素与课程内容的契合点

在深度学习课程的教学内容中，深入挖掘与社会主义核心价值观、爱国主义精神等思政元素相关的内容，找准契合点，确保思政教育与知识传授的紧密结合。例如，在讲解深度学习的基本原理时，可以引入我国在智慧医疗、人脸识别、指纹支付等人工智能领域的创新成果，激发研究生的民族自豪感和爱国情怀。

（二）采用多样化的教学手段

通过采用多样化的教学手段，如案例分析、小组讨论、角色扮演等，让研究生在参与中体验、感悟思政元素与《深度学习》知识元素的有机融合。例如，在分析深度学习应用案例时，可以引导研究生探讨科技伦理、人工智能的道德边界等问题，培养他们的批判性思维和道德素养。

（三）强化教师的引导作用

教师作为课程思政案例建设的引导者和实施者，应具备较高的政治素养和课程思政能力。通过加强全国高校教师网络培训中心举办的课程思政教学能力等教师培训、开展思政案例教学研讨等活动，提高教师的思政意识和教学水平，确保思政教育与知识传授的自然衔接。

（四）建立有效的评价机制

建立有效的评价机制是检验思政元素与《深度学习》知识元素融合效果的重要手段。通过综合运用多种评价方法，如课堂观察、研究生反馈、研究生参加高水平创新竞赛获奖等，对思政案例建设的实施效果进行全面评估，及时发现问题并改进教学方法。

（五）持续优化和更新案例资源库

随着深度学习技术的不断发展，思政案例资源库也应持续优化和更新。通过收集和整理最新的案例素材、教学经验等资源，不断丰富和完善思政案例资源库，以满足不同时期的教学需求。

五、课程思政案例建设的实施

（一）实施原则

避免思政元素与《深度学习》知识元素的简单叠加或生搬硬套，而是通过案例设计、问题导向等教学方式，使研究生在学习专业知识的过程中自然而然地接触、理解和认同思政理念。

通过精心设计的思政案例，使思政元素与专业知识相互促进、相互补充，从而达到提升教学效果和人才质量培养、增强研究生综合素质的目的。

客观有效地落实课程思政评价体系，建立课堂观察、研究生反馈、研究生参加高水平创新竞赛获奖和发表高水平学术论文等科学、客观的课程思政评价体系，对研究生的学习成果进行全面、准确的评价，以确保思政教育的有效性和针对性。

培养“五育并举”高素质人才，以德育为先，智育为本，注重美育、体育和劳动教育的有机融合，全面提升研究生的综合素质和创新能力。

（二）实施步骤

1.挖掘思政元素。深入剖析《深度学习》课程中的知识点，挖掘其中蕴含的思政元素，如智能制造、智慧医疗、智慧金融和国家安全等创新精神、团队协作、诚信意识等。

2.设计思政案例。结合课程内容和研究生实际，设计具有时代性、典型性和启发性的思政案例。例如，可以选取与国家安全、智慧交通、深度学习伦理等相关的深度学习应用案例，引导研究生在分析、解决问题的过程中增强国家意识和社会责任感。

3.融入教学过程。将思政案例有机融入课堂教学、实验实践、项目设计等各个环节，使研究生在学习专业知识的同时，自觉接受思政教育。

4.强化实践体验。鼓励研究生参与深度学习相关的实践项目、数学建模和人工智能等科技创新竞赛，让研究生在亲身体验中深化对思政理念的理解和认同。

5.完善评价体系。建立课堂观察、研究生反馈、研究生参加高水平创新竞赛获奖和发表高水平学术论文等多维度、全过程的课程思政评价体系，将研究生的知识掌握、能力提升、价值塑造等方面纳入评价范围，确保思政教育的有效落地。

（三）实施保障

教师团队建设。通过全国高校教师网络培训中心举办的课程思政教学能力和百度飞桨举办的深度学习等教师培训，加强教师团队的思政教育和专业培训，提升教师的思政素养和教学能力，确保思政案例建设的顺利实施。

教学资源支持。整合校内外优质教学资源，通过搭建本地服务器和百度云建设提供必要的硬件和软件支持。

制度建设与激励。建立健全相关制度和激励机制，鼓励教师积极参与思政案例建设，建立深度学习课程案例库为思政案例，形成良好的教学氛围和育人环境。

六、总结

在人工智能的时代背景下，我们在《深度学习》课程思政案例建设与人才培养的研究和实践中，始终坚持将思政教育有机地融入到专业知识传授中，力求实现专业技能培养与价值引领的和谐统一。通过深入挖掘课程中的思政元素，精心设计具有时代性、典型性和启发性的教学案例，我们成功地将思政教育渗透到课堂教学的各个环节，使研究生在学习专业知识的同时，自觉接受思政教育，树立正确的世界观、人生观和价值观，培养新时代高质量的人工智能人才。展望未来，我们将继续深化《深度学习》课程思政案例建设与人才质量的研究与实践，不断探索更加有效的思政教育教学方法，为培养“五育并举”高素质人才的社会主义建设者和接班人贡献智慧和力量。

[基金项目：黑龙江省研究生课程思政高质量建设项目（HLJYJSZLTSGC-

KCSZAL-2022-094）;2023年度黑龙江省教育科学规划重点课题的阶段性成果（项目编号：GJB1423086）;黑龙江省研究生精品课程《数据仓库与数据挖掘》建设项目的阶段性成果;2023年黑龙江科技大学教学研究项目（JY23-06）]

参考文献：

[1] 李彦宏.推动新一代人工智能健康发展[J].智慧中国，2019（08）：41-42.

[2] 王兴梅，赵一旭，战歌.新工科背景下机器学习课程思政建设的研究与实践[J].高教学刊，2022，8（05）：193-196.

[3] 叶青，刘长华.“新工科”背景下省属高校《人工智能基础》课程思政建设探究[J].电脑知识与技术，2023，19（06）：18-21.

[4] 雷晶晶，魏林红.基于swot分析的行业院校研究生课程思政建设路径探索[J].中国民航飞行学院学报，2023，34（03）：29-32.

[5] 付杨雪.“互联网+课程思政”教学模式构建探究[J].现代商贸工业，2023，44（12）：227-229.

[6] 杨扬.课程思政元素融入研究生学术规范课程教学的实践与探索[J].高教学刊，2023，9（14）：35-38.

（作者单位：黑龙江科技大学 黑龙江哈尔滨 150022）

[作者简介：高志军，讲师，博士，硕士生导师，研究方向：机器学习与计算机视觉;李懿，讲师，硕士，研究方向：机器学习与数据分析。]（责编：贾伟）