机器学习课程的混合式教学探索与实践

关键词：机器学习；线上线下；混合式教学；课程思政；雨课堂

0 引言

随着计算机技术的不断发展，人工智能技术不仅在物联网、智慧安防、自动驾驶、智慧医疗等工业和商业领域取得了显著发展，同时人工智能技术通过智能家居、虚拟个人助理等方式不断融入人们的日常生活和工作中。人工智能技术是未来科技竞争的重要领域，受到了各个国家的高度重视，纷纷支持人工智能相关专业的发展和培育。目前国内外高校纷纷开设了人工智能专业，旨在培养具备人工智能知识和技能的高素质人才，以满足各行各业对人工智能专业人才的需求，进一步推动了人工智能技术在各个领域的应用和发展[1]。

在人工智能专业的人才培养中，机器学习专门研究计算机如何利用经验改善机器的能力，是人工智能相关专业的核心课程之一[2]。机器学习课程教学质量的好坏，直接影响学生对人工智能的学习兴趣。因此，如何通过机器学习课程教学帮助学生建立人工智能的基础理论和基本实践能力，为后续跨学科应用做好知识和能力储备至关重要。

1 教学现状及存在的主要问题

机器学习课程作为人工智能的核心课程之一，涉及多个学科领域，其内容较抽象，对各类数学知识的综合运用要求较高，因此不易理解，此外，该课程对学生所学知识点的综合运用能力要求较高。然而，一些高校仍然采用传统的填鸭式教学方式，过于注重内容知识的传播，忽视学生的实践应用能力，利用教育信息化手段不够多样化[3]，进一步加剧了学生的学习困难。因而梳理出目前机器学习课程存在的问题，并对教学模式进行合理设计，以提高教学质量，更好地实现教学目标。

1.1 跨学科知识整合能力不足

机器学习理论学习难度较高，需要先修多门课程，包括高等数学、矩阵论、线性代数、

概率与数理统计、最优化理论、数据结构等理论知识，以及Numpy、Matplotlib、Pandas、Python等编程实践课程。尽管大部分高校均已开设此类课程，但是教学过程仍以教师讲授为主，数学思维与实际应用的结合不够紧密，内容交叉程度不够深入，造成学生对理论内容理解得不够全面和深入，同时由于前导课程都是单独讲授，内容交叉部分较少，造成学生运用现有知识综合运用分析问题的能力较弱，探索知识的主动性不足。在实践编程课程的教学过程中，部分程课程过于注重语法和算法的学习，而忽略了实际项目经验的积累，实践教学内容综合性差，导致学生无法真正掌握编程技术的应用，尤其是编程思维的形成。

1.2 课程内容抽象且教育信息化建设滞后

机器学习课程与数学联系紧密，因此在讲授理论和原理过程中，会涉及大量公式推导，如果单纯采用传统的课堂讲授方式，可能导致学生望而生畏，注意力不集中，听不进去或者，理解效果差等情况，进而影响教学效果。同时教育信息化应用新技术的手段不足，导致教师在批改作业、学情收集、课堂管理等方面消耗了大量精力，造成教师减少了对教学内容设计和教学过程安排的时间。此外，由于教学实践内容与实际场景存在脱节现象，尤其是在工业领域应用和拓展实践方面较少，结合具体生活应用场景也不够深入。这使得学生对所学内容的应用感到困惑，造成理论与实践的结合存在一定的脱节，与新工科对应用型人才培养的新要求存在一定差距。

1.3 缺乏主动求知和探索的动力

学习动力是激发学生积极性和主动性的关键因素，也是将学习导向某一目标的原动力。当学生的学习动力和探索求知的动力不足时，不仅造成学生学习兴趣减弱，而且会影响学习效果，进而不能实现教学目标。机器学习课程通常在大三年级开设，但是大部分学生对知识的吸收仍然习惯于被动式听讲按照老师安排进行学习活动，缺乏主动学习和主动探索知识的能力，批判性思维没有形成。这种状况造成学生对课程的兴趣降低，课程目标无法真正实现，这也不符合而新工科对学生创新思维和紧跟时代前沿的要求[4]。

1.4 思政教育融合不全面

机器学习作为理工科课程，思政内容经常仅局限于技术和工程领域，而缺乏对社会、政治、文化等更广泛领域议题的深入探讨。这导致机器学习课程不能在塑造学生的价值观、世界观和人生观方面不够全面。此外，机器学习课程本身学习难度较大，而思政内容融入方式生硬或者直接套用案例，会降低学生对本课程的学习兴趣[5]。因此，将思政内容融入机器学习课程时，需要注重内容的深度和广度，并采用恰当的方式进行呈现，

2 线上线下的混合式教学模式

线上线下混合式教学模式是一种基于“互联网+”的新型教学模式，它将传统教学手段与雨课堂教学平台[6]相结合。这种教学模式采用“线下教学为主，线上教学为辅”的方式进行如图1所示。这种教学模式旨在实现线上线下的完整统一和融合。通过这种教学方法可以激发学生的自主学习意识，提升学生对课程的探索欲和好奇心。这有助于解决传统“填鸭式”教学中学习者被动学习、缺乏创新等问题。在实践教学过程中，积极采用百度飞桨平台的实践案例，通过引导学生参加创新创业比赛、蓝桥杯、人工智能比赛等，积极培养学生的实际动手能力和科学的抽象思维能力。此外，采用线上线下的教学模式使教师和学生可以突破传统的教室和课堂的限制，实现异地、异步、协同的教学，从而增加了课程的交流和合作机会。这有助于课程的评价和改进。教师可以通过数据分析、在线问卷、学习追踪等方式，及时了解学生的学习情况和反馈意见，从而调整教学策略和方法，进一步提升了教学质量。

2.1 有效融入思政元素

将专业教学有机融合课程思政，是新时代高校教育教学改革的发展方向，更是高校落实立德树人根本任务的重要抓手。针对教学过程中出现的问题，通过贯彻立德树人、以生为本的教育理念，结合课程本身的知识点，将专业教学目标和课程德育目标相结合。在机器学习的课程教学中，通过合理的教学设计与教学方法，将思政教育融入机器学习课程的教学过程中，实现全方位的课程思政工作。思政内容题材可以选择中国道路自信、行业领域发展信心、社会热点、工匠精神、团队意识、人工智能安全等，通过多角度融入机器学习的课程教学过程中，实现教学内容与思政内容无缝衔接，内容多样，从而更全面地塑造学生的价值观。同时，通过课堂小组讨论等方式提高课程教学的活跃度，使思政内容更加深入人心。

2.2 教学平台使用

线上教学平台采用雨课堂教学平台。雨课堂是清华大学和学堂在线共同推出的新型智慧教学解决方案，也是教育部在线教育研究中心的最新研究成果。该平台支持多种终端，包括手机端、电脑端等，并支持PPT、微信等应用软件，实现师生在线实时互动，同时提供教学全周期数据分析等功能 [6]。

线下实践教学平台采用Jupyter Notebook。Jupy⁃ter Notebook是基于B/S架构的应用程序，安装简单易用。该平台能让用户记录实验过程中的说明文本、数学方程、代码和可视化内容等，方便教学服务和学生实践服务，尤其适合机器学习课程的教学使用。

2.3 课程资源库建设

课程资源旨在创建和提供各种学习资源，是提高教学质量和学生学习效果的关键环节，可以支持学生的自主学习和主动学习。课程资源通常需要教师团队共同建设。具体建设内容包括研究前沿热点文献，算法背景知识，平时作业题库、章节测试题库、重难点微视频，算法过程动画展示、教学PPT资源、教学大纲、课程思政案例等资料如图2。同时，将百度飞桨的教学实践、国外教学平台的实验材料进行整合，并上传到雨课堂平台，为实施线上线下混合式教学改革奠定坚实基础。这些数据资源的积累为未来的分层教育提供教学数据资源支撑。此外，引入一些与机器学习相关的竞赛资源，如Kaggle竞赛、中国机器人及人工智能大赛、阿里云天池大数据竞赛以及蓝桥杯比赛等[7]，以进一步培养学生的实际操作能力和创新思维。

2.4 线上线下混合式教学实施过程

课前阶段，教师根据教学目标和教学计划，将每节课的前导资料和上课资料上传到雨课堂平台，供学生提前预习教材或讲义的相关内容，了解学习的知识点和概念。利用雨课堂的功能记录学生的学习情况，设计相关的填空题、选择题、问答题等题型，提供学生进行自测。教师通过雨课堂的功能检验学生的预习效果，提前获取学情资料，及时调整课下教学计划和授课内容。

课中阶段，根据教学内容的不同，课程内容分为理论教学和实践教学两部分。在课堂授课前，利用雨课堂的签到功能，实现手机签到，确保学生的出勤率。结合课前学生的预习情况，教师在课堂讲授时，对重点难点知识进行重点讲解，解答学生课前反馈的问题。在课堂上，采用互动式、讨论式等多种教学方式，进行课堂精讲和实践操作，与学生进行面对面交流和指导。针对机器学习课程抽象性强、学生理解难的问题，采用“生活实例解读”的教学方式，将日常生活实例引入课程，帮助学生逐渐培养抽象思维能力。在每次线下授课的最后10～15分钟，针对课堂章节知识点以及预习的测试题错误率高的问题进行考核，考核成绩计入平时成绩。

课后阶段，为了提升学生的自主学习和主动探索的能力，在雨课堂布置一些调研类、前沿文献阅读类、探索类的项目，激发学生的探索欲和学习热情。教师利用雨课堂平台可以实时观察学生提交和完成作业的情况，并进行查阅和评价。本次成绩作为作业成绩的一部分。同时，根据课程班级建立微信群，学生可以对课上存在的疑问随时在微信群中进行留言或提问，教师也可以针对学生的问题进行差异化辅导。

2.5 实施全过程考核方式

过程性评价是指在教学全过程中，对教学活动的实施进行持续评价，根据教学过程中的效果，及时对教学内容进行调整，确保教学计划不断优化并达到预期的教学目标。在教学过程中，利用雨课堂教学平台对学生进行全过程考核。具体考核成绩包括学生考勤情况、课前学习情况、课堂测验成绩、实验成绩和期末成绩等。考虑到过去学生普遍存在学习积极性不高、考试成绩不理想的状况，在完善课堂教学方法和教学内容的基础上，摒弃了过去的平时成绩、期中考试成绩和期末考试成绩的简单叠加方式，转而采用更为全面的全过程考核方式。这种考核方式更加注重评价的多维度，旨在对学生进行全面、准确的考核和评价。通过强化过程化考核在学习过程中的重要性，促使学生更加重视平时的学习过程，从而培养他们良好的学习习惯和学习动力。

2.6 积极引导学生参与学科竞赛

通过鼓励学生参加机器学习类竞赛和蓝桥杯编程类竞赛，不仅能够深化学生对理论知识的理解，提高学生的动手实践能力，还有助于学生接触更广泛、更深入的科学知识，有利于学生重构自己的知识体系，扩宽思路和科研知识。同时，这些学科类竞赛能够提高学生的团队协作意识，激发学生的学习热情和兴趣，促进学生能够更加积极主动地学习和探索。

3 结论

针对机器学习课程教学过程中存在的问题，通过不断的教学实践，在机器学习课程中实施课前、课中、课后的线上线下混合式教学模式，结合思政育人理念，加强比赛类的教学实验实践，实施机器学习课程的全过程考核方式。这些措施有利于培养学生的创新思维、抽象思维、动手实践能力和主动学习能力。最后，利用雨课堂平台进行教学信息化建设，为未来的教学内容细化和分层教育提供数据支持。