课程思政融入机器学习课程教学的探索与实践

摘要：随着人工智能的发展，各大高校争相开设机器学习课程，但机器学习涉及学科范围广，理论推导多且枯燥，高校本科生学习起来较为困难。为降低理论理解难度，同时落实高校立德树人的根本任务，以机器学习课程为依托，具体采用了“一依据+两角度+三环节+四结合”的教学方法，以四个教学案例重点介绍机器学习课程内容与思政案例结合的具体过程。最后，通过调查问卷和考核方式总结教学效果和经验并持续改进。

关键词：机器学习；立德树人；课程思政；思政案例；教学效果

中图分类号：G642        文献标识码：A

文章编号：1009-3044（2022）33-0167-04

1 机器学习与思政教育

近几年来人工智能（Artificial Intelligence ，AI）的概念和应用已经深入人们生活的方方面面，而机器学习就是实现AI的方法之一，因此，各大高校也相继开设机器学习课程。但机器学习是一门多领域交叉的热门学科，理论知识多，知识覆盖面广，涉及概率论、统计学、微积分、矩阵论、最优化等知识，因此这门课程要求学生具备扎实的数学基础、掌握机器学习经典算法，并具备动手实践能力。

机器学习的本质是利用现有数据或规则不断自我改进算法的研究[1]，机器学习的过程是在模拟人的学习和推理过程。机器学习不仅要学习相关的数理知识，培养扎实专业技能，更要把思想政治教育融入教育教学实践中。如果仅仅把算法知识传授给学生，培养学生编写机器算法的能力，而忽视了思政教学，那么学生以及机器学习应用的成果就可能像没有线的风筝，失去了方向，更可能像脱缰的野马，横冲直撞，危害别人乃至社会，这点就类似于《终结者》描述。从这方面来看，在机器学习中融入思政内容尤为重要和迫切。

总而言之，机器学习与思政教育的目标是让学生成为德才兼备的人才，通过掌握机器学习的基本算法、实践方法和背后蕴含的思政元素，培养学生正确的三观和分析解决问题的能力，以及厚植理想信念和激发使命担当。

2 课程教学改革思路

现如今科技革命和产业变革方兴未艾，高校是行业发展的提供人才的基地，为适应新时代新要求，高校教育改革迫在眉睫。科技发展不仅需要高校培养出创新型人才，更需要具有自我驱动、自我思辨以及良好的思想素养。在高校课程中融入思政教育，进而激发大学生的内驱动力成为教育改革的重点。但当下高校的课程思政仍然存在一些问题，原本的课程与思政教育过于急功近利融合，将专业课知识和思政内容直接拼接，导致课程非常生硬，还存在思政案例匮乏、淡化学生主体地位的情况[2]。为进一步贯彻落实《纲要》精神，充分发挥课堂在高校思想政治教育工作中的主渠道作用，接下来分别从教师、机器学习课程和学生三个方面来阐述机器学习融合课程思政的教学改革思路。

2.1教师

教师是教学工作的“第一主角”，习近平总书记强调“教师要成为大先生，做学生为学、为事、为人的示范，促进学生成长为全面发展的人[3]”。高校思政教育关系着高校培养什么样的人、如何培养人以及为谁培养人这些根本问题[4]。面对百年未有之大变局，作为一名高校教师应当怎么做？作为思政教育主力军、直接实施者的高校教师将承担更多样的任务和角色，个人政治素质要过硬，要爱党爱国，具备正确的理想信念，理解思政内涵和德育要素，懂得做人做事基本道理，还能够善于挖掘课程蕴含的德育元素和具备育人技能，沉浸式进行课程思政设计，将课程思政当作一门学问、一种价值、一种信仰不断融入实践中去。

2.2课程

本文提出了“一依据+两角度+三环节+四结合”的机器学习课程与思政教学融合的教学方法。在传授机器学习知识的过程中进行德育教育和能力培养，提高人才培养质量。

“一个依据”，即依据机器学习课程的特点，以学习机器学习算法为核心，紧密联系思政教育。首先，根据教学目标，梳理机器学习课程的教学内容，即聚类算法、回归模型、集成学习、神经网络和深度学习等，然后将思政教学案例融入其中，形成以专业知识为明线，以思政教学为暗线的融合教学方法。

“两个角度”，结合机器学习的学科特点，教学内容主要从理学和工学两个角度出发。理学角度注重思维的培养，从现有知识出发解答问题，培养学生逻辑推理、辩证思维，结合使命担当的思政案例，强化学生的责任感和使命感；工学角度注重强化学生实践能力，通过逆向思维分析，培养学生创新能力，结合工匠精神、奉献精神，激发学生的家国情怀和自我驱动力。

“三个环节”，将思政教育的内容结合、言传身教、教学相长的三重境界融入课前-课中-课后三个教学过程，以完成立德树人的根本任务。

首先是课前准备环节，通过将思政教育元素融入教学方案，完成思政教育的基本要求，内容结合，即根据机器学习的相关知识挖掘合适的思政案例，通过不断地对知识和德育的切入点进行梳理和调整，实现机器学习和思政教育的有机统一。

课中环节是重中之重，不仅需要将思想政治教育内容传递给学生，更要通过自身优秀的师德师风潜移默化地影响学生，达到德育的目的。

课后环节，《礼记·学记》提到教学相长，将自己的所思所悟传授给学生是实践立德树人的过程，在这个过程中加深了自身的思考，课后不断反思教学内容、方法，不断创新教育方法，将思政教育完美融入课程内容中去。

“四个结合”：能够有效激发学生家国情怀，明确责任与担当，学会做人做事基本道理。

习近平新时代中国特色社会主义思想是当代中国马克思主义、二十一世纪马克思主义，是中华文化和中国精神的时代精华[5]。通过习近平新时代中国特色社会主义思想与课程内容的结合，利用马克思主义哲学的科学世界观和方法论去认识问题、改造问题，学生只有对世界有了正确认识，学会运用方法论分析问题，看清楚现象和本质，将个人追求的梦想融入实现中华民族伟大复兴的中国梦中。

社会主义核心价值体系是社会主义制度的内在精神和生命之魂，将社会主义核心价值观与课程内容结合，践行育人为本、德育为先的要求，使学生们通过理解社会主义核心价值观的意义，认同社会主义核心价值观，自觉地遵守社会主义核心价值观的基本要求。

中华优秀传统文化是中华民族的精神命脉，是涵养社会主义核心价值观的重要源泉，将中华优秀传统文化同课程内容结合，有助于大学生健康成长，提升文化素养，增强文化自信。

坚持法治与德治并举，道德是法治的基石。将职业理想、职业道德、法治教育同课程内容结合，根据学生的特点和社会对大学生的要求，教育引导学生深刻理解并自觉实践职业理想和职业道德，增强职业责任感，培养遵纪守法、爱岗敬业、诚实守信的优良品质。

2.3学生

当代大学生思想活跃、自我意识较强[6]，一方面容易塑造正确的世界观、人生观、价值观，另一方面也容易导致崇洋媚外、抵触学习的情绪从而走向错误的方向。所以不能简简单单地输送思政教育，需要激发学生的主体意识，只有学生充分认识到自己是思政教育的主体，产生使命担当、自我驱动力，积极主动地参与到课程思政中来，与教师交流自身的想法和需求、拓宽视野，才能发挥课程思政的重要作用。

3 课程思政融合案例

相较于其他课程而言，机器学习涉及学科多，对数学基础要求相对较高，课程内容较为抽象，不利于学生的理解。因此本文采用 “一依据+两角度+三环节+四结合”的教学方法，将枯燥的机器学习算法与鲜活的思政案例结合，不仅加深了学生对数理知识的理解，更有利于培养学生正确的三观、分析解决问题的思维。本文以初识机器学习、神经网络的曲折发展史、k-means聚类算法、集成学习等四个案例为例，简单介绍该教学方法的实施流程。具体内容如下：

3.1初识机器学习

机器学习是什么？机器学习与人工智能的关系是怎样的？为什么要学习机器学习这门课程呢？

“对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E中学习”[7]，这是著名的机器学习研究者Tom Mitchell 教授给机器学习的定义。显然这样的描述是正确的但也是抽象的，对于学生来说是难以理解的。

学生应该早就了解了“柯洁大战 AlphaGo”的新闻，但AlphaGo战胜柯洁靠的是程序员编写了超越人类大师棋力的程序么，显然这是不可能的。AlphaGo归根结底是基于线性代数+大数据而形成的，根据大量的人类对局数据进行迭代运算，优化自身的算法，从而达到最优结果，这个过程诠释了机器学习的定义。AlphaGo就是一个人工智能，实现它的过程就是机器学习，它的目标就是模仿甚至创新人类的行为、思想。

到了这里，通过一个通俗的案例讲解了什么是机器学习，机器学习与人工智能的关系，进一步从思政角度挖掘这个案例。AlphaGo基于线性代数+大数据这个模式，针对围棋这个目标，不断优化算法，就像学生学习书本知识+做练习，目的是更好地就业和提升自我。机器尚且通过“勤奋学习”来不断优化算法，那么学生更应该踏踏实实学习，来充实自己，只有学了方法，并且运用方法进行实践才能成长，不断提高自身综合素质，最终实现个人的职业理想。

播放《我和我的父辈》电影中的《少年行》片段，这个片段讲述了一个科幻色彩浓郁的故事。这个片段融合了机器人、时空穿梭等元素，紧扣新时代科技强国、创新驱动发展战略，通过幽默诙谐的方式，让科技深入人心、让创新精神在“父子”之间传承。

在此，可以引导学生关注国家战略规划，譬如2017年国务院颁布的《新一代人工智能发展规划》以及习近平总书记说的“国家的希望在青年，民族的未来在青年”，从而激发学生的使命感和担当精神，引导学生树立远大的理想和爱国主义情怀，主动关注学科发展方向及国家需求，充分认识本课程学习的重要性，勇于抓住人工智能发展的战略机遇，全面提高学生思想政治素质和学识水平，开阔视野与职业定位努力培养成为德智体美劳全面发展的社会主义建设者和接班人。

3.2神经网络的曲折发展史

人工神经网络（Artificial Neural Network， ANN）是一种模拟人脑的神经网络来实现类人工智能的机器学习算法。虽然模拟神经元的原理非常简单，但其发展史非常曲折的，曾出过两次低谷，第一次低谷是缺乏训练算法，无法解决XOR问题；第二次低谷是受限于硬件水平，训练耗时太长、算法仍需要改进。如今，随着硬件水平的提高，GPU被用于神经网络训练和并行计算，使得神经网络再次雄起，并在全球掀起了人工智能发展的热潮。

纵观神经网络的发展历程，引导学生追本溯源，认识到科学技术的研究并不是一帆风顺的，进步和发展是在前人基础上的，而青年的使命就是接力与超越，学生当遇到问题不要退缩，要从被动接受知识变为主动学习探究，要坚定理想信念，努力钻研，不能半途而废，不断激发创造创新活力，提高正确认识问题、分析问题和解决问题的能力，为国家为社会为自己的未来而努力。

3.3 K-means聚类算法

人类在面对复杂问题或大量数据时往往会采用分而治之的思想，聚类是根据事物之间的某种相似关系完成对事物分组的过程。在我国古代，采取郡县制，划分区域、层层管理，来达到统治江山的目的；时至今日，现代的行政区域的划分，也是采用了分而治之的思想。

K-means算法是一种经典的聚类算法，通过不断计算迭代更新聚类中心和为数据分配属于不同的聚类中心，最终聚成不同的簇，簇与簇之间的距离相对较远，而簇内间的数据点则分布更紧密。课程通过手工计算的迭代过程，让学生理解该算法实现思路和迭代思想，一方面从理学角度出发，通过推理运算，培养学生勇于实践、探索未知和追求真理的能力；另一方面从工学角度出发，通过迭代思想，传导专注执着、不断改善和追求卓越的工匠精神。