高校“人工智能基础”课程教学改革

［摘 要］ 针对非理工类院校中管理类与信息类学科的“人工智能基础”课程教学，分析此类院校课程设计与教学实施中存在的教学目标与教材单一性、教学内容科普性且缺乏前沿性、实践环节不足等问题，提出基于BOPPPS教学模式、引入项目驱动教学法的“人工智能基础”课程教学，说明实施策略与教学实践过程，探讨应用效果与潜在问题，旨在充分发挥目标导向与以学生为中心的新模式带来对学生的推动作用，更新学生对教学活动的认知和驱使学生形成新的学习观。

［关键词］ 人工智能基础；项目驱动；BOPPPS；教学改革

［基金项目］ 2020年度江西财经大学教育教学改革课题“新工科背景下信息类学科中的‘人工智能基础’课程建设研究”（JG2020032）

［作者简介］ 夏 雪（1990—），女，江西南昌人，工学博士，江西财经大学信息管理学院讲师（通信作者），主要从事计算机视觉、医学图像处理研究；姜文晖（1989—），男，江西南昌人，工学博士，江西财经大学信息管理学院讲师，主要从事视觉大数据分析、跨媒体内容理解研究；左一帆（1987—），男，江西南昌人，工学博士，江西财经大学信息管理学院副教授，主要从事计算机视觉、虚拟现实研究。

［中图分类号］ G640 ［文献标识码］ A ［文章编号］ 1674-9324（2023）20-0064-05 ［收稿日期］ 2022-03-16

引言

教育部明确提出要改进教学方法，推进学生主动学习，增强学生运用信息技术分析解决问题的能力［1］。信息科学是与信息论、计算机理论、人工智能理论等知识紧密联系的新兴的综合性科学。国务院在《新一代人工智能发展规划》中明确提出要建立新一代人工智能基础理论体系，鼓励高校形成“人工智能+X”的复合专业培养新模式，重视人工智能与数学、计算机等学科专业教育的交叉融合［2］。人工智能作为信息科学的核心内容之一，也是互联网类企业普遍看好的发展方向，能够作为多学科交叉、新兴技术落地、跨界融合的基础性课程与关键性学科，因此开展人工智能本科教学显得尤为重要。

近年来卡内基梅隆大学、麻省理工学院、斯坦福大学、南洋理工大学等学校建立了人工智能核心课程体系，学校充分与科技企业合作，利用高性能、庞大的设备支撑实验，因此教学内容、实践项目有时难以借鉴［3］。国内北京大学、浙江大学、北京航空航天大学、华东交通大学等诸多高校也开设了人工智能系列基础课，但其教学计划中有一系列计算机、通信类基础课作为支撑，而本校未开设相关课程［4］。因此，针对不同校情、知识背景的本科生设计合适的教学目标、内容与过程，是通过课程培养学生解决不同学科问题的能力，引导学生自主性学习，帮助学生立足时代前沿的关键［5-6］。

地方高校是新工科建设的主体之一，其中部分高校人工智能系列课程的教学内容、考核方式与传统理论课无异，且未能体现“交叉”特性，有非理工高校开展相关SPOC课程，但难以保证学生真正深度自学［7］。综上，本课题拟针对现有国内外人工智能课程内容未能面向地方非理工类高校、未将互动行为与培养目标深度融合，教学活动、考核指标未顺应新工科下的大学人才培养新方向的问题，进行“人工智能基础”课程的教学改革研究。最终希望学生体会“人工智能+X”，更新学生对教学活动的认知，并驱使其形成新时代的学习观。

一、基于BOPPPS教学模式与项目驱动教学法的“人工智能基础”课程教学改革探索

（一）人工智能基础中的BOPPPS教学模式

由加拿大教授Douglas Kerr提出的基于教师资格认证的教学过程模型BOPPPS模式，自创立以来已被全球几十个国家引进并采用，是灵活进行教学设计、教学活动组织的一种有效模式［8］。以教学目标导向、以学生为中心，主要由导引（Bridge-in）、目标（Objective/Outcome）、前测（Pre-assessment）、参与式学习（Participatory Learning）、后测（Post-assessment）和总结（Summary）这6个教学环节构成BOPPPS教学模式。其中导引与前测环节主要为增加学生的兴趣，互动过程能帮助教师动态地更新学生知识与能力水平、及时调整难度。

“人工智能基础”作为人工智能系列课程的入门与核心，需以“程序设计”“面向对象”“高等数学”“线性代数”等相关课程为基础，也是“机器学习”“神经网络”“自然语言处理”“计算机视觉”等课程的前序课程。结合本校背景以及本院系学科专业知识体系，具体从以下几方面改进教学。

1.有针对性的课程定位。本校作为非理工类高校，所开设的先修课程有限，且学生学习“人工智能基础”课程的目的为应用，更少关注底层算法改进等研究。因此应更注重理论联系实际而非底层理论讲授，需让学生真实体会人工智能算法与技术的实现与应用过程。

2.更新教学与人才培养目标以适应新时代的新背景。在新工科背景下，能力与素质目标不再是单纯地让学生学会解决实际问题、具有创新能力，而需顺应社会对复合人才的需求，使学生具备跨界融合能力以及主动学习与持续性创新的能力。

3.逐学年更新内容。作为前沿类课程，每年随着企业、高校、研究所等机构研究成果的公开，技术与理论不断更新，故不能完全依照已有教材中的内容来讲授，应当追随国际最新成果，让学生了解前沿技术并学会自主发掘或跟进前沿技术。

4.教学形式更新以重新定义课堂活动。只有主动学习才能真正体会人工智能算法与技术、真正学会利用人工智能手段解决行业问题。经历多年听讲式课堂教育的学生已经完全习惯于传统课堂，不积极或不习惯参与任何主动式学习（如发言、自我规划、演讲等形式的互动）。此外，现有课堂互动被学生当作测试问答而非交流性互动，学生大多保留着一切为分数的心理。因此充分利用BOPPPS教学模拟中的前测、参与式学习与后测环节，结合自学与提问讨论，有利于改善学生对课堂活动的定位；通过深度参与教学，才能更深刻掌握知识技能，提升能力。

5.考核形式更新将重点从应付考核转为主动学习。考评方式、分数构成与比例设置应更充分地反映学生平时的学习行为。BOPPPS教学模式会利用平时的预习、前后测试、课中准备等过程驱使学生充分利用课余碎片时间，打破考前临时抱佛脚的不良习惯。

此类理论与动手环节相结合的课程非常适合采用参与式学习与多阶段性测试，学生的动手实践必须基于理论，且实践展示与讨论环节会形成丰富的课堂翻转与延伸思考等［9］。总结而言，BOPPPS教学模式能够很好地帮助学生习惯一种新的教学形式，支撑前沿类课程的教学。

（二）项目驱动的教学

项目驱动不以知识点为逻辑线索，而是用项目串起教学的逻辑，教学重点从授之以鱼转向授之以渔，驱动学生形成学会学习、自主学习的学习观［10］。这一学习观有助于学生自我能力的提升，更符合新时代社会对大学生的需求。“人工智能基础”课程中，针对不同阶段的知识目标与素质目标设计贯穿教学环节与学习阶段的子项目，以充分配合BOPPPS教学模式中的教学环节，并利用不同子项目压实学生从课前至课后的学习活动。其中应采取个人与小组项目结合的形式，避免部分学生乘他人之便虚假地完成目标。

二、人工智能基础课程教学实践

经过大量教材调研，发现主流的“人工智能基础”课程主要分为搜索、谓词、推理、机器学习几部分［11-12］。现有人工智能类课程内容主要分为两大类，一类主要教授搜索、知识表示、推理、神经网络、机器学习等，另一类将教学重点放在机器学习与深度学习，后者的开设院系或学科通常不会再单独开设机器学习课程。本院系单独开设多媒体技术基础、机器学习本科课程，因此遵循第一类内容设计，即本课程中仅部分章节涉及机器学习，将作为机器学习与自然语言处理等后续算法课的敲门砖。

（一）课程目标更新

结合本地对人才的需求、国家发展需求等背景，更新知识目标：让学生了解握人工智能发展历程、理解理论与算法基础、掌握实际应用方法；促进学生体会领悟人工智能思维，为后续课程的学习提供基础。

1.能力素质目标：学会用智能手段解决问题，最终将理论知识与实验技巧内化为自己的思维方式与能力；通过深度参与教学过程，形成新的学习观，未来通过主动学习适应学科、社会的发展与变化，培养持久性学习与创新能力。

2.思政目标：了解在人工智能中的伦理、社会关联，激励学生学会质疑与思辨，意识到自主创新与自主知识产权的重要性以及为本土做贡献的成就感。

（二）项目内容设计

如表1所示，课程围绕6个应用项目与1个综合项目展开，所涵盖理论与算法包含概论、搜索、知识、确定性与不确定性推理、统计机器学习、神经网络、深度学习。其中部分课件、源代码来源于参考材料的公开主页与网盘，部分自学视频来源于中国大学MOOC等网站（参考内容均为原作者已公开资料）。

（三）教学活动组织

遵循BOPPPS教学模式［13］，以项目驱动形成如图1所示的教学框架。以项目为载体延伸出教师与学生的教学、知识传授、互动反馈行为。对于此类结合实践的前沿课程，在教改实践中对教学主体进行了更新，形成以学生为主、教师为辅的教学形式。其中，教师知识支撑项目的形成，学生知识是项目驱动的教学成果，项目设计与完成是教师与学生行为的载体，同时项目是6个教学环节的驱动。

1.导引与前测。将项目要求与问题、学生作品、演示视频、应用类视频等素材作为导引，让学生对每一模块都有大致概念。同时安排适当前测问题，如应用调研、文献阅读、代码阅读与补全、部分项目预实现等，驱使学生带着问题与目标进入课堂。导引与前测能辅助参与式教学环节，一是让教师可根据学生水平及时调整上课内容与过程，二是保证学生的基础，让课堂讲授更有效率。导引与前测可经由课堂教学过程检测，避免流于形式。

2.参与式学习。在导引与前测的基础上，教师可避免将过多时间花在基础知识讲解上，而应更多关注学生的吸收情况。在课中适当安排实际操演、个案研究、小组讨论、疑难解答等环节，让学生习惯高度参与课堂教学，突出学生在教学中的主体地位。

3.后测与总结。后测既可检验学生对知识点的掌握程度，也可与前测对应以评估学生相应能力的提升程度。本课程后测主要由理论与编程练习、项目实现、文献阅读与分析、在线任务点环节组成。为保证后测的有效性，将部分以小组形式完成的后测项目或参考资料较多的后测项目在后续课堂中以汇报形式呈现。

总体而言，基于BOPPPS教学模式与项目驱动教学法的“人工智能基础”教学实践中，会占用部分课堂时间用于检验汇报、讨论答疑，而非全讲授式教学，因此需确保导引与前测的到位，并注重观察和调查学生的掌握程度。通过将项目打散融入导引、前测、后测3个环节，可驱动学生利用课前与课后分段地学习；互动能检验另外3个环节的完成情况，课堂精讲与总结能填补自学的空白并接受学生反馈。让学生逐渐习惯互动式教学形式以及主动学习。

（四）考核标准更新

课程考核采用课堂表现占10%、前测与后测共占30%、项目与汇报占60%的比例。此类考核比例已广泛应用于理论结合实践的课程中，目的是强调平时学习行为的重要性，弱化最后一次考试考核，以此推动参与式教学的展开与新学习观的形成。

其中课堂表现主要包括课堂参与度、互动程度、提问状况，旨在引导学生在教学中更活跃。对于同一项目不明确区分前测与后测分数，更侧重完成态度以及前、后测结果的差异，即是否真的通过课堂教学吸收知识、掌握技能。

项目完成度、项目汇报、成果展示、文献阅读与报告撰写等形成占60%，其中重点关注期末项目完成和文献报告情况，也适当参考平时的成果汇报，而且期末作业也会基于部分平时成果。以此推动学生在每一教学周及时完成任务，纠正学生在最后“抱佛脚”式的学习。

此外，需善用网络平台的数据统计与分析功能，将学生的学习行为记录并量化为评分依据。利用自动时间节点功能约束任务完成的时限，以适当减少后补、索取分数等不良现象。最终通过参与式教学与主动持续的学习，让学生切实体会人工智能思想。