“机器学习”课程的思政教学设计

［摘 要］ 随着新时代高校教育改革的深入，将思想政治教育纳入课程教学设计是落实党的教育方针和立德树人根本任务的必然选择。“机器学习”是生物医学工程专业的学科重点课程，其课程教学质量对学生进一步掌握学科专业知识、提高实验设计能力有着重大影响。为了实现思想政治教育与“机器学习”课程教育的有机统一，促进学生的全面发展，探索新的课程思政教学方案尤为重要。针对当前“机器学习”课程教学存在的问题，从教师思想政治素养、课程教学安排和教学模式等方面提出“机器学习”课程思政教学改革方案，并取得了良好的教学效果。

［关键词］ 思政教学；机器学习；课程教学；教学改革

［作者简介］ 黄美燕（1988—），女，广东韶关人，博士，南方医科大学副教授，主要从事医学图像处理和机器学习研究。

［中图分类号］ G642.0 ［文献标识码］ A ［文章编号］ 1674-9324（2023）49-0059-04 ［收稿日期］ 2023-00-00

引言

机器学习是当今备受关注的科技前沿技术之一，其理论和方法已被广泛应用于自然语言处理、计算机视觉、医疗等科学领域。作为生物医学工程专业重要的学科专业课，“机器学习”的课程教学可为学生今后在相关领域开展应用研究、技术开发等工作奠定坚实基础。然而，新时代高校的育人工作不止于此。习近平总书记指出：“青年理想远大、信念坚定，是一个国家、一个民族无坚不摧的前进动力。”［1］“要坚持把立德树人作为中心环节，把思想政治工作贯穿教育教学全过程，实现全程育人、全方位育人，努力开创我国高等教育事业发展新局面。”［2］因此，在“机器学习”课程教学过程设计中融入思想政治教学是新时代高校育人工作的基本要求，也是实现中华民族伟大复兴的高质量人才培养的必由之路。

在习近平新时代中国特色社会主义思想的引领下，“机器学习”的思政教学设计不仅要求教师注重培养学生的专业技能，以提高其在技术应用方面的竞争力和创新能力，还应注重培养学生的宏观视野，了解机器学习领域的前沿研究，提高其对科技、对社会和人类生活的影响的认识和理解，让学生在面对复杂的社会问题时能够以更广阔、更系统的视野思考和解决问题。同时，思政教学设计也应通过“铸魂育人”“立德树人”“以文化人”提高学生的综合能力，包括爱国主义情怀、创新思维、实践能力、沟通能力和团队合作能力等方面的综合素质。

一、现状分析

“机器学习”是生物医学工程学院的核心专业课程，学生通过该门课程的学习能够掌握“机器学习”算法的基本原理和实验设计等技能。在本次课程思政教学设计的调研过程中，教研团队通过问卷调查和学科座谈会等途径的调研分析，总结出当前“机器学习”课程思政教学主要存在以下几个方面的问题。

（一）专业课程与思想政治教育关联性弱

作为学科专业课程，“机器学习”讲述的重点是算法知识及其实际应用，部分课程内容较为晦涩，与思想政治教育并不相干。思想政治教育的目的则是要求学生能够在学习学科知识的同时重视“机器学习”领域涉及的技术伦理和安全等问题。两者之间在教学内容、教学方法及思维模式上都存在着较大差异。如果生搬硬套思想政治教学的教学方式，只会让课程变得更加割裂，增加了教师引导学生从接受知识到应用知识的难度。因此，在开展“机器学习”思政教学设计时，需要重点解决如何将专业知识与思想政治教育有机结合的问题。

（二）课堂教学模式单一

在当前科技快速发展的时代，课程教学内容和方法需要随着科学技术的更新演进而动态调整，尤其是在机器学习这个快速发展的学科领域。局限于书本的教案会导致教学内容与实际问题难以结合，从而使学生难以将所学的知识实例化［3］。传统的“填鸭式”课堂教学枯燥乏味，学生的学习效率较低。当前“机器学习”课程的教学设计更多的是以课本内容作为切入点，并未对思想政治教育进行全方位覆盖，难以将课程中蕴含的坚持不懈、求真务实、创新思考等与课程培养目的相融，偏离了课程思政教学的教学目标。

（三）思政教学占比及其评价方式不够清晰

“机器学习”课程的思政教学学时并不充足，其中一个原因是“机器学习”课程的知识结构比较复杂，需要学生掌握大量的理论知识与实验操作技能。在这样的情况下，思政教学很难被完整地纳入课程教学，更难以对思政教学质量进行充分评估。“机器学习”课程思政教学的目的是使学生能够灵活运用自己所学的知识，解决实际遇到的工程问题，实现所学皆有所用。但当前该门课程的评价方式比较片面，主要以成绩评价学生对知识的掌握程度。要想培养高素质综合人才，还应当加入思想政治建设评估等元素，构建多元化评价机制，达到思想政治与课堂相融的效果。

（四）忽略了对学生社会责任和伦理意识的教育

“机器学习”课程注重算法和技术的理论和实践，但却忽略了这些算法和技术涉及的社会责任和伦理问题。学生在学习“机器学习”算法和技术时不够重视对数据隐私、透明度和安全等伦理问题的考虑。在生物医学工程学科领域中，机器学习技术在医学图像分析与处理方面有着广泛的应用，但是如果不考虑社会责任和医学伦理问题，则会对医学诊疗的安全和公正性带来潜在的风险和挑战。例如医疗机构使用机器学习算法分析患者的医疗数据，可能会泄露患者的隐私，如患者的姓名、病史、药物治疗等信息。如果这些信息落入未经授权的人手中，患者的隐私权将受到侵犯，可能导致如个人身份被冒用、诈骗等严重后果。

二、拟议的几点解决方案

（一）加强教师队伍思想政治建设

为提高“机器学习”课程思政教学质量，教师应该不断提升自身的思政素养和教学能力，深化对思想政治教育的理解和认识，并将思政元素融入教学实践［4］。通过组织教学经验分享、教学评估和教学研究等方式，推动教师队伍的专业化和成长。借鉴国内外先进的教学理念和方法，如倒置课堂、探究式学习、团队合作学习等，使教学内容更加贴近学生的实际需求，培养学生的批判性思维和创新能力。通过反复落实“思想政治学习—提升思政理论素养—思政课程融合—思政知识讲授—课程思政教学反思”这一过程，教师才能够确保自身思想政治意识坚定并具备较高的综合素质。

（二）创新课程教学内容

增加生物医学工程专业课程“机器学习”的实际应用案例。实际案例可以帮助学生了解机器学习技术在医疗领域中的重要性和作用，并引导学生认识到这些技术的应用不仅是技术问题，而是需要考虑医疗行业的实际需求、医疗伦理等多方面因素。此外，强化道德教育，引导学生探讨机器学习技术在医疗领域可能面临的道德难题，例如数据隐私保护、公平性、医疗决策等。可以通过案例分析、角色扮演等形式，让学生了解机器学习技术在道德层面上的重要性，培养学生在实践中对这些问题的敏感性和应对能力。

（三）完善课程评价体系

课程的评价体系是课程教学中非常重要的一个环节，它对于全面提高学生的思想政治素质和专业能力具有重要意义。首先，评价体系应该考虑多个方面，如学生的知识水平、实践能力和思想政治素养等。然后，应该根据课程教学目标、教学内容和教学方法等方面的要求，设计科学的评价指标，以定量和定性的方式对学生的思政素养进行评估［5］。例如，可以采用课堂问答、作业和小组讨论等方式，考查学生是否理解人工智能技术的社会责任和道德规范、是否能够遵守法律法规，以及对人工智能技术的应用等方面的思考和探索等。接着，应该采用多元化的评价方法，包括教师评价、学生互评、学生自评等方式，以综合考查学生的思政素养和教学效果。最后，建立有效的反馈机制，及时了解学生的评价意见和反馈，发现问题并及时调整。评价体系的完善和优化将为课程思政教学的发展提供有效保障，进一步提高学生的道德素质和专业能力，更好地满足新时代人才培养的需求［6］。

（四）推进立体化渗透式思政教学方式

首先，引导学生主动参与课堂，避免传统“填鸭式”的课程教学。通过让学生思考、参与案例分析、小组讨论等方式，提高思政教学的互动性和参与度。将思政教学内容与实际案例相结合，让学生在切实问题中感受到思政教育的重要性和实际应用价值。要求学生根据实际问题需求撰写案例分析报告，思考“机器学习”在医疗领域的应用涉及的数据隐私保护和伦理问题［7］。例如，分析一个基于机器学习的眼底病变预测模型，该模型需要通过算法学习医学影像数据中眼底图像的特征，如视神经盘、黄斑区等，同时考虑患者的年龄、性别等因素，实现对患眼底病变的预测和诊断。引导学生深入思考眼底病变预测模型的技术理论依据，在实际应用中可能涉及的伦理问题，如患者知情同意、数据的隐私保护等。

三、教学设计及实施

为了更好地促进学生对“机器学习”算法和技术的深入理解，同时注重对学生社会责任和伦理意识的培养和引导，对本课程的思政教学设计做了如下改进。

（一）加强思政教育与专业课程的融合

在课程设计和教学大纲上下功夫，教学大纲中应该包含专业知识和思政教育的内容，针对不同章节的知识点设计不同的思政教学内容和思政育人切入点。例如，在《机器学习绪论》章节，讲解“机器学习”在医疗领域的实际应用，增强学生的责任意识，激励学生扎实学好机器学习技术，为我国辅助医疗诊断技术的发展做贡献。在《模型评估与选择》章节，引入“公平性”概念，探讨如“模型在多中心数据集的择优”问题，引导学生从算法的准确性、可解释性等多个角度进行评估，进而挑选出最合适的模型，培养学生求真务实的科研精神。增加案例分析环节，例如预测眼底病变、考虑模型的可解释性和数据隐私保护等问题。在加强学生对专业知识理解的同时，给予学生深入浅出的具象化认知，激发学生的学习热情与创新精神。

（二）创新教学模式

采用多元化的教学方法，丰富课堂内外的教学环节，提高学生学习“机器学习”的积极性和主动性。教师可以配合丰富的案例，将书本知识和线上教学平台相融合，利用多元信息资源丰富思想政治教育内容，为学生的高效率学习奠定坚实的保障。具体措施包括：尝试采用案例教学、探究式教学、课程设计等多种教学模式，注重培养学生的动手实践能力和创新思维。增加实验课程和项目课程，让学生能够更好地学习和应用机器学习技术，提高技术应用的实践能力。引入线上学习资源，为学生提供多元化的学习途径和学习体验，培养自主学习能力。改良传统的授课模式，加入互动式讨论、小组研讨、案例分析等教学方式，通过多元化的教学方式激发学生的学习兴趣、提高课堂参与度。

（三）优化课程考核方式

传统考核方式通常只能对学生“机器学习”技术和应用的基础理解进行测评，无法直接测评学生的思政素养与伦理意识。为了解决这一问题，教学团队采用了多元化的考核方式，建立了一套“课堂—课后—报告—考试”的课程思政评价机制。首先，引入示例报告分析作为一种考核方式。通过写作，学生可以更好地表达自己对机器学习技术的理解和思考，并且更深入地了解机器学习技术在实际医疗需求中的应用，充分调动学生的学习积极性［8］。其次，课后除布置常规习题作业外，设置课程研讨会，结合小组讨论、个人发言等作为平时成绩的重要组成。再次，通过小组编程作业的方式对学生进行考核。在小组项目中，学生需要通过团队协作完成一个机器学习相关的项目，如通过搭建神经网络以及决策树模型解决如疾病的预测、分类等问题。最后，对于试卷考核，除了基本的理论概念外，还应当考核学生结合实际案例分析问题的能力，引导学生分析问题本源，锻炼其独立思考的能力。

（四）邀请相关领域的专家学者开展讲座

邀请相关领域的专家学者开展讲座，与学生互动，加深学生对于“机器学习”模型算法的理解和认识。“机器学习”课程知识点繁杂，概念较为抽象，单纯的课堂教学对于学生而言不仅晦涩难懂，更难以调动学习积极性。邀请专家学者做客讲座不仅能让课堂的趣味性和实践性大大增加，同时能够帮助学生更加深入地了解“机器学习”技术的实际应用场景和局限所在。

四、教学实践效果分析

在本次“机器学习”课程思政教学实践中，教研团队采取了多种措施，从教学内容、教学方法、学生作业等方面融入思政元素，取得了一定的教学效果。首先，课程思政教学设计不仅注重传授“机器学习”的基本理论和算法，还关注了“机器学习”的社会意义和伦理问题，引导学生了解人工智能发展的现状和趋势，强调“机器学习”技术的应用要遵循科学、公正、合法、安全的原则，避免对人类社会造成负面影响。