神经网络理论与应用课程线上线下混合教学模式探析

摘  要：教育信息化的发展使当前高等教育教学模式发生巨大的变革，文章通过神经网络理论与应用课程现状和混合式教学模式探索分析指出线上线下相结合的必要性，根据课程特点和突出学员“学”为主体的教学理念，采用“综合审视、合理混合，理实一体、突出创新”的思路创新课程教学方法，并以以往实践经验举措为例，旨在为此类课程提供借鉴。

关键词：线上线下;混合教学;研究生课程;神经网络理论与应用

中图分类号：G642 文献标志码：A          文章编号：2096-000X（2022）14-0066-04

Abstract： The development of nowadays-educational informationization has caused a huge change in the teaching model of the current higher education. This paper points out the necessity of combining online and offline through the exploration and analysis of the current situation ofthe course of Neural Network Theory and Application and the hybrid teaching mode. Based on the teaching philosophy of highlighting students' learning as the main body， it adopts the ideas of "comprehensive review， reasonable mixing， integration of theory and practice， and highlighting innovation" in innovative curriculum teaching methods， and take spast practical experience measures as examples， aiming to provide reference for such courses.

Keywords： online and offline; mixed teaching; graduate programs; Neural Network Theory and Application

随着多媒体信息技术的发展与互联网信息化平台的建设完善，基于“互联网+教育”的教学模式有效推动各学科的教学改革。为了满足《国家教育事业发展“十三五”规划》要求、提升高校教育教学质量，高校教师需要积极更新教学理念、尝试教育信息化新方式创新教学方法，提高教师教学效果与学生学习效率。尤其是2020年新冠肺炎疫情的爆发，为了有效控制疫情的传播、保障学生以及教育工作者的健康安全，教育部提倡线上教学的方式，此次全国范围内的线上教学模式探索也给予教育工作者一次自身教学模式思考与审视的机会。

一、神经网络理论与应用课程教学现状分析

神经网络理论与应用是以人工智能领域中传统神经网络和当下研究热点——深度学习相关技术为知识对象，讲授理论及其应用的一门课程。作为一门研究生课程，其具有辐射影响面宽、知识更新快及理论与实践一体化等鲜明特点，对于研究生学员科研学术工作具有重要的基础和服务作用。人工智能是当今大数据时代高新科技行业最为关注的研究热点之一，它是一门具有时代特点的前沿交叉学科，涉及计算机软硬件、数学、概率统计、机器学习、自动化和语言学等多个领域，传统神经网络以及当下的深层神经网络作为人工智能应用的重要手段之一，经历了不同时期的阶段性发展，理论知识涵盖面广;随着科学技术的高速发展，越来越多的科技工作者关注并促进着神经网络理论与应用的革新，一代代新模型、新算法不断涌现使得神经网络相关知识与技术更新速度极快;同时，从研究生能力与素质培养角度出发，课程理论知识体系的构建是研究生培养的基础，编程实践是能力培养的途径，最终目的则是培养能够发现问题、分析问题以及解决问题的高素质人才。

在传统线下课程教学中，通过合理设置模块化教学内容，综合采用精讲、研讨、实验、文献等教学模式，可以实现理论知识的传授与实践操作的练习。但是，受限于思维理念和计算机网络条件，相关领域前沿知识更新周期较长、丰富网络资源利用率低、基于互联网环境的软件平台可操作性差以及学员主体作用发挥和课程实施时空受限等问题的客观存在，制约了课程内涵质量的进一步提升。

根据神经网络理论与应用课程内容特点，为了更好地促进教育内涵质量提升，有效解决课程传统教学中的瓶颈问题，借鉴已有的混合式教学优质成果，在审视线上、线下教学模式优劣势基础上，结合疫情期间线上教学实践经验，综合利用“线上+线下”双渠道教学途径探索混合教学模式，重点从创新思路、教学内容、方法手段等方面探索有益的举措方法，全面促进研究生学员的自主学习能力、协作沟通能力和创新能力的提升，更加贴近研究生课程教学和能力培养的直接需求，有效解决课程教学传统瓶颈问题，为课程内涵质量提升奠定坚实基础。

二、线上线下混合教学模式概念及基本思路

（一）混合式教学模式概念

混合学习的概念是指多种教学模式混合和整合或者多种教学方法的融合，通常采用数字化信息技术辅助传统教学方式，提高教师教学效果以及学生学习效率，最终达成学习任务。与传统教学相比，混合式教学模式作为一种新兴教学模式，将在线教学和传统教学优势结合起来，更加突出学生的主体地位，强调学习主动性，注重把学生由浅到深地引向深度学习。

线上线下相结合的混合式教学模式尝试解决传统课程教学中的瓶颈问题，更有助于培养研究生主动学习、追踪前沿科技以及独立从事科学研究的能力，综合提高创新思维和实践动手能力。

（二）创新课程线上线下混合教学模式基本思路

神经网络理论与应用课程主要研究神经网络的算法理论及其仿真应用，是电气工程等学科研究的重要理论和方法基础，要求研究生掌握神经网络的基本理论和应用方法，为学习后续课程、完成学位论文以及毕业后从事工程设计或技术开发工作奠定坚实的理论和技术基础。课程具有算法理论的系统性与综合性，以及仿真实现的灵活性与多样性等鲜明特点。

传统线下授课过程中，课程主要采用精讲、研讨、实验和文献课等形式依托课堂环境组织教学实施，虽然能够传授理论知识与实践方法，但与“教为主导、学为主体”“拓展研究生学员前沿视野，激发创新思维，培树科研能力”“加大课程信息化教学模式改革”等更高更新的要求还有一定差距。为全面提高课程教学质量，综合提出“综合审视、合理混合、理实一体、突出创新”的课程线上线下混合式教学模式改革思路。

“综合审视”是指深刻反思课程属性、目标职能和传统教学质量束缚问题，深刻理解信息化教学模式优势，重点剖析线上线下教学的优劣势，将“要求-问题-方向”整合式分析，形成课程教学模式改革的前提依据。线上教学可充分利用互联网丰富的资源及软件平台，适用于发布资料、开展自学、布置命题、在线实验及共享研讨等工作，有利于提高学习准备与增量传递知识，但生动性差、课堂监控不便;线下教学则适用于传授疑难知识，面对面引导教学进程，但容易受限于设备条件因素制约课程教学质量深度提升。因此，二者必须取长补短、合理运用。

“合理混合”指基于综合审视基础，科学合理地解决课程线上线下混合教学的内容设置、课时比例、形式方法等关键问题，形成二者互为补充、互为促进的良性局面。

“理实一体”指基于课程理论与应用双重教学目标的要求，一方面要注重神经网络理论知识的系统传递，突出知识体系、前沿更新及算法理论等要点，真正夯实相关理论基础;另一方面还应侧重软件应用、算法编程及求解分析等实践技能培养，解决学以致用的问题。通过科学实施课程线上线下教学的理论与实践环节，交互迭代，全面提高质量效益。

“突出创新”指在神经网络科技高速发展趋势和研究生学术科研创新能力培养要求的共同倒逼下，必须借助线上线下混合教学模式抓好知识创新和能力创新两个关键，通过宽视野、新知识、高要求、细环节和重闭环等实际举措，为综合素质能力培养提供有力支撑。

三、课程线上线下混合式教学的具体实践

传统的神经网络理论与应用课程教学基本采用线下教学，受限于思维理念和计算机网络条件，导致前沿知识更新缓慢、丰富网络资源利用率低，优化为线上线下混合教学模式。在以线下教学为主体、线上教学为辅助的方式下，基于钉钉、雨课堂等在线教学平台，加强课前、课中、课后全程质量监控。充分利用丰富的人工智能网络视频资源、Python例程和论坛、中英文文献资料，发挥学员主体作用，且不受时空限制，提高课程教学质量。

（一）优化课程教学模块内容与课时

传统神经网络理论与应用课程以神经网络基础理论为主，主要学习单层前向网络、BP网络、RBF网络、支持向量机、Hopfield网络和模拟退火算法等经典算法。

伴随着近年来深度学习的广泛应用，课程内容也紧贴学科前沿，突出深度学习新网络、新算法，并压缩删减了部分经典网络算法。将教学内容优化为前向神经网络、反馈神经网络和深度学习等三大模块，其中深度学习模块包括CNN卷积网络、递归神经网络和概率生成模型等主流网络算法。课程模块优化前后对比情况见表1。

从表1可以看到，优化后的课程模块较之前大大加强了目前主流的深度学习内容与课时，内涵也有质的提升。

（1）经典神经网络部分，前向神经网络由22学时减少到14学时，反馈神经网络由18学时减少到6学时。

（2）深度学习部分，由6学时大幅提高到20学时，课时占比由15%提升至50%，使学员学习更加与人工智能前沿接轨，提高自己的专业知识与专业素养，更好地将所学知识应用到课题与论文研究中。

（3）理论教学为精讲课，实践教学包括仿真实验课和研讨课。理论教学与实践教学比例虽然没有变化，但内涵却有质的提高，基础理论从着重经典神经网络到着重深度学习，编程语言从MATLAB到Python，编程能力实现从会运行例程到自主编程，极大提高了学员分析问题能力和动手实践能力。

（二）基于精讲课的混合教学方法

精讲课的线上线下教学方法如图1所示。

1. 课前预习阶段

一是提前向学生发布教学资料和预习任务，学生通过推送的教学资料预习每节课的教学目标，并围绕重点、难点开展自学活动;二是利用钉钉、雨课堂等在线教学平台的预习答题等功能，发布相关课前提问问题，通过软件平台检查学员答题情况，并通过统计分析功能，了解学员预习存在的问题和难点。

2. 课中教学阶段

一是借助图片、动画和视频等情景化、动态化及可视化教学内容;二是课堂中综合运用线上线下答题、投票及情景表演等多种形式掌控学员学习状态，获取学生的效果反馈，加强教学互动;三是合理采用直播、视频会议等教学模式，钉钉、雨课堂多个平台的混合使用，加强教学过程中的联动和互通。

3. 课后巩固阶段

一是依托钉钉、雨课堂功能线上发布课后作业，布置适合学生独立思考的开放性探讨性题目，引导学生通过查阅资料拓宽视界，深入思考;二是通过钉钉直播、雨课堂等线上形式随时开展答疑解惑，切实解决学生困扰，做到及时查漏补缺;三是及时整理分析网络数据，科学研判教学效果，通过对学生的听课时间、出勤状况、浏览资源时长及参与测试成绩等的整理和分析，及时了解学生关注的焦点、思想状况和学习态度，提升教学质量。