思政引领下人工智能时代机器学习课程产教融合教学改革研究

摘  要：机器学习课程是人工智能方向的核心课程之一，在为国家培养人工智能领域高层次人才方面具有至关重要的作用。该文针对当前机器学习课程思政引领体现不足、教学方式方法落后以及课程评价体系单一等问题，提出“思政引领，产教融合”的教学理念，从产教融合模式下的课程思政融合路径、教学方式改革、课程评价体系改革三方面入手，深入探索课程教学新方法与新途径，以满足培养价值引领、具有家国情怀、技术精专的高层次创新型人工智能人才的课程建设需求，并为应用实践提供参考。

关键词：人工智能；机器学习；课程思政；产教融合；改革对策

中图分类号：G642      文献标志码：A          文章编号：2096-000X（2025）08-0021-04

Abstract： Machine Learning course is one of the core courses in the field of artificial intelligence， which plays a crucial role in cultivating high-level talents in the field of artificial intelligence for the country. This article proposes a teaching philosophy of "ideological and political guidance and integration of industry and education" to address the current problems of insufficient ideological and political guidance， outdated teaching methods， and a single course evaluation system in machine learning courses. The article explores new teaching methods and approaches from three aspects： the integration path of ideological and political elements in industry-university cooperation models， teaching method reforms， and course evaluation system reforms. The aim is to meet the needs of cultivating high-level innovative AI talents with leading values， national feelings， and technical expertise， and to provide reference for practical applications.

Keywords： artificial intelligence; machine learning; ideological and political education in curriculum; integration of industry and education; reform measures

随着智能时代的到来，人工智能技术已经成为国家重要发展战略，人工智能高级人才的培养也得到了高等院校的广泛关注[1-2]。机器学习作为人工智能的研究热点，主要研究如何使用计算机来模拟人类学习活动并不断改善自身的性能，由此可见，机器学习是使计算机具有智能的根本途径[3]。随着机器学习理论的快速发展，其已广泛应用于工业生产和生活服务的各个方面，相关的课程建设也得到了高等院校和科研机构的重点研究[4-5]。目前，机器学习课程已成为人工智能相关方向的核心课程之一，担负着为国家培养人工智能领域高层次人才的使命[6]。

教育部印发的《高等学校课程思政建设指导纲要》提出“围绕全面提高人才培养能力这个核心点，围绕政治认同、家国情怀、文化素养、宪法法治意识、道德修养等重点优化课程思政内容供给，提升教师课程思政建设的意识和能力”[7]。机器学习课程中很多经典算法源自国外，学生在学习过程中缺乏思政供给，为贯彻课程思政精神，落实立德树人根本任务，本文着力构建“知识教育”“能力培养”“价值引导”的人才培养模式，探讨在人工智能应用型人才培养的背景下，如何通过课程承载的思政元素不断拓展思政教育边界和课程教学内涵，帮助学生树立正确的世界观、人生观和价值观，培养学生自主学习和创新能力，逐步构建起全员、全程、全方位的思政育人格局，达到在专业知识传授的同时，强化价值观层面的感化与引导，达到思政引领目的。

在知识教育层面，机器学习课程综合了统计学、微积分、线性代数、信息论、控制论和计算机程序设计等多学科知识，并且其发展仍在不断地吸纳其他学科的知识，因而需要学生具有良好的数学理论基础和计算机程序实践能力。由于机器学习课程具有知识点分布广泛、内容抽象等特点，在教学中应提倡理论联系实践，传统的课程教学模式存在很多问题，如强调经典算法理论，忽视最新成果，实践脱离实际，背离行业发展需要，缺少因地制宜的本土软件工具等，容易导致该课程教学效果不佳。近年来，我国拥有自主知识产权的高科技公司逐渐发展壮大，在人工智能、机器学习、深度学习等领域开发出了一批优秀的软件框架工具，如MindSpore[8]、PaddlePaddle[9]等，因此基于国产人工智能新技术资源进行产教融合研究，探索符合我国国情的机器学习课程教学模式是一个重要的课题，同时其突破国际封锁、打破技术壁垒的先进事迹也为课程教学提供了优秀的思政案例供给。鉴于此，本文面向培养价值引领，具有家国情怀，技术精专的高层次创新型人工智能人才需求，提出“思政引领、产教融合”的教学理念，深入探索课程教学新方法与新途径，相关研究具有重要的现实意义。

一  问题分析

当前，人工智能大背景下的机器学习课程建设存在着以下问题亟待解决。

（一）  思政引领体现不足

课程教学中存在重知识、轻思政，思政教育简单说教，与知识点以及实践环节融合度不高，对学生价值观引导不足等问题。

（二）  教学内容与教学方式相对落后

高校受限于与企业合作的广度与深度，理论授课多为纸上谈兵，联系产业实际较少，不能培养顺应工业需求的人才；同时，课程教学中实践案例与产业实际结合不足，学生对技术前沿缺乏了解，企业在实践教学中参与度较低，资源开发利用不足，研讨与实践脱节，研讨效果差。

（三）  课程评价体系单一

由于以往课程教学重理论、轻实践的惯性思维，导致在课程考核中重公式推导与理论计算，而忽视了对实践能力的考核，这也进一步导致思政元素难以融入。

针对以上问题，本课程组经过广泛调研与深入讨论，以人工智能领域的核心课程机器学习为研究对象，提出了“思政引领，产教融合”的课程建设思想，探索在案例教学中进行潜移默化的思政育人模式。

二  “思政引领，产教融合”式课程改革创新设计与实践

在国家“十四五”规划大力发展人工智能产业及产教融合、协同育人的大背景下，以深入推进新工科课程建设为目标，构建以思政教育为引领，产教融合的机器学习课程育人体系。本文针对哈尔滨工程大学信息与通信工程学院机器学习课程进行创新改革，以教育部“智能基座”合作单位华为公司为例进行实践，通过在课程教学中引入华为公司具有自主知识产权的人工智能开发框架MindSpore进行案例实践，增强学生动手创新能力；通过中外技术工具对比，在案例中融入思政元素引导学生树立正确的价值观，不断增强学生对祖国的政治认同、思想认同和情感认同。深入探索产教融合的教学新方法与新途径，培养理论扎实、技术过硬又具有家国情怀的高层次创新型人工智能人才。

本文以机器学习课程为核心研究对象，按照图1所示的途径与方法开展研究。总体思路是从培养人工智能领域高层次创新型人才的目标出发，在OBE（Outcome-based Education）成果（能力）导向理念下进行反向教学设计，从教学改革、思政育人、评价体系改革三方面进行课程教学模式改革。在教学内容上以产业需求为主线，以问题为导向，结合产业先进技术重构实验课程体系；将思政元素融入课程全过程，以华为公司艰苦创业、突破技术封锁的奋斗精神为思政引领，激发学生的爱国热情与学习热情；搭建以思政教育、知识内化、实践能力三个维度考察学习效果的考核评价体系，并基于评价反馈对课程进行持续改进。

（一）  以“三全育人”为引领，打造产教融合下的思政育人新模式

思政育人上，以“三全育人”为引领[10]，将合作企业华为公司的奋斗精神作为课程总体的思政主线贯穿教学全过程，激发学生爱国情与学习热情，同时将具体的思政元素与知识点和实践案例有机融合，体现科学研究中必备的工匠精神、务实精神、探索精神等；在实践过程中，通过将MindSpore、Pytorch、Tensorflow等中外人工智能框架进行对比应用，令学生体会到技术差距及我国在高科技领域的追赶态势，进而树立为科学献身，为国铸剑的坚定理想信念。不断加强思政建设与协同育人机制的结合，将“兴趣+能力+使命”的培养路径向纵深发展，从而实现全过程育人、全方位育人。

（二）  以产业需求为目标，创新实践能力为主线，构建产教融合教学模式

教学内容上，以产业需求为导向，以培养目标为引领，以行业企业参与为支撑，与华为公司构建产学育人模式，利用其产业背景与技术支持进行知识体系的梳理和知识点重新布局，如图2所示。

知识点分布上主要分为机器学习初级、进阶及高阶部分，初阶部分知识点快速回顾机器学习领域基础知识，进阶和高阶知识点主要通过案例分析、课程研讨等方式深入讲授相对复杂的知识点及深度学习的相关内容。梳理知识体系后，在课堂授课中采用基于问题的学习PBL（Problem-based Learning）方式，逐知识点融入贴近产业应用的案例分析，并以华为公司具有自主知识产权的人工智能框架MindSpore为开发工具进行案例实验，帮助学生理解知识点的应用场景，实现课程与产业的对接，构建新的产教融合协同育人模式，并在潜移默化中进行思政教育。

（三）  以课程评价为保障，健全产教融合下的持续改进机制

课程评价是验证教学设计效果的重要环节，本课题结合“思政引领，产教融合”的设计，将知识内化、案例实践与课堂研讨、思政教育同时纳入考评体系，通过平时成绩与大作业考察学生对复杂工程问题的分析能力与方案对比选择能力，以及在实践中是否具备求真务实、勇于探索、团结协作等优秀品质，并针对考核中发现的问题进行持续改进。考核分值分配方面，将总分值的30%用于考核学生基于MindSpore的课程案例实现情况，重点体现课程基础知识点的理解与实践；将总分值的70%用于考核学生的综合能力，该部分以综合实验及大作业的形式体现，要求学生针对特定问题设计综合实验完成分类或回归任务，并对比国内外不同人工智能框架的实现效果，总结心得体会，进而在综合考察学生实践能力的同时评估思政教育效果。

三  实施效果

机器学习课程是人工智能领域的核心课程。采用所提出的“思政引领，产教融合”培养模式已试行两届研究生，验证了结合产业人才培养需求以及引入国产先进人工智能框架模式下学生的学习效果，并对所提出的培养模式进行评价。该教学模式每年覆盖信息与通信工程的硕士与博士生、电子科学与技术硕士生约140人，施行后学生反响良好，课堂参与度及学生期末考核成绩明显提高。该教学模式下的机器学习领域相关教学内容、教学方式、思政元素等可供其他同类课程参考，具有较好的推广和应用价值。