美國一流研究型高校人工智能人才培養的經驗與啟示

呂薇 季波 張怡凡 張艷麗

摘要：“以學生為中心”是美國高校人才培養尤其是本科生培養及教學改革所遵循的基本理念。美國一流研究型高校人工智能人才培養模式具有以下五個顯著特征：強勁的學科支撐和有力的學校投入;目標定位于培養跨界、復合型的人才;多樣化、自定義的個性化培養方式;靈活、高效的教學模式和方法;高水平、多元化和跨界來源的師資等。該培養模式體現出美國一流研究型高?！耙詫W生為中心”的培養理念：根據培養目標確定培養要素，進而設置課程、建設高水平定制化的課程體系;革新人才培養方式、為學生提供多樣化選擇、激發自主學習;加強產業聯合和雙向交流，打造學術與產業跨界融合的高水平師資隊伍等。這為我國高校方興未艾的人工智能專業創新人才的培養提供了啟示和借鑒。

關鍵詞：本科教學;人才培養模式;人工智能;以學生為中心;美國高校

中圖分類號：G649.712

文獻標識碼：A

文章編號：1672-0717（2019）06-0102-08

收稿日期：2019-09-16

一、問題的引入

1952年，美國人本主義學者、教育家卡爾·羅杰斯（Carl R.Rogers）首次提出“以學生為中心”的理念。1961年，羅杰斯發表《論人的形成》，“以學生為中心”的教學理論形成[1]。1995年，羅伯特·巴爾（Robert B.Barr）和約翰·塔戈（John Tagg）發表了具有里程碑意義的文章《從教學到學習：一種新的本科教育范式》，系統定義了“以學生為中心”的教學范式[2]，豐富了已有的教學理論，并形成科學的理論框架。在理論的支撐下，美國高校率先從課程、教學、環境乃至管理等各方面開展了大量的實踐探索，“以學生為中心”的教育教學改革進入實質階段。趙炬明將美國“以學生為中心”的教育教學改革劃分為學術進步、社會發動、高校投入三個階段，分別體現了知識內生、外部環境、高校實踐三方面不同的推動力[3]。人工智能的學科發展與人才培養就是三方共同作用的結果。

學習心理學和腦科學的發展是“以學生為中心”教學改革“學術進步”階段的源動力。以布盧姆認知模型等為代表的教育心理學成果，極大地促進了教學模式和方法的變革。隨著第四次產業革命的發展，網絡信息安全等新興專業不斷涌現和發展，人工智能成為重點發展的新興學科。人工智能是指讓計算機像人一樣思考、學習和認知。在基礎研究方面，探索認知、認識腦本身和智能;在應用研究方面，類腦智能、算法技術廣泛應用于語音識別、圖像分析、自然語言處理等，這些都從教學內容、教學方式、認知模式等不同維度推動和促進著教育教學的變革。

“社會發動”是“以學生為中心”教育教學改革的重要動力之一。1998年，聯合國教科文組織召開世界高等教育大會，通過《21世紀的高等教育：展望與行動》宣言[4]，同時提出《高等教育改革與發展的優先行動框架》[5]，以大會文件的形式確立了“以學生為中心”的歷史地位，把“以學生為中心”的教育教學改革推向全球[6]。國家戰略和市場因素是推動人工智能發展的重要因素。2016年，美國發布《國家人工智能發展與研究戰略計劃》和《為人工智能的未來做好準備》等政策文件[7-8]，引發了全球新一輪“人工智能”研究、應用和人才培養的高潮。我國政府緊跟其后，2017年相繼發布《“互聯網+”人工智能三年行動實施方案》《新一代人工智能發展規劃》《高等學校人工智能創新行動計劃》等政策文件[9-11]。截至2018年9月，已有10多個國家或地區發布了自己的人工智能國家戰略、發展規劃、產業政策等等[12]。2018年，斯坦福大學發布《人工智能指數2018年度報告》指出[12]，在過去兩年的時間內，全球對計算視覺或機器學習的適切人才的需求量增長了近10倍，對深度學習技術的適切人才的需求量增長了34倍。人工智能的競爭上升到大國間人才的競爭，并最終歸聚到人才培養的競爭。

高校創新實踐是“以學生為中心”教學改革的具體體現。美國自20世紀80年代起率先進行了“以學生為中心”的教育教學改革，至今經歷了三十余年的探索。在人工智能人才培養方面，美國頂尖研究型大學也早已進行了大量探索與實踐，而我國人工智能人才培養體系的建立尚處于起步階段。教育部網站公布國內35所開設人工智能本科專業的學校，包括上海交通大學、浙江大學、湖南大學等“雙一流”建設高校，也包括電子科技大學等專業特色型高校，還包括華南師范大學等師范類院校?！叭斯ぶ悄堋边@樣快速發展的新興學科，其人才培養中如何體現“以學生為中心”，如何與高校傳統學科的人才培養模式銜接和融合，如何實現從“以教材為中心”“以教室為中心”“以教師為中心”的“老三中心”向“以學生為中心”“以學生的學習為中心”“以學生的學習效果為中心”的“新三中心”轉變[13]？其課程設置如何一方面避免技術艱澀的“面目可憎”，另一方面又不至于淪為“高級科普”？對這些問題的回答都需要從當前人工智能人才培養的國際先進案例中獲取啟示與借鑒。

二、美國高校人工智能專業人才培養特征

美國高校人工智能專業開設早，其科學研究、學科建設和人才培養都處于世界前沿和領先地位。美國高校人工智能專業人才培養在學科支撐與學校投入、人才培養定位、培養方式、教學模式、師資來源等方面具有一系列顯著特征。

（一）強勁的學科支撐和有力的學校投入

美國新聞與世界報道（U.S. News & World Report，以下簡稱USNews）對美國大學進行了綜合排名、22個學科排名以及學科細分排名（其中，計算機科學細分為“人工智能”“程序語言”“系統”“理論”四個方向）。2018年，USNews針對計算機科學學科共調查了188所美國高校，問卷回復率為35%[14]。根據排名結果，在人工智能方向，全美共有20所高校上榜，如表1所示。

不難看出，美國人工智能專業最強的20所高校都具有雄厚的綜合實力，以全球頂尖學校為主。這些學校幾乎都躋身全球百強，大部分排名全球前50位，尤其是哈佛、斯坦福、麻省理工、加州大學伯克利分校、普林斯頓等更是居全球前10位。同時，這些學校的計算機學科也都具有雄厚的實力，幾乎都在全球百強之列。表1顯示，生師比作為衡量一所高校在學生培養投入方面的關鍵指標，體現了美國高校人工智能人才培養的學校投入和學科支撐。人工智能專業排名第一的卡內基·梅隆大學是美國最早開設該本科專業的高校[15]。在起步階段，為了保證人才培養的質量，該校堅持“以學生為中心”“以學生的學習為中心”“以學生的學習效果為中心”的理念，每年人工智能專業僅招收新生30名左右[16]。實際上，卡內基·梅隆大學全校的生師比已經比較低（為13∶1），在諸校中排名第10位，而該校人工智能專業生師比更低于全校水平。超低的生師比背后體現的是學校對人工智能本科人才培養的有力投入。

（二）定位培養跨界、復合型的人才

卡內基·梅隆大學人工智能專業人才培養的目標是“掌握人工智能技術實現社會效益，在醫療保健、交通、教育等領域改善世界”[17]，使學生適應畢業以后的世界、以人工智能的技術和能力改善世界、實現自我發展和價值追求?？▋然っ仿〈髮W認識到，要學生學習和掌握全部領域的所有知識并不是最關鍵的，關鍵點在于教授學生廣泛地思考、跨學科完成多類別任務、學會如何利用圖形、語言和海量數據信息、做出明智決策、增強人的能力等等[18]。而對比我國工程技術學科，則多注重知識傳授，“學生批判性思維和探究性思維的培養往往被敷衍化和形式化地一筆帶過”[19]?？▋然っ仿〈髮W把人工智能專業培養方案設置為以人工智能核心課程為中心，包括數學與統計、計算機科學、科學與工程、人文與藝術、道德與倫理和人工智能選修等7大板塊32門課程。如圖1所示，雖然人工智能專業是高度工科性質、高度技術的專業，但是卡內基·梅隆大學在該專業的課程體系中設置了人文藝術類（7門）和道德倫理類（1門）共8門選修課程，這充分體現了該?！耙詫W生為中心”、服務人才培養目標的理念。

人工智能時代“需要高校能夠將不同的學科融合起來，建立包容的復合知識體系”[20]。艾伯特·愛因斯坦（Albert Einstein）說過，“宗教、藝術和科學是同一棵樹上不同的幾個分支”[21]（P61）。著名物理學家維克托·韋斯柯夫（Victor Weisskopf）說過，“當我的學生因這個世界感到沮喪時，我常對他們說，有兩樣東西使我感到生活的意義：莫扎特和量子力學”[21]（P61）。全球技術最尖端、方法最工程化的專業如此重視人文藝術通識課程，其“以學生為中心”培養跨界、復合和綜合型創新研究和技術人才的培養目標和理念可見一斑。

（三）多樣化、自定義的個性化培養方式

美國高校人工智能專業人才培養突出強調“以學生為中心”，不惜投入巨大的資源，設置多元的培養路徑和靈活多樣的培養方式，學生可以根據自己的基礎、稟賦、條件、準備和學術志趣、學術追求和職業規劃，享有充分的自主選擇權。首先，在學位設置上提供了多樣化的選擇。加州大學伯克利分校由工程學院和人文與科學學院共同開設人工智能專業，根據學生的自主選擇在其畢業時授予計算機科學理學學士或文學學士學位[22]。德克薩斯州立大學奧斯汀分校在自然科學學院開設人工智能專業，學生可以自主選擇計算機科學理學、文學和文理交叉三種類型的學位方向修讀[23]。而南加州大學人工智能專業的學位設置則更具選擇性，該專業開設在工程學院，但是通過與商學院的合作，設置了計算機科學理學、計算機科學與工程理學、計算機科學（游戲）理學、計算機科學（工商管理）理學四種學位方向供學生選擇。其次，在培養路徑和培養要求上提供了多樣化的選擇。如德克薩斯州立大學奧斯汀分校的計算機科學理學學士學位設置了更多的數學與統計、計算機科學、工程科學的課程;而文學學士則提供了更多的人文、社會科學、心理學的課程;文理交叉學士學位則為前兩者或其他專業學位學生輔修提供更多的交互選擇的機會。為了使學生能夠有更多自主規劃和自主安排的學習時間，計算機專業的必修課程從11門減少到6門，學生有更多空間和時間自主安排、自主選擇包括人工智能在內的10個子領域進行深度學習（Deep Learning）。南加州大學的計算機科學理學學士要求必修人工智能核心課“人工智能導論”，而計算機科學與工程理學學士學位則把這門必修的核心課與其他17門課放在一起，列為學生的指定選修課。加州大學伯克利分校為更多想修讀人工智能專業的學生提供了選擇機會，其工程學院和文理學院共同開設人工智能專業，開設理學和文學兩個學位方向，使得一部分原本難以通過工程學院激烈競爭而入校學習人工智能專業的學生，可以轉而申請文理學院，進入文理學院后先修讀一定的學分，再以轉專業的方式進入計算機科學專業，其修得的人文和社會科學的學分在修讀人工智能專業時得到認可，畢業時可申請計算機科學文學學士學位[22]。

（四）靈活、高效的教學模式和方法

布盧姆認知模型區分了學習和認知的六個臺階：知識（Knowledge）、理解（Comprehension）、應用（Application）、分析（Analysis）、綜合（Synthesis）、評價（Evaluation）[25]（p30-44）。2001年，認知心理專家和教育學家根據學術新進展重新對布盧姆分類法進行了修訂（如圖2）。

美國人工智能領域排名前20位的頂尖高校（以下簡稱“美國TOP20高?！保﹫猿帧耙詫W生為中心”理念，對知識的掌握更強調基礎和廣博的面，而對培養中高階思維（理解、應用、分析、綜合和評價）也非常重視。為了幫助那些對計算機和編程比較陌生的文學學士學位選擇者理解和應用編程，加州大學伯克利分校特別為他們開設了“計算的喜悅與美麗”課程（The Beauty and Joy of Computing）[26]。課程由淺入深，引入一種簡單易懂、廣泛用于少年兒童的圖形化編程語言（SNAP）來訓練學生編程，讓學生循序漸進地掌握復雜的計算、艱深的編程，并始終保持興趣而不放棄，最終翻越個人信息的“鴻溝”，獲得編程解決問題的能力，實現“從零開始”的人工智能人才培養。加州大學洛杉磯分校在其人工智能基礎課程上實施“課堂講座+實驗室項目+外部學習”三部教學法，三個部分的學習時間比例為4∶2∶4[27]。加州大學伯克利分校特別為人工智能專業的學生設置了“自定義進度”學習法。學生可以按自己的節奏、自主決定進度、自主安排時間、在沒有導師監督和明確的截止日期“壓力”的情況下自主完成課程要求的學習、練習和測試。為了幫助學生保持持續學習的動力、興趣，解決遇到的困難和問題，學校投入專門的人力資源和資金、設施，設立了“自定義進度學習中心”，聘請教師、博士后工作人員或高年級的研究生給本科生提供指導和幫助[28]。

華盛頓大學西雅圖分校為計算機工程學士學位的學生開設5個學分的“頂石課程”（Capstones）。頂石課程類似研究生的討論班（Seminar），它要求學生從諸多子領域和方向獲得知識，要求團隊討論定義問題、合作設計開發解決方案、制作和演示解決問題的算法和工具，并最終展示工作成果。課堂時間教師側重與學生進行項目設計、討論和實施，穿插引入高度相關的主題講座。“頂石課程”鼓勵與其他學科交叉、互動、合作、跨學科學習[29]，增強了本科生學習的“整體效力”[30]。南加州大學也開有類似的課程（計4個學分），具體內容從“設計和構建大型軟件系統”和“構建高科技人工智能初創公司”中二選一[31]。

德克薩斯州立大學奧斯汀分校開設“長角課程”（Longhorn Startup），著力打造“跨學科+校企合作”的人才培養模式[32]，引入實踐情景的高階思維訓練，注重“真實”學習，是趙炬明定義的“以真實為基礎的教學”（Reality Based Instructions，RBI）的典型[33]?！伴L角課程”把計算機科學、工程、商學等相關學科的學生聚集在一起，邀請成功的企業家或創業者指導，共同把好的創意轉化為成功的公司。課程的授課部分穿插邀請著名的企業家講座，并為學生提供與技術人員交流的機會;課外實施部分由學生組成團隊，設立初創公司，與企業家每周會面，一對一輔導。學期結束時舉行項目“展示演示日”活動，校、企、社會各方參觀、評價，學生由此獲得學分。

普林斯頓大學設有“獨立工作”（Independent Work）模式[34]。學生可以根據自己的興趣，通過學校專門網站查詢，使自己的興趣與教授的研究方向相匹配。學校設立專門的課程顧問，幫助學生選擇匹配的教授、填寫申請。學生小組、顧問與教授共同組成獨立工作小組，共同確定項目，定期會面，由教授提供指導，實施該項目。修讀計算機科學學位的本科生必須修讀“獨立工作”課程，學習時間為4個學期。修讀計算機科學工程學位的學生，學習時間一般為1～2個學期。

馬里蘭大學大學城分校的計算機科學系開展“明天的CS（Computer Science）教育”項目，采用“翻轉課堂”的混合學習模式，教授錄制講座流媒體，學生在線學習、自己掌握學習節奏，課堂時間教師和學生頭腦風暴、項目設計、互動答疑等，給學生更豐富的課程體驗，激發學生自主學習的動力。

（五）高水平、多元化和跨界來源的師資

“以學生為中心”理念的核心關切與價值體現在高水平的師資。由于人工智能專業的知識、問題涉及學科、產業發展、科技變革、未來職業挑戰等，具有多樣性、復雜性和廣泛性的特征，所以，經驗豐富、高水平、多元化、具有高校和企業多重經歷的跨界來源的師資就成為其人才培養質量的關鍵。

美國TOP20高校匯集了人工智能領域最耀眼的“頂尖專家”，其中不少是奠定和推動人工智能技術發展的“元老”和泰斗，也有不少具有亞馬遜、谷歌、蘋果、波音和通用汽車等國際知名大公司任職的經歷。AceMap對人工智能最高水平的國際會議發表的論文、作者信息進行了整理[35]，分析了2018年最佳作者單位，其中IJCAI-2018TOP50最佳作者中，有15名出自美國TOP20高校，占比近三分之一;而CVPR-2018的TOP50最佳作者中，有31名來自美國TOP20高校，占比62%。僅卡內基·梅隆大學，IJCAI-2018或CVPR-2018最佳作者就有11名?！懊麕煶龈咄健?，一流的國際師資決定了美國TOP20高校一流的人才培養質量。

伊利諾伊大學厄巴納-香檳分校的計算機學院網羅了全球78名一流的教師（見表2），其中人工智能研究方向的教師占比12.8%。實際上，如果加上圖形學、視覺和腦機接口這些方向，該領域的教師占比最大[36]。

三、美國高校人工智能人才培養的啟示

（一）根據培養目標確定培養要素和課程設置，建設高水平定制化的課程體系

人工智能時代“高等教育的人才培養，要在工具理性至上的挑戰下培養‘人、在博精并重的復合型人才需求背景下培養‘才”……”[37]。美國大學人工智能專業人才培養的目標定位在培養跨界、綜合和復合型的人才?；谶@樣的培養目標，美國TOP20高校注重培養大學生技術素養、數據素養和人文素養，以及系統性思維、批判性思維、創業精神和文化敏捷性[38]，促使學生更好地理解技術變革和面對“技術奇點”風險[39]。這些確立了美國高校人工智能專業人才培養的要素。而后，以要素為導向，美國TOP20高校構建課程知識框架、設置課程、形成體系。加州大學伯克利分校的“計算機的喜悅和美麗”課的設置，從人文和感性的角度幫助學生領略編程的“美麗”和“喜悅”，刷新了人們對計算機科學的認知——“不僅僅意味著編程”，而是要“超越今天的技術，為學生提供思想和學習技能，使他們自學未來。”南加州大學人工智能導論課可以選擇必修或選修，但是寫作與批判性思維是每個學位方向的“標配”。“頂石課程”在美國TOP20高校得到普遍采用，其整合、收尾、反思、過渡的功能，幫助創新型、綜合性人才將所學應用于實踐，讓學習成效成果具體化、可實現[40]。通觀美國TOP20高校，高技術含量的人工智能專業卻并不追求課程的難度，大部分高校的專業課程都以導論課程為主。

技術服務于理念，方法決定于模式。中國方興未艾的人工智能領域高水平、國際化、復合型創新人才培養，迫切需要高校管理者、教育工作者、研究者和操作者學習借鑒“以學生為中心”的理念，梳理綜合性的人工智能人才培養目標，提煉多元、開放的能力培養要素，設置科學、包容、多學科交叉的課程體系，構建高質量人工智能領域人才培養的“中國模式”。

（二）革新人才培養方式，為學生提供多樣化選擇，激發學生自主學習

許多學者認為，如果學生能夠根據自己的喜好、興趣和需求作出選擇，那么他們在學習上會更加積極且表現良好[41-42]。南利等認為，“選擇”為人們帶來“控制感”，驅動人們擔負起責任[43]。自我決定理論認為，“選擇”強化了學生學習中的自主性[44]。

通觀美國TOP20高校，其以學生為中心，圍繞學生的成長、學生的學習及成效，激發學生學習的興趣和自主性，在培養路徑、培養方式、教學方法上都呈現出多元、多樣和多方式的顯著特點，為學生的學習提供了多樣化的選擇。美國TOP20高?；径荚O置了2個以上的學位方向供學生選擇，加上培養方式、教學方法靈活、多樣，學生多元選擇的特征更加顯著。而要做到這一點，其前提是學校應精心組織課程設計、機制設計，完善輔導中心、支持中心、專兼職教師的配置等。這些投入、支撐與保障，充分體現了學校的“新三中心”理念?！绊斒n程”“長角課程”“獨立工作課程”，為學生提供了超越布盧姆教育目標分類模型中的低階思維（記住、理解），讓學生在類似研究生研討班的環境中、在項目式的學習中，得到應用、分析、評價、創新等高階思維的訓練[25]（P30-44），同時經歷合作、共商、妥協、情感、價值觀等人際關系的交互和碰撞，從而達成批判性思維、系統思維、創新思維、綜合能力、分析能力、判斷能力、創業精神和人文精神等的培養。

“以學生為中心”強調學生個性化培養，學生個性化發展需要高校個性化的培養方式。人工智能時代，個性化的學習具備了個性化學習特征分析、個性化學習路徑推薦、個性化學習行為分析、學習結果預測和評估等關鍵技術的支撐[45]。學習借鑒美國一流高校的經驗，我們的教育教學改革不能止步于學分制改革提供的靈活、便利，而應學習和借鑒其更加靈活的新型課程設置、教學形式、學習方式等，圍繞如何激發學生內在、自主的學習力量，如何激發學生的學術追求、學術志趣，系統設計課程體系、培養路徑、教學方法、學習環境和平臺工具等。

（三）加強高校與產業聯合，打造學術和產業跨界融合的高水平師資隊伍

人才培養的關鍵在教師。“智能時代人工智能技術的發展對于教育的影響不僅僅集中在教育中介上，教育者與受教育者這兩個要素也發生了相應的改變。”[46]跨界、復合和綜合型的人才培養需要遴選創新型、復合型的教師。人工智能專業是高度學科交叉、學術與產業交叉的新型產業，是“+”型的學科和技術領域。人工智能專業人才培養首先需要跨越學科界限，鼓勵多學科師資的交叉協同，組建跨界、多來源的指導團隊[47]。分析人工智能美國TOP20高校的人工智能專業教師的學習和研究經歷，發現他們在學術界有著很高的聲譽，同時他們又大都有在谷歌、微軟、Facebook等公司任職的經歷;或者像伊利諾伊大學爾巴納-香檳分校計算機學院那樣，大部分教師都創辦有技術企業、創業公司或與行業中的活躍企業有合作項目[48]。

我國人工智能產業雖然起步比較晚，但是發展迅速，自2009年起，中國人工智能領域的專利就超過了美國[49]?！陡叩葘W校人工智能創新行動計劃》指出：“高校要加快建設一流人才隊伍和高水平創新團隊”[11]。人才培養不能閉門造車，國內高校要借鑒美國TOP20高校的成功經驗，加強與行業領先、活躍企業的合作，精準引進高端人才，提升師資隊伍水平;加強產學研深度融合，把企業的創新研發中心、研究院變成高校創新人才培養的平臺、基地和組成部分;建立雙向交流渠道，鼓勵人才在高校和企業間雙向流動，鼓勵高校與行業領先、活躍企業雙向互聘，建立研究生聯合培養基地培養高層次人才。目前，我國人工智能開放創新平臺與企業主要有百度公司（自動駕駛）、阿里云公司（城市大腦）、騰訊（醫療影像）、科大訊飛公司（智能語音）、商湯集團（智能視覺）等五家，可以為雙向交流、跨界融合的師資隊伍培養提供支撐。

參考文獻

[1] Rogers C R.On Becoming a Person：A Therapist's View of Psychotherapy[M].Boston：Personne Houghton Mifflin Company，1961.

[2] Barr R R B，Tagg J.From Teaching to Learning—A New Paradigm for Undergraduate Education[J].Change，1995（27）：13-15.

[3] 趙炬明.論新三中心：概念與歷史——美國SC本科教學改革研究之一[J].高等工程教育研究，2016（03）：35-56.

[4] UNESCO.Higher Education in the Twenty-First Century Vision and Action[R].World Conference on Higher Education，Paris，1998.

[5] UNESCO.Framework for Priority Action for Change and Development of Higher Education[R].World Conference on Higher Education，Paris，1998.

[6] 劉獻君.論“以學生為中心”[J].高等教育研究，2012（08）：1-6.

[7] The National Artificial Intelligence Research and Development Strategic Plan[EB/OL].https：//www.nitrd.gov/PUBS/national_ai_rd_strategic_plan.pdf，2019-10-30.

[8] Preparing for the Future of the Artificial Intelligence[EB/OL].https：//www.whitehouse.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/preparing_for_the_future_of_ai.pdf，2019-10-30.

[9] 國家發改委，等.“互聯網+”人工智能三年行動實施方案[EB/OL].http：//www.ndrc.gov.cn/zcfb/zcfbtz/201605/W020160523579429905981.pdf，2019-10-30.

[10] 國務院.新一代人工智能發展規劃[EB/OL].http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm，2019-10-30.

[11] 教育部.高等學校人工智能創新行動計劃[EB/OL].http：//www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html，2019-10-30.

[12] The AI Index 2018 Annual Report [EB/OL].http：//cdn.aiindex.org/2018/AI%20Index%202018%20Annual%20Report.pdf，2019-10-30.

[13] 趙炬明，高筱卉.關于實施“以學生為中心”的本科教學改革的思考[J].中國高教研究，2017（08）：36-40.

[14] USNews.Best Artificial Intelligence Programs[EB/OL].https：//www.usnews.com/best-graduate-schools/top-science-schools/artificial-intelligence-rankings，2019-10-30.

[15] Carnegie Mellon Launches Undergraduate Degree in Artificial Intelligence [EB/OL].https：//www.cmu.edu/news/stories/archives/2018/may/ai-undergraduate-degree.html，2019-10-30.

[16] What Is CMU AI？ [EB/OL].https：//ai.cs.cmu.edu，2019-10-30.

[17] B.S.in Artificial Intelligence [EB/OL].https：//www.cs.cmu.edu/bs-in-artificial-intelligence，2019-10-30.

[18] AI Stack [EB/OL].https：//ai.cs.cmu.edu/about，2019-10-30.

[19] 龍獻忠，戴安妮.人工智能+教育：我國高校人才培養改革的新契機[J].大學教育科學，2019（04）：107-113.

[20] 任增元，劉軍男.人工智能時代高校人才培養變革的思考[J].大學教育科學，2019（04）：114-121.

[21] [美]歐內斯特·L·博耶.關于美國教育改革的演講[M].涂艷國，方彤，譯.北京：教育科學出版社，2002.

[22] Berkeley Academic Guide 2019-20：Computer Science [EB/OL].http：//guide.berkeley.edu/undergraduate/degree-programs/computer-science/，2019-10-30.

[23] Curriculum & Degree Plans [EB/OL].https：//www.cs.utexas.edu/undergraduate/academics/curriculum-degree-plans/degree-plans/comparing-degrees，2019-10-30.

[24] UCS Catalogue 2018-2019：Computer Science （BS） [EB/OL].https：//catalogue.usc.edu/preview_program.php？catoid=8&poid=7761&returnto=3397，2019-10-30.

[25] 轉引自：趙炬明.聚焦設計：實踐與方法（上）——美國“以學生為中心”的本科教學改革研究之三[J].高等工程教育研究，2018（02）.

[26] The Beauty and Joy of Computing [EB/OL].https：//classes.berkeley.edu/content/2019-spring-compsci-10-001-lec-001，2019-10-30.

[27] Schedule of Classes：Computer Science （COM SCI） [EB/OL].https：//sa.ucla.edu/ro/Public/SOC/Results？t=19F&sBy=subject&sName=Computer+Science+%28COM+SCI%29&subj=COM+SCI&crsCatlg=Enter+a+Catalog+Number+or+Class+Title+%28Optional%29&catlg=&cls_no=&btnIsInIndex=btn_inIndex，2019-10-30.

[28] Self-Paced Center [EB/OL].https：//selfpaced.bitbucket.io/#/，2019-10-30.

[29] The Capstone Experience in Paul G.Allen School of Computer Science & Engineering，University of Washington[EB/OL].https：//www.cs.washington.edu/academics/ugrad/courses/capstones，2019-10-30.

[30] 張學良，李輝.過程取向與自主建構：美國高校頂石課程形態[J].中國高教研究，2017（03）：78-82.

[31] Computer Science （BS） of USC Catalogue 2018-2019[EB/OL].http：//catalogue.usc.edu/preview_program.php？catoid=8&poid=7761&returnto=3397/，2019-10-30.

[32] Longhorn Startup in Computer Science，The University of Texas at Austin[EB/OL].https：//www.cs.utexas.edu/longhorn-startup/，2019-10-30.

[33] 趙炬明.聚焦設計：實踐與方法（下）——美國“以學生為中心”的本科教學改革研究之三[J].高等工程教育研究，2018（03）：29-44.

[34] Independent Work & Theses[EB/OL].https：//www.cs.princeton.edu/ugrad/independent-work/，2019-10-30.

[35] Acemap，Inc.Shanghai Jiao Tong University[EB/OL].https：//www.acemap.info//，2019-10-30.

[36] Faculty and Research Excellence[EB/OL].https：//cs.illinois.edu/research/，2019-10-30.

[37] 余小波，張歡歡.人工智能時代的高等教育人才培養觀探析[J].大學教育科學，2019（01）：75-81.

[38] 劉愛生.人工智能時代的高等教育變革——解讀《不懼機器人：人工智能時代的高等教育》[J].現代大學教育，2019（01）：51-57+117.

[39] 唐漢衛.人工智能時代教育將如何存在[J].教育研究，2018（11）：92-96.

[40] 姜林，楊連生.澳大利亞本科頂石課程分析及啟示——以學生職業發展為視角[J].外國教育研究，2018（03）：111-123.

[41] Self-determination Theory and the Facilitation of Intrinsic Motivation，Social Development， and Well-being[J].American Psychologist，2000，55（1）：68-78.

[42] Patall，E.A.，Cooper，H.，Wynn，S.R..The Effectiveness and Relative Importance of Choice in the Classroom[J].Journal of Educational Psychology，2010，102（4）：896-915.

[43] Nunley，K.F..Choice：The Forgotten Basic Human Right[EB/OL].http：//help4teachers.com/choice.htm，2019-10-30.

[44] Patall，E.A..Constructing Motivation Through Choice，Interest，and Interestingness[J].Journal of Educational Psychology，2013（02）：522-534.

[45] 牟智佳.“人工智能+”時代的個性化學習理論重思與開解[J].遠程教育雜志，2017（03）：187.

[46] 張祥云，柳蔚.為機器立心：智能時代教育的人文使命[J].大學教育科學，2019（04）：99-106.

[47] 蔣海云，溫輝，金繼承.創新型新工科人才培養大鏈的構建及實踐[J].現代大學教育，2018（03）：103-111.

[48] CS+X Degree Programs[EB/OL].https：//cs.illinois.edu/academics/undergraduate/degree-program-options/cs-x-degree-programs，2019-10-30.

[49] 陳軍，張韻君，王健.基于專利分析的中美人工智能產業發展比較研究[J].情報雜志，2019（01）：41-47.

（責任編輯 ?李震聲）