人工智能賦能的混合式教學設計與實踐

摘 要：2020年的疫情，讓廣大的教育者積極思考未來教育的可能。隨著國內疫情的好轉趨勢，各地復學，逐步轉入線下，利用互聯網+人工智能賦能，實施線上線下混合教學模式是符合當前形勢需要和教學改革方向的有益探索。文章以廣東東軟學院數據結構與算法課程開展的線上線下混合教學模式為基礎，分析了混合教學的優勢，構建了互聯網+人工智能賦能的線上線下教學閉環，并對如何進行教學過程的掌控和學習評價進行了優化和實踐。

關鍵詞：人工智能賦能;線上線下混合課程;數據結構與算法

中圖分類號：TP391 文獻標識碼：A DOI：10.3969/j.issn.1003-6970.2021.02.014

本文著錄格式：向燕飛.人工智能賦能的混合式教學設計與實踐——以數據結構與算法課程為例[J].軟件，2021，42（02）：

046-051

Design and Practice of Artificial Intelligence-enabled Hybrid Teaching： Taking Data Structure and Algorithm as an Example

XIANG Yanfei

（School of Computing Neusoft Institute Guangdong， Foshan? Guangdong? 528225）

【Abstract】：The epidemic in 2020 has prompted educators to think about the possibilities of future education. With the improving trend of the epidemic in China， schools opened again and turned to offline study. Using the Internet + Artificial intelligence to enable online and offline mixed teaching mode.It is a beneficial exploration that in line with the needs of the current situation and the direction of teaching reform.Taking "Data Structure and Algorithms" as an example，this paper analyzes the advantages of the mixed teaching mode， constructs the artificial intelligence empowering online and offline teaching closed-loop， and practices how to control the teaching process and learning evaluation.

【Key words】：artificial intelligence enabling;online and offline mixed courses;data structure and algorithm

0 引言

隨著各種新技術，尤其是信息技術的發明與普及，互聯網與人工智能技術相結合，呈爆發式發展，對人類社會帶來了前所未有的影響，其中之一就是對傳統的教育教學模式產生了巨大的沖擊。而過去的一年，突發的新冠肺炎疫情徹底改變了2020年春季學期的教學模式，在教育部提出的“停課不停教、停課不停學”實施方案指導下，各高校積極應對，制定線上教學計劃，安排進度，將原來的線下教學徹底轉換成線上教學[1]，人工智能賦能教育，促進了教學手段多樣化。它輔助教師提高教學水平，提升教學質量。我們需思考如何更好地融合線上和線下教學資源、教學手段、教學方法等為教育服務。切實提高教育教學水平是每一位教育工作者需要深入思考的問題[2]。隨著國內疫情的好轉趨勢，防控也進入了常態化，全程線上教學師生缺少面對面的交流[3]，難免生硬，缺少思想的碰撞。各地復學，逐步轉入線下，但線上的優勢不能忽略，因此，利用“互聯網+”人工智能賦能，實施線上線下混合教學模式是符合當前形勢需要和教學改革方向的有益探索。

論文以廣東東軟學院數據結構與算法課程開展的線上線下混合式教學模式為基礎，分析了混合式教學的優勢，構建了“互聯網+”人工智能賦能的線上線下教學閉環，并對如何進行教學過程的掌控和學習評價進行了優化和實踐。

1 總體設計

1.1 課程體系的優化與構建

在創新型應用計算機人才的培養體系中，程序設計、算法設計能力是最首要的培養目標。在課程體系中更重視構建“以程序和算法為基礎的計算機系統能力”，數據結構與算法課程在這一課程主線起著“承上啟下”的橋接作用。經過幾年的探索和實踐，我們對培養計劃和各課程定位進行優化設計，構建以下適合本校應用型本科特點的線上線下混合式課程體系，如圖1所示。

1.2 教育思想和理念

在教學過程中，基于以下三大教學理論的思想，對課程進行總體設計。

（1）PBL（Problem-Based Learning，問題驅動的學習）。問題求解是人類在自然界中最重要的認知活動之一。根據PBL的啟發，對課程進行線上線下混合式設計，在課前和課后分別設計不同的問題，探索和實踐“遞進式分層任務驅動”教學模式。以問題作為學習的起點，設計的教學活動圍繞著問題展開，問題的挑選并不是隨意的，而是學生在其未來的專業領域可能會碰到的真實問題，基于此，學生開展自主、合作和探究式的學習，得出的學習成果，是一套能解決問題的算法或方案，在問題的求解完成后，進行自我評價和小組評價。（2）Bloom認知理論（教育目標分類法）。在Bloom教學目標的各層次中，記憶和理解位于最底層，也是最簡單的任務，應用和分析處于中間層次，是有一定難度的，評估和創造位于最上的兩層，當然是最有難度的任務[4]。因而在任務驅動設計中，提倡不能僅僅局限于初級認知的問題，在適當的時機，高級應用型和創新型的問題更能夠激發學生的思維，從而培養學生的思維能力、創新能力和職業素養。（3）SCL（Student Centred Learning，以學生為中心的學習）。2020年《創新教學報告》仍強調一個重要的信息：技術變革帶來的創新教學法正日新月異，教育工作者在關注技術應用的同時，更應思考技術與理論的有機融合，緊密圍繞以學生為中心的教學理念創新應用[5]。在計算機學院2019級軟件工程和網絡工程專業學生中進行“哪些能力得到提高”的調查問卷中，“自學能力、溝通能力、查閱資料能力、團隊協作能力、分析解決問題等能力得到了提高”是學生表述最多的內容，其中“解決問題的能力”占比最高，78.3%的學生選擇了此項，數據說明，這一模式實現了知識課堂向能力課堂的轉變。

1.3 “互聯網+”智能賦能的混合式課程的教學框架

課程組經過幾年在專業核心課程進行翻轉課堂的實踐，積累了不少經驗，疫情期間，在原有的“MOOC+ PTA（程序設計類實驗輔助教學平臺）”混合式課堂模式的基礎上，融入了更多AI教學軟件，讓教學更具有互動性、智能性和可擴展性。疫情后期線下復課以后，很好地延續了這一模式，設計出基于任務驅動的線上線下混合課程，如圖2所示。

在課程總體設計的框架里，設計Online-Online & Offline-Online-Offline-Online五步環節，構建O2O2O （Online to Offline to Online）教學閉環，如圖3所示。

（1）Online：分發需求解的新任務——教師將教學目標進行分解，提出問題-創設情境，激發興趣;（2）Online & Offline：分組討論——學生查看任務單對應的知識點，分析問題，包括數據怎么組織，完成什么功能，需要用到什么算法;（3）Online：思考探究，構建知識——學生完成MOOC預習視頻+OJ課前練習，教師查看答題情況，設立線上小白專場，詳解基礎任務;（4）Offline：組織課堂教和學，問題求解——學生展示在預習和完成基礎階任務中獲得的經驗，分享解題技巧，教師根據預習情況提煉總結重難點，需要注意的是，在這一環節，教師還將側重于在深度上進行引申，深化知識，合作提煉，激發學生舉一反三的能力，培養創新性思維，從而引導學生找到更多的解法。設立刷題排行榜，讓學生完成能力應用級的任務;（5）Online：拓展延伸，利用PTA完成分級任務評測——在問題上進行拓展，延伸到專業領域的實際應用，設立線上應用競技場，詳解高階性的任務。

2 教學案例和效果評估

廣東東軟學院的數據結構與算法課程依托國家級在線開放課程，在“中國大學MOOC”和網易“云課堂”平臺，注冊人數累計超過一百萬人（截止到2020年6月）。課程基于“MOOC+PTA”的翻轉教學在疫情前已進行實踐3期。作為計算機學院的專業核心課程，共設立96學時，其中理論56學時，實驗24學時，綜合課程設計16學時。課程利用天梯程序設計團體賽的官方評判系統PTA，此系統得到網易的技術支持，是科技部科技創新2030-“新-代人工智能”大項目（2020年）和國家自然科學基金重項目（2020年）研究的支撐平臺。在疫情6個月期間內，線上提交量達到0.5億次，系統壓測QPS>5000，最大程度地為線上教學活動提供了保障。

在課程實踐中，借助“PDS查重系統+OMS監考系統”，數據結構與算法課程實現了無紙化考試。進一步結合智能互動教學工具，努力讓學生在質疑、思疑、解疑的互動體驗、參與中學習。設計任務難度分級，形式采取多樣化，引入電影，生活中各種解題的場景，體現課程內容的“兩性一度”，即高階性、創新性和挑戰度。打造一個立體多維度的線上線下混合式教學生態系統，最大地激發學生學習興趣和積極性，如圖4所示。

結合這樣的思路，設計靈活多樣的教學活動，這些活動充分體現了以學生為中心的互動式教與學，主要集中在三個點：一，以學生為中心;二，教與學的互動，三，保障教學按節點完成，提升教學效果和教學質量。充分利用互聯網+人工智能教學APP，賦能滲透到教和學的各個環節中，詳見表1。

2.1 教育的組織和實施

通過“問題代入，任務驅動式”策略，教學組織上參照BOPPPS模式，注重學生主動參與教學的各環節，重點在目標-活動-評價的整體設計，如圖5所示。

2.2 課前

課前設計主要包含兩個內容：

（1）教學目標分解和學生掌握程度評估的設計。教師在課前進行教學目標分解和學生掌握程度評估的設計，以第三周學習中的“認識堆棧、掌握棧的邏輯結構與基本運算”為例， 設計詳見表2。

（2）分級任務單。以第三周為例，每周6學時，每2學時設計課前預習任務和PTA基礎練習。如圖6所示，在課前用A+課堂派，以通知公告的形式提前一周發送給學生，學生可以在手機上通過微信查看。線下小組討論和線上看MOOC視頻及課件做好預習，在課前完成與知識能力目標對應的基礎練習，教師可以在課前導出練習的成績，用PTA和A+課堂派的數據分析查看學生預習的掌握程度，有針對性地設計課堂教學。

2.3 課中

課堂教學主要在多媒體翻轉教室（Flipped class-room）進行，教師首先對學生完成先導任務的情況進行總結，講解學生存在的共性問題和不合理的設計，有針對性地對重點、難點進行擴展解析，必要時，教師輔以參考代碼示例講解，適當增加調試技巧展示。對學生在任務中的亮點提出表揚，為鼓勵學生多思考，培養創新思維，可以自薦或點人的方式由1～2名學生通過屏幕共享方式分享創新的解題思路，培養學生的表達能力和溝通能力。并設計互動環節，利用A+課堂派平臺的搶答、隨機選人、投票等功能，活躍課堂氛圍。提問以獎勵為主，獎勵按評價標準計入過程考核分。另外，實驗課或者拓展討論課，以線性結構為主題的拓展專題為例，延伸到行業前沿的應用，如：（1）鏈表在緩存清理方面的運用;（2）堆棧在最短路徑智能搜索方面的運用;（3）隊列在數據加密技術方面的運用。學生可選擇主題做匯報，以小組為單位以分享屏幕的方式分享階段性綜合編程實踐的設計思路和代碼，引導學生互評和討論。

2.4 課后與評價

課后，教師通過A+課堂派發布課后拓展任務，主要在程序類實驗輔助教學平臺，學生需在設定的時間內完成，由系統在線判題。互評作業通過微助教提交，可設置教師和學生互評成績的比例，互評可以讓學生加強相互學習，學習不同的解題方法，同時也培養學生高階思維的能力。教師可以通過PDS系統和AI教學軟件，對數據進行分析。如查重，針對某道編程題，選擇一位同學，通過在本用戶組和同題集里生成查重報告，如圖7所示。如果有三位同學和這位同學的代碼重復率達到95%以上，則認定為無效作業，判0分，而圖中的樣本為通過查重檢測。

提交動態列表功能，可實時監測學生做題過程的詳細情況，包括提交的具體時間和狀態，判斷和選擇類的題包括部分正確和完全正確，教師可以展開查看具體的詳細信息，程序題可以查看提交代碼是否一一通過測試點，以及程序運行耗時，可以讓教師清晰地了解哪些知識是易錯點，哪些是難點。對下一次線上課堂重難點分析的教學設計起到了很好的決策作用，如圖8所示。

每一次任務，可以在線生成成績分析報告，教師通過數據對比，查看學生的最高分，最低分和平均分，通過查看知識點得分率和難度系數來評判學生的掌握程度，幫助教師及時對下一次任務設計作出對應的調整，以20軟工3班，第一周任務完成后的成績數據為例，可以得出，因為學生在程序設計基礎課程中學過數組，掌握得還不錯，所以順序表的題目得分率也達到了94%，而對于函數的增長趨勢知識點，掌握相對較弱，導致時間復雜度分析的得分率也不高，如圖9所示。教師在下一次查缺補漏的環節中，將加深這一知識點的剖析和鞏固訓練。

為了讓學習的評價從以往的總結性評價轉為形成性評價，從判斷結果轉到描述過程[6]。對學生學習的評價不僅要關注學生的元認知能力，也要關注學生的素養發展[7]，而傳統的評價思路往往會造成測試與學習呈分離狀態，整個評價過程主要是教師在開展，學生被動地參與評價。為了改變這一現狀，借助于人工智能的教學APP和評價體系的設計，大大鼓勵了學生積極參與評價各環節，激發學生通過自我評估、自我監督和自我調整來縮小與更優秀學生的學習差距，并幫助他們確定下一步的學習計劃。在課程的評價體系中，實施過程考核多樣化，形成性評價與學期末評價相結合，詳見表3。

在實踐中，結合“教賽融合”，以輸出成果為導向，再反饋到教學上的反思，促進教學，形成相互促進的良性循環。通過這樣的實踐，計算機學院取得了顯著的成績，學生學習算法興趣越來越濃，以20級軟工4班為采樣數據，平均每周的互動話題發言條數，較以前增長了225%，刷題排行榜的總積分（總分為880分）整體提高了146分，在程序設計與編程類的國賽省賽中，參加的學生人數和獲獎獎項也越來越多。

3 結論

一場突如其來的疫情，給人類的生活帶來了影響，同時也帶來了挑戰，讓廣大的教育者積極思考和探索未來教育的可能[8]，文章提出的“互聯網+智能賦能的線上線下混合式課堂”模式，通過實踐證明，學生對這一教學模式普遍表示認可和接受，在理論知識掌握和實踐能力提升，以及創新思維培養上均基本達到預期目標，達到了良好的教學效果。人工智能、技術賦能教育融合線上線下的教學改革實踐當前還處于第一階段，在今后的實際開展中還有需要完善的地方，需要更多的思考和不斷的總結，以取得更大的進步。

參考文獻

[1] 教育部.教育部應對新型冠狀病毒感染肺炎疫情工作領導小組辦公室關于在疫情防控期間做好普通高等學校在線教學組織與管理工作的指導意見[EB/OL].[2020.6.17].http：//www.gov.cn/zhengce/zhengceku/2020-02/05/content_5474733.htm.

[2] 陳武元，曹葒蕾.“雙一流”高校在線教學的實施現狀與思考[J].教育科學，2020（2）：24-30.

[3] 李駿揚.從關注“教”變關注“學”的計算機語言在線教學[J].計算機教育，2020（11）：8-12

[4] 李培.能力導向的C語言實驗翻轉課研究與實踐[J].計算機教育，2020（2）：59-62.

[5] 肖卓宇，徐運標，陳果，等.“人工智能+教育”融合的實施路徑研究[J].計算機時代，2020（11）：103-105+109.

[6] Bennett，R.E.Formative assessment：A critical review. Assess-ment in Education：Principles[J].Policy & Practice，

2011，18（1）：5-25.

[7] Earl，K.，&Giles，D..An-other look at assessment： Assessment in learning[J].New Zealand Journal of Teachers' Work，2011，8（1）：11-20.

[8] 張生，王雪，齊媛.人工智能賦能教育評價：“學評融合”-新理念及核心要素[J].中國遠程教育2021（1）：1-10.