地方農業類高校機器學習課程本科教學探究

程曦 靳晟 郭斌

摘要：隨著人工智能技術的快速發展，人工智能相關各類本科專業在全國高校陸續開設，機器學習課程作為人工智能的專業基礎課程逐漸成了熱點。作為一門交叉學科，機器學習課程對學生的數學基礎和計算機編程基礎都有較高的要求。受機器學習課程特點、學生知識結構與課時限制等因素影響，面向地方農業高校本科生開設機器學習課程有很大的教學難度。文章總結了近年機器學習課程的教學實踐，并按照新工科的要求探索了一條適用于地方農業高校本科機器學習課程的建設思路。

關鍵詞：機器學習;本科教學;新工科

中圖分類號：G642 ? 文獻標識碼：A

文章編號：1009-3044（2022）13-0144-03

隨著時代的發展與科學技術的不斷進步，以機器學習為核心的人工智能技術已成功應用并深度融合于諸多傳統行業領域，其在不斷重塑行業科技化發展新特征的同時，亦推動著經濟發展形態的不斷演化，極大地促進著實體經濟結構轉型與快速發展。目前，為主動適應這新一輪科技革命與產業變革，我國急需大量的應用型復合人才來加速推動人工智能技術在各傳統行業應用中的落地實踐與深度融合[1-8]。在此時代背景下，作為地方農業類高校，面向計算機科學與技術等專業本科生開設機器學習課程既是順應科學技術發展的趨勢，又是踐行“新工科”[9]教育理念的具體體現。為此，著力思考如何將機器學習與農業、水利、畜牧業等本校傳統優勢學科相結合，把機器學習課程的理論知識講解得易于理解，將人工智能技術落地于西部，促進本地經濟發展，提高新疆各族人民的生活水平，成為當前學科建設與課程建設的主要問題。

本文在借鑒前人研究成果的基礎上，討論分析了地方農業類高校機器學習課程本科教學現狀與困境，系統地總結了近三年機器學習課程教學一線實踐經驗，并針對該實際課程教學過程中的教學策略與方法，以及課程評價考核機制環節進行了探索研究，以期能夠有效激發學生課程興趣與探索精神，進一步提高地方農業類高校機器學習課程的授課效果和質量。

1 課程教學現狀與困境

機器學習課程因其課程知識結構體系繁雜、內容豐富，要求學生理解與掌握此課程需具備良好的數學基礎、編程技能與算法設計等能力，而且對教師的教學策略、授課方法與技巧，以及個人知識儲備與應用實踐能力提出了更高的要求。這一課程屬性在一定程度上嚴重制約著本科階段機器學習課程授課質量與效果的提升，尤其是對地方農業類高校而言，因學生基礎不牢固、教學資源匱乏等諸多因素影響，使得此問題在實際教學實踐中表現得更加突出。

作為新疆地區農業類重點高校，目前新疆某大學在面向本科教育的機器學習課程其教學現狀與困境主要有：一是課程教學內容的導入、組織與學情失配，教學形式與方法單一枯燥，未能有效激發學生學習課程的主觀能動性。機器學習課程知識內容抽象、邏輯性強，涵蓋線性代數、概率論、統計學等知識[10-11]，當前教學形式以理論教學為主，且內容形式上多以各類典型算法原理的本質數學描述與論證分析為主，實踐操作少。此教學模式與方法，對于理論基礎較好、具備一定科研素質的碩士、博士研究生這樣的教學形式是可行的，但是對于大多數沒有參加過科研項目的本科生，由于機器學習算法原理抽象、不易理解，基于數學公式推導的理論課過于刻板，學生普遍學習積極性不高，甚至有學生失去了繼續學習的信心。二是課程教學內容組織與教學設計缺乏針對性與差異化，未能最大限度地滿足學生學習課程的需求，同時致使學生對課程學習的內生群體動力不足。學習這門課的本科學生專業分布廣泛，不僅有人工智能專業，還有物聯網、計算機、電子信息等理工科專業。學生專業背景有差異，數學基礎與計算機編程基礎也有較大差異，因此對知識的掌握吸收能力不同，學習效果參差不齊。三是課程知識體系的不斷豐富與完善同課程學時之間的矛盾失衡，未能較好處理課程知識的學習梯度與其時效性之間的關系。機器學習的內容和體系龐雜，例如監督學習、無監督學習、強化學習等[6]，并且隨著時代的發展，機器學習的內容還在繼續擴充。然而課程學時卻是有限的，在相對較短的時間如何將繁多的內容和抽象的算法原理通過科學合理的課程內容組織與安排，由淺入深、有選擇性、詳略得當的方式高質量地講授給學生，對教師而言是一項極具挑戰的任務。最后，理論教學與實踐應用學習脫節，未能充分地挖掘與整合利用傳統優勢學科科研項目資源，致使課程較強的應用實踐性特征屬性被弱化。地方農業高校教師的科研項目主要是圍繞農業、畜牧業、林業等領域展開，如何從教師的科研項目提煉出機器學習典型應用案例，以充實課程教學案例與實驗項目，突出課程的實踐應用特征，對此目前尚未得到很好的解決。

2面向本科教育的機器學習課程教學策略與方法

針對當前面向本科教育的機器學習課程教學現狀與主要困境，為不斷提高課程授課質量與效果，激發學生學習課程的熱情與探索研究精神，培養更多富有創新意識且具有較強實踐應用能力的高素質綜合型人才，同時也為更好地服務與促進學科建設和課程建設需求，本研究擬從教學內容重構與設計、強化實驗項目教學環節、重視課后答疑與輔導，以及科學過程考核與評價等四個方面著手，對課程教學整體策略與方法實施優化改革。

2.1 以典型案例為載體，導入并驅動理論知識教學

考慮到案例教學能夠通過典型應用實例展示，以理論與實踐緊密結合的方式將原本理論性強、抽象且不易理解的知識內容以直觀易懂、生動活潑、富于啟發性的形式呈現，本研究在實際的機器學習課程教學改革實踐中采用案例教學模式，以案例為載體，通過案例導入相關概念與知識要點，讓學生從實踐應用中體會與理解算法理論與本質數學原理，從而達到驅動理論知識教與學進程的目的[11]。

具體而言，首先圍繞農業、畜牧業，以及林業等本校傳統優勢學科，通過深挖與整合學術科研項目中運用機器學習技術的典型問題或場景，建立與課程知識體系及教學內容相匹配的案例庫，例如核桃等級分類、蘋果品種識別、伊犁馬體尺估測等;其次，根據課程教學大綱要求，將典型案例與課程相關理論內容進行融合重構，將枯燥無味的算法理論原理講解變得易于理解，讓學生意識到學到的知識可以真正地用到實際生活和工作中，以及機器學習在地方經濟發展中的重要性。具體案例與理論聯系情況如表1所示：

2.2 強化實驗項目教學，理論鞏固提升與實踐應用并舉

機器學習課程是強實踐應用類課程，實驗項目教學在整個課程教學中的作用至關重要。其不但可以有效促進學生對基本概念、理論算法原理與本質的進一步理解，而且是培養創新意識的源泉，提升學生動手實踐應用能力的唯一途徑。同時，早期開課實踐亦證明：面向本科教育的機器學習課程純理論授課模式教學效果較差，學生上課過程中表現消極，基本不與教師互動，課堂氣氛沉悶。

為了改善教學效果，此次教學改革在強化實驗項目教學方面重點進行了五個方面的改革措施：一是調整課程學時分配，增加實驗項目教學環節。將課程理論課與實驗課學時均設置為32學時，每周2次理論課，2次實驗課。二是增強專業課程體系延續性，搭建簡單便捷、可用性更強、適合自主探索學習的應用實踐教學工具平臺。鑒于新疆某大學本科生具有較好的Python編程基礎，因此采用Anaconda和TensorFlow作為機器學習的實驗環境。對于學生來說TensorFlow易于上手，可以很快地建立模型、實現算法，并且網絡上關于TensorFlow的學習資料豐富，學生在課下也能自主查閱資料、主動學習。三是教師圍繞理論課內容設計每周實驗課的單元測試題和實驗項目，并通過慕課MOOC發布實驗作業。四是差異化實驗項目作業設置，提升學生參與率與完成率的同時，幫助學生積累課程學習信心。鑒于學生的專業背景、數學基礎，以及計算機編程基礎不同，圍繞每周理論課內容設計了高（選做題）、中（必做題）、低（必做題）三個難度的實驗項目和單元測試題（每周測試題的數量大于20），實驗項目和單元測試題的難度由易到難，層層深入，鼓勵學生循序漸進地完成每周實驗作業。五是單元測試與實驗項目的定期更新，確保知識時效性的同時，不斷優化迭代實驗作業難度梯度。每學期結束，機器學習課程組的教師組織會議討論本學期各個專業學生的學習情況以及機器學習發展動態，根據討論結果對慕課MOOC上每周的單元測試與實驗項目更新，確保慕課MOOC上的實驗題目新穎，與時俱進，并且針對不同專業的學生調整實驗作業難度。

除此之外，此次改革還增加了鼓勵學生積極參加Kaggle等關于人工智能的各類賽事，培養本科生的動手能力環節。在解決問題的過程中，學生不僅提高了自身各方面的能力，也對晦澀難懂的算法原理有了新的認識，意識到理論知識的重要性，增加了學習理論知識的積極性。

2.3 重視課后答疑與輔導，助力自我探索意識的培養

“00后”大學生生活在計算機、手機、iPad當中，獲得信息的途徑多種多樣。有效利用網絡教學，例如建立釘釘群、微信群等，可以滿足這些“網絡原住民”的學習需求，讓被動學習變主動學習[8]。另一方面，近年來以機器學習為核心的人工智能技術取得不斷突破，相關知識正以驚人的速度不斷地更新迭代。如何使學生緊跟時代潮流的步伐，獲取、了解與掌握學科技術領域最前沿知識亦是課程教學改革的另一重點。為此，課程改革實踐以課后階段為著力點，重視課后答疑與輔導，嘗試建立基于網絡的學生自我探索意識培養模式。

相關課程改革工作主要涉及三個方面：一是通過網絡，教師向學生推薦開源網絡課程視頻、教學課件、電子書、學術論壇等資源，讓學生從不同角度，不同途徑進行課后鞏固提升學習[5];二是利用釘釘群等工具，定期組織進行最新機器學習頂級會議（如ICML、IJCAI、KDD等）前沿學術論文研討，對最新發展動態進行跟蹤與了解，這不僅能夠有效激發學生興趣，而且為提高學生學術科研素質奠定基礎;三是借助釘釘群，微信群等進行學習引導與督促，并針對學生的課程遺留問題或自主學習過程中的問題等進行有效答疑與輔導;學生在與老師、同學在線討論的過程，既是分享自己學習的知識與想法，亦會鍛煉主動學習、獨立思考的能力。

2.4 引入開放式項目，注重過程性考核與評價

由于學生專業背景不同，對知識的掌握程度有差異，傳統的單一化閉卷考試并不能達到對學生課程知識內容掌握情況與實踐應用能力水平的評價（或檢驗）要求，為了較為真實、客觀、全面地反映學生課程學習的真實效果，現階段機器學習課程考核方式采用綜合評定成績的方法，即過程性考核評價與期末開放式項目檢驗相結合的模式。在此考核機制下，課程教學更加注重學生學習的過程而不是結果，其以提高學生解決問題的能力為目標，把實踐能力的培養與對過程的評價相融合，并滲透到教學過程的各環節。綜合評定成績方法中各環節考核權重占比情況，見表2所示。

其中，過程性考核評價主要包括平時考勤與單元實驗。具體而言，平時考勤側重于包括上課出勤情況、參加課程討論分享知識情況、參與翻轉課堂情況、提問情況等方面的量化考核;而單元實驗則是根據每周在慕課MOOC發布的必做單元實驗作業的質量（在線提交代碼文件以及隨堂答辯）給出單元實驗成績。學生可自主選擇是否完成選做實驗作，教師根據完成情況予以賦分。與此同時，學生不僅要提交每周實驗的代碼，還要就編程思路以及對實驗項目中問題的理解等向教師進行隨堂答辯講解。教師則通過隨堂答辯結果可了解學生對每周理論知識的真實掌握情況，并針對每一個同學的問題進行答疑。此過程使得學生與教師的交流更加密切、互動更多，這在一定程度上可以促進學生更好地完成實驗作業，增加了學習的動力和熱情。

除此之外，綜合評定成績方法的另一重要組成為則基于開放式項目的期末考核，其要求學生以自由組隊（3～4人）形式，利用課程涉及的實踐工具，完成一個綜合應用型的機器學習項目。為確保開放式項目的考核評價的公平與公正，要求學生以答辯形式向課程組評委教師（4～5人）和全班同學展示，過程包括PPT匯報展示、代碼解釋與教師質詢三個環節。在代碼解釋和回答問題環節，答辯教師隨機地向小組的某位同學提問，以確定小組中的每位同學都參與了項目，了解整個項目的過程。答辯評委教師則根據學生在上述三個環節中的綜合表現進行量化評分，并最終由任課教師取平均值作為課程期末考核成績。經過教學實踐檢驗，在此過程中學生既可以從形式各樣的選題中獲得解決問題的樂趣，并且培養了學生搜索、篩選、整合資料的能力，分析、解決問題的能力，以及團隊協作與溝通交流能力。

通過開放式項目進行期末考試，教師不僅可以了解學生對知識的真實掌握情況，而且可以根據答辯情況針對不同的專業降低或提高慕課上實驗作業的難度。

3總結

未來西部地區的經濟發展離不開人工智能技術，如何培養人工智能領域的應用型人才至關重要。本文分析了新疆地區農業類高校面向本科階段開設機器學習課程的教學現狀與存在的問題，探索提出了一套適用于地方農業類高校本科教育的機器學習課程教育教學改革方案。該方案不僅突出對學生解決問題能力的鍛煉與培養，而且注重對學生自主學習的自驅力養成與提升。實際教學效果較好，為實現人工智能領域應用型人才培養提供一條具有較高可操作性的思路，有效保障了地方農業高校本科教學工作高質、有序實施。

參考文獻：

[1] 王變琴，孫雪冬，陳薇薇，等.機器學習通識課程建設與教學實踐探索[J].計算機教育，2019（12）：85-88，107.

[2] 王昊，劉高軍，趙爾平.基于CDIO的機器學習課程教學改革與探究[J].課程教育研究，2018（22）：245.

[3] 曾憲華，李偉生，于洪.智能信息處理課程群下的機器學習課程教學改革[J].計算機教育，2014（19）：60-62.

[4] 高明霞，方娟，毛國君.開源工具在機器學習教學中的應用[J].計算機教育，2009（3）：100-102，105.

[7] 曲衍鵬，鄧安生，王春立，等.面向機器學習課程的教學改革實踐[J].計算機教育，2014（19）：88-91.

[8] 李濰，張震.“模式識別”課程中的“智慧啟迪”與“情懷教育”[J].電氣電子教學學報，2021，43（3）：33-35，119.

[9] 葛動元，靳龍，王晨，等.面向人工智能的Python語言教學探索[J].電氣電子教學學報，2021，43（3）：124-128.

[10] 白雪梅，王鋒，張晨潔.基于機器學習的教學評價體系研究[J].教育教學論壇，2016（15）：173-174.

[11] 姚興華，吳恒洋，方志軍，等.新工科背景下機器學習課程建設研究[J].軟件導刊，2018，17（1）：221-223.

【通聯編輯：梁書】