地方高校本科一流課程建設探索
——以人工智能基礎教學改革為例

張 繼，劉鎖蘭，畢 卉，潘 操，王洪元

（常州大學計算機與人工智能學院，江蘇常州 213164）

0 引言

自教育部在2018 年新時代中國高等學校本科教育工作會議上明確提出“淘汰水課、打造金課”，啟動一流本科課程建設“雙萬計劃”以來，全國高校掀起了一場教學“質量革命”，以“兩性一度”打造金課、全面實現高等教育內涵式發展的思路深入高校課程改革。同時，為搶抓人工智能發展的重大戰略機遇，構筑我國人工智能發展的先發優勢，加快建設創新型國家和世界科技強國，我國對于人工智能人才的培養極為重視，而人工智能及其相關課程如何體現“兩性一度”也成為當前亟需解決的問題。

目前，已有許多教學工作者針對人工智能專業人才培養模式、人工智能及其相關課程改革開展了大量研究。如孫紅等將人工智能專業人才培養與企業人才需求緊密結合，并以實際案例為參考提出人工智能專業人才培養最關鍵的在于提高學生實踐技能的觀點；陳娟等從培養學生獨立思考、交流協作能力出發，設計完整的案例，以課程項目為驅動，基于成果導向推進人工智能課程改革，有效提升了學生的學習興趣和自信心；鮑鵬等分析軟件工程專業人工智能課程教學體系，提出人工智能實踐類課程教學改革方案，取得了良好效果；陳香以電子信息工程專業課嵌入式系統為例，將人工智能技術融入課程教學中，設計項目化的教學方案，并探索課程改革中存在的問題及解決方法；許濤等借鑒歐美高校將創新創業教育融入工程教育的理念，從創新創業教育視角下的“人工智能+新工科”入手，分析課程建設的路徑、方式及其重要性；楊博雄等針對人工智能專業定位、課程設置，以及實踐類教學、案例式教學等教學方法及其效果展開研究，以期拓展學生思維、提高學生動手能力、提升學生學習興趣。上述研究主要是針對人工智能專業建設、人才培養模式以及非人工智能專業的人工智能課程建設開展的。由于我國人工智能專業開設時間尚短（我國最早一批人工智能專業開設于2019 年），目前專門針對人工智能專業的人工智能基礎及其他課程的教學改革研究尚少，因此如何以本專業學生為主體，講好課、多創新、激發學生興趣、契合企業的人才需求，成為亟待研究與解決的問題。

人工智能基礎課程是常州大學一門面向人工智能及其相關專業的專業基礎課，通過課程學習，可使學生了解人工智能的基本概念、算法原理與應用、人工智能技術的挑戰與發展前景，從而為學生學習后續專業課程、從事人工智能方向的研究與工作奠定基礎。結合人工智能及其相關專業的培養目標和學生特點，為達成上述課程目標、打造金課、避免傳統教學的局限性，主要需要解決以下4個問題：①學時有限，內容繁多；②課程對數學要求較高，理論性強、難度較大，學生學習興趣不足；③單一的課堂講授、實驗驗證的教學模式不足以調動學生的學習積極性；④課程考核方法不夠靈活。筆者針對我校人工智能基礎課程教學時遇到的以上問題，從“兩性一度”的角度出發，結合許多教學工作者在人工智能及其相關課程的先進經驗，對課程體系進行整理與重構，對教學實施方案與考核方式進行改革，杜絕水課，并注重提升學生能力。

1 課程體系設計

1.1 課程體系構建

人工智能基礎作為一門面向人工智能及其相關專業的專業基礎課程，共48 學時。由于課時有限，而需講解的內容較多，因此需要對課程內容進行調整與優化。同時，考慮到該課程需要較為系統的高等數學、線性代數和概率論等知識，又需要在深入理解算法的基礎上通過編程復現算法，因此在培養方案設置上進行了如下調整：

（1）先行開設一門32 學時的人工智能數學基礎課程，通過對人工智能領域常用的數學基礎知識（如高等數學中的微積分、拉格朗日乘子法等，線性代數中的特征值分解、奇異值分解等，概率論中的貝葉斯估計、極大似然估計等）進行復習與擴展，讓學生打下較好的數學基礎。

（2）同步開設一門32 學時的人工智能程序設計（Python）課程，主要講解Python 編程的基本方法，并對人工智能基礎課程中的案例進行分析。

上述兩門課程是常州大學人工智能專業培養方案中的專業基礎課，將這些課程與人工智能基礎課程一起組成課程群，并對開課學期和開課周數進行調整，可在不增加整體課時的情況下，滿足人工智能課程對數學基礎與編程能力的要求，也能讓知識體系更合理，教學內容更加循序漸進。

1.2 基于“兩性一度”的課程內容重構

針對人工智能基礎課程中的主要知識點，結合數學基礎和Python 編程，重構如表1 所示的人工智能基礎課程群知識點表格。將各方面的知識點逐一細化分解，既能保證學生在掌握必要的數學基礎后再學習人工智能算法，又能通過編程實現與驗證算法，從而避免了數學基礎太抽象、人工智能算法看不懂、Python 程序不會寫等問題。

Table 1 Reconstruction of the content of"fundamentals of AI"under the standard of two properties and one degree表1 “兩性一度”標準下的人工智能基礎課程內容重構

以“PCA 主成分分析”知識點為例，這是一種經典的非監督學習算法，其主要涉及的數學原理包括特征根分解與奇異值分解。其中，前者是大一線性代數所學內容，學生在學習完線性代數后能夠計算方陣的特征根，但并不明確特征根與特征向量的意義；后者則不是線性代數的內容，需要在人工智能數學基礎課程中進行擴展學習，同時還需要學生理解特征根分解與奇異值分解的異同。為此，引入Eigenface 這一人工智能中的經典人臉識別算法，給學生講解基于PCA 的人臉數據降維與識別方法，同時借助Python語言進行編程實現，讓學生直觀地看到人臉識別效果。整個知識點從數學原理入手，將看似枯燥無味的公式引入實際問題求解過程，使學生深入理解特征根、奇異值的物理意義及其在人臉識別中的作用，最終以圖形化界面的方式展現，體現了高階性（融合多學科知識、培養學生解決復雜問題的綜合能力和高級思維）、創新性（結合人臉識別這一人工智能中的經典問題，通過“教、學、悟、用”過程，體現學生的探究性和創新性）和挑戰度（順利完成整個流程有一定挑戰度，需要學生熟練掌握與應用知識而不是簡單重復）。

2 教學實施

在教學實施方法上，筆者將多種課程資源合理結合，采用線上線下混合教學、案例式與啟發式教學方法等，提升學生的學習熱情。

2.1 線上線下混合教學

（1）自建線上教學資源。當前，線上教學資源已較為豐富。2020 年疫情期間，我校人工智能基礎教學團隊克服重重困難，自行錄制5 000min 以上的視頻課程素材，通過繁雜的剪輯工作共形成2 000min 的視頻課程，并上傳到超星平臺。教師在平臺可實現包括點名、發布討論、布置作業、考試等多方面的學生管理工作，學生可通過超星平臺進行學習，針對重難點可以反復學習直至掌握透徹。同時，課程團隊還向學生推薦了浙江大學吳飛教授的“人工智能：模型預算法”和浙江工業大學王萬良教授的“人工智能”兩個MOOC 平臺課程。

通過超星學習通、MOOC 平臺、QQ 課程群等發布線上學習內容，并作為師生溝通聯系的工具。學生可根據教師推送的教學視頻和PPT 完成課前預習、課程學習、主題討論、課后作業和章節測試等，使教師和學生都能及時、準確地了解學習情況，隨時隨地查漏補缺。

（2）不斷豐富線下教學資源。不可否認的是，線上學習并不能完全代替線下師生的面對面溝通交流，只能作為補充和拓展。因此，在條件允許的情況下，課程的開設仍以線下教學為中心，結合學生在線上平臺的課前預習和結果反饋，教師可在課堂上更有針對性地講解相關知識點，讓學生學透、學精。

2.2 校企結合的案例式、啟發式教學

在教學過程中注重案例式、啟發式的教學方法，以案例形式講解課程內容或要求學生進行練習和做實驗。主要體現在：

（1）走出去，引進來。教師團隊走出去，與征圖新視（江蘇）科技股份有限公司、常州中以產業園等省內外人工智能行業頭部企業加強交流合作，時刻了解行業發展動態與熱點，共同設計項目案例并參與實施，如圖1所示。

Fig.1 Combination of university and enterprise with case teaching and heuristic teaching圖1 校企結合的案例式啟發式教學

（2）以趣導課、以疑啟思。要取得良好的教學效果，首先要培養學生的學習興趣。在上述表1 教學內容的基礎上，學校人工智能基礎課程團隊還設計了一系列案例，如“基于深度學習的工業品瑕疵檢測算法”“基于深度學習的圖像分類”“游戲地圖最短路徑搜索算法”“基于強化學習的游戲agent”等。這類案例以工程問題為入口，以學生興趣為導向，以專業知識為基礎，以教師引導為輔助，培養學生提出問題與解決問題的能力。

（3）教研賽管結合。團隊教師積極指導學生參加各級各類人工智能競賽和創新創業競賽，通過科研和競賽進一步完善項目案例庫，同時學習企業項目管理的先進經驗，做到“教（項目化教學）、研（科研）、賽（學生競賽）、管（項目管理）”相結合，建設“兩性一度”的一流課程（見圖1）。

（4）以法解惑、以律求知。教學與項目案例循序漸進、深入淺出，讓學生逐步深入學習校企提供案例中包含的數學原理和解決它可能用到的人工智能算法，教授學生解決問題的科學思路與方法，鼓勵學生針對創新性方案申報專利或撰寫論文。在項目實施流程中引入企業項目的團隊管理制度，使每位學生分析自己能做什么、該做什么，從而參與其中、各盡其才、學有所得。

3 課程考核方法

在課程改革過程中，如何公平、公正地考核學生學習情況也是一個重要問題。常州大學人工智能基礎課程團隊設計了多維度、多樣化的考核方式，考核內容包括：①線上表現（占20%），主要包括課前預習、課后鞏固與討論完成情況；②線下表現（占20%），主要包括考勤、課堂表現、作業完成情況等；③案例項目實踐（占30%），主要包括項目完成度、PPT 制作與答辯、紙質報告等，課程團隊教師與企業導師共同參與評分；④期末考試（占30%）。

4 改革成效

在人工智能、自動化、智能制造等相關專業開展教學改革兩學年以來，學生對人工智能及相關數學原理和編程方法有了較大的學習興趣，可在后續課程中學以致用。據統計，2020屆常州大學自動化專業畢業生中約有30%的學生在學習完該課程后，進一步深入學習人工智能、機器學習相關理論與算法，并參與人工智能、計算機視覺方面的學科競賽、創新創業大賽或教師的科研項目等；約有23%的學生選擇人工智能、機器學習及其相關應用作為本科畢設課題；約有20%的學生主動聯系人工智能方向的企業參加實習；約有13%的學生在畢業后繼續從事人工智能相關工作。相較往年，這些數據均有不同程度的提高，如表2所示。一方面體現了人工智能方向越來越受到相關專業學生的青睞，另一方面也體現了課程改革的效果。

Fig.2 Number of 2018-2020 participants of students majoring in automation in AI competitions，graduation projects and enterprise practices圖2 2018-2020屆自動化專業學生參與人工智能方向競賽、畢設、實習等情況

5 結語

針對人工智能基礎課程在教學過程中遇到的問題，從“兩性一度”金課建設的角度入手，構造課程教學團隊，并調整課程體系與課程內容，采用線上線下混合式教學模式以及案例式、啟發式教學手段，改革課程評價與考核機制，使教、學、研、賽、管形成閉環，體現了人工智能基礎課程教學的“創新性”和“高階性”，使課程更具“挑戰度”。通過課程學習，使學生打好相關數學基礎、理解關鍵算法、熟悉編程實現，并能在相關學科競賽、畢設、實習和工作中學以致用，取得了良好成效。