高職院校人工智能通識教育的探索與實踐

耿 煜，郭敏強，張運生，李 欽，賴 紅，嚴立超

（1.深圳信息職業技術學院國際交流與合作學院，廣東 深圳 518172；2.深圳市人工智能產業協會，廣東 深圳 518063）

人工智能經過幾十年的深度研究和應用，已經逐漸成熟并應用在各行各業[1]。黨的十九大報告指出，“推動互聯網、大數據、人工智能和實體經濟融合，在中高端消費、創新引領、綠色低碳、共享經濟、現代供應鏈、人力資本服務等領域培育新增長點、形成新動能。”人工智能是未來經濟發展的發動機，是各個領域發展變革的巨大驅動力；同時，要充分發揮人工智能的潛力，就要與各個行業相融合，才能發揮其賦能效應。要最大化地發揮此賦能效應，關鍵在于各行各業擁有人工智能技術應用人才。如何培養這樣的人才便成為人工智能教育的核心問題之一。2017年國務院辦公廳頒布的《關于深化產教融合的若干意見》提出，“用10年左右時間，實現教育和產業統籌融合、良性互動的發展格局。”人工智能技術要發展，相關的人才教育一定要先行，職業教育在歷史機遇中大有可為[2]。

2019年5月，習近平總書記在致國際人工智能與教育大會的賀信中指出，“把握全球人工智能發展態勢，找準突破口和主攻方向，培養大批具有創新能力和合作精神的人工智能高端人才，是教育的重要使命。”人工智能與各行業的深度融合，需要一大批懂得用人工智能技術驅動行業發展的應用型人才。這就要求我們采用更適應新時代的人工智能通識課教育方法，以便為社會培養更多急需的人工智能應用型人才。

1 人工智能通識課程定位分析

隨著人工智能技術及其應用的不斷成熟，人工智能技術的教育方法成為高等教育研究的熱點領域[3]。特別是考慮到人工智能對實體經濟的巨大賦能作用，如何開展適應時代的人工智能通識教育已成為各大本科和專科院校研究的重要課題。目前，無論是各省市的政策還是學校層面的各項措施，都在積極推動人工智能教育的發展[4]。2018年習近平總書記在中共中央政治局第九次集體學習時指出，人工智能“具有溢出帶動性很強的‘頭雁’效應”。人工智能通識課程應準確把握人工智能基礎設施的屬性，成為所有專業學生學習的基礎。然而，由于人工智能理論的復雜性，在高職院校推廣人工智能通識教育面臨著一些困難，如學生基礎薄弱、學習動力不足、教學方法待突破、人工智能教育與產業結合待深入等問題。

1.1 產業升級要求未來人才具有基本的人工智能技術應用能力

產業升級不可避免地會降低甚至消除部分行業的就業機會，但同時也會因商業模式的改變而創造新的就業機會[5]。這已在行業內導致那些具備更高技能的人才由于人工智能技術的支持而享受更高的工資，而其他技術工人則因被人工智能技術替代而失業。盡管人工智能技術替代了部分崗位，但同時也創造了新的工作崗位，而這些崗位要求從業者具備更高水平的人工智能應用能力。

1.2 將人工智能技術納入通識教育以滿足對人工智能應用人才需求

產業升級的要求意味著未來的勞動者必須具備人工智能應用能力。為實現這一目標，人工智能應用技術教育需要在所有學生中得到廣泛覆蓋。然而，這種要求無法僅僅依靠人工智能專業來完成，它必然需要一種以人工智能賦能為核心的新形式的通識教育。以人工智能賦能為核心的通識教育的目標是培養所有學生對人工智能的基本理解和應用能力，成為廣大學生的共同知識和能力基礎。通過普及人工智能的基本概念、原理和技術，各個專業的學生均可培養出對人工智能的敏感性和適應能力。它超越了傳統的專業邊界，為未來勞動者的終身學習和適應快速變化的技術環境提供了重要的基礎。

1.3 人工智能通識課程需要具有良好的應用性與實踐性

全國政協委員、中國人口與發展研究中心主任賀丹[6]表示，“面向人工智能時代，要在新一輪科技革命和產業變革中贏得主動，關鍵是有充分的人才支撐，教育必須主動變革。”有效的人工智能通識課程內容應當緊密聯系實際應用場景，引導學生通過案例分析和實踐項目，深入了解人工智能在不同領域的應用。通過實際操作和模擬體驗，學生可以親身感受到人工智能技術的潛力和局限性，并培養解決實際問題的能力。為了確保學生能夠真正將人工智能技術應用于自己的實際工作中，人工智能通識課程還應該與實際產業緊密結合，引入真實項目和實際數據，讓學生能夠直接參與和解決實際業務問題。這種實踐性的學習方式將幫助學生更好地理解人工智能技術的應用場景和挑戰，并為他們未來的職業發展奠定堅實的基礎。

2 人工智能通識教育方法探索與實踐

開展以人工智能賦能為核心的通識教育需要積極探索與實踐。目前，人工智能教育最大的難點之一就是入門門檻高，而高職學生的理論基礎相對薄弱，難以理解人工智能背后的眾多理論知識。此外，絕大多數非計算機類專業的學生不具備編程能力，這使得人工智能通識課程往往只能停留在表面的技術介紹，無法達到學以致用的目標。高職院校必須充分認識到這一點，在開展人工智能應用技術的通識教育時，要根據學科特點和學生實際情況設計教學方法與手段，選擇合適的教學工具。

針對社會經濟對于“人工智能+X”賦能的現實需求和趨勢，人工智能通識課程的教學目標是培養學生的人工智能應用技能，并將其應用于各個領域（即“人工智能+X”）。課程需更多地采用與學生相關的案例，并借助可視化理論教學和低代碼實踐開發的手段來保證教學質量。通過引入實際案例和引導學生參與實踐活動，不斷激發學生的學習興趣，并提供一個真實且具有挑戰性的學習環境。

2.1 構建以可視化理論教學為基礎的人工智能應用技術教育方法

在實際的人工智能應用實踐中，對實際問題的分析理解并將實際問題轉化為相應的人工智能模型的能力是至關重要的，同時還需要根據實際問題的特點選擇合適的算法及其參數。在模型的應用過程中，主要是調用現有的人工智能框架，這一過程考驗的是人工智能應用從業者對各種算法的適用性和參數功能的理解，而并非依靠公式記憶。從業者需要對人工智能算法有基本的理解，但一般不需要深入研究。

傳統的教學方式通常從公式出發，以理解算法為目標。然而，高職院校的學生普遍對理論教學不感興趣，甚至有些抵觸，因此課堂理論教學效果并不理想。公式作為理論的精確表達形式固然重要，但對于應用型人才來說，它并不是理解理論最佳的方式。對于高職院校的學生來說，理解算法的目的是為了更好地應用它們，而不是開發新算法或新理論。這說明應用型人才更應該注重應用能力的培養，注重實踐環節的教育。

多項研究顯示，課程以可視化圖形等方式呈現更容易讓學生理解課程內容。Jamal Raiyn等人[7]的研究顯示，采用可視化方法進行教學可以顯著提高學生的學習動力，幫助學生理解教學內容，并提高學生成績。可視化的教學方法，讓學生通過眼睛直觀地“看到”算法，而不是記憶復雜的公式，可以降低人工智能應用的理論門檻。這樣，學生可以將精力從復雜的公式中解放出來，更專注于對基礎理論的直觀理解和實際應用，這將有助于培養基礎扎實的人工智能應用型人才。

通過對微積分、矩陣運算等數學方法的深入剖析，并深入分析這些方法所要解決的理論問題，幫助學生理解這些理論。圖形化展示理論問題，可以避免學生陷入令他們感到困惑的數學公式之中。在實踐教學中，教師可采用理論可視化方法，以基本運算的可視化為基礎，進一步通過模型理念的可視化加深理解，并通過工作流程的可視化來連接實際應用，從而充分發揮理論指導實踐的意義。基于一些基本的可視化方法，例如使用線段長度表示標量大小、使用面積表示平方等，可進一步構建更復雜的可視化方法。

以垃圾郵件過濾任務作為機器學習中分類算法教學的例子，任課教師首先通過圖形化手段幫助學生理解基本的算法原理，并以流程圖或思維導圖形式說明實現過程。學生根據基本原理的圖形化展示，通過閱讀和理解圖形的方式推理出合適的模型參數，并基于基本的圖形化展示設計更復雜的模型結構，更好地實現特征提取和模型訓練等。通過這個案例，學生可以更深入地理解機器學習算法的本質和實現方法，從而更好地掌握相關技能。在此過程中，學生能夠真正看到理論、內化理論和理解理論，并能夠真正運用理論指導實踐。

2.2 構建以低代碼實踐開發為保證的人工智能應用技術教育方法

高職院校的人工智能通識課想要真正達到學以致用的目標，必須在課程中保證充足的實踐環節。編程是一種人工智能應用的實踐方法，卻并不等同于人工智能應用實踐。大多數學生沒有編程基礎，或者基礎十分薄弱，以編程方式入門人工智能應用門檻過高。而傳統的人工智能教育的實踐環節將學生的大部分精力都放在了編程上，往往導致學生在編程之后已經無力深入分析人工智能應用技術本身，更無法集中精力解決人工智能賦能這個更重要的目標。一個人工智能應用型人才在實踐階段要跨過兩個高門檻：編程和人工智能應用技術。這樣的雙高門檻將大量學生，尤其是非計算機類專業學生擋在了人工智能應用技術門外，嚴重限制了人工智能技術的應用。這就導致人工智能通識課或者成為純理論教學的課程，或者成為另一門編程課程，嚴重制約了學生對人工智能應用技術本身的理解。

低代碼開發已成為一種大趨勢，也是人工智能應用開發的一種大趨勢，它具有門檻低、易上手的特點，更適合作為入門人工智能應用的學習工具，且更加適合非計算機類專業學生應用人工智能技術到自己的行業中。使用低代碼人工智能應用開發工具，經過簡單的托、拉、拽操作，即可完成一個人工智能工作流程。以垃圾郵件過濾任務為例，學生首先使用低代碼工具提供的可視化界面快速收集一組垃圾郵件和正常郵件的數據集。然后通過工具提供的數據預處理和特征提取模塊，通過參數選擇的形式進行數據處理。在模型選擇和訓練階段，快速選擇適合的模型，并自動調參和訓練，幫助學生更快速地優化模型。接著，可以通過交互性的界面，快速對訓練好的模型進行評估，并根據評估結果調整模型結構或參數。

可見，使用低代碼工具，可以讓學生更多地關注人工智能的整體流程，并減少對編程的依賴，達到學生易上手的目的，大大縮短應用開發周期。使用低代碼人工智能應用開發工具，將學生的精力集中在了人工智能應用本身，而不是深陷于編程，可以大大提升學生的動手實踐能力。

在課題組成員所承擔的人工智能通識課教學課堂上，學生來自校內各二級學院，絕大多數學生沒有任何編程基礎，但是通過使用低代碼工具，學生可將自身學習或者生活中的數據，構建出自己的人工智能模型，解決實際需求，有效地實現人工智能應用技術的教育目標。基于此類工具，學生就能夠以非編程方式實現人工智能應用，從而賦能各行各業。對于有余力的學生，可以此為基礎進一步學習編程，進而開發更高級的人工智能應用，更好地為社會服務。

2.3 構建以“人工智能+X”為目標的人工智能應用技術教育方法

人工智能技術的真正爆發力源自于“人工智能+X”的巨大驅動力，而這與人工智能應用型人才的數量和質量密切相關。因此，人工智能技術的應用人才不僅僅局限于計算機相關專業，還需要來自各個專業的學生熟悉并掌握人工智能技術的應用方法。高職院校人工智能教育的重點并不是培養人工智能算法層面的創新型人才，而是利用人工智能技術巨大的賦能作用，培養各行各業能夠運用人工智能技術的應用型人才。通過“人工智能+X”的升級改造，農業、制造業、零售業等傳統行業得以變革為智能農業、智能制造業、智能零售業等，從而形成經濟社會發展的新動能。

在課題組的教學活動中，教師不僅使用公開數據，還利用了學校內部與學生相關的數據，以更貼近學生的生活，并讓學生能夠真正使用自己的數據進行分析。與以往使用Python作為工具的通識課程不同，學生不會陷入Python語法中而無法真正應用人工智能。例如，在數據方面，課題組通過學校食堂的歷史數據，使用隨機森林等模型就可以有效地預測食堂未來的銷量，從而減少浪費。文科類專業的學生根據自己專業課中的客戶數據，利用人工智能模型便能更快速準確地分析客戶類型和客戶流失等信息。理工科專業的學生根據機器的運行數據，使用人工智能工作流，可以快速定位機器運行問題，實現及時檢修。

通過使用低代碼人工智能應用開發工具，非計算機專業背景的業務人員能夠迅速解決業務問題，學生也能夠快速上手人工智能應用，將學習重點放在人工智能模型的應用和將行業問題轉化為人工智能建模的能力培養上。低代碼人工智能應用開發工具有助于更好地培養出“人工智能+X”復合型人才，突出人工智能技術的賦能作用。而計算機類專業的學生可以加深對人工智能算法的理解和應用，為進一步深造打下基礎。未來教學過程還需充分發揮低代碼工具的優勢，進一步提升學生探索積極性，采用啟發式教學方法引導學生主動學習。

3 思考與展望

人工智能技術的發展為各行各業帶來了巨大的潛力，但要最大化地發揮此賦能效應，關鍵在于各行各業擁有人工智能技術應用人才。因此，如何培養這樣的人才便成為人工智能教育的核心問題之一。新形式的通識教育，以人工智能賦能為核心，旨在培養所有學生對人工智能的基本理解和應用能力。新形式的人工智能通識教育，采用可視化理論教學和低代碼實踐開發的手段來保證教學質量，可以為社會培養更多急需的人工智能應用型人才。