人工智能背景下模式識別課程的教學實踐與改革

劉國利　何啟健

摘 要：隨著人工智能的快速發展，模式識別課程成為電子信息類專業的一門專業核心課。基于模式識別課程多學科知識融合、算法復雜抽象等特點，針對高職院校應用型人才培養目標，本文總結模式識別課程傳統教學中存在的問題，以柳州鐵道職業技術學院為例，從教學內容、教學方法和課程評價體系等方面進行了改革，取得了較好的教學效果，以滿足高職院校不同知識背景，不同需求的學生，使其在人工智能領域發揮最大作用。

關鍵詞：模式識別 教學改革 應用型人才

1 引言

近年來，隨著人工智能的快速發展，社會各行各業對人工智能技術和人才的需求不斷增長。2017年7月8日，國務院印發《新一代人工智能發展規劃》的通知，明確規定人工智能的三步走措施，將人工智能發展提升到國家戰略層面。2020年教育部新增高職院校人工智能專業，促進了人工智能應用型人才的加速培養。

在該背景下，模式識別作為人工智能的一個重要研究方向，也有了強勁的生存和發展空間。模式識別主要解決人工智能的感知問題，在圖像識別、語音識別、無人駕駛、心跳異位搏動識別等行業領域有廣泛應用。

本文以高職院校應用型人才培養目標為切入點，以模式識別課程的實踐教學為基礎，分析高職院校該課程教學現狀及存在的問題，調整教學內容，優化教學方法，激發學生的學習興趣，培養學生的動手操作能力，提升學生的專業技能。

2 模式識別課程傳統教學中存在的問題

2.1 教學內容老舊

在網絡搜索已出版的模式識別教材，發現適用于高職院校應用型的教材較少，教學內容多是當下已經非常成熟的技術方法，如聚類分析、線性/非線性判別分析，模糊模式識別等，缺少對新技術、新方法的引入，如語音識別、圖像分類。因此，教師在教學過程中必須引入當下最新的模式識別技術成果，以適應時代發展的最新趨勢。

2.2 重理論，輕實踐

傳統模式識別課程理論教學內容的時長在整個授課進度計劃中的占比較大，“PPT+講解”占多數，忽略了實踐教學內容的重要性，與高職院校應用型人才培養目標不符，導致學生對課程的學習興趣大幅降低，未幫助學生掌握相對應的職業技能。

2.3 被動式教學

傳統教學方法下，知識是由教師“灌輸”給學生的，學生只是被動的接受。這種以“教師”為中心的課堂最終取得的教學效果微乎其微。不管何種教育，學生都是是教育的主體，也是教育的主人。因此，課堂教學要順應時代發展的潮流，實現從“以教師為中心”到“以學生為中心”的轉變，為學生提供更為合理、舒適的教育環境。

2.4 單一的評價體系

閉卷考試+平時作業成績是大多數課程選擇的考核方式，在教學過程中發現，這種單一的課程評價體系雖然可以考核學生是否已掌握主要知識，但無法適用于不同基礎層次的高職學生，學生無較大的學習動力與積極性。因此，優化課程評價體系，在其中加入學生的課堂表現、動手操作能力、創新能力，能夠有效提高教學效果。

3 模式識別課程教學改革思路

因此在模式識別課程中采取如下思路進行改革：①研究課程教學內容，保留經典知識內容，引入前沿科技；②豐富教學方法與手段，提高教學效果；③注重學生創新、操作能力的提升。

通過以上教學改革思路，使得模式識別課程的教學緊跟人工智能行業的發展需求，讓學生的職業素養與企業要求相匹配，最終實現綜合能力的提升。

4 模式識別課程教學改革具體措施

4.1 教學內容改革

1）調整“基礎性”與“前沿性”知識比例，緊跟科技發展熱點。

傳統模式識別課程在教學內容上普遍以已經成熟的原理和方法為主，缺少對新技術、新方法的引入。特別對于“00后”來說，網絡、科技更新已經是非常普遍的事情。因此在教學過程中調整了教學內容，將6類“前沿性”知識以項目實例的方式引入在教學內容中，擴大以應用為主導的教學內容在整個課程體系中的占比，讓學生能夠加深對新技術、新知識的理解。6類“前沿性”內容分別是：①文字識別；②語音識別；③圖像識別；④時間序列預測；⑤人臉識別；⑥生物特征識別。

例如，在講授卷積神經網絡模塊時，從學生身邊的實例—校園人臉識別門禁入手，淡化學生對卷積神經網絡的陌生感，使新知識、新技術變為學生身邊的“常態”，促進知識的理解與掌握。

部分新技術在現有教材中尚未出現，解決方法是引入國際前沿論文與網絡講座，通過課前將資料提供給學生，課中一起討論研究，課后進行總結歸納的方式，讓學生感受模式識別的“國際范”，培養學生的創新能力，提高學生學習態度與競爭意識。

2）優化實踐環節，適當提高體驗式實驗比例。

通過調研，發現修讀模式識別課程學生的基礎、需求各不相同，增加了教學難度。因此在實踐教學環節過程中，選擇盡量貼近實際應用需求與可操作性的實驗內容，避免學生出現“不懂、不會”的挫敗感。在課程初期，降低實驗難度，簡化代碼難度，通過體驗式實驗，讓學生感受模式識別的魅力，降低學生對模式識別課程的排斥和畏難情緒。課程后期逐漸增加實驗難度，在教師提供代碼的基礎上，基于工作任務完成個性化操作。

如在語音識別實驗環節中，教師以手機中的語音助手“小愛，給我來首歌”為例，發布語音轉文字實驗任務，提供網絡實驗平臺，學生只需按照任務要求錄制一段語音，使其能夠在語音轉文字實驗平臺成功轉為文字。將這種體驗式實驗放在教學前期，能夠大幅降低學生對新知識的陌生與排斥感，從而達到有效教學的目的。

3）融入思政元素，培養學生的工匠精神。

目前模式識別等人工智能類課程主要以程序設計、開發等應用型方向為人才培養目標，時間久了會讓學生產生枯燥感，喪失學習動力。因此，教師在講授專業知識的基礎上，通過情景導入、故事引入、主體結合、內容融合、教師總結、學生感想等方法，將課程思政融入到日常教學中。例如，在模式識別開學第一課中，首先展示國務院關于印發新一代人工智能發展規劃的通知，分析人工智能人才需求缺口很大，供給不足的現狀，學生有了“被需要”的感覺，對知識的獲得需求會大幅提升。在聚類算法中，通過“人以群分、物以類聚”、“近朱者赤近墨者黑”等經典哲學道理，在教會學生知識的同時，也教導“以誠為本，以信為天”的道理。

將課程思政元素貫穿到課程的各個內容、環節中，在智慧職教平臺展現經典思政案例，避免了學生對學習內容的厭倦，讓學生感受到積極向上的育人元素。引導學生的學習態度、職業道德、社會主義核心價值觀等向好的方向不斷發展，最終做到既育人又育智的核心目標。

4.2 教學方法改革

1）項目教學法與任務驅動式教學法相結合。

改變傳統按照章節順序進行教學的方式，轉變為師生共同完成多個具有企業實際應用的項目，項目的操作時間，按照其難易程度，可在4-24課時內完成。每個項目又細化為多個任務，每個任務一般1-2課時內便可完成。具體實施過程中，按照下列教學階段實施項目教學法：

確定項目完成目標→制定項目計劃→實施計劃→學生自查結果→師生共同討論→優秀作品展示。

其中，實施計劃階段可按照項目任務進一步劃分為下列環節：

① 任務情境展示：展示實際工作任務，讓學生的學習能夠“聲臨其境”。

② 確定任務目標：在實際任務情境下，讓學生帶著目標去解決實際問題。

③ 小組協作完成：通過小組之間的討論、交流，對問題進行解決和不斷完善。

④ 效果評價：讓學生展示不同思路的解決方案、及在操作中遇到問題、分析問題的過程，加深學生對所學知識的掌握，促進學生邏輯思維能力和職業技能的提升。

例如，表1為模式識別課程中的“項目三：圖像檢測：我知道現在有多少人”的項目模塊與子任務設計。

2）趣味性/實例性教學設計。

學生是教育的主體，也是教育的主人。對于高職學生而言，超過十分鐘的純理論知識講授會相對枯燥，特別對于模式識別課程中數學知識較多的，學生更容易出現注意力下降、瞌睡打盹等現象。故在教學過程中要充分調動學生的聽覺、視覺，通過幽默的語言、形象生動的比喻等趣味性教學設計，如通過“直觀實例介紹-知識轉化”攻克重難點知識，在輕松的課堂氛圍中完成學習知識的目標。

例如，在搭建卷積神經網絡實現手寫數字識別這一教學任務中，需要結合卷積神經網絡去訓練大量手寫數字圖像的樣本，這一過程較為抽象，在教學中結合Anaconda編程環境進行實例性教學。首先在Anaconda編程環境下向學生展示教師本人手寫數字圖像的識別結果，提升學生的學習與操作興趣。接著收集學生“0-9”的手寫圖像，在訓練好的卷積神經網絡中進行測試，對比實驗結果，激起學生的學習熱情與競爭心態，提高學習效果。

再如，在講授模糊模式識別這一方法時，單純的算法原理、公式推導極其枯燥，因此加入形象生動的趣味性教學設計，加深學生對算法的理解。具體操作為：

① 以著名的問題之一-禿頭悖論為切入點，讓學生對問題（如何用精確數學方法判斷“禿頭”）展開討論與思考：

出現兩種情況：

a. 承認精確方法：判定為不禿。可得出結論：有n根頭發的是禿頭，有n+1根頭發的不是禿頭。

b. 承認生活常識：認為僅一根頭發之差不會改變禿與不禿的結果，即有n+1根頭發者也應是禿頭。那么采用傳統的邏輯推理，會得到命題：頭發為n根者為禿頭，頭發為n+1根者為禿頭，頭發為n+2根者為禿頭，……頭發為n+k根者為禿頭。最終結論是頭發很多者為禿頭/沒有頭發者不是禿頭。

② 天氣預報中的模式識別引入：

什么叫陰？晴？萬里無云便是晴天？云多到什么程度就是多云、陰天？

通過以上兩個趣味性教學環節，讓學生明確有些事物可以依據某種精確的標準對它們進行界線明確的認識，而有些事物根本無法找出精確的分類標準，例如 “禿頭悖論”中的頭發根數的界線n，實際是不存在的。從而讓學生從形象、生動的實例描述中加深對知識點的理解與掌握。

此外，在學生完成項目/任務的過程中，教師主要任務是要引導學生積極思考，在學生不能順利完成當前任務時，教師可以采取不同的方式進行干預，如讓學生核查是否完全理解當前任務，是否漏掉實驗步驟，向學生演示任務的操作步驟、解決思路等，以鼓勵學生繼續完成任務。

4.3 豐富課程評價體系

1）豐富學生考核體系，提高學生學習質量。

閉卷考試是大多數課程選擇的考核方式，在教學過程中發現，這種單一的課程評價體系無法應用于不同基礎層次的高職學生。因此，采用學習過程考核（60%）+學習結果考核（40%）的方式評定學生最終成績。其中，學習過程考核包括課堂表現10%+實驗操作30%+作業完成情況20%，學習結果考核為課程期末考試。

其中，由于學生的知識背景不同，故將實驗環節劃分為個人實驗和小組實驗進行。在個人實驗環節以體驗式實驗為主，重點考核該生對實驗任務的理解程度，實驗所用方法及實驗結果。在小組實驗環節，對學生組內協作情況、每位小組成員對小組實驗的貢獻度進行考核。

教學實踐表明，注重學生在學習該門課程的過程表現，可以最大程度發揮該學生的個人綜合能力。通過這種多元化的課程評價體系，極大促進了學生對模式識別課程的學習興趣和主動學習的積極性。

2）引入學生評教體系，促進教師教學改進。

除了教師考核學生以外，我們加入了學生對教師的教學評價。每周教學內容結束后，學生從課程內容、教學方法、教師態度等方面對教師進行評價，督促教師不斷改進。例如：教學內容是否合適，教學節奏是否適當；課堂是否對學生有吸引力，不枯燥；通過學習是否能夠鍛煉學生的綜合能力；學生評教真正是將“以學生為中心”落到實處的措施，在改變傳統教學理念的同時，讓教師和學生能夠共同督促、共同成長，最終達到教學改革的最佳效果。

5 小結

隨著人工智能的快速發展，模式識別在各個領域都得到了廣泛的應用，如圖像識別、無人駕駛、機器人、面都識別等。本文針對模式識別課程在高職院校教學過程中出現的問題，從教學內容、教學方法及課程評價體系等角度入手，提出了一系列改革措施，并將其應用到教學過程中不斷改進。通過實踐表明，調整教學內容和教學方法后，學生對該課程的積極性有了顯著提升，同時，“考學生、評教師”的模式讓學生和教師能夠相互促進、相互成就。之后，教師將在此改革措施上進一步優化和完善適用于高職學生的教學內容和教學方法，提高教學效果，激起學生的學習興趣，培養“愛國、敬業、誠信、友善”的高素質、高技能人才，為學生的升學、就業打下堅實的基礎。

基金項目：2021 年度柳州鐵道職業技術學院校級教改項目“以人工智能背景為導向的模式識別課程的教學與改革”（項目編號：2021-JGC03）；2022 年度柳州鐵道職業技術學院教改項目“混合式教學模式下的《鐵路調車工作》課程數字化資源建設”（2022-JGB01）；2022 年度柳州鐵道職業技術學院課程思政示范課項目（2022-KCSZ18）：《鐵路調車工作》。

參考文獻：

[1]國務院關于印發新一代人工智能發展規劃的通知[J].中華人民共和國國務院公報，2017，No.1597（22）：7-21.

[2]蔣小玲，周新云.人工智能背景下的高職公共英語教學改革與實踐研究[J].湖北開放職業學院學報，2023，36（02）：186-188.

[3]王晗，施佺.面向創新思維能力培養的“模式識別”教學改革[J].教育教學論壇，2021，No.545（46）：77-80.

[4]王月梅.高職生源多元化計算機課程教學改革研究[J].現代職業教育，2022，No.301（23）：28-30.

[5]何強.以計算機實踐能力培養為目標的大學計算機課程教學改革研究[J].電腦知識與技術，2021，17（18）：119-120+125.DOI：10.14004/j.cnki.ckt.2021.1686.