基于OBE理念的自然語言處理課程教學改革實踐探索

范永全　李顯勇　杜亞軍

關鍵詞：自然語言處理；多元考核；OBE；項目驅動；教學改革

中圖分類號：G642 文獻標識碼：A

文章編號：1009-3044（2024）03-0133-03

0引言

隨著互聯網和社會媒體的快速發展，網絡文本呈爆炸性增長，為自然語言處理提出了巨大的應用需求。同時，自然語言處理研究也為人們更深刻地理解語言的機理和社會的機制提供了一條重要的途徑，社會對具備自然語言處理能力的人才的需求日益迫切。作為人工智能的支撐技術，自然語言處理（NaturalLanguage Processing，NLP） 在機器翻譯、智能客服、信息檢索等領域具有廣泛應用，需要大量具備NLP技術的人才來推動相關領域的發展[1]。目前，很多高校和科研院所都開設了自然語言處理課程，對“自然語言處理”的教學模式進行探討[2-6]，已成為當前高校計算機和人工智能及相關專業教學體系和人才培養工作中的改革重點。

成果導向教育（Outcomes-based Education） 是指基于學習產出的教育模式[7]。OBE理念強調學生取得的成果，提高學生學習的積極性和主動性，把所學知識轉化為實踐能力。本文旨在探索基于OBE理論的自然語言處理課程教學改革的途徑與實踐。通過在現有基礎上，引入基于深度學習技術的項目實踐，制定以團隊授課、多階段、多元化考核的目標驅動的教學模式，使得學生在掌握理論知識的同時，提升學生的實踐能力和創新能力。

1 教學現狀分析

西華大學是四川省屬重點綜合性大學，學院建有“計算機軟件與理論”四川省重點學科和“智能技術與系統”四川省高?？蒲袆撔聢F隊，長期以來開設研究生“自然語言處理”和“社會網絡與計算”課程，培養了不少人工智能方向的高層次人才。隨著社會對智能信息處理人才的需求不斷增長，對自然語言處理課程的教學改革勢在必行。傳統的自然語言處理課程教學存在一些問題，如教學內容滯后、教學方法單一等，需要進行改革與創新。

自然語言處理是計算機科學與技術專業大數據與人工智能方向碩士研究生的學科專業課，主要從計算機科學的角度出發，研究用計算機來理解和生成自然語言的各種理論和方法，屬于人工智能領域的一個重要甚至核心分支。該課程傳統以課程講授為主，這種教學模式存在理論與實踐脫節、教學內容陳舊、教學方法單一等問題。學生往往難以將理論知識應用到實際問題中，導致應用能力不足。具體來說，傳統教學模式存在的主要問題分析如下：

1） 課時分配少，研究內容多、授課難度大。自然語言處理課程涵蓋了緒論，概率統計與信息論基礎、語料庫語言學，形式語言與自動機、語言模型、詞法分析、句法分析、語義分析，以及包括文本分類、信息抽取、情感分析、問答系統、對話系統、閱讀理解等在內的NLP應用，但教學計劃只有32課時，難以深入覆蓋所有研究內容。

2） 學生基礎參差不齊，學習效率低。由于大數據和人工智能的關注熱度，有不少學生是跨專業報考計算機與軟件工程專業，專業基礎和編程能力薄弱，難以在短時間內掌握相關知識。

3） 課程教學與研究實踐脫節。由于導師不參與課程教學和考核，授課教師難以顧及每個學生的具體研究方向，課程大作業與導師方向沒有關聯，導致大作業沒有針對性而同質化。

針對以上問題，筆者為自然語言處理課程引入OBE教學模式，緊緊圍繞“ 以學生為中心、產出導向、持續改進”進行教學設計，建立一套有效的教學方案與考核評價體系。

2 基于OBE 理念的課程教學改革

OBE 教學模式通過培養學生的學習能力、創新能力、團隊協作能力以及分析問題、解決問題的能力來提高教學質量，以培養對社會有用的創新型技能人才。具體來說，通過以下幾個方面進行自然語言處理教學改革。

2.1 傾聽學生需求，關注學生發展

通過調查研究和討論，了解學生對自然語言處理課程的期望和需求。通常，學生對專業方向和未來的就業比較感興趣，在課堂上可以聯系人工智能專業廣闊的發展前景，相對較高的薪資水平，NLP算法工程師平均薪資，以及人工智能專業需要具備的素質和專業技能這些話題進行舉例和討論，激發學生的學習興趣和主動性。

營造積極互動的學習環境和學習氛圍，鼓勵學生之間的合作與交流。通過小組討論、項目實踐等方式，激發學生的創新思維和團隊合作能力。針對學生的興趣和特長，設計靈活多樣的教學內容，采用項目驅動[2，6]進行實踐教學。在課程開始之前，按照當前NLP領域的研究熱點，把選課的學生分成7個小組，每組2-3名同學，協作完成一個自然語言處理的綜合實踐項目。部分項目如下：

1） 序列標注方法研究

2） 實體關系抽取方法研究

3） 推薦系統算法實現

4） 事件抽取方法研究

5） 知識庫問答系統研究6） 知識圖譜構建研究7） 文本情感分析方法研究

2.2 激發學生的學習興趣和主動性，培養學生的實踐能力和創新意識

通過結合具體案例和學生所選的實戰項目，引導學生主動探索獨立思考、查閱資料，提出解決方案，進行課內討論、并由學生獨立實現，其中，優秀方案和成果可以整理成論文發表。通過引入有趣的應用場景和挑戰性的項目，定期檢查項目進度，解決遇到的難點，在學生中形成奮發向上的氛圍，激發學生的學習興趣和動力，培養解決問題的能力。

在教學過程中，采用案例引導進行啟發式教學。比如，在介紹自然語言處理的應用領域時，可以列舉日常生活中的案例，讓學生來回答是什么應用。比如，微信的語音轉換成文字（語音識別、語言模型），公交自動報站（文語轉換）、垃圾郵件篩選（文本過濾）、小學生作業拍照批改（文本識別）、命題作文（文本生成）、產品說明書文字提?。ㄐ畔⒊槿。?、汽車輔助駕駛（語音識別、對話系統）……。通過這些案例的引入，讓學生思考自然語言處理在日常生活中的實際應用，激發學生的學習興趣。

通過實踐項目和案例分析，培養學生的實際應用能力。鼓勵學生自主設計和實現自然語言處理系統，提升他們的創新意識和問題解決能力。

2.3 引入最新的研究成果和技術，及時更新教學內容

在教材方面，選擇中國科學院自動化所宗成慶研究員編寫的《統計自然語言處理》[1]，這本書是國內NLP領域的經典教材，介紹了自然語言處理的基本原理和常見應用，如情感分析、文本生成等。除了學習教材中的經典內容，還應引導學生理解深度學習技術在自然語言處理中的作用和優勢。特別是隨著人工智能模型的發展，預訓練模型、強化學習、對抗訓練網絡、圖神經網絡等前沿算法驅動了一系列新興的NLP 技術。通過引入最新的研究成果和技術進展，介紹先進的模型架構、算法和工具，讓學生了解最新的自然語言處理技術，并引導他們參與相關研究。

隨著以ChatGPT為標志的大模型的問世，開辟了人工智能的發展的新紀元。大型語言模型（LLM） 的出現為NLP的研究帶來新的機遇和挑戰，也產生了值得研究的新方向：

1） 隨著大模型積累的數據不斷增加，呈現出與以往統計學習模型、深度學習模型、預訓練模型不同的特性，從而需要對大模型的基礎理論進行深入研究。

2） 大模型往往包含數以億計的參數，對計算和存儲的成本消耗巨大，如何建設更加高效的分布式計算體系是一個值得研究的問題。

3） 目前預訓練模型已經得到了廣泛應用，但真正使用大模型的研究占比并不高。其原因在于，盡管已經有很多的大模型開源框架，但是對于計算能力薄弱的研究機構來說，如何將大模型高效適配到具體應用場景是亟待解決的問題。

2.4 利用多媒體技術和在線資源，豐富教學方法與手段

結合OBE理念進行教學設計[7]，其教學模式的組織如圖1所示。課前發布教學資源供學生預習，課堂采用師生互動的參與式教學，引導學生參與課堂活動，課后發布在線測驗或課后作業引導學生進行知識鞏固和拓展，并通過微信、QQ群進行線上答疑。在教學資源方面，除了使用教材配套的PPT之外，還向學生引入學堂在線，中國大學慕課等平臺中優秀的網課資源，如西湖大學的“自然語言處理”，北京理工大學的“機器學習”、浙江大學的“知識圖譜”等在線教程。

為了深入地學習某一具體任務，如“知識圖譜問答系統”，可引導學生參照B站相關視頻，通過展示視頻，提供直觀的學習材料和實踐環境，幫助學生更好地理解和應用知識。提供實踐項目和團隊合作任務，讓學生通過實際操作和合作解決自然語言處理問題。培養學生的團隊合作精神和實踐能力，提升他們的綜合素質。

2.5 設計多樣化的評估方式，完善考核體系

針對傳統課程考核方式存在的問題，制定了團隊授課和導師參與的多元化的評估方式，包括文獻綜述、單元測驗、算法實驗報告、項目展示、小組討論等。通過綜合評估學生的理論掌握、實踐能力和團隊合作能力，全面了解他們的學習成果。在西華大學碩士研究生培養方案中，本課程為2學分，32學時。每個章節的學習結束后，按照教學計劃進行單元測驗、算法實驗或大作業，按照每個單元評分比例核算最終成績。課程總成績由三部分構成：即平時成績（20%） 、實踐環節（30%） 和期末考試成績（50%） 。其中，平時成績由課堂表現（50%） 、單元測驗（50%） 構成。課堂表現包括出勤、課堂提問、課堂練習等。實踐環節可以根據章節內容，選擇文獻綜述/算法實驗報告/項目報告的方式，由負責該模塊的教師靈活把握。

如表1所示為課程的教學日歷安排及考核方式設置，課程教學團隊由三位老師承擔，每人負責若干相關的單元，通過多階段、多元化考核和多人參與授課的方式，彌補了期末考試/大作業考核方式中存在的單一考核模式。通過團隊教學+導師參與的方式，引導學生進入自己感興趣的研究領域。利用單元測驗+項目報告的方式，使得學生同時掌握理論原理和算法實現能力。對于編程能力，由于每個學生的入學基礎不同，要求其通過自學的方式鞏固Python編程和機器學習，在完成算法實驗/項目實訓的過程中提高編程能力。

3 教學改革的成效與反饋

通過兩屆研究生自然語言處理課程的教學改革探索實踐，基于OBE理念的教學思路明顯提高了教學質量，課程改革得到了學生普遍的認可。主要體現在：

1） 學生能夠在研一下學期根據項目實訓的大作業為背景，撰寫學術論文。以2022級為例，在11位選修該課程的同學中，有6位有論文投稿，其中1位同學的論文“基于信息集成的意圖識別和槽位填充聯合模型研究”已被《計算機應用研究》錄用。

2） 鼓勵學生團隊在合作完成項目實訓任務的基礎上，積極申請軟件著作權。其中有學生在完成了項目實訓任務后，成功申請了名為《知識圖譜問答信息檢索系統》的軟件著作權。

3） 通過對學生進行問卷調查與座談，有90%的學生認為課程安排及考核體系合理，有助于調動其積極性，有80%的同學認為課程改革有助于申請到頭部企業的實習機會，有40%的同學有意繼續在課程某個方向進行深入研究和論文選題。

4 結論

基于 OBE 教育教學理念自然語言處理課程教學和學習方法，更加符合人們的認識復雜事物的規律。通過改變以往的教學方式，更新教學方法，以學生為中心，設定教學內容和學習目標，結合學習成果多樣化評估模式，激發了學生的學習積極性和主動性。通過以上教學方案和考核措施，基于OBE理念的自然語言處理課程教學改革可以更好地培養具備實踐能力和創新意識的人才，滿足社會對智能信息處理人才的需求。教師在教學過程中要注重學生的主體地位，建立積極互動的學習環境，多樣化評估學生的能力和素質。同時，不斷總結經驗、修正不足，實現教學改革的可持續發展。

【通聯編輯：王力】