“TensorFlow應(yīng)用與開發(fā)”課程教學(xué)動(dòng)畫設(shè)計(jì)與應(yīng)用研究

摘要：為響應(yīng)教育部針對(duì)新型工科人才的培養(yǎng)要求，對(duì)人工智能類課程“TensorFlow應(yīng)用與開發(fā)”進(jìn)行了教學(xué)改革。主要以該課程為例，應(yīng)用PowerPoint軟件設(shè)計(jì)開發(fā)符合學(xué)生知識(shí)能力水平的教學(xué)動(dòng)畫資源，并應(yīng)用于課堂教學(xué)實(shí)踐，通過采集相關(guān)教學(xué)數(shù)據(jù)進(jìn)行評(píng)估分析，有針對(duì)性地提出優(yōu)化教學(xué)的對(duì)策建議，從而為其他人工智能類課程的教學(xué)提供參考和借鑒。

關(guān)鍵詞：新工科；TensorFlow應(yīng)用與開發(fā)；教學(xué)動(dòng)畫

一、前言

隨著信息技術(shù)的發(fā)展，人工智能成為新一輪科技和產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力，我國(guó)已將人工智能發(fā)展放在國(guó)家戰(zhàn)略層面，而高校是培養(yǎng)人工智能人才的重要基地[1]。2017年教育部針對(duì)新型工科人才的培養(yǎng)提出了教育改革的號(hào)召。為響應(yīng)新工科對(duì)人才培養(yǎng)的要求，西安工商學(xué)院自2020年起先后開設(shè)了人工智能類的多門課程，如：數(shù)據(jù)分析與挖掘、機(jī)器學(xué)習(xí)、TensorFlow應(yīng)用與開發(fā)等。其中，TensorFlow應(yīng)用與開發(fā)是人工智能方向的一門專業(yè)選修課，課程內(nèi)容包括經(jīng)典機(jī)器學(xué)習(xí)算法（如邏輯回歸、線性回歸等）、主要的神經(jīng)網(wǎng)絡(luò)模型（如BP神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等）[2]，課程的理論性和實(shí)踐性都比較強(qiáng)。從開設(shè)至今，已有上千名學(xué)生選修了該課程。

由于該課程教授的知識(shí)較為前沿，所涉及的原理較為抽象和復(fù)雜，教師往往需要在網(wǎng)絡(luò)上尋找資源來輔助教學(xué)，但這些資源往往是零散的、未經(jīng)設(shè)計(jì)的、無法修改的，不能很好地與課程內(nèi)容以及學(xué)生的認(rèn)知水平相匹配。而專業(yè)的動(dòng)畫軟件往往功能復(fù)雜，對(duì)于沒有相關(guān)背景的教師來說，無法制作出高質(zhì)量的教學(xué)動(dòng)畫資源。因此，教師在授課過程中，特別是在講解抽象的理論知識(shí)時(shí)，常常感到力不從心。對(duì)學(xué)生而言，由于課程內(nèi)容復(fù)雜抽象，教學(xué)方式單調(diào)枯燥，再加上數(shù)學(xué)基礎(chǔ)薄弱、計(jì)算機(jī)應(yīng)用能力不足，很多學(xué)生反映課程較難，聽不懂，學(xué)習(xí)效果不佳，由此也導(dǎo)致上機(jī)實(shí)踐時(shí)問題頻發(fā)。

因此，本文以“TensorFlow應(yīng)用與開發(fā)”課程為例，設(shè)計(jì)開發(fā)符合西安工商學(xué)院學(xué)生知識(shí)能力水平的教學(xué)動(dòng)畫資源，并應(yīng)用于課堂教學(xué)實(shí)踐，通過采集相關(guān)教學(xué)數(shù)據(jù)進(jìn)行評(píng)估分析，有針對(duì)性的提出優(yōu)化教學(xué)的對(duì)策建議，從而為其他人工智能類課程的教學(xué)提供參考和借鑒。

二、教學(xué)動(dòng)畫的內(nèi)涵及作用

戴爾的經(jīng)驗(yàn)之塔理論根據(jù)抽象程度將各種經(jīng)驗(yàn)分為三大類，分別是抽象經(jīng)驗(yàn)、觀察的經(jīng)驗(yàn)和做的經(jīng)驗(yàn)。經(jīng)驗(yàn)之塔模型中最頂層的經(jīng)驗(yàn)是抽象的經(jīng)驗(yàn)、是最不易理解的經(jīng)驗(yàn)，越是往下，經(jīng)驗(yàn)越具體、越容易理解[3]。

教學(xué)動(dòng)畫是一種以動(dòng)畫的形式展現(xiàn)學(xué)科知識(shí)的教學(xué)資源，通過動(dòng)態(tài)的畫面可以將抽象的概念、原理或過程以直觀的方式呈現(xiàn)出來。在“TensorFlow應(yīng)用與開發(fā)”課程教學(xué)中使用動(dòng)畫來輔助教學(xué)，可以使教學(xué)內(nèi)容變得更為具體和直觀，從而幫助學(xué)生更好地理解，使學(xué)生的學(xué)習(xí)變得更加輕松。

三、“TensorFlow應(yīng)用與開發(fā)”課程典型知識(shí)點(diǎn)教學(xué)動(dòng)畫設(shè)計(jì)

（一）學(xué)情分析

設(shè)計(jì)了調(diào)查問卷，對(duì)2022級(jí)30-33班111位學(xué)生，對(duì)個(gè)人情況、學(xué)習(xí)興趣、學(xué)習(xí)習(xí)慣、相關(guān)數(shù)學(xué)知識(shí)的掌握情況、Python編程語言的掌握情況等方面進(jìn)行了問卷調(diào)查。

從問卷結(jié)果可以看出：

第一，學(xué)生的數(shù)學(xué)基礎(chǔ)普遍較差，84%的學(xué)生表示在高等數(shù)學(xué)、線性代數(shù)、概率論等數(shù)學(xué)知識(shí)方面存在不足。對(duì)于人工智能類課程的教學(xué)來說，數(shù)學(xué)基礎(chǔ)薄弱會(huì)影響學(xué)生對(duì)算法原理的理解和掌握。

第二，學(xué)生喜歡視覺化、動(dòng)態(tài)化的教學(xué)資源，53%的學(xué)生表示喜歡“文字+動(dòng)畫”類資源，43%的學(xué)生表示喜歡視頻資源，特別是簡(jiǎn)短的小視頻。91%的學(xué)生對(duì)動(dòng)畫輔助教學(xué)的模式十分感興趣。

第三，學(xué)生的自學(xué)能力不足，73%的學(xué)生表示由于知識(shí)儲(chǔ)備不足，在網(wǎng)絡(luò)上找到的一些資源看不懂，于是逐漸失去了自學(xué)的興趣和信心，知識(shí)的獲取以課堂為主。

（二）典型知識(shí)點(diǎn)教學(xué)動(dòng)畫設(shè)計(jì)

在認(rèn)真梳理“TensorFlow開發(fā)與應(yīng)用”課程內(nèi)容的基礎(chǔ)上，圍繞西安工商學(xué)院學(xué)生的知識(shí)能力水平，選擇了幾個(gè)學(xué)生不易理解的典型知識(shí)點(diǎn)，如梯度下降、邏輯回歸、BP神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等，使用PowerPoint軟件設(shè)計(jì)制作了教學(xué)動(dòng)畫。下面以BP神經(jīng)網(wǎng)絡(luò)為例講解具體的設(shè)計(jì)思路。

1.BP神經(jīng)網(wǎng)絡(luò)的教學(xué)難點(diǎn)

在BP神經(jīng)網(wǎng)絡(luò)的實(shí)際教學(xué)過程中，教師發(fā)現(xiàn)學(xué)生不易理解的知識(shí)點(diǎn)包括：圖片是如何輸入神經(jīng)網(wǎng)絡(luò)的？神經(jīng)網(wǎng)絡(luò)如何識(shí)別圖片？神經(jīng)網(wǎng)絡(luò)中的權(quán)重代表什么？圍繞這些難點(diǎn)，用PPT制作了五頁(yè)教學(xué)動(dòng)畫。

2.設(shè)計(jì)思路

第一頁(yè)動(dòng)畫是為了讓學(xué)生理解圖片中像素的概念。動(dòng)畫中有三張灰度圖，每張圖中有一個(gè)手寫數(shù)字，分別是數(shù)字1、數(shù)字2和數(shù)字3，圖片尺寸均為8×8（單位：像素）。將圖片放大到一定倍數(shù)，就可以清楚地看到一個(gè)一個(gè)的像素點(diǎn)，每張圖片都有64（8×8=64）個(gè)像素點(diǎn)。為了讓學(xué)生能夠更加直觀形象地理解像素的概念，在動(dòng)畫中用一個(gè)8×8的表格來模擬這些手寫數(shù)字圖片，每個(gè)單元格代表一個(gè)像素，每個(gè)單元格中有一個(gè)0～55之間的數(shù)字表示亮度。學(xué)生點(diǎn)擊不同的手寫數(shù)字圖片，就會(huì)發(fā)現(xiàn)由于圖片中的手寫數(shù)字不同，對(duì)應(yīng)到表格中每個(gè)單元格里表示亮度的數(shù)字也不相同。

第二頁(yè)動(dòng)畫是為了讓學(xué)生理解圖片是如何輸入神經(jīng)網(wǎng)絡(luò)模型的。動(dòng)畫中每個(gè)單元格對(duì)應(yīng)神經(jīng)網(wǎng)絡(luò)輸入層中的一個(gè)神經(jīng)元，因此神經(jīng)網(wǎng)絡(luò)的輸入層一共有64個(gè)神經(jīng)元，將單元格中表示亮度的數(shù)字經(jīng)過歸一化處理后輸入其對(duì)應(yīng)的神經(jīng)元，由于每個(gè)單元格中的數(shù)字不同，因此每個(gè)神經(jīng)元的亮度也不同，這樣就激活了輸入層的64個(gè)神經(jīng)元。

第三頁(yè)動(dòng)畫是為了讓學(xué)生理解BP神經(jīng)網(wǎng)絡(luò)識(shí)別圖片的基本原理。動(dòng)畫中輸入層的64個(gè)神經(jīng)元被激活后，每個(gè)神經(jīng)元又把自己的值通過連接線傳遞給后面一層的所有神經(jīng)元，如此不斷傳導(dǎo)下去，直至輸出層的10個(gè)節(jié)點(diǎn)，分別代表0～9這10個(gè)數(shù)字。一般幾分類問題輸出層就設(shè)置為幾個(gè)節(jié)點(diǎn)，而中間隱藏層的層數(shù)和節(jié)點(diǎn)數(shù)可以自由變化。輸出層每個(gè)節(jié)點(diǎn)的值不同，均為0～1之間的一個(gè)數(shù)字，可以理解為每個(gè)類別的概率，概率最高的節(jié)點(diǎn)就是神經(jīng)網(wǎng)絡(luò)最終識(shí)別的結(jié)果。例如，圖3中的神經(jīng)網(wǎng)絡(luò)，其輸出層的10個(gè)節(jié)點(diǎn)中，第2個(gè)節(jié)點(diǎn)的概率值最大，所以神經(jīng)網(wǎng)絡(luò)模型對(duì)該圖片的識(shí)別結(jié)果為數(shù)字1。通過這個(gè)動(dòng)畫，學(xué)生了解到神經(jīng)網(wǎng)絡(luò)可以識(shí)別圖片中的數(shù)字，并且對(duì)BP神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)有了清楚的認(rèn)識(shí)，但神經(jīng)網(wǎng)絡(luò)是如何將亮度值轉(zhuǎn)換為概率的，對(duì)這個(gè)計(jì)算過程學(xué)生仍感到十分困惑。

第四頁(yè)動(dòng)畫是為了讓學(xué)生理解BP神經(jīng)網(wǎng)絡(luò)的計(jì)算過程。神經(jīng)元之間的連線是信息傳輸?shù)耐ǖ溃敲織l通道的寬度是不一樣的，因此每條連接線都有一個(gè)權(quán)重。動(dòng)畫中先用一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)來演示具體的計(jì)算過程。這個(gè)神經(jīng)網(wǎng)絡(luò)的輸入層只有兩個(gè)節(jié)點(diǎn)（節(jié)點(diǎn)1和節(jié)點(diǎn)2），節(jié)點(diǎn)值經(jīng)過歸一化處理后分別為0.37和0.97，中間有一個(gè)隱藏層，隱藏層有兩個(gè)節(jié)點(diǎn)（節(jié)點(diǎn)3和節(jié)點(diǎn)4），輸出層有一個(gè)節(jié)點(diǎn)（節(jié)點(diǎn)5），節(jié)點(diǎn)之間連接線的權(quán)重如圖4所示。輸入層中與節(jié)點(diǎn)3相連接的有兩個(gè)節(jié)點(diǎn)，分別是節(jié)點(diǎn)1和節(jié)點(diǎn)2，連接線權(quán)重分別為-0.7和0.2。所以節(jié)點(diǎn)3的值為節(jié)點(diǎn)1和節(jié)點(diǎn)2的值加權(quán)求和，再通過sigmoid函數(shù)變換，最后計(jì)算等于0.48。通過動(dòng)畫的形式，完成了神經(jīng)網(wǎng)絡(luò)計(jì)算過程這個(gè)知識(shí)點(diǎn)的講授。節(jié)點(diǎn)4和節(jié)點(diǎn)5的計(jì)算過程及結(jié)果在動(dòng)畫中不呈現(xiàn)，由教師布置為課堂練習(xí)任務(wù)，學(xué)生要根據(jù)動(dòng)畫中節(jié)點(diǎn)3的計(jì)算過程，自主思考并手動(dòng)計(jì)算節(jié)點(diǎn)4和節(jié)點(diǎn)5的值，由此可以幫助學(xué)生進(jìn)一步實(shí)現(xiàn)該知識(shí)點(diǎn)的內(nèi)化。

學(xué)生掌握了這個(gè)簡(jiǎn)單的BP神經(jīng)網(wǎng)絡(luò)的計(jì)算過程后，第五頁(yè)動(dòng)畫中再次呈現(xiàn)識(shí)別手寫數(shù)字圖片的神經(jīng)網(wǎng)絡(luò)，并將剛才的計(jì)算過程描述為通用形式，即某層節(jié)點(diǎn)的值（用行向量表示）等于該層的輸入（用行向量表示）右乘該層與輸入層之間的權(quán)重矩陣，每一層節(jié)點(diǎn)的值都可以通過這個(gè)公式進(jìn)行計(jì)算。模型輸出層節(jié)點(diǎn)的值可以解釋為類別概率，因此哪個(gè)節(jié)點(diǎn)的值大，則模型預(yù)測(cè)結(jié)果就為該節(jié)點(diǎn)所代表的類別。例如，當(dāng)輸入圖片為數(shù)字1時(shí)，由于輸出層節(jié)點(diǎn)中第二個(gè)節(jié)點(diǎn)的值最大，因此模型預(yù)測(cè)該圖片為數(shù)字1。通過這個(gè)動(dòng)畫可以幫助學(xué)生進(jìn)一步深化理解BP神經(jīng)網(wǎng)絡(luò)的計(jì)算原理以及模型是如何根據(jù)輸出層節(jié)點(diǎn)的值來識(shí)別圖片中的數(shù)字的。

這五個(gè)動(dòng)畫結(jié)合實(shí)例，分階段地展示了BP神經(jīng)網(wǎng)絡(luò)識(shí)別圖片的基本過程。每個(gè)動(dòng)畫都針對(duì)一個(gè)教學(xué)難點(diǎn)進(jìn)行了詳細(xì)解析，這種直觀形象的方式不僅使得復(fù)雜的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和工作原理變得易于理解，而且也使學(xué)生感受到了BP神經(jīng)網(wǎng)絡(luò)在實(shí)際應(yīng)用中的效果，有助于學(xué)生將理論知識(shí)與實(shí)際應(yīng)用相結(jié)合。此外，動(dòng)畫的生動(dòng)性和直觀性有助于學(xué)生在大腦中形成深刻的印象，從而增強(qiáng)對(duì)BP神經(jīng)網(wǎng)絡(luò)基本原理的長(zhǎng)期記憶，實(shí)現(xiàn)知識(shí)的內(nèi)化和固化。

四、基于動(dòng)畫輔助教學(xué)的課堂實(shí)踐

選擇西安工商學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)2022級(jí)30-33班111人、34-37班111人進(jìn)行教學(xué)效果對(duì)比，前者實(shí)施動(dòng)畫輔助教學(xué)的模式，后者采用傳統(tǒng)的教學(xué)模式。采用“測(cè)驗(yàn)+上機(jī)”的方法檢驗(yàn)“BP神經(jīng)網(wǎng)絡(luò)”這一知識(shí)點(diǎn)的教學(xué)效果。

（一）課堂測(cè)試

選擇BP神經(jīng)網(wǎng)絡(luò)的知識(shí)點(diǎn)制作了一份線上測(cè)試題，共5道題目，每題2分，內(nèi)容涉及BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、原理等。該知識(shí)點(diǎn)授課結(jié)束一周以后，對(duì)兩個(gè)對(duì)照教學(xué)班分別開展了自測(cè)。測(cè)試結(jié)果顯示，30-33班6分以上的同學(xué)占到90%，而34-37班的同學(xué)只占到46%。

（二）上機(jī)實(shí)驗(yàn)

在“用BP神經(jīng)網(wǎng)絡(luò)識(shí)別MNIST手寫字”實(shí)驗(yàn)中按照從易到難，設(shè)置了兩個(gè)層次的實(shí)驗(yàn)?zāi)繕?biāo)。學(xué)生只需完成目標(biāo)1就達(dá)到了基本的實(shí)驗(yàn)要求。目標(biāo)2需要學(xué)生對(duì)課堂所學(xué)知識(shí)內(nèi)化后并靈活運(yùn)用才能實(shí)現(xiàn)[4]。結(jié)果顯示，兩個(gè)教學(xué)班中絕大部分學(xué)生都能夠完成目標(biāo)1的實(shí)驗(yàn)任務(wù)。而目標(biāo)2的實(shí)驗(yàn)任務(wù)，30-33班有69名學(xué)生完成，34-37班只有15名學(xué)生完成。

由此可見，動(dòng)畫輔助的教學(xué)模式有效促進(jìn)了學(xué)生對(duì)知識(shí)更深層次的理解和記憶，實(shí)現(xiàn)了知識(shí)的遷移、內(nèi)化和應(yīng)用。

五、基于動(dòng)畫輔助教學(xué)的對(duì)策和建議

在實(shí)踐中應(yīng)用動(dòng)畫輔助教學(xué)應(yīng)注意以下三個(gè)方面。

一是，動(dòng)畫設(shè)計(jì)要以教學(xué)目標(biāo)為導(dǎo)向。例如，教學(xué)目標(biāo)是要求學(xué)生掌握BP神經(jīng)網(wǎng)絡(luò)的基本原理，那么動(dòng)畫就應(yīng)該清晰地展示這個(gè)原理的運(yùn)作過程，并通過直觀形象的效果來增強(qiáng)學(xué)生的理解和記憶。

二是，動(dòng)畫設(shè)計(jì)要緊貼教學(xué)內(nèi)容。例如，在梯度下降這個(gè)知識(shí)點(diǎn)的教學(xué)中，通過動(dòng)畫可以直觀地展示梯度下降算法從初始點(diǎn)開始，通過不斷迭代更新參數(shù)，逐漸接近最小值點(diǎn)的過程，有助于學(xué)生理解梯度下降的基本思想和工作原理。

三是，做好教學(xué)動(dòng)畫與課堂教學(xué)的整合。授課前，可以先通過動(dòng)畫激發(fā)學(xué)生的興趣，然后提出與動(dòng)畫內(nèi)容相關(guān)的問題，引發(fā)學(xué)生思考。授課中，可以適時(shí)穿插動(dòng)畫，以視覺化的方式補(bǔ)充或強(qiáng)化口頭講解。授課結(jié)束，可以讓學(xué)生反復(fù)觀看動(dòng)畫，幫助學(xué)生更好地回顧和總結(jié)所學(xué)內(nèi)容，完成知識(shí)的內(nèi)化和固化。

參考文獻(xiàn)

[1]楊燾，付冬梅.人工神經(jīng)網(wǎng)絡(luò)課程與深度學(xué)習(xí)融合的混合式教學(xué)改革研究[J].大學(xué)教育，2024（08）：75-79.

[2]高希占，牛四杰.新工科背景下人工神經(jīng)網(wǎng)絡(luò)課程教學(xué)改革[J].計(jì)算機(jī)教育，2023（09）：92-96.

[3]王亭.《透視學(xué)原理》助學(xué)動(dòng)畫的設(shè)計(jì)研究[D].上海：上海師范大學(xué)，2011.

[4]李錚錚，賈金娜，姜彥民，等.基于項(xiàng)目式教學(xué)的程序設(shè)計(jì)類課程翻轉(zhuǎn)課堂教學(xué)案例——以TensorFlow應(yīng)用與開發(fā)課程為例[J].計(jì)算機(jī)教育，2024（02）：100-105.

基金項(xiàng)目：2023年西安工商學(xué)院教學(xué)改革研究課題“新工科背景下TensorFlow應(yīng)用與開發(fā)課程教學(xué)動(dòng)畫設(shè)計(jì)與應(yīng)用研究”（項(xiàng)目編號(hào)：23YJ21）

作者單位：西安工商學(xué)院信息工程學(xué)院

■ 責(zé)任編輯：王穎振 楊惠娟