案例驅(qū)動與層次化教學模式在機器學習課程教改中的應用研究

摘要：針對新工科背景下農(nóng)林類高校人工智能專業(yè)機器學習課程教學中存在的問題，本文從課程特點和學生認知層次出發(fā)，分析問題根源，并從案例設計和層次化教學入手，對課程教學內(nèi)容、教學方法和考核方式進行了改革探索。在課程設計中，結(jié)合線上線下教學模式，通過課前預習、課中強化、課后檢測以及教賽結(jié)合等環(huán)節(jié)，提升專業(yè)教學效果。實踐結(jié)果表明，該方法有效提升了學生在機器學習實踐應用中的創(chuàng)新能力和動手能力。此外，課程通過思政案例貫穿教學，將思政元素有效融入專業(yè)課程內(nèi)容，實現(xiàn)了專業(yè)課程與思政教學的融合設計，進一步助力新工科人才培養(yǎng)目標的實現(xiàn)。

關(guān)鍵詞：機器學習；案例驅(qū)動；層次化教學；新工科

中圖分類號：G424 文獻標識碼：A

文章編號：1009-3044（2025）04-0161-03 開放科學（資源服務） 標識碼（OSID） ：

0 引言

目前，我國人工智能產(chǎn)業(yè)快速發(fā)展，隨著“智能+”時代的加速到來，對智能信息處理領(lǐng)域應用型人才的需求激增。2017年《新一代人工智能發(fā)展規(guī)劃》指出，人工智能被正式提升為國家戰(zhàn)略[1]。自2022年以來，隨著生成式人工智能的推出，人工智能進入以大模型開發(fā)為主導的發(fā)展階段。科技企業(yè)、新型創(chuàng)新組織等與高校的合作，已成為人工智能創(chuàng)新研究與發(fā)展的主導力量。隨著社會對人工智能人才需求的不斷增加，高校也肩負起了重要的人才培養(yǎng)責任。

機器學習課程作為人工智能專業(yè)的核心課程，其建設對機器學習人才的培養(yǎng)至關(guān)重要。機器學習是一門從數(shù)據(jù)中研究算法的多領(lǐng)域交叉學科，涵蓋計算機、數(shù)學、統(tǒng)計學和最優(yōu)化方法等學科內(nèi)容，廣泛應用于圖像識別、搜索引擎、語音識別、機器翻譯、金融預測等眾多領(lǐng)域。然而，傳統(tǒng)以教師為中心的單一教學模式已無法滿足社會對人才的需求，在課程內(nèi)容和教學方法上仍須進一步改進。因此，探討新的教學模式以提高教學效果，培養(yǎng)符合社會需求的人才，具有重要意義。

“新工科”建設要求高校對接產(chǎn)業(yè)需求，構(gòu)建專業(yè)課程體系，緊跟行業(yè)前沿技術(shù)的變革，改革課程內(nèi)容和教學方法。OBE教育理念[2]強調(diào)以學習成果為導向，明確教學目標，設計相關(guān)教學模式和考核方式，使學生能夠靈活運用機器學習的關(guān)鍵技術(shù)解決實際問題[3]。隨著學科交叉趨勢的發(fā)展，對于農(nóng)林類高校的部分專業(yè)，如人工智能、通信工程、智慧農(nóng)業(yè)等，學生的數(shù)學基礎相對較薄弱，而機器學習課程具有理論原理多、算法復雜度大、實際應用難度高等特點，因此，機器學習課程的建設面臨諸多困難和挑戰(zhàn)。

本文從農(nóng)林類高校非計算機專業(yè)的角度出發(fā)，對機器學習課程教學模式進行了改革與探索研究。通過引入項目案例教學和布魯姆教學目標分類法，本文探索了案例驅(qū)動和層次化教學的改革路徑，旨在為農(nóng)林類高校人工智能專業(yè)課程建設提供參考。

1 機器學習教學中存在的問題

1.1 教學內(nèi)容

隨著機器學習和人工智能的快速發(fā)展，新技術(shù)不斷涌現(xiàn)，教學內(nèi)容的編排面臨挑戰(zhàn)。一方面，希望學生能夠掌握機器學習算法的原理和數(shù)學推導過程；另一方面，又希望學生能夠緊跟人工智能發(fā)展的時代潮流，學習更多新技術(shù)和新知識。然而，由于課程課時有限，難以同時兼顧算法原理和新技術(shù)的學習。尤其是對于數(shù)學基礎較弱的農(nóng)林類本科生，授課內(nèi)容的安排成為一大難題[4-6]。

1.2 教學方式

目前，機器學習課程教學仍主要采用教師課堂授課、學生被動接受知識的方式。學生普遍上課注意力不集中，缺乏學習興趣。此外，機器學習部分算法原理的推導較難理解，僅靠多媒體和課堂講解難以調(diào)動學生的學習熱情。由于課程內(nèi)容煩多、進度較快，學生難以將理論知識與實踐相結(jié)合，這直接影響了動手能力的培養(yǎng)。

面向農(nóng)林類高校，目前機器學習課程教學中存在以下問題：1） 學生數(shù)學基礎薄弱，難以理解機器學習算法的原理；2） 教學內(nèi)容抽象，難以與學生專業(yè)相關(guān)聯(lián)，難以激發(fā)學習興趣；3） 實踐內(nèi)容缺乏層次化，難以滿足不同學生的個性化發(fā)展需求。

針對以上問題，結(jié)合案例教學和層次化教學，可以有效解決原理理解困難、動手能力不足等挑戰(zhàn)。

2 機器學習課程教學設計

根據(jù)布魯姆教育目標[7]：記憶、理解、應用、分析、評價和創(chuàng)新（如圖1所示） ，本課程將機器學習教學內(nèi)容細化為這6個目標，使學生不僅能夠理解和掌握課程的基本要求（記憶、理解和應用） ，還能夠通過運用所學模型綜合設計并解決更復雜的問題，達到課程的更高要求，培養(yǎng)高階思維能力（分析、評價和創(chuàng)新） [4]。在此基礎上，本課程以布魯姆教育目標為依據(jù)，分別針對教學內(nèi)容、教學方法和教學考核設計了記憶理解層、應用分析層、評價層和創(chuàng)新層的相關(guān)內(nèi)容（如圖2 所示） 。

2.1 層次化教學內(nèi)容設計

機器學習課程涉及多個學科交叉內(nèi)容以及編程相關(guān)內(nèi)容，尤其是近年來深度學習已成為機器學習的研究熱點，相關(guān)教材層出不窮。因此，本文在課程教學內(nèi)容上，結(jié)合多本教材，對教材內(nèi)容進行取舍，選取具有代表性并能體現(xiàn)機器學習算法思想的關(guān)鍵模型作為重點講解。教學內(nèi)容主要分為經(jīng)典算法、神經(jīng)網(wǎng)絡和深度學習三個模塊。模塊安排由易到難，符合學生的認知特點。其目的是使學生掌握機器學習的基本算法和理論，對當前研究熱點有深入了解，并逐步掌握算法開發(fā)的步驟與流程。

在實驗教學中，根據(jù)學生知識能力的差異，每次實驗課分為基礎實驗和拓展實驗兩個部分。基礎實驗內(nèi)容為必做內(nèi)容，拓展實驗部分根據(jù)學生能力的不同選做完成。拓展實驗的設計能夠有效提升課堂效率，并針對不同學生掌握程度的差異做到因材施教。

2.2 層次化教學方法設計

傳統(tǒng)的教學方法重視算法原理的推導和講解，但忽略了課堂算法學習的應用環(huán)節(jié)。采用案例驅(qū)動和對比教學法可以有效解決這一矛盾，從認知學習層面提高課堂效率。本文通過課程中支持向量機算法，從記憶理解層、應用分析層、評價層和創(chuàng)新層分析課堂教學方法的具體設計。

1） 記憶理解層。介紹支持向量機的基礎概念，引入生動案例，幫助學生記憶和理解。例如，課前設計問題：如何在桌面上快速有效地分類不同顏色的小球？通過引導學生思考分類方法，引出支持向量機中的對應概念。例如，將待分類的小球稱為data，將棍子稱為classifier，找到最大間隙的技巧稱為optimiza?tion，拍桌子稱為kernelling，紙稱為hyperplane。最終通過分析，明確支持向量機算法的目標是最大化支持向量到分割面的距離。課中講解算法的原理，使學生更容易接受和理解，從而完成記憶理解層所需掌握的內(nèi)容。

2） 應用分析層。通過實際案例（如數(shù)字識別、疾病預測等） 指導學生應用算法并分析流程，進一步引發(fā)學生思考該算法在其他實際場景中的應用可能性。最后總結(jié)可實現(xiàn)的工具包，如Python庫、scikit-learn 和LibSVM。

3） 評價層。要求學生總結(jié)算法的優(yōu)缺點，并與其他算法進行對比，培養(yǎng)其評價能力。該過程使學生掌握模型對比分析和模型選擇的方法。

4） 創(chuàng)新層。設計拓展實驗，鼓勵學生在掌握算法基礎的前提下提高實踐能力和創(chuàng)新能力。

此外，在教學模式上，利用線上線下相結(jié)合的混合式教學模式，將傳統(tǒng)教學模式與學習通智慧學習平臺相結(jié)合。在層次化教學方法中，記憶理解層的課前預習部分在線上學習通平臺完成；應用分析層的相關(guān)內(nèi)容通過線下理論授課和實驗教學完成；評價層和創(chuàng)新層的課后單元知識檢測在線上學習通平臺完成，實驗創(chuàng)新部分在線下完成（如表1所示） 。線上線下的混合式教學充分利用了當前“互聯(lián)網(wǎng)+”的優(yōu)勢，將課堂延伸至課外，從而最大化課程教學時間。

2.3 層次化教學考核設計

教學考核上提高過程化考核比例，不再單一采用考勤和期末成績作為考核結(jié)果。考核采用過程性考核50%和期末測試50%的比例。

過程性考核包括平時和單元檢測成績。平時成績包括課堂表現(xiàn)、作業(yè)、實驗操作等。該考核內(nèi)容屬于學生對課程內(nèi)容記憶理解層的考核。單元檢測包括章節(jié)檢測和大作業(yè)。大作業(yè)設計采用分組完成，每組2～3 名學生，從項目中選取各組項目，并做項目匯報。此過程的實施有效提升了學生的團隊協(xié)作能力和項目執(zhí)行能力。其中，在每次實驗環(huán)節(jié)會根據(jù)各章學習內(nèi)容給學生指定算法模型，并提供部分參考代碼；大作業(yè)中項目接近真實機器學習應用，如Kaggle競賽、阿里天池競賽等項目，這部分不指定使用模型，不提供參考代碼，只給出題目和性能要求，難度提升。通過多形式的考核設計，目的是使學生通過項目實現(xiàn)學會如何進行模型的選擇和對比，引導學生能夠從易到難逐漸深入學習課程內(nèi)容。層次化考核方式如表2所示。

課程結(jié)課后，通過問卷調(diào)查、總結(jié)報告、小組匯報等多種形式與學生進行有效溝通，反思教學設計，評估教學效果。結(jié)合學生的過程考核結(jié)果，形成教學反饋，為進一步調(diào)整教學內(nèi)容、優(yōu)化教學方法提供思路，符合新工科OBE教育理念。

3 課程思政設計

我國傳統(tǒng)的工程教育更注重畢業(yè)生的工程知識和技術(shù)能力，而對溝通、團隊合作等方面的重視相對不足。因此，新工科人才培養(yǎng)更加注重“回歸工程”和“大工程觀”，強調(diào)溝通能力、團隊協(xié)作、社會責任感、工程倫理等內(nèi)容。作為人工智能專業(yè)的核心課程，機器學習課程不僅在專業(yè)課程教學中發(fā)揮著重要作用，幫助學生獲得理論知識、職業(yè)技能和應用能力，還在塑造學生人格、提升精神品質(zhì)和培養(yǎng)科學素養(yǎng)方面具有重要意義[8]。

在課程思政教學融合設計中，每一章均設計了課前預習環(huán)節(jié)，學生通過預習前沿先進技術(shù)，激發(fā)課程學習興趣和項目研究熱情，同時厚植愛國情懷；課程期中前后安排兩次案例設計討論，鼓勵學生質(zhì)疑問題，培養(yǎng)他們勇于探索和開拓創(chuàng)新的工匠精神；結(jié)合專業(yè)的最新研究成果，課后通過實際應用課題與當前國內(nèi)外熱點問題相結(jié)合，提升學生的實踐創(chuàng)新能力和大膽超越意識，培養(yǎng)思想政治素養(yǎng)和正確的價值觀。

因此，通過在專業(yè)課程中融合課程思政元素，將專業(yè)課程與愛國情懷、工匠精神和正確價值觀有機結(jié)合，能夠更好地實現(xiàn)新工科人才培養(yǎng)目標。

4 教賽結(jié)合

積極鼓勵并帶動學生參加競賽和創(chuàng)新項目，如藍橋杯、人工智能大賽和大學生創(chuàng)新創(chuàng)業(yè)項目等。例如，學生依托課程學習內(nèi)容，在授課老師的指導下參與機器學習和人工智能相關(guān)項目。如大學生創(chuàng)新創(chuàng)業(yè)項目“基于深度學習的花卉種類識別系統(tǒng)研究”，該項目由5名學生參與，研究成果已發(fā)表1篇國際學術(shù)會議論文，其中1名學生參加了2023年第八屆圖像、視覺與計算國際會議（ICIVC2023） ，并作了會議報告；再如“高下立判——使用深度學習視覺識別的農(nóng)機抗倒伏收割系統(tǒng)”，該項目獲得山東省大學生創(chuàng)新創(chuàng)業(yè)項目立項，目前已取得1份軟件著作權(quán)。

教賽結(jié)合的實施效果見表3和表4，學生在利用所學知識解決實際科學問題的能力上得到了進一步提升。通過課程實施教賽結(jié)合，將學習內(nèi)容應用于競賽，強化了學生對理論知識的理解，提高了實踐動手能力，拓寬了知識的應用領(lǐng)域，有助于培養(yǎng)學生的創(chuàng)新意識和團隊協(xié)作能力。

5 結(jié)束語

機器學習是一門綜合性較強的專業(yè)課程，在課程授課內(nèi)容和教學方法上需要不斷與時俱進。本課程通過案例驅(qū)動與層次化教學改革，在教學內(nèi)容、教學方法和考核方式上進行了創(chuàng)新。該改革有效滿足了學生的認知需求和創(chuàng)新能力培養(yǎng)，同時進一步引導學生重視溝通能力、團隊協(xié)作和社會責任感的培養(yǎng)。

參考文獻：

[1] 國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》[J].中國信息化，2017（8）：12-13.

[2] 余波.基于成果導向的“機器學習” 課程教學改革[J].工業(yè)和信息化教育，2022（8）：24-28.

[3] 何東彬，祁瑞麗，朱艷紅.基于OBE和競賽的“人工智能導論” 課程改革探索：以工程教育認證為背景[J].無線互聯(lián)科技，2024，21（8）：106-109.

[4] 趙雪峰，施珺.面向本科生機器學習課程的教學探索[J].計算機教育，2021（2）：170-174.

[5] 董理，彭成斌，嚴迪群，等.基于層次化認知模型的本科機器學習課程教學改革[J].計算機教育，2023（5）：91-95.

[6] 李爽，韓銳，李軒涯.基于知識遷移貫通的機器學習課程教學改革[J].計算機教育，2024（5）：53-58.

[7] 布盧姆.教育目標分類學-第一分冊-知識領(lǐng)域[M].羅黎輝，譯.上海：華東師范大學出版社，1986.

[8] 孫平，姜丹，唐非，等.新工科人工智能人才培養(yǎng)的專業(yè)課程思政探究[J].教育教學論壇，2022（23）：153-156.

【通聯(lián)編輯：唐一東】

基金項目：2023 年青島農(nóng)業(yè)大學教學研究項目（XJY20230041）