產教融合背景下的“人工智能”課程的教學改革與實踐

摘 要：本文旨在探討在產教融合和多學科交叉的背景下，人工智能教學改革的實踐與挑戰。本文首先分析了東莞理工學院計算機科學與技術學院“人工智能”課程的現狀，強調了產教融合和多學科交叉對該課程的重要性，指出這種融合能夠為學生提供更廣闊的視野和更實際的技能培養；其次從課程內容更新、教學方法創新、實踐教學強化和師資培訓四個方面詳細介紹了教學改革的策略，并探討了這些策略在提高學生實踐能力和深化產教融合方面的成效。通過這些措施，旨在培養學生的創新思維和解決復雜問題的能力，為未來的職業生涯打下堅實的基礎。

關鍵詞：人工智能；產教融合；人才培養；教學實踐

Abstract：This paper aims to explore the practice and challenges of artificial intelligence teaching reform in the context of industryeducation integration and multidisciplinary crossborder.The article first analyzes the current status of our school's artificial intelligence courses，emphasizes the importance of industryeducation integration and multidisciplinary crossborder to this course，and points out that this integration can provide students with a broader vision and more practical skills training.Then，this article introduces the strategies of teaching reform in detail from four aspects：course content update，teaching method innovation，practical teaching reinforcement and teacher training，and explores the effectiveness of these strategies in improving students' practical ability and deepening industryeducation integration.Through these measures，it aims to cultivate students' innovative thinking and ability to solve complex problems，laying a solid foundation for their future careers.

Keywords：Artificial Intelligence；IndustryEducation Integrations；Talent Cultivation；Teaching Practice

在當今時代，以計算機技術為關鍵支撐的信息技術呈現蓬勃發展之勢，物聯網、大數據、人工智能、移動技術、云計算等前沿領域更是日新月異，它們正全方位重塑人類的生產模式與生活方式，各行業對此類專業人才的需求日益迫切，人才缺口持續擴大。產教融合、協同育人是高校人才培養適應社會飛速發展的必由之路，產教融合的教學理念廣泛地提升了大學生的創新和實踐能力［1］。東莞理工學院以培養社會發展需要的高素質應用型人才為目標，計算機科學與技術專業作為計算機類的老牌專業，也是該校各學科發展的支撐專業，在新工科的發展背景下正面臨著轉型升級的艱難挑戰［2］。因此，在產教融合的大趨勢下，緊密跟隨產業與技術發展的前沿趨勢，持續優化計算機專業人才培養體系，推動其與多學科深度融合，這已成為該院新工科學科建設的關鍵目標之一。

1 人工智能課程現狀

目前，東莞理工學院計算機科學與技術學院結合華為人工智能認證體系［3］開設的具有產教融合特色的人工智能選修課程有“華為認證HCIAAI”和“華為認證HCIPAI”。課程從2021年9月開設以來，經過三年多的努力和建設，隨著人工智能技術的不斷涌現，存在一些問題，主要表現在以下方面。

1.1 課程內容滯后，跨學科能力不足

在“大模型+大數據+大算力”的加持下，人工智能能夠通過自然語言交互完成多種任務，具備了多場景、多用途、跨學科的任務處理能力［4］。人工智能作為一個多學科交叉的領域，需要學生具備跨學科的知識結構和思維能力。在多領域有重要作用，是未來人工智能領域的關鍵基礎設施。然而，現用教材為2020年開發，雖不斷完善，但內容稍顯滯后，缺少當下流行的深度學習大模型等介紹，學生無法系統了解最新技術和工具。

1.2 學生基礎不同，課程評價方式單一

目前東莞理工學院計算機科學與技術學院開設的兩門課程分別為56學時和48學時，修讀課程需要學生具有計算機編程知識（Python/R/C/C++等）和理論基礎。因學生來自不同專業，學習能力、接受能力和學科喜好及掌握程度有差異。現階段課程雖然采用“平時實驗+期末測驗”的評價體系，但期末測驗的比例仍然過高，對平時實踐技能的考核略有不足。

1.3 人才培養方案固化，產教融合不夠深入

學校制訂人才培養方案前期雖進行企業調查，但受專業設置、學時安排、學校基礎設施等限制，且方案沿用4年，與產業需求脫節，學生難以將所學應用于實際工作。校企合作中，學生的實踐操作能力難以滿足崗位需求，企業不愿投入時間和成本培訓，導致產教融合難以深入。

2 課程教學改革方案和實踐

針對當前東莞理工學院計算機科學與技術學院“人工智能”課程存在的問題，本文提出以下教學改革策略，在一定程度上提升了教學質量和學生的學習效果。

2.1 整合課程內容，重構課程結構

首先，緊跟時代熱點，融入思政教育。培養出專業技能扎實的人才固然關鍵，但思想政治理論教育也同等關鍵。因此，在教學過程里秉持嚴謹的科學態度，順著芯片行業的重要性、工匠風骨以及數據來源合法合理這一中心路線，從誠信品質、社會責任、愛國熱忱等各角度把計算機科學和思政教育深度結合，助力學生樹立正確的三觀。另外，課程內應用的華為AI開發框架與ModelArts人工智能算力平臺，也能大幅增強學生對本土企業的自豪感，進一步提升文化自信心。

其次，緊隨學科發展，持續優化教學內容。近年來人工智能領域迅速發展，為幫助學生更好把握相關領域的發展動態，結合最新的人工智能技術發展趨勢引入華為培訓和課程體系等方法來逐步完善和提升學校創新人才培養能力。比如，在2024年9月新一輪的教學中，課程教師加入了大模型發展過程和大模型演進趨勢兩個部分的內容，講述AI的發展歷程從“感知理解世界”到“生成創造世界”的進程［5］，特別是現階段LLAMA、ChatGlM、盤古、文心、星火等大模型百花齊放的局面。

東莞理工學院計算機科學與技術學院開設的“華為認證HCIAAI”和“華為認證HCIPAI”這兩門課程內容上相輔相成，通過HCIAAI課程的學習，學生將了解人工智能發展歷史、華為昇騰AI體系、全棧全場景AI知識、人工智能前沿應用場景，掌握傳統機器學習和深度學習的相關算法，具備利用MindSpore開發框架進行搭建、訓練、部署神經網絡的能力。通過HCIPAI課程的學習，學生將系統地理解并掌握神經網絡基礎、圖像處理理論和應用開發、語音處理理論和應用開發、自然語言處理理論和應用開發以及ModelArts平臺的開發，具備擔任企業業務人工智能領域的售前、售后技術支持、項目管理、圖像、語音及自然語言處理開發工程師等崗位的能力。

2.2 變革傳統課堂，優化教學方法

教學過程中融合課前中后、線上線下及多種教學法，“線上+線下”模式拓展教學時間，化解學時與內容的沖突，滿足不同層次學生的需求，全方位提升學生的綜合素養。

授課前，教師精心梳理資料、設計教法與案例。案例源于教師課題、經典實例及華為大數據平臺，兼具代表性與實用性。在學生學習過程中，以行業典型案例搭建個性化學習場景，學生既能循著自身節奏在模擬實踐中釋放主動性，更能在 “身臨其境” 中深度拆解問題、自由探索多元解決方案。在學生探索知識的過程中，綜合案例教學模式為學生營造了一個人際溝通與協作的教育生態環境，有助于培養學生的團隊協作精神與溝通技巧，教會學生相互溝通、團結協作，在增長專業知識的同時健全學生人格。

2.3 加強實踐教學，深化產教融合

為了激發學生的學習興趣和積極性，積極組織學術講座、科技競賽等活動，拓寬學生的學術視野和科技創新能力。改變以往傳統的考核方式，采用“課堂參與度”+“實驗報告”+“期末考查”的形式。鼓勵學生在獲得學分的同時，積極參與藍橋杯大賽、華為ICT大賽、“大灣區杯”粵港澳AI4S科技競賽、華為認證考試等，將所學專業知識進行整合和運用，提升學生的實踐能力。

同時，為提高創新人才培養能力，并突出ICT融合技術特色，學院積極與企業合作，開發共建課程，每學期會有2～4學時邀請企業講師授課，安排相應的實踐項目，例如，學生通過華為AI Gallery等開發者社區和平臺上的項目練習和比賽挑戰，獲得一些知名大廠的實習就業機會。

2.4 師資隊伍建設，提升教師專業素養

學校多次組織教師參加全國高校計算機類課程能力提升高級研修班、華為ICT學院師資培訓班等活動，提高教師的專業知識水平和教育教學能力。同時，學校還可資助教師踴躍投身科研項目及學術研討活動，借此拓寬教師學術眼界與科研素養。此外，學校還可以建立教師激勵機制和評價體系，激發教師的積極性和創造力，推動教學改革不斷向前發展。

3 課程教學改革效果

通過教學改革實踐的實施，本課程的教學質量得到了顯著提升，具體有以下幾個方面。

（1）選課人數和評教數據均得到提高：選課人數逐年提升，由原來的1個教學班（80人一班）提升到3個教學班。評教分數提升至95.34分，排名前5（共111人）。

（2）學生的學習興趣和積極性得到提高：創新的教學方法和手段激發了學生的學習興趣和積極性。學生在課堂上積極參與討論，課后也能夠主動查閱資料和學習相關知識。這種積極主動的學習態度為學生的未來學習和職業發展奠定了良好基礎。同時，多元化的評價方式讓學生能夠發揮所長，通過參加比賽獲得成果既可作為課程的“加分項”，又可鍛煉動手能力。

（3）學生的實踐能力顯著提高：通過系統化的實踐教學項目訓練，學生不僅掌握了扎實的專業技能，更在解決實際問題方面展現出突出能力。在

人工智能應用領域，學生已能熟練完成包括房價預測、圖像分類、語音識別、情感分析、機器翻譯等在內的多個典型實踐項目，并具備獨立設計算法、優化模型的能力。這種實踐能力的提升在各類學科競賽中得到充分驗證，學生在課程學習中積累的實踐經驗，助力他們在華為 ICT 大賽、藍橋杯大賽等高水平賽事中屢創佳績，多次斬獲省級、國家級獎項。與此同時，計算機科學與技術學院憑借在實踐教學領域的突出成果，2022年和2023年連續兩年被評為 “優秀 ICT 學院”，先后兩位主講教師也因在實踐教學中的卓越表現榮獲 “華為 ICT 優秀教師” 稱號，形成了教學相長的良性循環。

此外，學生在參加華為人工智能工程師（HCIAAI）以及高級人工智能工程師的認證考試（HCIPAI）的通過率也較以往有很大提升，特別是難度較高的HCIPAI的認證考試，通過率從原來的45%提升至75%，這遠高于該認證考試的官方通過率。這種多元化的模式將所學專業知識進行整合和運用，提升學生的實踐能力，不斷深化復合型技術技能人才培養。

結論

在產教融合和多學科交叉背景下，人工智能教學改革具有重要意義。作為學校重點發展的學科，計算機科學與技術學院現下采用“低年級厚基礎深化學科能力，高年級重技術強化產業應用”的人才培養思路。為進一步深化產教融合，東莞理工學院計算機學院在與華為簽署產學研戰略合作協議框架下開辦了產業學院，通過合作共建實驗室，將華為技術及服務的領先優勢與東莞理工學院本地化創新應用型人才培養的優勢相結合，助推學校創新發展，堅持知行合一、立德樹人，著力培養適應產業發展需要的高素質應用型創新人才。

借助校企協作、交叉學科課程設計、以賽促教等一系列舉措，能夠有效提升學生的實踐動手能力、創新思維能力和多學科協同合作能力，為社會輸送更多高素質的人工智能專業人才。以企業應用需求為目標，學生為本，使學生在快樂中學習，突出實踐，以實驗項目為驅動，增加學生的過程性體驗，力爭建成高質量、可共享、具有示范價值的課程體系。產教融合是推動計算機類專業人才培養質效提升，打造符合市場需求的高技能人才的關鍵路徑。未來，我們將繼續深化產教融合，探索更多有效的教學模式，以適應人工智能技術的發展和社會的需求。

參考文獻：

［1］王洋.產教融合協同育人質量評價體系的研究［J］.黑龍江教育（高教研究與評估），2024（11）：4548.

［2］吳巖.勇立潮頭，賦能未來：以新工科建設領跑高等教育變革［J］.高等工程教育研究，2020（02）：15.

［3］華為技術有限公司.人工智能技術［M］.北京：人民郵電出版社，2021：178179.

［4］中國人工智能學會.中國人工智能系列白皮書：大模型技術（2023版）［EB/OL］.（20231018）.https：//new.caai.cn/index.php？s=/home/article/detail/id/3172.html.

［5］ZHU Shiqiang，YU Ting，Tao Xu，et al.Intelligent Computing：The Latest Advances，Challenges，and Future［J］.Intell Comput，2023（2）：0006.

基金項目：2022年度東莞理工學院質量工程項目“產教融合和多學科交叉背景下人工智能的教學改革與實踐”（202202013）；2022年度廣東省本科高校教學質量與教學改革工程項目“以學生為中心的《離散數學》課程教學改革與實踐”；2022年廣東省研究生教育創新計劃項目“《人工智能》高水平課程及教材建設”（2022SFKC080）

作者簡介：李青青（1991— ），女，河南平輿縣人，博士研究生，特聘副教授，研究方向：人工智能及生物統計；張宇輝（1990— ），男，廣東梅州人，博士研究生，特聘副教授，研究方向：群體智能與進化計算。

*通信作者：潘曉衡（1983— ），男，湖南衡陽人，碩士研究生，高級工程師，研究方向：云計算及人工智能。