基于課程思政的神經網絡教學改革研究

摘要：研究旨在優化人工智能專業的課程建設，探索課程思政在教學改革中的作用，以專業核心課神經網絡為例，文章闡述了課程思政在課程設計和課程實施中的指導意義，挖掘了技術自信、家國情懷、創新精神、職業素養等課程思政要素，并將其融入整個教學活動過程，通過反饋評估了具體實施效果。

關鍵詞：神經網絡；人工智能；課程思政

中圖分類號：TP18" " " 文獻標識碼：A

文章編號：1009-3044（2025）24-0141-03

開放科學（資源服務） 標識碼（OSID）

0 引言

神經網絡課程是人工智能專業本科二年級學生的重要必修核心課程，是幫助學生理解人工智能，尤其是深度學習、強化學習等內容的基礎，對學生設計與實現復雜神經網絡框架至關重要，也是引導學生理解人工智能價值與意義的啟蒙課程。

該課程涵蓋課堂講授和實驗兩個部分，二者相輔相成、互為補充，以先修課程Python、C++等為基礎，圍繞神經元、激活函數、前向傳播、反向傳播、梯度計算等內容循序漸進，幫助學生理解神經網絡最基本的單元，引導學生將理論應用于實踐，實現簡單的神經網絡框架，為后續學習其他專業課程奠定基礎。

當前，人工智能技術呈“井噴式”發展，幾乎融入到各行各業，但對于非專業學生而言，神經網絡模型如同一個“黑盒子”，知其然而不知其所以然。“神經網絡”課程正是幫助學生理解這一“黑盒子”的關鍵課程，旨在培養學生實現神經網絡模型的能力，也是教師充分挖掘課程思政資源的有效載體。

將智能算法與思想政治教育深度融合[1]，在潛移默化中影響學生的思想觀念[2]，塑造學生積極、全面的人格[3]，引導學生在知識學習和能力培養過程中樹立工匠精神、獲得技術自信、培養職業素養等，提升學生對人工智能發展的認知能力[4]，培養高層次創新型人工智能人才[5]。因此，須借助課堂講授和實驗中的諸多思政要素，完成“神經網絡”課程的教學改革，以實現立德樹人的根本任務。

1 課程設計

1.1 設計原則

學生在學習了Python、C++等先修課程后，具備了經典的計算機邏輯思維能力，但其人工智能思維能力仍有待培養。因此，結合課程思政要素，本課程設計遵循以下原則。

1） 相輔相成原則。課程包含課堂講授和實驗實現兩部分，在理論講授的基礎上，設計相應的實驗內容，進而講授后續的理論知識，二者相輔相成，以有效遞進與高度銜接的方式完成課程內容。借助中國古代哲學中的太極思想，將課堂講授與實驗實現視為兩種狀態，在知識變化中保持平衡，培養學生理論與實踐互為輔助的思維習慣。

2） 技術追蹤原則。人工智能技術日新月異，尤其是在大語言模型成功實現之后，其商業化應用也日益增多。以文本生成視頻為例，僅在2023年就有英偉達、微軟亞洲研究院、Runway等團隊發布的多個模型。學生作為年輕群體，對新事物的接受能力較強，會在日常學習和生活中使用最新的工具，如使用以ChatGPT為代表的多種大語言模型來查找資料與輔助報告撰寫等。因此，在整個課程教學活動中，應關注不斷涌現的新技術、新工具、新模型等，將背后的核心技術點融入課堂，并引導學生合理、有效地使用多種工具。同時，以國內的Kimi、豆包等模型為例，培養學生對中國技術的自信。

3） 激發創新原則。人工智能技術的實現對計算資源的需求較大，尤其是在當前的端到端大模型時代。以英偉達為代表的系列高端芯片受美國半導體出口管制的約束，若沿用當前計算資源堆砌的思路，將在一定程度上制約我國的人工智能技術發展。因此，在整個課堂講授過程中，應著重關注神經網絡實現的基本單元，鼓勵學生利用已掌握的Python、C++等知識，聚焦于降低計算資源的使用開銷，激發學生的創新能力，培養其職業素養和使命感。

4） 實踐應用原則。人工智能技術區別于傳統技術的關鍵在于，同一種模型通過不同的參數設置，能夠應用于不同的實際場景。例如，計算機視覺領域的目標識別技術，既能夠識別公共場所的人、車輛等，也能夠識別農業領域的植物與雜草。因此，在整個實驗實現過程中，應鼓勵學生關注日常場景，特別是那些可運用神經網絡模型加以改善的場景，在模型修改與參數調整的過程中解決實際問題，培養學生解決問題時精益求精的新時代工匠精神。

1.2 具體案例

由于課堂講授和實驗實現的側重點不同，前者側重基礎知識與最新技術的講解，后者則注重通過編寫神經網絡代碼將理論轉化為實踐能力。因此，本課程以不同的側重點設計教學案例，借助課程思政要素，完成教學改革。這些教學案例與課程內容、社會發展、熱點事件、民族自信、民族復興等緊密關聯，從學生熟悉的事件切入，能使其產生切身的感受和思考，有助于實現立德樹人的根本任務。本節分別從兩個具體的教學案例入手，闡述課程思政要素在課程設計中的主導作用，以及如何將其與課程內容有機融合，以實現切實可行的教學案例設計。

1.2.1 課堂講授之深度學習框架

1） 教學案例。深度學習框架是實現復雜神經網絡的基礎，如同現代交通工具中的高鐵、飛機，借助這些工具能夠快速到達目的地，而深度學習框架正是快速實現神經網絡模型的工具。目前，常用的深度學習框架有國外的PyTorch、TensorFlow，以及國內百度的飛槳（PaddlePaddle） 和華為的MindSpore等。因此，在課程設計中，除了講解各種深度學習框架的特點之外，還應著重對比不同框架的優缺點，強調國內框架在功能上已能與國外主流框架媲美。此外，還須重點說明國內框架對國產自主研發的多種處理器的原生支持，如MindSpore對華為昇騰（Ascend） AI處理器以及飛槳對昆侖芯、海光、燧原等國產處理器的支持，以展現中國科技企業的技術實力。同時，通過在線瀏覽的方式，展示飛槳和MindSpore等框架豐富的學習資源，如安裝文檔、視頻教程、社區論壇等內容，引導學生參與國產深度學習框架的生態系統建設，并提交自己編寫的代碼。

2） 思政要素。技術自信，即中國科技企業的技術實力能夠與國外科技巨頭相媲美，且在支持國產處理器方面具有獨特優勢，從而培養學生對中國技術的自信心和自豪感；家國情懷，即盡管中國科技企業的實力不弱于國外企業，但目前常用的計算資源大部分依然來自英偉達，尤其是學生能夠接觸到的筆記本電腦系列，這主要是由于英偉達的軟件生態系統建設起步較早，代碼的迭代和實現較為容易，因此須讓學生意識到參與國產生態系統建設的必要性和緊迫性，鼓勵其為中國技術貢獻自己的力量；創新精神，即當前大模型依賴計算資源堆砌的思路，對以學生為主的興趣小組而言存在一定挑戰，這會在一定程度上影響學生實現新模型的熱情，因此須引導學生轉變解決問題的思路，從深度學習框架著手，聚焦于降低計算資源的使用開銷，培養學生另辟蹊徑的創新能力；職業素養，即通過對不同深度學習框架的講解，使學生深度參與代碼編寫，實現不同的神經網絡模型，提升解決問題的能力，同時鼓勵學生參與神經網絡算子的實現，提高作為人工智能專業學生的職業能力；法治意識，即雖然深度學習框架是開源的，但不同框架的使用協議會有區別，因此學生在編寫代碼時，應仔細閱讀并遵守框架協議，同時在使用他人在GitHub等平臺發布的開放代碼時，也應遵守發布者所設定的協議。

1.2.2 實驗實現之神經網絡模型

1） 教學案例。實驗實現與課堂講授內容密切相關，因此，一個簡單但完整的神經網絡模型將被拆分為一系列由易到難、層次遞進且緊扣課程內容的實驗，并在最后的實驗中實現最終的神經網絡。以最終的神經網絡模型實現為例，該過程涉及不同損失函數的選擇和實驗結果準確度的比較，以及不同梯度下降方法的選擇和實驗時間開銷的比較。須引導學生除了可以選擇課堂講授的損失函數外，還可以自行查找資料，選擇與模型相適配的損失函數，并確定參數更新的方法。同時，引導學生通過對實驗結果準確度和實驗時間開銷等多個維度的對比，分析不同損失函數和梯度下降方法的優劣。

2） 思政要素。技術自信，即通過代碼和自選數據集最終實現神經網絡模型，并驗證其功能，從而培養學生解決問題的信心及對自身技術的自信，激發其對專業課程進一步學習的積極性和好奇心；家國情懷，即通過損失函數和梯度下降方法的選擇，以及對實驗準確度和時間開銷的多維度對比，培養學生對提升自身能力的認同感，強化其為中國科技事業貢獻力量的自豪感；創新精神，即學生在實驗過程中，能夠發現不同的損失函數與梯度下降方法對參數調優的影響不同，從而促使其嘗試選擇不同的函數和方法，并編寫代碼加以實現，培養其解決問題和創新的能力；職業素養，即通過數據集的選擇、模型的實現，使學生能夠用代碼解決實際場景中的問題，為后續的職業能力培養奠定基礎；法制意識，即神經網絡模型的成功實現離不開數據集，因此在實現過程中，須使學生明白，除了代碼生成或自行采集的數據集外，使用其他公開數據集時須遵守其明確的使用約束。同時，網絡上的其他數據，如以油畫為代表的圖片等，均有發布者的版權限制，未經許可的使用會構成侵權，從而培養學生的相關法律意識。

2 課程實施

一節優質的課堂教學，不僅須有合理、恰當的課程設計，還須針對不同階段的學生因材施教。例如，2021級的學生在學習“神經網絡”課程時，接觸到的人工智能技術會少于2023級的學生。因此，引導學生緊跟技術發展，結合前沿技術學習理論知識，并通過實驗將其內化為自身能力，是本課程教學要達到的最終目標。

2.1 教學組織與實施

1） 課前熟悉。本科二年級學生在一定程度上已開始擺脫學習上的依賴心理，但仍處于向獨立探究知識過渡的階段，因此提前預習課程內容對提升學習效果大有裨益。在上課前3～5天，根據不同的課堂內容，將課程PPT、在線學習鏈接、MOOC內容、實驗任務等上傳至“學習通”平臺，方便學生熟悉課程，并針對可能存在的疑問或更好地實現方案，及時提出反饋。

2） 課堂互動。課堂是教師講解知識、引導學生將知識轉化為能力的關鍵環節。因此，良好的課堂互動，一方面能夠反映學生對課堂內容的理解和掌握程度，另一方面也能夠幫助教師及時調整或改進教學方法與手段。例如，“神經網絡”的反向傳播是學生較難理解的知識點，通過課堂小測驗或提問，能夠了解學生理解的難點所在，再針對性地借助Python、C++等先修課程中的循環知識點，講解反向傳播的核心及其在神經網絡模型中的重要性。

3） 課后答疑。知識的學習是一個循序漸進的過程。部分學生反映，單個知識點沒有問題，但將多個知識點整合到一起時會出現理解不充分的情況。因此，及時的課后溝通與答疑，有利于學生的理解與學習。此外，部分學生在解決問題時，會有較好的思路或方案，但不確定其是否可行，或不確定采集到的數據集是否合理。針對這類疑問，須進行有效的溝通與引導，這對培養學生的技術自信、創新能力、法治意識等至關重要。

2.2 教學方法與手段

基于課程思政的教學改革，是以課程思政內容為指導，在教學活動中以“潤物細無聲”的方式融入思政要素，避免簡單空洞、生搬硬套地論述思政內容。以下述幾種主要的教學方法和手段為例，闡述如何實現基于課程思政的教學改革，以促進思想政治教育與專業教育的高效、有機融合。

1） 熱點問題與課程內容結合。以技術熱點為例，如OpenAI發布的文生視頻大模型Sora等，可通過Sora生成的不同場景視頻及其通過輸入提示詞生成視頻的直觀視覺沖擊，闡明神經網絡的作用。同時，以生數科技發布的國內首個自研視頻大模型Vidu和快手的“可靈”等為例，講解我國在文生視頻大模型領域的技術和進展，強化神經網絡的作用和意義，為過渡到課程內容做鋪墊。此外，以熱點事件為例，如影響深遠的字節跳動TikTok“不賣就禁”法案，可闡述我國科技企業的技術實力對美國產生的沖擊，從而引申出學生代碼編寫、模型實現等的現實意義，激發學生對課程的興趣以及對代碼實現的熱情。

2） 競賽題目與實驗實現結合。以學生較為熟悉的人工智能競賽，如“中國高校計算機大賽—人工智能創意賽”“全球人工智能技術創新大賽”“AI開發者大賽”等為例，將競賽題目簡化后融入實驗內容的設計中。在學生完成課程實驗的基礎上，鼓勵其探索競賽題目的解決方案，并通過具體的編程實現，提升解決問題的能力，培養技術自信和創新能力。

3） 線上線下與興趣小組結合。通過線上的“學習通”平臺進行預習、作業提交、測驗完成等活動，結合線下的問題答疑、方案溝通、實驗改進等方式，幫助學生更好地掌握“神經網絡”這門課程的專業知識。同時，為更好地將知識運用于解決實際問題，可成立以學生為主的興趣小組，以特定問題為導向，通過實現、修改、使用等方式運用神經網絡模型，解決生活中的實際問題。例如，有學生提出在掃描二維碼時會遇到圖像不清晰的問題，可引導學生學習圖像增強的方法，自行搭建神經網絡，以解決此類問題。

4） 督導反饋與專家建議結合。通過學校教學督導的聽課反饋，以及邀請領域內專家對課程教學改革進行評議，從專業的角度指出課程的優點以及須改進之處，進而完善課程的教學方法與手段。

3 實施效果

成績對比。通過對比教學改革實施前、后班級學生的成績發現，實施后班級的平均成績（80.16分） 和優秀率（11.23%） 均高于實施前的班級（平均成績77.52分，優秀率9.76%） ，這說明基于課程思政的教學改革是切實有效的。

報告分析。通過分析學生實驗報告發現，教學改革實施后，班級學生均能夠闡述神經網絡實現過程中各部分的意義和作用。部分優秀學生還通過與其他類似實現方法的比較，說明了自己實現方案的不足與優點，反映出學生在實現神經網絡模型時已具備潛在的職業素養。

學生反饋。學生對課程效果反饋良好，尤其肯定了該課程對理解后續課程內容的幫助作用，如“‘神經網絡’的前向傳播和后向傳播機制對理解CNN、RNN、LSTM等模型的作用極大”。同時，學生也表達了繼續參與類似興趣小組活動、用技術解決實際問題等的濃厚興趣。

4 結束語

基于課程思政的教學改革有效整合了思想政治教育與專業教育，為學生的全面發展奠定了基礎。通過充分挖掘課程內容中的思想政治要素，圍繞技術自信、家國情懷、創新精神、職業素養、法律意識等主題，在培養學生知識、能力、素養的同時，也培養了其社會責任感和使命感，從而完成了立德樹人的根本任務。

參考文獻：

[1] 申曉騰.人工智能算法融合思想政治教育的技術邏輯審視[J].中國教育信息化，2024，30（3）：99-108.

[2] 唐平秋，劉婷婷.人工智能賦能高校思想政治教育精準化發展的思考[J].學校黨建與思想教育，2024（5）：78-81.

[3] 鄭慶華.人工智能賦能創建未來教育新格局[J].中國高教研究，2024（3）：1-7.

[4] 郭建華，姚冬琳.知識、信創、思政三位一體的人工智能專業概論課程開發[J].計算機教育，2025（3）：187-191.

[5] 項學智，于蕾，王路，等.思政引領下人工智能時代機器學習課程產教融合教學改革研究[J].高教學刊，2025，11（8）：21-24.

【通聯編輯：唐一東】