时间：2022-09-14 19:59:14
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇人工智能课程论文，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
关键词:人工智能;理论传授;实验训练;科研训练
人工智能(Artificial Intelligence,AI)是计算机科学与技术专业的一门重要专业课程,是一门研究运用计算机模拟和延伸人脑功能的综合性学科。它研究如何用计算机模仿人脑所从事的推理、证明、识别、理解、设计、学习、思考、规划以及问题求解等思维活动,并以此解决需要人类专家才能处理的复杂问题,例如咨询、诊断、预测、规划等决策性问题[1]。人工智能是一门涉及数学、计算机、控制论、信息学、心理学、哲学等学科的交叉和综合学科。目前,人工智能很多研究领域,如自然语言处理、模式识别、机器学习、数据挖掘、智能检索、机器人技术、智能计算等都走在了信息技术的前沿,有许多研究成果已经进入并影响了人们的生活。
2003年12月5日,国内第一个“智能科学与技术”本科专业在北京大学诞生[2],它标志着我国智能科学与技术本科教育的开始,对我国智能科学技术人才培养和智能科学与技术学科建设起到极大的带动作用。目前,人工智能课程的教学存在几个问题:首先,注重讲授理论知识,实验环节滞后,这不利于培养学生的实践能力,更谈不上实践创新。其次,人工智能是交叉学科,内容比较繁杂,各种教材的内容不一样,授课没有统一的体系,学生学习时抓不住重点,不能理解人工智能的根本方法和思想。一般说来,计算机专业的其他课程,如网络技术、数据库技术、算法分析与设计等,都是求解结构化问题的基本技术,而人工智能技术则是解决非结构化、半结构化问题的有效技术。最后,人工智能科学与技术飞速发展,但目前人工智能只被视为一门专业课,课程讲授和人工智能没有作为一个研究方向结合起来,也没有把传授课本知识和引导启发创新结合起来。
适应知识经济发展的高等教育,要把培养创造精神和创新能力摆在突出的位置。创新是基础研究的生命,而高等学校的教学只有与科研紧密结合,才能在培养学生的创新精神方面有所作为。为此,针对人工智能的课程特点,我们积极开展研究型教学、研究型学习,提高大学生的学习能力、实践能力和创新能力的研究与实践。在教材上,我们选用了清华大学出版社出版、马少平等编写的《人工智能》。我们的教学研究与实践的主要内容包括三个方面:启发式传授人工智能解决问题的非结构化的思想;成体系的实验训练;以及与毕业论文,学校大学生科研项目资助计划,国家大学生创新性实验计划相对接的科研训练。这三个主要方面,层层递进、环环相扣,是体系完整的创新型人工智能教学实践。下面,我们就这三个方面内容展开探讨。
1启发式传授人工智能解决问题的非结构化思想
现实世界的问题可以按照结构化程度划分成三个层次[1]:1)结构化问题,能用形式化(或称公式化)方法描述和求解的一类问题;2)非结构化问题,难以用确定的形式来描述,主要根据经验来求解;3)半结构化问题,介于上述两者之间。一般说来,计算机专业的其他课程如网络技术、数据库技术、算法分析与设计等,都是求解结构化问题的基本技术。而人工智能技术则是解决非结构化、半结构化问题的有效技术。人工智能的教学可以让学生在体验、认识人工智能知识与技术的过程中获得对非结构化、半结构化问题的解决过程的了解,从而达到培养学生多角度思维的目的。
我们使用的教材主要内容包括搜索和高级搜素、谓词逻辑和归结原理、知识表示、不确定性推理方法、机器学习等。这些主要内容也可以相应地归结为若干个典型算法,如启发式A*搜索算法、 剪枝算法、元启发式算法(模拟退火,遗传算法)、谓词逻辑归结算法、贝叶斯网络、决策树、神经网络(BP算法、自组织网络和Hopfield神经网络算法)。元启发式算法是一种启发式的随机算法,是用来解决非结构化问题的典型算法,其思想和传统的决定性算法如动态规划、分支限界完全不一样。学生在刚一接触到这些元启发式算法一时难以接受和理解其机理,对算法的有效性往往半信半疑。根据非结构化、半结构化问题的特点,讲解和演示算法在解决此类问题的具体步骤和详细过程,从而让学生掌握人工智能算法的基本思想。在讲解不同的元启发式算法的时候,学生会问,是模拟退火算法强,还是遗传算法强;在讲到机器学习算法的时候,学生会问到底哪个分类算法最好,这时候我们可以把搜索(优化)领域和机器学习领域的“没有免费午餐”定理进行适当的讲解和解释,从而把具体算法实现层面之上的一些人工智能的哲学思想进行传授。
在人工智能的具体教学中,采用问题教学法和参与式教学法。在问题教学法中,围绕人工智能的知识模块,在引导学生发现各种各样问题的前提下,传授知识。教学活动中,尝试使人工智能知识围绕实际问题而展现,使问题不仅成为激发学生求知欲的前提,也成为学生期盼、理解和吸收知识的前提,以此激发学生的创造动机和创造性思维。在参与式教学中,打破人工智能算法的枯燥、沉闷的传统教学法,尝试开放式教学内容;提问式讲课;无标准答案的课程设计;查找文献,分组动手实现人工智能算法等参与式教学方法,培养和发扬学生的参与意识,通过参与式教学提高学生学习的主动性、积极性和效率,培养学生的动手能力和创新能力。
2成体系的实验训练
独立开展人工智能实验课程,开发一批新型、富有创意的实验案例库,搭建一个创新实验和虚拟学习社区平台。人工智能实验课程的特点是应用各种人工智能方法,根据问题的约束、结构、信息进行表示建模和计算机上实现,是与人工智能原理同步的实验课程。学生必须掌握的人工智能的基本原理和计算机操作技能,它对于学生的知识、能力和综合素质的培养与提高起着至关重要的作用,在整个教学过程中占有非常重要的地位,是计算机软件、计算机应用、计算机网络、软件工程等专业的一门重要的必修专业课程。通过实验,学生得到严格的训练,能规范地掌握人工智能的基本理论和主要方法、基本问题求解技术,熟悉各种计算环境的基本使用。
在培养学生掌握实验的基本操作、基本技能和基本知识的同时,努力培养学生的创新意识与创新能力。为实现这一目标,在课程内容安排上采用适量基本原理与方法的实验内容为基本内容,增加一系列综合性实验和开放性创新实验问题,在实验内容方面更注重研究性实验中的创新问题。实验内容方面分为三个层次:基本原理的基础性实验、综合实验和研究性实验。在后两个层次的实验中,部分引入人工智能课程小组团队的最新科研成果,目的在于通过完成这些研究性实验,培养学生独立解决实际问题的能力,以提升学生的科研素质与创新意识。我们将这些设计实验称为新型实验案例库,它被放在人工智能课程小组网站上,以此搭建一个创新实验和虚拟学习社区平台。通过实验课程的学习和训练,学生应达到下列要求。
1) 掌握人工智能方法的优点及其在实际中的应用。
2) 学会对人工智能问题进行分析建模和应用各种计算工具实现问题求解,熟悉对实验现象的观察和记录,实验数据的获取与设计,最佳实验条件的判断和选择,实验结果的分析和讨论等一套严谨的实验方法。
3) 巩固并加深对人工智能原理课程的基本原理和概念的理解,培养学生勤奋学习,求真求实的科学品德,培养学生的动手能力、观察能力、查阅文献能力、思维能力、想象能力、表达能力。
4) 通过完成综合研究性实验,培养学生独立解决实际问题的能力,提高学生的科研素质与创新意识。
在培养学生掌握实验的基本操作、基本技能和基本知识的同时,进一步培养学生分析问题和解决问题的能力,培养学生的创新意识、创新精神和创新能力,为学生今后从事科研、教学或企事业单位的分析检验以及新技术的研发工作打下扎实的基础。
在实验组织方面,根据各实验的目的和要求,学生分为5人1组,指定一个组长,每组选择1套实验题目。基础实验题目要求达到27学时、综合性实验题目选择1题和研究性实验题目选择1题,基础实验题目要求在规定时间内,小组独立完成实验测定、数据处理,并撰写实验报告。实验过程中, 要求学生勤于动手, 敏锐观察, 细心操作, 开动脑筋, 分析钻研问题, 准确记录原始数据, 经教师检查,实验及其原始数据记录才有效。同时,团队作业,需要多人分工合作、相互帮助,这样可以提高人际交往和沟通能力,学会与他人合作,培养团队创新能力。
3课程学习与毕业论文,科研训练相结合
人工智能技术在一定程度上代表着信息技术的前沿和未来,通过学习和体验人工智能的知识和技术,学生能够在一定程度上了解信息技术发展的前沿知识,这有助学生开阔视野、培养兴趣,为今后继续深造或走向社会奠定坚实的基础[3-4]。
人工智能的理论和方法广泛应用于数据挖掘、机器学习、模式识别、图像处理中,这些内容既是高年级的后续课程,又是现在热门的研究方向。学习和深刻理解人工智能的理论、方法和应用,对后续课程学习以及今后的研究具有重要的意义。
我院规定大学三年级的学生开始联系毕业论文指导导师,同时确定毕业论文的研究方向,提前进行科研实践,以培养实践能力和研究素质。人工智能课程正好是大三高年级开设的专业课,因此,我们把课程实验及设计与同学的兴趣相结合,引导学生,并提炼和形成学生的毕业选题和课外的科研方向,它是提高本科生研究创新能力的有效手段。
基于新的教学实践,很多学生的选题都与上述归纳的人工智能若干算法相关,如算法本身的研究和改进,或是算法在各领域,如数据挖掘、图像处理等的应用。在我们的科研能力训练计划中,一批项目和课题,如混合神经网络的研究与应用、差分演化算法研究与应用、基于协同训练的推荐系统等,分别受到国家和学校本科生科研项目立项资助。一批三四年级的本科生以第一作者身份在国内核心期刊、国际会议和期刊上发表学术论文,这激发了学生的科研兴趣,使学生体会到了创新的乐趣。
总之,课程学习与毕业论文、学校大学生科研项目资助计划、国家大学生创新性实验计划相对接的科研训练,极大地提升了学生的创新能力和科研基本素质。
4结语
针对人工智能的课程特点,我们积极开展研究型教学、研究型学习,提高大学生的学习能力、实践能力和创新能力的研究与实践。我们的教学研究与实践主要内容包括三个方面:启发式传授人工智能解决问题的非结构化的思想;成体系的实验训练;以及与毕业论文、学校大学生科研项目资助计划、国家大学生创新性实验计划相对接的科研训练。这三个主要方面,层层递进、环环相扣,是体系完整的创新型人工智能教学实践,新的改革和实践在教学中取得了令人满意效果。
参考文献:
[1] 张剑平. 关于人工智能教育的思考[J]. 电化教育研究,2003(1):24-28.
[2] 谢昆青. 第一个智能科学技术专业[J]. 计算机教育,2009(11):16-20.
[3] 罗辉,梁艳春. 大学生毕业论文与科研能力培养及就业[J]. 吉林教育,2003(10):18.
[4] 金聪,刘金安. 人工智能教育在能力培养中的作用及改革设想[J]. 计算机时代,2006(9):66-69.
Reform and Practice of Innovative Teaching in Artificial Intelligence
WANG Jia-hai, YIN Jian, LING Ying-biao
(Department of Computer Science, Sun Yat-sen University, Guangzhou 510006, China)
关键词：人工智能；教学内容；教学方法
中图分类号：G642 文献标识码：A
1 引言
人工智能(AI)是二十世纪五十年代后期兴起的利用计算机模拟人类智能活动去求解问题的学科，与空间技术、原子能技术一起被誉为二十世纪三大科学技术成就，目前广泛应用于专家系统、机器翻译、语音识别、文字识别、计算机视觉、机器人、电子游戏等方面，已经成为计算机技术发展以及许多高新技术产品中的核心技术。
为了适应人工智能技术日益广泛的需要，国内外高校普遍开设了“人工智能”方面的课程，特别是作为计算机方面专业的核心课程之一。我校自从1993年开始为自动化专业本科生开设“智能控制”选修课，1996年为自动化、计算机、机械等专业本科生开设“人工智能导论”、“人工智能及其应用”课程。目前，我校软件学院、信息学院、机电学院都开设了“人工智能导论”课程，已经成为计算机科学与技术、软件工程、数字媒体技术、自动化、机械制造与自动化等许多专业本科生的一门重要的技术基础课程，也是面向包括人文社科等全校所有专业的公选课之一，其目的是使学生了解人工智能的基本概念和基本原理，初步学习和掌握人工智能的基本技术和前沿内容，拓宽知识面，启发思路，为学生提供最基本的人工智能技术和有关问题的入门性知识，提高学生应用开发软件的能力和水平，为今后在相关领域的研究和应用奠定更为坚实的基础。因此，建设好“人工智能导论”课程具有重要意义和很广的受益面。
由于人工智能是交叉学科，涉及面广、内容抽象、不易理解，学生往往有望而生畏的感觉，在教学过程中，老师教、学生学都比较吃力。为了更好地实现上述教学目标，提高本课程的教学质量，协调好教与学的双边关系，使学生由望而生畏的感觉，变为有用有趣的感觉，根据已有人工智能课程在教学与实践方面的经验和方法，结合“人工智能导论”课程的近几年教学实践，对课程的教学体系、教学内容、教学方法、教学手段、考核方式等方面进行了探索总结。
2 调整与优化教学体系和教学内容
“人工智能导论”是计算机科学与技术、软件工程、数字媒体技术、自动化、机械制造与自动化等许多专业本科生的一门重要的技术基础课程，也是面向包括人文社科等全校所有专业的公选课之一，其研究领域及内容十分丰富，涉及的基础面广。因此如何选好教学内容，既能使学生了解本领域的概貌，又能适合学生的基础，便于他们在有限的时间完成学习任务，是一件重要而又困难的事情。
进入21世纪以来，人工智能学科又有了新的发展。为了及时反映人工智能研究和学科的最新进展，我们修订了“人工智能导论”的教学大纲，对教学内容进一步优化和更新，极大充实了各个系统的内容。我们确定的教学内容主要分为三部分：第1部分为概论，介绍人工智能的基本概念、基本内容、主要研究领域及发展过程；第2部分是知识表示，推理和搜索技术，讨论几种常用的知识表示方法、推理技术(包括确定性推理方法和不确定推理方法)和搜索求解策略；第3部分是人工智能应用研究领域，包括专家系统、自然语言理解、机器学习、人工神经网络、遗传算法等的基本概念和方法等。其中第2部分是基础理论，是人工智能的重要基础，应该循序学习。第3部分是人工智能的应用，由于每个研究内容都相对独立、自成体系且有其专门的学术著作研究、热点，因此针对高等院校的本专科生来说，不必循序学习，而且结合专业特点可以选择其中几个研究领域。例如对自动化专业的学生来说，可以选择专家系统、人工神经网络、遗传算法等，同时可增加在自动控制领域的应用，包括专家控制、神经网络控制和进化控制等热点：而对计算机科学与技术专业来说，可以选择专家系统、自然语言理解、机器学习等，并辅以动物识别系统、语音识别系统、智能机器人等实例。总之就是要把握课程性质和教学目的，调整本课程教学体系，优化教学内容，让学生以有限的时间学到人工智能的基础知识和基本方法。
另外，在选择和确定教学内容时必须兼顾基础知识和新兴技术，注意与相关课程(如离散数学、数据结构、概率论、自动控制原理、Matlab系统仿真、面向对象的编程技术等)的链接，密切理论与实际的关系，通过课堂讲授和课外训练，注意学生能力培养，提高他们的学习效果和整体素质。
3 加强课程立体化建设和系列教材研究
在课程的立体化建设中，教材充当了地基的角色，所有的课程内容安排，无不体现出以教材为基本，以教材为模板。所以本着基础、实用的原则，我们先后编著出版了《人工智能及其应用》课程教材导论部分概括性强，引人入胜；基础部分系统全面，叙述深入浅出，循序渐进；应用部分密切理论与实际关系，典型形象。其中第二版在第一版的基础上，增加了证据理论、模糊推理、神经网络等理论的一些典型应用，使学生能够更深入地理解和应用这些理论；另一方面，又新增了自然语言理解及其应用内容，以适应目前计算机翻译、人机自然语言交互等技术日益广泛应用的需要。系列教材适应了人工智能导论新课程开设的需要，反映了人工智能学科的发展，为人工智能课程确立了基本框架，发挥了重要作用。系列教材的问世不仅解决了本校“人工智能导论”课程教学用书的问题，而且也被各兄弟院校普遍采用，促进了该课程的普遍开设，推动人工智能学科的发展。
为了配合教材第二版的教学和自学，在已有教学经验和教学成果积累的基础上，制作了高质量的教学课件和完整的教学视频录像，并刻录成光盘随书供读者使用；同时又研究与开发了网络课程(http：//)，以更好地调动学生的学习兴趣和主动性，促进本课程的教学改革。
包括主教材、电子教案、教学视频录像、网络课程及教学资料库等在内的课程立体化建设符合二十一世纪高校教学的要求，支持教师提高教学手段现代化的水平，更贴合学生的学习需求。
4 改革与创新教学模式和教学方法
在“人工智能导论”课程教学的过程中，我们积极探索教学新路，经过数年辛勤试验，结合蔡自兴教授等对人工智能课程的建设经验，对课程的教学模式和教学方法进行了如下一些的改革与创新。
(1)通过多种途径激发学生的学习兴趣
“兴趣是最好的老师”，“人工智能导论”课程的学习效果，直接受到学生兴趣和参与意识的影响。由于这是一门导论性前沿课程，一般来说，学生开始学习兴趣很大。但是，当一些学生开始接触到抽象概念和算法时，往往感到不易接受。我们通过各种途径和方法，激发和培养学生的学习兴趣。例如，鼓励学生参与课堂讨 论、布置读书报告和课外实验、以问题为导向的启发式教学、专题讨论／辩论等形式。特别，我们精心组织和准备了模糊控制技术及其应用、智能机器人技术与应用、智能交通、BCI(脑机交互接口)等专题，以及智能调度软件、语音识别系统、动物识别系统、足球机器人比赛、机器人轨迹跟踪、倒立摆的智能控制等课内演示，使学生扩大了眼界，增加了感性知识，达到提高学生学习兴趣的目的与效果。
(2)面向问题的启发式教学
人工智能中的许多问题，有的似是而非，有的引人入胜。在教学中，有意识的提出相关问题，提请学生思考，鼓励学生提出自己的猜想和解决方案。然后逐步进入教材中的解决方案，启发学生求解这些问题，并进行分析和比较，从而强化了学生学习的主动意识和参与意识，提高了学生的学习积极性。例如，在讲到比较抽象的“遗传算法”时，提出“遗传算法如何用于优化计算?”这一问题。针对该问题，先从“达尔文的生物进化论”入手，讨论“遗传”、“变异”和“选择”作用；然后通过一个简单的例子，从特殊到一般地启发学生思考“遗传”、“变异”和“选择”的实现，最终让学生与教师一起导出遗传算法用于优化计算的基本步骤。这样，学生不但从中学习了遗传算法，而且得到一次逻辑思维的训练，取得很好的教学效果。
(3)课堂辩论与交互式教学
组织课堂辩论，讨论的议题包括人工智能的应用前景和其他比较等有争议的问题。学生对这些问题展开了激烈的争论，激发了学习潜能，明确了学习目标。例如，为了加深学生对智能机器人内涵的理解，我们组织了“机器智能能否超过人类智能”的辩论会。会前正反双方结合本课程内容及其相关知识，认真进行准备；辩论会上正反双方唇枪舌战，激烈争辩，气氛热烈。辩论后，学生余意未尽，讨论热情不减。无论是哪一方获胜，都达到了预期的效果。教学中我们还注意采用了多种交互式策略，如课堂上教师提问可鼓励或指定学生提问，也可由学生自由地就某个知识点进行主题发言后老师点评等。
(4)个性化学习与因材施教
在本课程教学过程中注意对学生因材施教和个性化教学。例如，通过组织学生进行读书报告的形式，鼓励学生从多方面、多角度考虑问题，多提新颖思想，有意识地鼓励优秀学生探讨比较深层的内容，并辅导优秀学生将其成果以科技论文和发表文章的形式转化为成果。又如，在教学设计和实验设计中，注意要求学习有余力和兴趣的学生选作部分探索性、创新性的功课和实验(选学内容，如模糊控制器的设计、进化控制等)，从而引导学生发挥个性优势，达到因材施教的目的。同时注意分析学习较差的学生的具体困难，进行有针对性的指导。
(5)多媒体与网络教学的使用
本课程在PPT演示文稿和网络课程上，采用了大量的多媒体表现形式，如视频、动画、声音和图像等。目的在于使得人工智能抽象的知识形象化，便于学生理解。例如，课内让学生在线观看涂晓媛博士的计算机动画“人工鱼”的录像片段、人工生命Floy中生命智能体在环境中不断的适应进化构成演示等，有助于加深学生对所学知识的理解，促进教学水平的提高，激发了学生对课程的兴趣，使学生创新意识得到增强。此外，随教材附赠的教学光盘和开发的网络课程(http：//)提供了学生课外自学用的高质量的电子课件、完整的教学视频录像、丰富的实验和案例资料等，以更好地调动学生的学习兴趣和主动性。
(7)理论与实践结合
在教学内容安排上，注意理论联系实际，适时布置一些人工智能实验给学生进行课外练习。设计的课外实验包括产生式系统实验，归结反演实验，主观Bayes推理网络实验，A搜索实验，以及基于Maltab工具箱的模糊控制位置跟踪系统、两车追赶模糊控制系统、神经网络模式识别仿真、遗传算法优化计算等实验。通过实践和参与，保持学习兴趣，有助于学生对人工智能基本概念和难点的理解，掌握基本方法和技术，为从事智能系统应用开发打下基础，从而达到教学目的。例如，我们组织学生参观我们的研究生综合自动化实验室，观看机器人臂取物、倒立摆控制、语音识别软件、指纹识别软件、智能调度软件等演示，密切理论与实际的关系。
我们在教学改革实践中探索的这些教学方法，有利于充分激励学生的学习积极性和主动性，有利于鼓励学生发挥独立思考和创新思维，有利于多方位培养学生学习发现问题、分析问题和解决问题的能力。
5 运用多样化的教学手段和考核方式
5.1 多样化的教学手段
采用现代信息技术进行教学，构筑“人工智能导论”课程的现代教学模式，是本课程的主要特点之一。教学过程中采用了多媒体教学课件和网络课程相结合的方法，充分利用多媒体的丰富表现形式，利用网络课程的交互性、情景化等，进行教学。采用的方法包括：
(1)抽象知识内容的多媒体表示
通过动画和视频来演示抽象的概念、算法和过程，包括机器人轨迹跟踪、机器人臂取物、足球机器人比赛、倒立摆控制、“人工鱼”等录像片段，以及智能调度软件、语音识别系统、指纹识别系统、动物识别系统等软件演示。
(2)通过PPT撰写教案
精心编制PPT，组织好课件内容，做到图文并茂，提纲挈领，便于学生理解，便于教师讲授。
(3)开发与应用网络课程
“人工智能导论”网络课程较好的实现了交互性、在一定程度上实现了学习过程的情景化。在交互性方面，通过网络课程的课堂练习和章节练习，评价学生的学习情况，并给学生提出学习建议。在情景化方面，采用了在线答疑形式，使得学习过程丰富有趣。
(4)先进实验系统的观摩与演示
利用我们的研究成果等有利条件，有针对性地对学生进行成果演示(包括智能调度软件、语音识别系统、指纹识别系统、动物识别系统等软件)，使学生知道学了有用，而且很有用，很有趣，很有意义，从而进一步诱导学生的学习兴趣，巩固了课堂所学知识，提高了教学质量。
教学效果通过上述先进的现代信息技术的应用，不仅极大地提高了学生的学习兴趣和主动性，而且也取得很好的实际教学效果，提高教学质量。
5.2 作业、考试等教改举措
(1)改革作业方式与方法
改变过去那种单纯的书面习题作业，发展成为必须交给教师评阅的书面家庭作业、不必交给教师的课外思考题目、口头布置的思考题或阅读材料以及大型作业等。其中上交作业通过网络进行，教师批阅后的作业也通过网络返回给学生，实现了作业呈交和返回的网络化。
(2)改革考试方式与方法
如何对本课程的考试方式进行改革一直是我们探索的问题。我们综合考虑课堂出勤情况(10％)、平时正式作业成绩(20％)和期末课程考试(70％)，进行综合评分。期末考试有时采用综合试题考试，出几个大题目让学生选择其中几个进行开卷笔试，当面交卷后评分；有时采用课外开卷论文结合或口试面试。最近，我们还对部分学生结合实验或实际问题提问等进行考核。我们正进一步改革、试验和探索，使考试成为衡量与培养创新能力，促进学生学习主动性和提高课程教学质量的重要环节。
关键词：人工智能；案例教学；应用
1引言
作为计算机科学技术的全新领域即人工智能，其正在迅速成长与成熟、新方法、新理念、新技术并且不断壮大，同样也包含着计算机网络、数学、信息论各类学科的交叉和边缘学科。人工智能包含的主要内容有知识表示和推理机制、问题求解和搜索算法，自然语言理解、专家系统和机器学习等；也作为计算机科学各专业重要的基础课程，国内外各高校都非常重视，都将人工智能作为计算机专业的必修课程。人工智能包含的学科多，知识点杂、理论性强、内容抽象，算法难度高复杂，在此情况下各高校采用传统的“教师讲、学生听”单一教学模式，学生处于被动学习地位；课堂教学与实际操作、理论与现实应用相脱节；加上理论知识强，案例缺乏，容易使学生感觉空洞；学生易产生厌学情绪，也达不到锻炼其分析问题、解决问题的思维能力和实践动手能力。如何让学生高效的学习一直是教师研究的课题，在大数据和网络信息时代的大背景下，“互联网+”已经广泛应用和存在于生活、工作各个方面，其在教育教学中表现出的创新性、互动性尤为突出，并极具优势。
2基于案例的教学研究
此方法开始于上世纪20年代左右，最早是由美国哈佛商学院所提倡的，基于当时特殊的商业管理真是背景和特殊事件，能够有效的发展和培养学生主动性、积极性和应用能力，开展案例教学后，学生实际解决问题能力有了很大的提高。但此教学研究方法知道到上世纪80年代后期，才引起教师的重视。1986年由美国研究小组提出《准备就绪的国家：二十一世纪的教师》书中，强烈推荐此方法在实际教学的重要性，并说明今后在教学过程中将其作为一种重要的教学方法应用于各类课程中去。
3基于人工智能的案例教学研究及应用
3.1案例精选
此方法第一步是案例选取，案例的好坏是决定案例教学效果关键因素。案例的选取需要满足以下要求：（1）符合现在的教学目标，明确学生需要掌握的知识点、重难点等，能够运用所学的理论知识应用到实际中，以此提高学生分析、解决问题的能力；（2）案例要有代表性、趣味性，由于人工智能课程内容多、抽象，需要将枯燥乏味的知识点转化为趣味生动的案例，有利于吸引学生注意力，激发学习兴趣和主动性；例如，讲到“知识表示”这部分内容中引入“机器人搬积木”、“野人修道士渡河”案例；（3）采用互动的形式，此为人工智能的案例教学研究重要特征，同时也是教学目标得以充分展现的必要条件。能够调动大家的积极性，学生和学生之间、学生与教师之间的互动，调动学生的主观能动性。
3.2案例的执行
（1）讲授法。基于教学内容具体知识点设计案例；通过教师讲解，帮助学生理解抽象的理论知识。案例的呈现有两种基本形式：一是“案例—理论”,即先给出教学案例，后讲解理论知识；二是“理论—案例”,即教师先讲解知识，再给出教学案例；案例的呈现方式不同,会直接影响案例的功能，也会影响到学生的学习情绪、学习效果。为了使案例能更好地为教学服务,教师讲解案例之前应从创设案例情境开始,通过情境体验与案例剖析激发学生认知的兴趣,引导学生对将要学习的内容产生注意,有利于教师导入新课。（2）互相讨论法。大学生课余时间充沛，鉴于此，将班级学生分为若干小组，教师将事先准备好的案例分配给各组，学生采用组内互动讨论的形式，设计出此案例的各种解决方法。课堂上，将本小组的解决方法用课件展现给其他小组。讲解完成后，学生开始互相讨论，对比各自的方法，然后由老师进行分析、对比和总结。以此来增强学生对学科知识点、应用能力的掌握。（3）相互辩证法。课后，采用相互辩证的方法，组织大家相互辩论。选择一些综合应用比较强的案例。与简单的案例相比，综合应用案例能更加高效地启发学生全方位地思考和探索问题的解决方法。相互辩证法是一种探索新型的教学形式，学生的自主性强，能够在辩论中充分表达自己的观点，充分运用所学的理论知识来维护自己的观点，还可以促使学生查阅大量资料，拓展知识面。
4结语
通过以上论述，人工智能技术开始应用于教学,与教学现代化有着密切的联系。其发展必将对现代教育起巨大推动作用。在教学,可以基于人工智能技术建立人类推理模型学习工具等诸多的运用,展示出越来越好的实用性。
参考文献：
[1]邹蕾,张先锋.人工智能及其发展应用[J].信息网络安全，2012(02).
[2]陈柯蒙，张宁.人工智能的发展探析[J].新西部(理论版)，2012(05).
[3]陈浩磊，邹湘军，陈燕,等.虚拟现实技术的最新发展与展望[J].中国科技论文在线，2011(01).
1、计算机人工智能识别技术应用瓶颈探析
2、计算机科学与技术的应用现状与未来趋势
3、计算机信息处理技术在大数据时代背景下的渗透
4、计算机基础课程应用教学思考和感悟
5、中职中药专业计算机应用基础教学改革实践
6、浅谈虚拟现实技术在中职计算机基础教学中应用的必要性
7、计算机图像处理技术在UI设计中的应用
8、计算机生成兵力行为建模发展现状
9、智慧档案馆计算机网络系统方案设计
10、浅谈如何提高计算机网络的安全稳定性
11、计算机应用技术与信息管理的整合探讨
12、计算机科学技术小组合作学习研究
13、计算机科学与技术有效教学策略研究 >>>>>计算机网络和系统病毒及其防范措施毕业论文
14、互联网+背景下高校计算机教学改革的认识
15、艺术类应用型本科高校"计算机基础"课程教学改革研究
16、计算机技术在石油工业中应用的实践与认识
17、计算机技术在电力系统自动化中的应用研究
18、微课在中职计算机基础教学中的应用探析
19、课程思政在计算机基础课程中的探索
20、计算机服务器虚拟化关键技术探析
21、计算机网络工程安全存在问题及其对策研究
22、人工智能在计算机网络技术中的运用
23、慕课在中职计算机应用基础教学中的运用
24、浅析如何提高高校计算机课程教学效率
25、项目教学在计算机基础实训课程中的应用分析
26、高职计算机网络教学中项目式教学的应用
27、计算机信息安全技术在校园网络的实践思考
28、大数据背景下的计算机网络安全现状及优化策略
29、基于计算机网络信息安全及防护对策简析
关键词：智能管理；多媒体教学软件；网络教学
智能管理与决策是一门关于智能管理、智能决策支持和智能管理系统设计与实现技术的多学科交叉与应用性课程，以普通高校信息类专业研究生为讲授对象，介绍智能管理与智能决策的基本理论、智能优化技术、机器学习、多Agent技术、知识管理和智能决策系统、智能管理系统的设计与开发。智能管理以信息技术为手段，应用人工智能、管理科学、计算机科学及有关学科的理论和方法建立管理系统，为管理者科学、准确地决策提供帮助。
本课程的学习可以使学生了解智能管理与智能决策的基本理论和常用方法，使学生了解和掌握智能管理系统设计的基本概念、方法和技术。智能管理与决策是一门理论、技术和应用密切结合的课程，通过学习，学生可以为将来在智能管理信息系统领域的进一步研究和系统开发工作奠定良好的基础。
信息类专业研究生在本科或研究生低年级阶段已经学习过人工智能原理、数据库技术、软件工程和高级程序设计语言等基础课程。因此，本课程在教学上以应用实例解析为主, 并辅一般性理论讲授。对于涉及到的人工智能技术中较为抽象的理论内容，我们在教学过程只是复习巩固，本课程主要解决如何充分利用已经学习过的课程，按照软件工程的系统设计开发思想，应用智能决策理论解决实际问题，将理论学习应用到智能管理信息系统及专家系统的设计和开发中。
1参考教材与教学软件并用
本着打基础、重实用的原则，我们选取由科学出版社出版倪志伟的《智能管理技术与方法》、杨善林的《机器学习与智能决策支持系统》、《智能决策方法与智能决策支持系统》等多种参考书[1-2]。参考书主要作为理论学习教材，我们根据课程计划有针对性地选择部分内容，特别注重基础知识与应用实例相结合。并增加介绍性内容，让学生了解人工智能技术在管理信息系统有专家系统中的发展前沿和发展趋势，保持课程体系完整性，体现研究生教学特点与主题。启发学生进行研究性的思考和分析。主要内容包括决策支持系统、智能技术与智能决策支持系统、专家系统与智能管理系统、机器学习与智能管理系统等。重点讲授基于范例学习、智能故障诊断系统及基于神经网络的决策模型模型。每项理论内容均配合详细的实际案例说明，让学生掌握从确定开发目标、设计思想、开发原则、设计方案以及建立功能体系的智能管理系统设计与实现全过程。
为了活跃教学气氛，同时也作为课堂讲授形式的补充，我们开发了智能管理与决策教学软件，如图1所示。课件在内容的选取、课程的编排上都作了精心的准备与测试，努力将媒体的表现力与所学内容相结合，基本保证了内容的充分性与全面性；从交互的角度来说，导航的使用非常充分，动画演示和练习测试互补。本课件总体设计制作达到了多媒体教学课件的制作要求，能够完成最初设定的教学任务和目标。软件结构如图2所示。
2课堂教学与网络教学同步
我们在学校统一的网络教学平台上同时运行网络教学软件。学生除了可以下载教案、提交作业、收看教学视频及进行自我测评外，还可以通过网络平台与教师进行实时交流与互动。网络课程对教学内容和课件进行全面升级，采用现代化教学手段，以动画等生动的形式，采用课堂教学课件上网，实践案例及学生实践作业网络辅导、讨论等辅助手段，提高教学效果和工作效率。教学实践表明，网络教学取得了令人满意的成绩。另外，学生也可以查看相关资源，及时了解教学进度。教师在教学环节中注重引导，教会学生行之有效的学习方法，帮助学生提高课后学习效果；在课堂学习交流之余，师生还可以随时随地通过网络学习、交流和讨论，促进教学效果的提高。鉴于课程的性质，我们的作业以学生实践开发小型智能管理系统为主，具有一定的难度，通过对于学生作业情况的跟踪，可以有针对性的进行辅导，促进和培养学生的研发能力，进而调动学生的学习积极性。图3为笔者上课时的网络教学视频。
由于本课程涉及计算智能、机器学习等抽象内容，网络及多媒体材料的引入，活跃与补充了课堂教学。这不仅加深了学生对知识的理解，更激发了学生对课程的兴趣，知道了人工智能在各类管理与决策实践中的成功应用。网络课程建设将学生不容易理解的抽象的系统模型与设计生动地演示出来，帮助学生学习体会智能管理与决策系统的开发方法，受到了学生欢迎。经过两年的探索和积累，本课程网站已包括教学文件资源、网络课件教学资源、学习资源、课程录像资源、学生作品资源，其中网络课件教学资源融合了课程教学情境设计和动画课件。现代教学手段促使学生全程参与教学活动，创新能力得到提高。
3实践项目
智能管理与决策是一门理论、技术和应用密切结合的课程，我们的教学目标是让学生能够将以前所学习过的人工智能原理、软件工程、数据库技术以及高级程序设计语言进行综合应用，建立系统的概念，掌握智能管理系统从确定开发目标、设计思想、开发原则、设计方案以及建立功能体系的智能管理系统设计与实现全过程。以实际项目为载体，每个项目分解为若干个任务，设计基于工作过程的实训项目任务。将实际的“工作”与“学习”有机地结合在一起，通过基于工作过程的实际开发项目任务的驱动，指导学生按照完成工作任务的六个步骤：问题分析、目标确定、系统分析、计划、实施来完成各个项目。教师在网上提供分析材料，并通过网上讨论和在线检查学生的开发效果。通过完成渐次复杂不断拓展的实际课题，学生掌握了智能系统的基本知识，具备了分析、设计、实现智能管理系统的能力，同时使学生学会了工作的思路。学生获取信息，制定策略的方法能力得到提高，学生的团队合作意识得到增强。图4为学生在学习了决策支持系统的标准两库结构后，按照教师所给定的需求报告，依照模型库、数据库及用户接口三部件模型所设计实现的“企业成本预测系统”[3]。同时要求学生按照软件工程的思想完成从需求分析到用户手册的全部文档。
考核方式以平时讨论、课堂发言及最后的大作业和论文方式进行，引导学生进行研究式学习。
4结语
在智能管理与决策课程的教学实践中，我们不断探讨课程的内容和形式，改革教学模式，探索结合实际应用案例的教学方法和手段，采用综合评价学生的方式，努力培养学生研究式学习和自主学习的兴趣，不断创新，使学生实际应用能力得以增强。经过三年的课程建设和和实践，通过多种形式并存的案例教学和应用项目开发，加深了学生们对人工智能理论理解的同时，也了解并掌握了相关理论与算法的应用方式和应用价值，课程的教学质量得到不断提高。
参考文献：
[1] 倪志伟,李锋刚,毛雪岷. 智能管理技术与方法[M]. 北京:科学出版社,2007:12-18.
[2] 杨善林,倪志伟. 机器学习与智能决策支持系统[M]. 北京:科学出版社,2006:254-307.
[3] 杜晖. 决策支持与专家系统[M]. 北京:电子工业出版社,2007:63-94.
Teaching Research of Intelligent Management and Decision Making
PENG Yan1, WANG Wansen2
(1. College of Management, Capital Normal University, Beijing 100089, China; 2. College of Information Engineering,
Capital Normal University, Beijing 100048, China )
关键词： 研究性课程； 智能控制； 教学研究； 工程实践
中图分类号：G642.0 文献标志码：A 文章编号：1006-8228（2015）02-57-02
Construction and exploration on research curriculum intelligent control
Zhu Peiyi， Xu Benlian， Shi Jian
（School of Electrical and Automation Engineering， Changshu Institute of technology， Changshu， Jiangsu 215500， China）
Abstract： The research curriculum is aimed at integrating the teacher's scientific research into a customary knowledge system with hierarchical and different module. The latest intelligent control research achievement is transferred into the teaching resources effectively by adopting enquiry-based， discussion-based， project-based and display-based teaching approaches. The students' practical ability is focused on in the teaching process. Concentrating on "theory， experiment， research project"， the curriculum is designed to arouse the students' interest in learning， enhance the connotation of curriculum and improve the students' ability of research problems and innovation consciousness. It lays a solid foundation for subsequent engineering practice.
Key words： research curriculum； intelligent control； teaching research； engineering applications
0 引言
研究性教学就是引导学生在一定的情境中，通过主动发现问题和解决问题而获得知识、形成能力、发展个性的教学方法。它的实质就是让学生在教学过程中体验科学原理的发现和应用科学原理解决实际问题等不同类型的研究过程[1]。早在2005年，在《教育部关于进一步加强高等学校本科教学工作的若干意见》 中明确提出了“积极推动研究性教学，提高大学生的创新能力”的要求[2]。如何在专业课程教学中实施研究性教学，提高本科生的科学研究能力，是高校理工科教学改革面临的重要课题[3-5]。
“智能控制”是我校一门理论性与应用性结合非常强的专业课程，它不仅涉及自动化技术，同时与计算机科学技术、数学等学科门类交叉[6]。作为应用型本科高校，我们将该课程直接面向自动化、电气工程及其自动化、测控技术与仪器、机械制造及自动化等本科生和硕士研究生，在注重理论知识传授的同时，直接面向具体工程应用实例。通过双语研讨式教学方式，以项目应用为纽带，阐述模糊控制、神经网络控制、智能计算在工程中的应用与原理，让学生直接感触理论对应用的支撑，应用需要理论指导这一基本工程逻辑。
1 研究性课程设计理念
“智能控制”研究性课程旨在将教师的科研成果分层次、分块地融入到原有课程知识体系之中，通过采用探究式、讨论式、专题式、成果展示式等多种教学方式，将智能控制研究领域最新的成果有效地转化为教学资源，它不仅可以提高学生学习的兴趣，而且更有利于课程内涵提升。较一般的课程更强调教学的研究性和有效性，是一种强调以学生为主体，注重过程教学的开放式教学方式，教学团队将结合自身及国内外学者在智能控制领域的最新研究成果和教学思想确定课程内容，课程采用先进的知识内容和分析方法，采用英文教材，实行双语教学，动态地补充和更新教学内容。在教学过程中充分展示创新给智能控制带来的无穷生命力，同时创造多机会来培养和激发学生的创新能力，例如实验教学、课程的小论文、学术论坛和综合设计等，提高他们的综合科学素质以及在工程实践中分析、解决实际问题的能力。重视理论教学和实践教学的结合，突出实践性教学的时效性和可观测性，在课程内增加讨论课，增加小设计和小论文，充分激励学生探索和研究的热情，让学生学会科学研究的方法，把能力的培养落在实处。
2 研究性课程理论教学
2.1 课程定位
针对我校本二学生实际和自动化专业对该领域知识的基本要求，本课程的基本定位如下。
⑴ 理论引入与应用感受相并重。为此，在课程安排时，将理论与实验课时安排相等，让更多学生通过相应的实践锻炼来体会人工智能技术的奥妙。
⑵ 科研最新成果及时向教学资源转化。对于“智能控制”的三大知识模块，均有不同程度的研究成果转化成相应的教学资源，如群智能在图像信息处理中的应用、模糊控制在倒立摆控制中的应用等等。
⑶ 教学方法与手段与教学内容同步更新。研究性课程的一个重要特征是教学内容的不断更新，为此，课程组一直致力于研究行之有效的双语教学手段。以调动学生学习兴趣为目标，做好成果展示、课题研讨、自我实现的三段教学新方法。
针对上述课程定位，我们确定了课程建设最终形成的目标：按照研究性双语课程要求与规律进行全面设计与整体建设；自主出版一套符合我校学生实际的英文版“智能控制”教材；通过丰富的实验科研项目，让学生通过自主学习方式体验人工智能技术及其新进展；融合科学与科研团队，实现教师培养与学生培养双赢。
2.2 课程重难点及解决思路
教学内容组织方式上主要采取“三个相结合”，即理论与实际相结合、课堂教学与实验室教学相结合、常规课堂教学与现代教育技术相结合，体现“让学生在系统中学习系统”的教学。智能控制的重点主要围绕模糊控制、神经网络、进化计算三大块展开系统地理论与实践并重双语教学。要求学生重点掌握如下内容。
第一模块主要围绕模糊控制中模糊集合与模糊关系，模糊逻辑与模糊推理及其应用。
第二模块主要围绕基本的神经网络类型结构，监督式与非监督式神经网络的学习算法及其应用。
第三模块主要围绕进化计算中遗传算法，蚁群算法和粒子群算法，讲述这些算法的原理及其应用思想。
该教学思想是通过本课程的学习，不仅掌握三个模块知识，而且还能将三大模块知识合成一个体系或系统，使学生全面掌握“智能控制与系统”这一自动化专业的精髓，既树立“智能”理念，又能培养具有“系统”理念，能将智能控制技术应用在生产过程控制、运动控制等领域，且应用得好。
“智能控制”课程的难点在于模糊推理的方法、模糊控制器的设计、监督式神经网络学习原理、遗传算法原理和蚁群算法原理、各种智能控制器设计及其应用。智能控制多为仿生或拟人控制，其控制机理存在于自然界和生物界。因此，对各种控制机理的介绍要从有趣的生物和自然现象入手，引人入胜地介绍智能控制原理。通过深入浅出、形象比喻、并结合多媒体技术进行讲解。
针对课程的重点和难点问题，首先在备课时对重点和难点内容做到心中有数，在讲授时花较多的时间以较慢的节奏进行重点介绍与讨论，提醒学生把注意力集中在这些问题上，并特别关注学生对问题的理解情况。其次在课堂上进行启发式、研讨式，并布置课外思考题，引导学生把复习重点放在重点和难点内容上，有针对性地建议学生访问与本课程配套使用的智能控制网络课程。同时加强实验课和综合设计环节，对重点和难点内容进行实践，加深对相关内容的理解。要经常了解与收集学生对重点和难点内容的听讲意见，及时进行答疑，必要时在课堂上进行集体解答与讨论。
3 研究性课程实践教学
3.1 实践教学的设计思想
“智能控制”课程实践性教学的主要目的是使学生通过实验，发挥主动性，研究探讨智能控制系统的运行和实现过程，提出思路并积极验证和探索自己的思路，从而更好地理解人工智能，培养学生的理论联系实际能力和创新能力，逐步培养他们发现问题、提出问题、分析问题和解决问题的能力。
实践性教学的设计思想我们归纳为四个体现。
⑴ 理论性：通过基础验证性实验让学生加深对理论的理解。如实验内容包含模糊控制系统的推理。
⑵ 系统性：通过综合设计性实验让学生加深对控制系统的理解。开设的系统实验有：温度控制系统、液位控制系统等。
⑶ 研究性：通过激励式鼓励教师将最新的研究成果引入实践教学中，让学生体验新技术带来的乐趣，如将蚁群算法应用在生物信息图像处理与信息融合领域。
⑷ 工程性：让学生在一个与工业生产实际相符合的环境下完成实践环节，从而增强学生的工程实践能力，如模糊控制技术在机器人避障中的应用。
通过实践性教学的这四个体现，学生不仅有相对扎实的智能控制知识，而且还具备一定的智能控制思想并应用至具体控制对象设计中去。
3.2 实践教学的设计与实验内容安排重点
课程设计与实验是智能控制教学任务的重点与难点，在抓住主要三大知识模块的基础上，经过多年教学经验和将来学生从事工作实际，在课程设计与实验的内容安排上注重以下几点。
⑴ 贴切应用。实践内容的安排绝大多数来自生活或生产中遇到的实际问题，通过建模、方案设计、实验、调试，逐步验证方法的正确性等等，让学生从系统中学会了应用，从应用中找到人工智能应用的强大功能。
⑵ 贴切学生实际。针对本二学生，所关心的重点是如何将理论转化成实际的效果。在实践内容安排上，强调的是目标实现，而不是问题的优化，让绝大多数学生能完成实践任务与目标，从实践中体验知识带头的快乐。
⑶ 一切围绕“问题”。教师在问题中教学，学生在问题中学习，寻找学习与实践的交叉点，通过研讨和分组，让学生根据兴趣自主选择实践项目。
⑷ 丰富与不断更新实践项目。通过将研究成果转化教学资源，不断更新实践教学资源，目标保持至少10个以上实践项目供学生自主选择。
4 研究性课程教学方法与教学手段改革
4.1 教学方法改革
本着因材施教的教学方针，我们积极引入灵活的教学方法，如探究式、讨论式、专题式、成果展示式等教学方法，充分激发了学生求知的潜能和学习的主体作用。结合专业特点，选用国外知名大学英文原版教材和自己编写的智能控制基础教材相结合，进一步丰富课程内容。适当增加讨论课，提倡小设计和小论文，充分激励学生探索和研究的热情，让学生学会科学研究的方法，提高解决问题的能力；实践教学的设计思想始终贯彻理论联系实际、重视实践、激发学生创新热情的指导方针，自行开发与引进实验装置相结合，提供基础性、综合性和创新性的实验内容。为学生创造良好的实验条件，鼓励学生自主开发智能控制系统，独立完成设计、控制与研究，并验证其效果。
4.2 教学手段改革
采用“多媒体投影+黑板”的技术手段加速了课程内容的呈现，提高了课堂讲解的表现力，如：针对该课程内容难度大，信息涵盖量大，知识面广的特点，充分发挥现代教育技术的优越性，课堂授课方法以多媒体课件为主，实现图、文、声、像并茂的视听一体化教学，并与传统教学手段有机组合，让学生共同参与教学的全过程。网络教学平台有效地支持了自主性学习，如：双语课程网站提供了智能控制课程丰富的教辅资源，网络多媒体课件及学术论坛为学生提供交互式学习平台，使学生能够在课堂学习、答疑、自由论坛等各个环节密切配合，有效地支持了学生自主性的学习。同时，利用多媒体课件可以做到教学资源共享，便于教师之间彼此交流教学经验。
5 结束语
智能控制是一门具有较强理论综合性和实践性、学科交叉及应用广泛的专业课程。深度发掘学生的自主学习与创新意识，对自动化等专业智能控制课程研究性教学从课程设计理念、理论教学改革、实践教学改革以及教学方法与教学手段改革等四个方面进行了具体的实践探索，取得了一定效果。通过研究性教学，逐步培养学生的主动学习的意识和创新意识，培养研究精神，鼓励研究热情，引导学生逐渐积累专业知识，解决实际问题，达到培养创新性人才的目的。但是智能控制课程的开设一般都选择在大四上学期，如何有效激起所有同学的学习兴趣，以及分层次、分专业背景的授课方式将是本课程未来所研究的主要内容。
参考文献：
[1] 徐青，张云，应飚.试论研究性大学创新性科研团队的建设[J].中国高
教研究，2009.3：49-50
[2] 张建华.应用型人才培养中数值计算方法课程教学改革与实践[J].大
学教育，2013.8：51-52
[3] 顾沛.把握研究性教学推进课堂教学方法改革[J].中国高等教育，
2009.7：31-33
[4] 赖生建.《计算电磁学》课程研究性教学实践[J].实验科学与技术，
2013.11（6）：262-264
[5] 李胜清，康勤书，陈浩.分析化学“四位一体”研究性教学模式的构建
与实践[J].理工高教研究，2009.28（5）：60-62
一、深度学习概念的提出
深度学习的概念，源于30多年来计算机科学、人工神经网络和人工智能的研究。上世纪八九十年代，人们提出了一系列机器学习模型，应用最为广泛的包括支持向量机（Support Vector Machine，SVM）和逻辑回归（Logistic Regression，LR），这两种模型分别可以看作包含1个隐藏层和没有隐藏层的浅层模型。计算机面对较为复杂的问题解决训练时，可以利用反向传播算法计算梯度，再用梯度下降方法在参数空间中寻找最优解。浅层模型往往具有凸代价函数，理论分析相对简单，训练方法也容易掌握，应用取得了很多成功。①随着人工智能的发展，计算机和智能网络如何基于算法革新，模拟人脑抽象认知和思维，准确且高清晰度地进行声音处理、图像传播甚至更为复杂的数据处理和问题解决等，在21世纪来临的时候成为摆在人工智能领域的关键问题。
30多年来，加拿大多伦多大学计算机系辛顿教授（Hinton，G.）一直从事机器学习模型、神经网络与人工智能等问题的相关研究，并在机器学习模型特别是突破浅层学习模型，实现计算机抽象认知方面取得了突破性的进展。2006年，他在《Science》上发表了《利用神经网络刻画数据维度》（Reducing the Dimensionality of Data with Neural Networks）一文，探讨了应用人工神经网络刻画数据的学习模型，首先提出了深度学习（Deep Learning）的概念和计算机深度学习模型，掀起了深度学习在人工智能领域的新。这篇文章的两个主要观点是：第一，多隐藏层的人工神经网络具有优异的特征学习能力，学习到的特征对数据有更本质的刻画，从而有利于可视化或分类；第二，深度神经网络可以通过“逐层初始化”（Layer-wise Pre-training）来有效克服训练和优解的难度，无监督的逐层初始化方法有助于突破浅层学习模型。②基于深度置信网络（DBN）提出非监督逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。③2012年，辛顿又带领学生在目前最大的图像数据库ImageNet上，对分类问题取得了惊人的结果，将计算机处理图像数据问题时排名前五的错误率（即Top5错误率），由最高26%大幅降低至15%，大大提高了人工智能图像数据处理的准确性和清晰度，这是早先计算机仅仅依赖数学模型的表层学习和单层学习根本无法实现的水平。
在人工智能领域，深度学习其实是一种算法思维，其核心是对人脑思维深层次学习的模拟，通过模拟人脑的深哟纬橄笕现过程，实现计算机对数据的复杂运算和优化。深度学习采用的模型是深层神经网络（Deep Neural Networks，DNN）模型，即包含多个隐藏层（Hidden Layer，也称隐含层）的神经网络（Neural Networks，NN）。深度学习利用模型中的隐藏层，通过特征组合的方式，逐层将原始输入转化为浅层特征、中层特征、高层特征直至最终的任务目标。深度学习可以完成需要高度抽象特征的人工智能任务，如语音识别、图像识别和检索、自然语言理解等。深层模型是包含多个隐藏层的人工神经网络，多层非线性结构使其具备强大的特征表达能力和对复杂任务的建模能力。训练深层模型是长期以来的难题，近年来以层次化、逐层初始化为代表的一系列方法的提出，为训练深层模型带来了希望，并在多个应用领域获得了成功。
人工智能学者们认为计算机和智能网络的这一深层的自动编码与解码过程，是一个从数据刻画、抽象认知到优选方案的深度学习的过程。由于人脑具有深度结构，认知过程是一个复杂的脑活动过程，因而计算机和人工智能网络模拟从符号接受、符号解码、意义建立再到优化方案的学习过程也是有结构的；同时，认知过程是逐层进行、逐步抽象的，人工智能不是纯粹依赖于数学模型的产物，而是对人脑、人脑神经网络及抽象认知和思维过程进行模拟的产物。应该说，到目前为止，深度学习是计算机和智能网络最接近人脑的智能学习方法。近几年来，深度学习进一步尝试直接解决抽象认知的难题，并取得了突破性的进展，AlphaGo的问世，便是明证。2013年4月，《麻省理工学院技术评论》（MIT Technology Review ）杂志将深度学习列为2013年十大突破性技术之首。④深度学习引爆的这场革命，将人工智能带上了一个新的台阶，不仅学术意义巨大，而且实用性很强，工业界也开始了大规模的投入，一大批产品将从中获益。二十世纪八九十年代以来，随着学习科学的不断发展，深度学习的概念和思想不断在教育中得到应用。
二、深度学习在教育中的兴起与发展
来自脑科学、人工智能和学习科学领域的新成就，必然引起教育领域研究者的深刻反省。计算机、人工智能尚且能够模拟人脑的深层结构和抽象认知，通过神经网络的建立开展深度学习，那人对知识的学习过程究竟应该是怎样的一个脑活动过程和学习过程？学生的学习有表层和深层等层次之分吗？从作为符号的公共知识到作为个人意义的个人知识究竟是怎样建立起来的？知识学习过程究竟是一个怎样的抽象认知过程？信息技术环境支持下深层次的学习如何实现？近十多年来，这些问题引起了许多教育研究者特别是教育技术学研究者的浓厚兴趣，深度学习、深度教学的研究日益引起人们的重视。也正是在辛顿的“深度学习”概念明确提出后，教育学领域特别是教育技术学领域的深度学习研究日益活跃起来。
其实，早在1956年布鲁姆在《教育目标分类学》里关于“认知领域目标”的探讨中，对认识目标的维度划分就蕴含了深度学习的思想，即“学习有深浅层次之分”，将教学目标分为了解、理解、应用、分析、综合、评价六个由浅入深的层次。⑤学习者的认知水平停留在知道或领会的层次则为浅层学习，涉及的是简单提取、机械记忆符号表征或浅层了解逻辑背景等低阶思维活动；而认知水平较高的深层理解、应用、分析、综合和评价则涉及的是理性思辨、创造性思维、问题解决等相对复杂的高阶思维活动，属于深层学习。1976年，美国学者马顿（Marton，F.）和萨尔约（Saljo，R.）在《论学习的本质区别：结果和过程》（On Qualitative Difference in Learning： Outcome and Process）一文中，明确提出了表层学习和深层学习的概念。⑥这被普遍认为是教育学领域首次明确提出深度学习的概念。他们在一项关于阅读能力的实验研究中，明确探讨了阅读学习的层次问题。通过让学生阅读文章并进行测验，发现学生在阅读的过程中运用了两种截然不同的学习策略：一种是试图记住文章的事实表达，揣测接下来的测试并记忆，即表层学习（Surface Learning）；另一种是试图理解文章的中心思想和学术内涵，即深层学习（Deep Learning），也被译为深度学习。深度学习的学习者追求知识的理解并且使已有的知识与特定教材的内容进行批判性互动，探寻知识的逻辑意义，使现有事实和所得出的结论建立联系。浅层学习和深层学习在学习动机、投入程度、记忆方式、思维层次和迁移能力上有明显的差异。深度学习是一种主动的、高投入的、理解记忆的、涉及高阶思维并且学习结果迁移性强的学习状态和学习过程。之后 ，拉姆斯登（Ramsden，1988）、英推施黛（Entwistle，1997）以及比格斯（Biggs，1999）等人发展了浅层学习和深度学习的相关理论。⑦随着信息技术的发展，近十年来，国外学者对信息技术支持下的深度学习及其在各学科领域、各类教育中的应用研究日渐广泛。
2002年以来，从技术支持高等教育的深度学习、虚拟环境中的深度学习、形成性评估对深度学习的影响、学习环境对学生进行深度学习的影响、技术支持下的深度学习设计等方面研究成果日益丰富，但绝大部分是基于教育技术学视野的研究成果。2006年，辛顿教授关于深度学习的成果发表，进一步推动了深度学习在教育中的研究与应用。近十年来，在中小学深度学习研究方面最有影响的当属加拿大西盟菲莎大学（Simon Fraser University）艾根（Egan， K.）教授领衔的“深度学习”（Learning in Depth，简称LID）项目组所进行的研究，其成果集中体现在《深度学习：转变学校教育的一个革新案例》（Learning in Depth： A Simple Innovation That Can Transform Schooling）等著述之中。⑧该研究探讨了深度学习的基本原则与方法，分析了深度学习对学生成长、教师发展和学校革新的价值与路径，并在加拿大部分中小学进行实验研究。其核心成果聚焦课堂学习和教学问题，即使是关于教师教育中深度学习的研究，也聚焦于教师的学习过程和学习方式。⑨艾根所开展的深度学习研究项目超越了单一教育技术学视野的研究，不仅仅是关于教学设计、学习技术和学习环境开发的研究，而是基于建立新的学习观和知识观，对教学活动与学习过程作出了新的阐释。
总体上看，国内关于深度学习的研究最近十年才刚刚起步。2005年，我国学者黎加厚教授在《促进学生深度学习》一文中，率先介绍了国外关于深度学习的研究成果，同时探讨了深度学习的本质。他认为深度学习是指在理解学习的基础上，学习者能够批判性地学习新的思想和事实，并将它们融入原有的认知结构中，能够在众多思想间进行联系，能够将已有的知识迁移到新的情境中，作出决策和解决问题的学习。⑩此文被认为是国内较早介绍并论及深度学习的研究成果，此后，关于深度学习的探讨，特别是基于信息技术环境下的深度学习的相关研究论文逐渐增加。2006年10月，笔者在前期研究的基础上，与台湾成功大学教育研究所所长李坤崇教授联合发起“海峡两岸能力生根计划”，推进能力导向的深度教学的理论研究与实验研究，主张以价值观、知识观、学习观、过程观的重建为基础，以发展学生的学科能力为宗旨，实施深度教学，克服课堂教学改革过于注重教学程序、教学技术、教学时间的浅层次改革和表层学习的局限性，深化课堂教学改革。2014年后，中国教育科学院院长兼教育部课程教材研究与发展中心主任田慧生研究员基于深化课程改革的需要，带领一个团队开始启动深度学习的项目研究。直至今日，基于核心素养追求背景下的深度学习研究项目，如雨后春笋般涌现，“深度学习”成为教育研究中的一个热词。
尽管计算机、人工智能领域与教育学领域都提出了“深度学习”概念，但不难看出二者显然具有本质差异。计算机与人工智能领域的深度学习是建立在机器模拟人脑深层结构的基础之上的，是基于人脑结构的一种计算机算法思维和问题解决模型，是对人脑和认知结构的模拟。而教育学领域的“深度学习”概念，无论是布鲁姆还是马顿和萨尔约，都指向了“知识”和“学习”两个核心，是关于知识学习的目标和过程的问题。布鲁姆在教育目标分类学认知领域的目标构设中，认为认知目标是由了解、理解、应用、分析、综合、评价六个不断加深的层次构成的。这一目标明显是关于知识学习和认知过程的目标，在2001年修订版中，这一目标被精确表述为知识学习和认知过程两个维度。马顿和萨尔约在关于阅读的研究中，基于学生对文本理解的层次和理解的深度提出了“深度学习”的概念，并认为学习的本质区别在于过程而不是学习的结果，是学生对文本知识学习的深刻程度决定了其学习结果的差异性。
艾根的研究实现了从深度学习向深度教学的转向。艾根的深度学习（Learning in Depth）研究更明确地指向了学生对知识的学习所到达的深度，以及教师通过对知识的处理引导学生逐步到达一定的学习深度。这一深度学习的过程是一个逐步深化的学习过程，要求教师在教学过程中引导学生着眼于知识的深层次理解和深度处理。该项研究表明，深度学习的研究开始从单一的学习技术研究转向了对教学过程的关注，注重深度学习与深度教学的关联性和一致性，深度学习的研究呈现出向深度学习与深度教学相结合的转向。
三、深度学习的核心理念
从深度学习走向深度教学，一方面是教与学的一致性决定的，另一方面是当前中小学课堂教学普遍存在的局限性Q定的。教与学的关系既不是对立关系，也不是对应关系，而是一种具有相融性的一体化关系，离开了教无所谓学，离开了学也无所谓教。学生真正意义上的深度学习需要建立在教师深度教导、引导的基础之上。从本质上看，教育学视野下的深度学习不同于人工智能视野下的深度学习，不是学生像机器一样对人脑进行孤独的模拟活动，而是学生在教师引导下，对知识进行的“层进式学习”和“沉浸式学习”。“层进”是指对知识内在结构的逐层深化的学习，“沉浸”是指对学习过程的深刻参与和学习投入。离开了教师的教学和引导，学生何以“沉浸”？因此，深度学习只有走向深度教学才更具有发展性的意义和价值。同时，我国新一轮基础教育课程改革以来，课堂教学改革依然存在着诸多表层学习、表面学习和表演学习的局限性，“学习方式的转变”往往演变成了教学形式的改变，诸如教与学在程序上的简单翻转和在时间上的粗暴分配。其所体现出来的知识观、价值观、教学观、过程观依然陈旧落后，以学科知识、学科能力、学科思想和学科经验的融合为核心的学科素养依然未能得到实质性的渗透。
深度教学的“深度”是建立在完整而深刻地处理和理解知识的基础之上的。艾根在深度学习的研究中，首次从知识论的角度，论述了深度学习的“深度”（Depth）的涵义。他认为“学习深度”具有三个基本标准，即知识学习的充分广度（Sufficient Breadth）、知识学习的充分深度（Sufficient Depth）和知识学习的充分关联度（Multi-Dimensional Richness and Ties）。这三个标准，也是深度学习的核心理念。
第一，知识学习的充分广度。充分的广度与知识产生的背景相关，与知识对人生成的意义相关，与个体经验相关，也与学习者的学习情境相关。如果教学把知识从其赖以存在的背景、意义和经验中剥离出来，成为纯粹的符号，便成为无意义的符号、无根基的概念知识。知识具有强烈的依存性，无论是自然科学的知识还是社会科学或人文学科的知识，都是特定的社会背景、文化背景、历史背景及其特定的思维方式的产物。离开了知识的自然背景、社会背景、逻辑背景，前人创造的知识对后人而言几乎不具有可理解性。随着深度学习的兴起，旨在以广度促进理解的“无边界学习”日益引起人们的重视。可见，知识的充分广度，其实是为理解提供多样性的支架，为知识的意义达成创造了可能性和广阔性基础。
第二，知识学习的充分深度。知识的充分深度与知识所表达的内在思想、认知方式和具体的思维逻辑相关，深度学习把通过知识理解来建立认识方式，提升思维品质，特别是发展批判性思维作为核心目标。所以说，深度学习是一种反思性学习，是注重批判性思维品质培养的学习，同时也是一种沉浸式、层进式的学习。深度学习强调学习过程是从符号理解、符号解码到意义建构的认知过程，这一过程是逐层深化的。
第三，知R学习的充分关联度。知识的充分关联度，是指知识学习指向与多维度地理解知识的丰富内涵及其与文化、想象、经验的内在联系。知识学习不是单一的符号学习，而是对知识所承载的文化精神的学习。同时，通过与学生的想象、情感的紧密联系，达到对知识的意义建构。从广度，到深度，再到关联度，学生认知的过程是逐层深化的。所谓意义建构，即从公共知识到个人知识的建立过程，都需要建立在知识学习的深度和关联度之上。
①Y.LeCun and Y.Bengio.Convolutional networks for images，speech，and time-series.In M.A.Arbib，editor，The Handbook of Brain Theory and Neural Networks.MIT Press，1995.
②Geoffery E.Hinton and Salakhutdinov R.R.，Reducing the dimensionality of data with neural networks. Science.2006 Jul 28；313（5786）：504-7.
③Geoffrey E.Hinton，Simon Osindero，Yee-Whye Teh. A Fast Learning Algorithm for Deep Belief Nets. Neural Computation.2006（7）.
④余凯等.深度学习的昨天、今天和明天[J].计算机研究与发展，2013，9.
⑤安德森.布卢姆教育目标分类学（修订版）[M]. 北京：外语教学与研究出版社，2009：78-80.
⑥Marton，F. and Saljo，R.，On Qualitative Difference in Learning：Outcome and Process. British Journal of Educational Psychology，1976，46：4-11.
⑦安富海.促进深度学习的课堂教学策略研究[J].课程・教材・教法，2014，11.
⑧Kieran Egan. Learning in Depth： A Simple Innovation That Can Transform Schooling. London， Ontario： The Althouse Press， 2010.
记 者：李主任，您好。很高兴地看到，2016年初采访您时，您提到的一些设想，现在正在一步步地走向现实。比如去年4月启动的北京市中小学教师开放型教学实践活动、11月启动的双师服务试点。北京市教委通过供给侧结构性改革，让优质的教育资源穿越了学校和区域的边界。您能给我们介绍下这两个项目实施的过程及取得的成效吗？
李 奕：是的，当时计划的“教师走网”，已经通过“北京市中小学教师开放型教学实践活动”在全市范围的教师继续教育领域里成功地“走”了起来。教师通过自主选课并在课堂中听课研修，改变了传统继续教育“讲大课”的方式，实现了教师选择的自主性和实践性。该项目自2016年4月启动以来，已经在上半年和下半年各完成了一轮培训活动。
第一轮培训，我们将市级以上骨干教师的1482门课程名录挂到网络平台上，听课教师在线自助选择自己喜欢的课，充分尊重了听课教师的自主选择权。只要教师自己喜欢，就可以跨年级，甚至跨学科选择授课老师的课。线上选定听课对象以后，听课教师们就可以根据时间安排，到线下授课点听课，并参与教研和备课。这一系列活动完成后，教师们将照片、任务单上传到平台，平台就会给授课老师和听课老师双向计学分。由于这个平台对接北京市教师MIS系统，所计学分与教师的继续教育、晋级密切相关。
在开展第二轮培训时，又实现新的突破――我们把上传授课目录的教师扩展到年轻的骨干教师。只要教师具备独特的内容或擅长的方面，就可以上传。由于上传行为本身是没有成本的，只有实际发生听课行为了，才有成本，所以我们继续扩大供给侧的结构和数量，供给越多，教师们选择的范围就越大。此外，还有一个变化就是，民办教育机构的教师也首次尝试进来，量虽不大，但是一种类型，或许不输给公办学校的教师。“北京市中小学教师开放型教学实践活动”是典型的利用互联网思维来运作的一个项目，它的特点是自选、开放、后付费。形式上，它与初一、初二的开放性科学实践活动相似，不同的是，这次是教师“走网”，骨干教师、特级教师的优质资源属性开始在网上流动了。
为了保障培训质量，让学员之间能够有充分的讨论和互动，我们要求每位授课教师每学期最多开放两次课，并且每次课最多接纳10个学员听课。所以，有的授课教师大家抢得厉害，而有些授课老师的课型挂上网以后，没有人选他的课，形成潜在的压力。
记 者：在实际的操作过程中，真的会出现这种情况吗？那不被选的教师岂不是很尴尬？
李 奕：当然有。第一轮1482门课程挂上去后，只有1375门课程选满了，另外100多课程情况很复杂了。有的授课教师已经脱离教学一线，有的是对开放自己的课程压力大等。中央提出，要更多地用市场的机制决定资源的配置。这就是由市场机制来决定，拿事实来说话。包括以后我们评价一位教师的影响力，就要看他的受众到底有多少？通过互联网的行为数据，能查出每年到底有多少个区县、多少个教师选他。选的人多了，他自然就是骨干，因为他已经用实际的影响力证明他就是这个领域的“骨”和“干”了。假如还有另外一位教师，他一年教了200节课，发表了10篇论文，但只是面向自己教的这两个班的学生。那他是一位优秀、敬业的好老师，可是他在骨干引领作用的发挥上，就不充分了。
这些都是在互联网思维下的市场机制和优质资源属性配置。这个项目运行后还有个“副产品”：来听课的10位学员之前可能完全不认识，但在听完课离开的时候互相加了微信，建了微信群，形成了一个备课交流圈子。有了这个圈子，教师们以后的讨论会延伸下去。这就是运用互联网思维建立起了教育系统内人与人之间“跨界”的连接。
在通州区启动的双师服务工程只是一个试点，将来有可能扩展到全市。一旦全面启动，将会比“北京市中小学教师开放型教学实践活动”的工程大，因为它属于教育的基本公共服务范畴。
“智慧学伴”将让学生的交往超越学校和学区边界
记 者：您刚才提到教师参加开放型教学实践活动后，会结成一个个社交的小圈子。这个圈子超越了地区和班级的界限。这种边界的超越，会发生在孩子们身上吗？
李 奕：实际上已经发生了。北京市初中开放性科学实践活动计划带来的宝贵“财富”是：一个实践活动班内30个来自不同学校的孩子聚在一起搞科学实践活动，从互相不认识，到在一起做事，再到分手时合个影、留个联系方式，后续还会有联络。这是任何一所学校靠自身力量，再怎么走班教学，也提供不了的教育服务。等这拨孩子2018年中考时，每个人的通讯录里都有五个以上非本区、本校的同学，而且他们在一起合作学习：做过飞机、拆过鼠标或捣鼓过中医药、护手霜，到现在还有联系。这就是在孩子们身上真实发生的实践活动。这个项目给教育系统留下来的是他们选课的记录，告诉我们为什么学生喜欢选这个，不选那个。所以，这个项目最大的价值就是让孩子独立选择，而且班级的组合是开放的，是有意做到“无组织、有纪律”，不再需要“带队老师”，不再是和“本班的同学”一起做了。
北京市教委2017年从教育信息化角度重点推进的一个项目就是“智慧学伴”。互联网给人带来的是相互交往能力的跃升。这时候，人与人之间的交流就不仅是可以穿越边界，还能实现跨越角色的交往。无论是成年人还是孩子，都可以通过互联网参与到社会实践中，找到与自己志同道合的学伴。就拿“双师工程”来说，其实它背后更可能吸引孩子的，不是双师，而是学伴。在参与活动的过程中，一个学生可能在这儿找到几个跨区的、有相同兴趣爱好的同学，建立起定向的联系，分享自己的成果和成长的经历。这是我们所乐见其成的，因为这实际是从底层，用互联网思维来支持和帮助孩子。从这个意义上来说，它就是“学伴工程”。
我们现在给学生配双师，目的是增加学生的实际获得，但同时也要考虑未来，特别是伴随着人工智能时代的到来，学生从教师那里直接获得的知识比例会进一步降低，而且还会更精准，更符合每个孩子的个好和实际需求。通过互联网也可以掌握大量的关联知识。就像我们现在在工作过程中利用搜索引擎了解讯息、学习新知那样，随时随地会有个资源库、智能系统支持我们的工作与成长。
人工智能时代将会深刻影响学习行为，但不会颠覆学校
记 者：人工智能是2016年的热词。尤其是AlphaGo与李世石的“人机大战”，让人们见识到了人工智能的“过人”之处。相信对于人工智能在教育中的应用，您也有很多思考。我们想听听您对此的见解。
李 奕：基础教育实践中的人工智能，并不像理论界、科研领域那样高深到非得有个机器学习或者专家系统等。“人工智能”就在我们身边。人工智能是一种理念，在教育中的另一种拓展应用就是助力于学生学习方式的改变。它对我们中小学的教师和学生来说，都有重大的影响。如果善于驾驭人工智能，现在我们所倚重的教室、专业器材、教材等，都将不再是最核心的资源。
我们关注同学和老师、同学与同学之间的互动与交流，以及在此过程中产生的新学习资源，即智慧学伴工程。北京师范大学未来教育高精尖创新中心就是在打造这样一个新平台，让学生与学生、学生与教师之间的活动丰富起来，对行为数据记录和问题收集进行有效处理，形成对每个孩子的个性支持。
我们认为，一个人从中小学到走上社会，他都需要智慧学习和学伴。想想看，我们的微信群里有没有圈子？其实，你的圈子就是你的智慧学伴，这是自然而然形成的。生活中为什么两个人总是联系，就是因为你发的东西我爱看，我发的东西你爱看，我的生活你关注，你的生活我关注，所以人之间的连接越来越丰富。处在这种丰富连接中的人，知识与信息的获得是持续增长的。当然，这其中要有教师的正确引导和影响。
新的资源观和环境观下的数字校园
记 者：确实在现实生活中，基于微信、QQ等互联网技术建立的圈子，就相当于给人重新划分了学习的社群。
李 奕：在这种情形下，就涉及新的学习材料的提取和萃取，我们将不再仅仅依靠专家编选资源，让学生去学，而是在原有基础上尝试由市场机制决定谁是优质教育资源。我们也期待学生和教师，在新的资源观和环境观下，开始进入一种新的学习状态。现在，有不少学校已经开始用手持设备和移动互联网进行日常的教育教学的活动，就是一个例子。
如北京市教委数字校园实验校中，有的从上个学期9月份开始，就将校园网由PC版升级为移动端APP。升级后，学生每天都要回家完成四项作业：英语的口语、语文的朗读、数学的速算、每天的日记。孩子每天花5分钟做完作业以后，可以给同学点赞，看谁获得的“点赞”多，学生们写的日记可以互相评论和留言。
用手机的方式做四项作业，是一个进步――教师以前检查不了英语的口语、听力，现在通过这种方式能检查了。但这是一个浅层次的提升，更为核心、深层次的提升是：学生学会欣赏了、学会倾听了，与此同时，他的阅读量随着交流的增多也越来越大。这就实现了在一个班、一所学校这样一个小环境里信息的流动和互动。
现在学校在三年级又开展了作业阅读，鼓励学生们自己上传作业内容。小孩子都爱往上传，因为对他来说很容易，就像聊天一样。比如上传一句名言“书山有路勤为径，学海无涯苦作舟”作为班级作业。只要他上传了作业，教师就会组织全班50个孩子都念一遍，这个过程中就产生了大量数据，上传作业的学生还有权利给其他学生做点评。
这样一来，新的教学方式出现了。在这样的作业过程中，学习是跨学科的，对象和学伴是互换的，学习的内容是不断增长更新的。
数字校园真正升级在孩子的交往能力上
记 者：据我们了解，北京也有一些学校正在做这样的尝试，比如北京十一学校亦庄实验小学，利用“一起作业网”的平台，进行作业的提交、点赞和评价，在此过程中潜移默化地培养学生的社交能力。
李 奕：数字校园真正的升级换代，体现在对孩子们的交往能力的提升上。当然，这只是一所学校范围的尝试。如果一个学区有这个意识，像东城和海淀这类有条件的学区，要拓展到学区里去做，效果会更好。比如东城的某些学校在使用“作业盒子”以后，你会发现孩子们交往的朋友圈和视野，比传统名校的孩子更棒。
这种棒是从教育的角度来看资源和环境，这是将来信息化发展的重要方向。什么是数字原住民？数字原住民不是只玩玩游戏，而是他对信息很敏锐，能提取、筛选信息，而且善于交流，有包容心，会给别人点赞，而不是很嫉妒、焦虑或者压抑。从社会大背景来看，利用信息技术能不能实现这种升级和超越？我认为能。
所以，看待一件事，一定要发掘这件事背后的价值取向和给孩子带来的变化。
记 者：我们也发现，教学中技术的使用门槛虽然降低了，但对教师的驾驭能力要求更高了。教师不能只做“教书匠”，而是既要想办法将信息技术成为学生手里学习的工具，还要善于组织学生的交流、讨论和活动。
李 奕：是这样的，有了APP，教师要善于去用，不只是善于用它布置作业，而是善于捕捉行为记录，以确定第二天在课堂上该关注谁、该如何因材施教等。将来理想的状态是，教师未必有学生知道得多，但是会比学生更敏锐。
与传统教学的面对面授课相比，MOOC具有学习方式灵活、学习自主、资源丰富开放、交流广泛、学科交叉灵活方便等优点，但也有学习成功率不高、诚信考核难以控制等局限性。因此，将MOOC学习与传统的课堂学习有机结合起来，实现优势互补，从而更好地实现研究生创新能力的培养是研究生教学改革的方向之一。
为了提高研究生科学研究的创新能力，笔者在研究生教学改革中进行了混合式教学的实践和探讨，即将MOOC学习、翻转课堂和面对面授课三部分有机融合，以求实现教学效果的改善和创新能力的提升。
基于MOOC的混合式教学的实践过程
MOOC的出现给研究生创新能力培养提供了新渠道和平台支持。笔者在研究生的“智能决策支持系统”课程中采用混合式教学模式，在教学设计等几个方面进行了改革、实践和探讨。
1.精心进行混合式教学设计
与传统教学一样，要想达到好的教学效果，教师必须精心设计好每堂课的内容和教学方式，以研究生的创新能力培养为目标，科学规划课堂教学、翻转课堂和MOOC学习内容，既要达到课程标准的教学目标，又要保证课程知识体系的完备性和系统性。
在混合式教学过程中，将若干模块知识体系分解成多个知识点，根据知识点的难易程度、重要程度将知识点进行分类，不同知识点采用不同的教学方式，同时又在课堂中通过研讨等方式将三种知识学习连贯起来，从而保证知识的系统性和完整性。
课堂讲授主要的内容包括智能决策支持系统的体系结构、模型库管理等。由于有前置课程的支撑，可以将决策支持概述、决策支持系统体系结构和数据库管理等内容通过翻转课堂方式进行学习。借助Coursera平台学习的主要包括人工智能基本原理、人工神经网原理、遗传算法原理、数据挖掘原理等智能计算内容。同时，在这三种学习的过程中，一直贯穿着面对面的专题研讨。这样进行的课程设计，不仅保证了整个教学内容与原智能决策支持系统课程标准的一致性及知识的系统性和完备性，同时也实现了知识体系的相互支撑。
2.翻转课堂教学的应用
翻转课堂的基本思路是把传统的学习过程翻转过来，让学习者在课外时间完成针对知识点和概念的自主学习，课堂则变成教师与学生互动的场所，主要用于解答疑惑、汇报讨论，从而达到更好的教学效果，提高学生的自学能力，同时教师在课堂上能更主动地教学、研讨，以培养学生的创新能力。
对于研究生教学，翻转课堂既可以培养学生自学的能力，也能培养他们独立思考解决问题的能力。为了应用好翻转课堂，笔者对整个教学内容的知识点进行了分析筛选，选取适合翻转课堂的内容，如决策及决策支持概述、数据库管理等，让学生自学完成。翻转课堂中学习的视频是从网上公开课平台节选的，并且每次课前教师都要先提出课堂要掌握的内容，设定思考或要回答的问题，让学生学习指定教材或视频内容，最后小组学习汇报并研讨。翻转课堂学生学习汇报的结果和研讨表现将计入课程总成绩。
3.MOOC学习与面授及研讨的结合
根据“智能决策支持系统”课程实施计划和课程标准的要求，笔者选择的讲授内容将在学期开始的前几周完成，讲授过程中，将人工智能等相关内容同步到MOOC平台。
每次进行MOOC学习前，笔者除了要求学生完成教师课堂上的作业及交流内容外，也布置了相关问题和研讨内容，并要求学生在学习MOOC内容后，安排时间进行课堂研讨。研讨内容主要是让学生理解人工智能技术如何对决策进行支持，即如何用人工智能技术实现智能决策支持系统，并通过军事应用案例来研讨智能军事决策支持的技术和方法;同时，查验学生通过MOOC学习后对知识的掌握情况。
4.多种方式的交流研讨
在整个混合式教学过程中，师生可以采用线下、线上和课堂等多种方式进行交流、研讨。线上学生主要是利用MOOC平台进行交流讨论，线下主要是在课堂中或课外进行面对面的研讨。目前，多数MOOC平台都提供了各种讨论交流环境，如讨论小组、讨论区或论坛、线上交流、线下交流、学生自评、同伴互评等。
5.综合的学习评价方式
根据混合式教学内容的分配，评价应针对课堂学习、翻转课堂学习和MOOC学习三部分。评价内容有：课堂学习中的平时作业、课堂研讨、小论文等;翻转课堂学习中的学习的效果、回答问题的情况;MOOC学习主要依靠MOOC平台的评价，同时也可以参考MOOC平台的记录信息，包括登录次数、在线时间、视频观看情况、在线测试成绩、在线交流提问和回答问题等信息。
对混合式教学的思考
基于MOOC的混合式教学是一种探讨式的教学改革。虽然目前在混合式教学实践中学生的人数和课程数量不够多，但从对学生阶段性考核和最终考试的成绩以及学生的自评中可以看出，这种混合式教学有利于培养研究生的创新思维，拓展他们的知识面，更有利于丰富教学方法，创新教学模式。
结合基于MOOC的混合式教学的实践，笔者认为在混合式教学过程中只有重点关注以下几点，才能将三者进行优势互补，真正达到混合式教学的目的。
(1)混合式教学必须将知识点进行科学有效的划分。教师不仅要花费更多的时间研讨教学内容的设计，设计面授课、MOOC的教学内容，设计交流研讨、翻转课堂学习的内容，还要保证课程知识体系的系统性和完备性。MOOC平台、平台内容的选择及翻转课堂内容的制作都是做好混合式教学的基础。
(2)虽然MOOC学习强调以学生为主的自主学习，但教师还是要掌握学生线上或翻转学习的效果和质量。教学过程中教师可以通过多种方式来关注学生的学习过程。例如，将MOOC中的学习时间、提问数量、回答的问题、作业提交、线上测试等平台记录的情况都纳入最终成绩的考核。
(3)在积累历史数据的基础上，教师可以利用大数据分析或挖掘数据，科学分析学习过程中记录的信息，并用以指导以后的混合式教学改革。
(4)为了培养研究生的创新能力，课程研讨是教学过程中的重要手段之一。在混合式教学的各个阶段要引入研讨式教学，设计的研讨问题要有利于启发学生，培养其创新思维。
(5)基于MOOC的混合式教学将会是未来教学改革的主要方向之一。如何保证MOOC学习的效果和质量，如何评价混合式教学的质量，如何监督混合式教学的自主学习等问题都需要教师通过改革实践来确定。
总结
传统教学提供了面授进行思想交流的环境，MOOC发挥了学生在学习过程中的主体地位，翻转课堂从某种意义上克服了传统教学中存在的弊端，使学生更加主动地去思考和学习，所以三者的结合将会使各自的优势得到发挥，也将给高等教育改革带来新的拓展、探索和方向。
关键词:智能科学与技术;机器人;课堂学习;项目实践
智能科学与技术是一门新兴的学科,目前在国内部分高校已开办了该专业,鉴于该专业的高度交叉性和强调工程实践的要求,如何加强工程实践训练,使之与课堂学习有机结合是一个值得探索的问题。而积极开展学生创新计划项目,鼓励同学们参与科研实践无疑是一个很好的途径。我校的“创新创业项目”正好给学生提供了这样一个良好的学习与实践平台。
“仓库巡逻预警机器人”项目的主要内容是在一个自行拼装的轮式机器人本体上完成集感知、规划、决策和移动为一体的行为控制,根据已知地图信息进行全局路径规划、实现避障,对环境中的烟度、温度、湿度、气味、声音及热释红外等因素的异常进行感知和及时预警,完成指定区域定时、定点的巡逻预警工作。
1项目实施过程
“仓库巡逻预警机器人”项目实施大体分以下3个阶段:1)理论研究和技术学习为主;2)机器人的组装,雏形测试,及整体功能的实现;3)功能测试、改进,论文、报告的撰写。
对于巡逻机器人来说,首要任务是完成机器人本体的装配,其他很多功能的实现都与机器人本体设计有关。此外,漫游功能是巡逻机器人的基本功能,下面将对这两个内容进行主要介绍。
1.1机器人本体的设计和装配
针对仓库巡逻任务的实际需求,并考虑到现有条
件的限制,在研究了多种机器人基本结构、运动学及动力学特性[1-2]后,最终采用了如图1所示的三轮机器人结构。其底盘结构为一个万向轮和两个独立驱动轮,车体前、左、右方各安装一个红外接近传感器。
基金项目:中南大学2009年“大学生创新创业启航行动”创新项目(CX13)。
作者简介:党志刚(1990-),男,本科生,研究方向为自动化专业(智能科学与技术方向);刘丽珏(1973-),女,副教授,博士,研究方向为智能计算与智能规划;肖剑明(1988-),男,本科生,研究方向为自动化专业(智能科学与技术);谌慧滨(1988-),男,本科生,研究方向为自动化专业(智能科学与技术);韩爽(1988-),男,本科生,研究方向为自动化专业(电气)。
1.2机器人漫游的实现
漫游功能是巡逻机器人的基本功能之一,要实现漫游,除要对机器人的“前进、后退、左、右转弯、原地转圈、加、减速”等简单运动行为进行控制外,还需根据传感器信息对周围环境进行感知,以避开障碍。神经网络控制是智能控制的主要方法之一,利用神经网络,再结合简单的逻辑判断,可实现简单环境中的漫游。
在2.1所述的机器人本体“左、前、右”各安装一个红外接近传感器,就可实现简单环境中的漫游。结合硬件结构,采用二值函数作为激励函数构造了有3个输入、2个输出,由两个感知器构成的神经网络,结构如图3所示。
图3神经网络结构图
其中x1,x2,x3表示安装在机器人左、中、右边的3个传感器的输入信号,输入为0表示有障碍;输入为1表示无障碍。wji表示权值,y1,y2为输出,0表示后退,1表示前进。采用的二值函数如下式:
(2.1)
其输入、输出关系为:
( ) (2.2)
为实现避障,给出如表1的训练例子,作为神经网络的学习实例。
神经网络的权值和阈值采用学习算法进行调整,权值修正公式为:
,( ) (2.3)
其中x为输入向量, 为期望的输出向量, 为感知器实际输出向量。
显然从公式2.3可以看出,如果第 个神经元的实际输出与期望一致,则不对该神经元的权值进行修改;如果某个神经元的输出为0,而期望响应为1,则将此时的权值矢量wji加上输入向量x作为新的权值矢量;如果某个神经元的输出为1,而期望响应为0,则将此时的权值矢量wji减去向量x作为新的权值矢量。
而阈值修正公式为:
, (2.4)
经MATLAB仿真训练[3],其一次训练误差收敛过程如图4(其中横坐标表示训练代数,纵坐标表示平均绝对误差)所示。
(a) 左轮感知器误差变化曲线
(b) 右轮感知器误差变化曲线
图4左右轮感知器误差变化曲线
经学习后得到权值和阈值:
; ;
; 。
将机器人置于图5所示的简单环境中,一次实验中,机器人行进轨迹为ABCDEFG,对应的输入、输出向量和机器人行为如表2所示。
如图5所示,另一次漫游所得轨迹为abcd,在这种情况下,机器人会在cd段上往复运动,漫游失败。2.3中介绍的迷宫机器人学习算法将初步解决此问题。
1.3迷宫机器人路径规划
除上述问题外,应“人工智能课程设计”的要求,还对“迷宫机器人路径规划”问题进行了研究,使机器人在未知迷宫中不断获取有关前方和两侧隔墙的信息,从而进行路线识别和行走姿态控制,搜索安全出口并顺利走出线性迷宫。运用左手优先法则,再结合2.2的避障方法,实现了迷宫机器人路径规划,如图6所示。反复试验发现,只需要2个红外接近传感器(分别安装在机器人的左、前方)就可以完成机器人行走迷宫的基本行为控制,第3个(安装在右侧)用于微调行进时的位姿,以保证机器人自身安全。
采用字符串匹配迷宫机器人自学习算法[4]可以大大缩短迷宫行走时间。此算法大致思路如下:机器人每穿越一个路口,就在存储器中记录一个字符:若直行保存一个“S”、左转保存“L”、右转保存“R”、掉头保存“U”,在程序调用时,分别令S=0,L=90,R=-90,U=180。根据左手法则,机器人走迷宫共经过17个路口,如图6所示。显然机器人第一次走完迷宫后存储器保存字符串str=“SULLULLURLLLUSRSS”。进行字符串匹配:在字符串中找到U,对U和其前后两个字符进行数值计算后对字符串进行简化(如对字符串str进行第一次匹配将会找到“SULLULLURLLLUSRSS”,第一个“SUL”计算“0-180+90=-90”,因此可表示为字符“R”,第二个“LUL”计算“90-180-90=0”,因此可表示为字符“S”,依次类推可由字符串str得新串str1=“RSULLRRSS”;继续对str1进行匹配得到新的字符串str2=“RRLRRSS”(匹配到字符串中没有“U”为止)。最后匹配得到的新字符串“RRLRRSS”。
图6机器人穿越迷宫路径示意图
根据以上算法,当机器人再次走入迷宫时,行进路线如图7所示。显然这种算法大大缩短了第二次搜索的路程和时间。
图7学习后的机器人走迷宫路径示意图
以上字符串匹配学习算法有一个明显的缺点:在重复搜索同一个迷宫时才能起作用。采用更具智能的算法优化机器人的迷宫搜索是下一步目标。
1.4下一步的工作
设计和实现仓库巡逻机器人的目标还包括:希望机器人能对异常的温度、气味、声音等进行预警,因此,在给开发板上加装了DS18B02温度传感器、ADC0809、数码管、蜂鸣器和发光二极管等器件,成功扩展了温度测量与报警模块的基础上,下一步的工作便是开始学习和研究烟雾、湿度、气味、声音等环境因素的实时测量和预警模块;目前已初步实现了用串行通信和无线通信方法,将巡逻机器人获得的数据发送到PC机上进行实时监控,其他功能的实现还有待进一步的努力。
上述功能基本完成后,最终将结合各个模块,对机器人进行系统综合调试以实现仓库巡逻预警功能。并结合以后开设的智能控制、神经网络控制、智能计算等专业课程以及增强学习[5]的有关方法,进一步改进整个系统,提高稳定性的基础上使其具有更高的智能。
2心得与体会
在历时2年的专业课学习和6个多月的机器人项目的申请、实施中项目组成员深刻体会到从事智能科学与技术领域学习和研究时,扎实理论、进行工程实践的重要性和理论与实践紧密结合的必要性。
扎实的理论是进行项目实践的前提。课堂学习有比较充足的学习时间、任课老师的指导、同学之间的讨论、相关实验和各种考核机制,是掌握理论的绝佳机会。在项目实践进程中,会不断遇到各类问题,而大部分问题可以用课堂学习过的相关知识解决。
项目实践是检验理论体系是否完整、基础知识是否扎实的一个很好的标准,是课堂学习的兴奋剂、自主学习的催化剂。分析、解决问题的过程,就是不断补充理论知识、训练思维、强化动手能力、提高工程素养、培养兴趣的过程,在这个过程中,学生可以学到很多书本以外的知识和宝贵的科研、工作经验这些对课堂学习是一个很好的补充。总之,在课堂学习和项目实践的结合中,学生会有更加迅速的成长。
3对教学的若干建议
在智能科学与技术专业进行学习和研究以来,收获很多,作为学生,在教学方面也有一些自己的看法:1) 2010年中南大学智能所开设的人工智能、机器人学和专家系统等课程采用课堂讨论、辩论和报告的形式授课,广大同学配合积极,有同学现场演示和讲解了亲手制作的“人形机器人”和组装的“机械臂”。这样的授课方式极大地调动了学生的学习积极性和主动性,有助于知识的理解并提高创新能力,应该推广。2)在高校,许多本科生有课外实践的想法和热情,但考虑到花费时间多、可能影响学习成绩,就望而却步。如果将项目实践作为相关课程成绩考核的一部分,不仅会使学生大胆投身项目实践,也会使课堂学习效率倍增。3)“榜样的力量是无穷的”,广大学生渴望与国内外大师见面,聆听教诲。
4结语
“仓库巡逻预警机器人”项目富有挑战性的申请、实施和进一步研究过程是以智能科学与技术领域的基础课程和专业课程的学习为基础的;项目的实施过程可以巩固、提高硬件电路设计、程序设计等基础知识,熟悉MATLAB等仿真软件,又可以及时运用人工智能、机器人学等课程中学到的神经网络控制、机器人路径规划技术;进一步的研究又提供了一个了解该领域前沿问题(如强化学习)的机会。综上所述,课堂教学与项目实践的结合不仅会使学生加强理论基础、提高实践能力,而且会在很大程度上促进该领域的发展。因此,这种教学模式的推广意义重大。
参考文献:
[1] 蔡自兴. 机器人学[M]. 2版. 北京:清华大学出版社,2009:46-83.
[2] 蔡自兴. 机器人学基础[M]. 北京:机械工业出版社,2009:29-65.
[3] 朱凯,王正林. 精通MATLAB神经网络[M]. 北京:电子工业出版社,2010:140-161.
[4] 徐守江. 迷宫算法综述[J]. 信息与电脑:理论版,2009(10):91-92.
[5]Richard S. Sutton,Andrew G. Barto Reinforcement Learning:An introduction[M]. Cambridge:The MIT Press Cambridge,1998.
Combination of Theoretical Study and Robot Project
DANG Zhi-gang, LIU Li-jue, XIAO Jian-ming, CHEN Hui-bin, HAN Shuang
(Institute of Information Science and Engineering, Central South University, Changsha 410083, China)
中图分类号：G642
0 引 言
近年来，不论在学术界还是产业界，人工智能都成了最热门的技术，研究者和创业者纷纷看好人工智能的前景。自然语言处理是人工智能方向一个很重要的分支，随着IBM研发的Waston打败人类选手，自动问答技术重新成为最热门的研究方向。目前，很多高校和研究院所在硕士阶段开设了相关课程，比如清华大学的计算语言学课程、北京大学的计算语言学及语义计算与知识检索课程、哈尔滨工业大学的统计自然语言处理和命名实体识别与信息抽取课程。东北大学自然语言处理（NLP）实验室自1980年成立至今，在自然语言处理方向做了很多细致深入的研究工作。为了让计算机科学与技术专业学生尽早接触和了解NLP这个方向，开阔学术视野，东北大学从2006年开始在本科阶段开设文本智能处理技术选修课程。该课程是本科生自然语言处理方向的入门课程，主要涉及如何让计算机理解人类语言并进行进一步处理。课程内容涵盖自然语言处理学科的基本理论，以讲解最具挑战的问答系统为主轴，介绍文本处理的主要技术。课程的目标是通过该课程的学习，让学生掌握处理自然语言的基本理论，了解文本智能处理的常用模型和算法，初步具备从事该领域相关工作的能力。
专业选修课是必修课的重要补充，该部分教学环节的创新与突破是学生全方位发展的关键[1]。为了提高教学质量，教学团队每年进行学生问卷调查，了解学生的学习需求及对该课程教学的意见和建议。经过近10年的不断摸索，在收集整理学生建议以及分析学习效果的基础上，学校不断调整教学内容和教学方式，提高了课程的教学质量，得到学生的充分认可。
1 增加课程趣味性，激发学生好奇心
由于本门课程是选修课，学生在选择课程的时候怀着不同目的：有的是了解和喜欢这门课程的学习内容，有的仅仅为了获得学分，有的持观望态度，先上着看看。因此，如何在课程的开始抓住学生的注意力，激发学生的好奇心和学习愿望是很重要的事情[2]。在教学过程中，教学团队非常重视第一次课的教学及效果。在第一次课上，教师将日常生活中使用的互联网应用与课程内容挂钩，比如百度后台的搜索技术、淘宝购物时的自动推荐技术、Google和搜狗拼音输入法、门户网站的新闻自动分类、垃圾邮件过滤技术等，让学生们对将要学习的技术有直观的了解。同时，挑选有趣味性的、简单易理解的、与课程相关的视频供学生观看。比如用百度的“百度更懂中文”引导学生对中文分词的认识和兴趣，用电影《超能陆战队》中大白的行动及对话引出课程的主体教学内容――自动问答系统。通过问卷调查的方式让学生们思考：制造一个这样的机器人需要哪些技术？是否能够实现？如果你设计制造一个类似的机器人，你会怎样设计？在2015年，笔者对144名选课学生进行了调查，结果见表1。该结果也用来支撑2015年自然语言处理青年学者研讨会上Panel的主题讨论。
学生在思考的过程中，可以认识到自己欠缺哪些知识。在后期的课程教学过程中，教师讲解更有针对性，学生也知道具体的知识点和技术的实用性，做到目标清晰明确，学习热情高涨。
另外，教师在课程内容设置方面紧跟自然语言处理领域的最新研究发展方向、研究热点以及应用需求，充分激发学生的求知欲，因此课程的教学课件每年都会更新。这样，学生不会觉得学到的东西是过时的、无用的，间接提高了学生学习的积极性。
2 “做中学”和“学中做”的教学方法
2.1 “做中学”的教学方法实践
做中学是美国教育家杜威提出的一种教育思想，侧重做，将学生的被动学习转变为主动学习[3]。课程团队结合教学内容，认真设计了每次课的讲授内容，以设计与实现面向医疗领域的自动问答系统为目标，结合知识点将庞大的系统分解为能够在一周左右完成的小任务。在需求分析、总体设计、详细设计、算法选择、系统实现和系统测试等各个环节上加强指导。
1）加强技术储备。
为了更好地实施做中学，笔者给学生增加了Linux操作系统实验平台的讲解与指导，让学生接触不同操作系统下设计系统的不同点以及各系统的优缺点；增加了Python脚本语言的讲解与实验，该语言因其庞大的自然语言处理库而成为本方向最热门的编程语言之一；在实验平台以及编程技术储备准备好之后，给学生提供目前较好的问答系统开源工具DeepQA；通过演示与课后自行操作，让学生了解问答系统各个模块执行的结果，对该新技术有直观的了解，进而思考设计自己的问答系统。
2）提倡团队协作。
由于问答系统很庞大，一个学生在10周左右很难完成全部内容。另一方面，为了锻炼学生的团队协作能力，采取团队形式来布置任务。在具体的系统实现过程中，要求3～5人组成一个小组完成所有的系统开发内容。
3）改进指导方式。
在课堂上主要讲解文本智能处理技术的来源方法，并分析问题；课下通过BlackBoard教学平台以及QQ群等方式，做到随时沟通和指导。由于任课教师的精力有限，不可能面面俱到，而在QQ群里大家可以看到其他学生的问题与解答，这样充分地调动了学生的积极性，也减轻了任课教师的负担。
2.2 “学中做”的教学方法实践
学中做主要以讲授为主，以做为辅[4]。理论知识算法以示例形式展示给学生。比如讲解分词技术时，提前准备一段文字发给学生，让学生根据自己头脑中的知识和对母语的本能认识，完成对文字的分词，然后将人工分词的过程总结成算法记录下来。在此过程中，授课教师会查看学生的思路，总结人工分词过程中存在的问题。通常，学生在手工分词的过程中会发现一些问题，比如分词的粒度怎么把握、机器怎么区分词的边界等。带着这些问题，教师会从基于词典的最大匹配分词讲起，直到将分词问题转换为序列标注问题，采用条件随机场来解决分词问题。这样逐步引导学生解决问题，在此基础上讲解最新的理论知识。通过这种“学中做”教学方法，学生从问题出发，自觉寻求相应理论解决问题，从而激发学生的好奇心和学习动力。课程团队还将理论知识与研究领域热点方向和热门应用相结合，既传授了先进的理论知识，又让学生将理论与实践应用联系起来，做到学有所用。
3 素质评价，重过程轻结果的考核方式
选修课的考核通常采用考试、写大论文等方式。针对本课程采用的教学方式，笔者弃用了传统的考核办法，通过多元化的素质评价方式给学生打分。
1）日常课堂表现。
日常课堂表现是学生学好功课的基础。因此，对学生每次课程的课堂表现进行打分，包括对问题思考的方法、过程、结果，对某一问题的解决方案等。
2）系统完成情况。
学生设计系统的复杂程度和完成情况，一般来说可以反映学生掌握基础知识的深度以及学生的实际动手能力。教师根据系统实现的功能、每部分模块的性能、选用算法的复杂度、程序实现的完整性、解决方法的创新性等方面打分。
3）文档的规范性。
撰写系统设计文档以及说明文档，对于设计实现一套完整的系统是不可或缺的。在课程教学过程中，特别是系统总结环节，教师会教授学生一些撰写文档的方法，要求学生不仅能够解决问题，同时善于撰写符合科学规范的文档。因此，在总结阶段，教师对学生撰写系统文档的完整性、科学性和规范性打分。
4）系统演讲能力。
演讲能力是目前大多数本科生缺乏的能力，也是科技研发人员必须具备的重要能力。本课程要求每组学生准备5～10分钟的系统设计与总结演讲。教学团队从演讲内容的取舍到幻灯片的制作方面进行指导，对学生制作的演讲稿进行把关，通过后才允许学生上台演讲。在最后一次课上，每组都要进行演讲并回答台下教师和学生的提问。任课教师根据演讲的流畅性、合理性以及回答问题的正确性和完整性进行打分。
关键词：研究生；智能理论课程；创新教育
中图分类号：G643 文献标志码：A 文章编号：2096-000X（2016）03-0021-02
人才是社会发展最重要的资源，而我国最重要的人才培养的地方就是高等学府。研究生培养作为高等教育中更为专业性的顶尖人才培养，在我国人才培养中占有不可或缺的地位。随着经济的快速发展，我国在科技文化等方面也经历了巨大的变革，其中意识形态的变化和科学技术的飞速进步,使得传统的研究生智能理论课程体系中仅仅简单操作计算机的技术已不再能满足当前研究生培养的需要，研究生需通过掌握智能计算并进行智能控制来进行科研工作。但是我国的研究生智能理论课程由于硬件及软件的缺失导致课程开设并不全面，学生对智能控制等理论也是一知半解，不能更好的应用于研究中，使得科研工作进行缓慢而耽误计划中的科研安排。如何让研究生更好的学习智能控制理论并熟练操作计算机，以创新为驱动的理念优化研究生智能理论课程体系是我们需要关注的问题。
一、智能控制理论及研究生的智能理论课
（一）智能控制理论
智能控制理论自上世纪末提出以来经过20多年的发展已经具有初步的模型和规模，应用于不同的模型并结合电脑分析其复杂的结构和功能。传统的经典控制只具有单线性的的输入和输出模式，而经过科技的发展，我们需要分析的模型结构也更为复杂，需要获得的信息也更全面，智能控制理论就是基于这种不确定的被控对象和复杂环境而设。从范围来讲，与传统控制相比智能控制的范围更广阔，从系统的整体出发并包括各种非线性和复杂多变量；从深度来讲，智能控制分别应用于各种专业模型，通过数学演算和智能分析实现专业智能自动化；另外，智能系统还可以自我调节、自我学习、自我适应及自我修复等能力。
（二）研究生智能理论课的必要性
智能理论是最新一代的控制理论，在数学模型、医学模型、工程模型等专业模型方面都具有非常强的应用能力。研究生不仅在专业课程理论方面比本科学生更深入，在应用实践上也应掌握更专业性的操作技术。现代操作技术普遍以计算机模型为依托，数学演算为基本方法，所以研究生在学习专业课的同时也应学习以计算机为基础的专业智能控制理论及操作，掌握智能计算和智能控制基础理论和基本方法，并能够应用所学理论与方法从事智能计算技术的研究工作。
二、研究生培养须以创新为基本理念
我国走的是自主创新的道路，创新是一个国家健康发展的灵魂，支撑着国家的科技、经济、文化等方面建设。研究生教育除了掌握本学科系统专业知识的基本理论和相应的技能外，研究生通过系统的学习和锻炼应具备一定的创新能力才能为国家事业发展做出贡献。培养具有创新精神的学生也是我国高等教育要实现的重要目标。
（一）我国研究生创新人才培养中的问题
研究生在科研学习过程中表现出创新能力不强的原因主要有以下几方面：第一，科研题目没有创新性，学生在开题时没有勇气接受比较难的问题，对已经较为成熟的课题仅作部分改动，不敢做较新颖的课题。第二，研究生针对不同的科研问题，不能具体问题具体待之，而是采用相似问题的解决办法，不能更深入去发现问题的本质及原因。第三，研究生对自己的题目不能提出具有创新性的科研问题，只是模仿别人的关注点，进一步证实别人的观点。再者，现在高校中论文的发表情况成为衡量学校和老师的主要指标，导致有的老师在培养学生时过于追求论文的数量而非质量。这样的环境下大部分的科研成了为了而做，而不是为解决什么问题而探究。另外，随着我国社会经济的飞速发展，整个社会处于一种功利状态，包括研究生教育也不像以前专为培养专业人才为出发点。对于这种现象，学校在招收研究生时应关注学生的动机目的，给真正喜欢科研的学生提供学习的机会。
（二）构建利于培养创新人才的课程体系
良好的课程设置对于培养创新人才有积极的作用。其中最重要的一方面就是加强各个学科之间的跨学科学习。所有学科都起源于我们的生活，学科和学科之间必定存在着某种联系。虽然专业性的研究使学科划分更为细致，但是若想深度理解某一学科内容，相关的学科知识也必须认真学习。多个学科之间的交叉学习不但可以开阔眼界，还可以使研究生在学习过程中发现不同学科之间的隐秘联系性，进而促进学生从多方面思考并发现问题的本质。研究生在初学阶段，更多的接触综合性的课题可以扩大研究视野、更容易抓住问题解决的突破口，提高学生科研能力。同时，在课程设置方面要多考虑更容易活跃研究生思维的课程，比如数学统计和科研方法之类的学科。数学统计这门课程本身具有非常强的的逻辑性，学生较多学习数学课可以联系思辨能力，并且良好的数学统计方法运用也是研究生分析数据时必须熟练掌握的技能。
三、智能理论课程体系及存在的问题与改革
研究生的课程体系是指根据研究生的专业和研究方向进行课程设置和时间安排，此体系需符合研究生阶段的学习目标及研究生的学习能力，研究生需在规定时间内通过必要的课程考试才能结束相关课程学习。智能理论课程体系由相关的计算机及高等数学等课程组成，并配有一定的实践操作课程，研究生在学习期间需掌握基本的智能控制理论并熟练操作智能设备，完成科研工作。
（一）智能控制理论课程设置结构问题
智能控制理论课程属于交叉性的学科，学生在学习这门课程的同时需学习其他的专业性课程以及选修课程。不同课程的时间比例不同，不同学校需根据不同的专业来确定学习课时。专业课程更复杂，所以需要学习的时间也更长；选修课辅助专业课的理解同时拓展知识面，也需要一定的课时比例并且考核。但是经过考察发现，国内几个重点大学的选修课程安排非常全面丰富，时间也较长，学生所学情况也更好，而普通大学选修课程安排时间较少，学生学习情况也不如重点大学。所以全面修订智能控制理论课程体系的培养方案，按情况适当的增加相关选修课程及考核，对于学生学习更有利。
（二）智能控制理论课程设置内容问题
研究生在理论知识方面学习时间不如本科学生长，而且智能控制理论教材中涉及过多的公式推导和和抽象概念，同时智能理论包含的知识面非常广泛，从数学、物理等理科知识到医学知识，每个小知识身后都有复杂的理论概念。所以不但教师在教授过程中非常头疼，学生面对如此庞大的知识量也很难充分理解并应用。尤其在智能理论设计中，学生对设计题目相关专业一无所知，全凭感觉摸索，设计出来的模型当然毫无意义。
（三）智能控制理论课程授课方式问题
由于智能控制理论课程本身偏向于理论方面，再加上枯燥的公式推导，各种多媒体设施在教师授课的过程中很难发挥其作用，大部分的教师只能按照教材理论的发展过程授课，学生听课时也会觉得枯燥无味，更不愿提前预习。还有不少老师会提前把授课内容做成幻灯片的形式在课堂上播放，但是长时间依赖幻灯片而非逐步向同学们解释理论的演变过程，会使学生对所学知识模糊不清，不理解根本原因，更不能应用于实际中。
（四）理论与实践学习时间比例不平衡
我国高校普遍存在注重理论知识学习而忽视实践课程的现象。智能控制理论学科本身在理论上具有概念抽象性，如果不适当的进行智能控制实践，那么所有学到的知识只能是死记硬背而不能灵活运用。现在有许多智能控制相关的软件，学校应加大这部分软件投资，使学生在学习理论的过程中配合软件实践学习，进而加深对智能控制理论的理解。
四、结束语
智能控制理论作为一门新兴学科在社会中所起的作用越来越明显，众多高校中关于智能控制理论的学习也受到越来越多的重视。同时，研究生教育必须把培养创新意识、创新精神、创新品质和创新能力作为教学工作的核心。由于课程体系的设置在创新人才的培养中占有重要的地位，所以通过分析研究生学习智能控制理论学科时存在的诸多问题并改革智能控制理论课程体系，使学生可以更好地学习智能控制理论并从事智能计算技术的研究工作，为我国培养创新型的技术人才打下良好的基础。
参考文献
[1]马彦，洪伟，陈虹.控制理论与控制工程专业研究生课程体系与教学改革研究[A].HubeiUniversityofTechnology，China.Proceedingsof2010ThirdInternationalConferenceonEduca－tionTechnologyandTraining（Volume7）[C].HubeiUniversityofTechnology，2010：4.
[2]李建平，黄建华，谢正.基于创新教育理念的研究生数学课程体系优化[J].高等教育研究学报，2014，1：23-27.
[3]万明.我国研究生教育体制改革研究[D].中国科学技术大学，2013.
