時間：2022-09-14 19:59:14
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇人工智能課程論文，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
關鍵詞:人工智能;理論傳授;實驗訓練;科研訓練
人工智能(Artificial Intelligence,AI)是計算機科學與技術專業的一門重要專業課程,是一門研究運用計算機模擬和延伸人腦功能的綜合性學科。它研究如何用計算機模仿人腦所從事的推理、證明、識別、理解、設計、學習、思考、規劃以及問題求解等思維活動,并以此解決需要人類專家才能處理的復雜問題,例如咨詢、診斷、預測、規劃等決策性問題[1]。人工智能是一門涉及數學、計算機、控制論、信息學、心理學、哲學等學科的交叉和綜合學科。目前,人工智能很多研究領域,如自然語言處理、模式識別、機器學習、數據挖掘、智能檢索、機器人技術、智能計算等都走在了信息技術的前沿,有許多研究成果已經進入并影響了人們的生活。
2003年12月5日,國內第一個“智能科學與技術”本科專業在北京大學誕生[2],它標志著我國智能科學與技術本科教育的開始,對我國智能科學技術人才培養和智能科學與技術學科建設起到極大的帶動作用。目前,人工智能課程的教學存在幾個問題:首先,注重講授理論知識,實驗環節滯后,這不利于培養學生的實踐能力,更談不上實踐創新。其次,人工智能是交叉學科,內容比較繁雜,各種教材的內容不一樣,授課沒有統一的體系,學生學習時抓不住重點,不能理解人工智能的根本方法和思想。一般說來,計算機專業的其他課程,如網絡技術、數據庫技術、算法分析與設計等,都是求解結構化問題的基本技術,而人工智能技術則是解決非結構化、半結構化問題的有效技術。最后,人工智能科學與技術飛速發展,但目前人工智能只被視為一門專業課,課程講授和人工智能沒有作為一個研究方向結合起來,也沒有把傳授課本知識和引導啟發創新結合起來。
適應知識經濟發展的高等教育,要把培養創造精神和創新能力擺在突出的位置。創新是基礎研究的生命,而高等學校的教學只有與科研緊密結合,才能在培養學生的創新精神方面有所作為。為此,針對人工智能的課程特點,我們積極開展研究型教學、研究型學習,提高大學生的學習能力、實踐能力和創新能力的研究與實踐。在教材上,我們選用了清華大學出版社出版、馬少平等編寫的《人工智能》。我們的教學研究與實踐的主要內容包括三個方面:啟發式傳授人工智能解決問題的非結構化的思想;成體系的實驗訓練;以及與畢業論文,學校大學生科研項目資助計劃,國家大學生創新性實驗計劃相對接的科研訓練。這三個主要方面,層層遞進、環環相扣,是體系完整的創新型人工智能教學實踐。下面,我們就這三個方面內容展開探討。
1啟發式傳授人工智能解決問題的非結構化思想
現實世界的問題可以按照結構化程度劃分成三個層次[1]:1)結構化問題,能用形式化(或稱公式化)方法描述和求解的一類問題;2)非結構化問題,難以用確定的形式來描述,主要根據經驗來求解;3)半結構化問題,介于上述兩者之間。一般說來,計算機專業的其他課程如網絡技術、數據庫技術、算法分析與設計等,都是求解結構化問題的基本技術。而人工智能技術則是解決非結構化、半結構化問題的有效技術。人工智能的教學可以讓學生在體驗、認識人工智能知識與技術的過程中獲得對非結構化、半結構化問題的解決過程的了解,從而達到培養學生多角度思維的目的。
我們使用的教材主要內容包括搜索和高級搜素、謂詞邏輯和歸結原理、知識表示、不確定性推理方法、機器學習等。這些主要內容也可以相應地歸結為若干個典型算法,如啟發式A*搜索算法、 剪枝算法、元啟發式算法(模擬退火,遺傳算法)、謂詞邏輯歸結算法、貝葉斯網絡、決策樹、神經網絡(BP算法、自組織網絡和Hopfield神經網絡算法)。元啟發式算法是一種啟發式的隨機算法,是用來解決非結構化問題的典型算法,其思想和傳統的決定性算法如動態規劃、分支限界完全不一樣。學生在剛一接觸到這些元啟發式算法一時難以接受和理解其機理,對算法的有效性往往半信半疑。根據非結構化、半結構化問題的特點,講解和演示算法在解決此類問題的具體步驟和詳細過程,從而讓學生掌握人工智能算法的基本思想。在講解不同的元啟發式算法的時候,學生會問,是模擬退火算法強,還是遺傳算法強;在講到機器學習算法的時候,學生會問到底哪個分類算法最好,這時候我們可以把搜索(優化)領域和機器學習領域的“沒有免費午餐”定理進行適當的講解和解釋,從而把具體算法實現層面之上的一些人工智能的哲學思想進行傳授。
在人工智能的具體教學中,采用問題教學法和參與式教學法。在問題教學法中,圍繞人工智能的知識模塊,在引導學生發現各種各樣問題的前提下,傳授知識。教學活動中,嘗試使人工智能知識圍繞實際問題而展現,使問題不僅成為激發學生求知欲的前提,也成為學生期盼、理解和吸收知識的前提,以此激發學生的創造動機和創造性思維。在參與式教學中,打破人工智能算法的枯燥、沉悶的傳統教學法,嘗試開放式教學內容;提問式講課;無標準答案的課程設計;查找文獻,分組動手實現人工智能算法等參與式教學方法,培養和發揚學生的參與意識,通過參與式教學提高學生學習的主動性、積極性和效率,培養學生的動手能力和創新能力。
2成體系的實驗訓練
獨立開展人工智能實驗課程,開發一批新型、富有創意的實驗案例庫,搭建一個創新實驗和虛擬學習社區平臺。人工智能實驗課程的特點是應用各種人工智能方法,根據問題的約束、結構、信息進行表示建模和計算機上實現,是與人工智能原理同步的實驗課程。學生必須掌握的人工智能的基本原理和計算機操作技能,它對于學生的知識、能力和綜合素質的培養與提高起著至關重要的作用,在整個教學過程中占有非常重要的地位,是計算機軟件、計算機應用、計算機網絡、軟件工程等專業的一門重要的必修專業課程。通過實驗,學生得到嚴格的訓練,能規范地掌握人工智能的基本理論和主要方法、基本問題求解技術,熟悉各種計算環境的基本使用。
在培養學生掌握實驗的基本操作、基本技能和基本知識的同時,努力培養學生的創新意識與創新能力。為實現這一目標,在課程內容安排上采用適量基本原理與方法的實驗內容為基本內容,增加一系列綜合性實驗和開放性創新實驗問題,在實驗內容方面更注重研究性實驗中的創新問題。實驗內容方面分為三個層次:基本原理的基礎性實驗、綜合實驗和研究性實驗。在后兩個層次的實驗中,部分引入人工智能課程小組團隊的最新科研成果,目的在于通過完成這些研究性實驗,培養學生獨立解決實際問題的能力,以提升學生的科研素質與創新意識。我們將這些設計實驗稱為新型實驗案例庫,它被放在人工智能課程小組網站上,以此搭建一個創新實驗和虛擬學習社區平臺。通過實驗課程的學習和訓練,學生應達到下列要求。
1) 掌握人工智能方法的優點及其在實際中的應用。
2) 學會對人工智能問題進行分析建模和應用各種計算工具實現問題求解,熟悉對實驗現象的觀察和記錄,實驗數據的獲取與設計,最佳實驗條件的判斷和選擇,實驗結果的分析和討論等一套嚴謹的實驗方法。
3) 鞏固并加深對人工智能原理課程的基本原理和概念的理解,培養學生勤奮學習,求真求實的科學品德,培養學生的動手能力、觀察能力、查閱文獻能力、思維能力、想象能力、表達能力。
4) 通過完成綜合研究性實驗,培養學生獨立解決實際問題的能力,提高學生的科研素質與創新意識。
在培養學生掌握實驗的基本操作、基本技能和基本知識的同時,進一步培養學生分析問題和解決問題的能力,培養學生的創新意識、創新精神和創新能力,為學生今后從事科研、教學或企事業單位的分析檢驗以及新技術的研發工作打下扎實的基礎。
在實驗組織方面,根據各實驗的目的和要求,學生分為5人1組,指定一個組長,每組選擇1套實驗題目?；A實驗題目要求達到27學時、綜合性實驗題目選擇1題和研究性實驗題目選擇1題,基礎實驗題目要求在規定時間內,小組獨立完成實驗測定、數據處理,并撰寫實驗報告。實驗過程中, 要求學生勤于動手, 敏銳觀察, 細心操作, 開動腦筋, 分析鉆研問題, 準確記錄原始數據, 經教師檢查,實驗及其原始數據記錄才有效。同時,團隊作業,需要多人分工合作、相互幫助,這樣可以提高人際交往和溝通能力,學會與他人合作,培養團隊創新能力。
3課程學習與畢業論文,科研訓練相結合
人工智能技術在一定程度上代表著信息技術的前沿和未來,通過學習和體驗人工智能的知識和技術,學生能夠在一定程度上了解信息技術發展的前沿知識,這有助學生開闊視野、培養興趣,為今后繼續深造或走向社會奠定堅實的基礎[3-4]。
人工智能的理論和方法廣泛應用于數據挖掘、機器學習、模式識別、圖像處理中,這些內容既是高年級的后續課程,又是現在熱門的研究方向。學習和深刻理解人工智能的理論、方法和應用,對后續課程學習以及今后的研究具有重要的意義。
我院規定大學三年級的學生開始聯系畢業論文指導導師,同時確定畢業論文的研究方向,提前進行科研實踐,以培養實踐能力和研究素質。人工智能課程正好是大三高年級開設的專業課,因此,我們把課程實驗及設計與同學的興趣相結合,引導學生,并提煉和形成學生的畢業選題和課外的科研方向,它是提高本科生研究創新能力的有效手段。
基于新的教學實踐,很多學生的選題都與上述歸納的人工智能若干算法相關,如算法本身的研究和改進,或是算法在各領域,如數據挖掘、圖像處理等的應用。在我們的科研能力訓練計劃中,一批項目和課題,如混合神經網絡的研究與應用、差分演化算法研究與應用、基于協同訓練的推薦系統等,分別受到國家和學校本科生科研項目立項資助。一批三四年級的本科生以第一作者身份在國內核心期刊、國際會議和期刊上發表學術論文,這激發了學生的科研興趣,使學生體會到了創新的樂趣。
總之,課程學習與畢業論文、學校大學生科研項目資助計劃、國家大學生創新性實驗計劃相對接的科研訓練,極大地提升了學生的創新能力和科研基本素質。
4結語
針對人工智能的課程特點,我們積極開展研究型教學、研究型學習,提高大學生的學習能力、實踐能力和創新能力的研究與實踐。我們的教學研究與實踐主要內容包括三個方面:啟發式傳授人工智能解決問題的非結構化的思想;成體系的實驗訓練;以及與畢業論文、學校大學生科研項目資助計劃、國家大學生創新性實驗計劃相對接的科研訓練。這三個主要方面,層層遞進、環環相扣,是體系完整的創新型人工智能教學實踐,新的改革和實踐在教學中取得了令人滿意效果。
參考文獻:
[1] 張劍平. 關于人工智能教育的思考[J]. 電化教育研究,2003(1):24-28.
[2] 謝昆青. 第一個智能科學技術專業[J]. 計算機教育,2009(11):16-20.
[3] 羅輝,梁艷春. 大學生畢業論文與科研能力培養及就業[J]. 吉林教育,2003(10):18.
[4] 金聰,劉金安. 人工智能教育在能力培養中的作用及改革設想[J]. 計算機時代,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)
關鍵詞：人工智能；教學內容；教學方法
中圖分類號：G642 文獻標識碼：A
1 引言
人工智能(AI)是二十世紀五十年代后期興起的利用計算機模擬人類智能活動去求解問題的學科，與空間技術、原子能技術一起被譽為二十世紀三大科學技術成就，目前廣泛應用于專家系統、機器翻譯、語音識別、文字識別、計算機視覺、機器人、電子游戲等方面，已經成為計算機技術發展以及許多高新技術產品中的核心技術。
為了適應人工智能技術日益廣泛的需要，國內外高校普遍開設了“人工智能”方面的課程，特別是作為計算機方面專業的核心課程之一。我校自從1993年開始為自動化專業本科生開設“智能控制”選修課，1996年為自動化、計算機、機械等專業本科生開設“人工智能導論”、“人工智能及其應用”課程。目前，我校軟件學院、信息學院、機電學院都開設了“人工智能導論”課程，已經成為計算機科學與技術、軟件工程、數字媒體技術、自動化、機械制造與自動化等許多專業本科生的一門重要的技術基礎課程，也是面向包括人文社科等全校所有專業的公選課之一，其目的是使學生了解人工智能的基本概念和基本原理，初步學習和掌握人工智能的基本技術和前沿內容，拓寬知識面，啟發思路，為學生提供最基本的人工智能技術和有關問題的入門性知識，提高學生應用開發軟件的能力和水平，為今后在相關領域的研究和應用奠定更為堅實的基礎。因此，建設好“人工智能導論”課程具有重要意義和很廣的受益面。
由于人工智能是交叉學科，涉及面廣、內容抽象、不易理解，學生往往有望而生畏的感覺，在教學過程中，老師教、學生學都比較吃力。為了更好地實現上述教學目標，提高本課程的教學質量，協調好教與學的雙邊關系，使學生由望而生畏的感覺，變為有用有趣的感覺，根據已有人工智能課程在教學與實踐方面的經驗和方法，結合“人工智能導論”課程的近幾年教學實踐，對課程的教學體系、教學內容、教學方法、教學手段、考核方式等方面進行了探索總結。
2 調整與優化教學體系和教學內容
“人工智能導論”是計算機科學與技術、軟件工程、數字媒體技術、自動化、機械制造與自動化等許多專業本科生的一門重要的技術基礎課程，也是面向包括人文社科等全校所有專業的公選課之一，其研究領域及內容十分豐富，涉及的基礎面廣。因此如何選好教學內容，既能使學生了解本領域的概貌，又能適合學生的基礎，便于他們在有限的時間完成學習任務，是一件重要而又困難的事情。
進入21世紀以來，人工智能學科又有了新的發展。為了及時反映人工智能研究和學科的最新進展，我們修訂了“人工智能導論”的教學大綱，對教學內容進一步優化和更新，極大充實了各個系統的內容。我們確定的教學內容主要分為三部分：第1部分為概論，介紹人工智能的基本概念、基本內容、主要研究領域及發展過程；第2部分是知識表示，推理和搜索技術，討論幾種常用的知識表示方法、推理技術(包括確定性推理方法和不確定推理方法)和搜索求解策略；第3部分是人工智能應用研究領域，包括專家系統、自然語言理解、機器學習、人工神經網絡、遺傳算法等的基本概念和方法等。其中第2部分是基礎理論，是人工智能的重要基礎，應該循序學習。第3部分是人工智能的應用，由于每個研究內容都相對獨立、自成體系且有其專門的學術著作研究、熱點，因此針對高等院校的本專科生來說，不必循序學習，而且結合專業特點可以選擇其中幾個研究領域。例如對自動化專業的學生來說，可以選擇專家系統、人工神經網絡、遺傳算法等，同時可增加在自動控制領域的應用，包括專家控制、神經網絡控制和進化控制等熱點：而對計算機科學與技術專業來說，可以選擇專家系統、自然語言理解、機器學習等，并輔以動物識別系統、語音識別系統、智能機器人等實例?？傊褪且盐照n程性質和教學目的，調整本課程教學體系，優化教學內容，讓學生以有限的時間學到人工智能的基礎知識和基本方法。
另外，在選擇和確定教學內容時必須兼顧基礎知識和新興技術，注意與相關課程(如離散數學、數據結構、概率論、自動控制原理、Matlab系統仿真、面向對象的編程技術等)的鏈接，密切理論與實際的關系，通過課堂講授和課外訓練，注意學生能力培養，提高他們的學習效果和整體素質。
3 加強課程立體化建設和系列教材研究
在課程的立體化建設中，教材充當了地基的角色，所有的課程內容安排，無不體現出以教材為基本，以教材為模板。所以本著基礎、實用的原則，我們先后編著出版了《人工智能及其應用》課程教材導論部分概括性強，引人入勝；基礎部分系統全面，敘述深入淺出，循序漸進；應用部分密切理論與實際關系，典型形象。其中第二版在第一版的基礎上，增加了證據理論、模糊推理、神經網絡等理論的一些典型應用，使學生能夠更深入地理解和應用這些理論；另一方面，又新增了自然語言理解及其應用內容，以適應目前計算機翻譯、人機自然語言交互等技術日益廣泛應用的需要。系列教材適應了人工智能導論新課程開設的需要，反映了人工智能學科的發展，為人工智能課程確立了基本框架，發揮了重要作用。系列教材的問世不僅解決了本校“人工智能導論”課程教學用書的問題，而且也被各兄弟院校普遍采用，促進了該課程的普遍開設，推動人工智能學科的發展。
為了配合教材第二版的教學和自學，在已有教學經驗和教學成果積累的基礎上，制作了高質量的教學課件和完整的教學視頻錄像，并刻錄成光盤隨書供讀者使用；同時又研究與開發了網絡課程(http：//)，以更好地調動學生的學習興趣和主動性，促進本課程的教學改革。
包括主教材、電子教案、教學視頻錄像、網絡課程及教學資料庫等在內的課程立體化建設符合二十一世紀高校教學的要求，支持教師提高教學手段現代化的水平，更貼合學生的學習需求。
4 改革與創新教學模式和教學方法
在“人工智能導論”課程教學的過程中，我們積極探索教學新路，經過數年辛勤試驗，結合蔡自興教授等對人工智能課程的建設經驗，對課程的教學模式和教學方法進行了如下一些的改革與創新。
(1)通過多種途徑激發學生的學習興趣
“興趣是最好的老師”，“人工智能導論”課程的學習效果，直接受到學生興趣和參與意識的影響。由于這是一門導論性前沿課程，一般來說，學生開始學習興趣很大。但是，當一些學生開始接觸到抽象概念和算法時，往往感到不易接受。我們通過各種途徑和方法，激發和培養學生的學習興趣。例如，鼓勵學生參與課堂討 論、布置讀書報告和課外實驗、以問題為導向的啟發式教學、專題討論／辯論等形式。特別，我們精心組織和準備了模糊控制技術及其應用、智能機器人技術與應用、智能交通、BCI(腦機交互接口)等專題，以及智能調度軟件、語音識別系統、動物識別系統、足球機器人比賽、機器人軌跡跟蹤、倒立擺的智能控制等課內演示，使學生擴大了眼界，增加了感性知識，達到提高學生學習興趣的目的與效果。
(2)面向問題的啟發式教學
人工智能中的許多問題，有的似是而非，有的引人入勝。在教學中，有意識的提出相關問題，提請學生思考，鼓勵學生提出自己的猜想和解決方案。然后逐步進入教材中的解決方案，啟發學生求解這些問題，并進行分析和比較，從而強化了學生學習的主動意識和參與意識，提高了學生的學習積極性。例如，在講到比較抽象的“遺傳算法”時，提出“遺傳算法如何用于優化計算?”這一問題。針對該問題，先從“達爾文的生物進化論”入手，討論“遺傳”、“變異”和“選擇”作用；然后通過一個簡單的例子，從特殊到一般地啟發學生思考“遺傳”、“變異”和“選擇”的實現，最終讓學生與教師一起導出遺傳算法用于優化計算的基本步驟。這樣，學生不但從中學習了遺傳算法，而且得到一次邏輯思維的訓練，取得很好的教學效果。
(3)課堂辯論與交互式教學
組織課堂辯論，討論的議題包括人工智能的應用前景和其他比較等有爭議的問題。學生對這些問題展開了激烈的爭論，激發了學習潛能，明確了學習目標。例如，為了加深學生對智能機器人內涵的理解，我們組織了“機器智能能否超過人類智能”的辯論會。會前正反雙方結合本課程內容及其相關知識，認真進行準備；辯論會上正反雙方唇槍舌戰，激烈爭辯，氣氛熱烈。辯論后，學生余意未盡，討論熱情不減。無論是哪一方獲勝，都達到了預期的效果。教學中我們還注意采用了多種交互式策略，如課堂上教師提問可鼓勵或指定學生提問，也可由學生自由地就某個知識點進行主題發言后老師點評等。
(4)個性化學習與因材施教
在本課程教學過程中注意對學生因材施教和個性化教學。例如，通過組織學生進行讀書報告的形式，鼓勵學生從多方面、多角度考慮問題，多提新穎思想，有意識地鼓勵優秀學生探討比較深層的內容，并輔導優秀學生將其成果以科技論文和發表文章的形式轉化為成果。又如，在教學設計和實驗設計中，注意要求學習有余力和興趣的學生選作部分探索性、創新性的功課和實驗(選學內容，如模糊控制器的設計、進化控制等)，從而引導學生發揮個性優勢，達到因材施教的目的。同時注意分析學習較差的學生的具體困難，進行有針對性的指導。
(5)多媒體與網絡教學的使用
本課程在PPT演示文稿和網絡課程上，采用了大量的多媒體表現形式，如視頻、動畫、聲音和圖像等。目的在于使得人工智能抽象的知識形象化，便于學生理解。例如，課內讓學生在線觀看涂曉媛博士的計算機動畫“人工魚”的錄像片段、人工生命Floy中生命智能體在環境中不斷的適應進化構成演示等，有助于加深學生對所學知識的理解，促進教學水平的提高，激發了學生對課程的興趣，使學生創新意識得到增強。此外，隨教材附贈的教學光盤和開發的網絡課程(http：//)提供了學生課外自學用的高質量的電子課件、完整的教學視頻錄像、豐富的實驗和案例資料等，以更好地調動學生的學習興趣和主動性。
(7)理論與實踐結合
在教學內容安排上，注意理論聯系實際，適時布置一些人工智能實驗給學生進行課外練習。設計的課外實驗包括產生式系統實驗，歸結反演實驗，主觀Bayes推理網絡實驗，A搜索實驗，以及基于Maltab工具箱的模糊控制位置跟蹤系統、兩車追趕模糊控制系統、神經網絡模式識別仿真、遺傳算法優化計算等實驗。通過實踐和參與，保持學習興趣，有助于學生對人工智能基本概念和難點的理解，掌握基本方法和技術，為從事智能系統應用開發打下基礎，從而達到教學目的。例如，我們組織學生參觀我們的研究生綜合自動化實驗室，觀看機器人臂取物、倒立擺控制、語音識別軟件、指紋識別軟件、智能調度軟件等演示，密切理論與實際的關系。
我們在教學改革實踐中探索的這些教學方法，有利于充分激勵學生的學習積極性和主動性，有利于鼓勵學生發揮獨立思考和創新思維，有利于多方位培養學生學習發現問題、分析問題和解決問題的能力。
5 運用多樣化的教學手段和考核方式
5.1 多樣化的教學手段
采用現代信息技術進行教學，構筑“人工智能導論”課程的現代教學模式，是本課程的主要特點之一。教學過程中采用了多媒體教學課件和網絡課程相結合的方法，充分利用多媒體的豐富表現形式，利用網絡課程的交互性、情景化等，進行教學。采用的方法包括：
(1)抽象知識內容的多媒體表示
通過動畫和視頻來演示抽象的概念、算法和過程，包括機器人軌跡跟蹤、機器人臂取物、足球機器人比賽、倒立擺控制、“人工魚”等錄像片段，以及智能調度軟件、語音識別系統、指紋識別系統、動物識別系統等軟件演示。
(2)通過PPT撰寫教案
精心編制PPT，組織好課件內容，做到圖文并茂，提綱挈領，便于學生理解，便于教師講授。
(3)開發與應用網絡課程
“人工智能導論”網絡課程較好的實現了交互性、在一定程度上實現了學習過程的情景化。在交互性方面，通過網絡課程的課堂練習和章節練習，評價學生的學習情況，并給學生提出學習建議。在情景化方面，采用了在線答疑形式，使得學習過程豐富有趣。
(4)先進實驗系統的觀摩與演示
利用我們的研究成果等有利條件，有針對性地對學生進行成果演示(包括智能調度軟件、語音識別系統、指紋識別系統、動物識別系統等軟件)，使學生知道學了有用，而且很有用，很有趣，很有意義，從而進一步誘導學生的學習興趣，鞏固了課堂所學知識，提高了教學質量。
教學效果通過上述先進的現代信息技術的應用，不僅極大地提高了學生的學習興趣和主動性，而且也取得很好的實際教學效果，提高教學質量。
5.2 作業、考試等教改舉措
(1)改革作業方式與方法
改變過去那種單純的書面習題作業，發展成為必須交給教師評閱的書面家庭作業、不必交給教師的課外思考題目、口頭布置的思考題或閱讀材料以及大型作業等。其中上交作業通過網絡進行，教師批閱后的作業也通過網絡返回給學生，實現了作業呈交和返回的網絡化。
(2)改革考試方式與方法
如何對本課程的考試方式進行改革一直是我們探索的問題。我們綜合考慮課堂出勤情況(10％)、平時正式作業成績(20％)和期末課程考試(70％)，進行綜合評分。期末考試有時采用綜合試題考試，出幾個大題目讓學生選擇其中幾個進行開卷筆試，當面交卷后評分；有時采用課外開卷論文結合或口試面試。最近，我們還對部分學生結合實驗或實際問題提問等進行考核。我們正進一步改革、試驗和探索，使考試成為衡量與培養創新能力，促進學生學習主動性和提高課程教學質量的重要環節。
關鍵詞：人工智能；案例教學；應用
1引言
作為計算機科學技術的全新領域即人工智能，其正在迅速成長與成熟、新方法、新理念、新技術并且不斷壯大，同樣也包含著計算機網絡、數學、信息論各類學科的交叉和邊緣學科。人工智能包含的主要內容有知識表示和推理機制、問題求解和搜索算法，自然語言理解、專家系統和機器學習等；也作為計算機科學各專業重要的基礎課程，國內外各高校都非常重視，都將人工智能作為計算機專業的必修課程。人工智能包含的學科多，知識點雜、理論性強、內容抽象，算法難度高復雜，在此情況下各高校采用傳統的“教師講、學生聽”單一教學模式，學生處于被動學習地位；課堂教學與實際操作、理論與現實應用相脫節；加上理論知識強，案例缺乏，容易使學生感覺空洞；學生易產生厭學情緒，也達不到鍛煉其分析問題、解決問題的思維能力和實踐動手能力。如何讓學生高效的學習一直是教師研究的課題，在大數據和網絡信息時代的大背景下，“互聯網+”已經廣泛應用和存在于生活、工作各個方面，其在教育教學中表現出的創新性、互動性尤為突出，并極具優勢。
2基于案例的教學研究
此方法開始于上世紀20年代左右，最早是由美國哈佛商學院所提倡的，基于當時特殊的商業管理真是背景和特殊事件，能夠有效的發展和培養學生主動性、積極性和應用能力，開展案例教學后，學生實際解決問題能力有了很大的提高。但此教學研究方法知道到上世紀80年代后期，才引起教師的重視。1986年由美國研究小組提出《準備就緒的國家：二十一世紀的教師》書中，強烈推薦此方法在實際教學的重要性，并說明今后在教學過程中將其作為一種重要的教學方法應用于各類課程中去。
3基于人工智能的案例教學研究及應用
3.1案例精選
此方法第一步是案例選取，案例的好壞是決定案例教學效果關鍵因素。案例的選取需要滿足以下要求：（1）符合現在的教學目標，明確學生需要掌握的知識點、重難點等，能夠運用所學的理論知識應用到實際中，以此提高學生分析、解決問題的能力；（2）案例要有代表性、趣味性，由于人工智能課程內容多、抽象，需要將枯燥乏味的知識點轉化為趣味生動的案例，有利于吸引學生注意力，激發學習興趣和主動性；例如，講到“知識表示”這部分內容中引入“機器人搬積木”、“野人修道士渡河”案例；（3）采用互動的形式，此為人工智能的案例教學研究重要特征，同時也是教學目標得以充分展現的必要條件。能夠調動大家的積極性，學生和學生之間、學生與教師之間的互動，調動學生的主觀能動性。
3.2案例的執行
（1）講授法。基于教學內容具體知識點設計案例；通過教師講解，幫助學生理解抽象的理論知識。案例的呈現有兩種基本形式：一是“案例—理論”,即先給出教學案例，后講解理論知識；二是“理論—案例”,即教師先講解知識，再給出教學案例；案例的呈現方式不同,會直接影響案例的功能，也會影響到學生的學習情緒、學習效果。為了使案例能更好地為教學服務,教師講解案例之前應從創設案例情境開始,通過情境體驗與案例剖析激發學生認知的興趣,引導學生對將要學習的內容產生注意,有利于教師導入新課。（2）互相討論法。大學生課余時間充沛，鑒于此，將班級學生分為若干小組，教師將事先準備好的案例分配給各組，學生采用組內互動討論的形式，設計出此案例的各種解決方法。課堂上，將本小組的解決方法用課件展現給其他小組。講解完成后，學生開始互相討論，對比各自的方法，然后由老師進行分析、對比和總結。以此來增強學生對學科知識點、應用能力的掌握。（3）相互辯證法。課后，采用相互辯證的方法，組織大家相互辯論。選擇一些綜合應用比較強的案例。與簡單的案例相比，綜合應用案例能更加高效地啟發學生全方位地思考和探索問題的解決方法。相互辯證法是一種探索新型的教學形式，學生的自主性強，能夠在辯論中充分表達自己的觀點，充分運用所學的理論知識來維護自己的觀點，還可以促使學生查閱大量資料，拓展知識面。
4結語
通過以上論述，人工智能技術開始應用于教學,與教學現代化有著密切的聯系。其發展必將對現代教育起巨大推動作用。在教學,可以基于人工智能技術建立人類推理模型學習工具等諸多的運用,展示出越來越好的實用性。
參考文獻：
[1]鄒蕾,張先鋒.人工智能及其發展應用[J].信息網絡安全，2012(02).
[2]陳柯蒙，張寧.人工智能的發展探析[J].新西部(理論版)，2012(05).
[3]陳浩磊，鄒湘軍，陳燕,等.虛擬現實技術的最新發展與展望[J].中國科技論文在線，2011(01).
1、計算機人工智能識別技術應用瓶頸探析
2、計算機科學與技術的應用現狀與未來趨勢
3、計算機信息處理技術在大數據時代背景下的滲透
4、計算機基礎課程應用教學思考和感悟
5、中職中藥專業計算機應用基礎教學改革實踐
6、淺談虛擬現實技術在中職計算機基礎教學中應用的必要性
7、計算機圖像處理技術在UI設計中的應用
8、計算機生成兵力行為建模發展現狀
9、智慧檔案館計算機網絡系統方案設計
10、淺談如何提高計算機網絡的安全穩定性
11、計算機應用技術與信息管理的整合探討
12、計算機科學技術小組合作學習研究
13、計算機科學與技術有效教學策略研究 >>>>>計算機網絡和系統病毒及其防范措施畢業論文
14、互聯網+背景下高校計算機教學改革的認識
15、藝術類應用型本科高校"計算機基礎"課程教學改革研究
16、計算機技術在石油工業中應用的實踐與認識
17、計算機技術在電力系統自動化中的應用研究
18、微課在中職計算機基礎教學中的應用探析
19、課程思政在計算機基礎課程中的探索
20、計算機服務器虛擬化關鍵技術探析
21、計算機網絡工程安全存在問題及其對策研究
22、人工智能在計算機網絡技術中的運用
23、慕課在中職計算機應用基礎教學中的運用
24、淺析如何提高高校計算機課程教學效率
25、項目教學在計算機基礎實訓課程中的應用分析
26、高職計算機網絡教學中項目式教學的應用
27、計算機信息安全技術在校園網絡的實踐思考
28、大數據背景下的計算機網絡安全現狀及優化策略
29、基于計算機網絡信息安全及防護對策簡析
關鍵詞：智能管理；多媒體教學軟件；網絡教學
智能管理與決策是一門關于智能管理、智能決策支持和智能管理系統設計與實現技術的多學科交叉與應用性課程，以普通高校信息類專業研究生為講授對象，介紹智能管理與智能決策的基本理論、智能優化技術、機器學習、多Agent技術、知識管理和智能決策系統、智能管理系統的設計與開發。智能管理以信息技術為手段，應用人工智能、管理科學、計算機科學及有關學科的理論和方法建立管理系統，為管理者科學、準確地決策提供幫助。
本課程的學習可以使學生了解智能管理與智能決策的基本理論和常用方法，使學生了解和掌握智能管理系統設計的基本概念、方法和技術。智能管理與決策是一門理論、技術和應用密切結合的課程，通過學習，學生可以為將來在智能管理信息系統領域的進一步研究和系統開發工作奠定良好的基礎。
信息類專業研究生在本科或研究生低年級階段已經學習過人工智能原理、數據庫技術、軟件工程和高級程序設計語言等基礎課程。因此，本課程在教學上以應用實例解析為主, 并輔一般性理論講授。對于涉及到的人工智能技術中較為抽象的理論內容，我們在教學過程只是復習鞏固，本課程主要解決如何充分利用已經學習過的課程，按照軟件工程的系統設計開發思想，應用智能決策理論解決實際問題，將理論學習應用到智能管理信息系統及專家系統的設計和開發中。
1參考教材與教學軟件并用
本著打基礎、重實用的原則，我們選取由科學出版社出版倪志偉的《智能管理技術與方法》、楊善林的《機器學習與智能決策支持系統》、《智能決策方法與智能決策支持系統》等多種參考書[1-2]。參考書主要作為理論學習教材，我們根據課程計劃有針對性地選擇部分內容，特別注重基礎知識與應用實例相結合。并增加介紹性內容，讓學生了解人工智能技術在管理信息系統有專家系統中的發展前沿和發展趨勢，保持課程體系完整性，體現研究生教學特點與主題。啟發學生進行研究性的思考和分析。主要內容包括決策支持系統、智能技術與智能決策支持系統、專家系統與智能管理系統、機器學習與智能管理系統等。重點講授基于范例學習、智能故障診斷系統及基于神經網絡的決策模型模型。每項理論內容均配合詳細的實際案例說明，讓學生掌握從確定開發目標、設計思想、開發原則、設計方案以及建立功能體系的智能管理系統設計與實現全過程。
為了活躍教學氣氛，同時也作為課堂講授形式的補充，我們開發了智能管理與決策教學軟件，如圖1所示。課件在內容的選取、課程的編排上都作了精心的準備與測試，努力將媒體的表現力與所學內容相結合，基本保證了內容的充分性與全面性；從交互的角度來說，導航的使用非常充分，動畫演示和練習測試互補。本課件總體設計制作達到了多媒體教學課件的制作要求，能夠完成最初設定的教學任務和目標。軟件結構如圖2所示。
2課堂教學與網絡教學同步
我們在學校統一的網絡教學平臺上同時運行網絡教學軟件。學生除了可以下載教案、提交作業、收看教學視頻及進行自我測評外，還可以通過網絡平臺與教師進行實時交流與互動。網絡課程對教學內容和課件進行全面升級，采用現代化教學手段，以動畫等生動的形式，采用課堂教學課件上網，實踐案例及學生實踐作業網絡輔導、討論等輔助手段，提高教學效果和工作效率。教學實踐表明，網絡教學取得了令人滿意的成績。另外，學生也可以查看相關資源，及時了解教學進度。教師在教學環節中注重引導，教會學生行之有效的學習方法，幫助學生提高課后學習效果；在課堂學習交流之余，師生還可以隨時隨地通過網絡學習、交流和討論，促進教學效果的提高。鑒于課程的性質，我們的作業以學生實踐開發小型智能管理系統為主，具有一定的難度，通過對于學生作業情況的跟蹤，可以有針對性的進行輔導，促進和培養學生的研發能力，進而調動學生的學習積極性。圖3為筆者上課時的網絡教學視頻。
由于本課程涉及計算智能、機器學習等抽象內容，網絡及多媒體材料的引入，活躍與補充了課堂教學。這不僅加深了學生對知識的理解，更激發了學生對課程的興趣，知道了人工智能在各類管理與決策實踐中的成功應用。網絡課程建設將學生不容易理解的抽象的系統模型與設計生動地演示出來，幫助學生學習體會智能管理與決策系統的開發方法，受到了學生歡迎。經過兩年的探索和積累，本課程網站已包括教學文件資源、網絡課件教學資源、學習資源、課程錄像資源、學生作品資源，其中網絡課件教學資源融合了課程教學情境設計和動畫課件?，F代教學手段促使學生全程參與教學活動，創新能力得到提高。
3實踐項目
智能管理與決策是一門理論、技術和應用密切結合的課程，我們的教學目標是讓學生能夠將以前所學習過的人工智能原理、軟件工程、數據庫技術以及高級程序設計語言進行綜合應用，建立系統的概念，掌握智能管理系統從確定開發目標、設計思想、開發原則、設計方案以及建立功能體系的智能管理系統設計與實現全過程。以實際項目為載體，每個項目分解為若干個任務，設計基于工作過程的實訓項目任務。將實際的“工作”與“學習”有機地結合在一起，通過基于工作過程的實際開發項目任務的驅動，指導學生按照完成工作任務的六個步驟：問題分析、目標確定、系統分析、計劃、實施來完成各個項目。教師在網上提供分析材料，并通過網上討論和在線檢查學生的開發效果。通過完成漸次復雜不斷拓展的實際課題，學生掌握了智能系統的基本知識，具備了分析、設計、實現智能管理系統的能力，同時使學生學會了工作的思路。學生獲取信息，制定策略的方法能力得到提高，學生的團隊合作意識得到增強。圖4為學生在學習了決策支持系統的標準兩庫結構后，按照教師所給定的需求報告，依照模型庫、數據庫及用戶接口三部件模型所設計實現的“企業成本預測系統”[3]。同時要求學生按照軟件工程的思想完成從需求分析到用戶手冊的全部文檔。
考核方式以平時討論、課堂發言及最后的大作業和論文方式進行，引導學生進行研究式學習。
4結語
在智能管理與決策課程的教學實踐中，我們不斷探討課程的內容和形式，改革教學模式，探索結合實際應用案例的教學方法和手段，采用綜合評價學生的方式，努力培養學生研究式學習和自主學習的興趣，不斷創新，使學生實際應用能力得以增強。經過三年的課程建設和和實踐，通過多種形式并存的案例教學和應用項目開發，加深了學生們對人工智能理論理解的同時，也了解并掌握了相關理論與算法的應用方式和應用價值，課程的教學質量得到不斷提高。
參考文獻：
[1] 倪志偉,李鋒剛,毛雪岷. 智能管理技術與方法[M]. 北京:科學出版社,2007:12-18.
[2] 楊善林,倪志偉. 機器學習與智能決策支持系統[M]. 北京:科學出版社,2006:254-307.
[3] 杜暉. 決策支持與專家系統[M]. 北京:電子工業出版社,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 )
關鍵詞： 研究性課程； 智能控制； 教學研究； 工程實踐
中圖分類號：G642.0 文獻標志碼：A 文章編號：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
研究性教學就是引導學生在一定的情境中，通過主動發現問題和解決問題而獲得知識、形成能力、發展個性的教學方法。它的實質就是讓學生在教學過程中體驗科學原理的發現和應用科學原理解決實際問題等不同類型的研究過程[1]。早在2005年，在《教育部關于進一步加強高等學校本科教學工作的若干意見》 中明確提出了“積極推動研究性教學，提高大學生的創新能力”的要求[2]。如何在專業課程教學中實施研究性教學，提高本科生的科學研究能力，是高校理工科教學改革面臨的重要課題[3-5]。
“智能控制”是我校一門理論性與應用性結合非常強的專業課程，它不僅涉及自動化技術，同時與計算機科學技術、數學等學科門類交叉[6]。作為應用型本科高校，我們將該課程直接面向自動化、電氣工程及其自動化、測控技術與儀器、機械制造及自動化等本科生和碩士研究生，在注重理論知識傳授的同時，直接面向具體工程應用實例。通過雙語研討式教學方式，以項目應用為紐帶，闡述模糊控制、神經網絡控制、智能計算在工程中的應用與原理，讓學生直接感觸理論對應用的支撐，應用需要理論指導這一基本工程邏輯。
1 研究性課程設計理念
“智能控制”研究性課程旨在將教師的科研成果分層次、分塊地融入到原有課程知識體系之中，通過采用探究式、討論式、專題式、成果展示式等多種教學方式，將智能控制研究領域最新的成果有效地轉化為教學資源，它不僅可以提高學生學習的興趣，而且更有利于課程內涵提升。較一般的課程更強調教學的研究性和有效性，是一種強調以學生為主體，注重過程教學的開放式教學方式，教學團隊將結合自身及國內外學者在智能控制領域的最新研究成果和教學思想確定課程內容，課程采用先進的知識內容和分析方法，采用英文教材，實行雙語教學，動態地補充和更新教學內容。在教學過程中充分展示創新給智能控制帶來的無窮生命力，同時創造多機會來培養和激發學生的創新能力，例如實驗教學、課程的小論文、學術論壇和綜合設計等，提高他們的綜合科學素質以及在工程實踐中分析、解決實際問題的能力。重視理論教學和實踐教學的結合，突出實踐性教學的時效性和可觀測性，在課程內增加討論課，增加小設計和小論文，充分激勵學生探索和研究的熱情，讓學生學會科學研究的方法，把能力的培養落在實處。
2 研究性課程理論教學
2.1 課程定位
針對我校本二學生實際和自動化專業對該領域知識的基本要求，本課程的基本定位如下。
⑴ 理論引入與應用感受相并重。為此，在課程安排時，將理論與實驗課時安排相等，讓更多學生通過相應的實踐鍛煉來體會人工智能技術的奧妙。
⑵ 科研最新成果及時向教學資源轉化。對于“智能控制”的三大知識模塊，均有不同程度的研究成果轉化成相應的教學資源，如群智能在圖像信息處理中的應用、模糊控制在倒立擺控制中的應用等等。
⑶ 教學方法與手段與教學內容同步更新。研究性課程的一個重要特征是教學內容的不斷更新，為此，課程組一直致力于研究行之有效的雙語教學手段。以調動學生學習興趣為目標，做好成果展示、課題研討、自我實現的三段教學新方法。
針對上述課程定位，我們確定了課程建設最終形成的目標：按照研究性雙語課程要求與規律進行全面設計與整體建設；自主出版一套符合我校學生實際的英文版“智能控制”教材；通過豐富的實驗科研項目，讓學生通過自主學習方式體驗人工智能技術及其新進展；融合科學與科研團隊，實現教師培養與學生培養雙贏。
2.2 課程重難點及解決思路
教學內容組織方式上主要采取“三個相結合”，即理論與實際相結合、課堂教學與實驗室教學相結合、常規課堂教學與現代教育技術相結合，體現“讓學生在系統中學習系統”的教學。智能控制的重點主要圍繞模糊控制、神經網絡、進化計算三大塊展開系統地理論與實踐并重雙語教學。要求學生重點掌握如下內容。
第一模塊主要圍繞模糊控制中模糊集合與模糊關系，模糊邏輯與模糊推理及其應用。
第二模塊主要圍繞基本的神經網絡類型結構，監督式與非監督式神經網絡的學習算法及其應用。
第三模塊主要圍繞進化計算中遺傳算法，蟻群算法和粒子群算法，講述這些算法的原理及其應用思想。
該教學思想是通過本課程的學習，不僅掌握三個模塊知識，而且還能將三大模塊知識合成一個體系或系統，使學生全面掌握“智能控制與系統”這一自動化專業的精髓，既樹立“智能”理念，又能培養具有“系統”理念，能將智能控制技術應用在生產過程控制、運動控制等領域，且應用得好。
“智能控制”課程的難點在于模糊推理的方法、模糊控制器的設計、監督式神經網絡學習原理、遺傳算法原理和蟻群算法原理、各種智能控制器設計及其應用。智能控制多為仿生或擬人控制，其控制機理存在于自然界和生物界。因此，對各種控制機理的介紹要從有趣的生物和自然現象入手，引人入勝地介紹智能控制原理。通過深入淺出、形象比喻、并結合多媒體技術進行講解。
針對課程的重點和難點問題，首先在備課時對重點和難點內容做到心中有數，在講授時花較多的時間以較慢的節奏進行重點介紹與討論，提醒學生把注意力集中在這些問題上，并特別關注學生對問題的理解情況。其次在課堂上進行啟發式、研討式，并布置課外思考題，引導學生把復習重點放在重點和難點內容上，有針對性地建議學生訪問與本課程配套使用的智能控制網絡課程。同時加強實驗課和綜合設計環節，對重點和難點內容進行實踐，加深對相關內容的理解。要經常了解與收集學生對重點和難點內容的聽講意見，及時進行答疑，必要時在課堂上進行集體解答與討論。
3 研究性課程實踐教學
3.1 實踐教學的設計思想
“智能控制”課程實踐性教學的主要目的是使學生通過實驗，發揮主動性，研究探討智能控制系統的運行和實現過程，提出思路并積極驗證和探索自己的思路，從而更好地理解人工智能，培養學生的理論聯系實際能力和創新能力，逐步培養他們發現問題、提出問題、分析問題和解決問題的能力。
實踐性教學的設計思想我們歸納為四個體現。
⑴ 理論性：通過基礎驗證性實驗讓學生加深對理論的理解。如實驗內容包含模糊控制系統的推理。
⑵ 系統性：通過綜合設計性實驗讓學生加深對控制系統的理解。開設的系統實驗有：溫度控制系統、液位控制系統等。
⑶ 研究性：通過激勵式鼓勵教師將最新的研究成果引入實踐教學中，讓學生體驗新技術帶來的樂趣，如將蟻群算法應用在生物信息圖像處理與信息融合領域。
⑷ 工程性：讓學生在一個與工業生產實際相符合的環境下完成實踐環節，從而增強學生的工程實踐能力，如模糊控制技術在機器人避障中的應用。
通過實踐性教學的這四個體現，學生不僅有相對扎實的智能控制知識，而且還具備一定的智能控制思想并應用至具體控制對象設計中去。
3.2 實踐教學的設計與實驗內容安排重點
課程設計與實驗是智能控制教學任務的重點與難點，在抓住主要三大知識模塊的基礎上，經過多年教學經驗和將來學生從事工作實際，在課程設計與實驗的內容安排上注重以下幾點。
⑴ 貼切應用。實踐內容的安排絕大多數來自生活或生產中遇到的實際問題，通過建模、方案設計、實驗、調試，逐步驗證方法的正確性等等，讓學生從系統中學會了應用，從應用中找到人工智能應用的強大功能。
⑵ 貼切學生實際。針對本二學生，所關心的重點是如何將理論轉化成實際的效果。在實踐內容安排上，強調的是目標實現，而不是問題的優化，讓絕大多數學生能完成實踐任務與目標，從實踐中體驗知識帶頭的快樂。
⑶ 一切圍繞“問題”。教師在問題中教學，學生在問題中學習，尋找學習與實踐的交叉點，通過研討和分組，讓學生根據興趣自主選擇實踐項目。
⑷ 豐富與不斷更新實踐項目。通過將研究成果轉化教學資源，不斷更新實踐教學資源，目標保持至少10個以上實踐項目供學生自主選擇。
4 研究性課程教學方法與教學手段改革
4.1 教學方法改革
本著因材施教的教學方針，我們積極引入靈活的教學方法，如探究式、討論式、專題式、成果展示式等教學方法，充分激發了學生求知的潛能和學習的主體作用。結合專業特點，選用國外知名大學英文原版教材和自己編寫的智能控制基礎教材相結合，進一步豐富課程內容。適當增加討論課，提倡小設計和小論文，充分激勵學生探索和研究的熱情，讓學生學會科學研究的方法，提高解決問題的能力；實踐教學的設計思想始終貫徹理論聯系實際、重視實踐、激發學生創新熱情的指導方針，自行開發與引進實驗裝置相結合，提供基礎性、綜合性和創新性的實驗內容。為學生創造良好的實驗條件，鼓勵學生自主開發智能控制系統，獨立完成設計、控制與研究，并驗證其效果。
4.2 教學手段改革
采用“多媒體投影+黑板”的技術手段加速了課程內容的呈現，提高了課堂講解的表現力，如：針對該課程內容難度大，信息涵蓋量大，知識面廣的特點，充分發揮現代教育技術的優越性，課堂授課方法以多媒體課件為主，實現圖、文、聲、像并茂的視聽一體化教學，并與傳統教學手段有機組合，讓學生共同參與教學的全過程。網絡教學平臺有效地支持了自主性學習，如：雙語課程網站提供了智能控制課程豐富的教輔資源，網絡多媒體課件及學術論壇為學生提供交互式學習平臺，使學生能夠在課堂學習、答疑、自由論壇等各個環節密切配合，有效地支持了學生自主性的學習。同時，利用多媒體課件可以做到教學資源共享，便于教師之間彼此交流教學經驗。
5 結束語
智能控制是一門具有較強理論綜合性和實踐性、學科交叉及應用廣泛的專業課程。深度發掘學生的自主學習與創新意識，對自動化等專業智能控制課程研究性教學從課程設計理念、理論教學改革、實踐教學改革以及教學方法與教學手段改革等四個方面進行了具體的實踐探索，取得了一定效果。通過研究性教學，逐步培養學生的主動學習的意識和創新意識，培養研究精神，鼓勵研究熱情，引導學生逐漸積累專業知識，解決實際問題，達到培養創新性人才的目的。但是智能控制課程的開設一般都選擇在大四上學期，如何有效激起所有同學的學習興趣，以及分層次、分專業背景的授課方式將是本課程未來所研究的主要內容。
參考文獻：
[1] 徐青，張云，應飚.試論研究性大學創新性科研團隊的建設[J].中國高
教研究，2009.3：49-50
[2] 張建華.應用型人才培養中數值計算方法課程教學改革與實踐[J].大
學教育，2013.8：51-52
[3] 顧沛.把握研究性教學推進課堂教學方法改革[J].中國高等教育，
2009.7：31-33
[4] 賴生建.《計算電磁學》課程研究性教學實踐[J].實驗科學與技術，
2013.11（6）：262-264
[5] 李勝清，康勤書，陳浩.分析化學“四位一體”研究性教學模式的構建
與實踐[J].理工高教研究，2009.28（5）：60-62
一、深度學習概念的提出
深度學習的概念，源于30多年來計算機科學、人工神經網絡和人工智能的研究。上世紀八九十年代，人們提出了一系列機器學習模型，應用最為廣泛的包括支持向量機（Support Vector Machine，SVM）和邏輯回歸（Logistic Regression，LR），這兩種模型分別可以看作包含1個隱藏層和沒有隱藏層的淺層模型。計算機面對較為復雜的問題解決訓練時，可以利用反向傳播算法計算梯度，再用梯度下降方法在參數空間中尋找最優解。淺層模型往往具有凸代價函數，理論分析相對簡單，訓練方法也容易掌握，應用取得了很多成功。①隨著人工智能的發展，計算機和智能網絡如何基于算法革新，模擬人腦抽象認知和思維，準確且高清晰度地進行聲音處理、圖像傳播甚至更為復雜的數據處理和問題解決等，在21世紀來臨的時候成為擺在人工智能領域的關鍵問題。
30多年來，加拿大多倫多大學計算機系辛頓教授（Hinton，G.）一直從事機器學習模型、神經網絡與人工智能等問題的相關研究，并在機器學習模型特別是突破淺層學習模型，實現計算機抽象認知方面取得了突破性的進展。2006年，他在《Science》上發表了《利用神經網絡刻畫數據維度》（Reducing the Dimensionality of Data with Neural Networks）一文，探討了應用人工神經網絡刻畫數據的學習模型，首先提出了深度學習（Deep Learning）的概念和計算機深度學習模型，掀起了深度學習在人工智能領域的新。這篇文章的兩個主要觀點是：第一，多隱藏層的人工神經網絡具有優異的特征學習能力，學習到的特征對數據有更本質的刻畫，從而有利于可視化或分類；第二，深度神經網絡可以通過“逐層初始化”（Layer-wise Pre-training）來有效克服訓練和優解的難度，無監督的逐層初始化方法有助于突破淺層學習模型。②基于深度置信網絡（DBN）提出非監督逐層訓練算法，為解決深層結構相關的優化難題帶來希望，隨后提出多層自動編碼器深層結構。③2012年，辛頓又帶領學生在目前最大的圖像數據庫ImageNet上，對分類問題取得了驚人的結果，將計算機處理圖像數據問題時排名前五的錯誤率（即Top5錯誤率），由最高26%大幅降低至15%，大大提高了人工智能圖像數據處理的準確性和清晰度，這是早先計算機僅僅依賴數學模型的表層學習和單層學習根本無法實現的水平。
在人工智能領域，深度學習其實是一種算法思維，其核心是對人腦思維深層次學習的模擬，通過模擬人腦的深喲緯橄筧現過程，實現計算機對數據的復雜運算和優化。深度學習采用的模型是深層神經網絡（Deep Neural Networks，DNN）模型，即包含多個隱藏層（Hidden Layer，也稱隱含層）的神經網絡（Neural Networks，NN）。深度學習利用模型中的隱藏層，通過特征組合的方式，逐層將原始輸入轉化為淺層特征、中層特征、高層特征直至最終的任務目標。深度學習可以完成需要高度抽象特征的人工智能任務，如語音識別、圖像識別和檢索、自然語言理解等。深層模型是包含多個隱藏層的人工神經網絡，多層非線性結構使其具備強大的特征表達能力和對復雜任務的建模能力。訓練深層模型是長期以來的難題，近年來以層次化、逐層初始化為代表的一系列方法的提出，為訓練深層模型帶來了希望，并在多個應用領域獲得了成功。
人工智能學者們認為計算機和智能網絡的這一深層的自動編碼與解碼過程，是一個從數據刻畫、抽象認知到優選方案的深度學習的過程。由于人腦具有深度結構，認知過程是一個復雜的腦活動過程，因而計算機和人工智能網絡模擬從符號接受、符號解碼、意義建立再到優化方案的學習過程也是有結構的；同時，認知過程是逐層進行、逐步抽象的，人工智能不是純粹依賴于數學模型的產物，而是對人腦、人腦神經網絡及抽象認知和思維過程進行模擬的產物。應該說，到目前為止，深度學習是計算機和智能網絡最接近人腦的智能學習方法。近幾年來，深度學習進一步嘗試直接解決抽象認知的難題，并取得了突破性的進展，AlphaGo的問世，便是明證。2013年4月，《麻省理工學院技術評論》（MIT Technology Review ）雜志將深度學習列為2013年十大突破性技術之首。④深度學習引爆的這場革命，將人工智能帶上了一個新的臺階，不僅學術意義巨大，而且實用性很強，工業界也開始了大規模的投入，一大批產品將從中獲益。二十世紀八九十年代以來，隨著學習科學的不斷發展，深度學習的概念和思想不斷在教育中得到應用。
二、深度學習在教育中的興起與發展
來自腦科學、人工智能和學習科學領域的新成就，必然引起教育領域研究者的深刻反省。計算機、人工智能尚且能夠模擬人腦的深層結構和抽象認知，通過神經網絡的建立開展深度學習，那人對知識的學習過程究竟應該是怎樣的一個腦活動過程和學習過程？學生的學習有表層和深層等層次之分嗎？從作為符號的公共知識到作為個人意義的個人知識究竟是怎樣建立起來的？知識學習過程究竟是一個怎樣的抽象認知過程？信息技術環境支持下深層次的學習如何實現？近十多年來，這些問題引起了許多教育研究者特別是教育技術學研究者的濃厚興趣，深度學習、深度教學的研究日益引起人們的重視。也正是在辛頓的“深度學習”概念明確提出后，教育學領域特別是教育技術學領域的深度學習研究日益活躍起來。
其實，早在1956年布魯姆在《教育目標分類學》里關于“認知領域目標”的探討中，對認識目標的維度劃分就蘊含了深度學習的思想，即“學習有深淺層次之分”，將教學目標分為了解、理解、應用、分析、綜合、評價六個由淺入深的層次。⑤學習者的認知水平停留在知道或領會的層次則為淺層學習，涉及的是簡單提取、機械記憶符號表征或淺層了解邏輯背景等低階思維活動；而認知水平較高的深層理解、應用、分析、綜合和評價則涉及的是理性思辨、創造性思維、問題解決等相對復雜的高階思維活動，屬于深層學習。1976年，美國學者馬頓（Marton，F.）和薩爾約（Saljo，R.）在《論學習的本質區別：結果和過程》（On Qualitative Difference in Learning： Outcome and Process）一文中，明確提出了表層學習和深層學習的概念。⑥這被普遍認為是教育學領域首次明確提出深度學習的概念。他們在一項關于閱讀能力的實驗研究中，明確探討了閱讀學習的層次問題。通過讓學生閱讀文章并進行測驗，發現學生在閱讀的過程中運用了兩種截然不同的學習策略：一種是試圖記住文章的事實表達，揣測接下來的測試并記憶，即表層學習（Surface Learning）；另一種是試圖理解文章的中心思想和學術內涵，即深層學習（Deep Learning），也被譯為深度學習。深度學習的學習者追求知識的理解并且使已有的知識與特定教材的內容進行批判性互動，探尋知識的邏輯意義，使現有事實和所得出的結論建立聯系。淺層學習和深層學習在學習動機、投入程度、記憶方式、思維層次和遷移能力上有明顯的差異。深度學習是一種主動的、高投入的、理解記憶的、涉及高階思維并且學習結果遷移性強的學習狀態和學習過程。之后 ，拉姆斯登（Ramsden，1988）、英推施黛（Entwistle，1997）以及比格斯（Biggs，1999）等人發展了淺層學習和深度學習的相關理論。⑦隨著信息技術的發展，近十年來，國外學者對信息技術支持下的深度學習及其在各學科領域、各類教育中的應用研究日漸廣泛。
2002年以來，從技術支持高等教育的深度學習、虛擬環境中的深度學習、形成性評估對深度學習的影響、學習環境對學生進行深度學習的影響、技術支持下的深度學習設計等方面研究成果日益豐富，但絕大部分是基于教育技術學視野的研究成果。2006年，辛頓教授關于深度學習的成果發表，進一步推動了深度學習在教育中的研究與應用。近十年來，在中小學深度學習研究方面最有影響的當屬加拿大西盟菲莎大學（Simon Fraser University）艾根（Egan， K.）教授領銜的“深度學習”（Learning in Depth，簡稱LID）項目組所進行的研究，其成果集中體現在《深度學習：轉變學校教育的一個革新案例》（Learning in Depth： A Simple Innovation That Can Transform Schooling）等著述之中。⑧該研究探討了深度學習的基本原則與方法，分析了深度學習對學生成長、教師發展和學校革新的價值與路徑，并在加拿大部分中小學進行實驗研究。其核心成果聚焦課堂學習和教學問題，即使是關于教師教育中深度學習的研究，也聚焦于教師的學習過程和學習方式。⑨艾根所開展的深度學習研究項目超越了單一教育技術學視野的研究，不僅僅是關于教學設計、學習技術和學習環境開發的研究，而是基于建立新的學習觀和知識觀，對教學活動與學習過程作出了新的闡釋。
總體上看，國內關于深度學習的研究最近十年才剛剛起步。2005年，我國學者黎加厚教授在《促進學生深度學習》一文中，率先介紹了國外關于深度學習的研究成果，同時探討了深度學習的本質。他認為深度學習是指在理解學習的基礎上，學習者能夠批判性地學習新的思想和事實，并將它們融入原有的認知結構中，能夠在眾多思想間進行聯系，能夠將已有的知識遷移到新的情境中，作出決策和解決問題的學習。⑩此文被認為是國內較早介紹并論及深度學習的研究成果，此后，關于深度學習的探討，特別是基于信息技術環境下的深度學習的相關研究論文逐漸增加。2006年10月，筆者在前期研究的基礎上，與臺灣成功大學教育研究所所長李坤崇教授聯合發起“海峽兩岸能力生根計劃”，推進能力導向的深度教學的理論研究與實驗研究，主張以價值觀、知識觀、學習觀、過程觀的重建為基礎，以發展學生的學科能力為宗旨，實施深度教學，克服課堂教學改革過于注重教學程序、教學技術、教學時間的淺層次改革和表層學習的局限性，深化課堂教學改革。2014年后，中國教育科學院院長兼教育部課程教材研究與發展中心主任田慧生研究員基于深化課程改革的需要，帶領一個團隊開始啟動深度學習的項目研究。直至今日，基于核心素養追求背景下的深度學習研究項目，如雨后春筍般涌現，“深度學習”成為教育研究中的一個熱詞。
盡管計算機、人工智能領域與教育學領域都提出了“深度學習”概念，但不難看出二者顯然具有本質差異。計算機與人工智能領域的深度學習是建立在機器模擬人腦深層結構的基礎之上的，是基于人腦結構的一種計算機算法思維和問題解決模型，是對人腦和認知結構的模擬。而教育學領域的“深度學習”概念，無論是布魯姆還是馬頓和薩爾約，都指向了“知識”和“學習”兩個核心，是關于知識學習的目標和過程的問題。布魯姆在教育目標分類學認知領域的目標構設中，認為認知目標是由了解、理解、應用、分析、綜合、評價六個不斷加深的層次構成的。這一目標明顯是關于知識學習和認知過程的目標，在2001年修訂版中，這一目標被精確表述為知識學習和認知過程兩個維度。馬頓和薩爾約在關于閱讀的研究中，基于學生對文本理解的層次和理解的深度提出了“深度學習”的概念，并認為學習的本質區別在于過程而不是學習的結果，是學生對文本知識學習的深刻程度決定了其學習結果的差異性。
艾根的研究實現了從深度學習向深度教學的轉向。艾根的深度學習（Learning in Depth）研究更明確地指向了學生對知識的學習所到達的深度，以及教師通過對知識的處理引導學生逐步到達一定的學習深度。這一深度學習的過程是一個逐步深化的學習過程，要求教師在教學過程中引導學生著眼于知識的深層次理解和深度處理。該項研究表明，深度學習的研究開始從單一的學習技術研究轉向了對教學過程的關注，注重深度學習與深度教學的關聯性和一致性，深度學習的研究呈現出向深度學習與深度教學相結合的轉向。
三、深度學習的核心理念
從深度學習走向深度教學，一方面是教與學的一致性決定的，另一方面是當前中小學課堂教學普遍存在的局限性Q定的。教與學的關系既不是對立關系，也不是對應關系，而是一種具有相融性的一體化關系，離開了教無所謂學，離開了學也無所謂教。學生真正意義上的深度學習需要建立在教師深度教導、引導的基礎之上。從本質上看，教育學視野下的深度學習不同于人工智能視野下的深度學習，不是學生像機器一樣對人腦進行孤獨的模擬活動，而是學生在教師引導下，對知識進行的“層進式學習”和“沉浸式學習”?！皩舆M”是指對知識內在結構的逐層深化的學習，“沉浸”是指對學習過程的深刻參與和學習投入。離開了教師的教學和引導，學生何以“沉浸”？因此，深度學習只有走向深度教學才更具有發展性的意義和價值。同時，我國新一輪基礎教育課程改革以來，課堂教學改革依然存在著諸多表層學習、表面學習和表演學習的局限性，“學習方式的轉變”往往演變成了教學形式的改變，諸如教與學在程序上的簡單翻轉和在時間上的粗暴分配。其所體現出來的知識觀、價值觀、教學觀、過程觀依然陳舊落后，以學科知識、學科能力、學科思想和學科經驗的融合為核心的學科素養依然未能得到實質性的滲透。
深度教學的“深度”是建立在完整而深刻地處理和理解知識的基礎之上的。艾根在深度學習的研究中，首次從知識論的角度，論述了深度學習的“深度”（Depth）的涵義。他認為“學習深度”具有三個基本標準，即知識學習的充分廣度（Sufficient Breadth）、知識學習的充分深度（Sufficient Depth）和知識學習的充分關聯度（Multi-Dimensional Richness and Ties）。這三個標準，也是深度學習的核心理念。
第一，知識學習的充分廣度。充分的廣度與知識產生的背景相關，與知識對人生成的意義相關，與個體經驗相關，也與學習者的學習情境相關。如果教學把知識從其賴以存在的背景、意義和經驗中剝離出來，成為純粹的符號，便成為無意義的符號、無根基的概念知識。知識具有強烈的依存性，無論是自然科學的知識還是社會科學或人文學科的知識，都是特定的社會背景、文化背景、歷史背景及其特定的思維方式的產物。離開了知識的自然背景、社會背景、邏輯背景，前人創造的知識對后人而言幾乎不具有可理解性。隨著深度學習的興起，旨在以廣度促進理解的“無邊界學習”日益引起人們的重視?？梢姡R的充分廣度，其實是為理解提供多樣性的支架，為知識的意義達成創造了可能性和廣闊性基礎。
第二，知識學習的充分深度。知識的充分深度與知識所表達的內在思想、認知方式和具體的思維邏輯相關，深度學習把通過知識理解來建立認識方式，提升思維品質，特別是發展批判性思維作為核心目標。所以說，深度學習是一種反思性學習，是注重批判性思維品質培養的學習，同時也是一種沉浸式、層進式的學習。深度學習強調學習過程是從符號理解、符號解碼到意義建構的認知過程，這一過程是逐層深化的。
第三，知R學習的充分關聯度。知識的充分關聯度，是指知識學習指向與多維度地理解知識的豐富內涵及其與文化、想象、經驗的內在聯系。知識學習不是單一的符號學習，而是對知識所承載的文化精神的學習。同時，通過與學生的想象、情感的緊密聯系，達到對知識的意義建構。從廣度，到深度，再到關聯度，學生認知的過程是逐層深化的。所謂意義建構，即從公共知識到個人知識的建立過程，都需要建立在知識學習的深度和關聯度之上。
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余凱等.深度學習的昨天、今天和明天[J].計算機研究與發展，2013，9.
⑤安德森.布盧姆教育目標分類學（修訂版）[M]. 北京：外語教學與研究出版社，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.促進深度學習的課堂教學策略研究[J].課程?教材?教法，2014，11.
⑧Kieran Egan. Learning in Depth： A Simple Innovation That Can Transform Schooling. London， Ontario： The Althouse Press， 2010.
記 者：李主任，您好。很高興地看到，2016年初采訪您時，您提到的一些設想，現在正在一步步地走向現實。比如去年4月啟動的北京市中小學教師開放型教學實踐活動、11月啟動的雙師服務試點。北京市教委通過供給側結構性改革，讓優質的教育資源穿越了學校和區域的邊界。您能給我們介紹下這兩個項目實施的過程及取得的成效嗎？
李 奕：是的，當時計劃的“教師走網”，已經通過“北京市中小學教師開放型教學實踐活動”在全市范圍的教師繼續教育領域里成功地“走”了起來。教師通過自主選課并在課堂中聽課研修，改變了傳統繼續教育“講大課”的方式，實現了教師選擇的自主性和實踐性。該項目自2016年4月啟動以來，已經在上半年和下半年各完成了一輪培訓活動。
第一輪培訓，我們將市級以上骨干教師的1482門課程名錄掛到網絡平臺上，聽課教師在線自助選擇自己喜歡的課，充分尊重了聽課教師的自主選擇權。只要教師自己喜歡，就可以跨年級，甚至跨學科選擇授課老師的課。線上選定聽課對象以后，聽課教師們就可以根據時間安排，到線下授課點聽課，并參與教研和備課。這一系列活動完成后，教師們將照片、任務單上傳到平臺，平臺就會給授課老師和聽課老師雙向計學分。由于這個平臺對接北京市教師MIS系統，所計學分與教師的繼續教育、晉級密切相關。
在開展第二輪培訓時，又實現新的突破――我們把上傳授課目錄的教師擴展到年輕的骨干教師。只要教師具備獨特的內容或擅長的方面，就可以上傳。由于上傳行為本身是沒有成本的，只有實際發生聽課行為了，才有成本，所以我們繼續擴大供給側的結構和數量，供給越多，教師們選擇的范圍就越大。此外，還有一個變化就是，民辦教育機構的教師也首次嘗試進來，量雖不大，但是一種類型，或許不輸給公辦學校的教師。“北京市中小學教師開放型教學實踐活動”是典型的利用互聯網思維來運作的一個項目，它的特點是自選、開放、后付費。形式上，它與初一、初二的開放性科學實踐活動相似，不同的是，這次是教師“走網”，骨干教師、特級教師的優質資源屬性開始在網上流動了。
為了保障培訓質量，讓學員之間能夠有充分的討論和互動，我們要求每位授課教師每學期最多開放兩次課，并且每次課最多接納10個學員聽課。所以，有的授課教師大家搶得厲害，而有些授課老師的課型掛上網以后，沒有人選他的課，形成潛在的壓力。
記 者：在實際的操作過程中，真的會出現這種情況嗎？那不被選的教師豈不是很尷尬？
李 奕：當然有。第一輪1482門課程掛上去后，只有1375門課程選滿了，另外100多課程情況很復雜了。有的授課教師已經脫離教學一線，有的是對開放自己的課程壓力大等。中央提出，要更多地用市場的機制決定資源的配置。這就是由市場機制來決定，拿事實來說話。包括以后我們評價一位教師的影響力，就要看他的受眾到底有多少？通過互聯網的行為數據，能查出每年到底有多少個區縣、多少個教師選他。選的人多了，他自然就是骨干，因為他已經用實際的影響力證明他就是這個領域的“骨”和“干”了。假如還有另外一位教師，他一年教了200節課，發表了10篇論文，但只是面向自己教的這兩個班的學生。那他是一位優秀、敬業的好老師，可是他在骨干引領作用的發揮上，就不充分了。
這些都是在互聯網思維下的市場機制和優質資源屬性配置。這個項目運行后還有個“副產品”：來聽課的10位學員之前可能完全不認識，但在聽完課離開的時候互相加了微信，建了微信群，形成了一個備課交流圈子。有了這個圈子，教師們以后的討論會延伸下去。這就是運用互聯網思維建立起了教育系統內人與人之間“跨界”的連接。
在通州區啟動的雙師服務工程只是一個試點，將來有可能擴展到全市。一旦全面啟動，將會比“北京市中小學教師開放型教學實踐活動”的工程大，因為它屬于教育的基本公共服務范疇。
“智慧學伴”將讓學生的交往超越學校和學區邊界
記 者：您剛才提到教師參加開放型教學實踐活動后，會結成一個個社交的小圈子。這個圈子超越了地區和班級的界限。這種邊界的超越，會發生在孩子們身上嗎？
李 奕：實際上已經發生了。北京市初中開放性科學實踐活動計劃帶來的寶貴“財富”是：一個實踐活動班內30個來自不同學校的孩子聚在一起搞科學實踐活動，從互相不認識，到在一起做事，再到分手時合個影、留個聯系方式，后續還會有聯絡。這是任何一所學?？孔陨砹α?，再怎么走班教學，也提供不了的教育服務。等這撥孩子2018年中考時，每個人的通訊錄里都有五個以上非本區、本校的同學，而且他們在一起合作學習：做過飛機、拆過鼠標或搗鼓過中醫藥、護手霜，到現在還有聯系。這就是在孩子們身上真實發生的實踐活動。這個項目給教育系統留下來的是他們選課的記錄，告訴我們為什么學生喜歡選這個，不選那個。所以，這個項目最大的價值就是讓孩子獨立選擇，而且班級的組合是開放的，是有意做到“無組織、有紀律”，不再需要“帶隊老師”，不再是和“本班的同學”一起做了。
北京市教委2017年從教育信息化角度重點推進的一個項目就是“智慧學伴”。互聯網給人帶來的是相互交往能力的躍升。這時候，人與人之間的交流就不僅是可以穿越邊界，還能實現跨越角色的交往。無論是成年人還是孩子，都可以通過互聯網參與到社會實踐中，找到與自己志同道合的學伴。就拿“雙師工程”來說，其實它背后更可能吸引孩子的，不是雙師，而是學伴。在參與活動的過程中，一個學生可能在這兒找到幾個跨區的、有相同興趣愛好的同學，建立起定向的聯系，分享自己的成果和成長的經歷。這是我們所樂見其成的，因為這實際是從底層，用互聯網思維來支持和幫助孩子。從這個意義上來說，它就是“學伴工程”。
我們現在給學生配雙師，目的是增加學生的實際獲得，但同時也要考慮未來，特別是伴隨著人工智能時代的到來，學生從教師那里直接獲得的知識比例會進一步降低，而且還會更精準，更符合每個孩子的個好和實際需求。通過互聯網也可以掌握大量的關聯知識。就像我們現在在工作過程中利用搜索引擎了解訊息、學習新知那樣，隨時隨地會有個資源庫、智能系統支持我們的工作與成長。
人工智能時代將會深刻影響學習行為，但不會顛覆學校
記 者：人工智能是2016年的熱詞。尤其是AlphaGo與李世石的“人機大戰”，讓人們見識到了人工智能的“過人”之處。相信對于人工智能在教育中的應用，您也有很多思考。我們想聽聽您對此的見解。
李 奕：基礎教育實踐中的人工智能，并不像理論界、科研領域那樣高深到非得有個機器學習或者專家系統等。“人工智能”就在我們身邊。人工智能是一種理念，在教育中的另一種拓展應用就是助力于學生學習方式的改變。它對我們中小學的教師和學生來說，都有重大的影響。如果善于駕馭人工智能，現在我們所倚重的教室、專業器材、教材等，都將不再是最核心的資源。
我們關注同學和老師、同學與同學之間的互動與交流，以及在此過程中產生的新學習資源，即智慧學伴工程。北京師范大學未來教育高精尖創新中心就是在打造這樣一個新平臺，讓學生與學生、學生與教師之間的活動豐富起來，對行為數據記錄和問題收集進行有效處理，形成對每個孩子的個性支持。
我們認為，一個人從中小學到走上社會，他都需要智慧學習和學伴。想想看，我們的微信群里有沒有圈子？其實，你的圈子就是你的智慧學伴，這是自然而然形成的。生活中為什么兩個人總是聯系，就是因為你發的東西我愛看，我發的東西你愛看，我的生活你關注，你的生活我關注，所以人之間的連接越來越豐富。處在這種豐富連接中的人，知識與信息的獲得是持續增長的。當然，這其中要有教師的正確引導和影響。
新的資源觀和環境觀下的數字校園
記 者：確實在現實生活中，基于微信、QQ等互聯網技術建立的圈子，就相當于給人重新劃分了學習的社群。
李 奕：在這種情形下，就涉及新的學習材料的提取和萃取，我們將不再僅僅依靠專家編選資源，讓學生去學，而是在原有基礎上嘗試由市場機制決定誰是優質教育資源。我們也期待學生和教師，在新的資源觀和環境觀下，開始進入一種新的學習狀態?，F在，有不少學校已經開始用手持設備和移動互聯網進行日常的教育教學的活動，就是一個例子。
如北京市教委數字校園實驗校中，有的從上個學期9月份開始，就將校園網由PC版升級為移動端APP。升級后，學生每天都要回家完成四項作業：英語的口語、語文的朗讀、數學的速算、每天的日記。孩子每天花5分鐘做完作業以后，可以給同學點贊，看誰獲得的“點贊”多，學生們寫的日記可以互相評論和留言。
用手機的方式做四項作業，是一個進步――教師以前檢查不了英語的口語、聽力，現在通過這種方式能檢查了。但這是一個淺層次的提升，更為核心、深層次的提升是：學生學會欣賞了、學會傾聽了，與此同時，他的閱讀量隨著交流的增多也越來越大。這就實現了在一個班、一所學校這樣一個小環境里信息的流動和互動。
現在學校在三年級又開展了作業閱讀，鼓勵學生們自己上傳作業內容。小孩子都愛往上傳，因為對他來說很容易，就像聊天一樣。比如上傳一句名言“書山有路勤為徑，學海無涯苦作舟”作為班級作業。只要他上傳了作業，教師就會組織全班50個孩子都念一遍，這個過程中就產生了大量數據，上傳作業的學生還有權利給其他學生做點評。
這樣一來，新的教學方式出現了。在這樣的作業過程中，學習是跨學科的，對象和學伴是互換的，學習的內容是不斷增長更新的。
數字校園真正升級在孩子的交往能力上
記 者：據我們了解，北京也有一些學校正在做這樣的嘗試，比如北京十一學校亦莊實驗小學，利用“一起作業網”的平臺，進行作業的提交、點贊和評價，在此過程中潛移默化地培養學生的社交能力。
李 奕：數字校園真正的升級換代，體現在對孩子們的交往能力的提升上。當然，這只是一所學校范圍的嘗試。如果一個學區有這個意識，像東城和海淀這類有條件的學區，要拓展到學區里去做，效果會更好。比如東城的某些學校在使用“作業盒子”以后，你會發現孩子們交往的朋友圈和視野，比傳統名校的孩子更棒。
這種棒是從教育的角度來看資源和環境，這是將來信息化發展的重要方向。什么是數字原住民？數字原住民不是只玩玩游戲，而是他對信息很敏銳，能提取、篩選信息，而且善于交流，有包容心，會給別人點贊，而不是很嫉妒、焦慮或者壓抑。從社會大背景來看，利用信息技術能不能實現這種升級和超越？我認為能。
所以，看待一件事，一定要發掘這件事背后的價值取向和給孩子帶來的變化。
記 者：我們也發現，教學中技術的使用門檻雖然降低了，但對教師的駕馭能力要求更高了。教師不能只做“教書匠”，而是既要想辦法將信息技術成為學生手里學習的工具，還要善于組織學生的交流、討論和活動。
李 奕：是這樣的，有了APP，教師要善于去用，不只是善于用它布置作業，而是善于捕捉行為記錄，以確定第二天在課堂上該關注誰、該如何因材施教等。將來理想的狀態是，教師未必有學生知道得多，但是會比學生更敏銳。
與傳統教學的面對面授課相比，MOOC具有學習方式靈活、學習自主、資源豐富開放、交流廣泛、學科交叉靈活方便等優點，但也有學習成功率不高、誠信考核難以控制等局限性。因此，將MOOC學習與傳統的課堂學習有機結合起來，實現優勢互補，從而更好地實現研究生創新能力的培養是研究生教學改革的方向之一。
為了提高研究生科學研究的創新能力，筆者在研究生教學改革中進行了混合式教學的實踐和探討，即將MOOC學習、翻轉課堂和面對面授課三部分有機融合，以求實現教學效果的改善和創新能力的提升。
基于MOOC的混合式教學的實踐過程
MOOC的出現給研究生創新能力培養提供了新渠道和平臺支持。筆者在研究生的“智能決策支持系統”課程中采用混合式教學模式，在教學設計等幾個方面進行了改革、實踐和探討。
1.精心進行混合式教學設計
與傳統教學一樣，要想達到好的教學效果，教師必須精心設計好每堂課的內容和教學方式，以研究生的創新能力培養為目標，科學規劃課堂教學、翻轉課堂和MOOC學習內容，既要達到課程標準的教學目標，又要保證課程知識體系的完備性和系統性。
在混合式教學過程中，將若干模塊知識體系分解成多個知識點，根據知識點的難易程度、重要程度將知識點進行分類，不同知識點采用不同的教學方式，同時又在課堂中通過研討等方式將三種知識學習連貫起來，從而保證知識的系統性和完整性。
課堂講授主要的內容包括智能決策支持系統的體系結構、模型庫管理等。由于有前置課程的支撐，可以將決策支持概述、決策支持系統體系結構和數據庫管理等內容通過翻轉課堂方式進行學習。借助Coursera平臺學習的主要包括人工智能基本原理、人工神經網原理、遺傳算法原理、數據挖掘原理等智能計算內容。同時，在這三種學習的過程中，一直貫穿著面對面的專題研討。這樣進行的課程設計，不僅保證了整個教學內容與原智能決策支持系統課程標準的一致性及知識的系統性和完備性，同時也實現了知識體系的相互支撐。
2.翻轉課堂教學的應用
翻轉課堂的基本思路是把傳統的學習過程翻轉過來，讓學習者在課外時間完成針對知識點和概念的自主學習，課堂則變成教師與學生互動的場所，主要用于解答疑惑、匯報討論，從而達到更好的教學效果，提高學生的自學能力，同時教師在課堂上能更主動地教學、研討，以培養學生的創新能力。
對于研究生教學，翻轉課堂既可以培養學生自學的能力，也能培養他們獨立思考解決問題的能力。為了應用好翻轉課堂，筆者對整個教學內容的知識點進行了分析篩選，選取適合翻轉課堂的內容，如決策及決策支持概述、數據庫管理等，讓學生自學完成。翻轉課堂中學習的視頻是從網上公開課平臺節選的，并且每次課前教師都要先提出課堂要掌握的內容，設定思考或要回答的問題，讓學生學習指定教材或視頻內容，最后小組學習匯報并研討。翻轉課堂學生學習匯報的結果和研討表現將計入課程總成績。
3.MOOC學習與面授及研討的結合
根據“智能決策支持系統”課程實施計劃和課程標準的要求，筆者選擇的講授內容將在學期開始的前幾周完成，講授過程中，將人工智能等相關內容同步到MOOC平臺。
每次進行MOOC學習前，筆者除了要求學生完成教師課堂上的作業及交流內容外，也布置了相關問題和研討內容，并要求學生在學習MOOC內容后，安排時間進行課堂研討。研討內容主要是讓學生理解人工智能技術如何對決策進行支持，即如何用人工智能技術實現智能決策支持系統，并通過軍事應用案例來研討智能軍事決策支持的技術和方法;同時，查驗學生通過MOOC學習后對知識的掌握情況。
4.多種方式的交流研討
在整個混合式教學過程中，師生可以采用線下、線上和課堂等多種方式進行交流、研討。線上學生主要是利用MOOC平臺進行交流討論，線下主要是在課堂中或課外進行面對面的研討。目前，多數MOOC平臺都提供了各種討論交流環境，如討論小組、討論區或論壇、線上交流、線下交流、學生自評、同伴互評等。
5.綜合的學習評價方式
根據混合式教學內容的分配，評價應針對課堂學習、翻轉課堂學習和MOOC學習三部分。評價內容有：課堂學習中的平時作業、課堂研討、小論文等;翻轉課堂學習中的學習的效果、回答問題的情況;MOOC學習主要依靠MOOC平臺的評價，同時也可以參考MOOC平臺的記錄信息，包括登錄次數、在線時間、視頻觀看情況、在線測試成績、在線交流提問和回答問題等信息。
對混合式教學的思考
基于MOOC的混合式教學是一種探討式的教學改革。雖然目前在混合式教學實踐中學生的人數和課程數量不夠多，但從對學生階段性考核和最終考試的成績以及學生的自評中可以看出，這種混合式教學有利于培養研究生的創新思維，拓展他們的知識面，更有利于豐富教學方法，創新教學模式。
結合基于MOOC的混合式教學的實踐，筆者認為在混合式教學過程中只有重點關注以下幾點，才能將三者進行優勢互補，真正達到混合式教學的目的。
(1)混合式教學必須將知識點進行科學有效的劃分。教師不僅要花費更多的時間研討教學內容的設計，設計面授課、MOOC的教學內容，設計交流研討、翻轉課堂學習的內容，還要保證課程知識體系的系統性和完備性。MOOC平臺、平臺內容的選擇及翻轉課堂內容的制作都是做好混合式教學的基礎。
(2)雖然MOOC學習強調以學生為主的自主學習，但教師還是要掌握學生線上或翻轉學習的效果和質量。教學過程中教師可以通過多種方式來關注學生的學習過程。例如，將MOOC中的學習時間、提問數量、回答的問題、作業提交、線上測試等平臺記錄的情況都納入最終成績的考核。
(3)在積累歷史數據的基礎上，教師可以利用大數據分析或挖掘數據，科學分析學習過程中記錄的信息，并用以指導以后的混合式教學改革。
(4)為了培養研究生的創新能力，課程研討是教學過程中的重要手段之一。在混合式教學的各個階段要引入研討式教學，設計的研討問題要有利于啟發學生，培養其創新思維。
(5)基于MOOC的混合式教學將會是未來教學改革的主要方向之一。如何保證MOOC學習的效果和質量，如何評價混合式教學的質量，如何監督混合式教學的自主學習等問題都需要教師通過改革實踐來確定。
總結
傳統教學提供了面授進行思想交流的環境，MOOC發揮了學生在學習過程中的主體地位，翻轉課堂從某種意義上克服了傳統教學中存在的弊端，使學生更加主動地去思考和學習，所以三者的結合將會使各自的優勢得到發揮，也將給高等教育改革帶來新的拓展、探索和方向。
關鍵詞:智能科學與技術;機器人;課堂學習;項目實踐
智能科學與技術是一門新興的學科,目前在國內部分高校已開辦了該專業,鑒于該專業的高度交叉性和強調工程實踐的要求,如何加強工程實踐訓練,使之與課堂學習有機結合是一個值得探索的問題。而積極開展學生創新計劃項目,鼓勵同學們參與科研實踐無疑是一個很好的途徑。我校的“創新創業項目”正好給學生提供了這樣一個良好的學習與實踐平臺。
“倉庫巡邏預警機器人”項目的主要內容是在一個自行拼裝的輪式機器人本體上完成集感知、規劃、決策和移動為一體的行為控制,根據已知地圖信息進行全局路徑規劃、實現避障,對環境中的煙度、溫度、濕度、氣味、聲音及熱釋紅外等因素的異常進行感知和及時預警,完成指定區域定時、定點的巡邏預警工作。
1項目實施過程
“倉庫巡邏預警機器人”項目實施大體分以下3個階段:1)理論研究和技術學習為主;2)機器人的組裝,雛形測試,及整體功能的實現;3)功能測試、改進,論文、報告的撰寫。
對于巡邏機器人來說,首要任務是完成機器人本體的裝配,其他很多功能的實現都與機器人本體設計有關。此外,漫游功能是巡邏機器人的基本功能,下面將對這兩個內容進行主要介紹。
1.1機器人本體的設計和裝配
針對倉庫巡邏任務的實際需求,并考慮到現有條
件的限制,在研究了多種機器人基本結構、運動學及動力學特性[1-2]后,最終采用了如圖1所示的三輪機器人結構。其底盤結構為一個萬向輪和兩個獨立驅動輪,車體前、左、右方各安裝一個紅外接近傳感器。
基金項目:中南大學2009年“大學生創新創業啟航行動”創新項目(CX13)。
作者簡介:黨志剛(1990-),男,本科生,研究方向為自動化專業(智能科學與技術方向);劉麗玨(1973-),女,副教授,博士,研究方向為智能計算與智能規劃;肖劍明(1988-),男,本科生,研究方向為自動化專業(智能科學與技術);諶慧濱(1988-),男,本科生,研究方向為自動化專業(智能科學與技術);韓爽(1988-),男,本科生,研究方向為自動化專業(電氣)。
1.2機器人漫游的實現
漫游功能是巡邏機器人的基本功能之一,要實現漫游,除要對機器人的“前進、后退、左、右轉彎、原地轉圈、加、減速”等簡單運動行為進行控制外,還需根據傳感器信息對周圍環境進行感知,以避開障礙。神經網絡控制是智能控制的主要方法之一,利用神經網絡,再結合簡單的邏輯判斷,可實現簡單環境中的漫游。
在2.1所述的機器人本體“左、前、右”各安裝一個紅外接近傳感器,就可實現簡單環境中的漫游。結合硬件結構,采用二值函數作為激勵函數構造了有3個輸入、2個輸出,由兩個感知器構成的神經網絡,結構如圖3所示。
圖3神經網絡結構圖
其中x1,x2,x3表示安裝在機器人左、中、右邊的3個傳感器的輸入信號,輸入為0表示有障礙;輸入為1表示無障礙。wji表示權值,y1,y2為輸出,0表示后退,1表示前進。采用的二值函數如下式:
(2.1)
其輸入、輸出關系為:
( ) (2.2)
為實現避障,給出如表1的訓練例子,作為神經網絡的學習實例。
神經網絡的權值和閾值采用學習算法進行調整,權值修正公式為:
,( ) (2.3)
其中x為輸入向量, 為期望的輸出向量, 為感知器實際輸出向量。
顯然從公式2.3可以看出,如果第 個神經元的實際輸出與期望一致,則不對該神經元的權值進行修改;如果某個神經元的輸出為0,而期望響應為1,則將此時的權值矢量wji加上輸入向量x作為新的權值矢量;如果某個神經元的輸出為1,而期望響應為0,則將此時的權值矢量wji減去向量x作為新的權值矢量。
而閾值修正公式為:
, (2.4)
經MATLAB仿真訓練[3],其一次訓練誤差收斂過程如圖4(其中橫坐標表示訓練代數,縱坐標表示平均絕對誤差)所示。
(a) 左輪感知器誤差變化曲線
(b) 右輪感知器誤差變化曲線
圖4左右輪感知器誤差變化曲線
經學習后得到權值和閾值:
; ;
; 。
將機器人置于圖5所示的簡單環境中,一次實驗中,機器人行進軌跡為ABCDEFG,對應的輸入、輸出向量和機器人行為如表2所示。
如圖5所示,另一次漫游所得軌跡為abcd,在這種情況下,機器人會在cd段上往復運動,漫游失敗。2.3中介紹的迷宮機器人學習算法將初步解決此問題。
1.3迷宮機器人路徑規劃
除上述問題外,應“人工智能課程設計”的要求,還對“迷宮機器人路徑規劃”問題進行了研究,使機器人在未知迷宮中不斷獲取有關前方和兩側隔墻的信息,從而進行路線識別和行走姿態控制,搜索安全出口并順利走出線性迷宮。運用左手優先法則,再結合2.2的避障方法,實現了迷宮機器人路徑規劃,如圖6所示。反復試驗發現,只需要2個紅外接近傳感器(分別安裝在機器人的左、前方)就可以完成機器人行走迷宮的基本行為控制,第3個(安裝在右側)用于微調行進時的位姿,以保證機器人自身安全。
采用字符串匹配迷宮機器人自學習算法[4]可以大大縮短迷宮行走時間。此算法大致思路如下:機器人每穿越一個路口,就在存儲器中記錄一個字符:若直行保存一個“S”、左轉保存“L”、右轉保存“R”、掉頭保存“U”,在程序調用時,分別令S=0,L=90,R=-90,U=180。根據左手法則,機器人走迷宮共經過17個路口,如圖6所示。顯然機器人第一次走完迷宮后存儲器保存字符串str=“SULLULLURLLLUSRSS”。進行字符串匹配:在字符串中找到U,對U和其前后兩個字符進行數值計算后對字符串進行簡化(如對字符串str進行第一次匹配將會找到“SULLULLURLLLUSRSS”,第一個“SUL”計算“0-180+90=-90”,因此可表示為字符“R”,第二個“LUL”計算“90-180-90=0”,因此可表示為字符“S”,依次類推可由字符串str得新串str1=“RSULLRRSS”;繼續對str1進行匹配得到新的字符串str2=“RRLRRSS”(匹配到字符串中沒有“U”為止)。最后匹配得到的新字符串“RRLRRSS”。
圖6機器人穿越迷宮路徑示意圖
根據以上算法,當機器人再次走入迷宮時,行進路線如圖7所示。顯然這種算法大大縮短了第二次搜索的路程和時間。
圖7學習后的機器人走迷宮路徑示意圖
以上字符串匹配學習算法有一個明顯的缺點:在重復搜索同一個迷宮時才能起作用。采用更具智能的算法優化機器人的迷宮搜索是下一步目標。
1.4下一步的工作
設計和實現倉庫巡邏機器人的目標還包括:希望機器人能對異常的溫度、氣味、聲音等進行預警,因此,在給開發板上加裝了DS18B02溫度傳感器、ADC0809、數碼管、蜂鳴器和發光二極管等器件,成功擴展了溫度測量與報警模塊的基礎上,下一步的工作便是開始學習和研究煙霧、濕度、氣味、聲音等環境因素的實時測量和預警模塊;目前已初步實現了用串行通信和無線通信方法,將巡邏機器人獲得的數據發送到PC機上進行實時監控,其他功能的實現還有待進一步的努力。
上述功能基本完成后,最終將結合各個模塊,對機器人進行系統綜合調試以實現倉庫巡邏預警功能。并結合以后開設的智能控制、神經網絡控制、智能計算等專業課程以及增強學習[5]的有關方法,進一步改進整個系統,提高穩定性的基礎上使其具有更高的智能。
2心得與體會
在歷時2年的專業課學習和6個多月的機器人項目的申請、實施中項目組成員深刻體會到從事智能科學與技術領域學習和研究時,扎實理論、進行工程實踐的重要性和理論與實踐緊密結合的必要性。
扎實的理論是進行項目實踐的前提。課堂學習有比較充足的學習時間、任課老師的指導、同學之間的討論、相關實驗和各種考核機制,是掌握理論的絕佳機會。在項目實踐進程中,會不斷遇到各類問題,而大部分問題可以用課堂學習過的相關知識解決。
項目實踐是檢驗理論體系是否完整、基礎知識是否扎實的一個很好的標準,是課堂學習的興奮劑、自主學習的催化劑。分析、解決問題的過程,就是不斷補充理論知識、訓練思維、強化動手能力、提高工程素養、培養興趣的過程,在這個過程中,學生可以學到很多書本以外的知識和寶貴的科研、工作經驗這些對課堂學習是一個很好的補充。總之,在課堂學習和項目實踐的結合中,學生會有更加迅速的成長。
3對教學的若干建議
在智能科學與技術專業進行學習和研究以來,收獲很多,作為學生,在教學方面也有一些自己的看法:1) 2010年中南大學智能所開設的人工智能、機器人學和專家系統等課程采用課堂討論、辯論和報告的形式授課,廣大同學配合積極,有同學現場演示和講解了親手制作的“人形機器人”和組裝的“機械臂”。這樣的授課方式極大地調動了學生的學習積極性和主動性,有助于知識的理解并提高創新能力,應該推廣。2)在高校,許多本科生有課外實踐的想法和熱情,但考慮到花費時間多、可能影響學習成績,就望而卻步。如果將項目實踐作為相關課程成績考核的一部分,不僅會使學生大膽投身項目實踐,也會使課堂學習效率倍增。3)“榜樣的力量是無窮的”,廣大學生渴望與國內外大師見面,聆聽教誨。
4結語
“倉庫巡邏預警機器人”項目富有挑戰性的申請、實施和進一步研究過程是以智能科學與技術領域的基礎課程和專業課程的學習為基礎的;項目的實施過程可以鞏固、提高硬件電路設計、程序設計等基礎知識,熟悉MATLAB等仿真軟件,又可以及時運用人工智能、機器人學等課程中學到的神經網絡控制、機器人路徑規劃技術;進一步的研究又提供了一個了解該領域前沿問題(如強化學習)的機會。綜上所述,課堂教學與項目實踐的結合不僅會使學生加強理論基礎、提高實踐能力,而且會在很大程度上促進該領域的發展。因此,這種教學模式的推廣意義重大。
參考文獻:
[1] 蔡自興. 機器人學[M]. 2版. 北京:清華大學出版社,2009:46-83.
[2] 蔡自興. 機器人學基礎[M]. 北京:機械工業出版社,2009:29-65.
[3] 朱凱,王正林. 精通MATLAB神經網絡[M]. 北京:電子工業出版社,2010:140-161.
[4] 徐守江. 迷宮算法綜述[J]. 信息與電腦:理論版,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)
中圖分類號：G642
0 引 言
近年來，不論在學術界還是產業界，人工智能都成了最熱門的技術，研究者和創業者紛紛看好人工智能的前景。自然語言處理是人工智能方向一個很重要的分支，隨著IBM研發的Waston打敗人類選手，自動問答技術重新成為最熱門的研究方向。目前，很多高校和研究院所在碩士階段開設了相關課程，比如清華大學的計算語言學課程、北京大學的計算語言學及語義計算與知識檢索課程、哈爾濱工業大學的統計自然語言處理和命名實體識別與信息抽取課程。東北大學自然語言處理（NLP）實驗室自1980年成立至今，在自然語言處理方向做了很多細致深入的研究工作。為了讓計算機科學與技術專業學生盡早接觸和了解NLP這個方向，開闊學術視野，東北大學從2006年開始在本科階段開設文本智能處理技術選修課程。該課程是本科生自然語言處理方向的入門課程，主要涉及如何讓計算機理解人類語言并進行進一步處理。課程內容涵蓋自然語言處理學科的基本理論，以講解最具挑戰的問答系統為主軸，介紹文本處理的主要技術。課程的目標是通過該課程的學習，讓學生掌握處理自然語言的基本理論，了解文本智能處理的常用模型和算法，初步具備從事該領域相關工作的能力。
專業選修課是必修課的重要補充，該部分教學環節的創新與突破是學生全方位發展的關鍵[1]。為了提高教學質量，教學團隊每年進行學生問卷調查，了解學生的學習需求及對該課程教學的意見和建議。經過近10年的不斷摸索，在收集整理學生建議以及分析學習效果的基礎上，學校不斷調整教學內容和教學方式，提高了課程的教學質量，得到學生的充分認可。
1 增加課程趣味性，激發學生好奇心
由于本門課程是選修課，學生在選擇課程的時候懷著不同目的：有的是了解和喜歡這門課程的學習內容，有的僅僅為了獲得學分，有的持觀望態度，先上著看看。因此，如何在課程的開始抓住學生的注意力，激發學生的好奇心和學習愿望是很重要的事情[2]。在教學過程中，教學團隊非常重視第一次課的教學及效果。在第一次課上，教師將日常生活中使用的互聯網應用與課程內容掛鉤，比如百度后臺的搜索技術、淘寶購物時的自動推薦技術、Google和搜狗拼音輸入法、門戶網站的新聞自動分類、垃圾郵件過濾技術等，讓學生們對將要學習的技術有直觀的了解。同時，挑選有趣味性的、簡單易理解的、與課程相關的視頻供學生觀看。比如用百度的“百度更懂中文”引導學生對中文分詞的認識和興趣，用電影《超能陸戰隊》中大白的行動及對話引出課程的主體教學內容――自動問答系統。通過問卷調查的方式讓學生們思考：制造一個這樣的機器人需要哪些技術？是否能夠實現？如果你設計制造一個類似的機器人，你會怎樣設計？在2015年，筆者對144名選課學生進行了調查，結果見表1。該結果也用來支撐2015年自然語言處理青年學者研討會上Panel的主題討論。
學生在思考的過程中，可以認識到自己欠缺哪些知識。在后期的課程教學過程中，教師講解更有針對性，學生也知道具體的知識點和技術的實用性，做到目標清晰明確，學習熱情高漲。
另外，教師在課程內容設置方面緊跟自然語言處理領域的最新研究發展方向、研究熱點以及應用需求，充分激發學生的求知欲，因此課程的教學課件每年都會更新。這樣，學生不會覺得學到的東西是過時的、無用的，間接提高了學生學習的積極性。
2 “做中學”和“學中做”的教學方法
2.1 “做中學”的教學方法實踐
做中學是美國教育家杜威提出的一種教育思想，側重做，將學生的被動學習轉變為主動學習[3]。課程團隊結合教學內容，認真設計了每次課的講授內容，以設計與實現面向醫療領域的自動問答系統為目標，結合知識點將龐大的系統分解為能夠在一周左右完成的小任務。在需求分析、總體設計、詳細設計、算法選擇、系統實現和系統測試等各個環節上加強指導。
1）加強技術儲備。
為了更好地實施做中學，筆者給學生增加了Linux操作系統實驗平臺的講解與指導，讓學生接觸不同操作系統下設計系統的不同點以及各系統的優缺點；增加了Python腳本語言的講解與實驗，該語言因其龐大的自然語言處理庫而成為本方向最熱門的編程語言之一；在實驗平臺以及編程技術儲備準備好之后，給學生提供目前較好的問答系統開源工具DeepQA；通過演示與課后自行操作，讓學生了解問答系統各個模塊執行的結果，對該新技術有直觀的了解，進而思考設計自己的問答系統。
2）提倡團隊協作。
由于問答系統很龐大，一個學生在10周左右很難完成全部內容。另一方面，為了鍛煉學生的團隊協作能力，采取團隊形式來布置任務。在具體的系統實現過程中，要求3～5人組成一個小組完成所有的系統開發內容。
3）改進指導方式。
在課堂上主要講解文本智能處理技術的來源方法，并分析問題；課下通過BlackBoard教學平臺以及QQ群等方式，做到隨時溝通和指導。由于任課教師的精力有限，不可能面面俱到，而在QQ群里大家可以看到其他學生的問題與解答，這樣充分地調動了學生的積極性，也減輕了任課教師的負擔。
2.2 “學中做”的教學方法實踐
學中做主要以講授為主，以做為輔[4]。理論知識算法以示例形式展示給學生。比如講解分詞技術時，提前準備一段文字發給學生，讓學生根據自己頭腦中的知識和對母語的本能認識，完成對文字的分詞，然后將人工分詞的過程總結成算法記錄下來。在此過程中，授課教師會查看學生的思路，總結人工分詞過程中存在的問題。通常，學生在手工分詞的過程中會發現一些問題，比如分詞的粒度怎么把握、機器怎么區分詞的邊界等。帶著這些問題，教師會從基于詞典的最大匹配分詞講起，直到將分詞問題轉換為序列標注問題，采用條件隨機場來解決分詞問題。這樣逐步引導學生解決問題，在此基礎上講解最新的理論知識。通過這種“學中做”教學方法，學生從問題出發，自覺尋求相應理論解決問題，從而激發學生的好奇心和學習動力。課程團隊還將理論知識與研究領域熱點方向和熱門應用相結合，既傳授了先進的理論知識，又讓學生將理論與實踐應用聯系起來，做到學有所用。
3 素質評價，重過程輕結果的考核方式
選修課的考核通常采用考試、寫大論文等方式。針對本課程采用的教學方式，筆者棄用了傳統的考核辦法，通過多元化的素質評價方式給學生打分。
1）日常課堂表現。
日常課堂表現是學生學好功課的基礎。因此，對學生每次課程的課堂表現進行打分，包括對問題思考的方法、過程、結果，對某一問題的解決方案等。
2）系統完成情況。
學生設計系統的復雜程度和完成情況，一般來說可以反映學生掌握基礎知識的深度以及學生的實際動手能力。教師根據系統實現的功能、每部分模塊的性能、選用算法的復雜度、程序實現的完整性、解決方法的創新性等方面打分。
3）文檔的規范性。
撰寫系統設計文檔以及說明文檔，對于設計實現一套完整的系統是不可或缺的。在課程教學過程中，特別是系統總結環節，教師會教授學生一些撰寫文檔的方法，要求學生不僅能夠解決問題，同時善于撰寫符合科學規范的文檔。因此，在總結階段，教師對學生撰寫系統文檔的完整性、科學性和規范性打分。
4）系統演講能力。
演講能力是目前大多數本科生缺乏的能力，也是科技研發人員必須具備的重要能力。本課程要求每組學生準備5～10分鐘的系統設計與總結演講。教學團隊從演講內容的取舍到幻燈片的制作方面進行指導，對學生制作的演講稿進行把關，通過后才允許學生上臺演講。在最后一次課上，每組都要進行演講并回答臺下教師和學生的提問。任課教師根據演講的流暢性、合理性以及回答問題的正確性和完整性進行打分。
關鍵詞：研究生；智能理論課程；創新教育
中圖分類號：G643 文獻標志碼：A 文章編號：2096-000X（2016）03-0021-02
人才是社會發展最重要的資源，而我國最重要的人才培養的地方就是高等學府。研究生培養作為高等教育中更為專業性的頂尖人才培養，在我國人才培養中占有不可或缺的地位。隨著經濟的快速發展，我國在科技文化等方面也經歷了巨大的變革，其中意識形態的變化和科學技術的飛速進步,使得傳統的研究生智能理論課程體系中僅僅簡單操作計算機的技術已不再能滿足當前研究生培養的需要，研究生需通過掌握智能計算并進行智能控制來進行科研工作。但是我國的研究生智能理論課程由于硬件及軟件的缺失導致課程開設并不全面，學生對智能控制等理論也是一知半解，不能更好的應用于研究中，使得科研工作進行緩慢而耽誤計劃中的科研安排。如何讓研究生更好的學習智能控制理論并熟練操作計算機，以創新為驅動的理念優化研究生智能理論課程體系是我們需要關注的問題。
一、智能控制理論及研究生的智能理論課
（一）智能控制理論
智能控制理論自上世紀末提出以來經過20多年的發展已經具有初步的模型和規模，應用于不同的模型并結合電腦分析其復雜的結構和功能。傳統的經典控制只具有單線性的的輸入和輸出模式，而經過科技的發展，我們需要分析的模型結構也更為復雜，需要獲得的信息也更全面，智能控制理論就是基于這種不確定的被控對象和復雜環境而設。從范圍來講，與傳統控制相比智能控制的范圍更廣闊，從系統的整體出發并包括各種非線性和復雜多變量；從深度來講，智能控制分別應用于各種專業模型，通過數學演算和智能分析實現專業智能自動化；另外，智能系統還可以自我調節、自我學習、自我適應及自我修復等能力。
（二）研究生智能理論課的必要性
智能理論是最新一代的控制理論，在數學模型、醫學模型、工程模型等專業模型方面都具有非常強的應用能力。研究生不僅在專業課程理論方面比本科學生更深入，在應用實踐上也應掌握更專業性的操作技術?，F代操作技術普遍以計算機模型為依托，數學演算為基本方法，所以研究生在學習專業課的同時也應學習以計算機為基礎的專業智能控制理論及操作，掌握智能計算和智能控制基礎理論和基本方法，并能夠應用所學理論與方法從事智能計算技術的研究工作。
二、研究生培養須以創新為基本理念
我國走的是自主創新的道路，創新是一個國家健康發展的靈魂，支撐著國家的科技、經濟、文化等方面建設。研究生教育除了掌握本學科系統專業知識的基本理論和相應的技能外，研究生通過系統的學習和鍛煉應具備一定的創新能力才能為國家事業發展做出貢獻。培養具有創新精神的學生也是我國高等教育要實現的重要目標。
（一）我國研究生創新人才培養中的問題
研究生在科研學習過程中表現出創新能力不強的原因主要有以下幾方面：第一，科研題目沒有創新性，學生在開題時沒有勇氣接受比較難的問題，對已經較為成熟的課題僅作部分改動，不敢做較新穎的課題。第二，研究生針對不同的科研問題，不能具體問題具體待之，而是采用相似問題的解決辦法，不能更深入去發現問題的本質及原因。第三，研究生對自己的題目不能提出具有創新性的科研問題，只是模仿別人的關注點，進一步證實別人的觀點。再者，現在高校中論文的發表情況成為衡量學校和老師的主要指標，導致有的老師在培養學生時過于追求論文的數量而非質量。這樣的環境下大部分的科研成了為了而做，而不是為解決什么問題而探究。另外，隨著我國社會經濟的飛速發展，整個社會處于一種功利狀態，包括研究生教育也不像以前專為培養專業人才為出發點。對于這種現象，學校在招收研究生時應關注學生的動機目的，給真正喜歡科研的學生提供學習的機會。
（二）構建利于培養創新人才的課程體系
良好的課程設置對于培養創新人才有積極的作用。其中最重要的一方面就是加強各個學科之間的跨學科學習。所有學科都起源于我們的生活，學科和學科之間必定存在著某種聯系。雖然專業性的研究使學科劃分更為細致，但是若想深度理解某一學科內容，相關的學科知識也必須認真學習。多個學科之間的交叉學習不但可以開闊眼界，還可以使研究生在學習過程中發現不同學科之間的隱秘聯系性，進而促進學生從多方面思考并發現問題的本質。研究生在初學階段，更多的接觸綜合性的課題可以擴大研究視野、更容易抓住問題解決的突破口，提高學生科研能力。同時，在課程設置方面要多考慮更容易活躍研究生思維的課程，比如數學統計和科研方法之類的學科。數學統計這門課程本身具有非常強的的邏輯性，學生較多學習數學課可以聯系思辨能力，并且良好的數學統計方法運用也是研究生分析數據時必須熟練掌握的技能。
三、智能理論課程體系及存在的問題與改革
研究生的課程體系是指根據研究生的專業和研究方向進行課程設置和時間安排，此體系需符合研究生階段的學習目標及研究生的學習能力，研究生需在規定時間內通過必要的課程考試才能結束相關課程學習。智能理論課程體系由相關的計算機及高等數學等課程組成，并配有一定的實踐操作課程，研究生在學習期間需掌握基本的智能控制理論并熟練操作智能設備，完成科研工作。
（一）智能控制理論課程設置結構問題
智能控制理論課程屬于交叉性的學科，學生在學習這門課程的同時需學習其他的專業性課程以及選修課程。不同課程的時間比例不同，不同學校需根據不同的專業來確定學習課時。專業課程更復雜，所以需要學習的時間也更長；選修課輔助專業課的理解同時拓展知識面，也需要一定的課時比例并且考核。但是經過考察發現，國內幾個重點大學的選修課程安排非常全面豐富，時間也較長，學生所學情況也更好，而普通大學選修課程安排時間較少，學生學習情況也不如重點大學。所以全面修訂智能控制理論課程體系的培養方案，按情況適當的增加相關選修課程及考核，對于學生學習更有利。
（二）智能控制理論課程設置內容問題
研究生在理論知識方面學習時間不如本科學生長，而且智能控制理論教材中涉及過多的公式推導和和抽象概念，同時智能理論包含的知識面非常廣泛，從數學、物理等理科知識到醫學知識，每個小知識身后都有復雜的理論概念。所以不但教師在教授過程中非常頭疼，學生面對如此龐大的知識量也很難充分理解并應用。尤其在智能理論設計中，學生對設計題目相關專業一無所知，全憑感覺摸索，設計出來的模型當然毫無意義。
（三）智能控制理論課程授課方式問題
由于智能控制理論課程本身偏向于理論方面，再加上枯燥的公式推導，各種多媒體設施在教師授課的過程中很難發揮其作用，大部分的教師只能按照教材理論的發展過程授課，學生聽課時也會覺得枯燥無味，更不愿提前預習。還有不少老師會提前把授課內容做成幻燈片的形式在課堂上播放，但是長時間依賴幻燈片而非逐步向同學們解釋理論的演變過程，會使學生對所學知識模糊不清，不理解根本原因，更不能應用于實際中。
（四）理論與實踐學習時間比例不平衡
我國高校普遍存在注重理論知識學習而忽視實踐課程的現象。智能控制理論學科本身在理論上具有概念抽象性，如果不適當的進行智能控制實踐，那么所有學到的知識只能是死記硬背而不能靈活運用?，F在有許多智能控制相關的軟件，學校應加大這部分軟件投資，使學生在學習理論的過程中配合軟件實踐學習，進而加深對智能控制理論的理解。
四、結束語
智能控制理論作為一門新興學科在社會中所起的作用越來越明顯，眾多高校中關于智能控制理論的學習也受到越來越多的重視。同時，研究生教育必須把培養創新意識、創新精神、創新品質和創新能力作為教學工作的核心。由于課程體系的設置在創新人才的培養中占有重要的地位，所以通過分析研究生學習智能控制理論學科時存在的諸多問題并改革智能控制理論課程體系，使學生可以更好地學習智能控制理論并從事智能計算技術的研究工作，為我國培養創新型的技術人才打下良好的基礎。
參考文獻
[1]馬彥，洪偉，陳虹.控制理論與控制工程專業研究生課程體系與教學改革研究[A].HubeiUniversityofTechnology，China.Proceedingsof2010ThirdInternationalConferenceonEduca－tionTechnologyandTraining（Volume7）[C].HubeiUniversityofTechnology，2010：4.
[2]李建平，黃建華，謝正.基于創新教育理念的研究生數學課程體系優化[J].高等教育研究學報，2014，1：23-27.
[3]萬明.我國研究生教育體制改革研究[D].中國科學技術大學，2013.
