前言：中文期刊網精心挑選了人工智能教學總結范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
人工智能教學總結范文1
1背景
近年來，隨著“互聯網+”的快速普及，互聯網跨界融合創新模式進入林業領域，利用移動互聯網、物聯網、大數據、云計算等技術推動信息化與林業深度融合，開啟了智慧林業的大門。我國林業信息化、智能化建設逐步走上了有序、快步發展的軌道，取得了重要的進展。
2011―2013年，國家林業局先后開展了中國林業信息化體制機制研究和中國智慧林業發展規劃研究，在此基礎上出臺了《國家林業局關于進一步加快林業信息化發展的指導意見》和《中國智慧林業發展指導意見》。2012―2013年，在深入研究的基礎上，林業局編制了《中國林業物聯網發展框架設計》，2016年3月正式了《“互聯網+”林業行動計劃》。
國家林業局制定的《中國智慧林業發展指導意見》指出，信息化、智能化在林業中的應用已經從零散的點的應用發展到融合的、全面的創新應用。隨著現代信息技術的逐步應用，能實現林業資源的實時、動態監測和管理，更透徹地感知生態環境狀況、遏制生態危機，更深入地監測預警事件、支撐生態行動、預防生態災害。
人工智能是計算機科學中涉及研究、設計和應用智能機器的一個重要分支。國際上，人工智能的研究已取得長足的進展；在國內，也呈現出極好的發展勢頭，人工智能已得到迅速的傳播與發展，并促進了其他學科的發展。我國已有數以萬計的科技人員和大學師生從事不同層次的人工智能的研究與學習，人工智能已成為一個受到廣泛重視并有著廣闊應用潛能的龐大的、交叉的前沿學科。特別是經過近幾十年的發展，智能技術及其應用已經成為各行業創新的重要生長點，其廣泛的應用前景日趨明顯，如智能機器人、智能化機器、智能化電器、智能化樓宇、智能化社區、智能化物流等，對人類生活的方方面面產生了重要的影響。
近年來，人工智能已經在智慧林業相關領域中得到了廣泛應用，例如，在智能機器人的應用方面，已經有大量的嫁接機器人、水果采摘機器人、農藥噴灑機器人、果實分檢機器人等投入使用；在專家系統的應用方面，森林病蟲害診斷專家系統、病蟲預測預報專家系統、林產品生產管理專家系統、專家咨詢和人員培訓專家系統等也得到了廣泛應用。
隨著人工智能在智慧林業中的廣泛應用，涉林企業和事業單位對智能型林業高技術人才的需求也在不斷加大。為了適應市場對智能型人才的需求，自2003年起，國內諸多林業高等院校在計算機科學與技術專業本科階段、林業相關專業的研究生階段陸續開設人工智能課程，同時不斷加大人工智能課程的比重，因此，人工智能課程教學對于林業院校顯得越來越重要。
2林業院校人工智能課程教學現狀
林業院校開設人工智能課程的專業不多，但有不斷增加的趨勢。以中南林業科技大學為例，該校計算機科學與技術本科專業自2003年起就開設了人工智能課程，所用教材一直是蔡自興教授主編的《人工智能及其應用》；另外，面向部分專業的碩士和博士研究生開設了人工智能相關課程，如農業碩士的農業信息化領域研究生開設了人工智能技術，森林經理和森林培育兩個專業的博士研究生開設了人工智能與專家系統。
針對計算機科學與技術本科專業，人工智能課程主要使用蔡自興教授主編的《人工智能及其應用》教材施教，但由于課時數僅有32學時，關于人工智能的一些高級應用，如神經網絡、專家系統、機器學習等，采用專題的形式組織教學。該專業沒有設置實驗學時，僅在理論課堂上演示了一些仿真軟件，如BP神經網絡仿真環境。
針對農業碩士的農業信息化領域研究生和森林經理及森林培育兩個專業的博士研究生，教學計劃安排的學時數為40學時，沒有指定教材，僅給學生列了蔡自興教授的《人工智能及其應用――研究生用書》等幾本參考教材。課堂主要以專題的形式組織教學，每一講除了相關的理論以外，還介紹一些工程實踐應用的例子，讓研究生能夠了解這些人工智能算法如何在實際中得到具體應用。
3林業院校人工智能課程教學存在的問題
全國各高等院校的人工智能課程教學都或多或少地存在一些問題，林業院校更有區別于其他類型院校的顯著特征，而且林業院校開設該課程教學相對較晚，因此林業院校的人工智能課程教學存在更多的問題。
（1）師資短缺。在林業院校，林學相關專業開設該課程往往由林學相關專業的教師主講。這些非計算機相關專業的教師雖然曾從事過人工智能個別算法或領域研究，但不具備全面的人工智能相關專業知識，在講授不熟悉的人工智能知識點時顯得力不從心。
（2）教學內容專業性不強。人工智能是計算機科學的一個分支學科，一般的人工智能教材都比較適合計算機相關專業的學生使用，但是農業信息化、森林經理、森林培育等專業的學生不管是專業基礎還是行業應用背景均與計算機類專業學生不同，如果我們仍然按普通的教材施教，教學內容就缺乏林科特色，顯得專業性不強，無法吸引學生的聽課興趣。
（3）教學難度過大。林業院校涉林專業的學生一般只有計算機文化基礎、C語言等簡單的計算機課程基礎，缺乏算法思想。而人工智能課程涉及很多高級、復雜的算法，不論從算法思想，還是從算法實現和算法應用，對非計算機類專業學生來說難度過大。因此，在教學內容和教學要求上要做一些取舍。
除此之外，還存在諸如缺少實驗環節、教學手段單一、教學案例缺乏等其他普遍性問題。
4林業院校人工智能課程教學改革建議
通過分析林業院校人工智能課程教學存在的問題，結合自己近十余年來從事人工智能教學的經驗，我們提出了一些改革建議。
（1）推行專題式教學，解決師資缺乏的問題。在師資缺乏的情況下，由一名教師完成整個人工智能課程教學比較困難，同時，可能有多名教師分別在人工智能的不同方面進行過深入研究。因此，可以將該課程按章節分成各個不同的模塊，每一個模塊設一個專題，如神經網絡專題、專家系統專題、機器學習專題等，再由多名教師分別承擔自己熟悉的專題進行講授。這樣既可以解決一位教師的知識不足，又可以讓各位教師結合自己的科研將每一個熟悉的專題講授得更加詳細、更加有趣。
（2）教學內容與涉林專業緊密結合，解決專業性不強的問題。事實上，人工智能的各領域應用在林業行業都能找到對應的應用實例。例如，林果采摘機器人就是機器人在林業中的應用；林火識別和林木病蟲害監測就是模式識別在林業中的應用；林火蔓延預測可以用到隱馬爾科夫模型；PAID50專家系統平臺就是專家系統在農林業中的應用典范等。因此，在教學過程中，我們可以考慮將人工智能知識與林業應用結合進行講解，這樣學生更容易接受也更樂意接受。更進一步，如果能夠結合這些林業應用編寫一本《人工智能及其林業應用》教材，將會更加適合涉林專業的學生學習這門課程。
（3）應用計算機仿真軟件解決教學內容難度大的問題。非計算機類專業的學生計算機基礎較差，編程能力不強，算法訓練不足，對各種人工智能高級算法難以理解，更難以編程實現。針對這個實際問題，我們可以主動提供一些相關算法的計算機仿真軟件，在課堂上通過演示這些仿真軟件，讓學生直觀地理解算法，甚至能夠通過仿真軟件應用這些算法解決本專業相關的問題。例如可以開發如圖1和圖2所示的BP神經網絡算法仿真軟件，通過該仿真可以把神經網絡的結構、訓練時的權值偏差變化、訓練過程中總誤差的變化等信息完全呈現在學生面前，學生通過這個仿真過程就不難理解BP神經網絡算法，甚至可以使用這個仿真軟件來解決本專業相關的一些問題。
人工智能教學總結范文2
一、頂層設計,構建全方位、多層次、可操作的指導體系。
為了保障人工智能教育在我校真正落實和長期發展，學校將人工智能教育工作納入到學校整體三年發展規劃中，并作出明確要求。
為了讓師生更加重視人工智能教育，促進學生全面發展，特修訂了我?！拔迕馈蹦苄姓n程體系，將人工智能課程進行了重新定位和設計。
為了建設符合我校校情、學情的人工智能課程體系，學校成立了人工智能課程建設與實施的探索與研究項目管理團隊，制定了項目計劃書，從項目名稱、項目團隊、項目背景、項目創新點及解決問題、項目推進措施、項目完成期限等方面進行了具體規劃。
二、支撐保障
完善軟硬件設施和文化建設，為人工智能教育開展做好支撐和保障。除了四樓獨立的人工智能實驗室，我校還自主改造了五樓的創客教室和閱覽室，擴寬了人工智能教育場所，盡全力滿足學生人工智能上課需求。
學校高度重視人工智能教育，不斷加大投入。在資金緊張的情況下依然給學生購買了小學生C++趣味編程書和人工智能超變戰場的場地。
三、具體做法
1.基于校情和學情的人工智能課程設計
課程設置：開學之前，課程部整體規劃，實行信息技術課兩節聯排。
人工智能課程開設內容安排：基于校情學情，本學期3-6年級全面鋪開人工智能課程，3年級以信息技術基礎知識、編程貓、樂高搭建基礎入門為主；4年級AI神奇動物，5-6年AI變形工坊，是集搭建和編程于一體的人工智能課程體系。本學期信息技術類人工智能特色社團的開設：人工智能機器人社團、信息學奧C++社團、創意編程社團。
2.三位一體，三組聯動推進人工智能課程的開發與實踐。三組是：項目組、教研組和集備組。具體做法是：
項目組的做法：根據人工智能項目管理計劃書的內容和要求，3月初進行項目工作總結和4月份計劃匯報，5月份進行了中期匯報。進一步梳理人工智能校本課程的內容，促進人工智能課程實施與落地，進行了生本AI人工智能校本課程的開發與研究，重點對課程目標和課程內容進行了設計和探索。
教研組的做法：1.參加區首次信息技術教研活動，明確方向和工作重點。組織信息技術教師按時參加區里首次信息技術教研活動，并將區里的要求傳達給每一位信息技術老師，為接下來的工作做好鋪墊指明方向。2. 教研組內進行磨課，四年級潘倩老師執教了四年級AI神奇動物—敏捷的蛇；徐娜老執教了五年級AI神奇變形工坊—設計“地雷”，課后及時聽評課，提出優點與不足，并進一步改進完善。
集備組活動：各年級備課組利用雙周周二上午時間進行集備，研究本周的上課內容、梳理課堂具體流程及教學設計。
3.加強教師培養力度，積極組織教師參加人工智能培訓和學習。學校鼓勵教師進行小課題的研究，提升教學專業素養。2019年區級小課題《小學人工智能課程體系、教學策略和教學評價的研究》順利結題。2020年區級小課題《奎文區人工智能教育專項課題--小學人工智能教育教學策略及評價方法的研究》立項。
4.為了拓寬視野，為人工智能教育的發展進一步指明方向。落實請進來：邀請區教研室專家進校為學校人工智能開展情況進行診斷；邀請優必選指導老師入校指導人工智能課程，并進行賽事輔導和培訓。
5.為了給學生的學習搭建更廣闊的平臺，豐富學生的課余文化生活，促進學生信息素養的提升。以賽促學，積極組織學生參加各級各類比賽。
四、取得成效
1.學校層面：以人工智能教育為契機近年來，我校的信息化、數字化、智能化水平不斷提升，互聯網+教育、智慧校園工作取得了巨大的進步，學校獲得省市區多項榮譽。
人工智能教學總結范文3
【關鍵詞】大規模開放在線課程；人工智能課程；翻轉教學法
0 引言
近年社會對計算機專業人才能力的要求越來越高，而學生所學與實際需求存在不少差距，高校計算機專業課程教學因而遭遇詬病。依托信息與網絡技術支撐的大規模網絡開放課程（massive online open course，MOOC）較好貫徹了以學為中心的理念，其翻轉教學模式與靈活有效的交互極大提升了學習興趣[1]。搭建MOOC平臺的計算機技術既是技術基礎，也是熱門MOOC課程。在此浪潮下傳統高校計算機專業的教學首當其沖受到沖擊，遇到前所未有的挑戰?？v觀國際三大MOOC巨頭的課程建設均始于計算機類專業課程，同時也是所占比例較大的課程系列，其中人工智能（Artificial Intelligence，AI）課程在Coursera、Udacity[1]兩個平臺上均是最早開設的課程之一。采用何種教學模式更適應社會對人才的需求呢？這是應對挑戰的關鍵問題。
1 人工智能課程的課堂教學困境
人工智能是研究模擬、延伸和擴展人類智能的理論、方法、技術及應用的前沿交叉學科，涉及面廣、研究性強，還不斷產生新的理論和方法。課程難度大理論強實踐難，也是公認難講的課程之一，該課程具有如下特點：
1.1 先導課多，知識抽象，涉及面廣，更新快
前期知識包括：數據結構、離散數學、程序設計、圖像處理等。如果前期知識不扎實，很難理解內容并融會貫通。傳統內容包括：知識表示和推理、搜索策略、模糊理論、神經網絡、機器學習、專家系統、遺傳算法等，涉及大量抽象理論和復雜算法。教材普遍特點是：內容滯后，枯燥深奧的理論和解決現實問題的實踐聯系不緊密。
1.2 研究性強
該領域很多內容仍是科研熱點，并不斷涌現出新的研究方向、新內容、新方法、新技術和新應用。
1.3 教學方式單調
技術和管理的局限也制約了教學方式，教學方式基本以教為中心，停留在講授、問答等簡單互動上，教學方法單一。很少能提供學生自學、討論、合作和實踐的一整套互動實踐機會，難以真正體現以學為中心的理念。
1.4 學生缺乏興趣
一方面，課程本身特點使得課程容易陷入枯燥的紙上談兵的尷尬。另一方面，即將畢業的高年級本科生對未來規劃明確，抽象的人工智能課程無論從職業發展還是繼續深造對學生并沒有立竿見影的效果，進一步拉低興趣。此外，教材滯后，教學方法單一等也會影響興趣。
如火如荼發展的MOOC的課程，尤其Udacity的課程設計之初就立足于解決實際問題的導向，做法上的獨特之處成功吸引了大批學生。課堂教學中借鑒在MOOC上被證明有效的教學模式和方法，不啻為一種嘗試，以期擺脫教學困境，提高學習興趣，最終提升教學質量。
2 MOOC的教學模式
MOOC的教學模式分為三種：cMOOC、xMOOC 和 tMOOC[2]。早期的cMOOC的教學模式特點是學習者完全做主，但復雜的網絡互動產生龐大而混雜的知識網，缺乏識別主次和歸納總結能力學生常因信息過載陷入茫然無措的境地。2011年Udacity 創始人之一在網上開設的“人工智能導論”課程改變了表現風格，把互聯網作為教學媒體的呈現潛力發揮到極致，按知識點分割內容成短小視頻，其間插入現場對問題的解決，突出了Udacity有別于傳統教育機構及其先行者的地方：注重發現并解決問題。這就是xMOOC的教學模式，沿襲并創新了熟悉的學習風格，使得MOOC如魚得水漸漸發展壯大。隨著MOOC逐步成熟，為了適合具有專業基礎的職業技能培訓，發展培養針對具體任務的探究學習教學模式，即tMOOC模式，這是Udacity網站課程的另一個設計目標。表1顯示了MOOC的三種模式的對比。
以Udacity的人工智能導論課程為例，只要高中畢業具有概率論和數理統計基礎的學生就可以學習，該課程適合入門，但難度較低，內容較少。清華大學的馬少平編寫的人工智能教材是很多大學，包括我院人工智能課程的教材，清華大學的人工智能課程經過多年發展已經形成了一個系列教學資源庫，包括教材、課程視頻、教學課件、作業及答案和實驗設計等。根據Udacity網站的人工智能導論課程的展示，表2從幾方面對比了Udacity人工智能課程與清華大學馬少平版的人工智能課程情況：
從表2可以發現Udacity的人工智能視頻采用了按知識塊分割成短小視頻，在期間和完畢之后都準備了測試，細節上體現了以學為主的理念。縱觀類似人工智能的國家精品課程[3]，學習資源多為文本類，重用難，對教學重難點沒有拓展和轉化。這種以內容共享為中心的呈現模式，缺乏與學習者充分交互，難以體現以學為中心的教學理念。
在MOOC的教學設計中，調動學習者極大熱情的是翻轉課堂，在學習環境中引入了自主協作[4-5]，在交流機制中融入了多元互動，給學習者帶來積極、主動、高效的學習，翻轉課堂和傳統課堂的區別如表3所示：
3 MOOC的教學模式對人工智能課堂教學的啟示
3.1 教學內容的優化與調整
MOOC的教學通過把理論抽象的知識點分割成小段錄制的微課視頻，時長不超過15分鐘，內容銜接處具有一定交互性，講解形象化，提供給學生反復觀看，這種用技術處理分解知識點和把難點從抽象變成具象的過程降低了理解難度。
課堂教學也可以通過分而治之的方式對教學內容優化調整。人工智能涉及內容與范圍多而雜，作為入門課程并不要面面俱到，根據學生層次，可以區分重點掌握和一般介紹的內容，以點帶面鋪開，因此，根據學生特點，把成熟的基礎理論和這些理論的實際應用整合，輔以其他新技術的穿插介紹，主要分三塊：
①人工智能的概念和發展，熟悉人工智能的研究和應用領域；
②人工智能的基本技術，包括知識表示，邏輯推理、搜索策略、模糊理論等；
③涉及現實應用，如：機器學習，模式識別，自然語言理解，智能控制等。
為了反映人工智能領域最新進展，教師還可以收集學生感興趣的最新成果專題信息，及時更新、調整教學內容，通過與實際更緊密的融合接軌，對課堂上沒時間介紹而又較熱點的新知識，通過提供方向和資料解決，注重提高興趣的同時，也展示出課程學科特點、主流技術及發展趨勢。
3.2 緊密結合實際
Udacity的開設之初的目的就是學習為了解決現實問題，其人工智能課程設計也不例外，包含有實際遇到問題的解決，這種立竿見影的好處就是極大激發了興趣。
考慮到高年級學生對解決實際問題技術的興趣遠遠大于技術理論等細節，不想花太多時間去理解復雜而難以看到實踐效果的理論上，更想通過實際體驗解決問題增強成就感。教學內容的設計尤其緊密結合實際運用。
傳統人工智能講授通過實例解答或推證式講述理論，如知識表示和搜索推理技術，該部分理論強，應用實例少，往往學生感覺枯燥乏味，教師也感覺晦澀抽象，學生對所講內容基本靠死記方法和步驟，這種僵化的教與學影響了教學效果。
因此，設計教學時尤其注重內容的實用性。除了講授至今仍沿用和有效的基本原理和方法外，引入近年發展起來的方法和技術，如智能算法等，對這些內容重點在技術的具體實現上，強調與實際的融合貫通。教學過程中加入與課程內容對應又可以用計算機實現的試用內容。如模式識別應用于手寫數字識別，通過仿真軟件模擬實現算法，獲得立竿見影的效果體驗，加深對算法的認識，引起學生濃厚的興趣。同時也對某些很有發展前景的技術興趣導入，如目前人工智能研究側重人類理性邏輯功能的模擬，而如果把情感智能考慮進去，才更有人性化的智能決策。這就是經過了將近20年發展的情感計算，隨著可穿戴技術漸漸滲透進生活，引起更多關注，這些接地氣的內容提升了興趣。
3.3 實踐能力的培養
Udacity 創始人史蒂芬斯博士的說過，“即使是最好的大學，其計算機課程所傳授的技能也是浮于理論的”。學習的目的是為了解決實際問題，帶著問題學習和思考，有利于主動學習的激發。這些方面，可以參考Udacity人工智能課程的實驗內容修正。強調學習是為了解決實際問題服務的目標。
3.4 教學模式及教學方法的變化
3.4.1 實例教學法
人工智能內容的抽象性決定了知識點的難度，Udacity人工智能課程教學中盡量把難懂的知識點結合現實中有趣實例，通過感性體驗提高理性理解，讓學生容易接受。筆者進行了一些化難為易的嘗試：如利用漢諾塔問題講解狀態空間的知識表示，通過野人過河的游戲程序步步領會理論精髓；結合下棋軟件體驗模擬人腦思考的計算機博弈的極大極小搜索思路，這些實例教學激起了興趣，擴展了學生思路，拓寬了視野。
3.4.2 翻轉教學法
整門課程錄制課程小視頻還有一定難度，作為嘗試，選擇少量知識點錄制視頻進行翻轉教學。如抽象的理論部分，借鑒網上已有視頻資源融入教學過程，分解知識點破解難點，形象化與短時間的重復講解，增加學生對抽象內容的理解，期間穿插核查對理解內容的核查，并留出思考時間，強化學習效果。
3.4.3 交互環境的營造，輔助教學過程完善
1）基于聯通主義的學習交互[6-7]
在MOOC課程中，提供在線交流論壇，學習者建立課程組，學習組等方式交流，這種教與學、學與學的交互不但是網狀進行的，而且是即時的。學生將互動產生的內容作為學習的中心，通過學習者不同認識的交互，建立新的認知結構，拓寬了視野，更有利于問題的有效解決。這種互動交流分成三種形式：
①教師對統一回答提問集中且意義較大的疑難問題；
②學習者分享學習感悟；
③學生間交流帶來不同認知的碰撞。
以上三種情況的互動在課堂教學中也可以運用于課堂教學：及時分析整理共同問題，集中回復；課堂教學的互動除了課堂上及時了解學生反饋的互動，還有對解決問題的互動。課下互動可以利用學者網建立課程組，提供了較好的師生交流形式與效果，同時利用學習組在小組中分享互助，小組成員的交流引起認知碰撞，這種實際參與的體驗加深了理解，并鞏固學到內容，這些資料的逐漸積累還可以復用。
2）基于行為主義的學習反饋[8]
MOOC 遵循了程序教學的一般原則，尤其注重學生反饋，像游戲一樣關卡設置讓整個過程充滿挑戰性，一些機器評分實現了及時學習反饋，擺脫了單向提供課程資源的弊端。課堂教學可以借鑒這種借助技術手段互動了解學生學習的情況，促使有意義學習的發生。
4 教學改革的實施
利用以上措施在《人工智能》課程的教學中實踐，通過在xMOOC教學模式中部分適當內容引入翻轉教學法與利用學者網的課程交互，探索提高興趣，促進理論與實踐的融合，促進有意義學習的發生，提高學生實踐能力的途徑。通過觀察，調查與訪談等方式，了解學生在該教學模式中興趣與能力改善狀況，同時研究教師教學法轉變與教學水平變化的關系，根據追蹤研究效果，發現這種改善調動了學習興趣，促進了教學效果。實踐中通過建立實驗組（班）與對照組（班）、評價教學模式和教學效果等因素，不斷總結、修正和完善，期望建立適應當前形勢與環境的有效的該課程的教學模式與教學方法。
5 結束語
筆者結合人工智能課程的教學實踐，針對本科高年級的教學特點和人工智能課程學科特點，提出在設計人工智能教學時，通過MOOC的教學模式和教學方法完善課堂教學，注重內容的實用性和新穎性，適當穿插新方向的內容，目標是將難學、枯燥、難理解的問題，變得易學、有趣、易理解。從學生反饋來看，這些方法起到了積極的實際效果，有效地提高了學習積極性。
【參考文獻】
[1]udacity的人工智能導論課程網[EB/OL].https：///course/cs271.
[2]王萍.大規模在線開放課程的新發展與應用：從cMOOC 到xMOOC[J].現代遠程教育研究，2013（03）：13-19.
[3]國家精品課程資源網[DB/OL].[2013-04-22].http：//.
[4]徐明，龍軍.基于 MOOC 理念的網絡信息安全系列課程教學改革[J].高等教育研究學報，2013，36（03）.
[5]王文禮.MOOC 的發展及其對高等教育的影響[J].江蘇高教，2013（2）：53-57.
[6]李青，王濤.MOOC：一種基于連通主義的巨型開放課程模式[J].中國遠程教育，2012（3）：30-36.
人工智能教學總結范文4
關鍵詞：人工智能；學習興趣；教學方法
1956年，在美國Dartmouth大學，由數學家J.McCarthy和他的三位朋友M.Minsky、N.Lochester和C.Shannon共同發起一個歷時兩個月的夏季學術討論班，他們在此討論班上第一次正式使用了人工智能(Artificial Intelligence)這一術語。人工智能是一門多學科交叉的課程，涉及計算機科學、數學、控制論、信息論、神經生理學、心理學、哲學及語言學等多個學科，是新理論和新技術不斷出現的綜合性學科。當前，人工智能領域加強了從人類智能與生命現象中汲取養分的趨勢，加快了向分布式系統與復雜系統靠攏的步伐，智能化的應用更為深入，影響更為廣泛，其發展已對人類的經濟、社會、文化等方面產生了深遠影響[1]。
1人工智能導論課程特點
人工智能導論是人工智能領域的引導性課程，介紹人工智能的基本理論、方法和技術，目的是使學生了解和掌握人工智能的基本概念和方法，為進一步學習奠定基礎。人工智能是計算機科學與技術學科一門重要的基礎課程，需要相關課程作支撐。離散數學、概率論與數理統計等課程是其數學基礎，數據結構、程序設計基礎、算法分析與設計等課程則為人工智能中知識表示、邏輯推理和問題求解提供了設計與實現手段。與其他軟件課程相比，人工智能課程有鮮明的特點，主要表現在思想方法上強調啟發性、算法上強調不確定性。同時，由于人工智能是一個新思想和新技術層出不窮的開拓性領域，因此其對學生的訓練是鼓勵創新的，具有其他課程不可替代的作用。
人工智能導論是計算機相關專業的必修課，在許多信息類相關的本科教學中也有開設，一般開設在第六或者第七學期。我國目前本科教育的定位是專才教育，培養某方面的專業人才。完成公共基礎課程和部分專業基礎課程的學習之后，本科高年級學生應該了解本專業的應用領域和發展前景，因此在教學過程中要注意內容的專業性和應用性。由于本科階段學生缺乏科研意識，初步的科研訓練設置在第八學期，即所有課程學習完畢之后的畢業設計，而人工智能課程強調科研性，因此教學難度較大，由此帶來的最直接后果就是學生學習興趣不高。同時，對有志于讀研的學生而言，本科階段的學業也是研究生教育的起點，在教學過程中要適時的進行科研引導，提升學生對科學研究的興趣，為研究生階段打下基礎。可見，圓滿完成人工智能導論課程這一教學任務是重要且極具挑戰性的。
2教學內容安排
人工智能的研究和應用領域非常廣泛，包括問題求解、機器學習、自然語言理解、專家系統、模式識別、計算機視覺、機器人學、搏弈、計算智能、人工生命自動定理證明、自動程序設計、智能控制、智能檢索、智能調度與指揮、智能決策支持系統、人工神經網絡、數據挖掘和知識發現等。人工智能導論旨在為這些具體領域的研究提供引導和基礎保障。
人工智能導論課程涵蓋內容較多，因此需要明確“精講”和“泛講”的內容，以使教師和學生在教學活動中都有所側重。當然，首先應和學生說明，泛講并不代表內容不重要，只是由于課程性質和課時的關系，暫時不作深入探討。日后如有需要，可在此基礎上進一步學習和研究。結合當前人工智能學科的發展狀況，根據教學大綱和作者的教學經驗，對人工智能導論課程教學內容的精講和泛講安排如表1所示。
3提升學生學習興趣的教學方法
3.1穿插背景故事
為激發學習積極性，針對學生喜歡聽奇聞軼事、想象力豐富的心理特點，通過講述一些與教學內容有關的故事或者趣事來吸引其注意力，輔助思維并豐富聯想，使學生在愉悅中完成學習[2]。下面列舉幾個我們在課程教學中用到的背景故事，通過這些故事，不但傳授了知識，也活躍了課堂氣氛。
1) 人類智能的計算機模擬與人機大戰。
講授人類智能的計算機模擬時，可以給學生簡述一下IBM公司的超級電腦和國際象棋世界冠軍卡斯帕羅夫之間的人機大戰，以促進學生對人類智能和人工智能的進一步思考。北京時間1997年5月12日凌晨4點50分，在美國紐約公平大廈，當IBM公司的“深藍”超級電腦將棋盤上的一個兵走到C4的位置上時，國際象棋世界冠軍卡斯帕羅夫對“深藍”的人機大戰落下帷幕，“深藍” 以3.5U2.5的總比分戰勝卡斯帕羅夫。2003年1月26日至2月7日，卡斯帕羅夫與深藍的升級版“小深”又進行了一場人機大戰，先后進行了6局比賽，最終卡斯帕羅夫以1勝1負4平的結果和“小深”握手言和。這也表明了人工智能和人類智能之間的較量還將持續下去。
2) 問題規約法與老和尚說教。
問題規約法是從要解決的問題出發逆向推理，建立子問題以及子問題的子問題，直到最后把初始問題歸約為一個本原問題集合。本原問題指不能再分解或變換且直接可解的子問題?？梢?，問題規約的本質是遞歸的思想。此時，可以給學生簡述我們小時候就聽說過的老和尚說教的故事，即“從前有座山，山上有座廟，廟里有個老和尚，老和尚對小和尚說，從前有座山……”。
3) 模糊理論與禿頭悖論。
模糊推理是一種重要的不確定性推理方式，是指基于模糊理論進行的推理。講授模糊理論時，可以先講一下禿頭悖論讓學生討論。一個人有10萬根頭發，肯定不能算禿頭，不是禿頭的人，掉了一頭發，仍然不是禿頭，按照這個道理，讓一個不是禿頭的人一根一根地減少頭發，就得出一條結論，即沒有一根頭發的光頭也不是禿頭！禿頭悖論的出現源于在嚴格的邏輯推理中使用了“禿頭”這一模糊概念，因此需要以模糊邏輯代替傳統的二值邏輯解決該問題。
3.2課堂辯論和多媒體教學
人工智能從其誕生之日起就充滿爭議，各種學派的爭論使得人工智能的發展更趨完善，加快了其縱深發展。目前，人工智能的爭論主要有兩方面，即研究方法的爭論和技術路線的爭論。前者爭論的主要問題有人工智能是否得模擬人的智能；對結構模擬和行為模擬是否可以分離研究；對感知、思維和行為是否可分離研究；對認知與學習以及邏輯思維和形象思維等問題是否可以分離研究；是否有必要建立人工智能的統一理論體系。后者爭論的主要問題是沿著什么樣的技術路線和策略來發展人工智能。
在課堂教學中，可以充分利用人工智能中存在的爭論較多這一特點，針對相關議題組織課堂辯論，如可用議題“機器的反叛――機器的智能會超越人類嗎？”。讓學生在圖書館或者從網上查閱相關資料，明確自己的論點并準備證據材料，并在課堂上進行辯論。這類辯論無所謂輸贏，旨在通過這種活動，增進學生思考[3]。教學中，還可以充分利用多媒體教學的特點，如讓學生觀摩電影《終結者》系列、《人工智能》、《黑客帝國》等，增強學生對人工智能的直觀感受，提高課堂教學效果[4]。
3.3應用實例分析
普遍而言，本科學生對單純的理論講解不太感興趣，因此在教學過程中，適當增加一些實驗和設計，提高學生分析問題的能力和實際動手能力。比如，講解知識的產生式表示法時，給出產生式的概念和基本表示形式之后，可以通過“野人與傳教士過河”問題來說明產生式表示法的具體應用過程；講解計算智能的進化計算部分時，給出進化算法的幾種具體形式和算法流程之后，可以通過中國旅行商問題(CTSP)來說明算法求解問題的過程。教師在教學過程中，可以根據需要，選擇一些合適的應用實例進行分析。通過這些實例，既能加深學生對知識的理解，又能增加學習的興趣。下面給出兩個實例的簡單描述。
1) 產生式表示法求解“野人與傳教士過河”問題。
問題：傳教士和野人各N人過河，現只有一條船，傳教士和野人都會劃船，船一次只能載k人，船上野人多于傳教士時野人就會吃掉傳教士，問如何安全過河？(不失一般性，以N=3，k=2為例求解)。
求解簡述：設綜合數據庫中狀態用三元組(m, c, b)表示，其中m、c、b分別表示傳教士、野人和船的數目，則有：
0≤m, c≤3, b ∈{0, 1}
以左岸為參照點，則初始狀態和目標狀態分別為(3，3，1)和(0，0，0)。據此，可以給出一條產生式規則如下：
IF (m, c, 1) THEN (m-1, c, 0)
以此類推，把所有可行的規則都求出之后，就可按照規則集和控制策略得到問題的解。
2) 遺傳算法求解31個城市的CTSP問題[5]。
問題：給定有限個城市的集合C={c1,c2, …,cm}及每兩個城市之間的距離矩陣D＝[dij]m×m，其中m∈N，dij=d(ci, cj)∈Z+，ci、 cj∈C，1≤i、j≤m，求出滿足的城市序列cπ(1)、cπ(2)、…、cπ(m)，其中π(1)，π(2)，…，π(m)是1、2、…、m的一個全排列。我們以CTSP問題為例，即求解中國31個城市之間最短巡回路線的問題。
求解簡述：路徑表示直接使用城市在路徑中的相對位置，如有編號分別為1、2、3、4、5的5個城市的一條路徑4－1－2－5－3，用路徑表示方法直接可寫為(4 1 2 5 3)。適應度函數值用路徑的實際長度表示。交叉算子采用次序雜交，即選擇父體的兩雜交點，交換相應的段，其它城市則保持在父體中的相應次序。變異算子采用倒位算子，即隨機選擇兩個位置，然后將它們之間的城市反序。通過運用遺傳算法求解，可得最優解為15 404 km，對應的巡回路線為“北京―呼和浩特―太原―石家莊―鄭州―西安―銀川―蘭州―西寧―烏魯木齊―拉薩―成都―昆明―貴陽―南寧―?？讪D廣州―長沙―武漢―南昌―福州―臺北―杭州―上海―南京―合肥―濟南―天津―沈陽―長春―哈爾濱―北京”。實例講解完成后，可要求學生采用相同或者不同的方案自己去實現一下問題的求解過程。
4結語
人工智能是計算機科學與技術專業的一門核心課程，同時也是一門交叉學科，涉及面廣，理論性強，教學難度較大，學生的學習興趣有待提高。本文作者根據自己在人工智能導論課程中的教學實踐和課程特點，明確了教學中的精講內容和泛講內容，總結了三種提高學生學習興趣的教學方法，并給出相應的實例說明，旨在為本門課程的教師提供教學參考。
參考文獻：
[1] 蔡自興,徐光v. 人工智能及其應用(本科生用書)[M]. 北京:清華大學出版社,2003:288-296.
[2] 薛占熬,齊歌,杜浩翠,等. 離散數學的課堂導入法研究[J]. 計算機教育,2010(8):95-99.
[3] 徐新黎,王萬良,楊旭華. “人工智能導論”課程的教學與實踐改革探索[J]. 計算機教育,2009(11):129-132.
[4] 李春貴,王萌,何春華. 基于案例教學的“人工智能”教學的實踐與探索[J]. 計算機教育,2008(9):53-54.
[5] 楊利英,覃征,賀升平,等. 改進的演化近似算法求解TSP問題[J]. 微電子學與計算機,2004,21(6):126-128.
Teaching Methods for Promoting Learning Interests in Introduction to Artificial Intelligence
YANG Liying
(School of Computer Science, Xidian University, Xi’An 710071, China)
Abstract: This paper presents three teaching methods for promoting learning interests based on the characteristics of Introduction to Artificial Intelligence and our teaching experience. These methods have been used in practice. The teaching practice shows that the methods proposed in this paper can promote learning interests effectively.
人工智能教學總結范文5
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?；诮虒W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).
人工智能教學總結范文6
關鍵詞:應用型人才;人才培養;人工智能;交叉教學
目前,我國高等教育已經進入大眾化階段,需要用分類發展理念指導高等教育人才培養[1]。從人才培養類型看,高校培養的人才大致可以分為3種:研究型人才、應用型人才和技能型人才。這3類人才主要分別由研究型高校、應用型本科院和高職高專培養[2]。應用型人才主要從事生產實際問題和工程實踐問題的探討和解決,完成從產品的設計到開發的過程,為企業經營的管理和決策提供支持[3]。這類人才的數量最為龐大,他們既要掌握相應的專業理論知識,又要具備嫻熟的實踐技能,具有解決工程實踐的專業水平。但在目前的應用型人才培養中,既定的教學方法、教學考核手段等在很大程度上導致理論教學和實踐性技能教學脫節。
在幾年的教學實踐中,筆者對此深有體會。對學生個人來說,他們經過十幾年寒窗苦讀考進大學,選擇自己喜歡或者感興趣的專業,非常渴望能夠在大學四年期間打下堅實的理論基礎并且掌握相應的應用技術,使得在四年之后走出學校時得到社會和用人單位的認可。作為大一新生班主任,我們都能感覺學生對知識的渴望,對未來的憧憬,以及對老師那一份沉甸甸的期盼。但經過對幾門課程的學習之后(一般是經過一個學期之后),學生的期盼逐漸變成了茫然,因為他們“發現”學習的課程好像并無用處,不知道學習這些課程對他們今后走入社會有什么幫助。任課教師通常只強調本課程的重要性,最后的結論是“必須學好這門課程”。但學生并沒有從“學好這門課”中獲得有用的體驗而是枯燥。在經過大約一年的學習以后,他們會從師兄、師姐那里“調查”得知,這種枯燥很正常,因為往屆學生也是這么過的(惡性循環),于是,學生對課程學習就變成麻木了。如果這種情況得不到及時糾正,大三的時候麻木就變成無所謂。其結果就是在大四后就進入了“畢業即失業”的怪圈。
可見,深入挖掘此類問題產生的深層原因、探討有效的應用型人才培養方法是十分緊迫和必要的。實際上,造成這種局面,除了學生自身的自覺性等主觀因素以外,另一個重要的客觀原因是目前高校各門課程的教學幾乎都是“平行的”,學校沒有很好地提供一種有效的培養方式,使得在這種培養方式下各門課程的教學可以在有效范圍內實現有機的“交叉”,并在這種交叉的基礎上提供進一步升華的途徑,本文正是對后者的一個探討。
1改變傳統的平行教學模式,實現強相關課程中理論和理論之間的交叉和融合
以離散數學[4]和人工智能[5]的教學為例,說明課程中理論和理論交叉教學的基本原理。
離散數學是計算機基礎課程,理論性很強,其涉及的知識不易于在具體應用中直接體現,但它是其他很多課程的理論基礎,是讓學生形成相應的“計算機”思維方式的基礎。這種類型的課程沒有可以動手操作的實驗和課程設計,但是我們要讓學生在學習本課程時就意識到它與具體應用的關系,并即時插入實踐性課程中相應的內容進行教學,即理論課程和實踐性課程中理論知識點的交叉教學。
相對離散數學而言,人工智能是實踐性、技能性較強的課程。但這兩門課程的理論部分很多是強相關的。例如,人工智能中的消解原理和規則演繹部分實際上是離散數學中命題邏輯和謂詞邏輯的重復和部分深化,不同的主要是使用的術語不同,是形式上的不同。在離散數學中,數理邏輯部分已經將命題邏輯和謂詞邏輯講得十分透徹,幾乎比任何一本人工智能教材都講得系統、精確。但遺憾的是,從教學實踐中我們發現,在學習消解原理和規則演繹部分時,很少有學生能夠聯想到他在離散數學中曾學過的相應內容,更是沒有學生能夠將這兩門課程的這兩個內容融合到一起。實際上,人工智能中的消解原理就是離散數學中的等值演算,只不過前者介紹得“技能性”一點而已,而后者已經講得十分清楚了,但對人工智能中的消解原理,很多學生仍然難以接受?？梢?同樣的一種理論知識,現有的教學模式已經使學生截然將它們分開了,造成教學內容的嚴重脫節。
顯然,如果實現人工智能和離散數學的交叉教學,可以在很大程度上將相關的內容緊密結合起來。一方面可以有效發揮離散數學的理論基礎作用,另一方面(也是更為重要的一面)可以將抽象的理論知識具體化為實踐技能,使學生感到他們所學的理論知識是有價值的、不是枯燥的,從而激發學生產生對抽象理論知識濃厚的學習興趣,并形成基于深厚理論知識的良好實踐技能。這對培養應用型人才是至關重要的。
2實現強相關課程中理論和實踐的交叉教學
理論基礎課程主要以理論介紹和理論探索為主,涉及的理論知識都相對抽象和枯燥。應用型本科院校學生的高考文化成績相對較差,這決定了他們單純學習抽象理論存在相當大的困難,這是造成他們學習枯燥的主觀因素。因此,如何使他們走出枯燥的學習環境是應用型人才培養的又一關鍵問題。
我們認為,理論部分仍然需要具體化、應用化,這才能激起他們的學習興趣,培養他們的探索精神。理論基礎課程大多是沒有實驗部分,也沒有相應的課程設計。即使有的基礎課程有實驗部分,但由于缺乏具體的應用目標,也使他們覺得索然無味。因此,需要教師在教學活動中創造必要的應用背景,使學生時刻感覺到他們所學的理論是有應用價值的。但人為地創造應用背景無疑極大地增加了教學工作量,使得在有限的教學學時內無法完成既定的教學任務,而交叉教學卻能很好地解決這個問題。
以離散數學中的帶權圖和人工智能中的計算智能為例。離散數學給出了從帶權圖中尋找哈密頓回路的枚舉方法,并指出了這種方法的缺點,但不能進一步介紹克服這種缺點的現有方法(否則超出了此課程的教學范圍);而人工智能中的計算智能部分恰好是介紹克服這種缺點的幾種方法(如遺傳算法、免疫計算等)。如果講授了帶權圖部分以后,接著講授人工智能中的計算智能部分,并要學生編程實現一個啟發式算法,這既可以看成是離散數學的一個實驗課,又可以完成人工智能相應的教學內容,而整個教學活動都是在既定的教學學時內完成,并無增加其他的負擔。
3實現強相關課程中相關知識點的交叉教學
“舉一反三、知己知彼”是啟發式教學的一種重要策略。知識點的孤立教學不但是枯燥學習的根源,也是造成教學內容分割的“罪魁禍首”。同樣,在有限的教學學時內,過多地展開相關知識點的關聯教學,會造成教學活動的“超負荷運載”;但是在兩門強相關課程中展開相關知識點的交叉教學同樣可以避免這種“超負荷運載”,更重要的是它可以使學生建立起良好的知識結構,舉一反三。
以數據結構[6]中圖的廣度優先搜索和人工智能中的寬度優先搜索為例。兩者講的都是圖的遍歷方法,它們的實現原理似乎是一樣的,然而在本質上它們是區別的。這種區別應該讓學生深刻領會,而這種領會也只有在交叉教學中才能有效實施。
實際上,數據結構中圖的廣度優先搜索是人工智能中寬度優先搜索的基礎。如果上了數據結構中圖的廣度優先搜索部分以后,接著上人工智能中寬度優先搜索部分,這時只需引導學生掌握兩個關鍵問題:1)人工智能中寬度優先搜索涉及的OPEN表對應數據結構中圖的廣度優先搜索的哪一個數據結構?2)CLOSED表有何作用?并在這個基礎上,指出兩種搜索方法所搜索的對象的區別:人工智能中的搜索方法所搜索的圖是未知的(已知的只是圖的局部,像是在大霧中尋找要走的路),數據結構中的搜索方法所搜索的是已知的圖(圖的全局信息是已知的,像是在可以俯瞰的、沒有霧的地形上行走)。通過這樣的引導和總結,讓學生深刻領會兩門課程中這兩個緊密相關的知識點的本質聯系和區別,從而加深他們對課程知識的理解,提高他們對知識探索的積極性。
4加強教師的教學水平,為實現交叉教學奠定技術基礎
“要給學生一杯水,教師要有一桶水”。為實現交叉教學,教師應該具有相關交叉課程的堅實理論基礎和良好的實踐應用技能,并擁有理論-理論、理論-實踐和強相關知識點交叉的教學組織能力。為此,需要教師進行以下幾方面的基本技能訓練。
1) 縱向加強課程所涉及知識的理論學習和實踐技能的訓練。以離散數學為例,作為教師,我們不能僅僅盯住離散數學教材的內容,而是需要對數理邏輯、集合論、代數系統、圖論等有系統、深入的學習,其范圍和深度遠比離散數學教材的內容大得多;又如對人工智能而言,我們應該在啟發式搜索、計算智能、機器學習等方面有很深的造詣;再如,對數據結構而言,我們應該在算法設計、算法分析等方面有堅實的理論基礎,并擁有豐富的代碼編寫經驗。
2) 加強科學研究,促進產、學、研結合。我們注意到,教師在“充電”的過程中,實際上已轉變了角色,成為學習者――學生。作為學生,我們同樣遇到學習枯燥等問題。一般來說,老師不再是老師了(狹義上),那么我們的動力來自哪里呢?那就是科研。教師從事科研不但可以實現理論成果的實用化,而且可以提高教師自身的教學水平,從廣度和深度拓寬教師的教學視野。因此,做科研不但不防礙教學,而且可以極大地促進教學,良好的科研基礎是教師在教學活動中游刃有余的知識源泉。
3) 根據人才培養目標,完成對課程知識點的準確劃分。這是實現課程交叉教學的基本保證。教師根據既定的人才培養目標,并在充分運用自己知識結構的基礎上,為實現交叉教學,準確完成對各門課程的知識點劃分。在對兩門或多門課程的知識點進行劃分時,教師應該做到:同一門課程中的知識點應該相對獨立;確定同一門或不同課程中知識點之間的拓撲關系,確定哪一個知識點是哪個或哪些知識點的基礎,哪一個知識點是另外一些知識點的深化或實例化。只有準確劃分了知識點并確定知識點之間的拓撲關系以后,才能有效付諸實施。
5結語
應用型人才占全體學生人數的大多數,他們畢業后將直接走上工程實踐性工作崗位,擔負著重要的社會責任。但從目前應用型人才培養方式看,普遍存在著理論教學和實踐教學相互脫節的情況,嚴重影響應用型人才培養的質量。為此,本文從課程交叉教學的角度探討應用人才培養的方法,并認為課程交叉教學在應用人才培養過程中可以發揮積極的作用。課程交叉教學可以考慮從以下4個方面展開:1)改變傳統的平行教學模式,實現強相關的理論性課程和實踐性課程中理論和理論的交叉和融合;2)理論和實踐部分的交叉教學;3)相關知識點的交叉教學;4)加強教師的教學水平,提高教師的理論水平和實踐技能。通過課程交叉教學,提高應用人才培養的質量,最終培養以豐富理論內涵為支撐、具有嫻熟計算機操作技能的應用型人才。
參考文獻:
[1] 鮑潔,梁燕. 應用性本科教育人才培養模式的探索與研究[J]. 中國高教研究,2008(5):47-50.
[2] 王恩華,王蓮英. 論我國一般本科院校人才培養目標的多元化[J]. 長春工業大學學報:高教研究版,2008,29(2):64-66.
[3] 齊平,朱家勇. 應用型本科院校人才培養目標調整及其實現之策略[J]. 高教論壇,2010(6):51-53.
[4] 屈婉玲,耿素云,張立昂. 離散數學[M]. 北京:高等教育出版社,2008:1-74,303-305.
[5] 蔡自興,蒙祖強. 人工智能[M]. 2版. 北京:高等教育出版社,2010:106-122,74-104.
[6] 嚴蔚敏,吳偉民. 數據結構(C語言版本)[M]. 北京:清華大學出版社,1997:169-170.
Practical Exploration of Course Intersect-teaching in Applied Talent Training
MENG Zu-qiang1, CAI Zi-xing2, HUANG Bo-xiong1
(1. School of Computer, Electronics and Information, Guangxi University, Nanning 530004, China;
2. Institute of Information Science and Engineering, Central South University, Changsha 410083, China)
