時間：2023-08-25 16:38:56
引言：易發表網憑借豐富的文秘實踐，為您精心挑選了九篇人工智能教學培訓范例。如需獲取更多原創內容，可隨時聯系我們的客服老師。
隨著信息技術的不斷發展，計算機科學滲透生活的各個領域，改變了人們的生活方式和學習方式。其中，人工智能作為計算機科學中迅猛發展的一部分，正在以其獨特的魅力走進人們的視野。“人工智能”（Artificial Intelligence），顧名思義，即通過應用計算機來模擬人腦的信息接收、思考、判斷以及決策等思維行為過程，進而擴展人腦的思維和行動，幫助人們高效智能化地解決特定問題。近年，人工智能在教育領域中發揮的作用越來越顯著[1]，其與眾不同的特點決定了其在教育培訓中的地位，將人工智能應用在農業知識培訓中的可行性也成為教育界熱議的新話題。
1我國農業發展背景和農業培訓必要性分析
11我國農業發展背景
我國是傳統的農業大國，農業對我國的經濟發展具有極其重要的影響，一方面是由于我國人口基數大；另一方面是由于我國進出口貿易主要依靠農產品，農業發展成為影響我國經濟發展最重要的因素之一。但由于各方面原因，我國農業發展還比較落后，尤其與發達國家的現代化農業相比，依舊有較大差距。
12開展農業知識培訓的必要性
反思其他發達國家在?r業發展上實施過的舉措，包括重視農業教育、科研和技術推廣，注意提高勞動者素質；推廣現代農業機械和高技術，重視農場管理；經營集約化、產業化；生產專業化；服務社會化；市場機制與政府扶持相結合；加強農業基礎設施建設等，可以看出，我國在農業知識培訓、素質教育、技術推廣方面與發達國家差距明顯。為發展我國農業，培養一批高素質、懂技術、會經營的農民以及一批愿意為農業發展做出自己貢獻的高學歷人才成為關鍵。農業的發展離不開農民的發展和進步，也離不開受過高等教育的精英人才的共同努力，而開展農業知識培訓，則是為他們的發展奠定了一條夯實的道路。
2人工智能在教育中的應用與發展
近年來，伴隨著人工智能在各行業的應用和發展，人工智能在教育領域中發揮的作用也越來越顯著。例如，智能化的作業批改可以大大減輕教育工作者的沉重負擔，在線學習等網絡教學模式可以讓人們更靈活地接受教育。從人工智能誕生伊始，其就與教育產生了密不可分的聯系，延續發展至今，人工智能在教育領域中的應用主要包含以下幾個方面。
21基于人工智能的計算機網絡課程
計算機網絡教育是對傳統教育方式的一次革新，而人工智能對網絡教育的滲透，又將其推向了新的發展高度。[2]學生可以自主地登錄網絡平臺進行在線學習，根據智能導學系統制訂學習計劃，進行在線測試。例如近年來大為流行的MOOC課程，學生可以便捷地通過網絡獲取全球最高質量的教學資源，并可以量身打造自己的學習計劃。
22基于人工智能的教師輔助系統
近十年來，智能傳感器、語音識別、圖像識別、深度學習、大數據等方面的蓬勃發展令信息的采集及處理越來越準確高效，這無疑使得人工智能與輔助教學系統的融合變得越來越深入。借助于語音識別、圖像識別等技術，學生可以將學習過程中遇到的問題上傳至系統，借助于數據庫系統對信息準確的搜素和整合能力，實時地為學生提供答案或相關信息，答疑解惑。目前此類應用軟件的應用廣泛，例如小猿搜題、百度作業幫等。
23基于人工智能的教育數據庫系統
隨著信息化時代的到來，如何高效地搜集、分類和檢索碎片化的教育信息和教學資源，無疑是一項巨大的挑戰。為了更有效地分配和管理信息，在教育中引入智能化的數據庫系統勢在必行。現如今數據挖掘和深度學習的研究成果不斷深入，依托知識庫系統對教育信息的整合與構建，學生可以將已習得的零星的知識點進行擴充，由點至面的不斷學習新知識；依托教育資源管理系統中來，教育管理工作者可以合理分配教學資源，讓人們從爆炸式的高密度信息中解放出來，真正做到物為己用，因材施教。
3人工智能與農業知識培訓的結合
新時代社會經濟的發展為國家農業產業的發展翻開了新的篇章，如何加快社會主義農業現代化，促進農業轉型，這為新時代的農業知識教育提出了新的要求。另外，近年來勞動力轉型的趨勢日益顯著。隨著農業勞動人口數量的減少，為了提高農業生產效率，需要有素質、懂知識的農民投入農業生產中來。因而，對于農業知識培訓的革新作為農業現代化建設的重中之重，已被提上日程。
人工智能技術和教育領域融合的不斷完善成熟，基于人工智能的農業知識培訓正如雨后春筍般涌現，在農業教育培訓領域嶄露頭角。
31人工智能應用于農業知識培訓的優勢
從我國農業發展的現狀看，較之于發達國家，我國農業從業者的基數巨大但是整體受教育程度偏低，農業專業領域的知識匱乏，農業知識教育的推廣不僅薄弱，而且效率低下。因此，伴隨著信息化時代“互聯網+”的新型教育模式對傳統教模式的強有力革新，基于人工智能的農業知識培訓展示了其強大的威力和優勢，具體可以總結為如下兩個方面。
311個性化教育針對性強
相比于課堂教學的傳統模式，基于人工智能的網上在線教育模式能夠為學生個性化地制訂學習計劃，靈活安排學習時間。這有力地解決了學生參加農業知識培訓的時間成本問題，農業從業者可利用閑暇時間自主安排學習。另外，針對于培訓者的當前知識水平和培訓需求，培訓平臺可以個性化地安排教學相關領域的專業知識和操作技能。
312教育資源利用率高
我國當前的農業知識培訓，教育教師需求數量和實際在崗教師資源極不匹配，具備豐富農業專業知識和農業生產經驗的教師數量缺乏，這是導致農業知識培訓推廣速度緩慢的重要原因。而人工智能為這一問題的解決帶來了福音，智能化的教學進程得以讓教師從繁重的教學負擔中解放。同時，基于網絡的課程資源共享可以讓先進的農業技術走進千家萬戶，讓學生與優秀農業知識的距離不再遙遠。
4平臺開發的系統架構
基于人工智能技術，一個合理的農業知識培訓平臺能夠像一個優秀的教師那樣具備完備的農業專業知識和優良的教學技能知識，并且能夠模擬及擴充教師的教學過程。除此之外，該培訓平臺還能夠準確實時地與學生進行信息交互，有針對性地開展個性化教學，并可以自適應地完成教學效力評估和反饋，不斷更新和完善教學內容和教學策略。基于以上分析，該開發平臺的系統架構分為學生模型、教師模型、綜合數據庫模型和人機交互接口四個組成部分，結合下圖對每一部分分別進行詳細闡述。
41學生模型
學生模型應針對不同的學生，準確地評估學生當前的學習水平，對學生的學習背景、知識水平、知識架構進行診斷和評定，以便有針對性地制訂教學方案，進而實施個性化教育。
另外，學生模型需要對學習過程中的學生的學習情況進行記錄入庫，對教育效果進行評定，從而診斷出當前教學計劃是否合適，以便下述教師模型中對教學內容和教學策略的靈活調整。
42教師模型
教師是教學工作開展過程中的主體，一個合理的教師模型應該包括如下三個部分。
教師模型首先完成教學內容的選擇，這要根據學生模型中對學生當前的學習水平的評定，并且針對學生既定的學習目標，并從下述知識庫中調取對應的內容，為教學的開展做好準備。
在確定了教什么的問題之后，教室模型要確定如何教的問題，即選取合理的教學策略開展教學。教學方式的選擇依附于學生模型，而又能根據學生學習情況記錄進行反饋動態，不斷完善和調整教學策略。
另外，在傳統教學模式中，教師傳授知識，并能為學生答疑解惑。當學生在學習過程中遇到問題和疑惑時，教師模型應該實時地提供信息支持，為學生提供針對性的幫助。因而教師模型要實現與人機交互接口的實時連接，在問題到來時控制模塊驅動應答部分為學生答疑解惑。
43綜合數據庫模型
綜合數據庫模塊為農業知識培訓系統提供數據庫支持，主要包括以下三個模塊。
知識庫模塊中分類別地存放著農業領域的專業知識，包括文本、圖像、自然語言、多媒體等多個類型的學習知識。一旦教師模型中完成了教學內容的選擇，便由此模塊中調取相對應的文件開展教學。
專家評估模塊用于處理教學過程中的教學效果評價和經驗總結，為教師模型中的各個環節的反饋和更新迭代提供數據支持。在一個完善的教學過程，教師需要根據學生的學習效果進行總結和反饋，以此指導下一步的教學內容和策略的更新。
為了對學生階段性學習的效果進行評估，還需要引入測試考核模塊對學生的成績進行量化考核。測試考核模塊中包含學生答題庫和成績測評庫，準確檢測出開展農業知識培?的作用與效果。
44人機交互接口
基于人工智能的農業知識培訓的過程是學生和系統進行交流的過程，所以一個友好的人機接口是系統必不可少的組成部分。在這一模塊中，友好的圖形用戶界面的設計能夠幫助學生流暢地接收信息，提高學習效率。同時，借助于人工智能中對語音和圖像信號的先進識別技術，人機交互接口可以智能化地接收分析和理解學生的自然語言信息和動作信息，進而為系統提供寶貴的輸入信息。
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，特修訂了我校“五美”能行課程體系，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。
關鍵詞：應用型本科院校；人工智能；電子信息工程；專業建設
一研究背景
在發達國家，應用型本科院校一直占有很大的比重。在我國，應用型本科院校也逐漸成為高等教育大眾化的主力軍，對我國高等教育系統未來發展越來越重要的作用。金陵科技學院作為教育部應用科技大學改革試點戰略研究單位、中國應用技術大學（學院）聯盟創始單位，也正在積極地去探究相關的應用型專業建設模式。電子信息工程專業作為學校的一門深度涉軟專業，也要緊跟南京城市軟件建設發展方向，這對應用型電子信息工程專業培養既是機遇又是挑戰。隨著社會的不斷發展和科學技術的不斷進步，電子信息工程的應用也越來越廣泛，對人們的生活產生了非常大的影響。，不但改變著人們獲取信息、存儲信息和管理信息的方式，而且為人們進行信息的獲取、存儲和管理提供了新的途徑和方法，目前，各行業大都需要電子信息工程專業人才，而且薪金很高。2015年5月8日，備受矚目的《中國制造2025》由國務院正式下發，這是我國實施制造強國戰略第一個十年的行動綱領。該規劃二個突出特點是，將"加快新一代信息通信技術與制造業的深度融合"作為貫徹始終的主題，提出堅持自主研發和開放合作并舉，加快建立現代電子信息產業體系，為推動信息化與工業化深度融合、實現制造業由大變強、建設網絡強國提供強有力的基礎支撐。在今年，隨著國家“兩會”的盛大召開，人工智能首次被提升到國家發展戰略高度，人工智能技術的重大突破將帶來新一輪科技革命和產業革命，大力發展人工智能技術是中國經濟轉型升級的重要動力。電子信息技術的巨大成功和進步，使人工智能可以深層次、多維度地參與到各個行業各個領域中，使科技的進步快速融入到跨界合作中。比如，電子信息技術的成熟，使人工智能可以深度服務于醫療衛生事業、配合甚至取代醫生進行精確的手術治療。在無人駕駛領域，無人駕駛汽車、無人駕駛飛機、無人駕駛艦船都已經陸續投入使用；在軍事領域，人工智能的運用更是已經爐火純青，俄羅斯與美國的人工智能作戰部隊和相關系統，已經在反恐作戰中屢立戰功，威力無比，作戰效能與性價比遠遠超越人類士兵。由此可看出，人工智能在電子信息技術大發展的當下，終于在應用層面開始發光發熱，現出巨大的生命力和后續無窮無盡的成長潛力，人工智能在各行各業的廣泛應用，是國家經濟結構戰略性調整、產能升級改造、產業結構優化、核心技術創新獲得成功的關鍵。隨著BAT、華為、大疆無人機等高科技企業在人工智能應用和開發上的不斷探索，刺激更多人才和資本向人工智能商業應用領域涌入。目前，基于人工智能學習背景下，軟硬件相關知識過硬的電子信息類專業人才已經成為社會上最為緊缺的人才，薪水待遇很高。
二需要解決的關鍵問題
作為應用型本科院校，如何將“人工智能”新概念融入到電子信息工程專業建設中，根據社會發展的需求，校企緊密結合，培養出復合型的，應用型的社會緊缺人才，是需要去解決的關鍵問題。1.像當年互聯網的崛起一樣，人工智能真正的發展才剛剛興起，相關的概念及定義還不完全定型，如何把握好未來人工智能的發展方向，有針對性地在傳統的電子信息工程課程計劃中規劃與人工智能息息相關的課程，比如人工智能原理，機器學習，深度學習等課程，將兩者有機融合，在人才培養上面臨較大的挑戰。2.人工智能是一門綜合了控制論、信息論、計算機科學、神經生理學、心理學、語言學、哲學等多門學科的嶄新概念。如果要將“人工智能”融入到電子信息工程專業建設中，就不僅需要學生學好如模擬電子技術，數字電子技術，數字信號處理，單片機技術，C/C++程序設計等傳統的課程，打好基礎，還需要加強在數據挖掘，神經網絡等以數學為基礎的課程方面的建設，扎實學生的數學物理基礎。這對學生的學習能力要求更高，老師的教學水平也提出更高的要求。因此，如何加強此方面的師資專業培訓，是一個該課題需要解決的關鍵問題。3.一個專業人才的培養，不僅需要優秀的師資力量以及良好的學風，還需要有相關的硬件實驗平臺作為支撐。如何根據“人工智能”新概念，針對性地新建一些諸如智能傳感器實驗室，人體特征識別實驗室，機器人實驗室等，把電子信息工程專業中的電子器件技術，信號處理技術等應用于人臉識別，智能家居，機器人等熱門領域，根據學生的興趣愛好因材施教，提高學生的動手能力，也是該課題需要去解決的一個關鍵問題。
三研究內容
本文以“人工智能”新概念下的電子信息工程專業教學及實踐模式為研究內容，重點研究如何將人工智能相關的理論及實驗課程建設融入到傳統的電子信息工程專業培養方案中，做到無縫結合，在培養模式上需要有一定的理論創新，以更好地適應人工智能類的高新電子信息技術企業對相關應用型人才的要求。目前擬以現有電子信息工程專業的課程體系和專業方向為基礎，形成以“人工智能”為導向的應用型電子信息工程特色專業建設，在未來的專業發展規劃中，逐漸形成物聯網、智能家居、機器人，無人機，人臉識別，語音交互，智能駕駛等不同的專業方向，增加學生的就業面，提高學生的就業層次，加強學生的就業競爭力。主要具體體現在以下幾個方面：
（一）實踐教學的形式多樣
可采用以“學生興趣愛好”為依據的引導式教學實踐模式，在扎實學生數學物理等理論的基礎上，將最新的人工智能概念貫穿在電子信息工程專業課程體系中，通過不同的應用型實驗項目拓寬學生的知識面，提高學生的主動學習能力，動手實踐能力，創新能力以及獨立開展研究的能力，將課堂教學、校內實驗和校外企業實習三者相互結合，鼓勵學生參加諸如全國大學生電子設計大賽，全國大學生智能設計競賽，中美創客大賽等賽事，以確保培養出高素質的應用型專業人才。同時，讓學生從大二開始就自選課題、進實驗室、根據興趣愛好組建不同研究方向的實驗團隊，并為學生按照不同的研究方向配備專業教師，以此讓學生融入到教師的科研工作中去，形成所謂的本科生導師制制度，由相應的導師全程指導，開展科學研究，培養學生的科技創新能力和動手實踐能力。
（二）注重提高教師的教學及科研水平
在努力提高學生學習能力的同時，注重提高應用型電子信息工程專業教師的教學及科研水平，使其能夠很好地將“人工智能”新概念用于電子信息工程專業的教學中，指導學生參加相關的各種競賽，提高教師團隊的實踐能力及技術水平。通過海內外招聘和內部強化培養(教師博士化、教師雙師化、教師國際化)等舉措，加強師資團隊建設；通過鼓勵教師積極開設MOOC課程，參加教師技能大賽以及國內外教學培訓，從多方面提高教師的教學水平。
（三）建立完善的校企合作制度，為學生提供相應的實習基地
企業工程師可以參與相關的人才培養方案修訂和部分的教學實踐工作。這種合作制度既可以提高教師的科研應用水平，也可以為學生提供就業機會，增強學生的實踐創新能力。
（四）注重課程大綱修改，實驗室平臺建設
以改革傳統的電子信息工程專業的培養模式為目標，總結在“人工智能”新概念下教學及實踐的相關經驗，形成一個有鮮明特色的電子信息工程專業培育模式。應用型本科院校電子信息工程專業人才未來的發展戰略和改革方向，應重點考察“人工智能”新概念下專業人才培養模式的優缺點。重點關注“人工智能”新概念下的教學及實踐課程大綱修訂、教師教學及科研能力培訓體系構建、實驗室軟硬件平臺建設、校企合作培養模式探討及校外實習基金建設等工作。
四結語
本文探討和研究了“人工智能”新概念下應用型電子信息工程專業培養模式，結合金陵科技學院電子信息工程專業的發展情況，對原有的專業培養模式做了一定的理論創新，引入了“人工智能”新概念，從理論和實踐教學，學生學習能力和教師教研技能培養，校企合作辦學，實驗室建設等方面進行了一系列的探討。
參考文獻
[1]姚俊.電子信息工程專業人才培養模式研究[J].山東社會科學2016(S1):357-358.
[2]葉全意,徐志國,吳杰,等.應用型本科院校電子信息類專業大學生科技創新能力培養[J].教育教學論壇,2016(46):93-94.
關鍵詞：林業院校；人工智能；課程教學
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。
高度智能化的培訓時代
即將來臨
人工智能的演進可以從兩個角度來看――做得更快，做得更好。自動化本身帶來的是更少的人力投入，以及更高的生產質量。人工智能結合自動化領域帶來的結果可以理解為“做得更快”，讓過去流程中不能夠自動判斷的復雜情形，得以借助人工智能進行快速準確的判斷，并進行有效的執行和輸出。
人類在學習與歸納之后，通過高水平的復雜思考過程可以得到一個決策或者預測，該決策或預測的水平表征了某個人在復雜問題上的認知與處理能力。問題越復雜，需要采集與處理的信息越龐大，人類的認知與決策就越會趨于癱瘓。而人工智能在計算能力大幅提升的今天，讓幾十年前就被發明的算法在高性能計算下重獲新生。過去只有科技巨頭才能涉足的高深領域，現在的初創團隊也可以使用高性能計算與開源架構，以小規模數據集進行深度學習。
前景：高度智能化
人工智能領域的發展，將為培訓行業提供更多高度智能化的前景，體現在三個方面。
第一，考試當中，不僅可以對客觀題進行標準評價，也可以對主觀開放式問題進行機器學習，形成一套評價體系。
第二，基于NLP（神經語言程序學）技術的語言識別體系，可以對音頻、視頻進行更復雜的理解和評價，評估員工技能，而不僅僅是通過考試來檢測知識掌握情況。
第三，針對用戶學習信號的深度學習，推薦精準的學習路徑，讓學員看到時間投入和績效改變的強相關關系。
實踐：實現教學模式的突破性創新
關于培訓領域的互聯網產品與服務，過去很長一段時間，產品形態還是集中于給學員播放在線視頻或者Flas。所有廠商做出的努力都是在錄制視頻，而甲方都在采購大量的在線課件。如果我們善加利用人工智能在語音識別、語義理解領域的突破，那么也許能夠在教學模式上實現重大創新。
在人工智能領域，UMU作了諸多嘗試和努力，率先推出了基于人工智能的學習新模式。其創新點在于，通過對語音語義的理解和機器學習，鼓勵學員對同樣的知識體系進行輸出訓練；通過輸出過程的智能評價體系，學員能夠評估自己的學習進度，也幫助老師省去一一輔導的時間，并能夠給老師提供快速直接的建議和統計性反饋。這種教學模式的突破性創新，為大家帶來了耳目一新的學習體驗和實際的學習效果。
除此之外，如果一名新員工加入公司，能夠圍繞自己的崗位，在機器學習的引導下不斷以“打怪升級”的方式完成對公司產品、技術和工作要求的學習，且每次學習過程都是有目的性和指引性的，那么他會進入一個更加快速的成長通道――人工智能指引下的學習路徑圖。UMU可以利用機器學習技術幫助某家企業構建知識圖譜（knowledge graph），平臺上的內容越多，學員使用得越頻繁，該企業就越能夠在這個過程中通過機器學習找到知識點之間的關聯性和依賴關系，從而給學員一個非常有效的推薦。
設備與內容奠定VR培訓的根基
如果我們期待虛擬現實更快速地進入千家萬戶，成為工作與生活的必備場景，那么可以從移動互聯網的發展模式著眼，進行思考與預測。
中國的移動互聯網產業近年來的發展速度明顯領先于全球。推動移動互聯網產業成熟的關鍵要素包括三點：設備、網絡、產業。對于虛擬現實的發展現狀分析亦可從這三點出發。
?設備：智能手機按年升級換代，100美元可以買到足夠好的智能手機，而且有諸多選擇。
?網絡：家庭寬帶持續降費提速，手機從3G到4G網絡的大規模普及，現在連地下車庫、城市郊區都徹底普及了高速移動網絡，讓人們時刻保持連接。過去的網速限制一旦去除，很多場景發生巨變。曾經人們要下載高清電影觀看，現在很多人直接用手機、電腦或者使用“電視盒子”連接電視觀看在線高清節目。
?產業：移動應用與游戲的開發者，以及在線內容的生產者數量激增，是整個產業發展的基石。
設備待成熟
虛擬現實設備的成熟度還處于非常早期的水平，其相關設備還需要大規模普及。我們期待高性能低成本的虛擬現實設備像智能手機一樣快速進入工作生活領域，成為人人必備的設備之一。
早期的電腦上萬元一臺，網費也不便宜，所以大家去網吧使用電腦上網，實現資產的“分時復用”。現在上海、北京、香港等地都出現了大規模的虛擬現實體驗館，而這些場館消失之時，也是虛擬現實真正普及之日。
網絡待穩定
虛擬現實對數據吞吐水平提出了更高的要求。全球與國內的互聯網還處在“弱連接”的水平，網速和穩定性有較大的波動，還需要進一步升級網絡連接及傳輸速度，這樣才能從本地內容擴展到在線與實時高清內容。
產業待開發
由于虛擬現實設備保有量非常有限，所以相應的軟件與內容的開發者數量也很有限。今年下半年，虛擬現實領域創業的項目投資遇冷，也給整個產業開發者潑了涼水。
企業培訓中的VR實踐
令人振奮的一面是VR拍攝設備百花齊放，千元級高清全景視頻拍攝設備給內容生產打下了扎實的基礎。一般來說便攜式的VR拍攝設備有兩套體系，一套是以GoPro為主的拍攝制作體系，一套是以三星為主的拍攝制作體系。
對于企業培訓來說，通過VR拍攝設備就可以錄制特定工作場景的全景視頻，形成支持VR設備觀看的培訓內容。這樣對于需要動手實操的復雜工作場景，特別是短期內不能被機械臂所替代的工作場景，就更需要先進的培訓模式以提升工作水準；對于危險的或者試錯成本高的工作場景，VR內容也可以幫助企業節約在崗培訓的預算，提升學習速度，降低綜合學習成本。
UMU將在明年第一季度推出虛擬現實領域的一站式解決方案，可以幫助企業以千元級別的投資來拍攝全景虛擬現實教學視頻，學員只需要把自己的手機插入基于Cardboard模式的頭顯，就可以體驗沉浸式的學習過程，屆時在《培訓》雜志2017年會展上有全面展示。
君子善假于物
當大數據這個概念誕生后，大家都希望抓住大數據的產業升級機會，讓自己也更加富有洞見。當我們仔細審視很多以“大數據”為關鍵詞的產品時，往往感覺與過去的做法并無不同。“大數據”在不少廣告中更像是“大口號”，只要做了數據分析，就成了“大數據”產品。
關鍵詞：信管專業 人工智能 案例教學法
1.引言
信息管理與信息系統專業是管理科學與工程學科的一個重要組成部分，是由信息技術、管理科學和系統科學交叉形成的前沿學科，它運用管理學、運籌學、系統科學和經濟學的知識和方法，通過以計算機為基礎的信息系統實現各種管理活動和信息處理業務。該專業培養的人才在信息化建設中主要承擔信息系統運行管理和伴隨企業成長而不斷更新信息系統的使命，人才的就業崗位歸屬于各種組織（企業）的信息中心或管理行政部門。在信息系統中，人工智能知識和技術的應用隨處可見：專家系統、智能監控、智能信息檢索、組合優化、分布式計算、智能管理和智能決策等。
人工智能課程是一門研究運用計算機模擬并延伸人腦功能，綜合邏輯學和認知科學的綜合性學科，其研究領域廣泛，如自然語言理解、模式識別、機器學習、數據挖掘、智能檢索、機器人技術、人工神經網絡等都走在了信息技術的前沿，有許多研究成果不僅在工業、商業和軍事上使用，而且不同程度地進入了人們的生活、學習和工作中，并對人類的發展產生了重要影響。在信息管理專業中教授人工智能課程的過程，與計算機專業的研究型教學不同，根據課程專業特色更應強調人工智能方法在實際信息管理系統中的應用。由于課程內容涉及大量抽象知識和復雜算法，信管專業學生往往在聽課過程中不能及時消化，甚至認為難以理解而影響學習積極性，本文將在經濟管理類課程中使用的案例教學法引入到人工智能課程教學中。
2.人工智能課程中的案例教學方法應用
案例教學是20世紀初由哈佛大學創造的圍繞一定培訓的目的把實際中真實的情景加以典型化處理，形成供學生思考分析和決斷的教學形式，通過獨立研究和相互討論的方式，提高學生的分析問題和解決問題能力的一種方法。案例教學方法具有明確的目的性、較強的綜合性、突出實踐性、學生主體性、過程動態性、結果多元化等特點。在人工智能課程中，結合案例教學方法，對學生學習理解抽象知識有很大作用。
2.1“智能”概念中的案例選擇
興趣是最好的老師，在學生剛剛進入新課程學習時，能否有效激發其學習興趣，將直接關系到整個課程的教學過程順利與否，學生是否發揮學習主動性和對課程知識的掌握程度的高低。因此，在第一章中引出“人工智能”的基本概念時，我選擇每位同學在兒時的玩具――魔方，將魔方恢復過程轉化為在人工智能搜索原理平臺上的啟發式搜索模型，令學生從兒時簡單地無序轉動魔方的玩法中，體會到魔方模型在搜索運算過程中應該考慮到的問題：衍生出來的節點應盡可能少，又要保持魔方各面在旋轉中顏色屬性的相應變換。同時輔以視頻和實物的演示，使學生對人工智能課程有了初步認識，并對問題建模和搜索策略產生濃厚的興趣。
2.2“知識表示”中案例選擇
知識表示是人工智能研究內容的基礎部分，涉及狀態空間表示法、問題規約法、謂詞邏輯法、產生式法、語義網絡法和框架表示法，為了充分發揮學生的聯想能力，案例選擇語義網絡法的圖形表示案例。語義網絡是一種采用網絡形式表示人類知識的方法。在語義網絡知識表示中，結點一般劃分為實例結點和類結點兩種類型。結點之間帶有標識的有向弧表示結點之間的語義聯系，是語義網絡組織知識的關鍵。在“連接詞在語義網絡的表示方法”內容中，選擇帶有蘊含關系的命題：“如果車庫起火，那么用CO2或沙來滅火。”的案例，首先構造簡單的語義網絡，抽取出蘊含連接詞前件“車庫起火”和結論“用CO2或沙來滅火”兩個命題。再抽取出前件命題事件結點“起火”和地點“車庫”；結論命題事件結點“滅火”和事件工具屬性“CO2”和“沙”，且兩工具間是“或”的關系。學生可以在課堂上及時地應用剛學到的知識表示出此語義網絡，我在此基礎上擴展，對具體事件進行聯想，可以得到失火事件的實例聯系后的復雜語義網絡。再輔以其他負責命題的語義網絡表示練習題，讓學生體會理解并及時掌握語義網絡知識表示法。
2.3“專家系統”中案例選擇
專家系統是一類包含知識和推理的智能計算機程序，是可以根據人們在專業領域內的知識、經驗和技術求解問題并做出決策的計算機軟件系統。專家系統已廣泛應用于醫療診斷、地質勘探、石油化工、軍事、文化教育等各方面。在講授此部分內容時，選擇“營養配餐系統”給學生演示，同時輔以講解，邀請學生參與系統操作，讓他們為自己量身設計一套科學營養的菜單，在完成任務的過程中，掌握專家系統的基本結構與工作原理；了解專家系統正向、反向推理和不精確推理的基本原理；了解專家系統解釋機制的基本概念。在案例教學后，利用Visual Prolog工具，完成簡單的專家系統的設計。
3.結語
本文介紹了在信息管理專業中人工智能課程的教學內容，運用案例教學方法對課程中抽象內容講解并激發學生學習興趣，在案例教學過程中注意和學生的互動，將他們帶入到學習環境中，誘發他們的發散聯想思維，同時又參與到案例的應用中。實踐證明，將案例式的教學方法引入到非計算機專業的人工智能課程中，能取得良好的教學效果。
參考文獻
關鍵詞：智能科學與技術；知識結構；應用型人才；人才培養；知識型能力本位教育
中圖分類號：G64文獻標識碼：A
文章編號：1009-3044（2020）25-0153-03
1引言
智能科學與技術主要包含智能科學和智能技術兩部分內容[1]：智能科學是以人如何認知和學習為研究對象，探索智能機器的實現機理和方法；智能技術則是將這種方法應用于人造系統，使之具有一定的智能或學習能力，讓機器系統為人類工作。目前，在本科專業目錄中，智能科學與技術專業是計算機類之下的特設專業，在現有的人工智能專業群中，除了新設的人工智能專業外（2019年全國共有35所高校獲首批人工智能新專業建設資格），智能科學與技術專業與全球范圍大力推進與快速發展的人工智能關系最密切，契合度最高。一方面，智能科學與技術的專業發展和人才培養將為人工智能技術提供理論支撐、技術推進和人才支持，另一方面，人工智能產業現狀和未來發展趨勢直接影響著智能科學與技術的專業發展和人才需求。
2人工智能時代對人才的需求
站在國家戰略的高度來看，人工智能將成為新一輪產業變革的核心驅動力，可以實現社會生產力的整體躍升，因此人工智能將成為引領未來的戰略性技術，世界主要發達國家都把發展人工智能作為提升國家競爭力、維護國家安全的重大戰略。
隨著人工智能時代的到來，許多企業對具有智能科學與技術專業背景的人才有著巨大的需求。首先，IT企業紛紛涉足智能科學領域，提高產品智能水平；其次，許多傳統制造業也在轉型，從勞動密集型到知識密集型，進一步提升到智能制造型，并逐漸具備高精尖裝備制造能力；此外，醫療、通訊、交通等行業也對智能科技人才有著迫切的需要。人工智能對各行各業的影響，充分體現了智能科技的高速發展，對人才數量和素質要求也越來越高。
從人才的金字塔型分布來看，智能科學與技術領域不僅需要高端學術型人才，更需要接地氣、重實踐的應用型人才。隨著“中國智造”的不斷推進，智能科學與技術領域已由頂層設計和關鍵技術突破向生產、應用、裝配、服務等環節延伸，迫切需求大批專業技術精、實踐能力強、操作流程熟的應用型人才。2019年，人力資源和社會保障部、國家市場監管總局、國家統計局向社會了13個新職業信息，包括人工智能工程技術人員、物聯網工程技術人員、大數據工程技術人員等，這也從另外一個側面說明人工智能等技術推動了產業結構的升級，催生了相關專業技術類新職業，可形成相對穩定的從業人群。
3應用型人才培養模式分析
《中國制造2025》以推進智能制造為主攻方向，強調健全多層次人才培養體系，提到強化職業教育和技能培訓，引導一批普通本科高等學校向應用技術類高等學校轉型，建立一批實訓基地，開展現代學徒制試點示范，形成一支門類齊全、技藝精湛的技術技能人才隊伍。
通常而言，人才類型分為三類[2]：學術型人才、應用型人才、技能型人才。實際上從現代職業教育的發展和社會需求來看，應用型人才和技能型人才的界限相對模糊，可統稱為應用型人才，即把成熟的技術和理論應用到實際的生產、生活中的技術技能型人才。從國家的層面來看，為了適應人工智能時展，人才需求數量基數最多、缺口最大的就是應用型人才，這也對眾多高校培養人才的導向產生重大影響。這里我們重點討論智能科學與技術應用型本科人才的培養，可從職能、知識結構、能力結構、行業（產業）導向四個方面來分析。
3.1職能
智能科學與技術應用型人才是培養面向各類智能科學與技術的工程設計、開發及應用，掌握各類現代智能系統設計、研發、集成應用、檢測與維修、運行與管理等技術，具有扎實理論基礎、較強工程實踐和創新能力的高素質應用型工程技術人才。
3.2知識結構
智能科學與技術專業充分體現了跨學科的特點，其知識結構包含了三個并行的基礎領域：電子信息、控制工程、計算機，也蘊含了電子信息工程、控制科學與工程、計算機科學與技術等學科的交叉和融合，體現了智能感知與模式識別、智能系統設計與制造、智能信息處理三個方面的專業內涵。
（1）智能感知與模式識別
屬于電子信息與計算機交叉領域，主要定位在機器視覺與模式識別。包括三維建模與仿真、圖像處理與分析、圖像理解與識別、機器視覺、模式識別、神經網絡、深度學習等。主要課程包括：電子技術基礎、信號系統與數字信號處理、數字圖像處理、模式識別等。
（2）智能系統設計與制造
屬于控制工程領域，包括自動控制、無人系統與工程、精密傳感器設計與應用等。主要課程包括：機械基礎、工程力學、自動控制原理、傳感器與測試技術、計算機控制技術、機電系統分析與設計等。
（3）智能信息處理
屬于計算機領域，包括交通大數據、汽車與道路安全大數據等的分析與處理、信息處理與知識挖掘、信息可視化等。主要課程包括：智能科學技術導論、計算機程序設計、微機原理與接口技術、數據結構與算法、嵌入式系統設計等。
3.3能力結構
智能科學與技術應用型人才培養著眼于人工智能工程應用，要求學生具有運用計算機及相關軟硬件工具進行大數據的采集、存儲、處理、分析、應用的能力；具備智能系統的設計、開發、集成、運行與管理的能力；注重培養學生綜合運用所學的智能科學與技術專業的基礎理論和知識，分析并解決工程實際問題的能力，其能力結構可以借鑒能力本位教育（CompetencyBasedEducation，簡稱CBE）模式[3]。
CBE是國際上較流行的一種應用型人才培養模式，主要代表國家為加拿大和美國。該模式以能力為人才培養的目標和評價標準，一切教學活動均圍繞綜合職業能力的培養展開，CBE人才培養模式主要有以下三方面的特色：能力導向的教學目標；模塊化的課程結構；能力為基準的目標評價體系。該模式所培養的本科應用型人才具有較強的專業綜合能力和職業能力[4]，在一定時期得到社會的廣泛認可，但是單純的CBE模式并不能完全適應人工智能時代對人才培養的需求，這是由于目前許多職業崗位在人工智能的沖擊下，其形式和內容均會產生動態變化，要求現階段的人才培養具有延伸性和前瞻性，既要兼顧眼前，也要考慮應對智能化浪潮，打好基礎，提高自學習能力。因此，智能科學與技術應用型人才培養有一定崗位針對性，但并不是完全固化崗位內容及層次、固化知識屬性，必須強化自我學習能力，才能實現能力可持續增長，崗位的向上流動性以及知識和經驗的進化，才能真正適應人工智能時展的需求。
自我學習能力的形成與提高往往源于知識結構的構建[5]。為了塑造更合適的能力結構，需要CBE模式與知識結構的相輔相成，有鑒于此，將這種新型人才培養模式稱之為知識型能力本位教育（Knowledge&CompetencyBasedEducation，簡稱KCBE）模式，這也意味著在人才培養過程中，將知識結構與能力結構放在并重的地位，既著眼于預期能力的培養，也必須讓學生筑牢學科專業基礎，在走向社會以后，在知識引擎的作用下，通過自我學習，具備并提升適應未來的、新的智能化崗位需求的能力。
3.4行業（產業）導向
從智能科學與技術專業的角度，培養的應用型人才以“智能化應用”為就業大方向，具體而言，包括：
（1）智能感知與模式識別領域
主要從事電子信息的獲取、傳輸、處理、分析、應用等領域的研究、設計及應用，包括圖像處理、機器視覺、工業視頻檢測與識別、視頻監控、傳感器設計及應用等。
（2）智能系統設計與制造領域
主要從事智能裝備、智能制造、智能管理、智能服務等領域的設計、制造及應用，包括智能工廠、智能車間、智能生產線、智能物流、以及智能運營與服務等。
（3）智能信息處理領域
主要從事計算機數據處理、分析、理解、管理、以及服務等領域的研究、設計及應用，包括數據存儲與管理、數據分析與預測、交通大數據分析應用、道路與汽車安全大數據分析、智能交通、智能電力、智能家居、智慧城市等。
涉及的產業領域主要包括智能制造，如工業互聯網系統集成應用，研發智能產品及智能互聯產品等。其他的領域還包括智能農業、智能物流、智能金融、智能商務等。
產業需求帶動人才培養，人才培養在滿足產業需求的同時推動技術進步，而技術進步又引燃了新的產業需求。產業需求與人才培養的相互作用，呈現出螺旋式上升的發展態勢，這在人工智能相關產業與智能科學與技術應用型本科人才培養之間表現的得尤為突出。
4KCBE模式人才培養的主要措施和途徑
智能科學與技術專業應用型本科人才的培養模式一定是和人才需求、學校定位相適應的。培養應用型人才，應注重學生實踐能力，從教學體系建設體現“應用”二字，其核心環節是實踐教學。結合上述的KCBE培養模式，知識結構在能力培養過程中也占有非常重要的地位，因此在能力培養方面，知識和實踐作為兩大要素，不能偏廢任何一方，必須齊頭并進，既要固基礎，也要重實踐。
（1）筑牢智能科學與技術專業知識基礎，構建與智能化應用相關的知識體系
在本科的低年級階段，應注重公共基礎課，特別是數學和力學課程，還應充分了解智能科學與技術專業的內涵，讓學生對所學專業有一個比較全面的認識。在本科中高年級階段，重點強化專業基礎，包括電子技術基礎、自動控制原理、傳感器與測試技術、微機原理與接口技術、數據結構與算法等。歸納地說，應該筑牢數理基礎、計算機基礎、機電基礎和控制基礎，因此對原理課程需要強化，這樣對很多工作機理、來龍去脈的理解才能深刻。
（2）增強智能科學與技術專業的實踐環節，構建以能力培養為重心的教學體系
按照KCBE模式，校企合作是強化實踐的一種重要形式[6]。學校根據人工智能企業實際情況靈活設置實踐課程內容，根據企業發展趨勢及時調整課程體系以避免教學內容與企業需求相脫離。人工智能企業還可以參與學校教學目標和教學計劃的制定，并為學校實踐教學提供各方面支持，從而提高人才培養的針對性。
關鍵詞：大學計算機基礎；教學改革；人工智能；智慧課堂
云計算、大數據、人工智能新興領域的崛起，推動信息技術全面滲透于人們的生產生活中。信息技術的核心在于計算機技術和通信技術。然而，雖然目前各個高校都開設了計算機基礎課程，但是其教學卻存在著諸多問題，導致該課程無法達到預期的教學效果。教育部在2012年《教育信息化十年發展規劃（2011-2020年）》，其中指明“以教育信息化帶動教育現代化，促進教育的創新與變革”[2]。因此，本文以華中師范大學計算機基礎課程教學為例，深入闡述了傳統計算機基礎課程教學的弊端，提出了在當前人工智能如火如荼的時代背景下，如何應用人工智能相關技術對傳統的計算機基礎教學進行改革的具體方案。該方案以創建網絡智慧課堂教學模式改革為主體，輔以教學觀念、知識體系和課程考核方式改革，以期對高校的計算機基礎課程教學有所裨益。
1傳統教學的缺陷
⑴課程的教學地位沒有引起足夠的重視一些高校為計算機基礎課程分配較少的學時（少于48學時），甚至有的專業將此課程設置為選修課。這種設置降低了該課程在教師和學生心目中的位置，導致了對該課程的忽視。同時，不少老師因為學時不夠，時間緊迫，僅僅講述與考試相關的內容，不考的一概不講。這導致學生的眼界受限，知識和能力受限，無法培養其全面綜合的計算機素質。還有的專業沒有將這門課給專業的計算機學院的老師講授，而是隨意安排授課人員。沒有經過系統專業訓練的教師缺乏足夠的知識儲備，很難講好這一門看似簡單的課程。⑵課程教學內容的制定與當今時代對于信息化人才的需求脫節一些高校的現狀是計算機基礎的課程教材知識陳舊[3]、質量堪憂，教材總是無法跟上知識更新的步伐，例如都2019年了還在講Office2010。有的高校由于缺乏對課程的重視，沒有對教材優中選優，而是基于利益的考慮，優先選擇自己院系編寫的教材。其教材內容是七拼八湊，沒有整體性、邏輯性和連貫性，更不用說前瞻性。這樣的教材，無疑對學生的學習設置了巨大的屏障。除此以外，一些院校的課程教學知識體系不夠明確和完善，教學大綱的制定不夠科學。從教學大綱中制定的學時分配來說，常常偏重實用性[4]，常用計算機軟件操作占據了大部分的課時。這會讓教師在授課時輕理論而重操作，如此培養學生，非常不利于其計算思維的形成，對后續其他計算機相關課程的學習也是很大的傷害。⑶教學模式過于傳統，信息化水平較低從教學方式上來說，傳統的教學模式以教師課堂授課為中心，是以教師為主體的教學模式[5]。在這種模式下，教師仍然主要以填鴨式教學為主[6]，無法通過課堂教學發現學生的個性化特點，并進行有針對性的教學。另外，雖然計算機基礎課程一般都配備了實驗課時，但是實驗課常常是采用教師布置上機任務、學生做完抽樣檢查的模式。這對于大課堂來說，教師的任務繁重，無法搜集到每一個學生的任務完成情況，無法清晰地掌握學生學習的實際情況和薄弱環節。而且，該課程缺乏相應的研討課時，很難讓學生對其所學知識進行深入思考和探究，以增強思辨能力和對課程的學習興趣。⑷課程考核方式不夠公平合理從考核方式上來說，該課程普遍采用“平時成績”+“期末考試”的加權方式對學生成績進行評定。平時成績多由考勤分所得，期末考試多采用機考模式。這種考核方式過于單一化、機械化，無法對學生進行全方位的評價。很多學生來到教室打考勤，但可能根本沒聽講，而是在睡覺或者玩手機。期末機考的公平合理性也是存在著很多的漏洞。例如機考的試題庫可以十年不變，分值的分配和難度的掌握都沒有經過系統的考量。甚至有的考試系統不夠穩定和安全，頻頻爆出Bug，嚴重影響了考試結果的真實性。
2新人工智能環境下對計算機基礎課程改革的具體方案
2012年開始，在隨著卷積神經網絡技術在視覺處理方面的應用取得巨大的成功之后，人工智能到達了有史以來的第三個爆發期。目前，深度學習技術在AlphaGo、無人駕駛汽車、機器翻譯、智能助理、機器人、推薦系統等領域的發展如火如荼。與此同時，人工智能技術在教育領域方面的應用已經興起。人工智能的教學產品也已有先例，例如基于MOOC平臺研發的教學機器人MOOCBuddy等等。基于人工智能的教育是融合云計算、物聯網、大數據、VR、區塊鏈等新興技術的增強型數字教育[2].在當前人工智能的大時代背景下，針對傳統計算機基礎的種種弊端，我們提出了如下教學改革方案。⑴改變教學理念，確立計算機基礎課程的重要地位計算機基礎作為高校的一門公共課，實則應當作為各個專業的學生后續的學習、科研的必修之課程。因此，高等學校應從源頭上確立該課程的重要地位，將該課程納入必修課范疇，并給與更充分合理的課時分配。除教學課時、實驗課時之外，需要為該課程增加一定的研討課時。任課老師必須是來自于計算機專業的人才。同時，定時舉辦關于該課程的教學培訓、教學研討會和教學比賽，改變教師的教學理念，從源頭上給予該課程足夠的重視。⑵優化教學內容，重新制定課程的教學知識體系教材是教師教學的主要依據，也是學生獲得系統性知識的主要來源。因此，教材對于教學的重要性不言而喻。教材的選取需要優中擇優，必要的時候可以根據自身院校的情況自己編寫，力求使用好的教材使教學事半功倍。在選定優質教材的基礎上，制定更加合理的教學大綱，優化計算機基礎課程的教學知識體系，突出計算機學科入門相關基礎理論知識的重要地位。對現有的過時內容進行更新，例如操作系統以Windows10的操作取代Windows7，Office這部分使用Office2019版本取代2010的版本，同時增加關于算法入門知識、程序設計入門知識以及人工智能、區塊鏈等前沿知識單元的介紹。以華中師范大學為例，我們在圖1中給出了該校計算機基礎課程的教學知識體系結構圖。⑶充分利用現代化的教學工具和人工智能技術，構建智慧課堂，改變傳統教學模式現代化的教學應當轉變以教師為核心的教學模式，更加突出學生的主體性地位。因此，在人工智能、物聯網、大數據等技術和蓬勃發展的情形下，應當改變傳統的課堂教學形式，充分利用現代化信息技術，將傳統課堂教學和網絡課堂教學模式相結合，構建智慧課堂。融合課堂教學身臨其境的效果與網絡課堂自主性強且方便師生交流的特點，通過師生之間多層次、立體化的互動，達到提升教學效果的目的。同時，建立功能強大、完善的學生實驗平臺，基于不同專業學生的不同特點和不同需求，進行個性化的作業設置。針對教師布置的實驗任務和學生的完成情況，結合在線網絡教學系統，通過傳感器及網絡數據，搜集學生的學習行為數據，并且使用人工智能算法進行智能分析，使教師對當前的學生的學習情況一目了然，并能引導學生對重點、難點的鞏固和掌握。研討課以學生為主體，按照所選課題進行分組調研、分組討論，刺激學生的學習興趣，培養其思辨能力。研討內容最終可以課程論文的形式上交至課程共享平臺，由教師和同學共同給出評分。這里，仍以華中師范大學為例，我們將在線教學系統、實驗課平臺、研討課共享平臺等集成為一個基于人工智能技術的網絡智慧教學綜合平臺系統。該系統主要包括用戶管理、在線教學、課堂互動、作業管理、考試管理、BBS系統、智能分析和平臺管理8個模塊，其主要功能如圖2所示。該系統采用C/S模式，系統的服務器選用Linux服務器，同時開發基于PC機的和手機端的客戶端系統，方便學生和教師隨時選用、更加靈活。在線教學模塊中的智能學習助理功能，能夠根據歷史用戶的學習行為和當前用戶的學習行為，自動地識別學習內容中的難點以及當前學生的難點內容，有針對性地對學生進行知識點強化。課堂互動模塊中，通過可穿戴式傳感器搜集學生的學習行為，用于后續智能分析模塊中對學生的學習態度和學習行為進行智能分析。在線作業評價模塊包括機器評價和教師評價兩個功能。機器評價是系統為學生作業（客觀題、主觀題）自動評分，其中主觀題的評分也是使用人工智能技術來實現。教師評分時可以參考機器評分，減少教師工作量。同時，教師評分為機器評分提供機器學習的經驗數據，促進機器評分更加智能。智能分析模塊能夠依據學生的在線課程學習模塊、課堂學習模塊、作業管理模塊等搜集到的學習行為數據進行綜合分析，促使教師深入了解學生的學習情況和個性化特點，提升教學的針對性，并且有助于后續對學生進行全面、綜合的分析和成績評定。所有系統模塊中使用到的智能分析技術包括基本的統計分析、以及各類機器學習算法（k-means,NaveBayes,SupportVectorMachine,DeepLearning等等）。⑷改變傳統成績考核的方式在“教學”+“實驗”+“研討課”課程結構以及網絡智慧教學綜合平臺的輔助之下，學生的成績評定更加全面化、多元化、公平化、自動化[7]。平時成績中，除了教學綜合平臺的“課堂簽到”次數之外，還增加更多豐富多元化的考察信息，如：學生的課堂討論、在線課程學習和考核結果、平時作業完成情況，以及智能分析模塊中輔助分析的學習態度、學習能力、平時成績預測。期末上機考試系統也是智慧課堂綜合平臺的一個子模塊，是精心設計的穩定、安全、功能強大的子系統，方便教師每一年更新試題庫，修改bug。試題庫中的每一套試卷都應當經過科學的考卷質量分析，使其難度、覆蓋范圍在一個均衡、合理的范圍。最后，教師通過對各類平時成績指標以及期末考試成績加權，給出最終的學習成績。通過規范、合理、公平、全面的考核體系，獲得對學生公平、完善的評價機制，激勵學生并刺激教學良性運轉。
3結束語
人工智能在培訓行業的應用，除非已經進化到像電影《黑客帝國》中的場景一樣，可將所需知識直接下載至腦中，否則，還是得回歸學習的本質。人工智能無法替代人類學習，學習是個性化的，并且還要經歷內化的過程，才能最終完成。然而，這并不代表人工智能在培訓行業沒有用武之地，恰恰相反，“智能化”學習技術的發展正為培訓行業注入一股新動能，而其中有些應用值得重點關注。
輔助系統
在學習環境中，與傳統學習管理平臺注重管理與記錄不同的是，智能化輔助系統會提供給學習者（learner）個性化的反饋。學習者參加完測驗后，可以更好地了解自己的弱項，進一步獲取相關的學習資源及后續所建議的學習路徑。智能化輔助系統扮演了助教的角色，有效指導并促進學習者的學習。在工作環境中，智能化輔助系統可以依照角色或流程等屬性，即時提供給任務執行者（performer）個性化且適量的內容，扮演了教練的角色，加速問題解決并提升工作成效。
課程規劃
想像一下，你所經歷的學習與工作都留下了記錄，你曾經去過哪兒、看過什么、讀過什么，都被記錄分析。之后通過電腦演算模型，人工智能就可以根據你的程度與需求，為你匹配相關的資源，選取真正對你有用的內容，提供多元與個性化的學習歷程（learning experience），從而摒棄以往齊頭并進式的課程規劃。
內容資源
通過學習元件（learning objects）或知識元件（knowledge objects）在元數據（meta data）的標簽，內容資源可以具備學習者能力、角色、工作場景及業務流程等屬性。之后，結合智能推薦引擎，內容便可以依照單一或多元屬性呈現，作為獲取知識的來源被自動推送給學習者，或者作為問題解決的資料來源被推送給任務執行者。
精確搜索
語言可能是模棱兩可的，通過建立知識圖譜（knowledge graph），學習者可以快速縮小搜索范圍。智能化搜索也可以更好地理解學習者搜索的信息，總結出與搜索話題相關的內容。由于知識圖譜構建了一個與搜索結果相關的完整知識體系，所以學習者往往會獲得意想不到的發現。在搜索中，學習者可能會了解到某個新的知識或新的聯系，從而進行一系列全新的搜索與學習。
數據分析
學習無處不在，當學習或者歷程記錄可以通過xAPI這類學習技術標準，來收集多元數據的時候，學習數據就不會只停留在以往SCORM課件閱讀的紀錄模式，而是可以實現學習歷程數據的集中。過去單純的學習記錄也可以上升到預警及預測的層次，甚至通過數據收集與深度分析，提供學習者如何建構所學內容的意義、如何形成理解、以及學習過程中所做決策的報告，這對教學設計會有莫大的幫助。
項目運營
