首页 优秀范文 人工智能学校教学

人工智能学校教学赏析八篇

发布时间:2023-10-05 10:40:05

序言:写作是分享个人见解和探索未知领域的桥梁,我们为您精选了8篇的人工智能学校教学样本,期待这些样本能够为您提供丰富的参考和启发,请尽情阅读。

人工智能学校教学

第1篇

关键词 小学教育 思想品德教学 育人功能 方法与建议

中图分类号:G622.0 文献标识码:A

在现代小学思想品德教学的过程中,教师要尤其重视对学生的思想和素质的培养。传统的思想品德教学过分的强调了对学生的知识能力的培养。在实际教学的过程中,教师习惯于使用强制性的教学方法让学生进行背诵和记忆,但是这样的教学方法对于学生的思维能力的发展和思想政治能力的培养有一定的约束性。因此在实际教学的过程中,教师需要在传统的教学模式的基础上积极的探索和突破,在科学的教学思想下进行创新。因此,在现代小学思想品德教学的实际教学过程中,教师必须要强调对学生的育人功能的培养,通过科学的方法找到提升学生综合素质的最有效的办法。只有这样,才能够真正发挥好小学思想品德教学的真正的价值。

1教师要平等的对待学生

在实际教学的过程中,教师必须要平等地对待每一个学生。在传统的课堂教学的过程中,教师经常会按照学生的学习成绩进行教学,将学生的学习成绩当做是考核的唯一的标准,同时在教学的过程中,教师可能会带有有色眼镜来看待学生。其实这对于学生的学习自信心的培养和学习能力的提升有着重要的影响。所以,在实际教学的过程中,教师必须要平等地对待学生,将每一个W生都当成是可造之才。在教学的时候教师要积极的和学生进行沟通,给学生关心和爱护。在学生遇到困难的时候,教师也要积极给予学生帮助。如在实际教学的过程中,教师可以让学生进行自由的讨论,针对某一个问题,教师可以让学生自由的发表自己的看法。而在教学的过程中,教师应该让每一个学生都有发表自己的看法的机会,这样一来,学生就能够感到自己是跟教师在平等的对话。同时,在学生回答完以后,教师要认真点评每一个学生,就每一个学生的看法谈一谈自己的意见,不要因为学生的考试成绩而用有色眼镜看待学生的回答。此外,在考核学生的时候,教师不要完全按照学生的考试成绩来考核学生,而是从多个角度来考核学生。比如说教师应该从学生的学习态度、学生的学习积极性、学生的学习主动性等各个方面来考察学生的学习,只有这样才能够真正地达到现代素质教育要求的育人功能。这也是发挥好现代小学思想品德教学价值的最有效的办法。

2改变强制性的教学方法

传统的小学思想品德教学比较强调强制性的教学,即在教学的过程中,教师往往会直接画出书本上所谓的知识点,也就是考试的时候经常会考察的内容,然后给学生布置大量的背诵的作业。在下次上课的时候,教师会检查学生的背诵情况。其实这样的教学往往会对学生的学习兴趣产生巨大的打击。巨大的学习压力会使得学生对小学思想品德学习产生消极的抵触的情绪,同时因为在学习的过程中,学生比较累,可能其考试成绩也不会很理想,这就使得学生的学习信心受到了极大的打击。因此,为了更好地发挥小学思想品德教学的价值,教师在实际教学的过程中可以尝试引导学生进行轻松愉快的学习。比如说在教学《和学生友好相处》这一部分的内容的时候,笔者会有意识地引导学生将实际生活的情况和教学内容进行结合,此外笔者还会和学生一起根据实际教学内容排演舞台剧,这样一来学生就能够在排演的过程中对知识有更加深刻的认识和了解。同时,这样的教学方法也有效地提升了教学的趣味性,让学生在学习的过程中更好地感受思想品德学习的魅力。

3运用生活化的教学方法进行教学

在实际教学的过程中,教师还应该尝试使用生活化的教学方法进行教学,这是因为单纯的理论教学很容易让学生在学习的时候产生疲劳,使得学生的学习兴趣受到比较大的消极的影响。但是生活化的教学方式可以使得学生在学习的过程中将所学知识和自己的实际生活结合起来,这样一来,学生就能够在实践的过程中运用自己学习到的知识,同时还能够在实践的过程中检验自己对知识的理解和掌握情况。比如教师可以让学生将自己的生活实际情况和所学知识进行整合和思考,并且说说自己的感受,这样教师就能够对学生的学习情况有更加深入的认识。

现代小学思想品德教学的过程中,教师应该积极运用现代教学思想进行教学,在教学的过程中尊重学生的学习主体性,让学生在学习的过程中更好地发展自己的能力,这样才能够真正发挥好现代小学思想品德教学的育人的功能。

参考文献

第2篇

关键词: 校企合作 产学结合 建筑工程技术专业 职业能力

1.积极探索校企合作,提高人才培养质量

在探索“校企合作”中,我们立足区域经济和支柱产业,以建筑行业、企业为依托,职业为特色、能力为本位的教育理念,充分发挥市场指导作用和协调功能,通过建立校企合作机制、共建专业、共建课程、共建实践基地、共建校企智力资源等形式,拓展办学道路。

1.1校企共同制定发展规划。

成立了由校企双方负责人、主要业务骨干组成的重庆工贸职业技术学院建筑工程技术专业产学合作教育工作小组,研究专业的课程建设、师资建设、教材建设等所涉及高技能人才培养与共同发展的重大问题。

1.2校企共同进行专业建设。

建筑工程技术专业制订专业人才培养方案前,广泛开展社会调研,广泛听取企业、行业的意见和建议,提出专业建设规划,使建筑工程技术专业与地方经济息息相关,体现了为地方经济和支柱产业服务的特征。

1.3校企共同进行课程建设。

在课程体系建设中,校企共同根据建筑工程技术领域和施工员、质检员等岗位群的任职要求,参照施工员等执业资格标准,按照人才培养目标,编制教学计划、教学大纲,做好教材选用,力求体现产学结合的内容。

1.4校企共享智力资源。

本专业采取“走出去,引进来”的办法,形成了校企师资互动共享的平台,形成校企共同组建师资队伍,常年定期或不定期邀请企业负责人、专家或客座教授来本专业举办学术报告,同时充分发挥教师的科研优势,为企业进行工程设计、施工和管理工作,进行科技咨询,提供技术改造服务,从而形成了校企师资互动共享的平台,校企共同组建师资队伍。

1.5校企共建实训基地。

本专业在学院内建立了建筑实训中心,配备了必要的设备设施,按照教学计划、教学大纲实施教学,进行建筑施工工种技能训练和模拟施工现场实训。校企共建校外实训基地,本专业与多家建筑企业建立了产学合作协议和学生实习基地,做到实训进企业,由企业提供实习场所和实习设施设备,聘请企业技术人员作为实训指导老师,加强对学生职业能力的培养。

1.6校企业共同进行教学评价。

本专业邀请了相关企业高技能人才和专业技术人员,共同对学生进行毕业综合考核,主要考察学生最后一学期在企业进行顶岗实习的职业能力。每年我们都组织教师到企业和用人单位进行用人满意度调查和毕业生跟踪调查,主要了解毕业生的岗位适应情况,同时建立了校企共同进行教学评价制度,在举办学生技能比赛时,聘请企业技术人员担任评委,进行现场指导。

2.加强产学合作教育,改革人才培养模式,突出职业技能培养

2.1产学合作教育,从制订教学计划开始。

专业建设委员会成员和相关企业指导教师进行多次研究,召开专业建设研讨会,制订切实可行的人才培养方案,根据市场调研结果调整修改教学计划,使人才培养方案能适应行业需求的变化。

2.2互补双赢是产学合作教育办学新思路。

建筑工程专业是一门应用性很强的工程类专业。近年来,我系多位教师积极开展科学研究和技术服务,与区域经济互动,为地方经济提供技术指导和技术服务并先后与多家企业建立长期合作办学关系,成为本专业学生社会实践、专业实习基地。学生通过现场实习、顶岗实习、暑期社会实践等环节,进一步加强工程意识和工程思维的培养,在实践中发现问题、巩固知识、增长见识、提高能力。

2.3实践教学改革,产学合作教育必由之路。

高职教育是理论与实践并重的教育,职业能力培养是这种教育层次的主线,我院建筑工程技术专业突出专业核心能力与综合能力培养。以培养“强能力、高素质”学生为出发点,优化实践教学体系;积极推动学生暑期专业社会实践,培养学生工程实践能力;改革毕业实践,开辟产学合作办学新途径,建筑工程技术专业的毕业设计一直都强调与实际工程挂钩,强调以实际工程进行毕业设计。之外,我们还积极与用人单位合作,聘任用人单位工程技术人员担任毕业设计指导教师、聘请工程技术人员担当毕业答辩评判工作等方式方法进行毕业设计教学。实践证明,产学合作教育教学是一种行之有效的教学方式,我系的这种做法收到了非常好的教学效果,深受学生的欢迎和学校的肯定。

2.4成效明显,产学合作教育结硕果。

第3篇

不久前,教育部公布了2018年度普通高等学校本科专业备案和审批结果。全国高校共新增本科专业2072个,我省高校共新增66个本科专业,它们不仅体现出高校专业热门度的起伏,更折射出社会对于人才需求的变化。

纵观今年新增的本科专业,有几大门类吸引目光:新文科、新农科建设风生水起,人文与科技更多的“融合”,意味着传统意义上基础学科和应用学科的界线开始变得模糊。数据科学与大数据技术专业继续成为热门,加上今年新开设相关专业的196所高校,目前,全国已有近500所学校开设此专业;35所高校首次设立人工智能专业,这意味着,高校开始体系化培养人工智能行业后备军。与幼儿养育相关的专业继续增设,这不仅是因为全面二孩政策的实施,更是由于人们越来越重视对下一代的培养。

“新增专业弥补了我省有关专业的布点空白,进一步优化了专业结构。”省教育厅高教处副处长王国银介绍,此次省属高校新增专业主要围绕数字经济“一号工程”、战略性新兴产业、高新技术产业和万亿产业开设,这些专业瞄准国家战略需要和社会经济发展急需,进行创新型、复合型、应用型人才储备。

夯实基础

新文科、新农科未来可期

作为近年来高等教育中最时髦的词汇之一,新工科对于考生和家长来说已经不陌生了,但如果说起新文科、新农科,很多人可能就要打个问号。

去年10月,教育部等部门决定实施“六卓越一拔尖”计划2.0,在基础学科拔尖学生培养计划中,首次增加了心理学、哲学、中国语言文学、历史学等人文学科,“新文科”概念浮出水面。今年4月,教育部、科技部等13个部门正式联合启动“六卓越一拔尖”计划2.0,全面推进新工科、新医科、新农科、新文科建设。

新文科“新”在何处?打破旧壁垒,跨界寻方法,归纳真规律,新文科意味着对传统基础学科的一次重新整合。

“相对于传统文科,新文科有两个特色。”南开大学传播学系主任陈鹏说。其一,新文科是问题导向的,新文科面对的是社会发展变化中的新现象、新问题、新变化,有些现象和问题是人类历从未遇到过的,如大数据、区块链、5G、人工智能等,需要突破传统文科的框架,采用新方法、新视野去探索新理论、新规律。其二,新文科为了寻求对社会和人类自身的研究,需要通过“跨界”方式进行革新,这种“跨界”不仅仅发生在文科的各学科之间,甚至出现在文科和理科、工科、医科等学科之间,需要多学科之间的交叉和深度融合。

当前,清华大学、中国人民大学等高校开设的人文科学实验班,西安交通大学、华东师范大学等高校开展的学院式教学模式,都被视为我国新文科建设的重要经验。一位资深文科研究专家表示,当前,文科与其他学科有一些结合,比如考古学和技术结合,就形成了科技考古;信息技术和艺术结合,就形成了艺术设计的网络化等,但还远远无法满足现在社会的需求。新文科就是一种有效路径。

2018年4月,浙江大学召开文科大会,提出面向2035年发展目标和“文科十条”,进一步推进文科发展强主流、上一流。省内其他高校也纷纷积极为新文科创建搭建平台。浙江工商大学整合资源打造文科综合实验教学中心,打造跨学科综合性实验教学平台;浙江农林大学推出新文科求真实验班,帮助学生打牢知识储备金字塔的稳固塔基,再渐次进入专业学习,形成坚实塔身和更高耸的塔尖……

在浙江大学传播研究所教授、博士生导师邵培仁看来,建设新文科,其实也是对传统文科的反思。他指出,新文科有利于构建立足中国文化土壤、具有中国特色,具备整体性、包容性、互动性、共享性特质的面向全球、面向全人类的大文科。

不难看出,未来新文科相关专业或将成为热门。不仅如此,使用文文互鉴、文理交叉、文工融合的思维方法解决问题,还将为高校人才培养和评价体系带来新变革。

除了新文科,新技术的出现也让一些专业被赋予了新的内涵,比如新农科。

当前,随着生态文明建设的持续推进,生态学、环境科学等专业毕业生越来越受欢迎。今年,杭州师范大学就新增了生态学专业。该专业相关老师介绍,随着国家对生态学专业人才的需求增多,生态学专业人才培养规模逐渐加大,未来掌握生态学及植物学、动物学、微生物学、地理学等基础知识、分析方法和应用技能的人才会很抢手。

“浙江是‘两山’理论诞生地,‘农’字头的专业发展空间很大。”浙江农林大学主要负责人表示,“新农科”建设是乡村振兴实践、高等教育改革、人才需求变化和社会经济进步的必然选择,原先注重高度专业化、技术化的教育教学方式和人才培养模式已无法适应新时代农林高等教育的新需求,亟需探索实现农科学生全面发展的“新农科”建设之路。

顺应趋势

大数据、人工智能纷纷开班

顺应当下人工智能行业的热潮,今年新增的热门本科专业,均与大数据、人工智能、机器人等信息技术关键词相关。

梳理发现,数据科学与大数据技术专业在短短三四年间,从无到有,并一跃成为热门专业。2015年度的审批结果中,北京大学、对外经济贸易大学、中南大学3所高校成为首批获批设立该专业的高校;2016年度又有32所高校设立该专业;到了2017年度,获批设立这一专业的高校数量达到250所;加上2018年度新增的196所,目前,共有481所高校开设这个专业。

今年,我省有湖州师范学院、宁波工程学院、宁波财经学院、浙江大学城市学院等9所高校新增备案数据科学与大数据技术专业。一位专业课老师表示,社会在不断发展进步,现在的一些“新专业”也许尚无足够的办学经验,但可能恰恰是未来社会发展的需求所在。

在新增专业中,人工智能专业的热度也在逐年递增。继去年杭州电子科技大学、浙江理工大学成为我省首批开设智能科学与技术专业的高校后,今年,我省又有一批高校在人工智能人才培养上“摩拳擦掌”,积极增设相关“硬核”专业,改进人才培养思路。

浙江大学今年新增机器人工程和人工智能两个专业,还将在竺可桢学院新设图灵班。入选图灵班的学生可以在计算机科学与技术、人工智能、信息安全三个专业中确认专业。从入学开始,每位学生可从学院的优选导师库中选择一名学业导师,还将有国外顶尖大学的教学大师和科研领军人物到浙大给图灵班学生单独授课。

除了浙大以外,省内其他高校也在结合各自特色专业,构建人工智能专业的课程体系。比如,浙理工把专业发展方向和学校的优势结合起来,重点在智能穿戴等领域取得突破,还专门成立纺织工业人工智能研究院;浙工大结合了安防产业、智慧交通、“城市大脑”等浙江省的优势领域,与企业合作,开拓专业方向。

“打造新专业特色成了各高校的当务之急和立足之道。”杭州电子科技大学人工智能学院副院长吕强说,针对人工智能人才培养带来的新挑战,杭电人工智能学院提出了多方协同育人的理念,并将其作为教学改革项目进行探索,“人工智能对数理基础要求较高,我们在数学课程中增加了矩阵论、离散数学等原来研究生学习阶段才会有的课程内容,努力帮学生打好基础,在暑假,我们还计划举办夏令营,邀请企业名师进校园培训,共同开发专业课程等。”吕强说。

值得关注的是,人工智能已经从独立的专业教育,扩展到更广的层面。今年,浙江财经大学向非计算机类专业学生推出了人工智能“微专业”,其中包括了Python程序设计、高级数据库、机器人编程与实践等课程。“人工智能在信息金融、金融科技等领域有非常多的应用场景。财经类专业学生的数理基础比较好,这些知识将为他们的未来打下更好的基础。”浙财大教务处副处长石向荣说,可以预见的是,未来社会需要大量具有具体专业背景,同时又掌握人工智能相关知识的复合型人才。

紧盯儿童

医教类专业持续扩招

当下,伴随着“全面二孩”政策施行,各大医院产科分娩量走高,目前助产人才无论从数量上还是质量上都难以满足社会需求,临床急需本科层次助产人才。助产学专业于2016年首次开设,当时仅有4所高校获批开办此专业,2017年有20多所高校新增此专业。

近两年,我省先后有浙江中医药大学、温州医科大学、杭州医学院等3所高校新增了助产学专业。温州医科大学的助产学专业设在护理学院,目标是培养掌握护理学和助产学的基础理论和护理技能,具有基本的临床护理和临床助产能力,在各类医疗卫生保健机构中能够从事临床助产、围产期护理,以及母婴保健工作的高级助产人才。今年,台州学院、温州医科大学仁济学院也开设了助产学专业。

一位从事医学教育多年的教授表示,当前社会大众对医疗的需求,不仅体现在量上,更体现在质上。虽然现在医疗行业整体水平保持着上升态势,但人们对优质医疗的需求增长更快,所以仍然感觉医疗资源紧缺。

不久前,由中国工程院院士郑树森担任院长的浙江树人大学树兰国际医学院揭牌成立。作为树兰国际医学院首个设置的重点专业,临床医学专业面向全国招生100人。学院拥有国际医学专家、博士生导师等组成的高水平师资队伍,以及一批高水平的基础医学与临床医学实验平台。

同样,面对强烈的社会需求,温州医科大学今年增加了普通本科计划数。临床医学(定向培养)从30人增加到60人,面向萧山区等30个县(市、区)招生;麻醉学专业从61人增加到93人,其中省内普招增加16人。

值得一提的是,今年,浙江中医药大学新增食品卫生与营养学专业,这也是我省开办该专业的高校(不含独立学院)。该校招生办相关负责人介绍,食品卫生与营养学作为一门综合性的交叉学科,涉及预防医学、食品科学、营养学等多个学科,在提升健康素养,保障食品安全,促进疾病的营养学防治完善健康保障方面大有作为。

纵观今年我省的新增专业,从抚养、就医,再到教育,与幼儿养育相关的专业成为热门,除了新增儿科学、中医儿科学、助产学等专业外,学前教育、小学教育等师范类专业的报考也很火爆。

今年,杭州师范大学增加小学全科教师、中学紧缺学科教师定向培养招生计划。杭师大教务处副处长、招生办副主任顾海春介绍,今年,学校将继续面向杭州、宁波、温州、绍兴、金华、衢州、丽水、台州、舟山等地区定向招生255名,提前录取,补学费,包就业。同时,复建音乐学院,增加音乐学(师范)、舞蹈学(师范)专业招生计划。

第4篇

关键词:大学计算机基础;教学改革;人工智能;智慧课堂

云计算、大数据、人工智能新兴领域的崛起,推动信息技术全面渗透于人们的生产生活中。信息技术的核心在于计算机技术和通信技术。然而,虽然目前各个高校都开设了计算机基础课程,但是其教学却存在着诸多问题,导致该课程无法达到预期的教学效果。教育部在2012年《教育信息化十年发展规划(2011-2020年)》,其中指明“以教育信息化带动教育现代化,促进教育的创新与变革”[2]。因此,本文以华中师范大学计算机基础课程教学为例,深入阐述了传统计算机基础课程教学的弊端,提出了在当前人工智能如火如荼的时代背景下,如何应用人工智能相关技术对传统的计算机基础教学进行改革的具体方案。该方案以创建网络智慧课堂教学模式改革为主体,辅以教学观念、知识体系和课程考核方式改革,以期对高校的计算机基础课程教学有所裨益。

1传统教学的缺陷

⑴课程的教学地位没有引起足够的重视一些高校为计算机基础课程分配较少的学时(少于48学时),甚至有的专业将此课程设置为选修课。这种设置降低了该课程在教师和学生心目中的位置,导致了对该课程的忽视。同时,不少老师因为学时不够,时间紧迫,仅仅讲述与考试相关的内容,不考的一概不讲。这导致学生的眼界受限,知识和能力受限,无法培养其全面综合的计算机素质。还有的专业没有将这门课给专业的计算机学院的老师讲授,而是随意安排授课人员。没有经过系统专业训练的教师缺乏足够的知识储备,很难讲好这一门看似简单的课程。⑵课程教学内容的制定与当今时代对于信息化人才的需求脱节一些高校的现状是计算机基础的课程教材知识陈旧[3]、质量堪忧,教材总是无法跟上知识更新的步伐,例如都2019年了还在讲Office2010。有的高校由于缺乏对课程的重视,没有对教材优中选优,而是基于利益的考虑,优先选择自己院系编写的教材。其教材内容是七拼八凑,没有整体性、逻辑性和连贯性,更不用说前瞻性。这样的教材,无疑对学生的学习设置了巨大的屏障。除此以外,一些院校的课程教学知识体系不够明确和完善,教学大纲的制定不够科学。从教学大纲中制定的学时分配来说,常常偏重实用性[4],常用计算机软件操作占据了大部分的课时。这会让教师在授课时轻理论而重操作,如此培养学生,非常不利于其计算思维的形成,对后续其他计算机相关课程的学习也是很大的伤害。⑶教学模式过于传统,信息化水平较低从教学方式上来说,传统的教学模式以教师课堂授课为中心,是以教师为主体的教学模式[5]。在这种模式下,教师仍然主要以填鸭式教学为主[6],无法通过课堂教学发现学生的个性化特点,并进行有针对性的教学。另外,虽然计算机基础课程一般都配备了实验课时,但是实验课常常是采用教师布置上机任务、学生做完抽样检查的模式。这对于大课堂来说,教师的任务繁重,无法搜集到每一个学生的任务完成情况,无法清晰地掌握学生学习的实际情况和薄弱环节。而且,该课程缺乏相应的研讨课时,很难让学生对其所学知识进行深入思考和探究,以增强思辨能力和对课程的学习兴趣。⑷课程考核方式不够公平合理从考核方式上来说,该课程普遍采用“平时成绩”+“期末考试”的加权方式对学生成绩进行评定。平时成绩多由考勤分所得,期末考试多采用机考模式。这种考核方式过于单一化、机械化,无法对学生进行全方位的评价。很多学生来到教室打考勤,但可能根本没听讲,而是在睡觉或者玩手机。期末机考的公平合理性也是存在着很多的漏洞。例如机考的试题库可以十年不变,分值的分配和难度的掌握都没有经过系统的考量。甚至有的考试系统不够稳定和安全,频频爆出Bug,严重影响了考试结果的真实性。

2新人工智能环境下对计算机基础课程改革的具体方案

2012年开始,在随着卷积神经网络技术在视觉处理方面的应用取得巨大的成功之后,人工智能到达了有史以来的第三个爆发期。目前,深度学习技术在AlphaGo、无人驾驶汽车、机器翻译、智能助理、机器人、推荐系统等领域的发展如火如荼。与此同时,人工智能技术在教育领域方面的应用已经兴起。人工智能的教学产品也已有先例,例如基于MOOC平台研发的教学机器人MOOCBuddy等等。基于人工智能的教育是融合云计算、物联网、大数据、VR、区块链等新兴技术的增强型数字教育[2].在当前人工智能的大时代背景下,针对传统计算机基础的种种弊端,我们提出了如下教学改革方案。⑴改变教学理念,确立计算机基础课程的重要地位计算机基础作为高校的一门公共课,实则应当作为各个专业的学生后续的学习、科研的必修之课程。因此,高等学校应从源头上确立该课程的重要地位,将该课程纳入必修课范畴,并给与更充分合理的课时分配。除教学课时、实验课时之外,需要为该课程增加一定的研讨课时。任课老师必须是来自于计算机专业的人才。同时,定时举办关于该课程的教学培训、教学研讨会和教学比赛,改变教师的教学理念,从源头上给予该课程足够的重视。⑵优化教学内容,重新制定课程的教学知识体系教材是教师教学的主要依据,也是学生获得系统性知识的主要来源。因此,教材对于教学的重要性不言而喻。教材的选取需要优中择优,必要的时候可以根据自身院校的情况自己编写,力求使用好的教材使教学事半功倍。在选定优质教材的基础上,制定更加合理的教学大纲,优化计算机基础课程的教学知识体系,突出计算机学科入门相关基础理论知识的重要地位。对现有的过时内容进行更新,例如操作系统以Windows10的操作取代Windows7,Office这部分使用Office2019版本取代2010的版本,同时增加关于算法入门知识、程序设计入门知识以及人工智能、区块链等前沿知识单元的介绍。以华中师范大学为例,我们在图1中给出了该校计算机基础课程的教学知识体系结构图。⑶充分利用现代化的教学工具和人工智能技术,构建智慧课堂,改变传统教学模式现代化的教学应当转变以教师为核心的教学模式,更加突出学生的主体性地位。因此,在人工智能、物联网、大数据等技术和蓬勃发展的情形下,应当改变传统的课堂教学形式,充分利用现代化信息技术,将传统课堂教学和网络课堂教学模式相结合,构建智慧课堂。融合课堂教学身临其境的效果与网络课堂自主性强且方便师生交流的特点,通过师生之间多层次、立体化的互动,达到提升教学效果的目的。同时,建立功能强大、完善的学生实验平台,基于不同专业学生的不同特点和不同需求,进行个性化的作业设置。针对教师布置的实验任务和学生的完成情况,结合在线网络教学系统,通过传感器及网络数据,搜集学生的学习行为数据,并且使用人工智能算法进行智能分析,使教师对当前的学生的学习情况一目了然,并能引导学生对重点、难点的巩固和掌握。研讨课以学生为主体,按照所选课题进行分组调研、分组讨论,刺激学生的学习兴趣,培养其思辨能力。研讨内容最终可以课程论文的形式上交至课程共享平台,由教师和同学共同给出评分。这里,仍以华中师范大学为例,我们将在线教学系统、实验课平台、研讨课共享平台等集成为一个基于人工智能技术的网络智慧教学综合平台系统。该系统主要包括用户管理、在线教学、课堂互动、作业管理、考试管理、BBS系统、智能分析和平台管理8个模块,其主要功能如图2所示。该系统采用C/S模式,系统的服务器选用Linux服务器,同时开发基于PC机的和手机端的客户端系统,方便学生和教师随时选用、更加灵活。在线教学模块中的智能学习助理功能,能够根据历史用户的学习行为和当前用户的学习行为,自动地识别学习内容中的难点以及当前学生的难点内容,有针对性地对学生进行知识点强化。课堂互动模块中,通过可穿戴式传感器搜集学生的学习行为,用于后续智能分析模块中对学生的学习态度和学习行为进行智能分析。在线作业评价模块包括机器评价和教师评价两个功能。机器评价是系统为学生作业(客观题、主观题)自动评分,其中主观题的评分也是使用人工智能技术来实现。教师评分时可以参考机器评分,减少教师工作量。同时,教师评分为机器评分提供机器学习的经验数据,促进机器评分更加智能。智能分析模块能够依据学生的在线课程学习模块、课堂学习模块、作业管理模块等搜集到的学习行为数据进行综合分析,促使教师深入了解学生的学习情况和个性化特点,提升教学的针对性,并且有助于后续对学生进行全面、综合的分析和成绩评定。所有系统模块中使用到的智能分析技术包括基本的统计分析、以及各类机器学习算法(k-means,NaveBayes,SupportVectorMachine,DeepLearning等等)。⑷改变传统成绩考核的方式在“教学”+“实验”+“研讨课”课程结构以及网络智慧教学综合平台的辅助之下,学生的成绩评定更加全面化、多元化、公平化、自动化[7]。平时成绩中,除了教学综合平台的“课堂签到”次数之外,还增加更多丰富多元化的考察信息,如:学生的课堂讨论、在线课程学习和考核结果、平时作业完成情况,以及智能分析模块中辅助分析的学习态度、学习能力、平时成绩预测。期末上机考试系统也是智慧课堂综合平台的一个子模块,是精心设计的稳定、安全、功能强大的子系统,方便教师每一年更新试题库,修改bug。试题库中的每一套试卷都应当经过科学的考卷质量分析,使其难度、覆盖范围在一个均衡、合理的范围。最后,教师通过对各类平时成绩指标以及期末考试成绩加权,给出最终的学习成绩。通过规范、合理、公平、全面的考核体系,获得对学生公平、完善的评价机制,激励学生并刺激教学良性运转。

3结束语

第5篇

关键词:知识表示与知识推理;教学设计;教学实践;数理逻辑;人工智能

知识表示与知识推理是智能信息处理的基础。从人工智能的角度看,知识是构成智能的基础,人类的智能行为依赖于利用已有的知识进行分析、猜测、判断和预测等。当人们希望计算机具有智能行为时,首先需要在计算机上表达人类的知识,然后再告诉计算机如何像人一样地利用这些知识。

自从人工智能领域诞生以来,知识表示与知识推理就一直是其中最为重要的子领域。经过五十多年的发展,知识表示与知识推理领域的许多研究内容、研究方法和研究成果已经深深渗入到计算机科学,进而对计算机学科的发展产生了深远的影响。例如,在C++、Java等面向对象程序设计语言中,“继承”这一最为核心的技术就来源于知识表示与知识推理。再如,在软件自动化领域,许多程序规格语言和程序验证技术都借鉴了知识表示与知识推理领域的Prolog语言等研究成果。从工程开发的角度看,专家系统、智能搜索引擎、智能控制系统、智能诊断系统、自动规划系统等具有所谓智能特征的系统都或多或少地依赖于知识表示与知识推理技术。因此,对于计算机专业的学生来说,学习知识表示与知识推理方面的课程,对于今后在相关领域从事系统开发和科学研究都大有裨益。

在ACM与IEEE-CS联合攻关组制订的计算教程CC2001(Computing Curricula 2001)中,知识表示与知识推理得到了高度重视。CC2001给出的计算机科学知识体由14个知识领域组成:在其中的IS(Intelligent Systems)知识领域中,关于知识表示与知识推理的内容占据了10个知识单元中的2个,即知识单元“(Is3)知识表示与推理”以及知识单元“(IS5)高级知识表示与推理”。在ACM和IEEE-CS进一步修订后的计算机科学教程CS2008(Computer Science Curriculum 2008)中,知识表示与知识推理同样得到了高度重视。此外,在我国高等学校计算机科学与技术教学指导委员会制定的计算机专业规范中,上述的IS3和IS5两个知识单元被全部包括到计算机科学专业的核心课程“人工智能”中。然而,据我们了解,由于“人工智能”在许多高校仅仅作为专业任选课开设,使得计算机相关专业的许多学生无法接触到知识表示与知识推理方面的内容。与此同时,由于课时数限制及没有得到重视等因素,实际开设的“人工智能”课程(包括本科生课程和研究生课程)往往难以覆盖CC2001在知识单元IS3和IS5中列出的各个知识点。

实际上,经过五十多年的发展,知识表示与知识推理领域已经沉淀出一系列基本的方法、理论和技术;这些方法、理论和技术在CC2001的知识单元IS3和IS5中基本上都以知识点的形式列举了出来。作为计算机专业的教育工作者,我们有责任将这些体现了几代人智慧结晶的知识介绍给学生。另一方面,从研究者的角度来看,知识表示与知识推理是一个非常活跃的研究领域;尤其是随着Web技术的发展以及Web科学的出现,知识表示与知识推理将在计算机科学中扮演越来越重要的角色。面对万维网这个全球最大的分布式信息库,如何让计算机对其中海量的数据和信息进行分析、推理和管理,进而为人类提供方便的知识服务,是目前信息技术领域面临的一个重大问题。针对这个问题,国内外研究者基本上都是从人工智能的角度寻求解决思路;近年来成为研究热点的语义Web更是完全建立在知识表示与知识推理的基础上。因此,从开拓学生思维以及介绍研究与技术前沿的角度来看,也非常有必要向学生讲授知识表示与知识推理的相关内容。

基于以上认识,我们为计算机软件与理论专业和计算机应用技术专业一年级的硕士研究生开设了一门32课时的选修课程,以CC2001和CS2008列出的知识单元为核心,对知识表示与知识推理的相关内容进行教学。本文对教学设计和教学实践中遇到的主要问题进行分析,针对这些问题给出相应的解决对策,并对我们获得的经验和教训进行总结。

1 “知识表示与知识推理”知识体的教学设计

自上世纪九十年代以来,国内外许多高校就将“知识表示与知识推理”作为一门课程,面向研究生或高年级的本科生开设。其中比较著名的包括加拿大多伦多大学Hector J.Levesque教授开设的知识表示课程,美国斯坦福大学Leom Morgenstem教授开设的知识表示课程,英国曼彻斯特大学Ulrike Sattler教授等讲授的知识表示和推理课程,中山大学刘咏梅教授讲授的知识表示和推理课程等。但是,由于没有统一的课程设置标准,这些课程讲授的知识点都不尽相同。2000年,Leom Morgenstem和Richmond H.Thomason总结了开设知识表示与知识推理课程时面临的挑战,提出了相应的解决思路。其中,针对该课程缺乏统一的教学知识体的情况,他们设计了一个持续14周、每周2次课的教学大纲。在文献[5]中,Leora Morgenstem进一步修订了之前提出的教学大纲,建议在其中增加语义Web及Web本体语言OWL等内容。

尽管目前各高校开设的知识表示与知识推理课程的课程大纲仍然不尽相同,但比较可喜的是,对知识表示与知识推理的教学在CC2001计算教程中得到了高度重视。CC2001分别在“知识表示与推理”和“高级知识表示与推理”两个知识单元中列出了关于知识表示与知识推理的教学内容。知识单元“知识表示与推理”由以下知识点组成:命题逻辑和谓词逻辑回顾,归结原理与定理证明,非单调推理,概率推理,贝叶斯定理。知识单元“高级知识表示与推理”由以下知识点组成:结构化知识表示(包括对象与框架、描述逻辑和继承系统),非单调推理(包括非经典逻辑、缺省推理、信念修正、偏好逻辑、知识源的集成、冲突信念的聚合),对动作和变化的推理(包括情景演算、事件演算和分枝问题),时态和空间推理,非确定性推理(包括概率推理、贝叶斯网络、粗糙集和可能性理论、决策理论),针对诊断的知识表示与定性知识表示。在CC2001的基础上,CS2008在知识单元“知识表示与推理”中增加了合一与提升、前向链接、反向链接以及归结等知识点;在知识单元“高级知识表示与推理”中增加了本体工程和语义网络两个 知识点。

以CC2001和CS2008列出的知识点为基础,在综合考察了国内外相关课程的开设情况之后,我们对“知识表示与知识推理”课程的教学内容及相应的学时分配设计如下。

1)概述(2学时)。介绍知识表示与知识推理领域的发展历史、现状和前景:讲授知识表示的基本思路和基本原理;介绍知识表示方法和技术的典型应用:列举典型的采用了知识表示技术的系统,与没有采用知识表示技术的系统进行比较分析。

2)基于一阶谓词逻辑的知识表示和推理(4学时)。讲授一阶谓词逻辑的语法、语义和语用;通过例子讲授如何应用一阶谓词逻辑进行知识表示;讲授如何应用消解原理进行知识推理;讲授如何应用Tableau算法进行知识推理;分析一阶谓词逻辑存在的局限。

3)Horn子句逻辑与产生式系统(2学时)。讲解Horn子句及其过程解释;介绍SLD归结以及分别采用反向链和正向链的推理过程;通过例子讲授如何应用Horn子句逻辑进行知识表示和推理;对Prolog语言进行简单介绍;通过例子介绍如何应用产生式系统进行知识表示和推理。

4)结构化知识表示(6学时)。介绍对象与框架,介绍基本的框架形式系统:介绍语义网络,对推理过程中的继承机制进行介绍。介绍描述逻辑家族的研究历史和发展现状;以逻辑系统ALC为例,讲解描述逻辑的语法和语义;通过例子讲授如何应用描述逻辑进行知识表示;讲授如何应用Tableau算法对描述逻辑刻画的知识进行推理。

5)非单调知识表示和推理(4学时)。介绍非单调性推理的研究历史;讲解封闭世界假设与开放世界假设;讲解缺省推理和限定推理;对自认知逻辑、偏好逻辑和真值维持系统进行介绍;对信念修正、知识源的集成以及冲突信念的聚合进行介绍。

6)非确定知识表示和推理(4学时)。对模糊逻辑进行介绍;讲授概率推理和主观贝叶斯方法;对粗糙集、可能性理论和决策理论进行介绍。

7)解释与诊断(2学时)。讲授反绎推理的基本思路,将其与演绎推理和归纳推理进行比较分析;以一个电路系统为例,讲授如何在知识表示的基础上采用反绎推理进行故障诊断。

8)动作与规划(4学时)。介绍动作与规划领域的研究历史和发展现状;讲授如何在STRIPS系统中对动作进行刻画以及如何进行规划求解:讲授如何应用情景演算和事件演算对动作进行刻画、推理、及规划求解;对框架问题、条件问题和分枝问题进行介绍;对规划语言PDDL进行介绍。

9)时态和空间推理(2学时)。对时间点/时间段、离散/连续、有限/无限、线性/分支等表示时态信息的不同方式进行介绍;对Allen的区间代数理论进行介绍;对线性时态逻辑和分支时态逻辑进行介绍;对基于点/基于区域、离散/连续、有限/无限、同维/混合维等表示空间信息的不同方式进行介绍;对区域连接演算RCC进行介绍;对时态与空间推理的结合进行简单介绍。

10)语义Web和本体工程(2学时)。介绍语义Web的基本思想、技术现状和发展趋势;讲授语义Web的层次模型以及各个层次的目标和功能;对资源描述框架RDF、Web本体语言OWL、Web规则标记语言RIF、Web查询语言SPARQL等进行介绍。对本体的构建、管理和维护进行介绍。

上述教学内容的基本特点是覆盖了CC2001和CS2008列出的关于知识表示与推理的所有知识点。此外,我们将目前作为计算机科学和人工智能领域研究热点的语义Web等内容引入了课堂教学,不仅可以将相关研究前沿展示在学生面前,而且还可以让学生更加深刻地体会学习知识表示与知识推理的价值,进一步激发他们的学习热情。另一方面,上述教学内容存在的一个缺陷是内容过多。由于受到课时数的限制,部分内容在讲授时不能充分展开,留给学生课堂练习和讨论的时间不充裕。

2 教学实践中的主要问题及对策

在围绕“知识表示与知识推理”知识体开展教学实践时,我们遇到的问题主要来自以下几个方面:教师和学生对“人工智能”课程以及其中的“知识表示与知识推理”知识体不重视,缺乏合适的教材,学生缺乏必要的基础知识。下面对这些问题进行逐一分析,对我们采取的对策进行相应介绍。

2.1 师生对“人工智能”课程不重视

许多教师和学生对“人工智能”课程不够重视,甚至存在偏见。我们觉得,这种现状很大程度上是由人工智能自身的发展历程造成的。人工智能领域刚诞生时就被赋予过高的期望;早期的研究者也过于乐观地给出了一些不切实际的承诺。由于不能在短期内实现过高的目标和兑现相应的承诺,使人工智能领域在上世纪80年代末90年代初一度跌入低谷,甚至达到了声名狼藉的地步。这一特殊的发展历程使得一部分对人工智能了解不多的教师和学生产生误解,认为人工智能是一个比较务虚的领域。这种误解甚至影响到“人工智能”课程的开设。目前,在许多高校计算机相关专业的课程设置中,“人工智能”往往只作为选修课程开设,没有得到教师和学生的普遍重视。

实际上,从信息技术发展规律的角度来看,人工智能的上述发展历程是很正常的。根据市场权威研究机构Gartner给出的“技术成熟度曲线”(hype cycle)理论,一项新的IT技术在产生之后,一般先是默默无闻地奋力发展几年,然后会由于被大家寄予很高的期望而迅速火爆起来,接着会因为没能兑现过高的承诺而跌入谷底,最后会再次崛起并由于过硬的成就而被大众普遍接受。人工智能已经经历了从默默无闻到迅速火爆再到跌入谷底的发展过程,目前正处于再次崛起的阶段,并且将通过不断取得的成就而被大众普遍接受。

人工智能的教学在CC2001和CS2008中得到了高度重视。CC2001给出的计算机科学知识体由14个知识领域组成,作为其中的知识领域之一,智能系统(即人工智能)与离散结构、程序设计、操作系统、计算机体系结构等已经得到普遍重视的知识领域具有了相同的地位。在我国高等学校计算机科学与技术教学指导委员会制定的计算机专业规范中,也将“人工智能”作为了计算机科学专业的核心课程。但是,对人工智能相关知识的传播需要一个长期的过程,仍然需要广大科研和教育工作者的不懈努力。

2.2 师生对“知识表示与知识推理”知识体不重视

即便部分教师和学生认识到人工智能知识领域的重要性,但对于其中的“知识表示与知识推理”知识体仍然不够重视,认为没有必要专门通过一门课程进行教学。

针对这个问题,我们可以对人工智能领域的发展历程作进一步考察。我们知道,人工智能领域的诞生就是从知识表示和知识推理开始的。在1956年标志着人工智能诞生的Dartmouth会议上,Herbert Simon和Allen Newell展示的“逻辑理论家”就依赖于知识表示和知识推理。在此之后的五十多年中,知识表示与知识推理就一直是人工智能中最为重要的子领域。相 应的一个佐证是,1966年到2009年期间,在获得图灵奖的56名科学家中,Marvin Minsky、John Mccarthy、Herbert Simon、Allen Newell、Edward Feigenbaum和Raj Reddy等6名科学家都在知识表示与知识推理领域取得了开创性的研究成果。

知识表示与知识推理的重要性在CC2001和CS2008中同样得到了体现。CC2001给出的“智能系统”知识领域由以下10个知识单元组成:智能系统中的基本问题、搜索与约束求解、知识表示与推理、高级搜索、高级知识表示与推理、智能主体、自然语言处理、机器学习与神经网络、人工智能规划系统、机器人;C$2008在CC200I的基础上增加了智能感知这个知识单元。其中,关于知识表示和知识推理的教学内容不仅占据了两个知识单元,而且在智能主体、人工智能规划系统、机器人等知识单元中也占据了相应的多个知识点的位置。由于32课时的人工智能选修课程通常只能对上述知识单元作一个概要性的介绍,对于想进一步深入学习的学生,在有条件的情况下,我们完全有必要开设一门关于“知识表示与知识推理”的课程。另外,从上一节给出的教学设计可以看出,如果要覆盖CC2001和CS2008给出的关于知识表示与知识推理的所有知识点,一门32课时的课程在时间上还很不够用。因此,基于以上分析,我们希望“知识表示与知识推理”的教学首先能够得到相关教师的认可和重视,然后通过课程设置等途径逐渐吸引学生的关注,并在教学过程中激发起学生的学习兴趣和热情。

2.3 缺少合适的教材

尽管CC2001和CS2008详细地列出了关于知识表示与知识推理的主要知识点,但是,据我们所知,目前还没有出现完全覆盖这些知识点的合适教材,而中文的相关教材更是缺乏。

在参考了多方面的资料之后,我们选择了Ronald Brachman和Hector Levesque撰写的《Knowledge Representation and Reasoning》作为教材。Ronald Brachman和Hector Levesque都是知识表示与知识推理领域的著名学者。其中,Ronald Brachman于1977年在哈佛大学攻读博士学位时提出了KL-ONE系统,开创了目前成为研究热点的描述逻辑领域,之后于2003年担任了美国人工智能学会的主席,目前是ACM院士、雅虎全球研究运营副总裁。Hector Levesque在知识表示领域也做出了许多开创性的研究成果,曾于2001年担任人工智能顶级会议IJCAI的主席,于2006年当选加拿大皇家学会会士。除了时态和空间推理以及本体工程这两个知识点之外,CC2001和CS2008中列出的其他关于知识表示与知识推理的知识点,在《Knowledge Representation and Reasoning》中都基本上得到了体现。另外,为了在课程中向学生介绍语义Web方面的知识,我们选择了Grigoris Antoniou和Frank van Harmelen撰写的《A Semantic Web Primer》作为参考书目。

2.4 学生缺乏必需的基础知识

知识表示与知识推理的核心思想是采用形式语言(尤其是逻辑语言)对知识进行刻画和推理,因此要求学生在学习该课程前具有扎实的数理逻辑基础知识。

尽管数理逻辑对于整个计算机学科来说具有非常重要的作用,但在目前计算机相关专业的课程设置中,数理逻辑往往只作为离散数学课程的一个部分进行教学,在课时数量上非常有限。此外,从教材的角度来看,大部分离散数学教材的数理逻辑部分主要介绍命题逻辑的相关知识,而且只介绍命题逻辑联结词、范式、等值演算、自然推理系统等最基本的内容;对一阶谓词逻辑以及命题逻辑中更为深入的内容介绍得很少,甚至不介绍。这些内容对于学习知识表示与知识推理知识体来说远远不够。例如,根据我们在讲授“知识表示与知识推理”之前的调查,许多研究生对于一阶谓词逻辑的语法与语义等基本概念都还比较模糊,对于消解原理、Tableau方法、可满足性问题等内容更是没有接触过。

针对上述问题,除了原计划关于一阶谓词逻辑知识表示的4个课时之外,我们临时增加了2个课时的课堂教学,为学生补充命题逻辑的语法和语义、公式可满足性问题、Tableau判定算法、基于消解原理的判定算法等内容。由于受到课时的限制,许多重要的结论及其证明过程无法在课堂上详细阐述。

值得一提的是,由于研究课题的需要,我们组织部分研究生一起学习了John Bell和Moshe Machover撰写的著名教材《A Course in Mathematical Logic》。在学习这本教材时,我们将研究生分为三个小组,让各个小组自学该教材,对其中的引理、定理以及问题(Problem)进行证明或求解,然后在每周一次的学习班上使用黑板讲解他们的证明或求解过程。在3个月的时间里,将这本教材中的第一章和第二章学完后,这些研究生的数理逻辑知识明显上了一个台阶。在之后学习知识表示与知识推理的过程中,这部分研究生的学习效果也明显好得多。在今后的教学中,我们希望计算机相关专业的研究生能够先学习一门数理逻辑方面的课程,然后再学习知识表示与知识推理课程。

3 结语

第6篇

关键词:电气工程训练;电工电子技术;应用

引言

我国开展工程教育专业认证的目的是促进工程教育改革,加强工程教育实践,进一步提高工程教育的质量;建立与注册工程师制度相衔接的工程教育专业认证体系;吸引工业界广泛参与,进一步密切工程教育与工业界的联系;促进我国工程教育实现国际互认。

一、电气工程训练与电工电子技术教学现状分析

(一)电气工程训练现状

电气工程训练在电气工程的实际教学过程中起着重要的作用。利用电气工程培训可以提高学生维护、管理和实际操作相关电气工程实验装置、设备和工程技术的能力,这也是提高学生实践能力的一个非常重要的途径。在相关的教学过程中,电气工程专业增设实训课程的主要目的是让学生接触到一些实际的环境,对相关的操作和实验步骤有一个基本的了解。电气工程的培训内容一般包括实际操作和电气电子技术、电气安全常识等基础知识。目前电子工程相关的培训课程安排很不合理,缺乏相关的实践内容,让学生学以致用。

(二)电工电子技术教学现状

电工电子技术课程是一门涉及电工电子学基本知识和实践技能的学科,是高职高专机电类专业必须掌握的一门专业基础课程。电工电子专业与其他专业不同,其实践性比较强,只有多进行实践教学,才能让学生更好地掌握所学知识。然而,在实际进行电工电子专业教学时,大部分教师依然采用传统讲授式的教学方式,即教学模式依然停留在概念讲解、列举实例与做习题三点一线的阶段。电工电子专业理论知识本身比较复杂难懂,用这种传统讲授式的教学方式,学生只能被动性地接收教师所教知识,长时期的学模式下,学生对电工电子的学习积极性也会降低。尽管现阶段大部分职业院校开始利用多媒体设备,播放课件进行电工电子教学,但很多教师由于专业素养比较低,很少根据学生的学习情况进行课件制作,多是从网上下载课件进行教学。在这种枯燥乏味的教学氛围下,学生的创新能力与主动学习积极性难免会出现下降情况。

二、提高电气工程训练与电工电子技术教学效果的建议

(一)重视实践教学,强化能力培养

强化实验实践教学,构建“实验教学、综合实践和创新创业训练”三位一体的实践教学体系。结合专业实际科学设置创新创业综合实践模块,充分挖掘模块中的创新思维与创业能力提升的元素或内涵。通过开展创新创业实践、学科竞赛、学术报告、、专利和自主创业等情况均可折算学分,多修学分可以置换选修课程学分。根据专业培养实际,灵活设计课程见习、毕业实习(实训)、社会实践等活动;充分利用寒暑假时间灵活开展相关实习(实训)、实践活动;积极开展校内外实践协同育人,合作共建专业、实验与实训平台,推动师资与课程等资源共享;鼓励同国内外知名学校开展学分互认、访学、第二校园经历等类型多样的交流学习。

(二)创建智能学习助理,提高学生学习针对性

在电子电工技术教学活动融入人工智能技术,创建互助式智能学习助理。该助理可根据用户当前和历史的学习行为,为用户自动地提供相适应的学习内容的重难、难点,同时实现智能批改、自动答疑等功能。这不仅增加了教学活动的趣味性,更发挥了学生的主观能动性。智能学习助理还会对学生的学习态度和学习行为进行智能分析。智能学习助理要充分运用人工智能技术,依据学生的课堂表现、作业情况、实验操作等模块做出综合分析与评估,给学生提出针对性的意见和建议,不断提高学生的电子电工技术课程学习成績。智能学习助理要类似于“天猫精灵”“小爱音箱”等智能助手,涵盖电子电工技术课程所需的学习资源,便于学生在学习过程实时搜索查询。

(三)推进课程改革,强化以学生为中心

以培养目标和毕业要求为出发点,以专业认证标准为指导,基于社会需求,以倒推的方式设计课程体系和教学内容,加强横向联系,跨学科、跨专业建立基础平台课程,开展分层分类教学改革,加强纵向贯通,在不同模块间开展教学研讨。构建“课程-能力”关系矩阵,突出课程设置与教学内容对毕业要求达成的支撑作用,课程整合、课程、课程优化、课程趋新,解决因人设课、课程内容重复、课程内容陈旧等问题,形成层层相扣、紧密支撑的课程结构。

(四)以任务驱动进行教学设计教学设计是为了实现课程的教学目标,依据课程内容、学生特征和环境条件,将教学诸要素有序安排,确定合适的教学方案的设想和计划。本课程针对8个不同的项目,依据行为导向原则,以任务为最小单元,将每个任务按照资料获取、任务方案设计、任务的实施与测试、任务评价的完整过程进行。职业院校的学生最大的弱点就是理论基础薄弱,如何贯彻好职业教育“实用为主,够用为度”的原则,是值得深思的。很多职业项目化课程在设计过程中过度弱化了理论知识的传授,导致很多学生没有形成系统的理论知识,无法举一反三。因此,教学项目设计过程中注重理论教学与实践教学一体化,匹配本门课程知识能力目标和专业能力目标。

第7篇

【2012年学习技术发展趋势】Backchannel(反向通道),Content Curation(内容策展),Developing in the Cloud(云发展),Expanded Instructional Designer’s Role(教学设计者角色扩展),Flipped Learning(翻转学习),Gamification(游戏化),HTML5 for Mobile(移动HTML5),New Blended Learning(新混合学习)。

【在线教育十大趋势】走向开源;在线教育文凭得到雇主认可;混合课堂流行;在线教育招生规模呈几何级数增长;数据共享、协作功能;课本将渐被数字内容系统取代;社会化学习系统将基于云计算;视频短片流行;新的教育信息技术将基于云计算;教育网络的社交媒体化。

【学校需关注的个性化学习技术趋势】报道。①云协作环境帮降低IT基础设施成本和构建智能化个人学习环境;②跨平台整合,教育服务商从应用提供转变到平台整合;③移动需求猛增,BYOD将发挥更大的作用;④提供个性化学习体验的自适应学习更受欢迎;⑤游戏化让学习和获取知识的方式发生重大转变。

【教育是媒体公司开拓的新领域】电影、电视、报纸和杂志都面临业务下滑的危险,现在他们发现新的业务拓展领域——教育,这得益于技术被引进到教室。Discovery、新闻集团、NBC、迪士尼都开始押宝于数字化教育市场。传统媒体公司的进入,势必会为数字化教育带来巨大的资源,推动着教育的更深的变革和发展。

博主评论:最好的学习是个性化学习。可是,由于客观条件的限制,在传统教育中很难实现让每个孩子都进行个性化的学习。这些客观因素概括起来就是:体制、资源、技术等。批量生产人才导致的工厂化教学,对教育的投入不足导致学校人力物力缺乏等——这些都是大家知晓却无能为力的因素。就在大家都在等政策,拼资源的时候。技术作为影响教育的第三种力量开始引发前所未有的变革,形成了教学发展的新趋势。从云计算到智能终端,我们看到技术正走向平民化,以低廉的价格让普通人受益。而教育作为技术最后开垦的一个市场,让这个缺钱的行业成为新技术输出的新领域。于是我们看到了——低成本云服务,媒体集团丰富的教学资源,BYOD轻松解决1:1计算困境;也有了MOOCS、数字教材等技术专为教育催生的应用;更出现了“新混合学习”、“翻转学习”、“移动学习”等诸多新的学习方式。而这些技术力量正迈过体制和资源的藩篱,刺激着教育变革的神经。

新研究

【21世纪技术革新教育之个性化学习成为现实】为了让教学更有效,教师要先了解学生,最好的办法是使用技术来收集分析数据告诉我们学生的情况,并使用这些数据来针对性地创建学生个性化学习的路径。这就是自适应学习系统。据美国教育部最近研究,基于技术的教学能节约30%~80%的时间。(来自赫芬顿邮报)

【移动设备+社会化媒体=个性化学习】由Blackboard和Project Tomorrow移动学习报告:近50%高中生和40%初中生有智能手机或平板电脑。比2007年增长400%。寻找移动设备更广泛应用,是K12学生关键的机遇和挑战。越来越多学校学区考虑在教学中整合移动设备。27%的学校管理人员正在探索地移动学习想法。

【Learning Analytics-学习分析】学习分析就是对收集到的个体学生的大量数据给出阐释,以评估学业过程,预测未来表现,并发现潜在问题:①预测学生学业表现;②当学生遇到学习困难时给予定制化帮助;③个性化每位学生的学习过程;④用社会化、教育学和技术实现自适应教和学。此外,它还被用来评估课程,项目和机构。

【人工智能进入教育】人工智能和教育是AI、研究、学习和教育的交叉领域。智能教学系统、智能学习环境、自适应超媒体系统及其他计算机支持的协作学习系统等都被归为人工智能与教育领域。SCHOLAR CAI是有史以来第一个智能教学系统,由美国艾伦.M.柯林斯和海梅·卡博内尔在20世纪70年明。

【翻转课堂到底有什么价值?】ClassroomWindow近日了翻转课堂应用调查报告:①88%的受访教育人士表示翻转课堂提高了他们的职业满意度;②67%的受访者表示学生考试成绩得到提高;③80%声称学生的学习态度得到改善;④99%表示下一年将继续采用翻转课堂的教育模式。

【游戏如何使教育更好】增强基本技能、唤醒学生兴趣、练习科学流程、提高认知能力、更容易评价、自动矫正、扩展学习者能力、学生应用知识新途径、支持协作学习。来自2012布鲁金斯研究所报告《博客、社交媒体和视频游戏如何改善教育》作者Darrell M. West。

博主评论:表面上看,现在正经历一场由技术驱动的教育变革,实际上这是时代进步中各种力量合力产生的影响。特别是来自教育内部对教育规律进行的深入研究起着根本性的作用。通过这一系列的研究我们发现技术与教育结合产生的新学习方式效果明显;并揭示了学习分析、自适应学习的应用价值,即让教育界几千年的难题——个性化学习、因材施教成为现实;也表明技术不再是辅助工具,已经进入新教育的骨髓。

新工具

【Knewton开发出强大的自适应学习算法】该算法能判断用户实际水平,并为用户提供与其水平相适应的课程。Knewton通过不断的提问和测试判断使用者的真实水平,再为用户提供与之水平相适合的课程辅导。比如,用户代数有问题,系统会不断降低测试难度,直到找到用户能掌握的知识水平。

【戴尔推出教育数据管理服务】这个基于预测分析的决策支持系统——EDM,目的是提高K12学生的学习成绩和学校效率。EDM能整合来自多个不同系统的数据,报告学生的表现和成绩。该系统在地区层面工作,可跟踪学生数年及跨校表现,可帮助家长和学校识别学生的特殊需要、兴趣、能力倾向,以提高学生学习成绩。

【创新的虚拟学校】许多初创公司都在争抢一块免费在线学习馅饼,不过现实是,更多的学生需要个性化教学。创新的混合解决方案让人眼前一亮:虚拟学习教室模拟传统教室,用iPad演示和书写、Kinect捕捉教师动作进行小班授课,学生不仅从教师还能从虚拟小组的同伴处获得实时指导和帮助。

【Schoology=BlockBoard+FaceBook】Schoology在线学习将社交媒体和电子课堂管理有机整合在一起,提供全套学习管理工具:学习记录、测验、考试、家庭作业提交,这些工具可使用户通过社交媒体实现教室般互动。平台甚至还提供跨学校交流,允许学校间分享教室、小组讨论,支持外部导入课程。

【Edmodo增加教师集中进行课程创建的工具】Edmodo旨在帮助K12学校和学区创建封闭的网上学习社区,实现师生和家长的沟通和协作。教师用它分配、批改作业。学生用它访问项目、作业、测验。现增加教师集中进行课程创建的工具,类似于国内的集体备课;还有跨学科教师主题协作,增强的交流反馈,活动流程图等。

【eSpark另辟蹊径成功】eSpark本质是一个教育应用商店,收录超过3000个应用和学习资源。eSpark又不仅是教育应用商店,学生登录eSpark,经过学业分析诊断出学生学业水平,然后推荐最适合学生的游戏、电子书、APP;同时使用过程中将会有专人辅导监护,用数据分析帮助学生,成绩增幅是传统学习进度的2~5倍。

【IL&FS教育推出虚拟实验APP】Xperica HD是基于iPad的虚拟科学实验室应用程序。该程序针对高中理科学生开发,为iPad用户带来触摸体验各种有趣科学实验,加深对学习内容的理解。基本应用和实验模块免费,更多实验模块需要购买。iphone版还未上线。

博主评论:显然,教育领域正成为科技行业破坏性创新的新疆界。一些在其他领域成熟的技术正在以不同的搭配方式巧妙地融合到学习中,并在转变学习方式、降低学习成本,提高教学效率等方面显示出巨大的力量。例如,新的在线学习工具,课程和学习管理平台,课堂教学工具,数据分析工具和自适应学习算法等。

新实践

【混合学习成最差学校利器】克莱默中学是华盛顿特区最差的学校之一,为改变现状,校长夸梅·西蒙斯决定在2012~2013学年采用混合学习模式,以满足学校发展五年战略计划。该校选定Adaptive Curriculum提供的在线数学和科学课程。学生在校的50%时间上传统课,其余时间在线学习。

【国内的BYOD实践】经过调查,嘉定区实验小学发现100多个小学一年级学生有iPad,学校遂开出了两个“苹果班”,一共90个学生。这两个班学生可用自带iPad上课,回答问题,回家做练习。小学生用起来得心应手,用现成iPad不增加负担,语数外都会用iPad教,防止因iPad分心,家长学校签协议。

【弗吉尼亚州颁发强制在线学习法律】2013年秋天开始,所有学生必须完成一门在线课程才能高中毕业。弗吉尼亚州是继密歇根州、阿拉巴马州、佛罗里达州和爱达荷州之后,成为美国第五个强制在线学习的州。第一个是密歇根州,在2006年,其次是阿拉巴马州在2008年。

【斯里兰卡启动每位学生一台笔记本电脑项目】该项目已经启动,计划在2014年为六年级到高中的学生配备笔记本电脑,用数字技术武装年轻一代。为此将在汉班托塔地区建立一个计算机制造工厂。这些用于教育的笔记本电脑除了安装相关软件外,还提供数字教科书和教师手册。这将极大提高该国教育水平。

【iPad取代传统互动电子白板】南加州瓦尔豪园联合学区为800多名教师配备了Splashtop白板程序,鼓励他们用iPad控制和批注PC电脑上的内容。传统互动电子白板教师和学生必须要到讲台前才可用。现在师生在座位上通过手中iPad用Splashtop白板程序即可把需要的内容显示到大屏幕。

【自适应数学学习系统】上海基地附中。3000多个知识点,配合相关题目,让学生们在电脑系统内进行答题,当遇到做错的题目时,系统自动推送上一层知识点的有关题目,从而提升学习效率。教师通过查看系统统计,能够准确地知道个别学生对某一个知识点的理解不到位。

第8篇

【关键词】大数据;高等教育;机遇和挑战

0.引言

数据是指一切保存在电脑中的信息,包括文本、声音、视频等。“大数据”是一股新的技术浪潮,也是逐步形成的历史现象,其具体是指随着信息存贮量的增多,人类在实践中逐渐认识到,通过数据的开放、整合和分析,能发现新的知识、创造新的价值,从而为社会带来“大科技”、“大利润”、“大智能”和“大发展”等新的机遇。大数据之“大”,并不在于其表面的“大容量”,而在于其潜在的“大价值”。大数据之所以被称为革命性现象的根本原因,因为从本质上来说,它标志着我们人类社会在从信息时代经由知识时代快速向智能时代迈进,并给普通高等学校发展带来的新机遇和挑战[1]。

1.大数据给普通高等学校发展带来的机遇和挑战

大数据,使教师面临挑战,使学科专业设置和专业知识结构面临挑战;大数据为大学管理的精细化个性化服务提供了工具;大数据给科研带来颠覆性的影响。

1.1教师面临的挑战

智能学习平台只是大数据大潮在教育领域掀起的一朵浪花。如著名的在线教育公司Coursera,已经和普林斯顿、伯克利、杜克、香港理工等全世界30多所大学达成协议,通过其平台免费开放课程。如今这些学校的课程可以实现全球几十万人同步学习。分布在世界各地的学习者不仅可以在同一时间听取同一位老师的授课,还和在校生一样,做同样的作业、接受同样的评分和考试[2]。

这种学习平台的崛起,在美国引起了广泛的关注和激烈的讨论。其中的原因,是因为该平台已经不是一个镜头、一段视频那么简单,而能对学习者的学习行为自动进行提示、诱导和评价,从而弥补没有老师面对面交流指导的不足。例如,通过记录鼠标的点击,计算机能够记录你在一张幻灯片上停留的时间,判别你在答错一道题之后有没有回头复习,发现不同的人对不同知识点的不同反应,从而总结出哪些知识点需要重复或强调,哪种陈述方式或学习工具在哪种情况下最有效等规律。

不难发现,该平台之所以强大,正是因为大数据。单个个体学习行为的数据似乎是杂乱无章的,但当数据累积到一定程度时,群体的行为就会在数据上呈现一种秩序和规律。通过收集、分析大量的数据,就能总结出这种秩序和规律,然后有的放矢,对不同的学习者提供有针对性的帮助。

这种智能学习平台将会给教育行业带来怎样的影响。学校曾经是最重要的教育资源,好的学校更是异常稀缺,由于这种智能平台的普及,在不远的将来,名校将人人可上,也就是说,如果应对得当,中国教育资源匮乏的问题将很快得到有效缓解。对个人来说,随时随地地学习、终身学习都将成为可能,例如,高中生可以尝试大学的课程,离开了校园的人,也可以登录在线平台再和在校生一起听课。这些都是教育工作者探讨多年、孜孜以求的梦想。但硬币的另一面,是中国的教育行业要面对更加激烈的全球化竞争和挑战。过去,是学生争学校;将来,可能是学校在全球范围中争夺学生。发达国家的一流大学会挤压发展中国家普通大学的生存和发展空间,普通大学该如何来吸引生源?它们会不会因此衰落?既然最好的教学视频等学习资源都可以免费获得,教师的角色又需不需要调整?又该如何调整?这些问题,都是大数据时代催生的重大挑战。

1.2学科专业设置和专业知识结构面临的挑战

网络大数据在科学和技术上的突破,将可能诞生出数据服务、数据材料、数据制药等战略性新兴产业[3].网络数据科学与技术的突破意味着人们能够理清数据交互连接产生的复杂性,掌握数据冗余与缺失双重特征引起的不确定性,驾驭数据的高速增长与交叉互连引起的涌现性(Emergence),进而能够根据实际需求从网络数据中挖掘出其所蕴含的信息、知识甚至是智慧,最终达到充分利用网络数据价值的目的.涌现性是指由低层次的多个元素构成高层次的系统时展示出的每个单一元素所不具备的性质.网络数据不再是产业环节上产生的副产品,相反地,网络数据已成为联系各个环节的关键纽带.通过对网络数据纽带的分析与掌握,可以降低行业成本、促进行业效率、提升行业生产力.因此,可以预见,在网络数据的驱动下,行业模式的革新将可能催生出数据材料、数据制造、数据能源、数据制药等一系列战略性的新兴产业,使高等教育学科专业设置和专业知识结构面临挑战。

1.3大数据为大学管理的精细化个性化服务提供了工具

教育是在生活中实现的,不在生活中实现的教育不是真正的教育,学校教育更需要“终极关怀”。华东师范大学一位女生节食减肥,很少在校内用餐,学校通过困难生预警系统察觉到其饭卡消费值较低,便发送了一条短信,询问是否有经济困难,是否需要帮助。这位女生收到短信,感到非常温暖,便发了一条“华师大少女减肥减出人文关怀”微博,结果被网友纷纷转发。网友们称赞学校“通过对数据的挖掘、应用,更贴心地服务学生、关爱学生”,“让冰冷的数字有了人性美!”这一事件至少告诉人们,大数据为大学管理的精细化服务提供了工具,有助于学校实现“终极关怀”[4]。

1.4大数据给科研带来颠覆性的影响

科技创新实质上是科学研究方法的创新,数据科学带给大家改变探索世界的新方法――从大量的数据中,揭示世界运行的规律。新方法体现在大数据的三个特征中。

大数据在舍恩伯格看来,一共具有三个特征:全样而非抽样,效率而非精确,相关而非因果。

第一个特征非常好理解。在过去,由于缺乏获取全体样本的手段,人们发明了“随机调研数据”的方法。理论上,抽取样本越随机,就越能代表整体样本。但问题是获取一个随机样本代价极高,而且很费时。人口调查就是典型一例,一个稍大一点的国家甚至做不到每年都一次人口调查,因为随机调研实在是太耗时耗力了。

但有了云计算和数据库以后,获取足够大的样本数据乃至全体数据,就变得非常容易了。谷歌可以提供谷歌流感趋势的原因就在于它几乎覆盖了7成以上的北美搜索市场,而在这些数据中,已经完全没有必要去抽样调查这些数据:数据仓库,所有的记录都在那里躺着等待人们的挖掘和分析。

第二点其实建立在第一点的基础上。过去使用抽样的方法,就需要在具体运算上非常精确,因为所谓“差之毫厘便失之千里”。设想一下,在一个总样本为1亿人口随机抽取1000人,如果在1000人上的运算出现错误的话,那么放大到1亿中会有多大的偏差。但全样本时,有多少偏差就是多少偏差而不会被放大。诺维格,谷歌人工智能专家,在他的论文中写道:大数据基础上的简单算法比小数据基础上的复杂算法更加有效。

数据分析并非目的就是数据分析,而是有其它用途,故而时效性也非常重要。精确的计算是以时间消耗为代价的,但在小数据时代,追求精确是为了避免放大的偏差而不得已为之。但在样本=总体的大数据时代,“快速获得一个大概的轮廓和发展脉络,就要比严格的精确性要重要得多”。

第三个特征则非常有趣。相关性表明变量A和变量B有关,或者说A变量的变化和B变量的变化之间存在一定的正比(或反比)关系。但相关性并不一定是因果关系(A未必是B的因)。

亚马逊的推荐算法非常有名,它能够根据消费记录来告诉用户你可能会喜欢什么,这些消费记录有可能是别人的,也有可能是该用户历史上的。但它不能说出你为什么会喜欢的原因。难道大家都喜欢购买A和B,就一定等于你买了A之后的果就是买B吗?未必,但的确需要承认,相关性很高或者说,概率很大。

舍恩伯格认为,大数据时代只需要知道是什么,而无需知道为什么,就像亚马逊推荐算法一样,知道喜欢A的人很可能喜欢B但却不知道其中的原因。

越来越多的事物不断的数字化。使得人们可以从大量的数据中,发现隐藏的自然规律、社会规律和经济规律。从这个角度来看,大数据将拓展人类的视野。

大数据给科学和教育事业的发展提供了前所未有的机会,同时也提出了前所未有的挑战。它将对现有的科研和教学体制带来大幅度的变革,对科学与产业之间的关系、科学与社会之间的关系带来大幅度的变革。

事实上,数据科学还带给大家观察世界的新方法――从大量的数据中,揭示世界运行的规律。2008 年《连线》杂志主编克里斯?安德森就指出“数据爆炸使所有的科学研究方法都落伍了”,用一系列的因果关系来验证各种假设和猜想的研究范式已经不实用了,如今它已经被无需理论指导的纯粹的相关关系研究所取代。安德森指出:“现在已经是一个有海量数据的时代,应用数据已经取代了其他的所有学科工具。而且只要数据足够多,就能说明问题。如果你有一拍字节的数据,只要掌握了这些数据之间的相关关系,一切就都迎刃而解。

人们在研究自然语言处理方面走过的弯路,为安德森的观点提供了有利的证据。20 世纪50 年代,几乎所有的科学家都认为如果让计算机来充当翻译,就必须像人一样,让他理解词句的含义。于是提出人工智能的概念,让计算机来学习的人类的各种规则。这种方法很快在70 年代走到了尽头。但是基于大量数据、运用概率模型的统计语言学的出现使得自然语言处理柳暗花明。如果没有这些概率统计模型,风靡一时的Siri(个人语音处理)等应用,就不可能实现。

2.结语

大数据时代已经到来,对大数据进行合理的分析,管理和应用必将会推动普通高等学校的大发展,当然也会为社会提供更多的利益和创新性成果。

【参考文献】

[1]赵国栋,易欢欢,糜万军,鄂维南.大数据时代的历史机遇―产业变革与数据科学[M].北京:清华大学出版社,2013.

[2]舍恩伯格.大数据时代[M].浙江人民出版社,2013.