“五位一体” 人工智能课程实践教学模式探索

摘要：为解决当前人工智能课程实践教学中资源、师资、内容、评价等方面的不足，该研究提出一种“五位一体”的实践教学模式。该模式融合了资源丰富化、师资专业化、内容前沿化、评价精准化和教学互动化五个环节。实践结果表明，该模式有效激发了学生的学习兴趣，提高了学生的实践能力和创新能力，为人工智能课程实践教学开辟了新途径。

关键词：工智能课程；实践教学；“五位一体”模式；项目实践；学习模式

中图分类号：G642 文献标识码：A

文章编号：1009-3044（2024）35-0143-04 开放科学（资源服务） 标识码（OSID） ：

0 引言

在信息化与智能化时代背景下，人工智能技术已成为推动社会发展的关键力量，深刻影响着社会、经济和文化各领域[1]。面对这一变革，高等教育界承担着培养掌握人工智能基础知识与实践能力的创新型人才的重要使命。教育部强调，应以“高水平科学研究”为基石，促进学生创新与实践能力的提升[2]。在此背景下，人工智能课程被置于培养学生创造力与思维能力的核心位置，其实践教学环节对于提升学生综合实践能力及激发创新潜能具有重要意义。然而，随着人工智能领域的迅猛发展，传统教学模式面临挑战，高等教育需要探索高效、系统的路径以培育学生的创新创业能力，确保他们能在未来社会中实现全面可持续发展[3]。尽管以学生为中心的教育理念已获广泛认同，但在实际教学中仍待充分实践，学生的学习动力、课堂参与度及学习成效需进一步提升[4]。

为应对上述挑战，众多学者展开了积极探索。李艳红等人[5]提出了融合个性化教学设计、案例驱动、分享研讨及多元评价的教学体系，有效提升了学生专业技能与创新力。孙金萍等人[6]则针对程序设计课程中的系统思维不足，构建了“一中心五保障”的教学模式，强调实践教学体系、分层指导和多维评价，展现新工科教育特色。陈飞等人[7]提出的“能力导向+问题驱动”教学模式，以及朱金秀等人[8]在“物联网综合实践”课程中的改革，均聚焦于提升学生的实践创新能力。本研究在此基础上，探索实施“五位一体”的教学模式，旨在进一步提升人工智能课程实践教学的效果，激发学生的学习兴趣与内驱力，并着重培养学生的独立思考与问题解决能力，以满足人工智能课程实践教学的核心需求，为学生提供更为有效和针对性的学习体验。

1 人工智能课程实践教学现状

目前，国内众多高校已将人工智能课程列为计算机类本科生和研究生的核心课程，教学内容兼顾理论深度和实践应用。为提升学生的实践能力和自主学习能力，高校采用多样化的教学模式[9]，如项目驱动、翻转课堂和线上线下混合教学等。据文献表明[10]，这些创新方法有效提升了学生的学习兴趣和实践技能。此外，高校还引进了Coursera、edX、头歌等先进教学平台，这些平台提供丰富资源、自动化评估和即时反馈，显著提高了教学效果。

人工智能课程逐渐加强与计算机科学、统计学和数据科学的融合，使学生能够全面理解和掌握人工智能技术的实际应用。然而，在实际教学中仍存在以下挑战：

1） 实践教学资源有限：人工智能具有显著的实践性，其应用高度依赖高性能计算资源、大规模数据集以及专业的软件平台，但由于成本和资源分配问题，部分高校难以提供充足的实践资源，限制了学生的实践机会和对理论知识的深入理解。

2） 实践教学师资短缺：人工智能领域的发展迅猛，授课教师需要具备深厚的实践经验和扎实的专业知识。然而，一些教师缺乏相应的实践背景和技术认知，难以充分指导学生的实践活动，影响了学生对人工智能技术的理解和应用。

3） 实践教学内容更新滞后：人工智能作为多学科交叉融合典范，展现强大活力，但高校实践教学内容陈旧。知识体系过时使学生就业竞争力受限，教师教学内容滞后则难以激发学生热情，影响教学质量，制约师生共同成长。

4） 实践教学评价体系不完善：部分教师在评价体系中过于注重理论知识考核，忽略了实践能力的评价，导致学生缺乏实际应用经验。此外，评价过程单一，缺乏学生自评和同学互评，无法全面评价学生的实践能力，有些教师只关注结果，忽视了学生的努力和过程。

本研究旨在优化人工智能课程的实践教学模式，通过引入“五位一体”实践教学模式，提升学生的学习体验和应用能力。核心是构建一个促进自主学习和创新能力的在线实践教学平台，融合课堂与实践教学，打造全方位、高效能的学习生态系统，使学生在实践中提升操作能力和创新思维，实现全面发展。

2 构建“五位一体”实践教学模式

本研究以计算机科学技术师范专业认证为导向，探索和实践人工智能实践教学模式。通过有机融合“资源丰富化、师资专业化、内容前沿化、评价精准化、教学互动化”五大核心环节，构建了一套完整的教学体系（见图1） 。该体系以长江雨课堂和头歌实践教学平台为核心，辅以大学慕课、学堂在线等多平台资源，并结合微信、QQ、钉钉等通信工具，共同搭建了一个全面、高效、便捷的信息化教学框架。此教学模式的设计遵循人工智能课程特性与人才培养目标，旨在增强学生的自主学习与创新能力，通过整合丰富资源和前沿内容，构建专业化师资团队和精准评价体系，以期实现学生在动手操作和创新思维方面的全面发展。

2.1 多元化资源促进实践深度

基于任务型学习理论与建构主义，本研究构建了一套综合性实践教学资源策略，整合国内AI领域的前沿技术与应用案例，依托头歌、九天毕昇等平台，使学生直观感受行业发展动态，激发学习热情。研究汇聚慕课、视频教程等在线资源，为学生提供多元化学习路径。典型课程包括大学慕课的“JS实现人机大战之五子棋（AI篇） ”和学堂在线的“Python基础与案例教程”。通过这些资源，学生可课前自主学习基础知识，课堂讨论答疑，课后通过头歌平台实训巩固，提升理解和应用能力。

研究注重学生视野的拓展与实践能力的提升，鼓励学生参与GitHub项目、Kaggle竞赛等，培养创新与团队协作能力。课堂上，教师利用长江雨课堂进行预习与巩固，结合头歌平台实现“课上学做结合”。学生课后可通过头歌平台深化项目与实验，利用实训资源加强知识应用，并享受QQ、微信等在线答疑服务。通过Kaggle和智能车竞赛等，学生能将课堂知识应用于实际项目，提升解决问题能力。这种多元化教学资源整合，不仅提升了人工智能实践教学的质量，也有效培养了学生的自主学习、创新思维和实际应用能力，为学生未来的职业发展奠定坚实基础。

2.2 专业师资引领实践创新

在人工智能课程的实践教学中，拥有专业背景的师资力量扮演着无可替代的关键角色。这些师资不仅是提升教学质量的坚实基石，还是引领学生深入人工智能领域、激发其探索热情的核心动力。从社会认知理论视角分析，他们为学生提供了丰富的行业真实案例和实践经验，为学生树立了榜样，并极大地推动了实践教学的创新。这些教师紧跟领域动态，将人工智能技术的前沿知识融入日常教学中，确保课程内容的前沿性和时效性。此外，他们不断更新教学手段，有效激发学生的求知欲和好奇心，引导学生积极投入学习。

在实践教学设计上，本研究授课团队注重培养学生的创新思维和实践能力。通过挑战性项目如基于深度学习的图像识别系统和自然语言处理应用，鼓励学生自主探索、解决问题，并锻炼团队协作能力。团队将科研成果转化为教学资源，引导学生参与科研项目，提升科研素养。同时，跨学科团队构建鼓励学生知识交叉与创新。与人工智能企业合作，提供行业实训环境，将课堂知识转化为工作技能，显著提升学生的实践操作能力和职业竞争力。这些方法和案例展示了专业师资在引领实践创新方面的卓越能力。

2.3 前沿内容涵盖激发实践创新

在人工智能课程实践教学中，本研究不断更新实践教学内容，引入最新的研究成果和技术进展。根据课程教学论中的“理论与实践相结合”的原则，学生通过参与人工智能技术的前沿技术实验、实训和项目，可以学习到不同的思维方式和解决问题的方法，从而培养创新思维和创新能力，激发学生的学习兴趣和好奇心，促进学生主动学习和探索。

为了保持教学内容的时效性和创新性，本研究结合前沿内容，设计了富有挑战性和创新性的项目。同时，成立了人工智能技术前沿研究小组，该小组由具备跨学科背景的实践授课教师组成。研究小组通过深入研读人工智能各领域的最新文献，追踪技术发展的最新动态，并将这些信息及时反馈给实践授课教师，确保最新的知识和技术能够迅速融入实践教学之中。这种机制不仅让学生接触到最前沿的人工智能知识和技术，还通过跨学科的研究与交流，加强了教学的深度和广度。

2.4 精准评价促进学习成效

本研究借助头歌实践教学平台，优化学生学习体验，提升学习效果。授课教师构建分层实训试题库，通过趣味闯关鼓励学生深度学习与实践，这不仅增强了学习的趣味性，还促进了学生的主动参与。平台配备了智能评测系统，即时反馈学生的实训成绩、耗时、测评频次及综合评价结果；系统记录学生的实践活动轨迹，并生成实训分析报告，为授课师生提供直观、客观的学习数据。这一创新变革不仅摒弃了实践课程的主观评价，实现了精准考核，还极大提高了教学质量，优化了学生的学习体验，为学生全面发展奠定了坚实基础。

在评价过程中，本研究采用了多元化和分层评价方法。通过课堂观察、作业分析、项目实践和口头表达等方式，授课教师能全面了解学生的学习情况。这种评价方法不仅准确反映学生的真实水平，还避免了单一评价的片面性。设定不同层次的评价指标，使教师能更准确地把握学生的学习状况，并提供有针对性的教学指导。通过精准的评价反馈机制，教师能敏锐捕捉教学中的问题，灵活调整教学策略，以更好地满足学生的个性化学习需求，提升学习成效。同时，学生通过评价结果能更清晰地认识自己的学习状况，发现不足，激发学习动力，提高学习的主动性和积极性。

2.5 互动教学激发学习动力

行为主义学习论强调，学习成效源自外部刺激与强化的双重作用。在互动性强烈的教学情境中，学生与教师、同伴间的密切交流犹如源源不断的外部动力源，其中热烈的讨论、积极的问答以及紧密的合作等活动，共同编织成一张密集的外部刺激网络，有效促进学习过程的深化与拓展。这些刺激不仅巩固了学生的学习行为，更在无形中激发了学生的学习热情与内在动力。特别是在人工智能课程实践教学中，互动教学发挥着至关重要的作用，它通过搭建师生间沟通的桥梁，促进了知识的传递与共享，从而有效激发了学生的内在潜力。

在人工智能课程实践教学中，授课教师通过微信、QQ、钉钉等通信工具，与学生实时互动、在线问答等，确保学生能够快速地得到教师的有效指导和帮助。授课教师在微信、QQ、钉钉等上分享人工智能课程实践教学资源和学习材料，学生可以根据自己的兴趣选择学习内容，提高学生学习的自主性。此外，授课教师将学生随机分成不同的小组，每个小组认领一个学习任务或项目，学生通过团队合作的方式完成任务，培养学生的协作精神和团队意识。

3 人工智能课程实践教学流程设计

在本研究中，本研究基于多种教学平台、课程平台以及通信工具，开展了人工智能课程的实践教学。如图2所示，具体的实践教学流程包含三个关键阶段课前实践任务推送，课堂互动，课后在线讨论与答疑。此教学模式将教师与学生视为两大核心要素，通过紧密联结与相互作用的机制，共同推动教学进程的深入发展。它不仅确保了从课前预习到课后巩固的全程无缝衔接，更通过师生间的多维度交互，打造了一个高效、实效显著的人工智能课程实践教学流程。

3.1 课前实践任务推送

课前，授课教师首先需要根据教学目标和学生水平，选取合适的实际案例，并进行相应的调整。然后，为每个案例提供详细的背景介绍，包括案例来源、目的和应用场景等，并设计一系列具有挑战性和递进性的实践任务，引导学生逐步掌握相关知识和技能。设定清晰的评价标准，评估学生对实践任务完成情况；整理和优化实践教学资料（PPT、案例代码、数据集等） ，上传至长江雨课堂便于学生获取；通过长江雨课堂和课程群通知学生实践任务，确保信息及时传达。