［关键词］大数据；教育管理；智能化；机遇与挑战
随着中国的高等教育正式进入普及化阶段，大众的关注点由注重教育规模的扩大化转向注重教育质量的高精尖。教育事关民族未来，为了能够在激烈的国际竞争中取得优势，明确当下乃至未来的教育发展趋势至关重要。智能化时代的到来，智能技术的研发及应用成为引发国家之间新一轮角逐的着力点。新技术的出现及逐步成熟能够为高校教学管理提供有力支持，智能教学管理将成为未来教学管理新常态。
一、智能技术应用与高校教学管理的契机
智能化技术的发展能够通过个人信息数据的收集，制定个性化管理方案，满足高校学生的个性化管理，促使其实现个性化发展。
（一）政策导向
自1956年达特茅斯会议召开以来，智能化时代初露端倪，智能化的发展在曲折中前进。2012年，各个国家纷纷出台人工智能发展战略，推动人工智能在多个领域的应用，中国也紧紧把握时代机遇，制定人工智能发展政策。2017年7月，国务院印发了《新一代人工智能发展规划》，指出要构建人工智能五大保障措施，分别是加强组织实施、加大支持力度、鼓励创新创业、加快人才培养、优化发展环境。各大重点高校纷纷成立“人工智能学院”，开始为社会培养、输送该领域的紧缺人才[1]。最近教育部又了《高等学校人工智能创新计划行动》，对人工智能的创新发展做出顶层规划和部署，推动人工智能与其他领域的深度结合。教育作为社会发展的助推器，“人工智能＋教育”成为当前各界关注的重点推进领域。
（二）现实因素
从“互联网+”到“AI+”，人工智能正在逐渐改变着我们的生活。在科技快速发展的现在，我们每个人每时每刻都在进行着数据的交流与传递[2]。新形势下的国际竞争是围绕核心技术与创新型人才开展的竞争。为了维系传统大国地位，各个国家纷纷制定新一代信息化战略，以期在当前的国际竞争中继续取得领先地位。中国当前取得的成就远超预期，这一态势鼓舞了教育界人士，开始探索“人工智能”与“教育”的多领域结合。除此之外，2019年末随着疫情的爆发，“停课不停学”的要求使在线教育成为教学领域的新图景。高校教学大数据监测显示，疫情期间全国高校在线课堂出勤率达到91%，教师在线教学认可度达到80%，学生在线教学满意率高达85%。线上课程的大规模实施及其良好成效，为未来高校教育教学工作的开展提供了新思路，同样传统的高校教育管理方式已经不适应于在线教学这种灵活多变的模式，因此，教育管理新“样态”的出现推动着教育管理方式的创新发展。
（三）技术支撑
随着人工智能时代的到来，学生的个性化发展成为当今教育评价中的重要指标，单一的教学管理模式已经不适应灵活多变的教学对象和教学要求，传统的教学管理方式模式单一刻板，难以实现学生个性化发展。智能技术的发展为教育领域创新发展提供了新契机。以泛在化、精准化、个性化、协同化、自动化为典型特征的智能教育迎合了当前的教育导向[3]。目前应用于人工智能教育的关键技术包括：知识表示方法、机器学习与深度学习技术、自然语言处理、智能和情感计算等[4]。“人工智能＋教育”能够通过搜集、整理、分析教育数据，辅助教师对学生的个性化指导。从知识层面看，“人工智能+教育”能够促进知识生成、更新、传播、管理，解决知识陈腐老旧的问题；从学习者层面看，“人工智能+教育”能够自动感知学生的学习情况，采取适当方式引导学生集中注意力学习，使得学习者从被动学习转变为自发学习；从教育者层面看，它促进教师重新思考教育者的角色，从教书匠向教练员角色转变[5]。智能化的学习进度分析相较于传统步调统一的教学模式更具有灵活性，数据的挖掘技术、智慧学习还能够提供多层次的教学内容，迎合不同对象的发展需求；通过感知学生的学习状态、学习习惯、兴趣爱好能够分析并提供多种教学策略和学习策略，促进学生深度学习的实现。
二、智能化时代高校教学管理面临的问题
智能辅助教学应用虽取得了一定成效，但就目前来说，我国的人工智能与教学的融合仍然是低水平的。当前我国人工智能与教学活动的结合不足主要表现在：教育起点定位模糊、人工智能的教学应用集中开发以及技术不成熟且人工智能技术落地缓慢。
（一）智能教学管理定位模糊
教育与技术的结合过程中普遍共识是首先应当重视教育的起点和价值，其次强调技术性。当前，在人工智能与教育结合的过程中出现了过于强调技术研发及应用，忽视了教育承载的社会共同价值和文化创新发展功能，教学过程中缺乏实践反思的现象。技术人员缺乏教育教学知识，教学人员难以理解相关的智能技术工作原理，导致技术与教育并未叠加出理想的成效。当前教育界对于人工智能技术强烈追捧，夸大人工智能的教育教学成效，高校通过引入新型教学设备、采用智能教学技术，传授教育教学内容，对传统教学模式进行了全方位、多角度的改革。一方面这样大规模教学模式改革有助于改革面积的迅速铺开，加速智能教学改革进度，扩大智能教学普及面。另一方面，当前智能技术中的情感计算和言语处理并未发展到足以替代传统教学模式的地步，不加批判的盲目引入智能教学手段、忽视人的情感发展需求和人的价值，反而会起到负面效果。
（二）智能教学管理指向不明
高校教学管理涵盖教学计划制定、教学资源管理、学生学籍管理等诸多内容，涉及数据量巨大，且数据呈动态变化，因此，对教学管理工作的准确性、实时性及严谨性提出更高要求[6]。当前人工智能应用在教育教学领域的过程中主要关注点聚焦于教学过程管理，对于智能技术应用于教学过程中所产生的教学质量及其教学评价研究较少。一方面，在教学过程中，智能教学的开发及应用主要集中于在现有的教学科目上进行教学方法的更新换代，人工智能教育本身作为一个新兴事物还有待于研究及开发。另一方面，人工智能作为一个新兴事物，人们热衷于在多个教学领域进行尝试。但是在实践的过程中不可避免地产生重复建设和过度建设倾向。例如当今个性化发展的提法，致使人工智能在教学应用中过于强调其个性的一面，忽视其共性的养成。过于强调学习的个性化、碎片化、轻量化，对于学习时的纪律约束和行为习惯的养成重视程度不足。归根结底是人工智能与教育的结合发展处于初级阶段，应用指向不明确，应用标准不规范。再就学生个人信息的收集过程来讲也容易出现重复操作的倾向。信息数据跨介质互联困难，导致教育数据的冗杂、学生的负担加重、学校统计及收集也较为困难。
（三）智能教育技术落地迟缓
从早期的计算机辅助教学开始，我们就积极将信息技术产品引入课堂，首先引进的是计算机多媒体辅助教学系统，包括电脑、投影仪、大屏幕等。由于这些设备的引入，能够方便地将音频、视频、文本、动画等媒体集合在一起，给教师的教学提供了极大的方便[7]。多媒体技术的出现给当今教师教学、学生学习都提供了极大的便利，但我们不能忽视当前教学过程中师生运用智能技术挖掘学习资源的能力不足且新兴的智能技术应用不足。教师授课过程中仍然依赖单一的多媒体技术，对于学生个人学情关注较少，单一的教学方式和信息体量庞大的教学资源使学生对于教学内容丧失兴趣。学生在课后搜集相关的学习资源又不得其法，易产生学习倦怠心理。教育对象数量的增长及相应产生的数据给数据收集和管理提出了更高的要求。目前高校中虽然依托信息化系统实现了教学管理工作的数据化管理，但是管理流程及模式仍处于低水平阶段，面对时下日益繁多的科研信息、学生信息、教学信息等传统的信息处理技术严重滞后，影响了高校教学教务工作的高效实施。当前应各方要求，高校教学管理应当做到严谨、准确、及时、简明，数据收集、处理、分析技术应当迎来发展新局面，但大数据在其他领域中的推进已经取得初步成效，而高校的教学管理工作中仍然处于低层次的应用，并未能够有效地辅助高校教学教务工作的展开。
三、智能化时代高校教学管理的新常态
随着计算机、大数据、区块链的发展，教育生态的智能化成为一大亮点。高校要制定相应的发展战略，将智能技术运用在高校教育教学管理过程，提高管理水平[8]。智能化下的高校教学管理通过数据收集及管理、在实践中反复演习制定规范的智能教学运行标准、面向多种主体进行教学信息的搜集有助于做出科学的教学管理决策。
（一）智能教务系统辅助教学管理
智能化时代的高校教学管理中应注重“一个中心，三大主体”。即以人才培养为核心，人才培养过程包括知情意行四大环节，任何环节都缺一不可。三大主体是指教学管理之过程中涉及的三大群体，即学生、教师、管理人员。智能化时代的教学管理应当以智能化技术为支撑、以人才培养本身为主导，防止教学过程中出现的将知识传授作为教学工作的根本评价指标，忽视教育对象人性的培养。各主体应当将自己的角色定位与国家政策整体导向以及先进的技术相结合，更好的完善自己。学生应当主动寻进步，通过学习数据挖掘等智能技术，拓宽自己获取知识的来源；教师在教育过程中应当遵循以人为本的教学原则，避免盲目依赖智能化技术，通过学习及应用人工智能技术使其更好地辅助教学活动开展；教学管理人员应当不断完善教学信息管理平台，做好关于教学意见的搜集及问题及时处理，做好教学辅助工作。
（二）数据治理辅助处理冗杂数据
教育大数据，是指整个教育活动过程中所产生的以及根据教育需要采集到的，一切用于教育发展并可创造巨大潜在价值的数据集合[9]。随着教育教学过程的演进，教育过程会不断产生大量的数据，如何能够有效挖掘以及对于数据进行可视化表征是当前教育数据处理中的一大难题。由于教学过程中产生的教育数据是非线性的，因此智能教育管理系统中的模型应当具有复杂问题分析能力，当前高等教育中之所以存在大量的冗杂数据是因为教育数据搜集标准制定不明确、收集到大量的无效数据。因此当前高校教学管理中应当将更多的利益相关者以直接或者间接的方式对于高等教育数据管理工作提出建议，完善数据收集理论，改进教育数据收集和管理的机制，尽可能避免数据的冗杂和烦琐。以清晰、直观的数据表征方式对高校教学过程中的相关数据进行展示。对相关以提升教育教学管理成效为目的的教育数据进行伴随式收集、集成化管理以及实现数据资源的开放共享，避免相关数据的重复录入，形成教师、学生、教务管理人员之间的信息流通网络，为高校及时、准确地开展教学工作提供妥帖的技术支持。
（三）深化技术应用推进教学变革
构建基于数据挖掘技术、学习状态及情感感知技术、计算机智能技术、机器学习等技术的教学管理平台取代传统低效的教学管理平台。具有复杂适应能力的教学管理平台能够通过分析学习者学习内容和学习者个人学情，描绘个体学习图谱，使教学内容和教学计划能够根据学生的学情自适应调整。学生的学习进度和学情能够及时准确地反馈给教师和教务管理人员。教师可以根据其他方面的因素对学生的学习进度及内容做出部分调整，避免教学进度差距过于悬殊。智能教学平台能够借助自适应、大数据、云计算等技术，实现家长、学生、教师的全面连接[10]。未来智能教育平台将通过数据的搜集、整理、归纳、分析以及算法和算力支持为学生的学习、教师的教学、教务人员的管理工作等提供更加优质的服务。随着智能化时代的到来，传统的教学管理方式已经出现较多的局限性。为使高校的教学质量和教学效率进一步提升，智能技术与教育的融合势在必行。移动智能设备与大数据结合下的教学管理系统能够实现高校教学工作的便捷化、及时化、准确化，为高校教师和学生提供更加优化、更加精准的服务。
参考文献：
[1]唐怀坤.国内外人工智能的主要政策导向和发展动态[J].中国无线电，2018(5):45-46.
[2]罗维，周辉.大数据时代背景下我国人工智能前景研究[J].中国科技信息，2019(12):113-114.
[3]梁迎丽，刘陈.人工智能教育应用的现状分析、典型特征与发展趋势[J].中国电化教育，2018(3):24-30.
[4]闫志明，唐夏夏，秦旋，等.教育人工智能(EAI)的内涵、关键技术与应用趋势———美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析[J].远程教育杂志，2017，35(1):26-35.
[5]吴永和，刘博文，马晓玲.构筑“人工智能+教育”的生态系统[J].远程教育杂志，2017，35(5):27-39.
[6]王晓玲，刘嘉滨.高等教学管理中智能化管理技术应用[J].实验室研究与探索，2014，(2):247-249，278.
[7]王竹立，李小玉，林津.智能手机与“互联网+”课堂———信息技术与教学整合的新思维、新路径[J].远程教育杂志，2015，33(4):14-21.
[8]项丹.云计算与大数据时代下的高校教育教学管理信息化策略[J].中国成人教育，2017(6):40-43.
[9]杨现民，唐斯斯，李冀红.发展教育大数据:内涵、价值和挑战[J].现代远程教育研究，2016(1):50-61.
关键词：人工智能；教学改革；教学方法
引言
人工智能(ArtificialIntelligence)是一门研究和模拟人类智能的跨领域学科，是模拟、延伸和扩展人的智能的一门新技术。由于信息环境巨变与社会新需求的爆发，人工智能技术的日趋成熟。随着AI3.0时代的到来，大数据、云计算等新技术的应用也愈发广泛，对于管理类人才来说，加强对人工智能知识的深入学习，不断将人工智能技术与管理知识结合起来，对其未来职业生涯的发展有着重要作用。人工智能是一门前沿学科，管理学院开设人工智能课程的目的是为了更好地培养学生的技术创新思维与能力，基于其覆盖面广、包容性强、应用需求空间巨大的学科特点，通过概率统计、数据结构、计算机编程语言、数据库原理等基础课程的学习，加强学生解决实际问题的能力，为就业打下基础。本文基于社会对于人工智能领域的人才需求，结合诸多长期从事经管类专业课程教学的老师意见，针对管理类人才的人工智能课程教学内容与方法进行探讨，以期对中国高校人工智能课程教学改革研究提供帮助与借鉴。
1、教学现状与问题
作为一门综合性、实践性和应用性很强的理论技术学科，人工智能课程内容及内涵及其丰富，外延极其广泛。学习这门课程，需要较好的数学基础和较强的逻辑思维能力。针对管理类人才，该课程在课程教学过程中存在几个较为突出的问题。(1)课堂教学氛围枯燥目前，中国大多数大学仍采用传统的课堂教学模式，在教学过程中照本宣科，忽略与学生的互动，并且缺乏能够有效引起学生学习兴趣与加深知识理解的教学环节设置，如此一来大大降低了学生自主思考的能力。在进行人工智能相关课程知识讲解时，随着章节的知识难度不断增加，单向介绍式的枯燥教学方式无法反映人工智能学科的全貌，课堂讲解难以同时给以学生感性和理性的认知，部分学生因乏味的课堂氛围渐渐无法跟上教学进度，导致学习动力不足。(2)基础课程掌握不牢管理类专业的学生大部分都会走向更加具体化的管理岗位，具有多学科的素养，但这也导致很多学生所学知识杂而不精。学生在基础不夯实的情况下去学习更高层面的知识，给学生学习与老师教学都造成了很大困扰。人工智能课程知识点较多，涵盖模式识别、机器学习、数据挖掘等众多内容，概念抽象，不易学习。一些管理类专业的学生未能熟练掌握高等数学、运筹学、数据结构、数据库技术等先修课程，缺乏一定的关联思考和研究意识，导致课程学习难度增加，产生学时不足和教学内容难点过多的问题。(3)教学与实际应用脱节当下，人工智能广泛应用于机器视觉、智能制造等各个领域，给学生提供了大量的现实案例，使得人工智能不再是高深莫测的理论，而是现实中可以触及的内容。例如，在机械学科领域，人工智能技术是电气工程、机械设计制造、车辆工程等方向的重要技术来源；在医疗领域，是医疗器械的创新生产源动力；在能动领域，是高端能源装备与新能源发展的重要驱动；在光电信息与计算机工程领域，技术的发展时刻推动着智能科学与技术核心价值的提升。然而，对于管理类专业的学生来说，现阶段的人工智能教材涵盖许多智能算法及相关理论，在教学过程中常常涉及到很多从未接触过的抽象理论和复杂算法，书本中的应用实例大多纸上谈兵，缺乏专门适用于管理类专业知识与人工智能技术相结合的教学实践，加上一些教师授课方法单一，不利于引导学生将人工智能算法应用于现实生活。另外，大学生对知识的理解能力差异很大，教师采用统一的方式教给他们，这使一些学生无法跟上和理解，教师也无法控制学生的学习状况，导致学生缺乏动力。因此，如何结合学生的现实情况，提高他们的动手能力和实践经验也是人工智能课程教学要考虑的问题。
2、管理类人才的人工智能课程教学改进策略
课程教学改革是一项提高大学教学效果和人才培养质量的重要手段。如何在时代背景下应用新技术和新思想进行实施课程教学改革是高校亟待解决的问题。对于高校的教学工作而言，教学目标、教学内容和教学方式的变化不再是课程资源的简单数字化和信息化，而是充分利用时代信息资源优势的新型教学模式。针对管理类专业人工智能课程教学过程中存在的问题，可以从教学方法改进和教学内容设置两个方面进行课程教学改进。
2.1教学方法改进
教师对学生具有引领作用，其教学方法的改进能够带动学生改进自身学习方法。(1)启发式案例教学案例教学法就是教师根据教学目标、教学内容以及教学要求，通过安排一些具体的教学案例，引导学生积极参与案例思考、分析、讨论和表达等多项活动，是一种培养学生认知问题、分析和解决问题等综合能力的行之有效的教学方法。启发式案例教学以自主、合作、探究为主要特征，调动学生的学习积极性，并紧密结合人工智能领域的相关理论与方法，有效理解知识要点及其关联性，适用于管理类专业学生的教学。具体而言，高校基于其问题启发性、教学互动性以及实践有用性等特点，可以建立基于人工智能知识体系的教学案例库，虽然这项建设将极具挑战性与耗时性，但具有很强的积极效果：培养学生较强的批判性思维能力，更多地保留课程材料，更积极地参与课堂活动，对提高教学质量、培养具有人工智能背景的管理类人才具有重要意义。例如，通过单一案例教学，让学生掌握相关基础知识原理及应用；通过一题多解的案例使学生思考如何获取最有效的解题方法；通过综合案例的设计，启发学生全方位地探索问题的解决方案。(2)研讨互动式教学研讨互动式的各个教学环节是逐渐递进、有机结合的。研讨是基于学生个体的差异性，在课堂讨论的过程中对学生做出评判，从而对不同类型的学生开展针对性的教学。互动则是在研讨的基础上，通过老师与学生、学生与学生的互动，让学生主动参与到课堂教学的过程中来。在人工智能课程教学过程中，教师通过课堂讨论了解学生对于知识点的掌握情况，可以有针对性地设计教学内容，例如，对于学校积极性不强的学生，将人工智能理论内容与学生个人兴趣范畴、社会产业发展及研究现状联系起来，能够极大程度地提高学生学习的自主能力；对于基础知识较为薄弱的学生，可以在教师的指导下查阅相关文献资料，根据自己的理解撰写心得报告，并在课堂或课外进行师生互动。像这样研讨与互动相结合的模式。有助于增强学生的探索和求知欲望，建立起浓厚的学习氛围。(3)有效激励式教学人工智能是引领未来的战略性技术，人才需求量极大，对教师的教学水平也提出了更高要求，因此，进行有效激励极为重要。在学生激励方面，可以举办各类人工智能竞赛项目，设置相应项目奖学金，吸引学生参与实践，调动学生做研究、发论文的积极性。例如，教育部主办的中国研究生人工智能创新大赛，围绕新一代人工智能创新主题，激发学生的创新意识，提高学生的创新实践能力，为人工智能领域健康发展提供人才支撑。高校也可以借鉴这种模式，在各学院乃至全校开展此类竞赛项目，激发学生的创新能力与团队合作能力，鼓舞更多学生加入到人工智能课程的学习中来，激发其学习兴趣。在教师激励方面，在教师聘任和提升过程中把参加学生课程制定、课堂与课外作业、课程项目和论文指导等看作教学任务的一部分，鼓励教师积极参与这些活动。(4)学科渗透式教学人工智能学科知识融合程度较高，学科交叉性强。基于人工智能的学科交叉性特点，增强管理类人才对学科应用的领悟，可以采取开展学科渗透式教学的方法。从2015年起，国务院和教育部先后印发了《国务院关于积极推进“互联网+”行动的指导意见教育》、《高等学校人工智能创新行动计划》等文件，“互联网+”、“智能+”已经渗透到各个领域，人类进入数字经济时代，社会需求“技术+管理”的高端复合人才。例如，基于工业4.0和强国战略，人工智能技术在智能制造的应用极为广泛。上海理工大学非常重视少数民族预科班的教育质量。为增强少数民族管理类人才对该领域应用的认识，我们请机械工程、能源动力领域的相关专家以授课或讲座的形式，进行相关领域知识和发展趋势的讲解，使学生理解更为透彻。此外，在教学实践过程中，还可以用举办人工智能知识交流会、线上人工智能论坛等形式，促进不同专业间老师、学生对于人工智能知识模块的见解，相互交流、渗透和学习，从而推动人工智能课程教学的改进。
2.2教学内容设置
世界一流大学在人工智能课程内容设置根据不同国家的教育体系设置，肯定会有不同，但颇有共通之处。本文借鉴世界顶尖大学经验，针对管理类专业人工智能课程教学内容进行研究，结合中国教育体系设置，认为应从以下几方面进行改进。(1)核心内容设置为避免学生因为知识点过多而出现杂而不精的问题，势必要精化教学内容。在互联网时代，我们可以使用云计算和其他方式来实现数据信息的传输、存储和处理，通过在线收集和整合网络课程相关数据，挖掘和丰富教学资源，并在整合课程资源的基础上，进行研究方法和前沿知识的扩展。在核心内容设置方面，可以通过收集到的数据资料，选择人工智能领域具有代表性且难易程度适中的知识作为重点，使学生能够在有限的学时内掌握人工智能的知识脉络。例如，编写针对管理类人才的人工智能教材，内容涉及绪论、知识表示与推理、常用算法、机器学习、神经网络等方面的同时，重点增加相应知识点在管理上的应用案例，加强学生对知识点的理解。同时，根据管理类专业偏向领域，开设关联程度较大、应用较广泛的人工智能选修课程，以便学生根据自己的兴趣与需求选修具体方向的课程。(2)注重学生的数理及编程基础良好的数理及编程基础是学习人工智能的前提。只有具备了这些基础，才能搞清楚人工智能模型的数量关系、空间形式和优化过程等，才能将数学语言转化为程序语言，并应用于实验。管理学院人才的数理及编程基础相对薄弱，因此，在安排学生学习人工智能课程之前，建议开设面向全体管理类专业学生的微积分、线性代数、概率论等专业基础数学课程以及C语言、python等编程基础课程，使学生具备数学分析的基础与一定编程基础，为学习人工智能课程打下坚实的基础。另外，可以推进MOOC平台建设，在平台上开设人工智能网络课程，帮助学生掌握人工智能知识基础及专业技能。(3)实验建设为了加强学生对于人工智能知识点间的关联性理解，可以基于不同的应用模块，设计具有前后铺垫、上下关联的综合性实验，设计不同层次的项目要求，同时基于相同的实验课题，让学生分组对实验课题进行攻克，并设置多元化的实验评价体系，通过实验教学过程中反映出的不同进度，让教师能对学生的学习水平做出准确评判，及时进行教学反思，以便更好地开展下一步工作。例如，针对人工智能课程应用中很广的遗传算法，在某一管理规划的具体应用上设置理解－实现－参数分析－具体应用－尝试改进－深度拓展的不同层次的项目要求，在这些项目层次中规定必做项与可选项，让学生基于同一实验课题进行合作学习，然后通过个人自我评价、小组成员互相评价以及教师评价的方式进行打分，对小组整体能力以及个人能力进行综合评估，以期培养学生的自主思考能力。
转衔教育是一个广泛应用于特殊教育领域的概念。1990年美国《身心障碍者教育法案》将“转衔”定义为：“转衔是以社会适应为导向的一连串广泛服务与相关经验。”智障者在就业前接受转衔教育是非常必要的。目前，我国在学校中某一阶段所进行的转衔教育已比较完善，但在智能障碍者支持性就业这一过程中所进行的转衔教育还比较少，这方面的研究更是少之又少。
智能障碍者就业前转衔教育存在诸多问题
由于智障者自身的智力原因，面对新的工作生活环境会出现一些比常人更复杂的心理问题和人际交往问题。比如社交焦虑，如果不提前进行心理辅导，可能导致智障者直接失去独立工作和独立生活的信心和机会。而目前的转衔教育内容不够完善，只重视职业技能的培养，忽视人际关系和智障者心理的辅导。
工作单位是智能障碍者就业后工作生活的主要场所，工作单位对智能障碍者的帮助才是真正持久而有效的。但由于目前的转衔教育没有有效调动工作单位的积极性，学校社区工作单位合作不够密切，不能有效地对智能障碍者进行培训和指导，造成人力资源的浪费，并且对智能障碍者形成不良影响。
对智能障碍者进行转衔教育的人力资源和资金也明显不足，社会支持力度不够。有研究发现，社会对智能障碍者独立生活和就业的支持力不够，直接影响智能障碍者在就业过程中获得尊重和成就感。目前，国家投入特殊基础教育的资金越来越多，但是投入到转衔教育和智障者就业的资金却很少。而学校和教师缺少转衔教育的意识，同时由于繁重的课业负担也没有时间和能力对智能障碍者进行转衔教育。缺少基本的转衔教育师资和资金支持是转衔教育发展迟滞的主要原因。
对智能障碍者转衔教育的建议
扩大对智能障碍者转衔教育的范围，对智能障碍者进行支持性就业。智能障碍者也是社会人，也需要在社会中获得生存和发展的机会和条件。智能障碍者除了要像普通人一样获得基本的物质精神条件，还要面临由于生理原因所导致的心理问题。在对智能障碍者进行转衔教育时应该注重加大教育范围，更加注重对智能障碍者心理及人际交往的指导和支持。通过就业前的实习辅导，如陪同智障者参与实习，在实习的过程中及时解决智障者工作及心理各方面遇到的问题，以确保智障者能够获得一定的就业能力并适应新的生活工作环境，保持良好的心态。
在智障者正常工作后，给予长期不间断的人际关系和社会工作适应的辅导。转衔教育并不完全等同于过渡教育，还应该包括智障者正常工作后的各方面长期而不间断的辅导。而这些辅导不仅包括工作技能的辅导，还包括人际关系和社会生活的指导。这种指导可以由学校老师进行，也可以由单位同事进行。这种指导的益处往往大于简单的工作技能指导。
加强学校社区和工作单位的紧密联系，建立台理有效的智能障碍者个别教学计划。为了满足智障者工作生活的需要，智能障碍者就业前的个别教学计划可以由学校、社区、工作单位共同制定，提前为进入社会做准备。同时，加强学校社区和工作单位的联系，有利于保障智力障碍者转衔教育的持续，为后来者总结更多的经验和教训，以提供更多的借鉴。
加大对智能障碍者转衔教育资金和人力的投入，保障转衔教育的顺利开展。国家应该根据各地区经济发展的需要，适当地调整特殊基础教育和转衔教育的资金和人力分配比例。同时，加大对残疾人保护相应法律的执行力度，以保障智障者有足够的机会就业。
一、教育观念的更新和转变
1.改变对学生的认知
多元智能理论认为几乎每个人都是聪明的，但聪明的范畴和性质呈现出差异。我们要改变以往对学生的认知，用赏识和发现的目光去看待每一个学生，特别是技校的学生，经历了中考和高考的失败，是别人眼中的差生。我们要改变以往用同一个标准去衡量学生的观念，要重新认识到每位学生都有不同的智能优势。只要我们正确的引导和挖掘，每个学生都能在某个方面成才，正所谓360行，行行出状元。
2.重新定位教学观
在教学方法上，多元智能理论强调应根据每个学生的智能优势和智能弱势选择最适合学生个体的方法。作为一名教育工作者，我们要关注学生的个体差异，发现每个学生的闪光点，因材施教。在教学中，教师要运用多样化的教学模式，促进学生潜能的开发，鼓励学生参加多种社团活动，丰富自己的校园生活，引导他们形成正确的学习方法。特别是技工教育，课堂教学和车间实训兼而有之，怎样做好理论和实践的对接，需要我们老师认真分析，认真总结，既不是单纯的理论传授，也不是单纯的车间实训，而是将理论和实践尽可能地糅合起来，就是我们说的一体化教学，或者是以项目为载体，开展项目教学，让每一名同学都参与到教学的过程中来，让他们体验成功的乐趣，重新拾回对学习的信心。
3.重新定位评价观
多元智能理论对传统的标准化智力测验和学生成绩考察提出了严厉的批评。传统的智力测验过分强调语言和数理逻辑方面的能力，只采用纸笔测试的方式，过分强调死记硬背知识，缺乏对学生理解能力、动手能力、应用能力和创造能力的客观考核，因此，是片面的、有局限的。多元智能理论认为，人的智力不是单一的能力，而是由多种能力构成的，因此，学校的评价指标、评价方式也应多元化，并使学校教育从纸笔测试中解放出来，注重对不同人的不同智能的培养。技工教育在这方面有自身的优势，不仅要评价学生对知识的理解和掌握情况，更重要的要考核学生对技能的掌握程度，技能过硬知识理解欠缺的学生同样是好学生，毕竟技工教育应该以技能为主，而不是以纸笔测试为主。
二、教育目标的重新定位
1.教育目标的定位
普通教育是以升学为根本任务，注重培养的是学生学习知识的能力以及自学能力。技工教育是以就业为根本任务，注重培养的是学生学习技能的能力以及动手的能力。根本任务的不同，决定了技工教育的本质是培养一流的技工，总书记在视察珠海市高级技工学校时指出：“没有一流的技工，就没有一流的产品。”。因此，一流的技工是一流产品的前提和保证，技工教育承担着培养技工的任务，在教育目标的定位上要敢于创新，不重知识重技能，不重升学重就业。
2.教育目标的转变
过去，很长一段时间，我们都是以学生的学习成绩来量化和考核一个学生的全部。显然，这种评价方式越来越难以适应当今社会的发展。在教育目标上，多元智能并不主张将所有人都培养成全才，而是认为应该根据学生的不同情况来确定每个学生最适合的发展道路。笔者所在的学校就提出了“双核型”人才培养目标，即不仅要具有核心职业技能，还要有核心职业素养。在教育的具体实施过程中，要根据每个学生的不同特点，突出他们的优点，因材施教，不以成绩论英雄，最大程度地释放每个学生的闪光点。在注重全面发展学生的智能结构各种功能的基础上，应更加注重不同个性的发展，我们应该充分尊重任何一种智能，尽量按照每个学生所具有的不同智能结构提供发展、成长的条件和机会。教学就是要尽可能创设适应学生优势智能结构发展的条件，使每个学生都能成才。
当前，技工教育面临了很多难题：一是招生难，家长的观念没有改变，“技工教育不就是到工厂当工人吗”，很多家长对此不屑一顾，“我的孩子将来要上大学，坐办公室，怎么能去当工人呢？”二是管理难，技工学校的“差”生多，打架事件时有发生，给技工教育带来了负面影响。值得庆幸的是，技工教育逐渐得到了社会的认可，技工学校毕业的学生供不应求，大学生就业越来越困难，大学生毕业后到技校回炉学一技之长的也时有发生。
人工智能作为一门课程［1］，开设时间距今只有40多年，但发展极为迅猛。人工智能课程的内容涉及计算机科学、数学、系统科学、控制科学、信息科学、心理学、电子学、生物学、语言学等等，几乎所有科学工作者都可以在人工智能中找到自己感兴趣的问题。目前，国内外已有众多高校指定人工智能为计算机科学与技术及其相关专业的主修专业基础课程，它在拓展计算机和自动控制的研究和应用领域方面有着极其诱人的学科发展前景。自2003年起，国内诸多高等院校陆续开设“智能科学与技术”本科专业，同时也有更多高校在传统信息类专业中加大了人工智能课程的课时比重，因此如何提高人工智能课程的教学质量显得尤为重要。?
本文结合人工智能课程的特点以及自己教学与研究的实践，对本课程的教学进行一些探讨，以期改进人工智能课程教学方法，达到提高本课程教学质量的目的。??
一、兼顾课程内容的统一性和差异性??
人工智能课程的核心内容主要集中在对基本概念、基本原理、基本方法和重要算法及其应用的认识和理解上，尽管各种基本概念、原理、方法和算法在一定程度上自成体系，但是它们之间又存在着许多内在联系和规律。从这一点来看，人工智能课程与其他很多计算机课程是不同的，这就要求人工智能课程的授课要具有自己的特色。?
知识表示、知识推理、知识应用是人工智能课程的三大内容，解决任何一个人工智能问题都离不开两个步骤，即知识表示和问题求解。由此，人工智能课程从总体结构上就有了一个比较清晰的脉络，即首先必然要学习各种知识表示方法，然后是利用这些知识进行推理，进而实现知识应用，最终达到问题求解的目的。问题求解又分为基本的问题求解方法和高级问题求解方法。图搜索策略、启发式搜索、消解原理以及规则演绎系统等都属于基本的问题求解方法。计算智能、专家系统、机器学习、自动规划等属于高级问题求解方法。?
同时，人工智能课程某些章节或者某些方法算法在一定程度上又自成体系。例如，各种不同的知识表示方法不管是数据结构还是表示形式都完全不相同。又例如，人工智能有许多不同的学派［2］，本课程往往同时会介绍不同学派的算法，这些学派在人工智能的基础理论和方法、技术路线等方面是完全不同的，甚至是对立的。?
这些都要求我们在教学过程中不仅要强调人工智能课程理论的统一性和完整性，又要兼顾各学派的特点，尊重甚至调动学生们对不同人工智能学派及其方法的兴趣。在编写和选用教材时也要注重这一点，我们选用的是蔡自兴教授编写的《人工智能及其应用》系列教材［1,2］，该教材以逻辑主义学派为主线，兼顾引进其他学派的精华内容，具有较强的科学性。
??二、实施分层次教学??
各高校一般同时为计算机相关专业的本科生和研究生开设了人工智能课程，甚至有的非计算机类专业也开设有人工智能课程。不同层次的学生对人工智能课程要求掌握的程度不同，我们首先明确本科生和研究生以及非计算机类专业学生的教学目的和教学内容，做到分层次设计人工智能课程教学?过程。?
本科阶段的人工智能课程课时量较少，本科层次只需要做到对大部分人工智能概念和算法了解、认识，少部分达到理解层次。本科生一般都是在高年级（三年级下期或者四年级上期）开设人工智能课程，这时已有不少学生准备继续读研或者已经被保研，因此在兼顾全体学生教学层次的同时，要注意给这部分学生足够的相关参考书目，让他们能够利用课余时间广泛深入了解人工智能相关算法，老师在课后还应和他们进行充分讨论，培养他们对人工智能的特别兴趣。?
非计算机类专业的学生往往需要学习如何利用人工智能知识解决该专业领域内的问题，因此在教学中要尽量有专业针对性地进行教学。例如针对农科类专业，在教学专家系统过程中，我们要求学生参考北京农业信息技术研究中心开发的农业专家系统开发平台（paid5?0）理解并开发与本专业领域相关的简易农业专家系统。?
给研究生开设人工智能课程要求做到概念理解，基本算法精通，即要求全面、系统地掌握人工智能的基本概念、基本原理、典型方法和若干应用实例，并且能灵活运用所学知识阐述解决实际问题的方法和途径。课程教学中要致力于培养学生分析问题与解决问题的能力，要求研究生将人工智能方法与自己的研究方向相结合，用人工智能方法解决所研究课题中的实际问题，并撰写相关的课程论文，以小型研讨会的形式进行报告交流。实践证明，我们的研究生的人工智能教学效果明显提升，成效突出。
??三、案例驱动，寓教于乐??
采用案例教学是为了充分调动学生的学习兴趣，增强学生学习的自觉性［3］。通过案例教学能把枯燥的人工智能理论知识具体化、形象化，可以使学生更加感性地理解课堂教学内容。这些案例都是以教师所从事的科研项目中的实际应用环境为背景进行阐述的，让学生能在实际环境中理解概念和知识，学会利用人工智能知识去分析和解决实际问题。在教学过程中要选择学生容易接受的案例，体现理论联系实际的特色，激发学生的兴趣。?
例如，在讲授“计算智能”内容时，我们结合黄河三门峡和小浪底水库水沙联合智能调度系统［4］进行讲解。综合三门峡水库和小浪底水库防洪运用的基本原则、历年调度方案、专家的经验、历年数据和现有的调水调沙数学模型，分别利用模糊决策、神经网络、遗传算法及综合集成方法来实现三门峡、小浪底水库水沙联合调度。?
又例如为了让学生走近机器人，我们进行了一场机器人展示课，将研究所现有的MOROCS?1（中南一号智能移动机器人）、ASR（广茂达）、AmigoBot（自主移动机器人）、CanDroid（罐头机器人）、MD?375 Rover（人控漫游车）、Fokker D7（人控飞机，1:72）、Rockit OWI?769K（声按、压控火牛机器人）、Hexapod Monster（六足爬行机器人）、Hubo（多机能歌舞机器人）等各类机器人全部拿出来给学生做了功能演示［5］。亲眼看到这么多机器人，同学们都非常兴奋，对人工智能课程的兴趣高涨。?
在进行案例教学时，引导学生带着问题和求知欲望深入理论的学习，让学生在案例中寻找问题的答案并获取知识。在讲授利用神经网络进行水库调度时，引导学生分析如何确定神经网络的输入端数据，什么是泛化能力以及如何提高神经网络的泛化能力。?
为了巩固所学内容，可以让学生组成讨论小组对教师提出的论题进行讨论，分小组阐述自己的观点，这样有助于提高学生学习的主动性，还有助于培养学生思考问题的能力和提高理论教学的效果。案例教学的关键在于引导学生利用所学到的理论知识去解释、分析和解决现实案例中的问题，以达到训练学生理论运用和深入理解理论知识的目的。?
此外，我们挑选了机器人足球、拖拉机扑克牌、中国象棋、五子棋等普遍受人喜爱的智能游戏，让学生亲手设计小型智能游戏软件，在设计的过程中掌握高深的人工智能理论知识，让学生学得会、用得上、记得牢。
??四、结语??
以上谈到的一些教学方法是我们在教学过程中总结体会比较深刻的方面，以供探讨。事实上，要进一步提高人工智能课程的教学质量，还有很多方面需要改革和加强。如不断强调人工智能教师的专业素质，要求他们在讲授好人工智能课程的同时，努力提升出自身的专业素质，给学生一个良好的专业素质导向。其次，在人工智能课程教学过程中还需要有培养实用型人才的教学理念，特别是注重培养有创新意识的实用型人才。注重培养学生的质疑能力，只有通过质疑和提出问题，学生的创新意识才能够得到不断强化，创新思维能力才能够得以不断提高。?
人工智能学科是一门非常年轻、又非常前沿的学科，有其自身的突出特点，人工智能课程教学必然与其他计算机专业课程教学不同，需要更多的从事人工智能教学的教师在自身的教学实践中不断积累经验，进行广泛的教学交流。
参考文献?
［1］
蔡自兴, 徐光祐. 人工智能及其应用(第三版)(研究生用书)［M］. 北京: 清华大学出版社， 2004（8）: 1-4.?
［2］蔡自兴, 徐光祐. 人工智能及其应用(第三版)(本科生用书)［M］. 北京: 清华大学出版社， 2003（8）:288-290.?
［3］雷焕贵, 段云青. 中美案例教学的比较［J］. 教育探索， 2010（6）: 150-151.?
关键词：人工智能；计算机网络教学；现状；运用
中图分类号：TP393-4
所谓人工智能，就是利用人工方法在计算机上实现智能，也可以说是人工智能在计算机上的一种模拟。人工智能广泛融合了神经学、语言学、信息论和通讯科学等众多学科和领域。目前主要存在三条人工智能研究途径：一是以生物学理论为支撑，掌握人类智能的本质规律；二是以计算机科学为支撑，通过人工神经网络进行智能模拟，实现人机互动；三是以生物学理论为支撑。
1 人工智能技术的特征
智能技术主要分为两类，人类和计算机智能，两者存在相辅相成的关系。利用人工智能技术能够实现人类智能向机器智能的转化，相反，机器智能也能够利用智能教学转化为人类智能。
1.1 人工智能的技术特征。首先，人工智能具备非常强的搜索功能。该功能是利用相关搜索搜索技术实现对海量信息的快速检索，满足个性化信息需求；其次，人工智能具备很强的知识表示能力。具体来讲，就是人工智能对信息的行为，能够像人类智能一样，对模糊的信息加以表示；最后，人工智能具有较强的语音识别和抽象功能。前者主要是为了对模糊信息加以处理。而后者主要是为了对信息重要度加以区分，以便提高信息处理效率。用户只需要智能机器提出具体要求便可，至于复杂的解决方案就交给智能程序了。
1.2 智能多媒体技术。首先，人机对话更加灵活。传统多媒体在人机对话方面极为欠缺，导致教学单调乏味，不能取得预期良好效果，但智能多媒体却不然，他能够实现人机自由对话和互动，同时还能结合学生实际对学生的问题给出不同层次的答案。其次，教学可行性更强。由于学生在认知能力和个人素养方面都存在差异，而且学习主动性也不尽相同，人工智能必须要结合学生实际学习状况，为每一位学生设计制定个性化的学习计划和学习目标，对学生进行针对性较强的教学，真正实现因材施教。再次，具有强大的创造性和纠错性。前者属于人工智能的显著特征，而后者属于人工智能的重要表现方面。最后，智能多媒体具有老师特征。在实际教学过程中，智能多媒体可以对教学双方的行为进行智能评价，以便能够及时发现教学中的薄弱点，有助于实现教学相长，全面提高教学质量和教学效果。
2 计算机网络教育的现状
随着现代科学的进步，网络信息的发达，人们的教学观念和学习观念都发生了前所未有的改变，网络时代正全面到来。为了满足现代社会对人才的实际需求，培养大量现代化优秀人才，计算机网络教学模式业已成型并不断完善。目前，高校正规教学模式依然是现代教学主流，尽管在系统传授知识和规范培养人才方面具有无可比拟的优势，但在资金投入、效益创收和时空限制等方面具有很大的弊端，灵活性不足，无法有效满足现代教育的发展要求。
计算机网络教学对传统教学形成了巨大挑战，并产生了深远影响。它不仅有效弥补了传统教学的时空限制缺陷，而且赋予了教学极大的乐趣性，吸引了越来越多的人积极投身到网络教学建设中去，任何人无论何时何地都能够通过网络课堂去学习和提高。但目前计算机网络教学发展仍处于探索期，在实际运用方面还存在许多问题：第一，计算机网络教学中的学习支持服务体系尚不健全，导学手段和答疑方法还非常落后，由于各种原因，在服务方式上缺乏针对性、策略性和积极性；第二，计算机网络实验教学中存在着空间分散、时间流动和自主性差等问题和弊端；第三，计算机网络的系统承载能力和信息查询能力还十分有限；第四，如何实现计算机网络考试的开放性，确保考试的客观性、公正性、权威性，已经成为网络教学发展的瓶颈；第五，计算机网络教学中的核心支撑系统――CAI，还无法有效满足和适应网络教学的实际需求和发展要求。
主流CAI课件主要有两种，一种是单机版的初级课件，包括简单的Authorware课件、PPT幻灯片和图文网页等。一种是高级的网络版课件。该类课件主要以静态图文和动态演示组成的网页为主，以聊天室、电子邮件和QQ群等形式为辅，实现师生互动、网络答疑的一种改进型课件。初级课件在实际教学中以操作容易、更新及时和维护方便著称，但实际上就是传统教学手段的变相挪用。还有些课件，尽管在互动性方面有着不错的效果，但是制作繁琐、更新较慢和维护复杂。因此，高级网络课件是目前网络教学中的主流课件，已经成为了计算机网络课件的固定模板。改进型的网络课件有效地解决了传统多媒体在师生互动不足的问题。上述两类课件是现在最为常见的两种CAI课件，尽管两者都有各自的优势，但作为网络教学的重要手段，仍存在许多问题和弊端：无法实现因材施教，无法开展层次教学；作为教学的一大主体，学生在个性化交互操作方面仍有很大不足；对学习过程中出现的普遍问题无法进行智能统计、分析和评价等。
3 人工智能技术在计算机网络教学中的运用
3.1 人工智能多媒体系统。（1）知识库。智能多媒体已经不再是用来进行纸质媒体数字转化的工具了，它应该具备相应完善的知识库，而知识库里的教学内容要结合教学实际和学生现状进行针对性、个性化设计。同时，要实现知识库资源的高度共享，并及时加以更新和补充，如此才能充分发挥知识库的教学服务作用。（2）教学板块。教学板块的设计主要是出于教学综合性考虑的，教学方法的创新是其关注的重点内容。该模块的实现要以掌握专业知识、教学策略和人机对话等领域的知识为前提，结合学生实际学习现状和特点，利用智能系统的现代化技术手段对知识和相关教育措施加以高效搜索。（3）学生板块。及时掌握学生心理动态和学习状况是智能网络教学的一大特征，结合学生实际状况加以智能评判，进而加以针对性指导和个性化辅导，实现因人施教和因材施教，全面提高学习效率和学习质量。（4）用户模块。用户模块是智能系统无法忽视和省略的关键模块，整个智能系统的正常运行离不开人工程序操作，用户需要通过用户终端将教学内容上传到网络教学平台，才能顺利完成教学。
3.2 人工智能多媒体教学的发展。（1）加强与网络的结合。随着网络技术的成熟，智能网络教学与网络之间的关系日益紧密，多元化、多维度网络空间日益成为一种趋势。互联网具有信息量大、更新速度快、超时空性等优势，加强与网络的结合是人工智能计算机网络教学未来发展的重要方向。（2）加强智能的应用。人机对话、机器指导的教学模式将成为未来网络教学的核心模式，传统教师的角色将逐渐被计算机取代。最为典型的就是现代智能导航系统。（3）加强系统软件的研发。系统软件的更新日新月异，旧的系统软件已经无法有效满足网络发展的时代要求，加强系统软件的研发以便充分满足网络要求，更好地帮助学生解决实际问题，进而提高学习效率和教学质量。
4 结束语
人工智能技术在计算机网络教学中的运用将为现代化教育提供新的发展思路，将全面改善网络教学环境，拓展学习服务渠道，提高计算机网络教学质量，并有可能彻底打破计算机网络教育的时空限制，全面加强网络教学的开放性，实现网络学习的个性化、人性化和智能化，充分落实以学生为本的教学理念。未来CAI技术的进一步成熟将全面提高网络教学的整体格局，我们有理由相信，智能网络教学将迎来全新的发展春天。
参考文献：
[1]刘广钟，高军，刘，李吉彬.报文分析技术在计算机网络教学中的应用[J].计算机教育，2014（01）.
[2]赵冉，朱西方.仿真技术在高职计算机网络教学中的应用探讨[J].河南科技，2014（01）.
关键词：人工智能；本科高年级教学；教学改革
中图分类号：G642 文献标识码：B
1 引言
人工智能是计算机科学与技术学科类各专业重要的基础课程，在信息类相关的许多高年级本科和研究生都开设了人工智能课程。人工智能是一门前沿性的学科，它主要研究计算机实现智能的基本原理和基本方法，同时人工智能也是一门多学科交叉的综合学科，它涉及计算机科学、数学、心理学、认知科学等众多领域。广义的人工智能涵盖了模式识别、机器学习、数据挖掘、计算智能、神经网络、统计学习理论等众多研究方向。人工智能作为计算机学科的重要分支，已成为人类在信息社会和网络经济时代所必须具备的一项核心技术，并将在未来发挥更大的作用。
由于人工智能课程的学习难度较大，内容更新比较快，也繁多，使得教学有一定的难度。特别是针对本科高年级的人工智能教学，由于本科生的研究意识相对较弱，而人工智能比较强调科研性，所以如何教好本科高年级的人工智能课程是一项非常具有挑战性的任务。
本文通过分析本科高年级的教学特点和人工智能课程的自身特点，在如何提高教学质量这一问题上提出了几点思考。
2 本科高年级的教学特点
中国的本科教育，由于历史和经济发展水平等诸多原因，目前的定位还是培养某方面专业人才的专才教育。本科高年级学生在完成了低年级公共基础课程和部分专业基础课程的学习之后，迫切希望了解本专业的应用领域和发展前景，所以在教学过程中要注意内容的应用性和专业性。另一方面，本科高年级学生也是研究生教育的储备人才，在教学过程中要适时的进行科研引导，这样能够让毕业生保持对科学的兴趣，从而为研究生阶段进一步深入研究打下基础。本科生一般于4年级的10月份开始着手毕业设计，在本科高年级的教学过程中还要注意与毕业设计的内容相结合，这样可以让学生提前做好准备，选择适合自己的方向。
3 人工智能课程的学科特点
与信息类其它专业课程相比，人工智能具有应用性、研究性和发展性三个重要学科特点。首先，人工智能是一门应用性很强的学科。人工智能学科的主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。人工智能技术广泛应用于模式识别、数据挖掘、智能控制、信息检索、智能机器人等领域，在日常生活中，随处可见人工智能技术的应用实例；其次，人工智能技术具有很强的研究价值，是计算机科学领域中重要的研究方向。技术进步无止境，研究者们不断追求开发出效率更高、更智能的人工智能技术：最后，人工智能是一门正在发展中的学科。随着信息化、计算机网络和Internet技术的发展，人类已步入信息社会和网络经济的时代，它们为人工智能提出了许多新的研究目标和研究课题，人工智能的应用领域以及技术算法都在不断发展。
4 人工智能教学的三点思考及对策
4.1 注重应用性和介绍性
在教学实践中，笔者发现，本科高年级学生一般比较关心各种人工智能技术的应用领域和使用方法，而对基础性理论和技术细节不是很感兴趣。他们一方面希望能学到很多较新和较实用的人工智能算法，并且最好可以看到使用效果；另一方面又希望老师的教学主要停留在介绍性层面，不想花太多时间在复杂的理论理解上。这也比较符合本科高年级的教学特点，本科阶段主要是培养具备较强应用性和基础科研素质的专业人才。传统的人工智能教学主要讲授知识表示和搜索推理技术，大部分实例都是解答式或推证式的。由于其知识的抽象性，又加之其应用实例较少，所以往往教师感觉难讲，学生在学习过程中也感觉乏味，对讲授的内容大多都是死记其方法和步骤，因此影响了教学效果。针对这一问题，笔者认为，在设计人工智能教学时，要注重内容的新颖性、实用性和介绍性。除了讲授那些仍然有用的和有效的基本原理和方法之外，要着重介绍一些新的和正在研究的人工智能方法和技术，特别是近期发展起来的方法和技术，如支持向量机、决策树、模糊集、遗传算法、蚁群算法等。这些内容的理论部分可以不必过分深究，教学重点主要放在介绍每种技术的产生背景、发展状况、应用领域和具体实现上。此外，要注意理论与实际应用密切结合，在教学过程中加入一些与课程内容结合的、可以用计算机实现的实际应用内容。考虑到目前应用最广泛的人工智能领域之一是模式识别，而研究模式识别的主要计算机工具是Matlab，所以笔者在教学过程中以手写数字识别作为教学实例，针对所介绍的每一种人工智能技术，都将其应用于手写数字识别当中，并讲解了这些技术的Matlab实现方法。学生在掌握了基本理论之后，可以按照实现步骤的指导，立刻上机见到算法的实际效果，加深对算法实现思路和方法的认识。
4.2 注重科研引导性
本科教学不仅要培养学生的应用能力，还要培养学生具备基本的科研素质。本科教育一方面为社会培养了大批应用型人才，另一方面也要为我国的科研事业培养后备力量。特别是近几年来我国对科研的投入不断增加，研究生招生规模逐年增大，本科高年级学生打算继续读研的也不在少数。而人工智能是计算机相关学科非常活跃的研究课题，其涵盖的分支非常广泛，如模式识别、机器学习、数据挖掘、计算智能、统计学习理论等，都是目前国际和国内热门的研究方向。针对这一特点，在本科高年级的人工智能教学中，还要注意对学生适时适度的科研引导。这样可以激发学生的研究兴趣，树立目标意识，找准研究方向，为未来的科研工作打下基础。在教学过程中，可以引导学生思考每种人工智能技术的优点是什么?缺点是什么?有没有改进的办法?比如BP神经网络是计算智能中较为成熟的技术，具有强大的非线性学习能力，在模式识别、经济数据分析、生物信息学、数据挖掘等众多领域都取得过成功应用。然而BP神经网络算法自身也存在着一些缺点，如会有局部最小解、解受初值影响较大、理论解释不完善等。近十年来，研究者逐渐把目光转移到另一种新的非线性学习工具――支持向量机上。同神经网络相比，支持向量机具有泛化能力强、不受局部最小问题困扰、理论背景完善等显著优点。在给学生讲解BP神经网络算法的时候，一方面可以通过手写数字识别实验展示其强大的非线性分类能力，另一方面也要告诉学生，BP神经网络并不是完美的，其缺点同样明显。然后引导学生对这些问题进行思考，讨论有没有更好的解决办法。此时，顺势引出支持向量机的内容，并且介绍支持向量机的研究现状和研究方向。通过两者的对比，学生不但了解到了较新的人工智能技术，又对人工智能研究中如何去发现问题、解决问题、人工智能技术的进化历程有了直观的印象。
4.3 教学内容与毕业设计相结合
本科毕业设计是对本科生用所学知识来解决实际问题和进行专业研究能力的检验，是本科高年级学生将要面临的一项重要任务。由于人工智能学科具有应用性和科研性的特点，人脸识别、网页检索、经济预测、基因数据处理等应用领域都离不开人工智能技术，所以人工智能方向为学生提供了丰富的毕业设计选题。针对这一特点，在本科高年级的人工智能教学中，可以适当穿插介绍有关毕业设计的内容。告诉学生哪些应用领域是目前人工智能研究的热点方向，哪些人工智能技术可以用来解决这些问题。通过向学生介绍具有一定应用价值和研究意义的题目，然后引导他们查找阅读相关技术文献，分析问题，解决问题，最后编写代码和撰写论文。比如笔者给学生提供的选题包括：(1)基于支持向量机的上市公司信用评价；(2)正则化回归在股票预测中的应用；(3)基于肤色的人脸检测；(4)基于内容的网页图像检索等。这些题目应用性强，具有一定科研深度但是难度又不至于太大，学生选择这些题目的积极性很高。通过将教学内容与毕业设计相结合，不但加深了学生对课程的理解，又使其找到了合适的毕业设计题目，可谓一举两得。
智能科学技术作为信息科学技术的核心、前沿和制高点，是各种智能化应用的关键。随着智能化应用时代的到来，加快我国智能科学技术教育事业的发展，培养大批高水平的智能科技人才，是国家智能化应用发展战略的必需，应引起社会和高校的高度重视。
十余年来，中国人工智能学会教育工作委员会以其对我国智能科技人才培养的社会责任感，以倡导、协调、推进、创新我国智能科学技术教育为宗旨，在开创、引导、发展、繁荣我国智能科学技术教育事业的过程中作了大量的创造性工作，同时也打造出了一个面向我国智能科学技术教育的学术交流平台——“全国智能科学技术教育暨教学研讨会”。
在这个平台上，全国各高校的智能科技工作者针对我国智能科学技术教育问题，相互交流专业建设和课程教学经验，共同探讨核心课程和教学实验体系，对我国智能科学技术专业建设和学科发展中起到了积极的推动作用。
今年的会议，除正常的教育教学研讨交流外，还有两大事项需要大家共同推进：一是由中国人工智能学会主办、学会教育工作委员会组织的“华为杯全国大学生智能设计竞赛”；二是由中国人工智能学会教育工作委员会与清华大学出版社共同组织的“全国高等院校智能科学与技术专业系列规划教材”建设。希望会议各项议程都能取得圆满成功。
自2006年以来，人工智能（Artificial Intelligence，AI）的发展迎来了第三次浪潮。谷歌、IBM、百度、腾讯等商业巨头的参与，使得人工智能方向的科学研究从学术界的沙盘模拟演变为大规模团体实战[1]。2017年是中国人工智能战略驱动的最为关键的一年。3月，人工智能首次被写入政府工作报告。7月，国务院重点指出人工智能技术和产业的发展规划，即推动新一代人工智能技术的产业化与集成应用，发展高端智能产品，提升智能制造水平[2]。10月，报告指出促进人工智能和实体经济深度融合的战略方针。12月，工信部印发促进新一代人工智能产业发展的三年行动计划，旨在加快制造强国和网络强国建设。这一系列政策与方针都将人工智能作为重要的国家科技战略规划，为人工智能的发展布局提供了明确的时间表和路线图。
人工智能在国家战略层面地位已然举足轻重。人工智能方面的人才需要掌握系统而庞大的知识体系，涉及脑科学，数学、计算机等多门学科，这已经超出当前狭义计算机专业的培养内容。为加快人工智能方向的人才储备，2018年4月，教育部要求高校在计算机科学与技术学科设置人工智能方向，形成“人工智能＋X”的复合专业培养新模式[3]。2018年，教育部正式批准35所高校首批建设本科人工智能专业，2019年9月首批人工智能专业的本科新生入学。到2020年，基本完成高校科技创新体系建设和学科体系的优化布局以适应新一代人工智能技术发展，在计算机大类专业下以人工智能为视角探讨本学科所应具备的新的内涵与外延。
目前，高校计算机专业采用的宽口径培养模式，在人工智能方面的人才培养具有相当的局限性，以至于高度浓缩到了仅仅给学生做高级科普的程度。学生难以全面深入地掌握人工智能知识技能，难以具备解决企业关键问题、适应产业发展趋势的能力。因此，在计算机大类专业下发展人工智能学科体系，独立建设人工智能专业，培养卓越的领域人才是当下人工智能战略发展的刚性需求。
二、人工智能产业发展现状
我国的人工智能发展仍处于探索阶段。图1显示了2017年全球高科技企业AI团队的规模统计数据。从图1可以看到，谷歌，微软等国外高科技企业，在AI团队上均有千人以上的规模，相较于国内行业领军者百度或腾讯等企业，领先幅度达到数倍之多。这一现象表明，我国在人工智能人才的储备上存在着巨大缺口，如何培养高质量、高水平、高素质的人工智能方向专业人才，是我国当前互联网、信息行业教育方向中一个亟待解决的重要命题。
图1 2017年全球高科技企业AI团队规模
图2 全球AI领域高校数量分布
我国各重点大学早就展开了许多人工智能相关技术的研究，只是当时人工智能一般会放在研究生教育中，作为计算机科学、互联网信息技术等专业的一个研究方向进行具体探索。人工智能领域研究及学科建设方面都有着广泛而坚实的基础，教研成果丰富，师资力量雄厚。响应人工智能国家战略，我国各重点大学责无旁贷。
围绕人工智能专业建设，本文分析了国内外人工智能相关专业招生和就业现状，提出在计算机大类专业下建设人工智能的专业内涵，明确了人才培养目标，构建出有层次的课程体系架构。期望开拓出一条适应我国人工智能领域发展现状的人才培养模式，为人工智能学科体系布局做出贡献，有望为中国高等教育人工智能人才培养探索一条新的路径。
三、国内外人工智能相关专业招生及人才就业情况
一个领域的竞争归根结底是人才的竞争。人工智能的蓬勃发展造成了人工智能软硬件设计、算法设计、工程管理等各方面人才的稀缺。早在2016年的相关数据显示，中国人工智能的技术人才储备与市场需求之间存在着500万人的缺口。全球AI研究及直接从业者约有30万人，主要分布在高校、AI新兴企业、科技巨头以及其他领域。图2给出了截止2017年末，全球在相关人工智能相关领域高校专业的分布情况。全球主要有293所具有人工智能研究方向的高校，其中美国高校较早地开展了人工智能研究，占据全球的57.3%，一枝独秀。加拿大、中国、印度、英国等国家位于第二梯队，有着较大的提升空间。
国内外相关专业招生情况为人工智能专业的建设提供了一条认识与理解的渠道。斯坦福大学在人工智能领域居于世界领先地位，它在人工智能方面的本科教学涵盖的课程全面而前沿，包括计算生物学、语音识别、认知和机器学习等。学校授予计算机科学理学学士学位。加利福尼亚大学伯克利分校在研究生设置了计算机科学理学硕士学位，内置认知科学技术和人工智能相关的课程。卡内基梅隆大学拥有世界首屈一指的机器人技术，其计算机学院设有专门的机器学习系，包括机器学习辅修和统计机器学习专业。目前，国外高校还未直接将人工智能作为专业应用于本科学生培养。
人工智能的就业前景在当前相当广阔，人才市场需求亟大，但是大多集中于计算机视觉和语音识别等热门应用领域，造成其他领域的人才相对匮乏。国内的信息产业升级，互联网行业的转型，服务业、工业的智能研发都需要大量的人工智能专业人才。自2017年5月中国科学院大学成立人工智能技术学院以来，国内很多高校紧跟步伐，在人工智能人才培养上争相布局。清华大学计算机系从大一下学期开始，引导学有余力的学生进入智能技术与系统国家重点实验室或相关科研机构，跟随导师从事科研工作。北京大学开设的智能科学与技术专业主要建设机器感知、智能机器人、智能信息处理和机器学习等交叉学科的研究和教学。北京航空航天大学、上海交通大学和北京交通大学新设的人工智能研究院均是针对研究生集中培养。南京大学在2018年正式成立人工智能学院，由周志华教授任院长，建设机器学习与数据挖掘和智能系统与应用两个本科专业。
国内外大学本科教育阶段，都还未针对人工智能专业人才进行系统性、独立性地培养。我国每年人工智能方向的毕业生约2万人，远远不能满足市场对人才的需求。成都市人社局的报告明确指出，在成都市人工智能产业中，AI架构师、算法工程师、仿生机器人研发工程师等9类人才紧缺指数达到最高级别。本科教育阶段是学生掌握基础知识技能、形成科学思维、塑造人生价值观的黄金时期。因此，电子科技大学在本科计算机大类专业下开设人工智能专业进行优势提升和改进，直面国家战略需求，紧贴行业形势，为人工智能领域的发展增强年轻的生命力，为国家社会培养人工智能人才提供优质的平台和孵化园，为学生成材孕育强大的基础和肥沃的土壤。
四、人工智能专业建设探索
（一）把握专业建设内涵，明确人才培养目标
国家战略需求、社会人才缺口等宏观背景，是设立人工智能专业的必然因素。长久发展与传承，把握专业建设内涵和人才培养目标是教育的灵魂所在。在筹备人工智能专业的过程中，首先需要明确在计算机大类下建设人工智能专业的意义。自1956年约翰·麦卡锡等科学家正式提出人工智能学科以来，人工智能已逐渐发展成为一门广泛交叉的前沿科学。以计算机学科门类中各专业为基础，吸收生物科学、数学、哲学、文学等学科关键知识，不断促进人工智能学科的前向延伸和拓展。人工智能虽然是多学科融合发展的领域，但是它强调推理、知识、规划、学习、交流、感知，具备影像辨识、语言分析、人机对抗等计算机领域典型应用场景，与其它专业区分明显。同样的，人工智能的学科交叉特性明显不同于目前计算机大类下分的如大数据、信息安全等其他专业，应当作为计算机下独立的学科分支进行探索与研究。
aaa
图3 人工智能专业人才培养的基本要求
人工智能旨在模拟人的意识与思维过程，智能信息处理是它的主流研究和产业化应用方向。其主要的研究内容包括语言识别、图像识别、自然语言处理和专家系统等。近年来，人工智能在经济政治决策，控制系统，仿真系统等应用场景中得到了愈加广泛的重视。无论是从科学技术发展历史，还是从当今新时代新经济发展趋势来看，增设人工智能专业具有十分明显的合理性、迫切性。国内的许多高校将相关专业设置于自动化大类下，没有考虑到由于互联网、大数据等新技术领域带来的影响和冲击，难以强调并突出人工智能自身理论和技术应用，不能很好地满足工业界普遍趋势所提出的人才需求。
面向国家“创新驱动发展战略”与“新一代人工智能发展规划”的重大需求，本文详细剖析了相适应的专业人才培养的基本要求。本文创新性地提出人工智能专业人才所需的各项基本要求，如图3所示。优秀的人工智能方向专业人才应当具备个人素养，创新实践，领导才能以及专业技能四个基本方面的能力。从这四个方面出发，全方位引导与培养学生具备良好的个人素养、扎实的人工智能专业技能、突出的创新实践能力和卓越的领导才能，有效地成长为国际一流工程师、科学家和企业家，在我国人工智能产业发展中贡献力量。
（二）构建课程体系架构，明确毕业评价要求
人工智能专业规划必须清晰、目标明确。在课程设置方面，以学生素质为核心完成课程体系架构设置，构建完备的专业人才培养方案。教学任务分配层次分明地落实在课程实施上，开发严整的教学培养体系。课程体系架构有四大类模块，详细分为公共基础课程、计算机学科基础课程、人工智能专业课程和实践进阶课程。四个模块相互依赖，公共基础课程、计算机学科基础课、人工智能专业课程层层深入，筑起坚实的知识体系高墙，教学过程步步为营，培养学生从基础到专业的能力思维。公共基础课程扎实培养学生基础的人文素养和数理知识，掌握数理相关的建模、仿真、测试与评价过程，完成高中到大学的自然衔接过渡。计算机学科基础课程以硬件类、软件类与计算工具类课程为类别划分，从三个方面循序渐进地培养学生掌握计算机领域的核心知识。学科基础课程侧重于对计算机底层知识、人工智能数学基础能力、计算机原理的教学，为大二专业课程打下坚实基础。
人工智能专业课程下分为核心类、技术支撑类和平台类课程，核心类课程引领学生熟悉人工智能知识基础、行业技术和核心理论。在研究人工智能的众多分支领域中，学习技术支撑类课程力助学生把握成熟的技术和模型。平台类课程基于智能机器人研究创新开发平台，进行智能制造和设计。这些理论课程锻炼学生获取知识、应用知识和创新思维能力，使之为从事人工智能理论研究、技术开发与创新实践保驾护航。
实践进阶课程可以检验学生对理论知识的掌握深度。实践课程与教学贯穿人工智能专业学习始终，以开发动手能力、发掘创新思维、塑造科研精神为目的，培养学生在理论实践、创新创业、合作领导多方面的才能。首先，人工智能专业实验全面覆盖所开设专业的课程。其次，综合素质实践、专业实习、基地实践、毕业设计等环节逐渐帮助学生将课堂知识转换为科研与工程能力。此外，鼓励大二以上的学生加入实验室参与科研，使科研与教学相互融合促进。为学生构建创新实践平台，校企合作的实践实训机制保障了学生真实地了解企业发展动态和社会需求。在人工智能理论与技术两方面都能提升学生的创新实践能力，尽早地明确未来发展方向，制定生涯规划。目前，许多高校学生为了快速迎合时代需求，对人工智能领域浅尝辄止，缺乏扎实的基本功与充分的研究成果，急于求成，在求职过程中屡屡碰壁。因此，学校应提供最大帮助与支持，让学生明确研究方向，鼓励学生在国内外继续深造，成为人工智能领域有真材实料的人才。
国家社会的需求在动态发展，学生受到的教育和训练也应有明确的规划。现阶段的专业培养，对学生的要求应当不仅局限于四年知识的系统传授，更多地要求学生锻炼综合知识，专业技能，创新实践，自我修养等几个方面的能力，使学生成为在人工智能领域独当一面的栋梁之才。
综合知识方面，培养学生具备坚实的人文社科基础知识；具有正确的道德观、社会责任感和工程职业道德；具备数学、自然科学以及人工智能相关基础学科的知识，具备在经济学、管理学等可能应用领域的基本知识，培养学生全方面、多元化的科学素养。
人工智能技能方面，培养学生具备扎实的人工智能专业基础知识，能够针对典型应用领域的复杂工程问题和需求，结合人工智能相关原理与技术，设计系统级或单元级的解决方案。了解人工智能技术前沿研究的状态及趋势，能够基于科学原理并采用科学方法对工程问题进行研究，包括建模、算法设计、程序实现及实验、进行实验收集数据、分析与解释数据以及通过信息综合得到合理有效的结论，加强学生对专业知识的深入理解，分析应用能力。
创新实践方面，借助案例分析、项目设计、科学研究、创新实践竞赛等方式，让学生掌握基本的创新方法，具有创新意识和态度，能够提出创新性的技术路线与方案，并具备较强的方案实现与分析能力。从信息产业、医学、生物学、经济学等实际应用出发，锻炼学生结合面对多样化的应用场景的理论结合、模型设计、实验分析能力。
自我修养方面，让学生对学习过程进行不断的探讨与思辨，组织学生参与知识技术的分享讨论，培养学生在知识综述、工程设计和沟通辩论的能力。通过综合性的实践项目，学生具备充分的组织管理能力、语言和文字表达能力、人际交往能力以及在团队协作能力。培养学生对学习的正确认识，不断适应发展的意识，具备国际视野、跨文化交流、竞争与合作能力，最终成长为人工智能产业的高级人才。
人工智能专业的毕业生可选择继续在人工智能领域深造，进行更深入地研究，或是于信息产业高新技术企业、科研院所、政府部门等行业就业，从事人工智能的技术研究、系统研发以及工程管理和教育等工作。成为该领域的软硬件高端工程师、交叉学科的应用架构师、创新创业家、算法研究与理论创新科学家，为国家科技进步贡献重要力量。
购物车(0)