基于OBE理念的人工智能专业实践教学模式构建及评价_王雪鹤.pdf

第 4 期2023 年 4 月 10 日计 算 机 教 育Computer Education中图分类号：G64264作者简介：王雪鹤，女，副教授，研究方向为物联网、智能交通、联邦学习等，；陈陟（通信作者），男，研究实习员，研究方向为高等教育质量保障体系，。0引 言20 世纪 80 年代初，美国将高等教育纳入影响其国际地位的战略因素，在实用主义哲学影响下，美国高等教育改革呈现出赋予高校自主权，构建质量保障体制的特点1，产出导向（Outcome-based Education，OBE）理念由此诞生，并为美国工程技术认证委员会接受，成为贯穿工程教育专业认证的核心理念。20 世纪 90 年代中期，随着我国市场经济改革不断推进，高等教育领域开始探索构建质量保障体系。2004 年 8 月教育部高等教育教学评估中心成立，2016 年中国正式加入华盛顿协议，我国工程教育认证的结果实现国际等效，OBE 理念随着质量保障活动深入到本科专业的教学实践中，推动了课程改革。2018 年教育部新增审批人工智能本科专业，截至 2022 年 2 月全国共有 440 所高校获批开办人工智能专业。人工智能专业相较于传统专业具有鲜明的学科交叉与融合特点，并与新兴业态的发展需求紧密联系，具有面向未来、扎根实践的特点。因此，相较于传统专业的实践教学，人工智能专业的实践教学很大程度上决定了人工智能基于 OBE 理念的人工智能专业实践教学模式构建及评价王雪鹤，陈 陟（中山大学 人工智能学院，广东 珠海 519082）摘 要：针对目前人工智能专业实践教学环节体量参差不齐、缺乏体系性、评价方式单一等问题，基于 OBE 理念提出人工智能专业实践教学模式和评价体系，根据人工智能专业实践教学产出技术属性和社会属性高度融合的特征，以通识教育和专业教育为基础，构建“校内实训平台”和“校外实践教育基地”相结合的实践课程体系以及过程性、多主体、多形式、全方位的综合考核方式，通过总结“基础成果、综合成果、创新成果”3 个层次的实践教学成果，说明学生能力实现阶梯式提升。关键词：人工智能；实践教学模式；产出导向教学文章编号：1672-5913(2023)04-0064-05专业的人才培养质量2-5。换言之，实践教学环节是提高人工智能专业人才培养质量的重要切入点及关键突破口，如何构建区别于传统专业的人工智能专业实践教学模式成为亟待解决的问题，也是践行 OBE 理念要解决的理论课题。1人工智能专业实践教学现状及问题分析人工智能专业的实践类课程主要包括专业课程实验、工程应用实践、毕业论文（设计）等主体内容，当前面临的主要问题如下。1）实践教学环节体量参差不齐。教育部等部门关于进一步加强高校实践育人工作的若干意见（教思政 20121 号）规定理工农医类本科专业实践类课程学分不少于总学分（总学时）的 25%6，然而不同学校人工智能专业的实践教学体量参差不齐，有的高校人工智能专业的实践教学课程不含公共课程实践教学及毕业（设计）的学分高达 42.5 学分，有的只有20.5 学分，差距超过最低学分的 1 倍。由于人工智能专业为新办专业，师资队伍及办学条件均显单薄，新开办的人工智能专业为了能使培养方案DOI:10.16512/ki.jsjjy.2023.04.0102022 年中国高校计算机教育大会（三）第 4 期65在纸面上实现 25%的实践教学学分比例，通常对公共课程、社会实践类课程以及毕业论文（设计）赋予更高学分，与专业技能直接相关的实践教学环节实则薄弱。2）实践教学缺乏体系性。学者们普遍认为很难从单一学科发展角度找出经典的人工智能实验，致使人工智能实践教学容易成为漫无目的的实验“拼盘”7。当前我国大部分人工智能专业处在“嵌入计算机学科”的发展阶段1，即在计算机科学与技术专业的基础上加入自动化、软件工程等传统工科专业的课程，实践教学模式以沿用计算机类专业的实践教学模式为主，在程序设计、数据库、计算机网络等传统实验课中加入一些数字电路、信号处理、集成电路等偏“硬”的实践教学环节。这种“软硬结合”的实践探索相较于传统的计算机类专业或自动化专业的实践教学，系统性较低。3）实践教学评价单一。人工智能专业对学生实践教学效果的评价主要方式是考查学生编程技能，通常又快又准确且有新意的程序会获得更高的考查分数。这类考查注重评价学生编程能力，但难以培养学生对人工智能专业的全面认知，难以锻炼学生将一个实际工程问题抽象为人工智能问题的能力；其次，由于实验任务相对抽象，学生间无须开展紧密的团队分工协作就能完成任务，难以锻炼学生团队沟通合作能力；最后，过度专注于编程问题可能会忽略对新兴产业链的认知，难以通过实践教学使学生了解人工智能产业发展，这对于培养能够引领未来的人工智能高端人才来说远远不够8。2基于OBE的人工智能专业实践教学模式构建OBE 理念下的课程建设与传统课程建设存在差异。经典的课程编制原理当推 20 世纪 30 至40 年代泰勒提出的课程评价原理和课程编制原理，包括 4 个基本问题9：学校应力求达到何种教育目标？如何选择有助于实现这些教育目标的教育经验？如何有效地组织这些教育经验？如何评估教育经验的有效性？OBE 理念赋予了课程编制新内涵：在确定专业培养目标时强调“以学生为中心”。对学生成长的关切进入教学活动的中心，成为教学活动的主体，教学活动的设计要考虑学生在完成学习后应具备什么能力以及学生怎样才能有效参与教学活动10。科学构建培养目标体系。用人单位、利益相关方须参与专业培养目标的修订，再根据培养目标明确毕业要求，并形成“教学支撑课程目标，课程目标支撑毕业要求，毕业要求支撑培养目标”的产出导向支撑链条。突出“持续改进”。课程设计、教学过程、课程评价形成课程质量提升闭环，评价除了评教师教得好不好，更要评学生通过学习后是否能产出预期成果或具备产出预期成果的能力，并根据评价结果进入新一轮课程质量提升循环。2.1基于 OBE 的实践教学成果设计在 OBE 理念下构建实践教学模式的首要任务在于根据专业毕业要求明确实践教学成果（outcome）的内涵。毕业要求即学生在本科毕业时具备的知识、能力、素质。2017 年国务院印发的新一代人工智能发展规划 是制订人工智能专业毕业要求的重要参考。该规划提出我国新一代人工智能发展的战略目标，并从人工智能理论与技术体系、人工智能产业竞争力以及人工智能发展及规制环境构建等方面提出具体要求，体现了人工智能理论和技术带动产业链升级，产业链形成规模效应后催生人工智能发展环境逐渐完善的“研发攻关、产品应用、产业培育”三位一体逻辑，凸显人工智能技术属性和社会属性高度融合的特征11。目前已有部分人工智能专业对毕业要求的内涵进行了探索，将毕业要求分为人工智能知识、能力、素质 3 个方面：知识涵盖对数学、物理、人文、计算机、人工智能方面的专业知识；能力涵盖编程、算法、建模、研究、系统工程、学科融合、设计/开发解决方案、团队合作、项目管理、沟通表达、终身学习等核心能力；素质涵盖 AI 伦理、科学精神、人文素养、社会责任、思想道德等素养。当前人工智能专业的课程对毕业要求支撑不足集中体现在：偏重对学生数学建模和编程能力的提升，对团队合作、沟通表达、项目管理能202366计 算 机 教 育Computer Education力的训练弱；偏重对理论知识的传授，忽视了对人工智能产品中所蕴含的新业态发展态势的认知；通识课程偏重对学生人文素养的培养，而对 AI 伦理、职业规范及创新创业等行业素养的提升不足。其原因在于当前人工智能专业的课程体系重视人工智能的技术属性，轻视了人工智能的社会属性。在 OBE 理念下构建人工智能专业实践教学模式的首要任务是加强课程体系对毕业要求的支撑，设计的总体思路是为了培养学生对人工智能专业理论与应用的完整认知，通过设计实践教学成果，启发学生基于人机交互、模式识别、自然语言处理等人工智能相关项目，对复杂工程问题进行原型设计，利用真实数据集进行训练与测试，最终形成项目计划书、研究报告等成果，并进一步形成人工智能产品或服务。实践教学成果可进一步分为 3 个层次。基础成果：根据实际应用场景，提炼工程问题。通过查阅文献，了解行业发展现状及痛点。将提炼的工程问题与大学相关专业知识技能进行链接，进行原型设计，绘制甘特图，提出期望成果，形成项目计划书。这类产出将重点强化学生对人工智能场景的理解，引导学生主动思考人工智能技术在推动产业链升级中的关键作用，克服只见理论和技术而不见产品的弊端。综合成果：引导学生关注人工智能项目推进的过程，整合项目执行流程和方法，回顾项目计划与实际进程匹配度，进行自我评价与反思；引导学生将专业技术内容与应用到的相关课程知识进行关联，并给出合理解释；引导学生总结项目研究背景、目标、方法和成果，形成项目结题报告；在过程中提升学生沟通能力和成果演示表达能力。创新成果：基于人工智能在各个新兴领域的广泛应用，进行交叉学科探索，完成人工智能应用新兴领域的概念开发，形成人工智能产品及服务。2.2基于 OBE 的人工智能专业实践课程体系建设研究型大学的本科教育发展之路是要培养“能够引领未来的人”，人工智能专业的人才培养更是要面向未来，倘若只停留在学校内部关起门来搞理论教学或引导学生开展理论驱动的研究，将会大大限制本科生的想象力和创造力，与人工智能前沿理论和技术以及新兴产业的发展需求脱节。在OBE理念下明确人工智能专业的毕业要求，进而明确人工智能专业实践教学成果的内涵后，要对人工智能专业的课程体系进行逆向设计。本科生达成实践教学成果离不开通识类课程、核心理论课程和实践类课程的共同支撑。通识类和核心理论课程是实践教学得以顺利开展的基础。一方面，开设通识类课程（例如自然科学、计算机科学、人文与社会科学等基础课程）可以加强学生人文、科学、计算机的基础，开阔学生思维；同时，在教育中贯穿博雅教育的理念与思想，可以培养学生从不同的视角认识与理解自然、社会和人自身的能力。另一方面，人工智能专业的诞生离不开在各行各业中的应用，其发展离不开新兴产业链的推动，其核心是学科交叉与融合，因此，人工智能专业尤其需要厚植通识教育的土壤，通过通识类课程引导学生思考人工智能技术与人类社会发展的关系，拓宽学生思考人工智能问题的眼界。理论类课程是实践类课程的先导，理论来自于前人的实践，又将指导学生开展新的人工智能实践。核心理论课程包括计算机类课程和跨学科课程两类，基于当前人工智能专业的发展阶段，可以以计算机类课程为本位，开设机器学习、自然语言处理等理论课程，同时又提供机器人原理、通信工程、自动化、逻辑学、心理学和生物学类课程，在教学中融入学科交叉与融合思想，鼓励学生思考人工智能理论前沿问题。实践类课程是建立在核心理论课程与通识类课程之上的，将人工智能理论类课程与通识类课程收敛于真实的人工智能场景，从而助力本科学生生产出实践教学成果，因此，在OBE理念下构建实践类课程是一种教育教学模式及方法的探索与改革。从合作形式上说，通过与校外企业或者研究所合作，联合建设实践课程，提供真实的人工智能应用场景，让学生有机会接触系统完整的人工智能产业生态，将理论与实践相结合，并对所选领域的专业技能及其应用有更深入的了解。从课程载体上说，基于 OBE 的人工智能专业实践类课程分为两类。校内实训平台：突破2022 年中国高校计算机教育大会（三）第 4 期67目标分散、目的不明确的传统实验课程，基于现有实验平台，搭建算法资源库，嵌入算法演示功能，学生通过复现算法提升实操能力；通过真实数据案例帮助学生掌握实践应用中所需的专业技能，并进行算法系统二次开发。校外实践教学基地：学生参与完成人工智能相关项目，提高教学内容与实践的关联性，实现从课本知识到实践能力的转换。实践环节不仅由本校专任教师作为学术导师进行指导，还有具有企业工作经验的业界导师进行工程实践能力的指导。学术导师与业界导师双管齐下对学生的实践能力进行评判。基于 OBE 的人工智能专业实践教育模式是一个正向施工的过程，其体系建设流程如图 1 所示：通过通识类课程加强基础；通过核心理论课程拓宽学生