打开文本图片集

摘要：OBE（Outcomes-Based Education，成果导向教育或能力导向教育）它的核心理念是以教育成果为教学评估的关键导向。这种教育模式基于当前的社会经济背景、行业发展趋势及市场需求，逆向规划教育目标与培养标准，从而对课程进行优化设计并执行教学活动。与传统教学相比，成果导向教育更重视其开放性与社会性特点，这使得它在全球教育领域获得了广泛的关注。本文阐述了一种遵循 OBE 教育理念的教学模型，针对传统人工智能教学所遇到的挑战，如算法复杂、内容深奥、学生兴趣不足以及思想政治教育不够等问题，本文以人工智能入门课程为案例，深入分析了基于 OBE 理念和案例驱动的教学革新方法。改革策略涉及重塑课程目标，知识、技能与素养，同时优化教学内容，引入了多元化的评估体系，目的是打造一个完整、模块化的教学单元，满足行业与学生需求。结果显示，这些措施有效提升了学生对该课程的兴趣与自信，促进了思政素质的培养，并显著增强了学生解决实际问题的实践能力，为培养计算机人工智能领域的应用型人才打下了坚实基础。

关键词：教学研究；OBE理念；生成式人工智能

一、引言

随着人工智能、大数据分析和云计算技术的迅速发展，智能科技正在逐步渗透到社会的每一个角落。在金融行业，智能投顾和风险管理系统提升了决策的精准度；在交通出行方面，自动驾驶汽车和智能物流系统优化了运输效率和安全性。这些变化不仅极大地丰富了人们的生活方式，也催生了大量的智能科技岗位需求。人工智能领域的蓬勃发展不仅促进了科技的创新，还将在未来的职业市场上占据重要地位，成为推动经济和社会发展的关键力量。

随着教育观念的迭代与演进，以分数为核心的单一教学评估模式已不再适应新时代对人才培养的要求。社会迫切需要的是具备高综合素质与强大创新能力的复合型人才，这要求课程教学评估必须由单一的成绩考核转变为一个多元化、注重过程的评价体系。该变革的目标是全面衡量学生的知识掌握和能力增长，贯彻国家深化教育评价改革的号召，纠正不当的教育评价方向，通过评价体系的改革，引领教育回归本真，助力学生全面发展。OBE理念以成果为重心，强调学生的中心地位，专注于每位学生的个人成长，教学成效及课程学习与目标的契合度。

基于 OBE 理念的人工智能课程的实践教学在教育领域愈发重要。此类教学着重于学生实际操作能力与全面素质的锻炼，助力他们更好地面对职场中的各种挑战。通过实践环节，学生能够把理论课堂的知识，巧妙地应用于人工智能的实际项目中。这些课程不仅让学员积累了紧贴实际应用的经验，同时在多变的环境中，培育了他们的独立思考、协作精神及创新力，为学生们未来的职业旅程奠定了坚实的基础。

二、人工智能课程教学现状

目前，众多高校正将人工智能课程融入各专业学习中，目的是让学生深入理解人工智能的原理与技术，同时培育他们的多元思考能力，以支持技术和产业的未来发展。例如，广东科学技术职业学院计算机工程技术学院，便开设了人工智能应用导论和生成式人工智能素养两门人工智能课程。学习这些课程不仅能激发学生的兴趣、拓宽其知识面，还能增强他们解决问题的能力，并促进创新意识的形成。不过，由于人工智能课程涵盖的知识范围广泛，且对数学和计算机科学的要求较高，因此如果教学方法不当，很可能会使学生产生畏难情绪，进而削弱他们的学习积极性。所以，提升课堂趣味、提高参与度、增强学生自信尤为关键。此外，在实际授课过程中也暴露出一些问题，这些问题涵盖了课程内容设计、学科领域整合、教学管理及评价体系等多个方面，亟需引起高度重视并深入探讨相应的解决策略。

2.1课程内容更新不及时

随着人工智能领域的迅猛进步，教师们需要持续更新对前沿硬件、软件及算法的掌握。但教育课程的迭代速度未能匹配行业的实际发展需求，导致毕业生常常面临技能不足的问题。为此，必须不断优化课程结构，及时融入尖端技术，以保障学生们能够学习到最新的人工智能理论与工程实践知识。

2.2跨学科整合部分缺失

人工智能技术的学习通常横跨众多学科，如数学、统计学以及计算机科学等。但有时，人工智能的教育课程中会出现学科间的界限，这使得学生在面对实际项目时，融合多学科知识变得挑战重重。为了培育出更为全面的 AI 工程师，推动学科间的融合与强化不同学科间的相互联系非常重要。

2.3项目实践管理困难

课程中以项目驱动的方式传授人工智能知识是常见做法，但项目设计和执行过程中往往会出现挑战。教育工作者需要解决如何协调项目复杂度与学生的实际能力，同时，还需优化对学生在团队协作中的监督与评价机制。若能提升项目管理效率，将大幅提高学生的学习体验及实操技能。

2.4评估体系不完善

传统的考核模式在评价学生工程实践技能方面存在不足。当前的评估体系主要侧重于理论知识，对于学生实际项目成果的综合评定则显得不足。若能增加以项目为主的评估方法，将更能准确展现学生在实际工程操作中的实力。

三、基于OBE理念的人工智能课程教学改革思路

教育的核心在于引导和塑造人的全面发展。其本质不仅是传授知识与技能，更涵盖了对个体潜能的挖掘、思维能力的培养、以及精神品质的塑造。本文以OBE教育理念为引领，对人工智能课程实施了教学革新，采用“需求->目标->内容实施->成果检验” 的教学路线，强调成果导向教育，培育学生的实践技能及思政素质。课程体系架构设计如图1所示。

经过深入调研学生对人工智能的兴趣及行业需求，我们调整了教学计划，强化了专业课程的思想引导作用，重点提高了学生的工程实践能力。遵循 OBE 理念，我们设定了涵盖知识、技能与素养的综合教学目标，以符合人才培养标准。在教学内容上，我们借助生成式人工智能工具精心构建了一套系统化的教学体系。通过案例和实践的引导，我们设计了课程的知识与理论内容，形成了一个完整的教学闭环，包括案例导入、知识讲解和实践操作，打造了一条高效的学习路径，激发学生的自信心与创新能力。在教学方式和执行上，采用了多样化的策略，实现了线上线下的深度融合。课程内容被合理拆分，有效缓解了课时紧张的问题，同时也提高了学生的学习兴趣和专注度。在评价体系方面，我们推出了一套全面覆盖知识、思想政治素养和实践能力的考核办法，实现了多维度的评价机制，进一步巩固了教学改革的成果。通过上述措施，我们不仅提升了教学质量，也更好地满足了学生的学习需求和社会的人才需求，为培养具备扎实基础和创新精神的高素质人才奠定了坚实的基础。

四、生成式人工智能背景下基于OBE理念的人工智能课程教学实践探索

4.1 基于成果导向教育（OBE）理念的人工智能课程教学内容优化

为解决课程内容更新滞后的问题，可运用生成式人工智能技术自动生成或更新教学材料。通过自然语言处理与文本生成技术，从最新的学术论文、技术博客及行业报告中抓取信息，确保课程内容反映最前沿的研究成果和技术趋势。对教师而言，借助关键词提取和主题聚类工具，能够迅速把握领域内热门话题与关键技术，从而有效指导备课工作。例如，在准备《人工智能应用导论》时，演示当前最先进的文本生成文本、文本生成图像模型，以激发学生兴趣。

面对跨学科融合不足的情况，可通过生成式 AI 整合多个领域的数据与知识，结合计算机科学、数学、统计学等学科的核心概念，创建综合性教学资源。一个具体的应用案例是，开发关于图像识别与生物学相结合的教学模块，让学生研究如何利用图像识别技术分析生物种类数据。此外，生成式 AI 还支持设计涵盖数据分析、算法实现以及系统构建等多个方面的多学科协作项目，促使学生应用跨学科的知识与技能来应对实际挑战。

对于人工智能实践项目的管理难题，生成式 AI 同样能提供解决方案。它能够解析项目需求文档，确定关键任务与里程碑，并据此制定详细的项目计划表，包括每项子任务的具体负责人及其完成时限，保证各项工作有条不紊地推进。项目结束阶段，该技术还可以自动审查学生的作业提交情况，提供专业反馈并评价其原创性和质量水平。

4.2基于OBE理念的人工智能课程的评估体系

以 OBE 教育理念为指导的人工智能课程，必须构建一套多元化的课程评价量表，对课程的成效和质量进行精准评价，该评价体系涵盖以下方面：知识体系的理解、技术能力的掌握、团队合作与交流技巧、以及创新思维能力的评估。表1：为具体维度，通过细粒度记录每项指标分数，并加权计算学生在知识、能力、素养方面的综合考核成绩。

生成式人工智能能够以多种方式赋能基于OBE教育理念的人工智能课程评价体系，特别是在知识体系理解、技术能力掌握、团队合作与交流技巧、以及创新思维能力等维度。在人工智能课程中具体的实施策略如下：

1、知识体系理解：利用自然语言处理技术创建自动化的试卷批改以及课堂作业批改，可以快速准确地评估每个学生的基础理论理解和领域知识深度。

2、技术能力掌握：借助于具备强大编程功能的生成式 AI，教育者能够构建起接近现实场景的人工智能虚拟实验室，在此环境下学生不仅能够实践所学技能，同时系统还将自动搜集相关数据用于衡量其项目实操水平。

3、团队合作与交流技巧：大模型可以通过分析团队成员之间的交流记录（如聊天记录等），评估团队协作效率和个人贡献度。

4、创新思维能力：生成式 AI 可设计含有开放性问题的任务，激励学生运用批判性思考与创造性解决问题的能力，并通过 AI 工具追踪并评价这些解决方案的质量。

5、综合考核：生成式AI可以自动整合所有维度的数据，采用加权平均算法自动计算每个学生的综合考核成绩，确保评价过程的公平性和透明度。同时提供个性化学习路径推荐，能够基于学生的学习进度和成绩表现，提供个性化的学习资源和辅导建议，帮助他们克服弱点，发挥优势。

4.3课程实施效果

本文所述的教学改革显著激发了学生的学习热情与自信，这一变化在人工智能应用导论课程的课堂讨论、案例实验的完成情况以及学生们的学业成绩中均有所展现。与 2022 级相比，2023 级计算机专业学生在该课程的考核分数上有了显著增长，挂科率也大幅下降。成绩的进步主要归功于学生们在课程实践中的积极参与，动手能力的提升，以及课外学习的深入，这些均凸显了教学改革的有效性。

实践表明，通过课程改革培养的学生在2024年全国计算机设计大赛荣获省级二等奖一项，在2024年海峡两岸暨港澳地区大学生计算机创新作品赛荣获全国一等奖一项，二等奖一项。课程革新不仅深化了学生对于教学内容的领会，更唤起了他们自主学习的能力，鼓励其在课外探索人工智能领域的相关知识。学生可通过生成式人工智能平台搜索和阅读相关课程资料、来扩展学习。同时，他们积极投身于学科竞赛和创新创业项目等活动，展现了基于人工智能应用导论的全方位能力评估。

五、结论

以广东科学技术职业学院计算机专业的《人工智能应用导论》课程革新为案例，本文提出了一种融合 OBE 理念与生成式人工智能教学的人工智能课程教学模式创新。该模式以行业需求、人才培养及学生个人需求为基础，以学生成长视角的成果为教学目标，专注于培育学生的工程实践与创新能力，提升其综合素质。本文所述的改革核心在于精心构建课程体系，对内容进行优化重构，并通过多维度的过程考核机制，确保教学内容的有效执行。这形成了 “需求至目标，内容与实施至目标检验” 的闭环、模块化教学单元。经过实践，改革后的课程更贴合学生学习和行业就业需求，有效培养了具备实战能力的人工智能人才，为学生未来的职业道路打下了坚固的基础。

参考文献：

[1]和芳芳.基于OBE理念的流行音乐课堂教学实施策略分析[J].现代职业教育，2024，（29）：129-132.

[2]王振玉，张大鹏，张智亮，等.基于OBE理念的机器人工程专业工程实践类课程教学研究[J].大众科技，2024，26（05）：140-143+147.

[3]李凡，吕嘉，成丽君，等.基于OBE理念的“Python程序设计”教学模式研究[J].科技资讯， 2024，22（15）：207-210. DOI：10.16661/j. cnki.1672-3791.2403-5042-9277.

基金项目：广东省智慧职教工程技术研究中心

作者简介：

王任之（1990.12—）男，汉族，河南洛阳，博士研究生，讲师，研究方向：人工智能，数据工程。