打开文本图片集

摘要：为了解决应用型高校自动化专业“人工智能类”课程中的教学难点，包括理论知识高度抽象性、实践操作技术复杂性及教学资源多样化需求。采用项目驱动学习模式，通过实际项目案例帮助学生理解复杂理论知识；结合翻转课堂与在线课程进行混合式教学，提升学生自主学习能力和课堂实践效果；通过校企合作建立实践基地，共同开发课程内容和实践项目。结果表明，项目驱动学习有效具体化抽象理论，混合式教学显著提高学生的技术掌握水平，校企合作增强了学生的实践能力和就业竞争力。课程模块化设计和引入前沿技术提升了课程系统性和实用性。

关键词：应用型高校；自动化专业；人工智能类

Analysis on the reform of teaching method of "artificial intelligence" in application-oriented universities

Abstract： In order to solve the teaching difficulties in the "artificial intelligence" course of automation major in application-oriented universities， including the high abstract of theoretical knowledge， the complexity of practical operation technology and the diversification of teaching resources. Adopt project-driven learning mode to help students understand complex theoretical knowledge through practical project cases; conduct mixed teaching with flipped classroom and online courses to improve students' independent learning ability and classroom practice effect; establish practice base through school-enterprise cooperation to jointly develop course content and practice projects. The results show that project-driven learning effectively embodies abstract theory， hybrid teaching significantly improves students 'technical mastery level， and school-enterprise cooperation enhances students' practical ability and employment competitiveness. The modular design and the introduction of cutting-edge technology enhance the systematization and practicability of the course.

Key words： Application-oriented university; Automation major; Artificial intelligence category

0 引言：

在全球科技快速发展的背景下，人工智能技术逐渐成为自动化领域的重要组成部分[1-2]。应用型高校自动化专业的“人工智能类”课程，因其理论复杂性与实践要求高，成为教育改革的重要领域[3-5]当前，教学过程面临诸多挑战。人工智能相关理论高度抽象，学生在理解和应用时存在显著难度；实践操作环节技术复杂，需要掌握各种编程语言、算法框架和数据处理技术，这对学生的综合能力提出更高要求；高质量教学资源的获取和利用不均衡，导致部分应用型高校难以提供完善的教学支持。而通过科学的教学设计和创新的教学方法，可以有效提升学生的理论理解能力和实践操作水平，增强其在自动化领域的竞争力。

1  应用型高校自动化专业“人工智能类”课程教学难点

1.1  理论知识的高度抽象性

人工智能课程包括深度学习、机器学习、神经网络等高度抽象的理论知识，这些内容对数学基础和逻辑推理能力要求极高。学生需要掌握线性代数、概率论、统计学等基础理论，并在此基础上理解复杂算法的原理及其应用场景。然而，理论知识的抽象性使得学生在学习过程中常常感到困惑和难以理解。此外，这些理论知识的实际应用与传统课程内容存在显著差异，导致学生难以将理论与实际相结合，从而影响学习效果。

1.2  实践操作的技术复杂性

人工智能课程不仅需要理论知识的掌握，更需要学生具备较强的实践操作能力。实践环节涉及编程语言（如Python）、机器学习框架（如TensorFlow、PyTorch）、数据处理技术（如大数据处理）等多种复杂技术。这些技术要求学生在掌握基础编程的同时，能够灵活应用各类算法和工具进行数据分析和模型训练。此外，实践操作还涉及算法优化、参数调优、模型评估等高级技术环节，这对学生的综合能力提出了更高要求。

1.3  教学资源的多样化需求

高质量的人工智能课程需要丰富的教学资源支持，包括先进的计算设备、充足的实验数据、实际案例及行业前沿研究成果。然而，许多应用型高校在资源配置上存在明显不足，导致教学过程中无法提供足够的硬件支持和数据资源。同时，人工智能领域的发展迅速，教学内容和资源需要不断更新和迭代，这对学校的资源管理和更新能力提出了更高要求。此外，教师的专业水平和实践经验也是教学资源的重要组成部分，教师队伍的专业素养直接影响教学质量。

2  应用型高校自动化专业“人工智能类”课程教学方法改革设计

2.1  基于项目驱动的教学模式

项目驱动的教学模式通过实际项目案例让学生在实践中理解和应用理论知识。此模式要求学生在课程中完成多个具有实际应用背景的项目，例如设计和实现智能机器人系统、开发图像识别算法、构建推荐系统等。通过具体项目，学生能够将抽象的数学和算法理论转化为实际操作，从而加深对知识的理解和掌握。项目驱动学习不仅提升了学生的动手能力和问题解决能力，还培养了团队协作和项目管理能力。教学过程中，教师需设计合理的项目任务和评估标准，确保项目的复杂度与学生的能力相匹配。此外，项目的选择应尽可能覆盖课程的核心内容，使学生在完成项目的过程中全面学习和应用相关知识。具体改革设计路线如图1。

2.2  翻转课堂与混合式教学

翻转课堂与混合式教学结合在线学习和课堂教学的优势，提升教学效果和学习效率。翻转课堂模式下，学生在课前通过在线平台自主学习理论知识，课堂上进行实践操作、讨论和疑难解答。此模式促使学生自主学习，增强自我管理能力，并在课堂上得到针对性的指导和支持。混合式教学将传统课堂教学与在线课程相结合，利用在线学习平台提供丰富的学习资源和互动工具，帮助学生随时随地进行学习。教师在设计课程时，应合理安排在线学习和课堂教学的比例，并提供高质量的在线学习材料和资源。同时，课堂教学应注重互动和实践，通过实际操作和案例分析帮助学生巩固所学知识。具体改革设计路线如图2。

2.3  实践基地与校企合作

实践基地与校企合作为学生提供丰富的实践机会和资源支持，增强其实践能力和就业竞争力。实践基地可以在校内建立，配备先进的实验设备和丰富的数据资源，供学生进行实验和项目开发。校企合作方面，学校与行业企业共同开发课程内容和实践项目，企业专家参与课程设计和教学，并提供实际工程项目和实习机会。此举不仅能够丰富教学内容，还能使学生接触行业前沿技术和实际应用场景，提升其职业素养和就业能力。校企合作模式下，教师需与企业密切合作，了解行业需求和技术发展趋势，并将其融入课程设计中。同时，企业应为学生提供良好的实习环境和实践指导，确保学生在实践过程中能够学有所成。具体改革设计路线如图3。

3  应用型高校自动化专业“人工智能类”课程教学方法改革路径

3.1  构建模块化课程体系

将课程内容划分为基础模块、进阶模块和应用模块。基础模块包括线性代数、概率论、统计学等基础数学理论，以及机器学习和神经网络的基本概念。进阶模块包括深度学习、强化学习和自然语言处理等复杂算法和技术。应用模块则侧重于实际项目和案例分析，如图像识别、语音识别、智能推荐系统等。基础模块的教学大纲应包括基本概念、原理解析、典型算法以及基础编程练习，注重打好坚实的理论基础。进阶模块需详细描述各类深度学习算法的原理、实现及优化方法，并安排相应的编程实践，帮助学生从理论过渡到实际应用。应用模块的大纲则应包括各类实际应用的项目要求、开发流程、技术难点及解决方案。基础模块需提供教材、讲义、视频教程和基础编程实验指南。进阶模块则需准备高级算法的技术文档、案例分析、实验数据集和编程实例。应用模块需设计实际项目案例的详细说明书、项目需求文档、技术参考资料及项目评估标准。教学实施时，按照模块顺序逐步推进，确保学生掌握必要的基础知识和编程技能，深入理解复杂算法和技术，并通过实际项目开发和案例分析，应用所学知识。建立完善的评估与反馈机制，通过阶段性测验、编程作业和期末考试进行基础模块的评估，如表1。

3.2  引入最新技术与研究成果

密切关注人工智能领域的最新技术和研究动态，识别具有重大影响力和广泛应用前景的技术和研究方向，如生成对抗网络（GANs）、强化学习、自然语言处理（NLP）等。通过定期参与国际学术会议、研讨会和阅读顶级学术期刊，确保获取最新的研究成果和技术进展。对识别出的前沿技术和研究成果进行筛选和评估，选择适合纳入教学内容的部分。筛选标准包括技术的成熟度、应用前景、教学价值和学生接受度。根据筛选和评估结果，开发相应的教学材料，包括编写教学大纲、制作视频教程、设计实验和项目案例等。教学大纲需详细描述每项技术的理论基础、实现方法及应用场景；视频教程应结合实际案例，生动展示技术的应用过程；实验和项目案例则需提供详细的步骤和参考资料，帮助学生在实践中掌握新技术。在课程实施过程中，逐步将新技术和研究成果引入教学内容。基础模块可引入新技术的基本概念和应用场景，进阶模块深入讲解其实现原理和优化方法，应用模块通过实际项目和案例分析，展示新技术的具体应用。根据教学评估和反馈结果，定期更新教学资源，确保其前沿性和实用性。

3.3  加强教师队伍建设

制定教师专业发展规划，明确教师的职业发展方向和目标，通过规划教师的培训、学术交流和科研参与，确保他们能够不断提升专业水平和教学能力。发展规划应包括短期和长期目标，以及具体的实施措施和评估标准。定期组织教师参加专业培训和进修课程，培训内容应包括最新的技术和研究成果、先进的教学方法和工具，以及行业发展的最新动态。通过与国内外知名高校和研究机构的合作，安排教师参加学术交流和访问学者计划，提高他们的学术视野和科研能力。鼓励教师参与科研项目，将科研成果转化为教学内容。通过承担科研课题，教师能够深入理解前沿技术和理论，并将这些成果及时引入课堂教学。学校应提供科研经费和设备支持，鼓励教师在科研中探索新的教学方法和技术应用。建立有效的教师激励机制，激发教师的教学热情和积极性。通过设置教学奖项、科研奖励和晋升机制，表彰和激励在教学和科研中表现突出的教师。激励机制应公平、公正、公开，激发教师的内在动力，促进其不断追求卓越。

4  结语

基于系统性分析和设计，提出了应用型高校自动化专业“人工智能类”课程教学方法的多项改革措施，包括了构建模块化课程体系、引入最新技术与研究成果以及加强教师队伍建设等方面。研究结果表明，模块化课程体系能够有效分阶段、分层次地培养学生的理论和实践能力，保持课程内容的科学性和实用性。引入前沿技术与研究成果，使得课程内容始终处于技术前沿，提升学生的创新能力和实际操作水平。加强教师队伍建设，通过专业发展规划和激励机制，确保教师具备高水平的专业知识和教学能力，促进教学改革的有效实施。此类综合性教学改革不仅能够提升教学质量，培养高素质的人工智能专业人才，还为其他高校的相关课程改革提供了有益参考。未来研究可在实践中不断完善这些措施，探索更有效的教学方法和评价机制，进一步推动教育模式的创新和优化。

致谢

本论文受浙大宁波理工学院2022年专业综合改革项目，2021年专业综合改革项目支持

参考文献：

[1]胡耀聪，黄宜庆，袁一鸣. “新工科”背景下融合互联网与人工智能的教学研究——以自动化专业导论为例 [J]. 科技风， 2024， （02）： 105-108.

[2]王志宏，郝崇清，安国庆，等. 人工智能背景下自动化专业培养体系的改革 [J]. 中国现代教育装备， 2023， （23）： 141-143.

[3]高志远，赵嘉熙，晏芙蓉. 人工智能背景下数字孪生在自动化专业教学中的应用 [J]. 中国高新科技， 2023， （16）： 155-157.

[4]王锴，栾小丽，刘成林. 自动化专业人工智能类课程教学内容整合与教学方法革新研究 [J]. 无锡商业职业技术学院学报， 2023， 23 （03）： 108-112.

[5]暴琳，陈熙维，魏海峰，等. 人工智能课程群联合宽广数据资源拓展自动化品牌专业新工科建设 [J]. 高教学刊， 2022， 8 （26）： 21-24.