关于高职教育中人工智能课程的改革

关于高职教育中人工智能课程的改

革

摘要：当前人工智能课程的教学方式和内容主要是以普通高等教育为基础的，结合高职教育的新环境，本文讨论了人工智能课程在教学实践中存在的矛盾和问题，并提出了人工智能课程在高职教育中的三个改革

途径。

关键词：高职教育；人工智能；课程改革

课程设置应与高职教育培养目标和方

式相一致

人工智能课程主要讲授当今智能领域

的理论方法及其应用，是一门涉及哲学、逻辑学、语言学、控制论、生物神经学等多个学科的课程。以普通高校高年级计算机专业学生为讲授对象，人工智能课程在教学上一般以理论讲授为主，并辅以一些应用实例加以分析。课程本身理论性强，内容较为抽象，因此对学生专业知识基础的要求高，在教学

上往往强调对各种智能理论的深入讲解和分析，以此达到提高学生专业理论水平的目的。

当前高职教育中为计算机专业学生所开设的人工智能课程很大程度上沿用了普通高等教育环境下的教学方式和内容，这显然与高职教育本身培养人才的目标和方式不一致。高职教育的最终目标是要培养适应生产需要的技能型、应用型人才，而高职教育在教学方式上应更为注重实践教学，包括各种实验、实训、实习和设计。因此，人工智能课程中单纯的理论讲授并不能有效地适应高职教育的实际教学环境要求，有必要对人工智能课程在教学内容和方式上加以改革。

三个改革途径

引导学生阅读应用研究文献

高职教育强调培养学生的知识应用技能，其中重要的一点是要培养学生把理论知识应用到实际生产中的能力。然而在教学实践过程中，学生普遍反映由于人工智能课程理论性强，难于从课本理论联系到实际的专

业应用上，这样对激发学生的学习兴趣，提高技能应用水平是不利的。

实际上，人工智能涉及的应用领域极为广泛，其中在专家系统、模式识别、智能控制、数据挖掘、自然语言理解等方面尤为突出，每一种应用都能够很好地体现出人工智能学科的基本理论方法特点。因此，在课程学习的开始阶段，应让学生按照个人兴趣自行选定某个应用领域，在一定的提示和引导下通过检索有关文献，访问相关的科研院校网站等方式获取资料，了解当前该领域的发展现状和具体产品的开发和使用情况，最后在课程的结束阶段以学习报告的形式在课

堂上加以演示和共同讨论，这样可以大大激发学生学习人工智能课程的主观能动性，开阔学生的知识视野。资料的收集阅读与思考是知识应用的首要环节，对于培养应用型人才的知识应用技能很有帮助。

安排学生对经典算法程序进行实验

与普通高等教育相比，高职教育更加强调实践教学的重要性。从实践中学习和理解理论知识，并且把所学知识运用到实践中，

这是高职教育的重要特点。人工智能课程内容抽象而概念性强，单纯的理论讲解学生难以从中得到启发，也难以体现出高职教育突出实践教学的特点，为此需要安排学生动手实验，从实践中理解人工智能科学的理论原理和应用途径。

在人工智能科学的发展过程中，先后提出了一些经典的优秀算法程序，如A*算法、遗传算法、神经网络的BP学习算法等，在科研和工程实际中得到了广泛的应用，在实践教学中同样有着重要价值。根据教学要求和实际情况，学生并不需要自行设计关于这些算法的具体程序，在提倡开放和共享源代码的今天，通过网络能够获得大量相关的程序代码资源。同时，一些软件平台也集成了一些工具箱，如遗传算法工具箱、神经网络工具箱等，只需设定相关输入参数和数据，便可通过调用工具箱函数实现算法，极为简便而易于理解。

学生应通过对这些程序作验证性实验

来理解所学内容。为安排学生有效地进行实验，教师应结合当前阶段所讲授的内容准备

相应的算法程序，当该部分内容结束后在课堂上讲解和演示算法程序的运行方法。学生获得该算法程序以及具体的实验任务后在课后完成实验并提交实验报告。

例如，在讲授启发式搜索时，可向学生提供A*算法求解八数码难题的算法程序，并对某个学生给定某个初始棋盘状态，要求学生动手运行程序并记录由算法扩展所得的每个棋盘状态的估价函数计算结果，以及相应的OPEN表和CLOSED表的变化情况，从中理解A*算法的原理特点。又如，在讲授BP 学习算法时，可根据学生的实际情况对内容进行调整，强调BP神经网络的实际工程应用价值，而对BP算法的基本原理只作简单介绍。向学生提供利用BP神经网络学习特定目标函数的MATLAB程序代码后，要求学生动手运行该程序，并且记录和对比神经网络在训练前后对目标函数的逼近效果。

启发学生引入人工智能理论方法对毕业设计加以创新

毕业设计是高职教育的重要环节，学生