人工智能教育实践范文
时间：2023-08-23 16:12:31
导语：如何才能写好一篇人工智能教育实践，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
篇1
新课改要求教学应当促进学生全面发展，其中，对创新思维和实践能力的培养尤为重视。初中阶段如何科学、有效地培养学生的创新思维与实践能力是每一个教育者需要思考和研究的问题。
一、创新思维与实践能力的培养
1.创新思维与实践能力的重要性
每个人都拥有创造能力，这种能力是可以开发的，并对学生人生发展起重要作用，如何科学开发学生的创造能力，离不开对创新思维和实践能力的培养。教师应该有意识的发现和训练学生的创新思维，多锻炼学生的动手能力，提高他们的实践能力，为学生主动创造做准备。
2.培养创新思维与实践能力的途径
培养创新思维和实践能力的途径有很多，初中阶段学校的数学课、自然科学课、社会实践课、信息技术课等课程是培养学生创新思维和实践能力的有效途径。其中以人工智能教育为重点的信息技术课可以利用编程技术、信息化技术、大数据技术的学习，高效、系统地开发学生创新思维，科学地提升学生的实践能力。
二、人工智能教育与信息技术课的融合
当前，人工智能技术发展得如火如荼，语音识别、机器翻译、计算机交互、计算机视觉、机器阅读识别等技术的突破，向我们展示了人工智能的优越性和未来前景，很多地区和学校也已将人工智能教育，如编程、信息处理，作为必修内容纳入了学校的教学大纲之中。人工智能教育包含编程、大数据、机器人等多个技术领域的学习，中学阶段可以利用信息技术课将人工智能教育的相关内容融入教学中，例如：Python编程、APP制作、机器人教育。
在初中信息技术教学中，应当向学生传授编程的相关知识，让学生初步认识编程、了解编程常识，并引导学生利用计算机进行编写代码。利用现代教学思路和教学创新激发学生兴趣，提高学生信息技术课学习效率和实践能力。为学生打造智能化、个性化，富有创造性的学习体验。
三、人工智能教育的实践要求
在信息技术课程的教学过程中融入编程等人工智能知识，可以丰富教学内容，拓宽学生视野，增加学生知识储备，同时也能有效激发学生兴趣，满足学生好奇心，转化为实践、创新的动力。但是在实施人工智能教育的过程中，需要注意以下几个问题，以信息技术课中编程教学为例：
1. 要考虑学生的接受度，体现量力性教学原则，不超纲不越级。
2. 要注重环境的创设，打造轻松愉快的学习环境，充分调动学生热情，帮助激发学生创新思维和实践动机。
3. 要注重编程常识的普及和实践引导，给学生充足的思维空间和操作机会。
4. 要注重教学的系统性和连贯性，加强编程技术同信息技术知识、其他人工智能技术的关联，为学习的水平、顺向迁移打好基础。
只有明确教学目标，不断地优化教学过程，监控各个环节，加强与学生沟通，积极开发和训练学生的创新思维和实践能力，才能将人工智能教育的效果最大化，从而不断提高人工智能教育的教学质量。
四、人工智能教育存在的问题
自新课改提出了信息化教育后，我国不少地区已经开始探索人工智能教育问题，尤其在义务教育阶段，开展了各种形式的人工智能教育，但是由于各地区经济发展水平不同，教育基础、教学水平和资源条件不同，正面临着诸多问题。
目前在我国中学阶段，人工智能教育发展水平整体较低，存在着地区不均衡、教育资源不均衡、教学水平不均衡、学生学习程度不均衡等多方面问题，需要人力物力财力的持续投入，优化人工智能教育平台，完善人工智能教育基础设施，让人工智能教育更规范。同时，教育工作者也需要不断研究、调整教学模式，更好地激发学生创新思维，提高实践能力。
五、结语
本文通过中学生信息技术课和人工智能教育的结合，浅谈人工智能教育与培养学生创新思维、实践能力的关系。人工智能教育的实施有利于中学生开发创新思维，提升动手能力，可以和多学科联动教学，加强学科间的联系，促进学生全面发展。目前在我国中学阶段，人工智能教育发展水平整体较低，存在着地区不均衡、教育资源不均衡、教学水平不均衡、学生学习程度不均衡等多方面问题，仍需教育工作者不断研究改进，让人工智能教育更规范，更好地激发学生创新思维及实践能力。
参考文献
[1]李宏堡，袁明远，王海英.“人工智能+教育”的驱动力与新指南——UNESCO《教育中的人工智能》报告的解析与思考[J].远程教育杂志，2019，37(04):3-12.
篇2
关键词：人工智能；教学内容；教学方法
中图分类号：G642 文献标识码：A
1 引言
人工智能(AI)是二十世纪五十年代后期兴起的利用计算机模拟人类智能活动去求解问题的学科，与空间技术、原子能技术一起被誉为二十世纪三大科学技术成就，目前广泛应用于专家系统、机器翻译、语音识别、文字识别、计算机视觉、机器人、电子游戏等方面，已经成为计算机技术发展以及许多高新技术产品中的核心技术。
为了适应人工智能技术日益广泛的需要，国内外高校普遍开设了“人工智能”方面的课程，特别是作为计算机方面专业的核心课程之一。我校自从1993年开始为自动化专业本科生开设“智能控制”选修课，1996年为自动化、计算机、机械等专业本科生开设“人工智能导论”、“人工智能及其应用”课程。目前，我校软件学院、信息学院、机电学院都开设了“人工智能导论”课程，已经成为计算机科学与技术、软件工程、数字媒体技术、自动化、机械制造与自动化等许多专业本科生的一门重要的技术基础课程，也是面向包括人文社科等全校所有专业的公选课之一，其目的是使学生了解人工智能的基本概念和基本原理，初步学习和掌握人工智能的基本技术和前沿内容，拓宽知识面，启发思路，为学生提供最基本的人工智能技术和有关问题的入门性知识，提高学生应用开发软件的能力和水平，为今后在相关领域的研究和应用奠定更为坚实的基础。因此，建设好“人工智能导论”课程具有重要意义和很广的受益面。
由于人工智能是交叉学科，涉及面广、内容抽象、不易理解，学生往往有望而生畏的感觉，在教学过程中，老师教、学生学都比较吃力。为了更好地实现上述教学目标，提高本课程的教学质量，协调好教与学的双边关系，使学生由望而生畏的感觉，变为有用有趣的感觉，根据已有人工智能课程在教学与实践方面的经验和方法，结合“人工智能导论”课程的近几年教学实践，对课程的教学体系、教学内容、教学方法、教学手段、考核方式等方面进行了探索总结。
2 调整与优化教学体系和教学内容
“人工智能导论”是计算机科学与技术、软件工程、数字媒体技术、自动化、机械制造与自动化等许多专业本科生的一门重要的技术基础课程，也是面向包括人文社科等全校所有专业的公选课之一，其研究领域及内容十分丰富，涉及的基础面广。因此如何选好教学内容，既能使学生了解本领域的概貌，又能适合学生的基础，便于他们在有限的时间完成学习任务，是一件重要而又困难的事情。
进入21世纪以来，人工智能学科又有了新的发展。为了及时反映人工智能研究和学科的最新进展，我们修订了“人工智能导论”的教学大纲，对教学内容进一步优化和更新，极大充实了各个系统的内容。我们确定的教学内容主要分为三部分：第1部分为概论，介绍人工智能的基本概念、基本内容、主要研究领域及发展过程；第2部分是知识表示，推理和搜索技术，讨论几种常用的知识表示方法、推理技术(包括确定性推理方法和不确定推理方法)和搜索求解策略；第3部分是人工智能应用研究领域，包括专家系统、自然语言理解、机器学习、人工神经网络、遗传算法等的基本概念和方法等。其中第2部分是基础理论，是人工智能的重要基础，应该循序学习。第3部分是人工智能的应用，由于每个研究内容都相对独立、自成体系且有其专门的学术著作研究、热点，因此针对高等院校的本专科生来说，不必循序学习，而且结合专业特点可以选择其中几个研究领域。例如对自动化专业的学生来说，可以选择专家系统、人工神经网络、遗传算法等，同时可增加在自动控制领域的应用，包括专家控制、神经网络控制和进化控制等热点：而对计算机科学与技术专业来说，可以选择专家系统、自然语言理解、机器学习等，并辅以动物识别系统、语音识别系统、智能机器人等实例。总之就是要把握课程性质和教学目的，调整本课程教学体系，优化教学内容，让学生以有限的时间学到人工智能的基础知识和基本方法。
另外，在选择和确定教学内容时必须兼顾基础知识和新兴技术，注意与相关课程(如离散数学、数据结构、概率论、自动控制原理、Matlab系统仿真、面向对象的编程技术等)的链接，密切理论与实际的关系，通过课堂讲授和课外训练，注意学生能力培养，提高他们的学习效果和整体素质。
3 加强课程立体化建设和系列教材研究
在课程的立体化建设中，教材充当了地基的角色，所有的课程内容安排，无不体现出以教材为基本，以教材为模板。所以本着基础、实用的原则，我们先后编著出版了《人工智能及其应用》课程教材导论部分概括性强，引人入胜；基础部分系统全面，叙述深入浅出，循序渐进；应用部分密切理论与实际关系，典型形象。其中第二版在第一版的基础上，增加了证据理论、模糊推理、神经网络等理论的一些典型应用，使学生能够更深入地理解和应用这些理论；另一方面，又新增了自然语言理解及其应用内容，以适应目前计算机翻译、人机自然语言交互等技术日益广泛应用的需要。系列教材适应了人工智能导论新课程开设的需要，反映了人工智能学科的发展，为人工智能课程确立了基本框架，发挥了重要作用。系列教材的问世不仅解决了本校“人工智能导论”课程教学用书的问题，而且也被各兄弟院校普遍采用，促进了该课程的普遍开设，推动人工智能学科的发展。
为了配合教材第二版的教学和自学，在已有教学经验和教学成果积累的基础上，制作了高质量的教学课件和完整的教学视频录像，并刻录成光盘随书供读者使用；同时又研究与开发了网络课程(http：//)，以更好地调动学生的学习兴趣和主动性，促进本课程的教学改革。
包括主教材、电子教案、教学视频录像、网络课程及教学资料库等在内的课程立体化建设符合二十一世纪高校教学的要求，支持教师提高教学手段现代化的水平，更贴合学生的学习需求。
4 改革与创新教学模式和教学方法
在“人工智能导论”课程教学的过程中，我们积极探索教学新路，经过数年辛勤试验，结合蔡自兴教授等对人工智能课程的建设经验，对课程的教学模式和教学方法进行了如下一些的改革与创新。
(1)通过多种途径激发学生的学习兴趣
“兴趣是最好的老师”，“人工智能导论”课程的学习效果，直接受到学生兴趣和参与意识的影响。由于这是一门导论性前沿课程，一般来说，学生开始学习兴趣很大。但是，当一些学生开始接触到抽象概念和算法时，往往感到不易接受。我们通过各种途径和方法，激发和培养学生的学习兴趣。例如，鼓励学生参与课堂讨 论、布置读书报告和课外实验、以问题为导向的启发式教学、专题讨论／辩论等形式。特别，我们精心组织和准备了模糊控制技术及其应用、智能机器人技术与应用、智能交通、BCI(脑机交互接口)等专题，以及智能调度软件、语音识别系统、动物识别系统、足球机器人比赛、机器人轨迹跟踪、倒立摆的智能控制等课内演示，使学生扩大了眼界，增加了感性知识，达到提高学生学习兴趣的目的与效果。
(2)面向问题的启发式教学
人工智能中的许多问题，有的似是而非，有的引人入胜。在教学中，有意识的提出相关问题，提请学生思考，鼓励学生提出自己的猜想和解决方案。然后逐步进入教材中的解决方案，启发学生求解这些问题，并进行分析和比较，从而强化了学生学习的主动意识和参与意识，提高了学生的学习积极性。例如，在讲到比较抽象的“遗传算法”时，提出“遗传算法如何用于优化计算?”这一问题。针对该问题，先从“达尔文的生物进化论”入手，讨论“遗传”、“变异”和“选择”作用；然后通过一个简单的例子，从特殊到一般地启发学生思考“遗传”、“变异”和“选择”的实现，最终让学生与教师一起导出遗传算法用于优化计算的基本步骤。这样，学生不但从中学习了遗传算法，而且得到一次逻辑思维的训练，取得很好的教学效果。
(3)课堂辩论与交互式教学
组织课堂辩论，讨论的议题包括人工智能的应用前景和其他比较等有争议的问题。学生对这些问题展开了激烈的争论，激发了学习潜能，明确了学习目标。例如，为了加深学生对智能机器人内涵的理解，我们组织了“机器智能能否超过人类智能”的辩论会。会前正反双方结合本课程内容及其相关知识，认真进行准备；辩论会上正反双方唇枪舌战，激烈争辩，气氛热烈。辩论后，学生余意未尽，讨论热情不减。无论是哪一方获胜，都达到了预期的效果。教学中我们还注意采用了多种交互式策略，如课堂上教师提问可鼓励或指定学生提问，也可由学生自由地就某个知识点进行主题发言后老师点评等。
(4)个性化学习与因材施教
在本课程教学过程中注意对学生因材施教和个性化教学。例如，通过组织学生进行读书报告的形式，鼓励学生从多方面、多角度考虑问题，多提新颖思想，有意识地鼓励优秀学生探讨比较深层的内容，并辅导优秀学生将其成果以科技论文和发表文章的形式转化为成果。又如，在教学设计和实验设计中，注意要求学习有余力和兴趣的学生选作部分探索性、创新性的功课和实验(选学内容，如模糊控制器的设计、进化控制等)，从而引导学生发挥个性优势，达到因材施教的目的。同时注意分析学习较差的学生的具体困难，进行有针对性的指导。
(5)多媒体与网络教学的使用
本课程在PPT演示文稿和网络课程上，采用了大量的多媒体表现形式，如视频、动画、声音和图像等。目的在于使得人工智能抽象的知识形象化，便于学生理解。例如，课内让学生在线观看涂晓媛博士的计算机动画“人工鱼”的录像片段、人工生命Floy中生命智能体在环境中不断的适应进化构成演示等，有助于加深学生对所学知识的理解，促进教学水平的提高，激发了学生对课程的兴趣，使学生创新意识得到增强。此外，随教材附赠的教学光盘和开发的网络课程(http：//)提供了学生课外自学用的高质量的电子课件、完整的教学视频录像、丰富的实验和案例资料等，以更好地调动学生的学习兴趣和主动性。
(7)理论与实践结合
在教学内容安排上，注意理论联系实际，适时布置一些人工智能实验给学生进行课外练习。设计的课外实验包括产生式系统实验，归结反演实验，主观Bayes推理网络实验，A搜索实验，以及基于Maltab工具箱的模糊控制位置跟踪系统、两车追赶模糊控制系统、神经网络模式识别仿真、遗传算法优化计算等实验。通过实践和参与，保持学习兴趣，有助于学生对人工智能基本概念和难点的理解，掌握基本方法和技术，为从事智能系统应用开发打下基础，从而达到教学目的。例如，我们组织学生参观我们的研究生综合自动化实验室，观看机器人臂取物、倒立摆控制、语音识别软件、指纹识别软件、智能调度软件等演示，密切理论与实际的关系。
我们在教学改革实践中探索的这些教学方法，有利于充分激励学生的学习积极性和主动性，有利于鼓励学生发挥独立思考和创新思维，有利于多方位培养学生学习发现问题、分析问题和解决问题的能力。
5 运用多样化的教学手段和考核方式
5.1 多样化的教学手段
采用现代信息技术进行教学，构筑“人工智能导论”课程的现代教学模式，是本课程的主要特点之一。教学过程中采用了多媒体教学课件和网络课程相结合的方法，充分利用多媒体的丰富表现形式，利用网络课程的交互性、情景化等，进行教学。采用的方法包括：
(1)抽象知识内容的多媒体表示
通过动画和视频来演示抽象的概念、算法和过程，包括机器人轨迹跟踪、机器人臂取物、足球机器人比赛、倒立摆控制、“人工鱼”等录像片段，以及智能调度软件、语音识别系统、指纹识别系统、动物识别系统等软件演示。
(2)通过PPT撰写教案
精心编制PPT，组织好课件内容，做到图文并茂，提纲挈领，便于学生理解，便于教师讲授。
(3)开发与应用网络课程
“人工智能导论”网络课程较好的实现了交互性、在一定程度上实现了学习过程的情景化。在交互性方面，通过网络课程的课堂练习和章节练习，评价学生的学习情况，并给学生提出学习建议。在情景化方面，采用了在线答疑形式，使得学习过程丰富有趣。
(4)先进实验系统的观摩与演示
利用我们的研究成果等有利条件，有针对性地对学生进行成果演示(包括智能调度软件、语音识别系统、指纹识别系统、动物识别系统等软件)，使学生知道学了有用，而且很有用，很有趣，很有意义，从而进一步诱导学生的学习兴趣，巩固了课堂所学知识，提高了教学质量。
教学效果通过上述先进的现代信息技术的应用，不仅极大地提高了学生的学习兴趣和主动性，而且也取得很好的实际教学效果，提高教学质量。
5.2 作业、考试等教改举措
(1)改革作业方式与方法
改变过去那种单纯的书面习题作业，发展成为必须交给教师评阅的书面家庭作业、不必交给教师的课外思考题目、口头布置的思考题或阅读材料以及大型作业等。其中上交作业通过网络进行，教师批阅后的作业也通过网络返回给学生，实现了作业呈交和返回的网络化。
(2)改革考试方式与方法
如何对本课程的考试方式进行改革一直是我们探索的问题。我们综合考虑课堂出勤情况(10％)、平时正式作业成绩(20％)和期末课程考试(70％)，进行综合评分。期末考试有时采用综合试题考试，出几个大题目让学生选择其中几个进行开卷笔试，当面交卷后评分；有时采用课外开卷论文结合或口试面试。最近，我们还对部分学生结合实验或实际问题提问等进行考核。我们正进一步改革、试验和探索，使考试成为衡量与培养创新能力，促进学生学习主动性和提高课程教学质量的重要环节。
篇3
关键词：人工智能；教育变革；智慧教育
近年来大数据、云计算等信息技术飞速发展，人工智能在一些特殊领域（如图像识别、语音识别、自然语言等）不断取得突破性进展。人工智能作为新的技术驱动力正引发第四次工业革命，为医疗、教育、能源、环境等关键领域带来新的发展机遇。人工智能专家预测，人工智能在通用技术领域可能尚不能替代人类，但在一些特殊领域，人工智能将会淘汰现有的劳动力。在国外，许多国家纷纷把人工智能作为国家发展的重要竞争战略，我国学者也密切关注着人工智能的最新理论进展和实践应用，国务院于2017年7月颁布《新一代人工智能发展规划》，明确人工智能发展的重点策略。“人工智能变革教育”的潮流，引发了教育研究领域的“人工智能热”。当前全球范围内，人工智能在教育领域的大量研究和应用催发形成了教育人工智能概念。目前梳理学术上关于研究人工智能与教育的文献主要集中于：
（一）教育理念的革新。“人机一体”将成为未来新的教育方式[1]，由新技术和新手段的出现所应运而生的智慧教育[2]，将对原有教育进行改进和完善。智能技术在改变教育的手段和环境的同时，还有利于构建出系统解决教育问题的教育新体系，从而真正触及教育的根本[3]。
（二）关注技术的革新。机器深度学习、智能学习的算法、视觉识别以及智能语言识别这些基础技术的突破，为人工智能的教育应用奠定了坚实的基础[4]。
（三）探究教育的应用。人工智能在学校教育中的学业测评、交叉学科、角色变化等应用领域具有巨大潜力，教师角色内涵也将在与人工智能的协同共存中发生改变。AI监课系统能够数据化、可视化评估教师的授课情况，将人工智能技术的运用渗透到整个教学过程中，教师可以根据评分实时调整授课内容，以促进个性化学习，从而提升教学效果。教育深受技术发展的影响，新技术融入教育并促进教育方式的转变已成为必然趋势。一方面技术为教育提供了新的、更加广阔的可能性；另一方面技术具有变革人类的教育方式与学习方式的能力。然而，技术是一把“双刃剑”，如何获取或实现以人工智能为代表的新兴信息技术所拥有的特征、优势与功能，使其在教育中最大限度地发挥其应有的价值呢？人工智能技术如何继续被安全使用到教育领域？如何通过教育变革来促进新兴信息技术在教育教学中的广泛与深入应用，实现教育深层次革命等问题，是目前需要关注和探讨的主要问题。
1人工智能时代下教育变革的背景
1.1人工智能的内涵及具备的强大能力
人工智能最早由美国达特茅斯学院于1956年提出，其研究主要包括机器人、图像识别、自然语言处理、语音识别等，实质是一种自动感知、学习思考并做出判断的程序。人工智能具有自主学习、推断与革新的能力，推动了图像识别、自然语言处理等方面的技术突破。人工智能同时具有理性判断力、超强的工作力，只要电力供应不断，几乎可以无限制地工作下去，而且适应不需要情感投入的工作。它的超强能力，源于三个重要的技术：深度学习、大数据和强算力。
1.2人工智能时代的机遇和挑战
人工智能在精力、记忆力、计算力、感知力以及进化力等方面与人类相比，具有突出优势。在医药领域，人工智能的出现使普通民众可以享受更为高效、稀缺的医疗资源，解决医疗诊断领域诊断质量不均衡、医生资源不足等问题。在教育领域，人工智能促进教学质量进一步提升、教师角色多样化、学生学习能力的提升；为教育研究提供新技术和数据支撑；极大拓展了教育研究新视域；使教育在立德树人方面、教育方法创新方面、教育手段和环境方面以及教育服务供给方式方面均发生改变。然而，看到人工智能以其强大的处理能力带来机遇的同时，也需要正视人工智能带来的新挑战。在人工智能浪潮冲击下，如何借助人工智能发展的机遇推进教育的变革与创新？人工智能技术如何继续被安全使用？首先，人工智能专家大都认为，人工智能将会淘汰大量现有的依靠非脑力劳动为生的劳动力，需要培养人工智能时代的新型劳动力。而且，人工智能技术本身的不太成熟使很多人工智能技术只是应用在儿童教育领域，再者，人工智能潜在的道德伦理问题缺乏法律制度规范。除此之外，人工智能时代将对社会结构以及人的地位构成挑战。综上所述，人工智能时代所带来的机遇是大于挑战的。教育需适应人工智能技术所带来的突破和飞跃，不断调整和更新教育的方向和目标，实现育人成人的发展目标。
2人工智能与教育变革
2.1人工智能与教育目的的变革
人工智能带来的巨变不仅影响人类未来如何发展，而且极大释放了人类的生产力，这些在一定程度上使得人类需要重新思考教育是何目的。人工智能影响教育目的的变革主要表现在：第一，人工智能可能会使人类陷入精神危机。这源于两方面的结果：一方面，人工智能将取代大部分人的工作岗位，工作的丧失将会导致人的价值和尊严丧失。另一方面，人工智能技术的发展将可能导致所有基于自由主义的想法破产，转而人类所拥有的价值和尊严可能转化为一种“算法”，人工智能带来的职业替代风险在教育领域同样存在，主要是对教师角色的挑战。第二，人工智能有利于培养人的学习能力。从某种角度上讲，人工智能剥夺人的就业机会，但同时，人工智能助教机器人将协助教师实现个性化指导，从而有利于将学习的过程视为寻求自我价值和意义的过程。除此之外，人工智能有利于使教育注重培养人的精神能力，这种精神能力大致包括实践动手能力、价值追求能力以及创造能力，从而有利于学生知识以便于更好地完善自我、丰富自我，使教育跳脱“知识为本”的陷阱，发挥“立德树人”的正向作用。
2.2人工智能与学习方式的变革
第一，深度学习。深度学习也称为深度结构学习或者深度机器学习，是一类算法的集合。深度学习概念的提出，一方面尊重了教学规律，另一方面也是应对人工智能时代下的挑战。深度学习在机器学习、专家系统、信息处理等领域取得了显著成就，提倡学教并重、认知重构、反思教学过程，进而达到解决问题的目的。第二，个性化学习。个性化学习区别以往传统班级课堂授课，尊重学生的个性发展，因材施教。人工智能技术与大数据的应用有利于学生享受个性化的学习服务，可提供个性化的学习内容，可视化分析学生的学习数据，快速提高学生的学习效率。第三，自适应学习。自适应学习是指人工智能基于对个体学习进行快速反馈的基础上，根据学习者特征，为其推荐个性化的学习资源和学习路径，从而最大程度上适应学生的学习状态，是实现个性化学习的重要手段。人工智能技术有利于快捷、科学地判断学生的学习状态，进行学习反馈；持续收集学生的学习数据，其中包括学习目标、学习内容；高效地为学生提供海量的学习资源。
2.3人工智能与学习环境的变革
首先，有利于搭建灵活创新的学校环境。不仅可以使空间规划更具弹性，而且可以调节性增强物理环境。其次，人工智能时代的教育区别于以往传统教育强调的统一秩序，更注重个体的用户体验。创客空间、创新实验室等学习环境的不断增加以及人工智能技术的不断发展，个性化的空间环境与学习支持将改变目前学习的学习空间环境。除此之外，随着对话交互技术的逐渐成熟与不断普及，有利于实现虚实结合的立体化实时交互。VR、AR等技术的同步协作也有利于搭建新的学习环境，满足学习者的一系列要求。脑机互动技术的突破有利于实现将人工智能植入人脑，从而改变人类自然语言的交流方式。最后，人工智能通过即时、准确、高效的大数据分析有利于进行精准且个性的学习评价与反馈。人工智能将综合收集所有同学的学习记录，互相比对、优化，从而进行综合提升。更为重要的是，人工智能的人脸识别以及语音识别技术可以运用到教师的教学过程中，进行学生的学习情绪感知，学习状况的了解，从而促进学生学习的科学化；智慧校园、智慧图书馆等的出现，为教学环境的建设提供重要参考。
3人工智能在教育领域的应用
人工智能被认为是最有潜力和影响力的教育信息化技术，将通过人工智能数据挖掘分析、3D打印、模拟仿真等技术的应用，实现人工智能与教育的深度融合，对计算机辅助教学、个性化教育服务、教育人工智能生态环境等产生根本影响。2018年《地平线报告》（高等教育版本）指出了教育领域的信息化发展，未来一段时间内将通过人工智能与信息技术的结合，进而影响教育阶段的不同过程。具体见表1所示。
篇4
人工智能的迅速发展将深刻改变人类社会生活、改变教育教学。2020年2月26日，教育部在印发的《2020年教育信息化和网络安全工作要点》第24条“培养提升教师和学生的信息素养”中明确提出：完善义务教育阶段课程设置，加强信息科技教育。建设普通高中人工智能样板实验室，保障中小学校具备开设人工智能课程的环境条件。开展人工智能相关教学与师资培训，搭建区域间人工智能教学成果交流平台。继续推进中小学人工智能教育课程建设、应用与推广工作。中小学人工智能教育课程包(初中版和高中版)和支持服务系统并推广应用。
我校是青岛市人工智能实验学校。在工作中我们借助教研、教学平台，积极推动人工智能课程开展和教师教研、集备工作，根据兴趣导向、应用驱动，学用结合，强化实践的原则，组建了实验班，按照上级对于高中段开课部署每两周开设1课时，开展人工智能教育教学工作。
在课堂上组织实验班的学生观看了人工智能的《开学第一课》，主要是“什么是人工智能”、“如何制造人工智能？、“New Google AI Can Have Real Life Conversations With Strangers”等内容，很有收获。但是在观看过程中发现很多的人工智能相关联的知识，比如JAVA、大数据、Python、人工智能、物联网、数据分析、H5/WEB前端、嵌入式、Linux、C语言、单片机、C++等解根本看不懂，发现自己的很多方面都需要补课，不然每次培训老师讲解的专业东西还是理解不了，这对于我们教师和学生都是一个难点。也断断续续参加了各种形式的培训，和同仁们交流起来总体感觉是没有系统化，特别是参加了祁荣斌博士组织的磨课，和同事们讨论起来感觉层次太高，有些内容也是理解不了！学生和学生的学习和生活环境比较起来也存在地域差异性导致了学生接受人工智能相关教育程度深浅不一，而且面向高中生的课本难度很大，很希望能有个机会从零基础开始系统化学习人工智能，这样才能更好的教好学生，这一点线下交流的时候是很多老师的心声，期望能在领导和专家的引领下实现。
通过断断续续的学习，比如Python基础知识，由于实战少，只能阅读别人的文章里附带的相关算法的实现代码，这样的学习效果不明显。很多算法的实现，难以从代码级去理解其设计思路；对于很多算法比如随机森林，决策树，SVM等常见算法，虽然看了相关文章很多遍但是还是一知半解的。
篇5
自1956年人工智能概念在达特茅斯会议提出以来, 人工智能的发展超出了人们的想象:1997年, IBM超级电脑深蓝击败国际象棋世界冠军卡斯帕罗夫;2016年, 由Google旗下的深度学习公司Deep Mind开发的人工智能围棋程序Alpha Go战胜了世界围棋冠军李世石, 这件事轰动了全世界[1]。随后有关人工智能的热点应用不断推出, 比如无人驾驶、智能医生、语音与人脸识别等, 让我们认识到人工智能的应用已与生活息息相关。在教育领域, 人工智能应用也取得了重大突破, 比如2017年高考期间, 机器人艾达挑战高考数学, 10分钟就答完, 获得134分, 激发了教育领域对人工智能的巨大热情, 同时也引发了人们对教育的忧虑与反思[2]。2017年7月国务院印发了《新一代人工智能发展规划》, 提出人工智能产业竞争力在2030年要达到国际领先水平。目前世界主要发达国家先后从国家层面人工智能政策规划, 将人工智能作为国家经济发展、社会变革和国际竞争的新动力[1]。
1 人工智能定义和发展阶段
人工智能的英文是Artificial Intelligence, 简称AI, 人工智能的内容不断丰富和发展, 至今还没有统一的定义。比较权威的说法认为[3]:人工智能是关于人造物的智能行为, 主要包括知觉、推理、学习、交流和在复杂环境中的行为。人工智能的长期目标是发明出可以像人类一样或能更好地完成以上行为的机器, 短期目标是理解这种智能行为是否存在于机器、人类或其他动物中, 所以它包含了科学和工程双重目标。根据其功能强弱, 人工智能分为三类, 即弱人工智能、强人工智能还有超级人工智能。人工智能的发展大体上经历了三个阶段, 第一阶段是20世纪50~60年代, 提出人工智能的概念。主要以命题逻辑、谓词逻辑等知识表达和启发式搜索算法为代表;第二阶段是20世纪70~80年代, 提出了专家系统, 同时基于人工神经网络的算法研究发展迅猛, 伴随着半导体技术计算硬件能力的逐步提高, 人工智能逐渐开始突破;第三阶段是自20世纪末以来, 尤其是2006年开始进入了大数据和自主学习的认知智能时代。随着移动互联网的快速发展, 人工智能的应用场景也开始增多, 特别是深度学习算法在语音和视觉识别上实现了巨大的突破[4,5]。人工智能的技术体系主要分为四个方面, 即机器学习、自然语言处理、图像识别以及人机交互等。当今击败世界围棋冠军李世石的Alpha GO主要应用了机器学习中的深度学习算法。
2 人工智能应用状况与反思
2017年, 阿里的无人超市落地杭州, 进店、挑选商品、付款支付一气呵成, 消费者几乎在完全自主的状态下完成购物。与此类似, 昆山富士康公司裁员6万名工人, 全用机器人代替。京东、淘宝引入的智能机器人替代了原来的仓库管理、人工客服等岗位。因此有学者悲观地断言:在人工智能时代, 因为很多职业岗位或技能将被智能机器人所代替, 职业院校毕业生很有可能面临毕业就失业的窘境。笔者认为, 我们不应该重蹈历史上英国制定的限制汽车推广使用的《红旗法案》的悲剧。正是这个在今天看来毫无道理的, 但却持续了三十年的法案让德国和美国的汽车工业完全赶上来, 最终远超英国。人工智能应用必将淘汰或替代很多现有就业岗位, 但同时又会创造新的就业岗位, 这是一个伴随着产业智能升级的、长期的艰难过程, 对于职业教育来说, 这既是一个严峻的挑战, 也是一个难得的机遇。
3 人工智能时代职业教育的发展策略
为了更积极地适应人工智能时代, 除了国家层面的统筹规划、科学指导和政策、经费支持之外, 建议还要做好以下几个方面的发展规划。
3.1 解放思想, 更新理念与制度
中国工程院院士潘云鹤提出, 人工智能走向2.0阶段的真正原因是世界正从原来由人类社会与物理空间构成的二元空间, 向着由物理空间、人类社会与信息空间构成的新三元空间演变[6]。因此, 职业教育在教学和管理过程中应该加入人工智能等相关理念和技术, 同时其办学定位、人才培养方案、专业建设、课程内容、考核评价标准等方面都需要做出相应的改进。比如当前大多数职业院校非计算机类专业的课程安排中, 信息技术类课程课时偏少, 数据处理、编程类或人工智能课程几乎没有, 这样的安排不利于提升学生的信息素养, 必须做出相应的调整, 同时适当减少将来可被人工智能应用替代的技能课程的课时, 比如电算会计、环境监测等。
3.2 善用人工智能, 提升教学与管理
在人工智能背景下, 教师们现有的重复性工作和大量数据积淀的教学任务, 比如批改作业或阅卷或课堂考勤都可能被人工智能取代, 因此, 教师能腾出更多的时间, 更充分地关注学生的个性差异, 从而为学习者提供更精确的个性化学习服务, 教师也能够及时调整教学方法和手段, 优化教学评价方式, 补充教学资源, 减少备课重复性工作, 提升教学效率, 真正地做得因材施教, 同时学生们的学习方法和方式将不同程度地得到重构, 基于大数据的智能在线学习平台大量出现, 不同的学校、学科及专业课程不再封闭, 学习时时处处都可以进行, 碎片化与个性化学习将日益普遍。教师能完整地跟踪学生的整个学习过程, 比如学生上课是否睡觉、是否玩手机、是否在教室里与其他同学合作学习等, 都能够根据监测数据进行智能解析, 有利于更有效、更全面地对学生进行过程性评价。大部分课程考试将全部自动化, 考生资格审查利用人脸识别、监考与阅卷都由智能机器来完成。上述人工智能给教学带来的这些变化既需要网络硬件设施和相关软件系统来支撑, 更需要职业教育的教师们继续提升信息技能、深化和加强信息素养。
3.3 深化产教融合、优化实训筑牢就业
在人工智能时代, 职业院校应与相关行业统筹发展, 深化产教融合, 拓宽企业参与的途径, 深化引企入教改革, 支持引导企业深度参与职业院校的教育教学改革, 多种方式参与学校专业规划、教材开发、教学设计、课程设置、实习实训, 促进企业需求融入人才培养环节;鼓励以引企驻校、引校进企、校企一体等方式吸引优势企业与学校共建共享生产性实训基地;全面推行现代学徒制和企业新型学徒制, 推动学校就业与企业招工无缝衔接。比如职业教育将出现新师徒制, 行业领域的行家里手将通过互联网以VR或者AR技术言传身教的方式, 带领规模庞大的徒弟用碎片时间进行学习与实践。
3.4 完善终身学习的职业教育体系
随着人工智能应用的深入推广, 职业院校培养的技能型人才所掌握的技能如果不及时进行充电升级, 中低端的重复性强的工作将面临被智能机器人不同程度进行替代的危险。所以对于不少技能岗位, 守着一门技术吃一辈子老本的时代将一去不复返。因此, 职业教育要继续完善终身教育体系, 为职业教育学生的充电升级铺就一条纵深的通道。
3.5 人文教育为道, 智能教育为用
在人工智能的帮助下, 简单重复性的工作将被机器替代, 人们将从重复繁琐的事务中解脱出来, 转去从事更具有创造性、创新性或者更具有情感类的工作, 这些工作需要人与人之间的合作与沟通, 因此, 职业教育更需要注重学生思想道德水平、人文综合素质的培养, 这是做人之道, 在此基础之上激发学生们的学习主动性和创造力, 促进跨界思维的形成, 更好地掌握人工智能时代的相关职业岗位知识和相应的智能技能。著名理论物理学家霍金曾说:完全人工智能的研发可能意味着人类的末日。Tesla汽车和Space X公司创始人马斯克说:我们必须非常小心人工智能。如果必须预测我们面临的最大现实威胁, 恐怕就是人工智能了[7]。一群没有良好道德水平的, 但掌握了智能技术或设备的人们是危险的, 所以职业教育应该从学生入学起就开始, 不断提升学生的思想道德水平, 热爱社会、热爱生活、乐于助人、与人为善。只有这样, 人工智能应用才能更好地服务人们、造福社会。
4 结论
人工智能正在快速又深刻地改变我们的教学、生活和工作方式, 也对职业教育提出了严峻的挑战, 同时也是一个巨大的机遇。职业教育在面对人工智能时代的变革时, 须要从国家政策、理念与制度、教学管理、产教融合、终身学习等方面做好应对, 切实地把握人文教育之道对智能教育之用的统领原则, 培养能很好地掌控人工智能技术和应用的人才。
参考文献
[1]谢青松.人工智能时代职业教育的转型和发展[J].教育与职业, 2018 (8) :50-56.
[2]苏令.人工智能来了, 教育当未雨绸缪[EB/OL].[2018-05-15].
[3]Nils J.Nilsson.人工智能[M].郑扣根, 庄越挺, 译.北京:机械工业出版社, 2000.
[4]王璐菲.美国制定人工智能研发战略规划[J].防务视点, 2017 (3) :59-61.
[5]贺倩.人工智能技术在移动互联网发展中的应用[J].电信网技术, 2017 (2) :1-4.
篇6
人工智能即将进入高中课堂。近日，我国第一本面向中学生的AI教材——《人工智能基础（高中版）》正式。
为什么要在中学开设人工智能课程？这本教材有什么特点？对于中学教师和学生而言，应如何准备才能应对人工智能的教与学？记者对此进行了调查。
全国已有40所学校引入教材
据了解，该教材是华东师范大学慕课中心和商汤科技合作，联合全国多所知名中学教师共同编写，由新闻出版总署批准出版并备案。目前，全国已有40所学校引入该教材作为选修课或校本课程，成为首批“人工智能教育实验基地学校”。
“与其他教材不同，该教材以‘手脑结合’为主要学习方式，不仅关注对人工智能原理的介绍，更加重视这些原理在生活中的运用。”华东师范大学教授，博士生导师陈玉琨介绍说，“作为教材的编者，我们特别希望学生能发挥独特的想象力，设计一些在高中阶段有可能完成的项目，并动手将其转化为独具特色的作品。”
记者看到，该教材共分9个章节，以基础普及性的知识为主，分别介绍了图片识别、声音识别、视频识别、计算机写作和深度学习等人工智能技术的原理和应用场景，每一页都配有彩色图表，并引入了大量科普内容和实例。此外，该教材还配套了一个教学实验平台。
香港中文大学教授林达华表示，目前，人工智能人才面临着全球性短缺，在人工智能和基础教育结合方面，各个国家都还处在探索的过程中，该教材的出版，是人工智能教育的一次重大突破，意味着人工智能将由此走出“象牙塔”，进入高中生的知识范畴。
“今天，技术更迭速度太快，谁也无法预计未来的职业选择，我很乐意让我的孩子在中学阶段就了解掌握一些人工智能方面的知识技能。”一位家长这样告诉记者。
目的在于普及原理引发兴趣
作为一门兼具学术含量和技术含量的学科，对高中学生而言，应该怎样去了解人工智能这门学科；对于高中教师而言，又该如何教学呢？
“大多数中学生的最终职业道路都不会是成为人工智能研究者或工程师，但是未来很多行业都将在不同程度上受益于人工智能的赋能。因此，该学科在中学阶段的教学目标应该定位让学生了解掌握人工智能的基本思想、基础知识以及常用算法和工具。”林达华说。
在陈玉琨看来，人工智能的教学和研究经常要用到高等数学的知识，这已经超出了高中生的知识范围，因此，在中学阶段，教师应注重对相关概念、算法、原理进行定性介绍，“定量的部分，可以留待以后再学。”
多位专家表示，教师在教学过程中，要特别重视对人工智能应用场景的介绍，这不仅会让课堂变得更加生动，学生学习的兴趣更加高涨，同时也会提升师生的思维与创造能力。
“总体而言，在中学阶段开展人工智能课程的主要目的在于普及人工智能的原理与技术，引起学生对人工智能学习的兴趣。当然，也期望能为高等学校培养人工智能领域的拔尖人才奠定相应的基础。”
“校企合作”解决人才缺口
也有专家指出，人工智能是一门新兴技术，中学教师在该领域的知识储备是不足的。
“师资是课程的基础。”上海师范大学教授岳龙表示，“开设人工智能课程对教师的知识结构也提出了新的挑战，因此组建专门的师资培训团队非常重要。”
据记者了解，为帮助教师克服知识储备不足的问题，华东师范大学慕课中心与商汤科技将联合举办多期“人工智能教师研修班”——培养一批人工智能的种子教师，在他们带领下，逐步提升我国教师总体的人工智能素养，从而改善中学教师开展人工智能教育教学面临的困难和挑战。
篇7
关键词：人工智能；音乐教育；智能乐器；大数据
1引言
随着人工智能技术的不断进步，重新塑造音乐使得音乐教育的学科素养培育、审美感知、艺术表现和文化理解变得更有支持和创意。探索应用人工智能技术推进音乐教学的改革与发展有具有十分重要的意义。本文通过研究与实践，引导学生学会用科学的方法培育计算思维创作音乐，用科学的意境欣赏音乐陶冶学生的音乐审美感，用科学的评价提升音乐课堂教学效率。通过这些措施，可以使学校音乐教育精准地开展因材施教差异化教学，彰显音乐教育的特色。
2人工智能与音乐
人工智能技术与音乐教育有机融合，丰富了课堂教学资源，拓展了智能乐器的功能，提升了音乐教育技术手段。它支持个性化学习，可以观察音乐课堂学习，分析音乐的旋律与节拍，有效评价教学效果，激发音乐教师运用人工智能技术创新音乐教学的热情，发挥教师在课堂教学中的主导作用。
2.1乐器的智能化
乐器是学习音乐的重要工具。乐器植入人工智能技术，形成了智能化乐器。它能够大量储存多种乐器的音乐数据。尤其是在音乐键盘中运用，功能的提升特别突出，应用于音乐教学中引发了多种形式的教学模式。例如，图1显示了融合多媒体计算机、主控系统、音乐课堂教学智能评价系统将多部电子钢琴连接起来的智能乐器实验室。通过语音室方式授课，可以实现多种乐器的分组教学。这在传统的音乐课堂上是无法完成的。
2.2智能化乐曲创作
智能乐器不仅能够储存乐器音色，而且还能用指令对各种音色播放进行控制，各种音色按照指令进行演奏。这种创作功能是以往其他乐器都无法比拟的[1]。例如，能唱出《月亮代表我的心》十七声部的合唱团，很好听，但很难。运用智能乐器按指令合成该十七声部音乐则轻而易举。2.2.1机器学习生成乐曲人工智能技术赋能智能乐器，使得机器学习的功能日趋进步。机器学习在音乐领域所做的事情，就是提取音乐作品的“数据”，输入给定模型学习音乐的“特征”，再对音乐数据进行分析和编排。例如，如果输入的是《梨园金曲》民族音乐，则机器就能学会民族音乐的曲调特征，生成掌握特征模型的民族音乐作品。2.2.2用软件生成乐谱使用MuseScore3forMac软件可以制作乐谱，在工具栏选择对应时值的音符输入音符。例如，在MuseScore3窗口输入如图2所示的“我和我的祖国”乐谱，再导出MP3文件进行播放。2.2.3代码生成乐曲用Python代码生成曲子，要借助音乐标准格式MIDI—乐器数字接口，运用Python-midi库编写程序，编译MIDI文件生成音乐。例如，生成一个简单乐谱的MIDI文件需要使用Python-midi，其中：Pattern对象表示乐谱；Track对象表示音轨，通常乐谱都有多条轨道组成，每种乐器是一个轨道；midi.NoteOnEvent表示每个音符的开端，在参数表中可以定义每个音符的音长和音高；midi.NoteOffEvent表示每个音符的结束。参考代码如下：importmidi#定义patternpattern=midi.Pattern()#定义轨道track=midi.Track()#添加轨道到patternpattern.append(track)#音符开始，并定义位置、音量、音高on=midi.NoteOnEvent(tick=0,velocity=50,pitch=midiG_3)track.append(on)#音符结束off=midi.NoteOffEvent(tick-100,pitch=midi.G_3)track.append(off)#轨道结束eot=midi.EndOfTrackEvent(tick=1)track.append(eot)#存储midi.write_midifile("example.mid",pattern)程序运行结果生成了如图3所示的简单音符：这样如图2的“我和我的祖国”乐谱，也可以通过Python代码生成MIDI文件。
3AI赋能音乐课堂
在AI赋能的音乐教育环境，促使音乐教学实践变革以及学生学习音乐方式。例如，图4所示的集音乐创作教学及教学评价于一体的“智能化音乐课堂教学评价系统”，在教学设计的优化、教学方法的高效、教学手段的更新、教学评价的智能、教学策略的调整方面都具有借鉴意义[2]。
3.1大数据学习
大数据云计算可以将所有音乐家们音乐数据存储在云中，运用人工智能技术为学生提供更多有价值的音乐数据。学生通过音乐云学习音乐知识，欣赏音乐魅力、体验音乐节奏、理解音乐韵律。它使得优质音乐教学资源跨越校园，开放延伸音乐教学，远程辐射共享资源。这样就扩展了学生的视野，音乐知识的来源无限扩大，整个音乐云皆有学生的学习教材。特别是大数据音乐云不仅可以推送给学生更多的即兴音乐和更多的音乐信息，还能指导音乐爱好者创作出雅正、健康的音乐作品。
3.2个性化学习
人工智能技术从音乐学习行为数据搜集、数据分析与运用、个性化学习评价多方位帮助学生定制个性化的学习成长路径。推送在线音乐教育资源，指导表演建议乐器学习技巧。搭建音乐教育虚拟课堂，匹配音乐教学资源，实现因材施教的个性化学习，支持一对一的教学辅导和群组式讨论。通过这些措施提高教学质量和效率。
3.3教学评价智能化
运用人工智能技术将多个音乐辅助教学设备连接的音乐创作教学系统，基于音乐课堂教学的学生学习特质分析与教学效果分析的音乐课堂教学管理系统，来实现音乐教学的全程智慧管理，使音乐学习更有效率。例如，在虚拟音乐课堂乐器教学可以变成一对多的自选教学模式，使课堂变得轻松、愉快。教师可以开启课堂教学观察模块，捕捉每位学生同步练习的音准、节奏、力度数据，分析判断将评价信息同步反馈，给出学习指导建议。3.3.1创作教学模块“智能化音乐课堂教学评价系统”中的音乐创作教学模块，集视、听、练和反馈评价为一体，适时演示教师教学作品和评价学生练习作品。例如，在进行《我和我的祖国》授课时导入电影片段，欣赏“我和我的祖国”音乐的表现形式、演唱形式以及歌曲风格，可以使学生更好地体验作品的创作意境，激发创作意识。使用MuseScore创作“我和我的祖国”三声部习作音乐，并能储存、刻录，编辑等二度创作。3.3.2课堂教学评价模块音乐课堂教学评价有着传统音乐教学评价无法比拟的灵活性、客观性和实用性。从大数据分析角度获取音乐课堂教与学相关数据，对学生的音乐基本素养与学习态度进行科学分析判断。例如，以创作《红河谷》中的和声与音乐作品风格内容的“编配伴奏音乐”教学过程为例。课前在“课堂教学评价模块”上安排学生根据作品风格完成伴奏的音乐；播放制作好的《红河谷》MIDI音乐（在第二和第六个小节缺失编配和弦）；使学生感受、探讨大小三和弦的表现力，形成对大小三和弦的感知。然后要求学生试着用MuseScore为《红河谷》缺失的两小节选配和弦，以适合歌曲的伴奏风格。学生需要边哼唱歌曲边试着套用不同的伴奏风格，找到他们认为最恰当的和弦伴奏风格，说出理由并提交[3]。评价系统将学生提交的作业比照音乐要素进行评价。及时反馈学习评价的信息，并对学生的学习进程制定一个个性化的学习方案[4]。同时通过教学反馈深度优化决策模型，促进教师实时改进教学策略，提高教学效率和效果，提升教学质量。
4结语
人工智能技术在音乐教育领域中的广泛应用，为传统的音乐教育模式注入了活力，为音乐教师创新音乐教学理念开辟了新思路[5]，为因材施教提供了新的适合学生学习的音乐教学模式。人工智能在音乐教育模式方面的探索，不仅给音乐教育教学的发展带来了物质技术层面的进步，还从音乐教学层面促进计算思维培育开辟新途径。这对音乐教育理念、教学手段、教学方式和方法以及拓展学生音乐视野、学习音乐、享受音乐、创造音乐等都带来深刻的变化和积极的影响。
参考文献
[1]邹孟雨.人工智能及其在音乐教育中的应用.北方音乐,2018(15):254-255
[2]郭文进.“互联网+教育”运行模式探究.决策与信息（下旬刊）,2015(9):63
[3]段晓军.电脑音乐系统与中小学音乐教学实践.中国音乐教育,2006(6):26-28
[4]王迪.浅析娱乐教育中元学习能力的培养.河北广播电视大学学报,2007(1):79-80
篇8
【关键字】人工智能；教育；进展
【中图分类号】G40-057 【文献标识码】A 【论文编号】1009―8097（2008）13―0018―03
人工智能是一门综合的交叉学科，涉及计算机科学、生理学、哲学、心理学、哲学和语言学等多个领域。人工智能主要研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能，其长期目标是实现人类水平的人工智能。[1]从脑神经生理学的角度来看，人类智能的本质可以说是通过后天的自适应训练或学习而建立起来的种种错综复杂的条件反射神经网络回路的活动。[2]人工智能专家们面临的最大挑战之一是如何构造一个可以模仿人脑行为的系统。这一研究一旦有突破，不仅给学习科学以技术支撑，而且能反过来促使人脑的学习规律研究更加清晰，从而提供更加切实有效的方法论。[3]人工智能技术的不断发展，使人工智能不仅成为学校教育的内容之一，也为教育提供了丰富的教育资源，其研究成果已在教育领域得到应用，并取得了良好的效果，成为教育技术的重要研究内容。
人工智能的研究更多的是结合具体领域进行的，其主要研究领域有：专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、智能决策支持系统、人工神经网络和分布式人工智能等。[4]目前，在教育中应用较为广泛与活跃的研究领域主要有专家系统、机器人学、机器学习、自然语言理解、人工神经网络和分布式人工智能，下面就这些领域进行阐述。
一 专家系统
专家系统是一个具有大量专门知识与经验的程序系统，它使用人工智能技术，根据某个领域中一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。[5]专家系统主要组成部分为：知识库，用于存储某领域专家系统的专门知识；综合数据库，用于存储领域或问题的初始数据和推理过程中得到的中间数据或信息；推理机，用于记忆所采用的规则和控制策略的程序，使整个专家系统能够以逻辑方式协调地工作；解释器，向用户解释专家系统的行为；接口，使用户与专家系统进行对话。近几十年来，专家系统迅速发展，是人工智能中最活跃、最有成效的一个研究领域，广泛用于医疗诊断、地质勘探、军事、石油化工、文化教育等领域。
目前，专家系统在教育中的应用最为广泛与活跃。专家系统的特点通常表现为计划系统或诊断系统。计划系统往前走，从一个给定系统状态指向最终状态。如计划系统中可以输入有关的课堂目标和学科内容，它可以制定出一个课堂大纲，写出一份教案，甚至有可能开发一堂样板课，而诊断系统是往后走，从一个给定系统陈述查找原因或对其进行分析，例如，一个诊断系统可能以一堂CBI（基于计算机的教学，computer-based instruction）课为例，输入学生课堂表现资料，分析为什么课堂的某一部分效果不佳。在开发专家计划系统支持教学系统开发（ISD）程序的领域中最有名的是梅里尔（Merrill）的教学设计专家系统（ID Expert）。[6]
教学专家系统的任务是根据学生的特点（如知识水平、性格等），以最合适的教案和教学方法对学生进行教学和辅导。其特点为：同时具有诊断和调试等功能；具有良好的人机界面。已经开发和应用的教学专家系统有美国麻省理工学院的MACSYMA符号积分与定理证明系统，我国一些大学开发的计算机程序设计语言、物理智能计算机辅助教学系统以及聋哑人语言训练专家系统等。[7]
目前，在教育中，专家系统的开发和应用更多的集中于远程教育，为现代远程教育的智能化提供了有力的技术支撑。基于专家系统构造的智能化远程教育系统具有以下几个方面的功能：具备某学科或领域的专门知识，能生成自己的提问和应答； 能够分析学生的特征，评价和记录学生的学习情况，诊断学生学习过程中的错误并进行补救教学；可以选择不同的教学方法实现以学生为主体的个别化教学。[8]目前应用于远程教育的专家系统有智能决策专家系统、智能答疑专家系统、网络教学资源专家系统、智能导学系统和智能网络组卷系统等。
二 机器人学
机器人学是人工智能研究是一个分支，其主要内容包括机器人基础理论与方法、机器人设计理论与技术、机器人仿生学、机器人系统理论与技术、机器人操作和移动理论与技术、微机器人学。[9]机器人的发展经历了三个阶段：第一代机器人是以 “示教―再现”方式进行工作；第二代机器人具有一定的感觉装置，表现出低级智能；第三代机器人是具有高度适应性的自治机器人，即智能机器人。目前开发和应用的机器人大多是智能机器人。机器人技术的发展对人类的生活和社会都产生了重要影响，其研究和应用逐渐由工业生产向教育、环境、社会服务、医疗等领域扩展。
机器人技术涉及多门科学，是一个国家科技发展水平和国民经济现代化、信息化的重要标志，因此，机器人技术是世界强国重点发展的高技术，也是世界公认的核心竞争力之一，很多国家已经将机器人学教育列为学校的科技教育课程，在孩子中普及机器人学知识，从可持续和长远发展的角度，为本国培养机器人研发人才。[10]在机器人竞赛的推动下，机器人教育逐渐从大学延伸到中小学，世界发达国家例如美国、英国、法国、德国、日本等已把机器人教育纳入中小学教育之中，我国许多有条件的中小学也开展了机器人教育。
机器人在作为教学内容的同时，也为教育提供了有力的技术支撑，成为培养学习者创新精神和实践能力的新的载体与平台，大大丰富了教学资源。多年来，我国中小学信息技术教育的主要载体是计算机和网络，教学资源单一，缺乏前瞻性。教学机器人的引入，不仅激发了学生的学习兴趣，还为教学提供了丰富的、先进的教学资源。随着机器人技术的发展，教学机器人种类越来越多，目前在中小学较为常用的教学机器人有：能力风暴机器人、通用机器人、未来之星机器人、乐高机器人、纳英特机器人、中鸣机器人等。
三 机器学习
机器学习是要使计算机能够模仿人的学习行为，自动通过学习来获取知识和技巧，[11]其研究综合应用了心理学、生物学、神经生理学、逻辑学、模糊数学和计算机科学等多个学科。机器学习的方法与技术有机械学习、示教学习、类比学习、示例学习、解释学习、归纳学习和基于神经网络的学习等，近年来，知识发现和数据挖掘是发展最快的机器学习技术。机器学习（自动获取新的事实及新的推理算法）是使计算机具有智能的根本途径，对机器学习的研究有助于发现人类学习的机理和揭示人脑的奥秘。[12]
随着计算机技术的进步和机器学习研究的深入，机器学习系统的性能大大提高，各种学习算法的应用范围不断扩大，例如将连接学习用于图文识别，归纳学习、分析学习用于专家系统等，大大推动了在教育中的应用，例如在建构适应性教学系统中，用机器学习与朴素的贝叶斯分类器动态了解学生的学习偏好，有较高的准确率[13]。基于案例的推理（case-based reasoning，CBR）是一种新兴的机器学习和推理方法，其核心思想是重用过去人们解决问题的经验解决新问题，在计算机辅助教育方面，已经出现了基于CBR的图形仿真教育系统，并且，针对个体特征的教育教学方法研究也有所突破。[14]另外，数据挖掘和知识发现在生物医学、金融管理、商业销售等领域的成功应用，不仅给机器学习注入新的生机，也为机器学习在教育中的应用提供了新的前景。
四 自然语言理解
自然语言理解就是研究如何让计算机理解人类的自然语言，以实现用自然语言与计算机之间的交流。一个能够理解自然语言信息的计算机系统看起来就像一个人一样需要有上下文知识以及根据这些上下文知识和信息用信息发生器进行推理的过程。[15]自然语言理解包括口语理解和书面理解两大任务，其功能为：回答问题，计算机能正确地回答用自然语言提出的问题；文摘生成，计算机能根据输入的文本产生摘要；释义，计算机能用不同的词语和句型来复述输入的自然语言信息；翻译，计算机能把一种语言翻译成另外一种语言。由于创造和使用自然语言是人类高度智能的表现，因此对自然语言处理的研究也有助于揭开人类高度智能的奥秘，深化对语言能力和思维本质的认识。[16]
自然语言理解最早的研究领域是机器翻译，随着应用研究的广泛开展，也为机器人和专家系统的知识获取提供了新的途径，例如由MIT研制的指挥机器人的自然语言理解系统SHRDLU就可以接收自然语言，进行人机对话，回答关于桌面上积木世界中的各种问题。同时，对自然语言理解的研究也促进了计算机辅助语言教学和计算机语言设计等方面的发展，例如“希赛可”网络智能英语学习系统，这个基于网络的“人-机”语境的建立，突破了普通英语教师和传统的单机的多媒体教学软件所能具备能力限制，也比建立于网络的“人-人”语境更具灵活性，可以为远程学习者提供良好的英语学习支持，在国内第一次系统地将用自然语言进行的人机对话系统应用在计算机辅助外语教学上，在国际上也是一种创新。[17]
五 人工神经网络
人工神经网络就是在对大脑的生理研究的基础上，用模拟生物神经元的某些基本功能的元件（即人工神经元），按各种不同的联结方式组织起来的一个网络，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能，例如可以用于模仿视觉、模式识别、声音信号处理、控制、故障诊断等领域，人工神经元是人工神经网络的基本单元。[18]人工神经网络有两种基本结构：递归（反馈）网络和多层（前馈）网络，两种主要学习算法：有指导式学习和非指导式学习。
人工神经网络从模拟人类大脑神经网络的结构和行为出发，具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力，特别适合于处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题，[19]这使人工神经网络具有更大的发展潜能，目前已经开发和应用的人工神经网络模型有30多种。人工神经网络在教育中的应用大多是与教学专家系统相结合，以此来改进教学专家系统的性能，提高智能性，使其在教学过程中对突发问题具有更好的应对能力。人工神经网络在学校管理中也得到应用，例如采用误差反传算法（BP）的多层感知器已应用于高校管理之中。
六 分布式人工智能(Distributed Artificial Intelligence，DAI)
分布式人工智能是分布式计算与人工智能结合的结果，研究目标是要创建一种能够描述自然系统和社会系统的精确概念模型，主要研究问题是各Agent之间的合作与对话，包括分布式问题求解和多Agent系统两个领域。[20]分布式人工智能系统一般由多个Agent组成，每个Agent又是一个半自治系统，Agent之间及Agent与环境之间进行并发活动并进行交互来完成问题求解。[21]由于分布式人工智能系统具有并行、分布、开放、协作和容错等优点，在资源、时空和功能上克服了单智能系统的局限性，因此获得了广泛的应用。
分布式人工智能中的Agent和多Agent技术在教学中的应用逐渐受到关注。在教学中引入Agent可以有效地提高教学系统的智能性，创造良好的学习情境，并能激发学习者的学习兴趣，进行个性化教育。目前，Agent和多Agent技术多用于远程智能教学系统，通过利用其分布性、自主性和社会性等特点，提高网络教学系统的智能性，使教学资源得到充分利用，并可实现对学习者的学习行为进行动态跟踪，为学习者的网络学习创造合作性的学习环境。在网络教学软件中应用Agent技术的一个典型是美国南加利福尼亚大学（USC）开发的教学Adele（Agent for Distance Education - Light Edition） [22]。Agent技术在网络教学软件中取得的良好效果，促进了研究者对分布式人工智能在教育中的应用研究。
综上所述，科学技术的发展将会推动人工智能技术在教育中应用的广度和深度。从人工智能的应用趋势来看，人工智能在教育中应用的扩展可以通过以下三个方面进行：一是人工智能与其他先进信息技术结合。人工智能已经与多媒体技术、网络技术、数据库技术等有效的融合，为提高学习效率和效度提供了有力的技术支持，而引起教育技术界广泛关注。[23]例如人工智能技术通过与多媒体技术相结合，可以提高智能教学系统的教学效果；与网络通讯技术相结合，可以提高和改进远程教育的智能性。二是人工智能应用研究领域间的集成。人工智能应用研究领域之间并不是彼此独立，而是相互促进，相互完善，它们可以通过集成扩展彼此的功能和应用能力。例如自然语言理解与专家系统、机器人的集成，为专家系统和机器人提供了新的知识获取途径。三是人工智能的研究和应用出现了许多新的领域，它们是传统人工智能的延伸与扩展，这些新领域有分布式人工智能与Agent、计算智能与进化计算、数据挖掘与知识发现以及人工生命等[24]，这些发展与应用蕴藏着巨大潜能，必将对教育产生重要的影响。
技术发展不断发挥着引导教育技术研究的作用，一种新兴技术的出现总是会掀起相应的研究热潮, 引发对技术在教育中应用的探讨、评价以及与传统技术的对比。[25] 人工智能作为一门交叉的前沿学科，虽然在基本理论和方法等方面存在着争论，但从其研究成果与应用效果来看，有着广阔的应用前景，值得进一步的开发和利用。
参考文献
[1] 史忠植,王文杰.人工智能[M].北京:国防工业出版社,2007:1.
[2][11][18][19] 《计算机与信息科学十万个为什么》丛书编辑委员会,计算机与信息科学十万个为什么(8):人工智能[M].北京:清华大学出版社,1998:5,189,78-79,84.
[3] 任友群,胡航.论学习科学的本质及其学科基础[J].中国电化教育,2007,(5):1-5.
[4][21] 蔡瑞英,李长河.人工智能[M].武汉:武汉理工大学出版社,2003:12-13.
[5][12][15][20][24] 蔡自兴,徐光.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,2007: 12-14,19-20.
[6] [荷]山尼•戴克斯特拉,[德]诺伯特•M. 西尔,[德]弗兰兹•肖特,等.任友群,郑太年主译.教学设计的国际观第2册:解决教学设计问题[M].北京:教育科学出版社,2007:67.
[7] 任友群.技术支撑的教与学及其理论基础[M].上海:上海教育出版社,2007:42-43.
[8] 路利娟.应用专家系统提升现代远程教育的智能化[J].中国教育技术装备,2007,(12):79-80.
[9] 陈恳,杨向东,刘莉等.机器人技术与应用[M].北京:清华大学出版社,2007:6.
[10] 关注机器人幼儿教育――访鲍青山博士[DB/OL].
[13] 柏宏权,韩庆年.机器学习在适应性教学系统中的应用研究[J].南京师范大学学报(工程技术版),2007,7(4):76-79.
[14] 杨健,赵秦怡.基于案例的推理技术研究进展及应用[J].计算机工程与设计,2008,29(3):710-712.
[16] 自然语言理解[DB/OL].
[17] 贾积有.人工智能技术的远程教育应用探索――“希赛可”智能型网上英语学习系统[J].现代教育技术,2006,16(2):26-29.
[22] Erin Shaw, W. Lewis Johnson, and Rajaram Ganeshan, Pedagogical Agents on the Web[DB/OL].
篇9
1 引言(Introduction)
人们越来越接受逐渐取代传统考试方式的利用计算机网络实现的远程考试系统。传统意义上的考试，操作过程极其繁琐，出错难以避免。远程教育也称为网络教育，突破了时间与空间的限制，对实现教育终生化，教育大众化、平民化有重要的意义。我国是一个十三亿人口的大国，且农业人口众多，东西部发展不平衡，教育资源尤其是高等教育资源分布不均匀，西部及偏远地区教育资源匮乏。远程教育为全民教育及终生教育提供了有效的途径。在远程教育体系中，基于计算机网络的远程考试系统有了非常重要的意义。远程考试系统尽可能保证了考试的实时、可靠及客观公平及最小程度的人为因素影响。远程考试系统亦广泛应用于政府、企业及各种机构的培训，因此，讨论远程考试系统有了非常重要的意义。
远程考试离不开试题库的创建。
采用常规数据库构成的试题库，对客观题(选择、判断、填空题)很好解决。可以将试题库的试题按不同的形式出现。原理是：每个题都有几个选项，正确的和干扰项都有若干项。当试题要单选题时，可以用算法限制，每个题抽出一个正确项和若干个干扰项。当试题需要多选题时，每个题在答题选项中任意选取，但保证正确选项大于1即可。
而抽卷一般都是随机在试题库抽题形成试卷。这就造成不同试卷难度可能不同，考试欠公平。处理这个问题最好的办法就是将题目在建立试题库时就给了难度系数，出题时按难度比例抽题。这样对每个参考者相对公平。这涉及到怎样确定试题难度的问题。下面将讨论用人工智能技术处理试题难度。也就是在创建试题时，让计算机自动识别试题难度。
2 人工智能技术在试题库建设中的应用(Application
of artificial intelligence techniques in building the
examinations bank)
2.1 人工智能的定义
著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术[1]。
人工智能(AI)是目前发展迅猛的计算机学科的一个分支，近代被称为三大尖端技术之一，这三大尖端技术是：基因工程、纳米科学、人工智能。人工智能经过近几十年的发展，也逐渐成为了一个比较成熟的技术应用。在实践中应用十分广泛。在许多学科中都有它的身影，也取得了巨大的成果及可观的经济效应，在理论上也日趋完善。
人工智能是用计算机算法来模拟人类的智能行为或思维过程。比如：逻辑推理、学习规划、计划实施等等。主要的内容包含：计算机实现算法(原理)、智能机器人制造等。人工智能涉及的学科也极为广泛。首要的是计算机技术，还有心理学、教育学、语言学等人文科学。还有控制、自动化、仿真、数理逻辑等自然学科，具有广泛的应用前景。目前，关于人工智能的研究涉及到军事、航天航空、机械制造、计算机仿真、遥控遥感、机器人、工业控制、自动化、采矿、教育培训、服务业等等。人工智能技术在当今社会中得到越来越多的关注和重视，是正在快速发展的热门学科。它起源于计算机技术，但远不止于计算机科学范畴。人工智能取得了许多成就，这些成就主要表现在： 基于知识的系统、机器学习、神经网络、机器人学、Agent技术和分布的协同工作、规划和配置、机器感知等[2]。
2.2 知识的定义
知识是人类在认识自然、改造自然过程中沉淀下来的精神产物，是人类进行创新、创造、探索等智能活动的基础。关于知识的理解，可以概括为以下几个方面：
(1)知识是转换后的信息。经过人类的主观理解、解释、消化、选择以及过滤，大量信息加工处理后，称其为知识。
(2)知识也可以理解为对特定的学科或产业的概念定义、内部关系、运作过程和应用解释。
(3)知识亦可以定义为：“事实”“信念”“启发式”。
在人工智能领域，知识是一个非常重要的处理点。大量的信息必须从知识中提取和转换来的。从其作用层次，它们分为对象级知识、元级知识两类。按性质亦可划分为三种知识：过程性、描述性、判断性。
2.3 知识表示
知识表示一直是计算机领域中非常关键的问题，在人工智能及专家系统中，知识表示是知识的符号化过程。实际上是为描述事件所做的一组约定，它的实质是将事件的事实、过程、关系、属性等特征抽象成数据结构。计算机的知识表示就是研究这些数据结构，构建数据库，使用算法将物质世界的可以处理的信息尽可能量化，过程化。人工智能也就是让计算机模拟人的思维过程。将这些海量的数字化后的信息快速处理，以获得人们需要的结果。
人工智能应用在构建试题库时，知识表示也成为一个非常关键的问题。
知识的表示与对问题的处理和解决以及解决问题的效率有很大的影响。一个正确的知识表示，可以将知识很好的转化为数字信息，从而使得计算机能够更好的处理，那么对知识表示的要求，主要从下面四个方面去处理：
(a)可表达性：能够正确有效的将要解决的问题所需要的知识表达出来。
(b)可理解性：知识表结果是容易理解的，简单明了的。
(c)可访问性：知识表示是可以利用的
(d)可扩充性：当有新增知识的时候，原来的知识表示可以扩展、补充。
2.4 知识库的构建
知识库是按照一定要求存储在计算机中的相互关联的事实知识的集合，是经过分类和组织、序化的知识集合，是构建专家系统(ES)的核心和基础[3]。
对知识的处理，很关键的一步是知识库的构建，即创建知识的物理结构及逻辑结构，在计算机技术及人工智能理论中，可以理解为数据结构的建立。知识库的组织方式，依赖于知识表示模式，也依赖于数据库等计算机技术。目前的数据库技术发展很快，也有很多模式可供选择。总之，知识库的组织应尽可能全面、高效、最大化利用存储空间。
知识库的构建模型如图1所示。
图1 知识库构建模型
Fig.1 The knowledge base model
2.5 知识库的管理
在人工智能的专家系统中，知识库会随着时间推移，越来越大，知识的尝试和广度也相应变化。知识库管理维护得好，会成为日常工作的好帮手，处理得不好，知识库就是一堆没有用甚至是有害的信息垃圾[4]。管理知识库涉及到数据存储的安全性、访问效率、多用户等等，依赖于计算机软件技术。
2.6 实现过程
(1)构造试题库数据结构表见图2。主键为“ID”。
图2 综合试题库表
Fig.2 The examination bank table
(2)所考知识点难度数据表结构
所考知识点难度数据表结构如图3所示。主键为“序号”。
图3 知识点难度数据结构表
Fig.3 Construction table of the database in difficulty
coefficient of knowledge point
(3)知识点数据分析及客观题知识点难度计算程序的算法实现
先将所选课程考试大纲要求的知识点按照掌握、理解、了解的要求每个知识点设置一个或两个关键字，并设置知识点难度系数数据库，考试大纲要求不是很多，所以数据量不大，可由教研室讨论每个知识点的难度系数。考试的题库却是不断增加的，每增加一个选择题时，就遍历知识点难度系统数据库，按词法匹配，如果选择题含有某知识点，即将此知识点的难度系统加到累加变量中，并将计数器加1，遍历完整个表，将累加变量值除以计数器，得到此选择题的知识点难度系统。实现算法如图4所示。
图4 试题库难度系数生成算法流程图
Fig.4 Flow chart of algorithms in the degree of
difficulty of examination bank
3 结论(Conclusion)
用人工智能技术，基于知识点属性建立的知识点库;试题库建库时，试题能按词法匹配，遍历知识点库，智能生成难度系数。解决了在无纸化考试中遇到的考试公平的问题，也减轻了出题者的工作量，避免了出题者主观判断题目难度导致的随意性和不准确性。
但系统仍存在不足：可实现是部分智能推导，知识点的堆积是一个继承过程，仍然可以继续研究。人工智能在计算机考试中仍有很多可研究的方面，如：主观题的阅卷等。这也是今后可努力的方向。
篇10
1人工智能竞赛驱动式软件工程产学研模式的实施
以培养卓越软件工程人才为目标，我们构建了人工智能竞赛驱动下的软件工程产学研培养新模式。通过构建2个层次培养竞赛平台，实现以点带面、共同提高的培养目标。2个层层学科竞赛平台如下：一是基础课程竞赛平台。面对中年级的学生，组织学生参加蓝桥杯、GIS开发大赛、SDN软件定义网络赛等普适性、课程类竞赛，可以快速锻炼学生的知识应用、团队协作、现场表达、创新思维等各方面能力，有效提升综合能力，以激发学生对科研创新的兴趣和自信。二是专业创新竞赛平台。面对中、高年级学生，组织学生参加专业创新竞赛平台。并且，按照学科方向，专业创新竞赛平台主要分为三个方向：数据科学竞赛方向、人工智能方向以及互联网方向。对于高年级学生，可以按照自己的选修方向或者兴趣，选择该方向的指导教师，参加专业水平的能力竞赛。如数据科学竞赛方向，有Kaggle平台大赛,阿里天池大赛、KDD、图像分类和目标检测比赛等。高年级学生可以在已经具备基本学科知识和科研创新能力后，在更大的舞台上检验自己的专业水准，在失败和进步中提升创新能力和实践能力，最终具备解决社会实际问题和企业实际问题的能力。
2人工智能竞赛驱动式软件工程产学研模式的意义
软件工程技术是人工智能的重要载体，人工智能竞赛可以与软件工程专业的产学研有机地结合起来，更能取得良好的培养效果。其对软件工程学科教学质量和人才培养都有着重要作用和意义。一是有利于教师教学观念的更新和教师角色的转变与知识更新。师生协同。改变传统以教师为主导的培养模式，探索在学生竞赛和实践上的共建，鼓励学生自主开展创新探索、组织和参加学生竞赛，形成了“专业教师指导、学生自主组队”的竞赛组织管理指导新模式；二是有利于培养学生的创新能力和激发学生主动学习的意愿。一方面，信息化学习方式是以知识贯通式学习为主，学习方法灵活，更利于创新能力的培养；另一方面，学习过程由匹配问题和答案的过程，而更多地转向如何理解问题、如何界定问题、如何解决问题等，学习者的“主体”地位得到回归。三是利用互联网+大数据竞赛优质资源，有助于提高软件工程专业教学质量，与国际一流高校培养模式接轨。以学生为中心，结合教与学的特性需求，把作为教师优化和完善教学模式、学生灵活和改善学习方法的辅助手段，充分结合师生教与学的个体需求，采用问题主导式教学模式，将有助于软件工程专业探索教学模式创新，提高教学质量和学生学习成效.
3结语
综上，软件工程产学研可以与人工智能竞赛相结合。以人工智能竞赛为导向的产学研给学生提供了资源和平台，有效提高学生的实践能力、科研能力和团队协作能力，对提高软件工程专业学生的创新能力和实践能力大有裨益。
【软件工程硕士论文参考文献】
[1]裘君，何小其，刘毅华.基于竞赛驱动的自动化专业实践教学改革探索[J].安徽电子信息职业技术学院学报.2013,59(11),4，20.
[2]王喜鸿，王良成，周密.论以学科竞赛促进理工科学生实践创新力的提高.实验室科学，2011,14(4):1-3,6.
[3]李淑琴，刘均梅.科技竞赛与学生创新能力的培养[J].新课程学习：学术教育，2011(7):95-96.
[4]徐晓飞.抓住MOOC之机遇促进计算机与软件工程专业教学改革[J].中国大学教学,2014(01):29-33+47.
