专栏名称: 飞桨PaddlePaddle

源于产业实践的开源深度学习平台

飞桨教师风采 | 王蓉：基于飞桨星河社区教学平台，面向新工科的人工智能课程体系改革与实践

飞桨PaddlePaddle · 公众号 · · 2024-10-18 19:30

正文

王蓉

王蓉，女，博士，重庆邮电大学高级工程师，硕士生导师，《重庆邮电大学-百度联合研究生培养基地》负责人，长期参与指导研究生科研工作。第八届“互联网+”大学生创新创业大赛重庆赛区金奖/全国铜奖指导老师；获《以校企结合研究生联合培养基地为依托支撑软件工程创新人才培养机制实践》第二届重庆市学位与研究生教育学会研究生教育教学改革研究优秀成果一等奖。

近年来，为了响应国家对人工智能领域人才培养的迫切需求，教育部等相关部门相继出台了多项政策文件，为新工科教育的发展提供了坚实的政策支撑和资金保障。2020年教育部、国家发展改革委、财政部联合印发《关于“双一流”建设高校促进学科融合加快人工智能领域研究生培养的若干意见》的通知，以推动“双一流”建设高校着力构建赶超世界先进水平的人工智能人才培养体系，以产业行业人工智能应用为导向，拓展核心技术和创新方法，实现人工智能对相关学科的赋能改造，形成“人工智能+X”的复合发展新模式。AI+X特色课程和产业融合与实践教学方式兴起将人工智能与其他领域结合，旨在培养具备跨学科背景和实践能力的人才。这种教学方式使得学生具备了跨学科的综合能力和实际应用能力，能够更好地适应未来复杂多变的职业需求和技术创新。

然而，新工科教育中的人工智能课程设置，尤其是面向非计算机专业的选修课程，仍然面临着诸多挑战。如何针对非计算机专业学生的知识背景和学习需求，设计出既有趣味性又有深度的课程内容？如何在有限的课时内平衡理论与实践的比重，确保学生能够真正掌握并应用所学知识？如何充分利用现代教学平台和技术手段，提升教学效果和学习体验？这些问题对于人工智能课程的任课教师而言，无疑是需要深入研究和探索的重要课题。只有通过不断的教学实践、反思和创新，我们才能逐步完善人工智能课程体系，为新工科教育的发展贡献更多的智慧和力量。

王蓉老师团队提出基于百度飞桨星河社区平台的教学改革。采用线上线下混合教学、项目式AI+X实验及多维度考核，旨在提升学生AI素养和实践能力，培养跨学科整合能力。改革注重理论与实践结合，强调学生参与，以项目驱动学习创新，预期有效解决传统教学问题，提升学习效果，培养高素质创新人才。

人工智能实验课教学中存在的问题

（1）课程内容与非专业学生适配性的挑战

人工智能领域的知识不仅更新迅速，而且具有深度的交叉性，这使得为非专业学生设计合适的课程内容成为一项挑战。缺乏针对性的课程设计往往导致学生面对复杂的理论知识和技术细节时感到难以消化，进而可能失去学习的兴趣和动力。为了确保非专业学生能够从课程中获益，教师需要仔细考虑课程内容的难易度、深度和广度，确保它们与学生的知识背景和兴趣点相匹配。这要求教师不仅要对人工智能领域有深入的了解，还要对学生的专业背景和学习需求有充分的认识。

（2）实验环节与实践能力培养的脱节问题

人工智能课程强调理论与实践相结合，但实验环节往往由于各种原因而未能充分发挥其作用。一方面，由于资源限制、时间安排不当或实验设计不合理，实验环节可能流于形式，无法为学生提供充分的实践机会。另一方面，非专业学生可能缺乏必要的编程和算法基础，这在实验环节中可能导致他们遇到难以克服的困难，从而无法有效地锻炼实践能力。为了解决这个问题，教师需要精心设计实验内容，提供充足的实践资源，并在实验过程中给予学生必要的指导和帮助。

（3）跨学科融合的教学挑战

新工科教育强调学科间的交叉融合，但在实际的人工智能课程教学中，实现人工智能知识与其他学科领域知识的有效结合并非易事。这要求教师不仅具备深厚的人工智能专业知识，还需要对其他相关学科有一定的了解和掌握。然而，由于教师的知识背景和教学经验的限制，以及不同学科之间的固有差异，实现跨学科融合的教学往往面临诸多挑战。为了应对这些挑战，教师需要不断拓宽自己的知识视野，积极寻求与其他学科教师的合作与交流，共同探索跨学科融合的教学方法和策略。

（4）教学资源与平台支持的不足

开展高质量的人工智能课程教学需要丰富的教学资源和先进的平台支持。然而，部分学校可能由于资金、技术或管理等方面的限制，无法提供充足的教学资源和有效的平台支持。这将直接影响课程的教学效果和学习体验。为了改善这种状况，学校需要加大对人工智能课程教学的投入，积极引进和开发优质的教学资源，建设与完善教学平台，为教师和学生提供良好的教学环境和学习体验。同时，教师也需要充分发挥现有资源和平台的优势，创造性地开展教学活动，努力提高课程的教学效果和质量。

百度飞桨星河社区平台特色与优势

百度飞桨星河社区平台在人工智能课程教学中展现出显著的优势与特色。首先，该平台拥有丰富的预置资源，包括大量预训练模型和数据集，这些资源覆盖了多个应用领域，为非专业学生提供了便捷的学习路径，降低了学习门槛。其次，飞桨星河社区提供强大的在线编程与实验环境，学生可以在云端进行实验操作，无需担心本地环境配置问题，有效提升了实践能力和学习效果。此外，该平台还支持混合式教学模式，结合线上线下教学，为学生提供更加灵活多样的学习体验，有助于激发学生的学习兴趣和积极性。同时，百度飞桨星河社区平台还注重跨学科融合，为教师提供了丰富的跨学科教学资源和工具，助力设计出具有实际应用价值的课程内容。最后，该平台拥有广泛的社区支持，学生可以在社区中与其他开发者交流学习、分享经验，形成良好的互动学习氛围，促进了人工智能教育的普及和发展。综上所述， 百度飞桨星河社区平台以全面的解决方案和独特的教学优势，为人工智能课程教学提供了有力的支持。

基于飞桨星河社区平台教学改革方式

随着人工智能技术的广泛应用，非计算机专业学生对其兴趣日益浓厚。为满足这一需求，本改革方案旨在利用飞桨星河社区平台的优势，为非计算机专业学生量身定制一套高效、实用的AI课程。 通过线上线下混合式教学、基于项目式的AI+X实验教学以及多维度考核等方式，全面提升学生的AI素养和实践能力。

1. 明确教学目标

明确教学目标将有利于学生在完成本课程后不仅具备扎实的人工智能理论基础，还能够将所学知识灵活应用于自己的专业领域，为未来的职业发展奠定坚实基础。本课程设计的目标如下：

（1）掌握人工智能的基本原理和算法。课程的首要目标是使学生全面理解人工智能的核心概念和工作机制，深入掌握机器学习和深度学习等关键算法。通过学习，学生能够熟练运用AI工具和框架，为日后在各自领域中应用人工智能技术打下坚实基础。

（2）了解人工智能在本专业领域的应用前景。本课程将带领学生探索人工智能在各自专业领域内的广泛应用前景。学生将学会分析AI技术如何为本行业带来创新与发展，并识别潜在的挑战与机遇，从而培养出对未来技术趋势的敏锐洞察力和前瞻性思考。

（3）具备将人工智能技术与本专业领域相结合的能力。着重培养学生将所学的人工智能知识与自身专业领域相融合的能力。通过实际项目实践，学生将学会运用AI技术解决本专业的实际问题，提升工作效率，并逐渐成为具备高度跨学科整合能力的复合型人才。教师鼓励学生积极参与行业内的AI活动，以不断拓展自己的实践经验和专业视野。

2. 教学内容

我们开展“人工智能”和“深度学习”等相关专业的课程和教材等教学改革与实践工作。基于百度的深度学习开源平台飞桨和人工智能学习与实训社区飞桨星河社区，基于社交网络等大模型数据开展合作，探讨基于文心大模型的应用开发和教学案例建设，提升高校相关专业的教学质量和实践能力，推动人工智能技术在实际应用中的发展和转化。

（1）大模型数据集合作

与百度等头部企业合作，开展社交网络等方向的大规模数据集合作，这些数据集广泛应用于人工智能研究、算法开发和实际应用等方面。学生可以通过使用这些真实且丰富的数据集，加深对深度学习算法和技术的理解，并能够开展更具挑战性的实践项目。

（2）基于飞桨星河社区的混合式教学模式：系统培养AI实践与创新思维

基于飞桨星河社区平台上，全新的诠释线上教学。在前沿技术方面，借助系统提供的由资深AI专家亲自讲授的从基础知识到前沿技术的全方位解析的丰富教学资源，使学生能够系统地建立对AI的基本认知。借助飞桨深度学习框架与平台的强大算力支持，学生还可以参与互动式测验，实时检验自己的学习成效并获得及时反馈，充分发挥了在线教学的灵活性。学生不再受制于固定的课程表和时间安排，他们可以根据自身的学习进度和兴趣偏好，随时随地进行学习。同时，平台还为学生打造了一个充满活力的社区空间。这种社区互动不仅增强了学生的学习动力，也为他们提供了更广阔的视野和更丰富的学习资源。

线下教学环节则是线上教学的有力补充。线下教学着重于深入讨论和实践操作，旨在引导学生将理论知识与实际应用相结合。通过课堂讲解，老师能够针对学生的疑难点进行深入浅出的解答；小组讨论则鼓励学生之间的思想碰撞和观点交流；而案例分析则让学生有机会接触到真实的AI应用场景，从而加深对AI技术的理解。这种线上线下相结合的教学模式，不仅提高了学生的学习效率，也培养了他们的实践能力和创新思维。

（3）基于项目式的AI+X实验教学：科研引领，专业定制，精准提升学生AI实践能力

在深度学习相关课程中，我们致力于打破传统的教学模式，通过创新的基于项目式的教学方法，即AI+X实验教学，让学生在实践中学习，在学习中实践。该模式紧密围绕人工智能与深度学习的前沿技术，结合AI+X的跨行业应用，为学生提供丰富、真实的实验环境。

在这一创新过程中，教师的角色尤为关键。他们不仅传授知识，更通过自身的科研经验，为学生带来前沿、实用的项目案例。教师在设计实验时，特别注重与学生专业的结合，针对特定专业，如计算机科学、数据科学、商业分析等，量身定制舆情系统、推荐系统等实验项目。这样的专业定制确保了实验内容与学生所学知识的紧密结合，让学生能够在熟悉的领域中探索、实践，从而更深入地理解AI技术的原理和应用。

通过与业界领先企业的合作，我们共享了深度学习的大规模数据集和前沿技术，为学生提供了与世界接轨的实验资源。在实验过程中，学生不仅学习了如何搭建实验环境、处理数据、训练和优化模型，更在实际操作中体验了AI技术如何与自己的专业领域相结合，为解决实际问题提供了新思路和新方法。

（4）多维度考核体系：全面评估学生AI学习与实践能力

我们的考核体系采用平时成绩、实验成绩和期末考试3个维度进行教学效果评估，以确保全面、准确地反映学生的AI学习与实践能力。

平时成绩评定注重学习态度与日常表现。 平时成绩结合飞桨星河社区平台的学习数据和线下课堂表现进行综合评定。我们关注学生在平台上的视频观看时长、测验成绩等学习数据，以评估他们的学习进度和掌握情况。同时，线下课堂表现也是平时成绩的重要组成部分，包括学生的参与度、互动情况等，以反映他们的学习态度和积极性。

实验成绩评价强调实践与贡献。 实验成绩主要根据学生在飞桨星河社区平台上的项目参与度、贡献度和实验报告质量进行评价。我们鼓励学生积极参与项目实践，通过实际操作来加深对AI技术的理解。同时，我们也注重学生在项目中的贡献度，以及他们撰写的实验报告的质量，以突出对实践能力的考查。

期末综合考核检验应用能力与综合素质。 期末综合考核通过设计综合性的应用场景题目或项目报告，全面检验学生将AI技术应用于本专业领域的能力。这种考核方式不仅要求学生掌握扎实的理论知识，还需要具备灵活运用所学知识解决实际问题的能力。通过这种方式，我们确保考核的全面性和准确性，为学生的进一步发展奠定坚实基础。

3. 教学改革实施路径

依托现有本科和研究生深度学习相关课程和项目组牵头深度学习开发落地的舆情系统，基于百度的深度学习开源平台飞桨和人工智能学习与实训社区飞桨星河社区，引入百度深度学习课程和实践项目，共建人工智能和深度学习相关专业，提升教学质量和学生实践能力。通过课程内容调研、课程内容与实践项目设计、教师培训与指导、教学模式探讨，以及持续反馈与改进，确保改革的顺利进行，如下图所示。具体实施路径如下：

3.1 课程内容调研

依托现有本科生课程和研究生现有深度学习相关课程的教学内容和目标，以及学生的学习需求和反馈，结合百度基于百度的深度学习开源平台飞桨和人工智能学习与实训社区飞桨星河社区，引入百度深度学习课程和实践项目，确定课程的优势和改进方案。

（1）学生需求和反馈收集：通过问卷调查、讨论小组等方式，收集学生对现有课程、教学方法和实践项目的需求和反馈。根据学生的意见和建议，了解他们在深度学习和机器学习方面的兴趣和疑惑，以及对课程内容和项目的期望。

（2）课程目标和内容比对：分析现有本科生/研究生深度学习相关课程的教学目标和内容，与学生需求进行比对。确定现有课程的优势和不足之处，找出需要改进的地方以及可以引入的新内容。

（3）百度平台的深入了解：深入研究百度的深度学习开源平台飞桨和飞桨星河社区，了解它们的特点、功能和应用案例，评估它们与现有课程和学生需求的契合度。

3.2 课程内容和实验设计

课程内容和实践项目的设计注重理论与实践相结合，通过实际操作和项目实践，培养学生的深度学习技能和问题解决能力。

（1）课程大纲设计：根据现有课程和学生需求，更新课程大纲，基于百度的深度学习开源平台飞桨和人工智能学习与实训社区飞桨星河社区，将深度学习相关的内容融入其中，以确保课程的权威性和实用性。

（2）实践项目引入：项目基于百度的深度学习开源平台飞桨和人工智能学习与实训社区飞桨星河社区，结合前期已落地运行的项目成果，开展“AI+社交谣言监控”等案例的研究与开发特色行业课程，并在飞桨星河社区平台开展线上教学。

（3）教学资源共享：学校教师和百度专家建立教学资源共享机制，促进教师之间的合作和互助。

3.3 教师培训和指导

高校与百度合作对教师进行培训和指导，充分利用教学资源和指导指南，提高教学效果和教学质量。

（1）百度深度学习平台培训：组织百度深度学习平台的培训课程，让教师熟悉平台的功能、操作和使用方法。通过培训，教师能够更好地利用平台进行实践项目和案例的教学工作。

（2）获得百度的技术支持和指导：百度提供教师专属的技术支持和指导渠道，帮助教师解决在教学过程中遇到问题。提供必要的技术支持和资源，如飞桨PaddlePaddle、飞桨星河社区平台等，确保学生顺利完成实践项目和案例。

3.4 探索学生为中心的启发探究式研究型教学模式

针对传统教学以知识传授为主，填鸭式教学，忽视学生能力、素质培养的问题，推行启发与探究式的研究型教学。以学生为中心设计教学，注重过程考核，让学生动起来。

（1）课程内容注重创新思维引领，建从理论知识到科研创新的桥梁。课程涵括深度学习基础技术和科研一线研究热点，从深度学习基本概念、经典模型和AI+X的实际应用，逐层递进。引入科研一线研究热点实验项目，项目组相关研究内容及文章用于课程理论与实验。

（2）课程教学资料分为：教师讲解、实验操作、结果讨论三个部分。学生在理解实验原理的基础上，熟练操作技术，培养学员分析解决实际问题的能力，完成了实验原理-技术路线-实战分析的全过程训练，实现理解-实践-研讨的科学理论再认识闭环教学。

总结

利用百度飞桨星河社区平台，我们实施了混合式教学与项目实践相结合的机器学习课程改革，有效提升了教学质量。 这一模式不仅融合了课堂与网络教学，还紧密连接了理论与实践，实现了科研反哺教学的目标。未来，此模式将进一步激发学生创新潜力，凸显其主体地位，成为教学改革的重要方向。

（本文原载《当代教育实践与教学研究》2024年第5期（上），作者王蓉，肖云鹏，陈玥，段思睿，李暾，贾朝龙，文章内容有所删改，参考文献略。）

AI教学赋能计划由百度飞桨发起，面向高校提供产教融合人才培养方案，一站式助力高校复合型人才培养，欢迎各高校教师加入百度AI教学赋能计划！

飞桨教师风采 | 王蓉：基于飞桨星河社区教学平台，面向新工科的人工智能课程体系改革与实践

正文

请到「今天看啥」查看全文