人工智能教程课堂范文

人工智能教程课堂篇1

关键词：知识表示与知识推理；教学设计；教学实践；数理逻辑；人工智能

知识表示与知识推理是智能信息处理的基础。从人工智能的角度看，知识是构成智能的基础，人类的智能行为依赖于利用已有的知识进行分析、猜测、判断和预测等。当人们希望计算机具有智能行为时，首先需要在计算机上表达人类的知识，然后再告诉计算机如何像人一样地利用这些知识。

自从人工智能领域诞生以来，知识表示与知识推理就一直是其中最为重要的子领域。经过五十多年的发展，知识表示与知识推理领域的许多研究内容、研究方法和研究成果已经深深渗入到计算机科学，进而对计算机学科的发展产生了深远的影响。例如，在C++、Java等面向对象程序设计语言中，“继承”这一最为核心的技术就来源于知识表示与知识推理。再如，在软件自动化领域，许多程序规格语言和程序验证技术都借鉴了知识表示与知识推理领域的Prolog语言等研究成果。从工程开发的角度看，专家系统、智能搜索引擎、智能控制系统、智能诊断系统、自动规划系统等具有所谓智能特征的系统都或多或少地依赖于知识表示与知识推理技术。因此，对于计算机专业的学生来说，学习知识表示与知识推理方面的课程，对于今后在相关领域从事系统开发和科学研究都大有裨益。

在ACM与IEEE-CS联合攻关组制订的计算教程CC2001(Computing Curricula 2001)中，知识表示与知识推理得到了高度重视。CC2001给出的计算机科学知识体由14个知识领域组成：在其中的IS(Intelligent Systems)知识领域中，关于知识表示与知识推理的内容占据了10个知识单元中的2个，即知识单元“(Is3)知识表示与推理”以及知识单元“(IS5)高级知识表示与推理”。在ACM和IEEE-CS进一步修订后的计算机科学教程CS2008(Computer Science Curriculum 2008)中，知识表示与知识推理同样得到了高度重视。此外，在我国高等学校计算机科学与技术教学指导委员会制定的计算机专业规范中，上述的IS3和IS5两个知识单元被全部包括到计算机科学专业的核心课程“人工智能”中。然而，据我们了解，由于“人工智能”在许多高校仅仅作为专业任选课开设，使得计算机相关专业的许多学生无法接触到知识表示与知识推理方面的内容。与此同时，由于课时数限制及没有得到重视等因素，实际开设的“人工智能”课程(包括本科生课程和研究生课程)往往难以覆盖CC2001在知识单元IS3和IS5中列出的各个知识点。

实际上，经过五十多年的发展，知识表示与知识推理领域已经沉淀出一系列基本的方法、理论和技术；这些方法、理论和技术在CC2001的知识单元IS3和IS5中基本上都以知识点的形式列举了出来。作为计算机专业的教育工作者，我们有责任将这些体现了几代人智慧结晶的知识介绍给学生。另一方面，从研究者的角度来看，知识表示与知识推理是一个非常活跃的研究领域；尤其是随着Web技术的发展以及Web科学的出现，知识表示与知识推理将在计算机科学中扮演越来越重要的角色。面对万维网这个全球最大的分布式信息库，如何让计算机对其中海量的数据和信息进行分析、推理和管理，进而为人类提供方便的知识服务，是目前信息技术领域面临的一个重大问题。针对这个问题，国内外研究者基本上都是从人工智能的角度寻求解决思路；近年来成为研究热点的语义Web更是完全建立在知识表示与知识推理的基础上。因此，从开拓学生思维以及介绍研究与技术前沿的角度来看，也非常有必要向学生讲授知识表示与知识推理的相关内容。

基于以上认识，我们为计算机软件与理论专业和计算机应用技术专业一年级的硕士研究生开设了一门32课时的选修课程，以CC2001和CS2008列出的知识单元为核心，对知识表示与知识推理的相关内容进行教学。本文对教学设计和教学实践中遇到的主要问题进行分析，针对这些问题给出相应的解决对策，并对我们获得的经验和教训进行总结。

1　“知识表示与知识推理”知识体的教学设计

自上世纪九十年代以来，国内外许多高校就将“知识表示与知识推理”作为一门课程，面向研究生或高年级的本科生开设。其中比较著名的包括加拿大多伦多大学Hector J.Levesque教授开设的知识表示课程，美国斯坦福大学Leom Morgenstem教授开设的知识表示课程，英国曼彻斯特大学Ulrike Sattler教授等讲授的知识表示和推理课程，中山大学刘咏梅教授讲授的知识表示和推理课程等。但是，由于没有统一的课程设置标准，这些课程讲授的知识点都不尽相同。2000年，Leom Morgenstem和Richmond H.Thomason总结了开设知识表示与知识推理课程时面临的挑战，提出了相应的解决思路。其中，针对该课程缺乏统一的教学知识体的情况，他们设计了一个持续14周、每周2次课的教学大纲。在文献[5]中，Leora Morgenstem进一步修订了之前提出的教学大纲，建议在其中增加语义Web及Web本体语言OWL等内容。

尽管目前各高校开设的知识表示与知识推理课程的课程大纲仍然不尽相同，但比较可喜的是，对知识表示与知识推理的教学在CC2001计算教程中得到了高度重视。CC2001分别在“知识表示与推理”和“高级知识表示与推理”两个知识单元中列出了关于知识表示与知识推理的教学内容。知识单元“知识表示与推理”由以下知识点组成：命题逻辑和谓词逻辑回顾，归结原理与定理证明，非单调推理，概率推理，贝叶斯定理。知识单元“高级知识表示与推理”由以下知识点组成：结构化知识表示(包括对象与框架、描述逻辑和继承系统)，非单调推理(包括非经典逻辑、缺省推理、信念修正、偏好逻辑、知识源的集成、冲突信念的聚合)，对动作和变化的推理(包括情景演算、事件演算和分枝问题)，时态和空间推理，非确定性推理(包括概率推理、贝叶斯网络、粗糙集和可能性理论、决策理论)，针对诊断的知识表示与定性知识表示。在CC2001的基础上，CS2008在知识单元“知识表示与推理”中增加了合一与提升、前向链接、反向链接以及归结等知识点；在知识单元“高级知识表示与推理”中增加了本体工程和语义网络两个 知识点。

以CC2001和CS2008列出的知识点为基础，在综合考察了国内外相关课程的开设情况之后，我们对“知识表示与知识推理”课程的教学内容及相应的学时分配设计如下。

1)概述(2学时)。介绍知识表示与知识推理领域的发展历史、现状和前景：讲授知识表示的基本思路和基本原理；介绍知识表示方法和技术的典型应用：列举典型的采用了知识表示技术的系统，与没有采用知识表示技术的系统进行比较分析。

2)基于一阶谓词逻辑的知识表示和推理(4学时)。讲授一阶谓词逻辑的语法、语义和语用；通过例子讲授如何应用一阶谓词逻辑进行知识表示；讲授如何应用消解原理进行知识推理；讲授如何应用Tableau算法进行知识推理；分析一阶谓词逻辑存在的局限。

3)Horn子句逻辑与产生式系统(2学时)。讲解Horn子句及其过程解释；介绍SLD归结以及分别采用反向链和正向链的推理过程；通过例子讲授如何应用Horn子句逻辑进行知识表示和推理；对Prolog语言进行简单介绍；通过例子介绍如何应用产生式系统进行知识表示和推理。

4)结构化知识表示(6学时)。介绍对象与框架，介绍基本的框架形式系统：介绍语义网络，对推理过程中的继承机制进行介绍。介绍描述逻辑家族的研究历史和发展现状；以逻辑系统ALC为例，讲解描述逻辑的语法和语义；通过例子讲授如何应用描述逻辑进行知识表示；讲授如何应用Tableau算法对描述逻辑刻画的知识进行推理。

5)非单调知识表示和推理(4学时)。介绍非单调性推理的研究历史；讲解封闭世界假设与开放世界假设；讲解缺省推理和限定推理；对自认知逻辑、偏好逻辑和真值维持系统进行介绍；对信念修正、知识源的集成以及冲突信念的聚合进行介绍。

6)非确定知识表示和推理(4学时)。对模糊逻辑进行介绍；讲授概率推理和主观贝叶斯方法；对粗糙集、可能性理论和决策理论进行介绍。

7)解释与诊断(2学时)。讲授反绎推理的基本思路，将其与演绎推理和归纳推理进行比较分析；以一个电路系统为例，讲授如何在知识表示的基础上采用反绎推理进行故障诊断。

8)动作与规划(4学时)。介绍动作与规划领域的研究历史和发展现状；讲授如何在STRIPS系统中对动作进行刻画以及如何进行规划求解：讲授如何应用情景演算和事件演算对动作进行刻画、推理、及规划求解；对框架问题、条件问题和分枝问题进行介绍；对规划语言PDDL进行介绍。

9)时态和空间推理(2学时)。对时间点／时间段、离散／连续、有限／无限、线性／分支等表示时态信息的不同方式进行介绍；对Allen的区间代数理论进行介绍；对线性时态逻辑和分支时态逻辑进行介绍；对基于点／基于区域、离散／连续、有限／无限、同维／混合维等表示空间信息的不同方式进行介绍；对区域连接演算RCC进行介绍；对时态与空间推理的结合进行简单介绍。

10)语义Web和本体工程(2学时)。介绍语义Web的基本思想、技术现状和发展趋势；讲授语义Web的层次模型以及各个层次的目标和功能；对资源描述框架RDF、Web本体语言OWL、Web规则标记语言RIF、Web查询语言SPARQL等进行介绍。对本体的构建、管理和维护进行介绍。

上述教学内容的基本特点是覆盖了CC2001和CS2008列出的关于知识表示与推理的所有知识点。此外，我们将目前作为计算机科学和人工智能领域研究热点的语义Web等内容引入了课堂教学，不仅可以将相关研究前沿展示在学生面前，而且还可以让学生更加深刻地体会学习知识表示与知识推理的价值，进一步激发他们的学习热情。另一方面，上述教学内容存在的一个缺陷是内容过多。由于受到课时数的限制，部分内容在讲授时不能充分展开，留给学生课堂练习和讨论的时间不充裕。

2　教学实践中的主要问题及对策

在围绕“知识表示与知识推理”知识体开展教学实践时，我们遇到的问题主要来自以下几个方面：教师和学生对“人工智能”课程以及其中的“知识表示与知识推理”知识体不重视，缺乏合适的教材，学生缺乏必要的基础知识。下面对这些问题进行逐一分析，对我们采取的对策进行相应介绍。

2.1　师生对“人工智能”课程不重视

许多教师和学生对“人工智能”课程不够重视，甚至存在偏见。我们觉得，这种现状很大程度上是由人工智能自身的发展历程造成的。人工智能领域刚诞生时就被赋予过高的期望；早期的研究者也过于乐观地给出了一些不切实际的承诺。由于不能在短期内实现过高的目标和兑现相应的承诺，使人工智能领域在上世纪80年代末90年代初一度跌入低谷，甚至达到了声名狼藉的地步。这一特殊的发展历程使得一部分对人工智能了解不多的教师和学生产生误解，认为人工智能是一个比较务虚的领域。这种误解甚至影响到“人工智能”课程的开设。目前，在许多高校计算机相关专业的课程设置中，“人工智能”往往只作为选修课程开设，没有得到教师和学生的普遍重视。

实际上，从信息技术发展规律的角度来看，人工智能的上述发展历程是很正常的。根据市场权威研究机构Gartner给出的“技术成熟度曲线”(hype cycle)理论，一项新的IT技术在产生之后，一般先是默默无闻地奋力发展几年，然后会由于被大家寄予很高的期望而迅速火爆起来，接着会因为没能兑现过高的承诺而跌入谷底，最后会再次崛起并由于过硬的成就而被大众普遍接受。人工智能已经经历了从默默无闻到迅速火爆再到跌入谷底的发展过程，目前正处于再次崛起的阶段，并且将通过不断取得的成就而被大众普遍接受。

人工智能的教学在CC2001和CS2008中得到了高度重视。CC2001给出的计算机科学知识体由14个知识领域组成，作为其中的知识领域之一，智能系统(即人工智能)与离散结构、程序设计、操作系统、计算机体系结构等已经得到普遍重视的知识领域具有了相同的地位。在我国高等学校计算机科学与技术教学指导委员会制定的计算机专业规范中，也将“人工智能”作为了计算机科学专业的核心课程。但是，对人工智能相关知识的传播需要一个长期的过程，仍然需要广大科研和教育工作者的不懈努力。

2.2　师生对“知识表示与知识推理”知识体不重视

即便部分教师和学生认识到人工智能知识领域的重要性，但对于其中的“知识表示与知识推理”知识体仍然不够重视，认为没有必要专门通过一门课程进行教学。

针对这个问题，我们可以对人工智能领域的发展历程作进一步考察。我们知道，人工智能领域的诞生就是从知识表示和知识推理开始的。在1956年标志着人工智能诞生的Dartmouth会议上，Herbert Simon和Allen Newell展示的“逻辑理论家”就依赖于知识表示和知识推理。在此之后的五十多年中，知识表示与知识推理就一直是人工智能中最为重要的子领域。相 应的一个佐证是，1966年到2009年期间，在获得图灵奖的56名科学家中，Marvin Minsky、John Mccarthy、Herbert Simon、Allen Newell、Edward Feigenbaum和Raj Reddy等6名科学家都在知识表示与知识推理领域取得了开创性的研究成果。

知识表示与知识推理的重要性在CC2001和CS2008中同样得到了体现。CC2001给出的“智能系统”知识领域由以下10个知识单元组成：智能系统中的基本问题、搜索与约束求解、知识表示与推理、高级搜索、高级知识表示与推理、智能主体、自然语言处理、机器学习与神经网络、人工智能规划系统、机器人；C$2008在CC200I的基础上增加了智能感知这个知识单元。其中，关于知识表示和知识推理的教学内容不仅占据了两个知识单元，而且在智能主体、人工智能规划系统、机器人等知识单元中也占据了相应的多个知识点的位置。由于32课时的人工智能选修课程通常只能对上述知识单元作一个概要性的介绍，对于想进一步深入学习的学生，在有条件的情况下，我们完全有必要开设一门关于“知识表示与知识推理”的课程。另外，从上一节给出的教学设计可以看出，如果要覆盖CC2001和CS2008给出的关于知识表示与知识推理的所有知识点，一门32课时的课程在时间上还很不够用。因此，基于以上分析，我们希望“知识表示与知识推理”的教学首先能够得到相关教师的认可和重视，然后通过课程设置等途径逐渐吸引学生的关注，并在教学过程中激发起学生的学习兴趣和热情。

2.3　缺少合适的教材

尽管CC2001和CS2008详细地列出了关于知识表示与知识推理的主要知识点，但是，据我们所知，目前还没有出现完全覆盖这些知识点的合适教材，而中文的相关教材更是缺乏。

在参考了多方面的资料之后，我们选择了Ronald Brachman和Hector Levesque撰写的《Knowledge Representation and Reasoning》作为教材。Ronald Brachman和Hector Levesque都是知识表示与知识推理领域的著名学者。其中，Ronald Brachman于1977年在哈佛大学攻读博士学位时提出了KL-ONE系统，开创了目前成为研究热点的描述逻辑领域，之后于2003年担任了美国人工智能学会的主席，目前是ACM院士、雅虎全球研究运营副总裁。Hector Levesque在知识表示领域也做出了许多开创性的研究成果，曾于2001年担任人工智能顶级会议IJCAI的主席，于2006年当选加拿大皇家学会会士。除了时态和空间推理以及本体工程这两个知识点之外，CC2001和CS2008中列出的其他关于知识表示与知识推理的知识点，在《Knowledge Representation and Reasoning》中都基本上得到了体现。另外，为了在课程中向学生介绍语义Web方面的知识，我们选择了Grigoris Antoniou和Frank van Harmelen撰写的《A Semantic Web Primer》作为参考书目。

2.4　学生缺乏必需的基础知识

知识表示与知识推理的核心思想是采用形式语言(尤其是逻辑语言)对知识进行刻画和推理，因此要求学生在学习该课程前具有扎实的数理逻辑基础知识。

尽管数理逻辑对于整个计算机学科来说具有非常重要的作用，但在目前计算机相关专业的课程设置中，数理逻辑往往只作为离散数学课程的一个部分进行教学，在课时数量上非常有限。此外，从教材的角度来看，大部分离散数学教材的数理逻辑部分主要介绍命题逻辑的相关知识，而且只介绍命题逻辑联结词、范式、等值演算、自然推理系统等最基本的内容；对一阶谓词逻辑以及命题逻辑中更为深入的内容介绍得很少，甚至不介绍。这些内容对于学习知识表示与知识推理知识体来说远远不够。例如，根据我们在讲授“知识表示与知识推理”之前的调查，许多研究生对于一阶谓词逻辑的语法与语义等基本概念都还比较模糊，对于消解原理、Tableau方法、可满足性问题等内容更是没有接触过。

针对上述问题，除了原计划关于一阶谓词逻辑知识表示的4个课时之外，我们临时增加了2个课时的课堂教学，为学生补充命题逻辑的语法和语义、公式可满足性问题、Tableau判定算法、基于消解原理的判定算法等内容。由于受到课时的限制，许多重要的结论及其证明过程无法在课堂上详细阐述。

值得一提的是，由于研究课题的需要，我们组织部分研究生一起学习了John Bell和Moshe Machover撰写的著名教材《A Course in Mathematical Logic》。在学习这本教材时，我们将研究生分为三个小组，让各个小组自学该教材，对其中的引理、定理以及问题(Problem)进行证明或求解，然后在每周一次的学习班上使用黑板讲解他们的证明或求解过程。在3个月的时间里，将这本教材中的第一章和第二章学完后，这些研究生的数理逻辑知识明显上了一个台阶。在之后学习知识表示与知识推理的过程中，这部分研究生的学习效果也明显好得多。在今后的教学中，我们希望计算机相关专业的研究生能够先学习一门数理逻辑方面的课程，然后再学习知识表示与知识推理课程。

3　结语

随着万维网的兴旺以及语义Web逐步成为现实，知识表示与知识推理领域面临着前所未有的机遇和挑战。对于计算机相关专业的研究生来说，在学习并掌握了知识表示与知识推理方面的内容之后，既可以更好地开展研究课题，也可以在今后的工程开发中找到切实的用武之地。

人工智能教程课堂篇2

关键词：人工智能；双语教学；实验和设计

中图分类号：G642文献标识码：A文章编号：1009-3044(2008)11-20294-01

1 引言

人工智能是关于人造物的智能行为，而智能行为包括知觉、推理、学习、交流和在复杂环境中的行为。人工智能的一个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；另一个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。因此，人工智能包含了科学和工程的双重目标[2]。因此，可以认为人工智能是从思维、感知、行为三层次，从科学目标、工程目标两方面，研究探索、模拟、延伸和扩展人的智能的理论、方法、技术及其应用的一门计算机学科专业基础课。

目前，国内外重点大学都非常重视该门课程的教学和研究，许多重点大学都有自己独立的人工智能研究所。《人工智能》是一门多学科交叉的课程，特别涉及控制论、信息论、语言学、神经生理学、数学、哲学等多种学科；所以该学科具有知识点多，牵涉面广；内容抽象，不易理解；理论性强，需要较好的数学基础和较强的逻辑思维能力等特点。导致教师、学生在教、学的过程中都显得比较吃力。那么如何把握课程的特点，帮助学生找到好的学习方法，使他们能充分发挥自己的能力，提高学习兴趣就成为我们教学研究过程中的主要目标[3]。

考虑到本课程的多学科交叉性以及相关信息学科的快速发展，在目前高校提倡双语教学的环境下，拟将《人工智能》教材改为全英语教材，这样可更快地掌握学科的发展动态，掌握最先进的技术，与国际发展趋势接轨。

2 选择合适实效的教材，精心安排教学内容

计算机双语教学的正常开展，必须依托优秀的计算机专业外语教科书和教学参考用书。没有原版计算机专业外语教科节和教学参考用书，教师和学生都无法接触到“原汁原味”的专业外语。更重要的是，教师在使用原版教材时，可以从中借鉴国外现代的教学理念、先进的教学方法和手段，学到新的教育思想和与国际接轨的人才培养新体系，更容易了解到计算机科学发展的最新动态[4]。我们主要采用了Nils J.Nilsson教授所著的《人工智能》，该教材是美国Stanford大学计算机系本科教材，教材体系比较符合学生的认知规律，便于学生接受、理解、掌握和巩固所学知识。同时这本书内容丰富、取材新颖。该书从什么是人工智能谈起，分别对响应机器、状态搜索、知识的表示和推理、基于逻辑的规划方法、通信与集成等人工智能的主要理论和重要应用领域进行了详细阐述，通过对本书的选择可以是学生与国际著名大学获得同样的知识。与此同时，我们不拘泥于这一本书，结合学生的实际情况，还给学生提供了一些参考数目，以“必需、够用”为度，以“够用、适度”为纲，提高学生的学习兴趣[3]。

3 改革教学方法

3.1 专业知识和英语知识双重性的培养目标

双语教学目标是双重性的，其一是获取学科知识，其二是培养和提高学生运用外语的能力。这两个目标在教学过程中，体现的程度有所不同。获取学科知识是直接的。学生每上完一节课，就必然会有这一节课的收获。比方说，这节课学习了哪一章节，主要内容是什么，有哪些知识点，重难点在哪里等等[1]。

以“人工智能”这门课为例。专业知识的教学重点是人工智能发展史、各类搜索和谓词演算、命题演算、模式识别、自然语言理解等。对这些重点内容，我们主要使用英文讲解，必要时辅以汉语解释。英语知识的教学重点是那些人工智能中特有的概念(词汇)和表达方式等。这些知识在一般性的专业英语课程中接触不到，但人工智能学习中又是基本的和必要的。例如：“Neural Networks”、“Uninformed Search”、“Heuristic Search”、“ Propositional Calculus”等词汇是人工智能领域的重要词汇，而这些词汇在其他英语环境中非常少的出现。因此，这些内容也就很自然地成为英语知识的教学重点，通过对这些词汇和概念的认识可以进一步提高计算机专业英语的水平。

3.2 教学模式

双语教学与普通教学课程有相同之处，当然也有许多不同的地方。学生在课堂上要学习的知识和技巧的含量比以往增多。因为双语教学具有双重性目标，所以，在一节双语课堂中，学生不仅要集中精力弄明白本节课所学的学科内容，还要在学习的过程中，接受潜移默化的第二语言的熏陶。学生和老师之间必须配合默契。这就要求老师要比普通课程花更多的注意力去注意学生的反应。当学生有问题时，必须提出，以求尽快解决疑难；当教师发现学生面露难色时，就要考虑，这一部分内容是否难以理解。如果感觉较难，就应当注意解释。再者，双语教学因其本身所用教学语言的特殊性，决定了课堂教学不可能像传统教学过程一样，实行“注入式”教学方法：而应当实行“以学生为中心”的新型教学模式，锻炼学生的能力。因此，学生如何学习就成了教学过程的重点。此外，教学中还应注意正确处理好外语教学与专业课教学的关系。必须明确双语教学不是单纯地学外语，而是用外语教和学，学生应重点掌握专业知识，切忌将双语课变为普通英语课的翻版[4]。

3.3 运用多媒体技术

在课堂教学中，要充分利用多媒体教学的优点，有效、生动地开展教学。采用了动画课件、录像教学、实物演示、网络教学等丰富多彩的教学手段，激发学生对本课程学习的兴趣和好奇心。通过这些动画、录像可以有效弥补由于双语教学中词汇或概念理解上的困难，进一步让学生了解人工智能技术的发展和应用。同时，在讲解一些难以理解的原理和较复杂的算法时，借助CAI课件加上flash动画，将专业英语词汇融入进来，即可以生动形象地解释原理，增强教学内容层次感，又可以大大简化学生学习专业词汇的难度。

4 结束语

本文是我们对《人工智能》课程双语教学实践经验的总结。在双语教学的目标是培养学生自主地使用英语来学习计算机专业知识的能力目标下，对《人工智能》课程双语教学方法进行了改革，主要包括：(1)注重专业知识和英语知识双重性的培养目标；(2)实行“以学生为中心”的新型教学模式；(3)运用多媒体技术三个方面。该教学方法的改革将进一步提高教学效果，更好地实现教学目标，提高教学水平，培养出更好的适合社会需求的工程技术人才。

参考文献：

[1] 秦奕青, 佟俐鹃, 赵刚. 计算机学科中的双语教学实践研究[J]. 现代教育技术, 2007,17(9):105-107.

[2] 韩丽娟, 孙玉红, 李圣君. 《人工智能》教程改革初探[J]. 电脑知识与技术(学术交流), 2007,(7):222-223.

[3] 赵蔓, 何千舟. 面向21世纪的《人工智能》课程的教学思考[J]. 沈阳教育学院学报, 2004,6(4):131-132.

[4] 王建芳. 计算机双语教学初探[J]. 教书育人：大学频道, 2005,(1):104-105.

[5] 曾安, 余永权, 曾碧. 人工智能课程教学模式的探讨[J]. 江西教育学院学报, 2006,27(6):40-43.

人工智能教程课堂篇3

关键词：脑科学；认知科学；教学模式；教学设计；教学方法

中图分类号：G642　文献标识码：A

1　引言

“脑与认知科学基础”是“智能科学与技术”专业的一门重要的专业基础课程，是现代脑科学、认知科学、心理学、神经科学、数学、语言学、人类学乃至自然哲学等学科交叉发展的结果。通过对这门课程的学习，要求学生掌握脑与认知科学的基本概念、原理、方法、知识结构、应用等，了解脑与认知科学的研究现状和发展趋势，对已有成果展开分析与讨论，为今后进一步的学科探索打好基础。

由于该课程具有一定的抽象性和难度，学生在学习中容易出现学习目的不明确、学习方法不清楚，以至于只知道表面不知道其本质，从而变为变动学习。如何使学生从抽象中理解具体，从困难中学会知识，更好地、自主地、创新地学习，就要求老师在知识的传授过程中，要注重学习方法的传授。故教学模式、教学设计和教学方法的探讨，成为“脑与认知科学基础”课程中重要研讨内容之一。

随着社会的发展、国际交流的日渐频繁及网络技术的日臻完善，如何借鉴先进的国外教学理念，更好地培养具有创新能力的学生，也成为教学研究的一个主要问题。

2　国内外教学比较

下面从教材内容、课堂形式和学生培养三个方面来阐明国内外教学的差异。

(1)教材内容

目前MIT的有关于“脑与认知科学”的开放课程(MITUndergraduate Course：Brain and Cognitive Sciencel，其信息量大、知识面广，并且注重系统性和实践性的分析和研究。

北京师范大学罗跃嘉教授的《认知神经科学教程》讲授了认知神经科学基础、认知神经科学的研究技术与方法、认知过程的神经基础和认知神经的发展与障碍。该教材系统介绍了认知神经科学的兴起与发展、大脑的解剖与生理、脑和认知功能的进化；主要的神经数据收集方法(fMPd、MEG、ERP、TMS、光学成像)和数据处理方法(数学模型、计算神经科学、图像处理技术)；力图反映感知觉、注意、记忆、语言、意识、情绪等领域的最新研究进展以及认知发展、老年化、语言加工障碍、认知与遗传等内容；此外，还专门介绍了认知神经科学的研究仪器及其在中国的使用。

武秀波教授的《认知科学概论》讲授了作为认知科学核心组成部分的认知神经科学、认知心理学、认知语言学、认知的计算机模拟等主要内容、基本概念、基本原理及实际应用情况，阐述了各种认知过程的多方面的研究规律和研究成果，并将丰富的试验资料与理论分析相结合，促进了理论之间的比较和相关学科的交叉。

北京邮电大学钟义信教授的《人工智能统一理论》，讲授了知识表示，信息获取，信息处理，信息利用，专家系统，人工神经网络，人工智能研究的最新进展和机制主义方法等。

(2)课堂形式

国外的授课往往注重内容的学习、知识的掌握，课堂教学方法也是各有迥异。我国的课堂教学主要以教师讲授为主，学生被动接受，留给学生的自主空间相对狭窄；而国外课堂相对活跃，讲授和讨论相辅相成，学生能积极地加入到课堂教学中。

(3)学生的培养

由于国内教学中以教师为主，所以往往只注意知识的传授，忽略了学生能力和全面素质的培养。我国学生知识掌握牢固，但知识运用能力差，主动和创新能力欠缺。

3　教学模式、设计和方法的探索

3.1 实现目标

“脑与认知科学基础”是“智能科学与技术”专业的一门重要的专业基础课，对该专业的学生在将来的学习工作中都起着举足轻重的作用。该课程的教学目标不仅仅是知识的掌握，更重要的是学生能力的培养。

通过对本课程的学习，将使学生掌握人脑结构、脑功能以及人类基本认知能力的基本概念和系统知识，对脑与认知研究中所使用的技术有初步的了解，通过学习和教学，着重激发学生对人脑结构与人类基本认知能力的思索，激发学生对进一步研究智能形成机理和工作方式的强烈兴趣，为今后深入研究自然智能、并将人类智能产生机制的相关假说和研究成果用于机器智能奠定基础。

在掌握知识的基础上，增强学生批判性思维和解决问题的能力。学会解决问题、分析问题的方法和手段，掌握信息的收集、检索、分析、评价利用的机能，提高合作技能，促进班级内学生的合作交流，开阔学生的综合素质，最终提高学生的创新能力。

3.2　教学模式

主要涉及教学模式转变、教学课堂和激发学生学习兴趣三个方面。

(1)教学模式转变

针对当前教学过程中存在的问题，按照学生认知规律，应该对新的教学模式进行探索，主要涉及以下五个方面的转变。

教师角色的转变。使教师从原来以教师为中心的“讲解者”角色，转化为学生学习的引导者、学生活动的导演者角色，由此引导学生掌握学习方法。

学生地位的转变。使学生有原来的单纯听讲、接受灌输的被动地位，转化为能有机会主动参与、发现、探究的主体地位；要积极调动学生参与，充分发挥学生主体的作用，使学生不仅要学会知识，还能更好地学会学习方法。

媒体作用的转变。使教学媒体从教师手中转化到学生手中，使媒体由作为教师的讲解工具转化为学生的认知工具；使学生学会利用工具来完成学习和研究任务。

教学过程的转变。使教学过程由传统的逻辑分析或逻辑综合，转变到为学生建立教学情景，使学生通过与教师、同学的协商讨论，参与操作，发现知识，理解知识，从而获得知识和掌握知识。

教材应按人类联想规律组织教学信息，符合学生的认知规律。

(2)课堂教学模式

教师应运用灵活多样的教学方法，授课时充分结合讲授、讨论、思考、测试和自学等多种方式。教学过程中注重双向性，突出启发性，调动学生的积极性。

所谓双向性是指教学过程中，教师是课堂的主导，学生是课堂的主体，既强调教师的讲授，又强调学生能动性的发挥，促使教师和学生在教学中相互联系、相互作用，使教学过程成为师生双方主动介入的过程。

突出启发性，即在教学过程中突出以学生为主体，促进学生学会思、善于思考、主动理解和掌握知识，培养分析和解决问题的能力。

除了灵活运用上述各类教学方法之外，考虑到课上学时的限制，适当地给学生留思考题，让学生课下独立思考，巩固课堂上的知识，也是课堂教学模式的一大补充。另外还可以促进学生利用先进的手段广泛查阅资料，学会自己解决问题的方法。为了得到良好的教学效果，教师在充分 理解知识的基础上，提炼出精华的思考题，使学生通过思考，更精确地理解课本知识，发挥学生的主观能动性，培养学生积极思考、解决问题的能力；把学生从传统被动的学习状态转化为主动的学习主体，给学生充分的学习空间和创新思考的余地。

(3)激发学生学习兴趣

学习兴趣有直接和间接之分，间接兴趣有学习活动的结果激发，如意识到学习的重要性，对学习的结果产生兴趣。对大学生来说，到底什么是积极健康、持久旺盛的学习动力?最具积极健康和持久旺盛特性的三种学习动力是：兴趣、理想和事业，而且每个学习阶段积极健康、持久旺盛的学习动力也是不同的：小学主要是兴趣，中学是理想，大学则是事业。

人生进入大学阶段后，开始思索实现的人生之路，面对现实，就必须从事一个职业，必须做事，必须根据社会的发展和个人的自身条件，包括自己的个人爱好和自己的理想以及社会的需求去从业干事，因此，在人生的大学阶段，产生了职业理想。有了职业理想，才有明确的人生奋斗目标。美国的戴维・坎贝尔说过：目标之所以有用，仅仅是因为它能帮助我们从现在走向未来。大学生只有明确了职业理想、职业目标，才会有为职业理想、职业目标的实现制定出科学合理的规划，并付诸实施，避免随波逐流。

直接兴趣是有学习内容和学习过程的特点直接引起的，如趣味性强的学习资料、新颖的教学内容、生动而又系统地讲解等等。下面结合作者从事的《脑与认知科学基础》课程教学，给出下面的建议。

首先，充分利用实物、影视等手段进行直观教学。凡是教学内容涉及的脑的52个分区等都尽量的在课堂上将实物展示出来，让学生通过亲睹实物，增加感性认识；同时最大限度的利用电教化手段，通过生动的画面吸引学生的注意力，将抽象的理论形象化，学生印象深刻而又便于理解。

其次，培养师生感情，树立教师威信。“师者，传道、授业、解惑也”，教师的职责不仅仅是“授业”，也应该注重“传道”与“解惑”，在课堂上有针对地传授学生为人处事的道理，这样不仅活跃了课堂气氛，教师也因为博学而受到学生的敬仰；对学生在生活、学习上遇到的可能、苦恼，适时地以朋友的身份，对他们关怀备至，帮助他们客服可能，他们就会从心里热爱老师，感情上接近教师，爱屋及乌，从而对你交的课程产生浓厚的兴趣。“亲其师，信其道”表明了这样一个道理，相融的师生关系可以直接影响到学生的学习兴趣和学习效果。

再次，教学中联系实际，学以致用。教师在上理论课时，应该做到理论联系实际，注重学生实践能力的培养。

3.3　教学设计

根据教学大纲，对“脑与认知科学基础”课程进行了如下的教学设计：

《脑与认知科学基础》共分14个章，分别介绍了脑与认知纲要、脑论、新皮层、神经组织、神经信息活动、脑的工作机理、一个假说、认知概论、感知、记忆、语言、思维和情绪。

第1章主要围绕着中心问题“智能科学与技术专业为什么要学习脑与认知科学”和“应当怎样学习‘脑与认知科学’课程”来展开，具体内容包括：智能、自然智能、人工智能的基本概念：人工智能与自然智能的关系；“脑与认知”是自然智能的基础；21世纪是智能科学技术的世纪；“脑与认知科学”课程的学习方法。

第2章的中心问题是“什么是脑科学，什么是认知科学”和“它们与智能科学技术的关系是什么”，具体内容包括：脑科学的研究对象与目的、脑科学的研究方法。

第3章主要围绕着“脑是一个怎样的系统”和“我们将由宏观至微观进行逐步的分析”的中心问题来展开，具体内容包括：自然智能系统基本工作模型；神经系统组成：中枢神经系统组成；脊髓结构与功能：脑的基本构件与功能；左右半球的功能优势和脑组织的总体特征。

第4章主要围绕着“什么是大脑皮层”和“它在大脑系统中起什么作用”的中心问题来展开，从组织生物学层次讨论了脑的结构，具体包括：大脑皮层的分叶；皮层叶区的功能定位；皮层的细胞类型；皮层的分层：皮层的分型；皮层的分区；大脑半球的纤维联系；大脑的柱形结构和Hawkins的皮层说。

第5章主要围绕着中心问题“什么是神经元，什么是神经胶质细胞”和“它们有那么神奇的功能”来展开，从细胞生物学层次探讨了脑的结构，具体包括：神经细胞(神经元)：神经元分类；神经元结构；突触：神经胶质细胞；和神经纤维与神经末梢。

第6章主要围绕着中心问题“神经系统的工作原理是什么”和“为什么神经系统能够处理各种信息”来展开，首先从分子生物学的层次讨论了神经系统的工作机理，接着讨论了最基本的神经系统反射特性，以及神经元的各种模型。

第7章主要围绕“脑是怎样工作的…‘你觉得这些理论怎么样?”来展开，大脑皮层是一个层级结构：皮层分为若干“叶”，每个叶又有许多不同的“区”，每个区都存在“6个层”，每个层包含若干不同的细胞(神经元)。这些神经元互相结成大量的功能柱。大脑皮层反映外部世界的方式，是建立“恒定表征”，后者就是皮层细胞兴奋的层级结构。大脑认识世界的方式，是“记忆，预测”。记忆，就是建立事物的“恒定表征”。预测，就是利用“恒定表征”去判断它的细节。

第8章提出了一个假设，认为“任何智能系统督应当具有明确的目的；否则就不能成为智能系统”。同时认为：作为一种完全自主的智能系统，人是具有明确目的的；作为一种“他主”的智能系统，它的目的是由它的设计者设定的。

第9章围绕着“什么是‘认知科学”’和“从‘众家之说’中择优”来展开，讨论和比较了“认知科学”有关的基础概念、相关模型和几种“认知科学”的定义，从而说明认知科学研究应当关注的主要内容。需要特别注意的是，认知科学目前仍处于发展阶段，关于“认知科学”的定义仍是众说纷纭。对于学习和研究认知科学的人来说，这种状况也不是坏事。相反，只要认真研究这些说法的实质，就有可能从中得到比较深刻比较科学地认识。因此，特别鼓励学习者带着问题学习，发现问题，分析问题，争取在此基础上创造性地解决问题。

第10章讨论了“注意的机制”：人为什么会产生“注意”机制，根本的机制在于“人有目的”。当与“目的”相关(无论是正相关还是负相关)的对象出现时就会注意这个对象：关联的程度越高，注意的程度就越强。所以，“注意”的关键机制在“目的”；而实现注意力选择的关键机制则是“目的与刺激之间的关联度分析”。相反，如果没有“目的”存在，人们对所面临的任何刺激就会表现得麻木不仁，注意力分散，没有特别的兴趣。可见，“目的”在认知活动中处于十分关键的地位。

接着对于感知的基本概念和基本机理做了必要的讨论，为认识感知理论奠定了一般的基础。但是由于学时限制，对于具体的“视觉感知”、“听觉感知”以至其它感知(嗅觉、味觉、触觉、平衡觉等)理论，就只能略而不论了。幸好，这方面的材料比较容易找到，就作为学生课外学习 的内容而不做课内的要求了。

最后讨论了“认知过程”的最初环节――感知的基本问题，包括感觉、知觉、表象的基本概念和工作机理。它们是后续认知环节的基础。对于这些认知环节工作机理的认识，存在不同的学派。这是学习《脑与认知科学》所面临的挑战，但更是研究《脑与认知科学》的创新机遇。应当深入分析各个学派的理论(包括优点和缺点)，这样就有可能在它们的基础上获得更加科学地认识，做出新的贡献。

第11章围绕着“什么是‘记忆与提取’”和“人为什么能够进行‘信息记忆和提取’”来展开，讨论了“长时记忆的语义存储”：以语义为中心、以知识结构的方式进行存储；通过概念(或特征)来表达语义章；通过概念／特征的相互关系表达完整语义；通过概念／特征的层级结构来表达某类的复杂语义：通过类间互连形成的知识结构来表达多类事物的语义；概念、特征、类等等都是以语义来定义的。

第12章首先对相关术语进行了解析；介绍了近年来脑科学的发现和认知学的研究进展。

第13章探讨了“思维的脑机制”，或者说“为什么脑会思维”，因此，首先要说明什么是这里所说的“思维”。显然，思维是脑的功能，是在给定问题、条件和目标的情况下，人的大脑寻求解决问题达到目标的一种能力。在这里，核心的问题是：在获得了“问题、约束、目标”。这些信息和相关知识的条件下，如何运用这些信息和知识来解决问题、满足约束、达到目标?根据问题、条件、目标情况的不同，思维可以有形象思维、逻辑思维、灵感思维、创造性思维等不同的类型。那么，大脑是怎样执行思维功能的呢?

第14章总结了目前认知科学对情绪的研究已经取得的不少成果，包括情绪的定义、分类、情绪的脑机制、情绪与认知的关系等等。另一方面也指出，同其他方面的研究一样，认知科学对于情绪的研究也忽视了“目的”的作用。人为什么会快乐?为什么会悲伤?除了生理上的原因之外，主要是受到“目的”实现的可能程度的影响。在这里，“目的”包括各个方面的追求：生存的追求，发展的追求，信念的追求等等。大多数喜、怒、哀、乐情绪都以这些“目的”是否能够实现以及实现的程度来衡量。因此，如果离开“目的”要素来考察情绪，就难以准确把握情绪产生的缘由。

3.4　授课方式

多媒体教学可以通过文字、图像、动画、录像等方式向学生传授知识，形象生动地完成教学任务。采用多媒体手段，既便于教师解释问题，同时也可以提高学生的学习积极性，加深学生的理解。教师还可以适当引入一些联系实际的例子，更好地帮助学生理解和应用所学的知识。

为了增强课堂的互动性，提问也是教学中值得研究的问题。所提问题必须准确、明白，无论在含义上，还是在语言本身：多用特殊疑问词发问，易于引导学生保持积极的思维状态；追问则可采用选择问句，它有某种限定作用，可引导学生定向思考。鼓励学生随时随地向老师发问，增强了师生的沟通，活跃了课堂气氛，给学生一个更广阔的思维空间。

在课堂时间允许的条件下，适当展开一些小的讨论活动，鼓励学生积极思考，大胆地提出自己的观点，加深学生对某些抽象问题的理解，永远保持一种积极乐观的态度进行学习。

学习是为了将来更好的工作，故学习方法也应该在教学环节中培养。适当地给学生一些拓展型的问题，鼓励学生去查资料，分析、研究问题，这些环节结果不重要，重要的是过程。学生可以学到从查资料、分析、对比，到归纳、成文等一系列分析研究问题的方法。

4　结束语

人工智能教程课堂篇4

关键词：云平台；平面设计；混合教学；教学结构；线上线下

云平台就是把教师备课过程中，课内、课外教学的任务布置、作业指导、答疑演示和作业批改等几个环节集中在了一个基于互联网的云服务平台上，把过去需要用纸和笔来完成的事情，转变成以手指代笔，通过点触与书写就可完成无纸化学习任务，将课堂提问、举手应答变成了师生之间在个人计算机、智能移动终端上的即时互动和信息反馈。0．2云教学特点伴随移动互联网、云计算、大数据的兴起，以及智能终端APP辅助教学平台的问世，使得当今课堂教学形式更加多样化，昔日“老师讲、学生听”被动教学模式逐渐被取代，学生利用智能终端实时参与课堂教学的全过程，教学形式彻底改变，学习潜在积极性被挖掘出来，原本枯燥呆板的课堂变得异常活跃起来，激发学生学习的内在动力［1］，促进教学双方积极互动，课堂教学质量得到有效提高。

1移动云平台的翻转应用

基于移动互联的云平台，通过资源搭建、任务配置，借助移动云平台的资源管理、教学功能、评价体系，为师生开展线上线下教学互动提供了极大的便利，营造了更加和谐的教学氛围，从内心深处唤醒了学生探求知识的主体意识［2］。对学习行为记录实施的过程考核，能够为教师提供客观真实的教学研究大数据，实现具有人工智能性质的个性助学、助教功能。平台具有优越、完善的教学辅助功能，智能化程度较高，非常适合开展翻转课堂教学。1．1课前准备。使用云平台时，教师在平台上创建班课，让学生使用邀请码加入班课。在上课之前教师通过云平台把相关教学资源上传到班课资源库，如教学视频、相关图片、PPT课件和自主测试题等，以方便课前学习。为掌握学生预习效果，通常在云平台设置3—5个测试题对学生课前学习情况进行诊断测试，在云班课平台的答疑讨论区上，学生将自主学习遇到的疑问及时反馈到讨论区，教师或助教（指定的优秀学生）对存在问题及时给予解答，通过答疑讨论更加清晰地掌握了学生课前学习状况。课前学习，如图1所示。图1翻转课堂课前知识传1．2课中教学。（1）巧妙引题。在上课伊始，根据课前掌握的情况，将学生课前自主学习还存在的困惑或似是而非的问题，通过创设情景、借物喻题、巧借媒体、趣味游戏、动人故事、实验展示等方式顺势铺开引出主题，让学生们在愉快的氛围中打开探寻问题的大门，轻松愉悦地投入到学习活动中。（2）初试牛刀。上课伊始，设计一个摸底小测验，可采用限时如1分钟测试来获知个体学习状况，旨在摸底、巩固课前知识，让学生能够体验到成功带来的乐趣，激发学生进一步挑战困难。（3）课堂互动学习。通过基础知识的测试后，各学习小组领取教师针对课前预习状况而为学生量身定制的学习任务，学生通过自主与合作探究来完成任务，老师则协助、指导各学习小组开展互动学习，通过巡视指导、适时点拨、释疑解惑，调动学生学习积极性，营造良好学习氛围。在合作学习过程中，学生可随时查看云平台的各种学习资源，如知识文本、视频资料及数字资源，来解决实操过程中遇到的问题。（4）展示评价。小组任务完成后，还可以利用云平台中的随机摇号方式确定小组成果交流展示顺序，运用头脑风暴、问题抢答、效果投票等平台教学手段来开展多样化的学习成果评价活动，从不同方面激发学生的学习兴趣、点燃学习热情，培养学生分析问题、解决问题和合作学习的能力。课内系列活动，充分体现教师主导、学生主体原则，实现合作探究、有效互动、深度体验、知识内化、创新学习、能力提升和全面发展。知识内化过程，如图2所示。图2翻转课堂课中知识内化1．3任务拓展。操作实践完成后，老师可以在云平台上与本课知识内容关联的拓展学习项目，让学生在课后通过调研、查资料，将知识延伸到社会生活与企业生产，学生用学得的知识去解决现实生活中的实际问题，增加了学生对知识的理解深度，锻炼了学生实践应用的能力。有效解决了知识与社会生产脱节的现象，培养了学生创新应用知识的能力。1．4过程考核。建立多元化、多维度的考核评价机制，有利于课堂教学的组织优化和提高学生学习积极性［3］。如何加强过程考核，教师可以将每一次的课堂练习内容生成一个任务或合作项目，在完成相关内容后，让学生及时将练习结果上传到平台，上传的内容可以是图片或视频、文档等，从而获取经验值。因为形成性评价相对公平，我们要求学生将课前、课中、课后的学习或操作结果都以某种形式上传至生成的“作业／任务”中。教师则可以自己或指定助教对学生作业进行及时批改或点评作业，便于及时反馈学习问题。教学过程的各种活动均对应并不断增加活动参与者的经验值，通过经验值来衡量学习过程的活跃度、参与度，这是过程考核的重要指标。通过教师人工监测如蓝墨云平台的AI人工智能机器人“小墨”的分析提醒，帮助教师掌握学生的学习行为动态，辅助教师教学决策。1．5大数据分析。课堂教学中开展的各种活动，我们可以调取相关结果以便分析学生知识点掌握的情况、分数分布情况，发现存在的问题，及时调整我们的教学策略，从而产生教学智慧；当期末来临，我们还可以通过导出班课数据和教学报告，把学生在班课中查阅资源、参与活动和签到等汇总导出成数据或明细数据表格；还可以导出成班级的教学报告，如资源报告、活动报告与学情分析等数据，来自平台的数据真实地记录了我们的教学历程，为我们对教学过程的分析归纳及总体把握提供了可靠的大数据支撑。

2移动云平台在混合式教学中的应用

智能云平台不仅有利于开展翻转课堂教学，还对目前非常流行的线上线下混合式教学提供了天然的便利条件，下面是本人基于蓝黑云平台环境下开展混合式教学的实践与启示。2．1搭建“互联网”移动资源平台。基于混合教学理念，创建“网络—课堂—移动端”三维一体的互动教学资源平台［4］。将平面设计学科素材，如微课、教学PPT、知识文档上传到云平台，打造数字教学网络资源库，为“网络—课堂—移动端”三维一体的教学活动提供了保障，形成支持在线学习、面对面互动学习、泛在移动学习的全方位、立体化学习方式，有效解决了基础水平不同、学习方式有别、理解进度不同的层次差别，极大促进了个性化学习、合作学习，形成了资源利用、学习评价、互动交流等多功能生态学习环境。2．2构建线上线下交互模式。缘于与信息化快速发展相融合，经过国内外教育学者实践验证，实现线上网络教学和线下面对面教学有机融合的混合式教学模式，一经推出就得到迅速普及。该模式不但充分展现了学生的主体性地位，而且还有效地发挥了教师在课堂教学中的主导作用，实现了智能云平台中视频、音频、图片、理论知识等教育资源，与线下课堂的实践操作、合作探究、展示评价以及课前、课中、课后的系列教学活动的有机融合，客观地改变了课堂教学结构，转变了师生角色，既解放了教师，又激活了教学活动的主体对象———学生。轻松实现了2500多年来教育家孔子的提出的有教无类、因材施教的愿望。在线教学视频为个性化自主学习奠定了基础，根据个性需要可以反复回放，直至理解。在课堂内也较之传统教学模式更加容易实现分层教学，从而使得面向全体的因材施教成为可能。不同小组完成不同难易程度的学习任务，进行以学习活动为载体的学生、老师、课本、环境、资源多维交互，形成O2O线上线下新型互动学习课堂。2．3线上线下任务设计。将平面设计教程以项目来组织任务模块，形成“线上—线下”即网络和面对面教学的有机结合。每个项目根据教学目标和知识结构，设计成3—5个学习任务，将任务在线到线上云平台，形成云平台学习资源，提供课前在线学习和课后巩固。面对面学习时，指导教师根据学科目标需求、学习进程、任务特点和环境资源，结合云平台资源选择和组织课内学习任务流程，并通过课内学习互动，开展学习活动，小组利用平板或计算机开展任务学习、研讨、互动、展示、评价，所有活动可全部在平台上进行，实现无纸化教学。以前为实现线下学习成果的多元评价耗时、费力，效果差强人意，现在利用线上线下互动轻松有趣，可轻松实现多元评价，还可引进企业高管在线点评，促进教学过程与生产过程的对接。2．4形成性评价体系设计。形成性评价是指在教学活动过程中，为使活动效果更好而修正其自身轨道所进行的评价。其主要目的是为明确活动开展过程中存在的问题和改进的方向，及时修改或调整活动计划，以期获得更加理想的效果［5］。用形成性评价辅以发展性评价和终结性评价，实现对个体学习活动过程的评价。形成性评价是通过对课堂出勤、课堂表现、作业完成、在线测试和在线竞赛的综合判断来实现的；终结性评价是通过在线测试和在线（视听）竞赛结果与期末考试结果相结合而形成的；多元化的评价，使得教学过程规范、有序、高效，真正实现关注全体、从而实现人的全面和可持续发展。云课堂混合教学模式，如图3所示。

3移动云平台教学问题及对策

移动云平台并非十全十美，正处在不断发展完善的过程中，在教学实践过程中还存在着一些不足，主要体现在以下三个方面。（1）访问信号不好及对策。信号不好会影响到访问平台延迟或者上传图片、视频卡顿，甚至当机，这种情况我们可通过提供WI－FI接口解决。（2）频繁使用移动端出现的速度问题的对策。随着移动端访问云平台次数的增加，以及下载数据、视频或图片会占用移动工具内存，导致速度下降，这时需要对内存进行及时清理，以保证运行畅通。（3）课前学习存在的问题与对策。在课前的自主学习过程中，由于受到环境和学生自觉性影响，学习效果得不到保障，因此需要教师构建班级干部监督管理机制，从而对学生的学习行为产生有效约束和规范。

4移动云平台教学反思

近两年，通过蓝墨云平台在平面绘图中开展的翻转课堂教学与线上线下混合教学实践，逐步改变了课堂教学结构，改变了师生在教学中的角色地位，激发了学生课堂上的学习热情，促进了师生双方主动建构新型互动课堂。利用云平台的投票和头脑风暴功能，调查学生对云班课活动的满意度，约88％的同学给出了积极、肯定的评价，觉得开展云平台教学活动，便于课前预习与课后温习，学习形式灵活多样，同学之间、师生之间有了更多的交流。当然，还有部分学生对云平台教学未能很好地适应，因网络环境、移动终端局限，流量限制、错失活动机会等情况，从而不能跟随课堂活动开展，加之经验值偏少，也会影响到情感体验等。有鉴于此，在以后开展云平台移动教学前，应提前问卷学生的现状与心理愿望，要充分考虑到学生现实需求，找到更好的课堂教学组织方式与教学设计方案。移动混合教学是近来教学改革的热点，在课堂中将云平台与线上线下混合教学深度融合，对职业院校学生进一步认清云平台在构建智慧学习环境中的地位和作用，增强了课堂教学的互动性、趣味性，最大限度地体现了学生的主体地位，促进师生之间、生生之间情感交流，也培养了学生自主学习、合作探究、创新研究问题的能力［6］。

5总结

通过云班课在计算机平面设计课程中的运用，先后开展了翻转课程和线上线下混合教学实践活动，引领了课堂教学改革，构建了新型的师生关系，搭建了数字信息化教学环境，激发了学生潜在的学习欲望，提高了课堂教学效率，促进传统课堂向智慧型和创新型课堂转变。同时，新型的教学结构对教师来说是机遇也是挑战，需要为师者不断地学习来提升信息素养，才能与时俱进，跟上时展的步伐。

参考文献

［1］单冰．应用型高校“国际金融”教学改革探析［J］．教育现代化，2017，4（14）：69－70，73．

［2］单好民．翻转课堂在高职计算机基础课程的实证研究［J］．计算机时代，2017．7：81－84

［3］张茵茵，牛彦敏．移动教学平台在高等教育教学中的应用————以蓝墨云班课平台为例［J］．软件导刊（教育技术），2017，16（3）：23－24．

［4］李剑．基于蓝墨云班课在计算机教学中的应用研究［J］．电子世界，2017，（16）：34．

［5］钱文娟．基于蓝墨云班课的混合式学习评价在高职院校公共课程的研究［J］．职教论坛，2018（6）：69－72．

［6］喻梅，王建荣，于健，等．基于MOOC的线上线下混合教学实践［J］．计算机教育，2021（3）：1－5．

人工智能教程课堂篇5

[关键词]多媒体课件；制作技术；发展趋势

中图分类号：TP317.4 文献标识码：A 文章编号：1009-914X（2013）36-0521-02

1 引言

随着计算机多媒体技术发展和普及应用，以计算机为中心的多媒体技术将会改变教学模式、教学内容、教学手段、教学方法，最终导致整个教育思想、教学理论甚至教育体制的根本变革。它使传统的教学方式发生了深刻的变革。这种教学方式打破了时间和空间的限制，将教学内容及其所涉及到的事物，通过声、像、画等形式表现出来。作为教学资源的一部分，教学课件经历了从黑板多媒体计算机的飞跃。也是现代高校教学水平的必然要求与必然趋势。

2 多媒体计算机技术的特性

2.1 交互性

人机交互、立即反馈是计算机的显著特点。多媒体计算机进一步把视听合一功能与交互功能结合在一起，产生出一种新的图文并茂的、丰富多彩的人机交互方式，它能有效地激发学生的学习兴趣，使学生产生强烈的学习欲望，从而形成学习动机。多媒体计算机的交互性有利于全面优化课堂教学，改变了过去单维文字或孤立静止图形传递信息，激活学生的学习兴趣与动机，培养观察能力。

2.2 外部刺激的多样性

多媒体计算机提供的是多种感官的综合刺激。这有利于学生主动去获取知识。实验心理学家赤瑞特拉（Treicher）作过两个著名的心理实验，一个是关于人类获取信息的来源。他通过大量的实验证实：人类获取的信息83%来自视觉，11%来自听觉，这两个加起来就有94%。还有3.5%来自嗅觉，1.5%来自触觉，1%来自味觉。多媒体既能看又能听，还能用手操作。这样通过多种感官的刺激获取的信息量，比单一地听老师讲课强得多。他的另一个实验，是关于知识保持即记忆持久性的实验：人们一般能记住自己阅读内容的10%，自己听到内容的20%，自己看到内容的30%，自己听到和看到内容的50%，在交流过程中自己所说内容的70%。

2.3 时空迁移性

多媒体技术能摆脱时间和空间的限制。教学中的一些与时空密切相关的知识内容，比如自然现象、逝去的景色或者一些过程性感知的事物，在多媒体技术中都可以再现、慢速控制或快速呈现；一些宏观或微观的事物，也可以通过多媒体技术使学生有直观的认识。

3 多媒体课件制作工具的概念和分类

3.1 多媒体课件制作工具的概念

多媒体课件制作工具其实是个广泛的概念。它是帮助企业、政府、教育等领域的培训、教育部门或者提供培训服务的机构制作、合成多媒体网络课件的软件工具。所制作的多媒体课件需具备以下特点：

①丰富的表现力。它可以自然、逼真地表现多姿多彩的视听世界；可以对宏观和微观事物进行模拟；亦可以对复杂过程进行简化再现等。

②良好的交互性。它不仅可以在内容的学习使用上提供良好的交互控制，而且可以运用多媒体计算机系统，使信息的传播、接收之间进行快捷的通信和交流，用户可以随意地控制，任意地操作各种媒体。

③极大的智能性。它不仅仅只是一个呈现者，还应该是能根据学习者的学习过程对其学习效果进行评价，决定学习内容和进度以促进学习。

3.2 多媒体课件制作流程

由图1可以看出“多媒体课件制作工具” 是一种可以将文字、图形、图像、声音、动画、影像等多种媒体素材在时间和空间两方面进行集成的工具。

3.3 多媒体课件制作工具的分类

3.3.1 辅助工具

所谓辅助工具，就是在CAI课件制作过程中，虽然不是必不可少的，但由于他们的存在而使得做出的多媒体课件声色并茂。这些工具包括：

①图形工具。现在有不少优秀的图形制作工具，大部分都能做出漂亮的图形，而且还能做出GIF动画。常用的图形、编辑软件有：PHOTOSHOP、COREDRAW、PHOTODELUX、PHOTODRAW、GIFANIMAGICAL、3DMAX、COOL3D等等

②图像工具。常用的图像制作、编辑工具有：SNAZZI AMIGO、IFILM、超级解霸、视频采集卡等。

③音频工具。一个好的多媒体课件，音乐、配音是必不可少的。常用的音频制作工具有：超级解霸、COOL、WINDOWS自带的录音机、ARWizard3等。对于高质量的大篇幅解说词，还需借助专业的录音设备。

3.3.2 写作工具

写作工具是用来制作多媒体CAI课件的平台工具，是制作多媒体课件的主体。所使用写作工具的形式特点，直接决定所制作的课件的表现形式及传播方式等。常用的写作工具有：Authorware、FrontPage、PowerPoint等等。

①Authorware是一款专业的多媒体集成工具，它对多媒体片段的实现采用了基于图标的方法，图标决定程序的功能，流程则决定程序的走向。其主要优点表现在：基于流程，能够表现具体的算法；能够制作非常丰富的交互；有较好的开放性。但软件庞大，使用复杂；在网上传播困难，不利于课件的共享。

②FrontPage是网页制作工具，具有以下特点：简单易学；可以在其中插入大量的动画、图像、图形、背景音乐等，基本上可以满 足视觉要求；使用简单，可以在教师备课过程中一次完成；可以打印成讲义、幻灯片；可以在互联网或局域网上快速传播，

③PowerPoint严格意义上不能称之课件制作工具，应该是电子文档。它简单易学，但交互性差。在对多媒体技术要求不断提高的今天，PowerPoint已经远远不能满足我们做课件的需要了。当然我们不能否认PowerPoint的作用，它应该属于比较适合于做演讲稿的制作演示文稿的软件。

4 多媒体课件制作技术的发展趋势

4.1 多媒体课件技术与网络通信技术的结合

美国SUN公司在Internet上推出了"WWW浏览器HotJava"，这是SUN公司用Java语言开发的一种全新的可动态执行的浏览器。其突出特点是具有动画功能，可向用户提供超文本格式的图形、图像、语音、动画与卡通等多种媒体信息；并能把静态文档变成可动态执行的代码，这就彻底改变了Internet浏览器只能用来查询检索Internet网上信息的状况，为Internet的教育应用开辟了新的广阔前景。可以说，HotJava的出现不仅是Internet浏览器的重大革新，也为多媒体技术与网络通信技术的结合找到了最理想的结合点：从此基于Internet网的多媒体教育应用就日益发展起来。

4.2 多媒体课件技术与仿真技术的结合

多媒体计算机和仿真技术结合可以产生一种强烈的幻觉，通常把这种技术称之为"虚拟现实"（Virtual Reality，简称VR）。目前，VR技术在教育界已经得到应用。休斯顿大学和NASA（美国国家航空和宇航局）约翰逊空间中心的研究人员建造的"虚拟物理实验室"的系统、北卡罗莱纳大学的科学家们研制的可以让用户用手操纵分子运动的VR系统等等。随着对多媒体技术和仿真技术研究的深入，实现"虚拟现实"的理论方法也有很大发展。它开辟了多媒体技术与仿真技术结合的新途径，为"虚拟现实"技术的大众化铺平了道路。

4.3 多媒体课件技术与人工智能技术的结合

把多媒体课件技术引入辅助教学系统大大改善了辅助教学环境，激发了学生的学习积极性和主动性，从而显著提高了教学效果。但是多媒体系统由于缺乏推理机制和学生模型的支持，所以不能确定学生的知识水平和认知特点；不能根据学生自己的意愿和理解能力去提供适合该生的学习材料，并作出有针对性的指导，即不能作到因材施教。

多媒体课件技术与人工智能（AI）技术的结合，除了体现在对多媒体教学系统引入学生模型和知识推理机制以外，还可体现在设法使多媒体知识库中的导航机构实现智能化。用超文本技术组织起来的多媒体知识库具有符合人类联想思维，便于阅读、浏览、查询等诸多优点，但也存在容易"迷航"的缺点。"智能化导航器"的出现解决了这一迷航的缺陷。另外，在浏览过程中，当学生遇到困难时，该浏览器还能起"智能"（Intelligent agent）的作用，对该生进行帮助。

5 结束语

从需求看，智能化，网络化是多媒体课件技术近期的发展趋势。人类的思维是不停创新的，我认为如果把多媒体CAI课件局限于图形，图像，音响制作等几个老的常规固定的领域，其实就限制了多媒体课件技术的发展。

如上所诉：人工智能，虚拟现实，HOTJAVA和多媒体课件技术的结合，产生了令人吃惊的“超级课件”。各门学科的发展和结合，基于人的需求，将产生出各种意想不到的先进的多媒体课件技术！

参考文献

[1] 吴胜勇.数字化语音系统终端子系统及计算机适配卡的研究[D].重庆大学，2004.

[2] 贾凯.UWB技术在移动式多媒体教学中的应用可行性研究[D].西南大学，2008.

[3] 李晓春.多媒体教育应用的发展趋势[J].考试周刊，2007，（19）：117-118.

[4] 邓宁丰，王伟等。Authorware 6.0实用教程[M]北京：北京希望电子出版社2002

[5] Craig Eddy，Timothy Buchanan，动画制作教程[M]北京：机械工业出版社2000

人工智能教程课堂篇6

【关键词】CAI；英语听力教学；三维

0.前言

计算机辅助教学(Computer Aided Instruction ，简称CAI)是在计算机辅助下进行的各种教学活动，以对话方式与学生讨论教学内容、安排教学进程、进行教学训练的方法与技术，随着CAI技术水平的发展，CAI已可以综合应用多媒体、超文本、人工智能和知识库等计算机技术，为突破传统教学方式上单一、片面的局限性提供了可能和技术保障。

听力教学是大学外语教学的一门基础课程，“加强基础训练是一个战略性问题”（戴炜栋）。随着CAI教学在听力教学的实施过程中如何利用CAI教学辅助设备，切实提高学生的听力水平，实现高职学生英语学习“实用为主，够用为度”的学习目标，是本文重点关注的问题。

1.二维模式下高职学生英语听力教学的现状分析

1.1 学生的感受

通过对学生的访谈与交流可以了解到很多学生走进语音实验室的上听力课心情是复杂的。有对CAI设备使用的新奇,也有对英语听力学习的畏惧,更主要的是担心自己能否听懂。上课时,由于基础不好，普遍感到精神压力大。英语听力材料播放速度的控制权主要集中在教师那里，会导致学生无法跟上教师的速度而紧张,带着各种的紧张情绪去听,效果只能是差强人意。

1.2 CAI设备利用情况

通过对于现有高职学校听力教学的观察与分析，不难发现传统英语听力课堂教学中利用CAI的资源虽有较多的播放模式和师生之间或学生之间的对话功能，但仍只能是进行师生二维教学互动，即仅以听觉媒体作为介质的二维模式向学生输出知识，学生只是作为语言信息的被动接收者，无法发挥学生的主观能动性进行自主学习。由于CAI设备的某些功能使用起来过于繁琐，教师及学生操控不当，使得设备的利用率不高。

1.3二维模式向三维模式转化的可能性

将二维模式转换成为三维模式是基于计算机辅助教学设备及网络学习资源高度发展的前提下将从Learn-from Internet过度到learn-with internet, 不再单纯将听力学习的过程中的学生作为收音机吸取从网络上找到的资源，而是给学生充分的自主性去搜索创造适合自身的学习资料并作为教师传授的内容，教师与学生之间也不再单纯是一种单向反馈而是双向互动的过程，CAI的设备是一种实现三者互相促进的平台，而学生和教师的需求也会对CAI的发展提出新的要求从而完善并适应听力教学的需要。

2.三维英语听力教学的意义

CAI技术水平的发展，为听力教学的二维模式向教师、学生以及网络资源三维互动模式转换提供了可能。三维模式的教学中将学生的需求作为一种动态的需求，通过网络的使用丰富学生听力训练内容，利用网络平台实现教学主要过程，使师生在课堂内外均可以借助网络学习实现教学相长，探寻解决传统教学中学生在听力学习过程注意力时间短，记忆长度有限，听力学习策略采用不当的缺陷，教师对学生听力训练没有有效监督的等问题的有效方法解决学生自主学习中遇到的问题。

2.1听力内容选取更广泛

三维模式下，听力学习突破了课堂上的局限，学生可充分利用网络资源选择自己感兴趣的听力材料进行精听或范听的练习，以小组或个人为单位选择的材料实现资源共享，建立更广泛的听力材料或语料库，将听力内容由书本内容还原至真实生活场景中，拓展教学的宽度，增加听力内容的趣味性。也弥补了学生在课堂时间听力输入的信息量不够；学生很难长时间保持高度注意力进行听力学习的弊端。

2.2教师对学生课后监督更有效

通常情况下教师无法对学生课后的听力练习情况进行检测与监督，利用CAI辅助教学手段，可以通过教学软件实现课后学习的监督与管理，对学生急于了解的问题可以进行及时的网络在线解答。并可以帮助不同层次的学生分配不同的任务，进行课后的分层教学。

2.3学生自主发展空间更广阔

在三维模式下听力教学，可以灵活的通过与学生的网上即时交流及听力题库点击量的数据变化来分析学生的学习需要。帮助学生制订个性化的学习计划，在网络平台上的课外学习可以是个体的学习形式也可能是合作学习的形式，因此在完成学习任务的过程中有了较强的合作意识和团队意识。

2.4 信息输入量增大，知识更新更及时

传统的教学中听力材料的主要来源于课本及相关教辅材料，时效性不如BBC或是VOA的新闻更新的快，信息输入量较小，时效性不强，知识更新不够及时。CAI三维教学中由于学生个性及兴趣点不同，所搜集的听力材料亦是多样的。信息来源的渠道多样化，信息的内容多样化，将课堂的教学与现实生活紧密连接，做到知识更新与时俱进。同时这种方式既弥补了学生在课堂时间听力输入的信息量不够的不足。

综上所述，CAI的发展为英语听力教学提供了更多的便利和可拓展空间，将传统教学的双向互动延伸到了课内外教学中师生与教学载体的三维互动，提高了课堂教学效果，为学生的个性化教学发展提供了可能。

参考文献：

[1] Mary Underwood. Teaching Listening [M] Longman Handbooks for Language Teachers 1989.

[2] 蔡铁权 现代教育技术教程（第二版） [M] 2005.6.

[3] 朱莉 英语听力课堂教学问题初探 [J] 无锡轻工大学学报(社会科学版) 2001.3.

[4] 蔚爱华 大学英语听力教学分析[J] 山西财经大学学报(高等教育版) 2001（3）.0.前言

人工智能教程课堂篇7

关键词 计算机图形学 第三方演示 课程群 分组实践

Abstract At present， computer graphics has become an important part of undergraduate computer education， and it is also plays an important role to cultivate innovative talents to adapt to the information age. Based on the teaching of computer graphics course by the author as an example， analyzes the existing problems in the teaching of computer graphics， and put forward improvement ideas from three aspects： according to the different needs of students utilizing the third party demonstration teaching and cross curriculum interpretation， introducing course group to replace single course， employing group practice examination instead of individual， and other forms to improve the quality of teaching.

Keywords computer graphics； third party demonstration； course group； group practic

计算机图形学是一门介绍显示、生成和处理计算机图形的原理和方法的课程。它在计算机总体教学体系中属内容综合性较强且发展迅速的方向之一。该课程既有具体的图形软硬件实现，又有抽象的理论和算法，旨在为学生从事相关工作打下坚实基础。学生须以高等数学和线性代数的基本理论和较熟练的程序设计能力作为本课程学习的基础。课程的难点在于计算机图形学研究范围广，与其他学科交叉性强，且知识不断更新变化。在教学实施过程中，难点是理解和掌握相应的基础理论和算法，以及利用计算机图形学相关工具进行图形学实际问题的解决。

本课程对学生的培养学生围绕以下三个方面展开： （1）建立对计算机图形学的基本认识，理解图形的表示与数据结构、曲线曲面的基本概念。（2）理解并掌握基本图形的生成算法，并能对现有的算法进行改进，理解图形的变换和裁减算法。 （3）面向算机图形的程序设计能力，以底层图形生成算法为核心构建应用程序。相应的考查方式由理论授课、上机实习和课外作业三个单元构成。从近年的授课实践和考试情况分析，该教学内容难度设置合理，深入浅出且相互承接成为体系，学生总体反馈良好。但也存在一些矛盾和问题。以下将对几个问题进行重点阐述与思考，并提出课程改革思路。

1 计算机图形学与计算机辅助设计衔接问题

笔者所在院校是具有航空航天背景的工科院校，“CAD计算机辅助设计”是飞行器设计、机械设计与制造等多学科的重要课程。相关学科学生期望通过对计算机图形学知识的深入理解，促进CAD设计工具诸如Catia、Solidwork和Rhino等先进工具的运用能力。然而，目前的计算机图形学课程的教学和考察环节倚重低层算法讲解与基于OPENGL等的程序设计，除综述外并未具体引入CAD相关内容。产生的问题是，一方面，飞行器设计及机械设计与制造等专业的学生由于程序设计能力不足，难以驾驭较复杂的程序设计任务，在学习过程中心理压力较大；另一方面，由于授课均为教师为计算机相关专业背景，该课程的讲授并未衔接CAD相关技术，学生难以构建二者之间的联系。

解决方案：

本质上，该问题是由于选课学生的学习动机和基础不同造成的。以单一的教学和考查方式难以兼顾这类面向具体应用的学习需求。在教学方法上，采用第三方案例教学法和交叉讲解法相结合以解决此问题。具体的，将CAD等应用场合以具体案例形式讲解，授课教师邀请飞行器、机械设计相关教研组研究生以4～6学时的讲台演示的形式呈现CAD工具完整设计过程。授课教师则以交叉讲解方式为学生讲解运用到的计算机图形学知识点，同时与学生交互式的问答和探讨。在考查形式上，考虑到不同的学习动机和基础，采用多样化实践环节考查。计算机专业学生以OPENGL程序设计为考查重点，而外专业学生以CAD等面向应用的实践工具为考查重点，以兼顾各专业的学习需求。

2 计算机图形学与计算机视觉相结合的问题

当前，虚拟现实技术（VR）和人工智能技术（AI）两个最重要最热门的研究领域。虚拟现实的基础理论支撑是计算机图形学，例如三维场景的生成与显示。而人工智能的一个重要应用场景是计算机视觉，例如基于图像智能识别的自动驾驶技术和场景理解技术。很多学生对以计算机视觉为代表的人工智能技术怀有浓厚兴趣，同时，学生又难以区分计算机图形学和计算机视觉的关系。同时，二者在近年来的研究中呈现相互融合的趋势。如基于三维立体视觉的机器人与场景实时定位与重建。如何在计算机图形学课程中，很好地体现两门课程的不同，避免学生的混淆，拓展学生的知识面，都是具有现实意义的课题。

解决方案：

实际上，计算机图形学和计算机视觉可不失一般性的概括为互逆的关系：计算机图形学是由概念设计到模型生成，最终绘制图形图像的过程；而计算机视觉则是从原始图像中再加工并分析理解、以产生新图像（如二维到三维）或输出语义信息（如图像自动标注与理解、目标检测与识别）。将计算机图形学纳入“视觉处理课程群”框架，使学生首先掌握课程群中各课程的侧重点，着重理解图形学在课程群中的作用。精心选取2～3个计算机视觉和图形学交叉的当前主流研究方向，展开概念层面的演示讲解，不深究具体算法，着重阐述两种技术的相互依赖关系并对比二者的区别。相关领域的演示还包括增强现实、人机交互、计算机辅助诊断等等。鼓励学生自主学习，最终使学生在做中学、用中学，提高独立分析新问题和综合运用知识解决问题的能力。

3 如何平衡算法讲解和程序应用技能

计算机图形学涉及的算法多，核心算法是该课程的必讲内容，在算法细节的讲解过程中学生容易产生畏难厌学情绪，注意教学方法以调动学生的兴趣尤为重要。另一方面，对学生的考察方式最终是通过编程实践完成。学生在编程实践中常常遇到大量调试问题，同时要阅读大量文档以了解OPENGL接口函数的调用方法，这个过程占用了很大工作量。

解决方案：

在理论教学部分，着重讲清计算机图形学原理和概念、全面解析经典算法思想。课程强调对理论核心思想的阐述，用通俗易懂的语言，条例清晰的逻辑，进行简明透彻的阐述，附以直观、形象的动态演示系统，力图使学生在较短的时间内、有效地掌握基本理论。分析图形学各种经典算法的原理、可行性及几何复杂性，尽可能多地比较算法之间的思想差异，分别指出它们的优缺点和应用场合，并促进学生思考如何在保证算法的准确性、可靠性的前提下，提高算法的效率。同时注重接近国际前沿的研究内容，注重讲授经典知识和最新进展相结合，以激发学生的学习兴趣，提高课堂效率和活跃度，力争以较少的课时阐述计算机图形学的基本原理、基本方法，加大实践环节比重。通过往年学生完成的优秀课程作业作品的展示，激发学生的创造热情。改革实践环节的考查方式，以项目小组形式取代对个体的考查。原则上每组3～5人，自由组合。在课程结束前，采用小组现场演示讲解的方式，展示小组成员通过编程实践环节完成的一个项目。学生在项目小M中锻炼了团队协作能力，降低了个人工作强度，同时互相学习和督促的氛围使课程作业的质量得以大幅提高。以基础实验――目标性重建实验――自主性训练的层次化实践框架模式，逐步培养学生自主研究，独立解决问题、分析问题，确定解决方案的能力，树立正确的科学研究习惯，培养学生的科学研究能力。

总之，合理设计实践教学案例，进一步实现课程体系和实践内容的统一，建立一个多层次、立体化的实践教学体系，注重学生的参与性与实践性，引导和鼓励学生进行创新实践和课外研学。改革考核方式和考试形式，加大实践环节在成绩中的比重，强化实践能力培养，寓教于乐的同时引导学生追求卓越。此外，计算机图形学技术是发展非常快的一个研究及应用领域，且对编程要求较高，应注重实验室机房投入更新必要硬件，并保障软件编程环境的正常运行。

L鼙疚氖苤泄┦亢蠡YBA15035，江苏省教改项目JGLX13_008资助

参考文献

[1] 孙家广，胡事民.计算机图形学基础教程.北京：清华大学出版社，2005.2.

[2] 唐荣锡，汪嘉业，彭群生等.计算机图形学教程（修订版）.北京：科学出版社，2000.

[3] LIU Hailan.On development and application of computer graphics[J].Computer Knowledge and Technology，2010（3）：9551-9552.

[4] 娄凤伟.创造性思维与计算机基础教学[J].教育探索，2002.

[5] 贾建，康宝生，李浩荣，等.“计算机图形学”课程教学改革与实践[J].高等理科教育，2004.57（5）：67-69.

人工智能教程课堂篇8

目前机器人竞赛活动已深入到全国的中小学，而竞赛活动能够真正参与到其中的学生所占比例较少，因此越来越多的科学教师在思考，如何把机器人教学带入课堂，让更多的学生感受机器人的魅力。

机器人教学走进课堂的问题

目前机器人活动走入课堂存在的主要问题有：

（一）持续性保障

开设机器人课程要有一定数量的机器人和计算机及相应的场地，因此需要一定的启动性投入。启动之后涉及到的持续性的保障有两点：一是后续机器人的管理与维护难度高、损耗大，维持机器人活动需要后续的配件和场地的更新、补充等资金投入；二是对辅导教师要求高，现有辅导教师人数严重不足。

（二）缺乏相应的课程体系与教材

虽然国内有些省份在信息技术课程中含有部分关于机器人的内容，但都是基于某个厂家的机器人产品设计的，不适合本地的特色与现有设备。另外，对于机器人教学所应包括的基本知识架构和教学方法也非常匮乏。机器人教学要持续性发展，就要在知识体系和评估训练方面形成体系。

（三）教学与竞赛尺度把握错位

目前中小学开展机器人活动，基本上是以竞赛作为检验教学效果的标尺。如想机器人教育能长期有效地发展，就不能把比赛作为唯一的课程目标，否则会使机器人教学走入“为竞赛而教学”的误区，势必导致该项活动缺乏生命力。

（四）教师和学生家长的不理解、不支持

在“分数才是硬道理”的思想下，很多教师和家长对于学生参加机器人活动选择了反对，理由都是影响学习，对升学没有帮助。这使得科技教师要面对很多尴尬与不理解。

机器人教学走进课堂的几项措施

要解决以上机器人活动发展的瓶颈问题，使机器人教学进入课堂，我认为可以从以下几个方面进行思考：

（一）结合实际编写校本教程

将机器人活动纳入校本课程管理，为机器人正式进入课堂积累经验。经过几年的积累与沉淀，我校目前编写有教材《程序设计与智能机器人》，该教材以LEGO　NXT机器人为硬件平台，以ROBOTC为软件平台；宗旨是利用机器人平台让学生体会程序结构与应用，初尝人工智能的乐趣。该课程共17个课时。

自主编写教材的目的在于：一是符合本地学生（至少是本校学生）的认知水平和能力等实际情况；二是可基于现有器材设计，具有可操作性；三是能不断地进行实践和修改，并在此基础上形成知识体系和架构，具有一定的推广性。

（二）精选机器人平台，辅以仿真软件

选用的机器人平台要符合教学使用，要有良好的扩展性，要具备耐用、易维护和启发性思维好的特点，尽量保障一次性投资长期反复使用。在资金与设备不足的情况下，辅以仿真软件。仿真软件的好处在于投资成本相对低廉，维护简单，可用于大规模的课堂教学。我校的机器人工作室除配备10多套LEGO机器人用于教学外，同时采用LEGO辅助设计软件Ldraw和MLAD用于课堂教学，解决器材不足的问题。

（三）机器人技术与学科的整合

机器人作为现代教育技术的前沿产品，其教学内容涵盖了很多学科的知识，因此有效地将机器人与相关学科进行整合，能让学生在所熟知的学科中感受科技的进步带来的不同体验。例如：

·程序设计——让机器人走方形，能很好地让学生深刻理解循环结构的性质与特点；

·物理实验课——让学生用机器人设计一个简单的单摆实验装置并收集数据；

·数学课——追及和相遇知识一直是学生比较难以理解的抽象问题，教师可以用机器人进行演示，让学生对该类问题有形象的认识；

·音乐课——可设计一个舞蹈机器人，让它跟着音乐的节奏舞动。

以上只是一些在我校科学实践中的例子，大家还可以找出更多的结合点。这些整合不仅可以活跃课堂，也让机器人技术的学习和展示过程更形象具体。

（四）机器人活动多元化，实现多赢局面

我校每年开展3项活动：研究性学习、电脑作品制作活动以及青少年科技创新大赛。从活动主题来看，三者的核心都是探究、体验、创新，都注重科学及研究价值。因此机器人活动完全可以整合3项活动作为同一件事统筹开展。

整合思想通过研究性学习把机器人活动向纵深发展，形成课题研究成果，可在不影响正常教学的前提下，不需对学校日常的教育教学活动作大的改变，结合日常培训活动中进行。通过青少年科技创新大赛，将机器人活动引导向科技创新方向发展，充分调动学生的创造性思维。以上述活动为基础，面向机器人竞赛，将竞赛作为机器人教学活动的成果展现平台，在学习和创作中有效应用和整合。

（五）辅导教师队伍的整合，多元化的教学方式

机器人教学是多学科的结合，因此辅导教师队伍应当是由相关专业的老师组成，既可解决辅导教师知识面单一问题，又可丰富机器人活动的项目。我校的辅导教师由2名信息技术教师和1名物理教师组成，这种组合解决了机器人教学中涉及的程序设计与机械及电子电路等学科问题。

面对层次和知识面不同的学生，在机器人活动中应采取多元化的教学方式。以任务驱动及小组合作学习方式进行教学，由组长带领本组的同学进行项目研究；辅导教师定期组织组员进行讨论解疑。这样以点带面的方式，也可以激励更多的学生来担任辅导员的角色。

（六）开放科学工作室，共享资源

柳州市的青少年科学工作室已有50多个，这些工作室中有的在学校，有的在社区。因此，可以充分发挥科学工作室的作用，空余时间向社会开放，让更多青少年能够接触和了解机器人，实现以点到面的辐射作用。将机器人教育和活动推向社会，扩大影响。

在学校开展机器人活动所形成的教材和教学方法可以在社区工作室开放中推而广之，而社区开展活动的时间可以很好地弥补学校寒暑假期的空档，让真正爱好机器人的学生在全年的每个时段都有机会参加机器人活动。

结语