基于問題導向的機器學習課程教學探索

徐葉松 胡平 戴家樹 嚴楠

摘要：在大數據時代，人工智能技術在不斷地迅猛發展，已經融入工業、農業、醫療和教育等眾多領域，并改變著人們的工作和生活方式。機器學習作為人工智能的核心技術，在很多高校已經被列為必修課程，且很多專業（如：計算機科學與技術、數學、生物醫學工程）的本科生和研究生都涉及該課程。針對傳統授課方式在機器學習教學過程中處于主導地位，因為無法調動學生的自主性和積極性，使得學生處理問題能力較差和創新意識不強，導致高校培養人才的效果不佳。為此，根據機器學習課程知識的結構特點，提出了基于問題導向的機器學習課程教學方案。通過將問題導向融合到機器學習課程的教學方式，促進學生主動學習和勤于思考的核心素養，進而培養出具有競爭力的高校人才。

關鍵詞：問題導向；機器學習；人工智能；教學；人才培養

中圖分類號：TP181-4；G434 文獻標識碼：A

文章編號：1009-3044（2024）04-0046-03

1 背景

2017年7月8日， 國務院正式印發了《新一代人工智能發展規劃》，為我國發展人工智能提出了保障措施、主要任務、戰略目標和總體思路，同時該規劃明確了人工智能技術進入教育體系的長期發展方向[1]。為進一步落實《新一代人工智能發展規劃》，自然科學基金委和科技部在2023年3月啟動了“AI for Science”專項部署工作，建立以“人工智能驅動的科學研究”為中心的創新科技研發體系[2]。人工智能主要涉及計算機視覺、自然語言處理和智能機器人。例如，Google 旗下的DeepMind公司開發的AlphaGo戰勝世界圍棋冠軍李世石和柯潔，震驚了全世界，主要是由強化學習技術實現。此外，OpenAI研發的聊天機器人程序ChatGPT能夠真正像人一樣進行聊天交流，推出5天，注冊用戶超過100萬，推出不過2個月時間，月活用戶突破1億，實際上是利用Transformer架構的大語言模型技術。這些人工智能的核心技術和基礎都是最熱門的機器學習，而機器學習方法也是智能應用和服務的基石。

當前，機器學習技術已被應用于人臉識別、生物醫學信息處理、推薦系統和自主駕駛等領域，其廣泛而基礎的應用已經深入各行各業，并產生了巨大的社會影響和經濟效益[3]。機器學習能夠從數據中發現其內在規律，進而成為有效的信息并服務于人們的日常工作與生活，學習和掌握機器學習技術具有重要現實意義[4]。目前，機器學習技術是人工智能領域的研究熱點，以阿里巴巴、騰訊、百度和華為代表的互聯網企業對該方向的人才需求正日益劇增，我國很多高校已經開設機器學習相關的專業和課程，旨在為科學研究和社會培養高質量的人工智能領域人才[5]。

機器學習是涵蓋數據處理、優化理論、算法理論、統計學、矩陣論、概率論和編程語言（如：Matlab和Py?thon） 等多學科知識的一門新興學科，它主要依賴于熟練的編程技術和對算法理論的深度理解，并側重解決實際問題[6]。近年來，高校中開設機器學習課程主要面向智能制造、人工智能、金融科技、大數據管理與應用、數據科學與大數據技術等專業的高年級本科生以及計算機相關專業的研究生，對學生的綜合知識掌握程度、創新能力和處理實際問題能力要求較高。因此，機器學習這一門課程對教師授課的要求自然更高。

針對機器學習課程的特點，為了滿足人工智能和大數據時代下人才培養的需求，提高當前就業形勢下高校畢業生的就業機會、提升學生的解決問題能力和創新思維能力[7]。隨著人工智能的應用和發展，給機器學習相關專業的人才培養帶來了重大機遇與挑戰。因此，機器學習的教學應該緊跟著時代步伐，注重實踐的教學，不斷更新課程的教學內容，適當調整教學計劃，使高校畢業生能夠更好地勝任隨后的工作和生活。探索機器學習課程的教學方法，結合課程所涉及的知識點，對學生提出相關的人工智能問題，讓學生對問題進行思考并尋找解決方案，這就是所謂的以“問題導向”[8]。該教學方法能夠激發學生學習興趣，以問題來促進學生的思考，培養學生的處理問題能力。學生通過思考和實踐，實現機器學習知識的消化和吸收，以及使思維能力得到鍛煉和提高解決實際問題能力，這也符合高校人才核心素養的培育要求。

2 機器學習的教學現狀與教學挑戰

2.1 機器學習的教學現狀

機器學習是處理實際問題的應用型學科，它的技術在不斷地發展和更新，特別是深度學習技術在實際需求中取得了顯著效果。一方面，傳統的教學模式以課堂講授為主，主要采取“學生聽，教師講”的形式來執行，課堂上缺乏討論。通常教學過程中涉及較多難懂的理論知識，導致學生厭學現象。而且，學生在被動的聽課過程中對所學知識的理解和掌握不夠深刻。這樣會造成教師的教學和高校學生的學習效率低，并導致高校學生的自主學習能力和創造性思維未能得到很好的培養和鍛煉。

另一方面，以往的教學模式利用PPT課件和黑板板書，由于高校學生的興趣不同和基礎各異，使他們對所學內容的渴望、理解和掌握知識程度也存在區別，導致教學內容上忽視了個性化和多樣化的學生培養機制。另外，由于授課學時的限制，只能對基本知識點的傳授，使學生無法深入實際問題的解決中。這樣不利于學生處理問題能力的鍛煉，也忽視了團隊協作的意識，導致高校學生的培養不符合應用型人才的培養要求。

2.2 機器學習的教學挑戰

機器學習具有以下幾個特點：第一個特點，它是多領域交叉一門學科。相對其他信息類專業，它涉及的知識龐雜，包括多門學科知識，要求對矩陣論、概率論和高等數學等有扎實的數學基礎。而且對編程能力有著較高的要求，需要使用TensorFlow、Pytorch等框架來進行深度學習實驗。另外，機器學習的前沿知識更新迭代迅速，且相關的算法仍不停地在發展中。

第二個特點，涉及的理論復雜和內容多。機器學習課程中含有許多抽象的概念，學生理解起來較為困難。以及在不同模型和算法建立上，它們涉及的知識點雜亂且聯系不緊密，思想相對獨立，很難建立起“由淺入深”的教學體系。

第三個特點，實際應用要求較高。在具體教學過程中，課堂上傳授理論知識，大部分學生能夠理解機器學習的模型，但將所學理論用來解決實際問題的成效不佳，學生很難將所學的理論編寫成代碼，導致所學知識很難轉化成處理實際問題的技能和能力。而且，有的學生將參考的代碼全部摘抄一通，完全沒有自己的理解和思考。另外，通過期末考試的方式，來考查學生對知識點的掌握程度，忽視了這門課的實踐特點?？偠灾?，機器學習這門課程自身所具有的特點，給該課程的教學帶來了巨大挑戰。

3 以問題導向的課程教學

3.1 問題導向的課程設計原則

依據機器學習課程的特點，以問題為導向的教學模式進行授課，來激發學生的思考和培養學生解決實際問題能力。將“問題導向”貫穿到教學的課前、課中和課后，如圖1所示。與傳統講課形式的教學模式相比，以問題導向的機器學習教學方式側重培養學生思考能力、提高自主學習能力、增強處理實際問題能力和提高創新意識。

1） 課前。在準備階段，授課教師首先應明確本次課的學習目標，給出一個或幾個與實際問題相關的機器學習問題。通過考慮應用領域和目前行業的需求以及學生的興趣偏好來確定問題。這樣可以確保學生的學習目標具體、明確，對給出的實際問題也應該有一定的難度要求，這樣能夠激發學生的思考和求知欲。其次，教師也應精心挑選與此次課程目標相關的案例，并提前準備好用于實驗的數據集。這不僅能夠直觀地展示機器學習的應用場景，同時也可以激發學生學習新知識的興趣。最后，為了將問題導向融入教學過程中，需要在課前發布預習的問題，要求學生提前了解將要學習的知識點，同時思考如何運用該知識點去解決實際問題。學生可以通過網絡觀看相關的教學視頻、查閱資料和文獻以及做好前期的準備工作。學生在課前準備預習的問題，這有利于教師和學生在課堂上共同討論和一起學習，提高對知識點的掌握程度和教學效率，也可以培養學生獨立思考的能力和處理問題的能力。

2） 課中。首先，以實際問題來引入本次課的主題，這樣能夠激發學生上課的興趣，讓學生認識到機器學習技術是解決實際問題的強有力的工具。通過案例分析的方式展開教學，將學生真正地引入到真實場景中，讓他們確切地感受到機器學習技術能夠解決實際應用中的問題。教師接著對相應的基本概念和算法原理等內容進行詳細的講解，同時為學生建立起理論基礎。在授課過程中，用具體的案例和問題去解釋抽象的理論，讓學生對新的知識更容易理解和消化吸收。由于機器學習是一門強調實際應用的課程，在課中應進行編程實踐和相關的實際操作。通過在課堂上進行編程演示，也可以嘗試讓學生親自動手來進行實際操作?？梢詫⒗碚撝R和實踐相結合，達到培養高校學生的實際動手能力和提升他們的競爭力的目的。最后，組織學生進行小組討論。學生可以分享個人想法，得出問題的解決方案，促使他們深入地去思考問題，達到培養有思想的人才培養目的。小組討論能夠培養學生的團隊合作能力，使他們在討論問題時相互學習，以合作的方式來解決問題，也就是所謂的“眾人拾柴火焰高”。例如有次課上，針對人臉識別問題。有個學生通過自己編寫程序，在班級展示了一個有意思的功能，他通過自己的筆記本電腦，展示了識別出他本人和室友。這也就是日常生活中智能解鎖的功能，達到了培養學生的主動學習和勤于思考目的。

3） 課后。教師通過布置與本次課程內容相關的問題。課后的問題應該是具有延伸性的，讓學生運用前面所學的知識，去解決相比于課堂中涉及的問題更為復雜的實際問題。通過在課后以問題為導向，學生能夠更深入地掌握機器學習技術，將這個工具用到實際應用中，并鞏固所學的理論知識，使高校學生能夠學以致用。接著，在課后提供實時反饋和指導，建立在線討論平臺（如：機器學習課程QQ群），使學生在遇到問題的時候可以及時地跟同學或教師進行思想上的交流，從而可以很好地解決問題，幫助有困難的學生進步。同時對完成的作業進行評估和提供學習資源（如：MOOC 視頻、Coursera 公開課、GitHub 代碼、CSDN博客），使學生能夠清晰地認識到自己優勢和不足，為接下來學習明確方向，并且使每個學生得到個性化培養。最后，讓學生進行作品展示，使他們能夠全面地相互了解和取長補短，促進知識的分享，也能夠激發學生的興趣和提高溝通、表達能力。

3.2 問題導向的課程教學優勢

將問題導向的融入機器學習教學的課前、課中和課后，不僅能激發學生的學習興趣，也能讓他們更加主動地參與進來。通過提出學生感興趣和實際應用相關的問題，使他們在學習機器學習課程中產生好奇心，并能夠積極地投入到學習中。以問題驅動的課程教學方式，在解決問題的同時，能夠使學生對算法和模型理解更加深刻，同時也鍛煉了學生將學習到的理論知識用于處理實際問題的能力，這比傳統的教學方式更加有效。問題導向學習也涉及小組討論，有利于培養高校學生的團隊協作和交流能力。課后問題的及時反饋、交流和作品展示，能夠幫助學生解決學習中遇到的困難，促進他們的全面發展。通過融入問題導向的教學方式能夠培養學生的專業素養、鍛煉思維和處理問題的能力。

4 結論

機器學習是一門應用型的課程，培養學生處理實際問題能力和求知創新的能力至關重要。針對機器學習課程的多學科交叉、理論內容多且復雜以及實際應用要求高的特點，本研究通過將問題導向融入課前、課中和課后的教學過程中，提高高校學生學習的積極性和自主性，使他們的思維能力得到鍛煉，并提升處理問題的能力，旨在培養高校學生的專業素養。

參考文獻：

[1] 國務院.新一代人工智能發展規劃[J].科技導報，2018，36（17）：113.

[2] 劉垠.人工智能驅動的科學研究專項部署工作啟動[N].科技日報，2023-03-28（001）.

[3] 賈積有.人工智能賦能教育與學習[J].遠程教育雜志，2018，36（1）：39-47.

[4] 鄧志鴻，謝昆青.機器學習課程的教學實踐：以北京大學“智能科學與技術” 本科專業為例[J].計算機教育，2016（10）：18-19，62.

[5] 閔鋒，魯統偉“. 機器學習” 課程教學探索與實踐[J].教育教學論壇，2014（53）：158-159.

[6] 呂品，于文兵，汪鑫，等.基于機器學習的學生成績預測及教學啟示[J].計算機技術與發展，2019，29（4）：200-203.

[7] 張坤穎，張家年.人工智能教育應用與研究中的新區、誤區、盲區與禁區[J].遠程教育雜志，2017，35（5）：54-63.

[8] 陳燕.問題導向式教學的模式構建：職前數學教師的培養研究[D].重慶：西南大學，2013.

【通聯編輯：梁書】