前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的人工智能課程論文主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：人工智能課程論文范文

關鍵詞：人工智能；深度學習；教學建議

0 引言

傳統的人工智能課程主要包括人工智能導論、模式分析、機器學習、數據挖掘等。這些課程由各個院校根據專業情況不同而選擇，課程的內容也有較大差別，但是，基本上都涉及人工神經網絡的內容。然而在人工神經網絡的教學內容上，一般只講解經典的多層感知器和反向傳播算法，或再加入一些反饋網絡的內容，這種教學內容設計的一個不足是忽視了人工智能領域的最新發展——深度學習，它是近幾年人工智能領域最具影響力的研究主題，并在大規模語音識別、大規模圖像檢索等領域取得突破。

北京郵電大學計算機學院開設人工智能科學與技術的本科專業，筆者從事深度學習的研究工作，同時承擔了本科生和研究生人工智能類課程的教學工作，因此產生了將深度學習內容引人人工智能類課程的想法。本文先介紹深度學習的背景，說明深度學習在人工智能發展中的地位，之后分析了將深度學習基本內容引入人工智能類課程的必要性和可行性，最后給出了一些實施建議供探討。

1 深度學習背景

2006年，加拿大多倫多大學的GeoffreyHinton教授與Salakhutdinov博士在美國《科學》雜志發表了題為“Reducing the Dimensionality ofDatawith Neural Networks”的論文，該文提出一種學習多層神經網絡的方法，并將這種具有多層結構的學習方法命名為深度學習（Deep Learning），而這成為深度學習研究的一個導火索，從此深度學習的研究與應用蓬勃發展起來。

深度學習在語音識別與生成、計算機視覺等應用領域取得了突出進展。近幾年的國際機器學會（International Conference on MachineLearning，ICML）、神經信息處理大會（AnnualConference On Neural Information Processing Systems，NIPS）、計算機視覺大會（InternationalConference on Computer Vision，ICCV）、

聲學語音與信號處理大會（International ConferenceOn Acoustics，Speech，and Signal Processing，ICASSP）、計算語言學大會（Annual Meeting of the Association for Computational Linguistics.ACL）、計算機視覺與模式識別（InternationalConference on Computer Vision and P atternRecognition，CVPR）等都有不少相關的研究論文、會議教程和小組研討會（Workshop）。美國國防高級研究計劃（DARPA）也提出了關于深層學習的研究項目。此外，2013年6月《程序員雜志》的封面故事，采訪了周志華、李航、朱軍3位國內的機器學習專家對于深度學習的看法，他們一致肯定了深度學習在機器學習領域的貢獻。

工業界對深度學習也寄予了很高期望。2012年6月，《紐約時報》報道了斯坦福大學計算機科學家AndrewNg和谷歌公司的系統專家JeffDean共同研究深度神經網絡的機器學習模型在語音識別和圖像識別等領域獲得的巨大成功。2012年11月，微軟公司在天津公開演示了一個全自動的同聲傳譯系統，其關鍵技術也是深度學習。2013年1月，百度公司首席執行官李彥宏先生宣布建立深度學習研究院（Institute of Deep Learning）。2013年3月，谷歌公司收購了由深度學習創始人Geoffrey Hinton創立的公司。

從學術界與工業界的研究態勢看，深度學習已經成為機器學習與模式識別，乃至人工智能領域的研究熱點。正是在這樣一個背景下，人工神經網絡重新回到人們的視野。此前人工神經網絡的發展大致可以分為兩個時期，1943年，McCulloch和Pitts提出了最早的人工神經元，這種神經元具有學習能力，這是人工神經網絡的發端，也可以被認為是人工智能的發端（當時還沒有人工智能這個術語）。1949年，Hebb提出了Hebbian學習算法。1957年，Rosenblatt提出了感知器的神經網絡模型。1969年，Minsky和Papert分析了這種感知器神經網絡模型的局限性。然而，很多研究者認為，感知器的這種局限性對于所有的神經網絡模型都適用，這使人工神經網絡的研究很快暗淡下來。1980年代中期，諾貝爾獎得主John Hopfield提出了Hopfield神經網絡模型，這種Recurrent神經網絡具有的動態性有可能用于解決復雜的問題。同時，多層前向神經網絡的后傳算法也被重新發現，這兩個工作使人工神經網絡得到重生。這時，人工神經網絡已經成為人工智能的一個重要組成部分。但是，在隨后的研究中，人們發現，當學習多層神經網絡包含更多的隱藏層時，后傳算法并不能學到有效的網絡權值，這使得神經網絡的研究再次陷入低潮。此次以深層神經網絡為代表的深度學習重新回到研究的舞臺，其中一個重要因素是Hinton提出的逐層預訓練神經網絡方法治愈了多層神經網絡的一個致命傷。

2 必要性與可行性

深度學習的發展使得從事教學一線的教師也無法忽視這個頗具影響力的研究主題。為此，我們提出將深度學習這個主題引入到人工智能類課程中，將它作為課題教學的一部分。

2.1 必要性

將深度學習這個主題引入到人工智能類課程中的必要性主要包括如下4點。

1）深度學習是人工智能的前沿。

2006年以來，深度學習的研究席卷了整個人工智能，從機器學習、機器視覺、語音識別到語言處理，都不斷涌現出新的研究工作和突破性進展。深度學習不僅在機器學習領域成為研究熱點，同時在多個應用領域也成為有力工具，而且，在工業界的系統應用中，深度學習成為其中的關鍵解決技術。

2）深度學習是人工智能的突破。

深度學習的發端是神經網絡。關于神經網絡的論述，在人工智能類常見教科書中還停留在多層神經網絡，即神經網絡的第二階段，它們大部分描述多層結構無法訓練的現象。但是，從深度學習的角度看，深層神經網絡不僅可學習，而且有必要，這與第二代神經網絡的觀點是完全不同的。深度學習突破了原有人工神經網絡的認識，超越了人工智能神經網絡教科書中的原有內容，因此，有必要將多層神經網絡結構的可學習性告知學生，從新的視角糾正原有的觀點。

3）深度學習是人工智能的延伸。

深度學習不僅提供了一種可以在深層神經結構下訓練網絡的方法，也包含了不少新的內容，是人工智能的新發展，為人工智能補充了新的內容。到目前為止，深度學習至少包括：從生物神經網絡與人類認知的角度認識深層神經網絡的必要性；如何構建和學習深層學習網絡；如何將深層結構用于解決視覺、語音、語言的應用問題；如何看待深度學習與原有的機器學習方法，如流形學習、概率圖模型、能量模型的直接關系；深度學習與其他學科的關系等。

4）深度學習是學生的潛在興趣點。

大學生對知識有著強烈的好奇心，加之當前信息技術的發達，部分對智能感興趣的學生可以從其他途徑了解到這個學科發展的前沿。因此，順勢而為，將深度學習這個主題做具體講解，滿足學生的好奇心，培養他們對學科前沿與發展的認識，是十分必要的。對高年級的學生而言，了解深度學習的基本知識，是他們全面認識人工智能與發展前沿的一個途徑，而對于研究生，較多地了解和掌握深度學習的基本知識有助于他們研究工作的開展。

基于以上幾點，筆者認為，將深度學習這個主題引入到人工智能類課程中非常有必要。深度學習作為人工智能的前沿，既是對人工智能原有理論和技術的一個突破和補充。

2.2 可行性

將深度學習引入到人工智能類課程中的可行性主要包括如下3點。

1）深度學習與現有人工智能聯系密切。

深度學習并不像突兀的山峰拔地而起。而是深深植根于原有的人工智能理論與技術。深度學習是以神經網絡為出發點，這正是深度學習教與學的切入點。比如，可以通過對多層感知器隱藏層的增加和后傳算法的失效來講解深度學習是如何解決這個問題的。再者，深度學習的一個核心構建“受限波爾茲曼機（Restricted Boltzmann Machine）”，可以被認為是一種能量模型，而這種模型與Hopfield網絡都可以從物理學的能量模型角度分析，RBM可以認為是Hopfield網絡的隨機擴展。總之，深度學習與現有人工智能的聯系，使學習深度學習變得容易。

2）深度學習的基本內容并不深。

深度學習有個很好的名字，這個名字恰當地描述了特定的學習結構。比如，深度學習的核心部件受限于波爾茲曼機RBM，其結構非常簡單。從神經網絡的角度，受限波爾茲曼機是一種隨機的雙向連接神經網絡，信號可以從可見層傳遞到隱藏層，也可以從隱藏層傳遞到可見層。網絡中每個節點是具有特定結構的神經元，其中的神經元具有典型的包含自身偏置的Logistic函數的隨機單元，能夠依Logistic函數計算得到的概率輸出0狀態或1狀態。概括地說，深度學習的基本內容在高年級階段較易掌握。

3）深度學習的資料容易獲得。

當前的信息資訊非常發達，有相當多的資料可以通過互聯網等多種途徑獲得，這使學習深度學習成為可能。近期，中國計算機學會主辦了多個技術講座均涉及深度學習的部分；深度學習的創始人Hinton教授的主頁也有很多資料；Coursera網站有免費的Hinton教授的神經網絡課程；斯坦福大學的Ng教授提供了很多的在線教程；蒙特利爾大學Bengio教授發表的題為“Learning Deep Architectures for AI”的論文也是這領域的優質資料。

3 實施建議

在具體的教學過程中，筆者建議適當安排深度學習的最基本內容，內容不宜過多，也不宜占用過多的學時，可以根據教學對象的不同進行調整。比如，本科生的高年級專業課可以安排1學時的教學量，介紹層次訓練的基本算法；也可以在高年級前沿講座中安排2學時，內容覆蓋面盡可能廣泛。在研究生的教學中，可以根據教學的課程主題安排內容與學時。比如，神經網絡主題的課程可以安排4-6學時的教學內容，包括波爾茲曼機及學習算法、深層信念網絡與學習算法、深層波爾茲曼機與學習算法卷、積神經網絡、自動編碼器等。結合應用，課程還可以包含MNIST數字識別的應用、人臉識別的應用、圖像檢索的應用、語音識別中的應用等。另外，深度學習是一個實踐性很強的研究，隨機性：大規模（意味著數據不宜可視化，程序運行時間長）等多種因素混合，使深度學習在學習中不容易理解。為此，可以在條件允許的前提下，增加小規模的實驗，輔助理解。最后，課件可以通過對優質資料做修改得到。

第2篇：人工智能課程論文范文

美國麻省大學(University of Massachusetts Amherst)阿默斯特校區(以下簡稱麻省大學)是馬薩諸塞州立大學系統五個校園中的主校園,是美國知名的研究型大學。該校創辦于1863年,坐落在美國東部美麗的新英格蘭地區。

麻省大學計算機系成立于1964年,其研究生教育也有超過40年的發展歷史。由最初的3名教授發展到現在擁有43名教授,其中包括9名ACM計算機學會(Association for Computing Machinery)院士(Fellow)、4名電子和電氣工程師協會(IEEE)院士、5名人工智能學會(AAAI)院士和2名美國科學促進協會(AAAS)院士。麻省大學計算機系在人工智能、網絡與分布式系統、計算理論等多個領域的研究處于世界領先水平。作為美國知名的計算機系,麻省大學計算機系的教育理念是“培養下一代能以創新的方法解決真實世界問題的計算機科學家”(cs.umass.edu/grads/msphd-requirements)。在這個核心思想的指導下,該系非常注重對博士研究生的培養,為了達到培養學生具備進行原創性科學研究(Original Research)的能力的教育宗旨,該系制定了一套非常嚴格的課程計劃,以培養學生堅實而廣博的基礎知識、良好的科學研究方法和思維習慣。麻省大學計算機系每年大約會收到1000份左右來自世界各國的優秀學生的申請,攻讀其博士學位,而錄取的人數一般保持在30名左右。完善和嚴格的博士研究生培養體系、開放而先進的教育理念,使麻省大學計算機系成為全美最具有競爭力的計算機院系之一。

麻省大學計算機系招收兩種形式的博士研究生:碩士/博士連讀研究生和直博研究生。只有在美國其他大學獲得相應計算機碩士學位,并修完麻省大學計算機系認可的相關課程的學生,才有資格申請直接攻讀博士學位;否則,學生在錄取后必須經過碩士/博士的連續培養才能獲得博士學位。

無論哪種形式,麻省大學計算機系博士生培養大體分為兩個階段:博士生資格學習階段和博士生研究階段。博士生資格學習階段主要是對學生進行基礎知識培養和基本研究能力訓練。學生只有在通過博士資格考試論證,成為正式博士候選(PhD Candidate)人后,才能進入下一步的博士論文研究階段學習。以下是麻省大學計算機系對碩士/博士研究生的培養要求:

(1)Actively participate in research under the guidance of an advisor(在導師的指導下,積極參與研究)

(2)Satisfy 6 Core Requirements (完成6門核心課程的要求)

(3)Complete 42 course credits (core courses taken to satisfy core requirements are included)(完成42個課程學分,其中包括核心課程的學分)

(4)Complete a 6-credit MS Project (完成6個學分的碩士研究項目)

(5)Graduate with an M.S. Degree(申請獲得碩士學位)

(6)Pass the Department Qualifying Exam- Portfolio(通過博士資格考試)

(7)Form a Committee(成立答辯委員會)

(8)Propose a Thesis(提交博士開題報告)

(9)Complete 18 Dissertation Credits (完成18個學分博士論文)

(10)Pass the Teaching Assistant Requirement(完成助教的工作要求)

(11)Pass the Residency Requirement (at least 9 credits in back-to-back semesters) (完成連續兩個學期修9個學分的要求)

(12)Defend and Submit a Thesis (博士答辯和提交博士論文)

本文將以麻省大學計算機系為例,探討美國計算機專業博士研究生培養的一個重要環節――博士研究生課程教育體系的特點,以期為提高我國的計算機專業博士生教育提供借鑒。

2掌握牢固的理論知識是培養優秀博士生的基礎

美國的計算機博士教育非常注重對學生基礎理論知識的培養,為了使學生掌握牢固而廣博的基礎知識,麻省大學計算機系要求每個碩士/博士研究生必須修完6門博士核心課程,而且成績必須達到B+以上。這些核心課程分別屬于計算機科學的三大領域:理論(Theory)、系統(Systems)和人工智能(Artificial Intelligence),課程設置具體如下:

(1) 理論核心課:計算理論(Computation Theory)、高級算法(Advanced Algorithms)

(2) 系統核心課:有三組課程,分別是:

編譯技術(Compiler Techniques)、現代計算機體系結構(Modern Computer Architecture)

數據庫設計和實現(Database Design and Implementation)、高級計算機網絡(Advanced Computer Networking)、操作系統(Operating Systems)

高級軟件工程I(Advanced Software Engineering: Synthesis and Development)、高級軟件工程II(Advanced Software Engineering: Analysis and Evaluation)、程序設計語言(Programming Languages)

(3) 人工智能核心課程:高級人工智能(Artificial Intelligence)、機器人學(Robotics)、信息檢索(Information Retrieval)、不確定環境下的推理(Reasoning and Acting under Uncertainty)、增強型學習(Reinforcement Learning)、機器學習(Machine Learning: Pattern Classification)

根據不同的研究方向,學生可以在六門核心課程的選擇上有所不同,但為了加強理論基礎和掌握知識的廣度,無論哪個研究方向的學生,都必須修完兩門理論核心課程和一門高級人工智能課程,同時,再根據自己的研究方向選修其他三門核心課程。例如,一個系統方向的博士研究生除了修完以上兩門理論和一門人工智能課程以外,還必須修完來自于系統方向不同組的三門系統方向的課程;而一個人工智能方向的博士生則必須修完另外兩門人工智能方向的核心課程和一門系統方向的核心課程。

每門核心課程由教師講授一學期,其中每星期2次課,每次2小時,3個學分。根據內容不同,每門課程一般要安排5～8次書面作業、1次期中考試和1次期末考試。其中,對系統方向的課程來說,每個章節完成后一般還有一次課程項目設計(Course Project),主要要求學生實現相應的算法和進行性能評價。由于核心課程要求高,課程學習內容多,導師和系里會建議學生每學期選學不超過一門的核心課程,所有6門核心課程則在三年內完成。如果成績沒有達到B+,麻省大學計算機系允許學生重修該核心課;但是,如果學生在規定的博士資格考試申請時間前沒有通過全部的6門核心課,則不再具備繼續攻讀博士的資格。

嚴格的核心課程作業、考試制度和淘汰制度,不但使學生牢固掌握了計算機科學各領域的基礎知識,培養了學生勤奮刻苦的專研精神,而且極大地豐富了學生的視野,為學生進入實際科學研究打下了堅實的基礎。

3靈活而完善的博士生選修課程體系是培養創新型人才的重要途徑

美國一流研究型大學博士生教育的目標是培養世界一流的科學家和拔尖創新型人才,為了實現這個目標,美國的博士生教育除了注重培養學生扎實和精深的基礎知識外,還非常注重培養學生的創新思維和發現新問題的探索精神及能力。

如果核心課程體系的設置是培養優秀博士生的基礎,是向學生傳授學科領域的重要基本知識和原理與技術,是學生全面掌握計算機基本理論與方法的重要途徑,那么,選修課的設置則是對學科基本知識的補充,是培養學生學習新的知識和了解并探索前沿研究方向,從而成為創新型人才的重要手段。

麻省大學計算機系的做法是,在博士研究階段,除了要求學生完成18個學分(6門)的核心課程學習以外,還要求完成24個學分(8門)的非核心課程(或稱為選修課)學習。這些選修課大多是關于本學科及相關專業前沿領域近3～5年的新研究方向、研究方法或新技術的相關內容的介紹,一般由教師在每學期開學前提出新的課程計劃,學生則根據自己的研究興趣和職業目標自由選課。通過課程的學習,學生能在最短的時間內了解本學科相關領域的最新研究現狀,更重要的是,在課程的學習過程中,教授會將許多新出現的問題在課堂上和學生討論,同時,通過2～3個課程項目培養學生獨立(或合作)解決新問題的能力,以及教會學生各種探索問題的研究方法。

在教學模式上,可以采用由教授主講的傳統方式,也可以采用以討論為主的方式。以教授為主講的教學模式在此就不再贅述,以下著重描述以討論為主的選修課教學模式。

以討論為主的Seminar是美國計算機院系的教授最常用的選修課教學模式。Seminar的課程設置沒有固定模式,但通常有以下幾方面的特點。

第一,課程的選題一般是近年新出現的有代表性的前沿研究課題。

第二,課程內容的選擇一般來自近年來該領域頂級國際會議的專題論文。

第三,課程內容的組織由教師完成。教師在確定題目后,一般會根據論文的情況將討論的內容分為多個子專題,每個子問題由3～4篇論文組成。課程的開始一般是綜述性的論文或在該領域出現的最早的學術論文,其目的是探討該研究方向出現的新的應用背景需求和所帶來的新的挑戰。其后的每個子專題則將對具體問題和方法進行深入探討。

第四,選課的學生人數一般在20～30人左右,而且通常是由學完了核心課程以后的高年級博士生組成。學生人數太少,論文的覆蓋面可能太小;學生太多,可能導致討論的深度不夠。同時,只有學完了基本理論后,學生才有可能具備較深入分析問題的能力。在Seminar的學習討論中,找到新的研究問題也是該課程設置的重要目的之一。

第五,課堂教學的模式基本上是教師和學生互動的教學方式。教師在第一節課引導學生對該領域的基本問題有了初步認識后,學生將對每篇論文進行評估(Review)、宣講(Presentation)和進行課堂討論。每篇論文的宣講時間是25～30分鐘,課堂討論時間是10～15分鐘。其中教師將引導學生對論文中所研究的問題和關鍵技術進行深入討論,學生參與討論的情況將作為課程考核的重要依據。

選擇合適的題目并對教學討論的內容(論文)進行篩選和組織對開課教師的要求非常高。為了準備一門新的Seminar課,教師一般需要預先通讀該研究方向所有重要國際會議的相關論文,然后根據不同的研究問題對論文分類,并將其中有代表性的論文提煉出來,作為課程學習的論文。在課程項目的設置上,教師會事先準備一些題目,如對某些算法的實現、評估和改進,實現原形系統等,同時也非常鼓勵學生在論文討論的過程中有針對性地提出自己的見解和新的解決問題的方法。

4合理的課程學習安排是培養高質量博士生的有效保證

美國的博士教育是以博士生的最終質量為評判標準,而不是以年限來規定學生的畢業時間。在美國計算機專業,培養一個碩士/博士生一般需要至少5年時間。由于強調博士生專業知識學習的深度和廣度,在整個博士學習階段,博士生都會積極參與課程的學習,并盡可能地將研究項目中的問題和課程學習聯系起來,用所學到的方法或思路來解決新問題。

以麻省大學計算機系為例,雖然學生的背景不同,但為了在保證質量的前提下幫助學生用最短的時間順利完成博士課程要求和博士論文要求,系里建議學生按如表1所示的時間表安排整個博士階段的學習計劃。

麻省大學計算機系不但在本系有完善的研究生課程體系,學生可以根據自己的研究興趣和職業規劃來自由選課,而且也鼓勵學生在其他相關院系選修本系沒有開設但對研究有用的課,如數學系或電子工程系的高級課程。總之,美國博士教育的一個重要特點是強調基礎知識的學習,鼓勵學生以積極的態度參與到課程的學習中,同時訓練學生在課程學習的過程中逐步學會發現問題和研究問題的方法。

5啟示和建議

美國的博士教育強調堅實的基礎理論知識、完善的知識體系和用于探索與創新的研究能力,而這些恰恰是決定博士畢業生日后發展潛力的關鍵。長期以來,我國計算機博士教育主要是通過參與科研項目的形式來對學生進行培養,這種“研究項目驅動型教育”在我國恢復研究生教育的初期起到了很好的推動作用,培養了大批科研人才。但隨著教育本質的回歸和創新型人才培養的需要,從總體來看,我國的這種單純強調研究項目的教育模式培養的博士生,質量與國際先進水平相比還有一定的差距。由于沒有嚴格的博士課程要求和淘汰制度,學生在學習階段往往會忽略對基礎知識的學習和對知識結構的完善。長此以往,必然會影響博士生的研究水平和發展潛力,最終將會影響國家的整體創新能力。

筆者建議,為了使學生掌握牢固的專業基礎知識,同時培養學生在某一學科領域的研究興趣和基本的研究能力,應該首先強調核心課程體系的建設,不論哪個方向的學生都必須通過一定數量的核心課程的學習,如算法、分布式操作系統、人工智能等,這些核心課程應由教師來講授;同時,應嚴格課程的考核制度和課程評價體系。對于選修課,由于其主要目的是擴展學生的視野,培養學生分析問題和研究問題的能力,所以應借鑒國內外Seminar課程的成功經驗,積極有效地激勵教師和學生共同上好Seminar課。

博士生教育是一項復雜而艱巨的系統工程,而其中的課程學習是研究生培養中非常重要的一個環節,如何通過嚴格的培養機制和靈活的培養方法,在給學生傳授基礎知識的同時培養學生分析問題和解決問題的能力;如何將合理的研究生課程體系和研究項目結合起來,嚴格博士生培養機制,完善博士生資格評估體系,從制度上保障博士研究生的質量;以及如何真正教會學生探索科學基本問題的方法,培養學生良好的科研習慣和勇于開拓創新的精神等,是我們在計算機學科建設中應該進一步思考的問題。

第3篇：人工智能課程論文范文

關鍵詞：人工智能；選修課；專題討論

中圖分類號：G642.0？搖 文獻標志碼：A 文章編號：1674-9324（2012）12-0053-02

一、引言

《人工智能》是一門跨學科的課程，它的內涵十分豐富，包含了符號學、數理邏輯、神經網絡、遺傳算法、知識表示和推理、模式識別、機器學習等方面的知識，并且內容抽象，使得一般本科生望而生畏。目前在大多數院校里尤其是二本院校，《人工智能》只是作為一門選修課程。既然是作為選修課程，我們可以不拘泥于傳統的教學方式，采取靈活多樣的教學形式，培養學生研究這個領域的興趣，使得學生既能掌握人工智能領域的基礎理論，又能了解目前人工智能的前沿課題，擴大知識面，并為今后的研究打好基礎。

二、改革教學方法

在傳統的教學模式里，教師往往就一本教材從頭到尾講授給學生，教師講什么，學生就聽什么。但是人工智能涉及太多的數理邏輯推理知識，內容抽象，講解起來不免有點枯燥無味，學生的興趣就會隨著講課的進程逐漸變得淡薄。另一個問題是在傳統的教學模式下，學生接觸不到該研究領域的前沿問題。事實上，隨著科技的進步，人工智能技術也在不斷發展，再加上人工智能本身的特點，即它是一門交叉學科，涉及計算機科學、信息科學、控制科學、認知學、生物學、哲學等等領域。因此當學生了解了當前國內外學者所研究的前沿課題，這樣不僅能克服“枯燥無味”的問題，而且會拓寬他們的知識面，從而他們可以將自己所學專業作為人工智能的潛在應用或研究領域。基于以上分析，考慮到人工智能是適合任何專業學生學習的一門選修課，我們設立分專題講授模式，這些專題包括：人工智能與類人思維，人工智能與機器進化，人工智能與知識表示，人工智能與決策規劃等等。下面分別敘述之。

1.人工智能與類人思維。什么是人工智能？Nilsson指出：“人工智能是關于人造物的智能行為，而智能行為包括知覺、推理、學習、交流和在復雜環境中行為。人工智能的一個長期目標是發明出可以像人類一樣或更好地完成以上行為的機器……”那么為了這個長遠目標，我們應該深入地探討人類大腦是如何思維的，或者說是如何思考問題的，人類是如何感知、理解以及應付外界龐雜的世界。只有深刻理解了人腦功能原理以后，人工智能才能“貢獻出”相應的類人思維模型。這相當于空氣動力學，人類飛行器只是根據空氣動力學的原理構造的，它并不要求人類制造像鳥兒一般的飛行工具。因此在這部分教學過程中，可以先提出“大腦是如何思維的”問題，讓學生自己動腦思考，相互探討：人腦的結構是什么？人類思考問題分層次嗎？什么是智力？智力的本質是什么？……課后，學生可以帶著這些問題查閱資料文獻，分組討論，甚至可以寫一些文章來闡述自己對思維的理解。這樣既充分調動了學生學習的積極性，又培養他們的興趣。然后，我們在課堂上進行具體講解，講解內容自然而然地引入了人工智能的定義，人工智能歷史知識，圖靈測試方法以及認知模型方法，接著再介紹目前國內外類人思維模型的研究現狀。這樣的教授過程，一開始就使得學生不排斥這門課，在了解人工智能基礎知識外也接觸到認識論方面的知識，培養了學生查閱文獻和撰寫科技論文的能力。

2.人工智能與機器進化。這部分專題主要給學生講解遺傳算法方面的知識，比如遺傳算法的產生與發展，遺傳算法的基本操作，遺傳算法的應用情況。并且在教學過程中結合實例來講述。實例可以從最基本的簡單函數優化到復雜的旅行商問題。學生可以自己設計函數優化的解決方案，指出初始種群大小、進化代數、交叉率等因素對求解結果的影響，并要求學生自己編寫程序來分析和理解這些問題。這些實驗和設計極大地提高了學生的動手能力。

3.人工智能與知識表示。知識表示可看成是一組描述事物的約定，在人工智能里，它研究怎樣把“人類知識”表示成機器能處理的數據結構。經典人工智能的主要表示方法有：一階謂詞邏輯表示方法，這是最基本的表示方法，具有嚴謹的公理體系；產生式規則表示方法，這是使用最廣泛的表示方法；語義網絡、框架、腳本表示方法，這是結構化的表示方法，等等。但是學生在學習這部分的知識時，對于邏輯推理覺得非常枯燥無味。我們的想法是在介紹這部分的知識時，不僅透徹闡述各種表示方法的精神實質，而且建議學生閱讀Sowa所編著的《知識表示》一書，該書提供了知識表示方面廣泛的知識，是這一領域的公認權威著作。Sowa在介紹新思想的同時捕捉到這一領域的最新成就，并且將邏輯學、哲學、語言學和計算機科學結合到知識表示，并將其轉換為可計算形式。該書中還包含了大量的哲學和語言學的知識，閱讀該書可以使得學生知識面得以拓寬，加上該書目前沒有翻譯版本，鼓勵學生閱讀英文原著，對學生各方面能力的提高都有所幫助。

4.人工智能與決策規劃。在決策規劃中，著重介紹增強學習、偏好理論等基礎知識，由于我們在這個方面上做了許多工作，因此在講解時聯系自己的研究進行一些專題探討，例如雙馬爾科夫過程決策模型，協同算法，超濾偏好模型，樸素描述邏輯在中醫理論上的應用等等，并歡迎學生和我們共同研究這些專題，這樣做無疑會增加師生之間的學術交流，促進學生的研究興趣，形成良好學術氛圍。

5.豐富多樣的教學形式。除了以上的專題外，還可以開設其他的人工智能專題。事實上可以針對不同專業的學生確定專題的內容和形式。例如對于工程類的學生，可以著重講述神經網絡，進化計算等方面的內容，并且借助于Matlab提供的相關工具箱進行實驗設計。因為大多數工程類的本科生都學習過Matlab語言，該語言在科學研究和工程實踐中應用廣泛，在教學過程中也要充分發揮這些優點。如是文科類的學生，教學方面可以著重講述人工智能的符號學，哲學等方面的知識，這讓文科學生從另一個角度去理解人工智能。課堂上，充分利用多媒體教學，采取多樣的教學手段，激發學生的興趣和好奇心。還可以播放國際機器人大賽等錄像片段，增強課堂的教學效果。

三、結束語

總之，將人工智能分專題來講授，讓學生立刻能接觸到當前人工智能的前沿研究問題，并且領會其中的實質。再加以多元化的教學手段，使得學生好學，樂學，更好地實現教學目標，提高教學水平。

參考文獻：

[1]Nils J. Nilsson，著.人工智能[M].鄭扣根，莊越挺，譯.北京：機械工業出版社，2004，6.

[2]John F. Sowa.Knowledge Representation：Logical，Philosophical，and computational Foundations[M].北京：機械工業出版社，2003，6.

[3]韓麗娟，孫玉紅，李圣君.《人工智能》教程改革初探[J].電腦知識與技術，2007，（13）：222-223.

[4]馮愛祥，羅雄麟.本科“人工智能”課程的教學改革探索[J].中國電力教育，2011，（10）：111-112.

[5]李春貴，王萌，何春華.基于案例教學的“人工智能”教學的實踐與探索[J].計算機教育，2008，（9）：53-54.

[6]曾安，余永權，曾碧.人工智能課程教學模式的探討[J].江西教育學院學報（綜合），2006，27（6）：40-43.

[7]王蓁蓁，邢漢承.擬人類思維的形式結構數學模型[J].智能系統學報，2008，3（6）：529-535.

第4篇：人工智能課程論文范文

【關鍵字】人工智能；課程改革；高中；信息技術；課程實施

【中圖分類號】G420 【文獻標識碼】A 【論文編號】1009―8097 (2008) 10―0043―04

教育部在2003年頒布的高中信息技術新課程標準中，首次把“人工智能初步”設置為選修模塊，與多媒體、網絡、程序設計、數據庫技術等一起列入信息技術課程體系[1]。此舉曾被視作信息技術課程改革的亮點之一。然而，在如今高中信息技術新課改已經全面鋪開之際，人工智能選修課程的推進仍然舉步維艱，面臨諸多困難和問題。

一 高中人工智能課程的現狀分析

自2004年我國部分省級實驗區開始推進高中新課程改革以來，信息技術課程改革已經開展了四年之久。從目前的總體情況來看，信息技術課程的基礎模塊與多媒體技術、網絡技術、算法與程序設計三個選修模塊的實施情況較好，而數據庫技術與人工智能初步兩個選修模塊的推進情況相對不佳。特別是人工智能課程，至今在全國范圍內正式開設該課程的學校寥寥可數，少數高中展開了一定的探索和實驗，而大多數學校仍持有觀望態度。以下分別從實施取向和實施層次的角度分析該課程的現狀：

（1） 課程實施的取向

由于我國長期以來實行的是全國統一的課程與教材，按照統一規定執行教學計劃，對學校和學生的評價也是按照統一標準與方式實施的，因此我國以往的課程實施基本上都采用了忠實觀的取向[2]。本次新課改中信息技術課程的實施過程難免受到這種取向的影響。然而，新課程標準中對信息技術技術各個模塊的具體實施并沒有明確而詳細的規定，從而使教師對包括人工智能模塊在內的課程實施缺乏長期慣于依賴的參照和依據，增加了課程實施的難度，造成部分模塊的課程難以開設的情況。

（2） 課程實施的層次

課程實施包括五個層面的變化，即教材的改變、組織方式的改變、角色和行為的改變、知識與理解的改變、價值的內化[3]。目前高中人工智能課程在教材改變的層面已經做出了一定的努力。在課程標準的指導下，現已出版的五套教材在體例、版面、學習活動、評價等方面進行了多樣化的設計，基本上貫徹了新課標所倡導的課程目標和理念。在組織方式的層次，少數已經開設人工智能課程的學校結合學生的興趣與學校的實際情況，有針對性地開展了課程的組織。然而，仍然有一些地區或學校不愿或不習慣打破原有的課程組織方式，而是采用硬性規定的方式，人為指定兩三門課程，將選修變為必修，限制學生的自由選擇，依然維持原有的固定班級授課的形式。教材的改變僅僅是課程實施的開始，在組織方式、角色或行為、知識與理解、價值等層次，大部分學校還未發生變化或變化還很小。

（3） 課程實施的典型個案

目前國內開展人工智能課程教學或實驗的典型學校如表1所示。總體來看，這兩所學校都地處東南沿海地區，且學校本身比較積極參與高中新課改的實踐探索，屬于“敢于吃螃蟹”的類型。考慮到課程本身的要求較高，兩所學校都選取了基礎較好的學生開展教學。到目前為止，兩所學校均已開展了三期的教學或實驗探索，任課教師及時總結教學心得體會，并在相關教學刊物或課程研修活動中與廣大一線教師分享教學經驗。

二 高中人工智能課程的影響因素

根據Snyder的研究，可以把課程實施的影響因素歸納為四個方面：課程改革自身的性質、校區的整體情況、學校的水平以及外部環境[4]。結合高中人工智能課程的現狀，本文分別從以上四個方面來探討影響該課程的主要因素。

（1） 課改自身的性質

課程改革本身的性質是影響課程實施的第一要素。它包括課程改革的必要性及其相關性、改革方案的清晰程度、改革內容的復雜性以及改革方案的質量與實用性。結合信息技術新課程改革的相關調查研究，廣大信息技術教師和教研人員對課改的必要性應該認識得比較到位，然而他們對信息技術課程中是否有必要單獨開設人工智能模塊存有疑惑。其次，不少教師對課程改革方案（課程標準）的認識并不是非常清晰。他們認為新課程標準中的教學理念、實施建議等內容相對抽象，不易把握和理解，缺乏具體的針對性，可操作性不強。再次，人工智能課程的實用性相比其他模塊并不明顯，課程內容也相對難度較高。這些因素造成課程設置的必要性不強、實施難度大、實用性不高，直接影響人工智能課程在學校的順利設置。

（2） 校區的整體情況

校區的整體情況主要包括地區的適應性、地方管理部門的支持、教學隊伍的培養、教學研討和交流等等。各地區對課程改革的需要程度會直接影響人們實施課程的積極性和主動性。我國東西部地區的學校對課程改革的需求程度不同，從而造成了課程實施的地區差別。從目前開設人工智能課程或教學實驗的學校來看，均分布于東南沿海較為發達的地區。這些學校的共同特點是基礎條件較好，對課程改革的積極性高，敢于進行教學嘗試和革新。此外，地方管理部分的支持對課程實施也有很大影響，如廣東省為了推動信息技術課程改革，專門出臺了關于課程標準的教學指導意見[5]。其中強調“要特別注意人工智能初步”，并針對人工智能課程提供了較為具體的教學建議，從而促使該省出現了全國最早正式開設人工智能課程的學校。師資隊伍也是影響課程的因素之一。目前大多數高中缺乏熟悉人工智能課程內容和教學方法的專業教師，使得學校無法開設該課程。因此，有關人工智能課程的研討和學習交流顯得尤為重要，然而目前這些方面的活動總體上相對缺乏。

（3） 學校的水平

學校水平對課程實施的影響因素包括校長的作用、教師的個人特征和教師集體的行為取向。學校是課程改革的基本單位，校長和教師是學校課程改革的動因。校長對課改理念的理解，以及對課改的支持、參與程度都會影響課程的順利實施。校長通常會根據上級主管部門的意見，結合本校的實際情況，權衡課程改革可能對學校形成的各種影響。在高考的影響下，信息技術課程在高中各科中長期存在地位“低人一等”的現象，甚至出現課時常被“侵占”的現象。如果校長對信息技術課程本身不重視，那么要求學校開設人工智能選修課無疑是一種奢望。此外，一所學校教師個人和集體的改革意識的強弱也會影響課程的實施。從人工智能課程的現狀來看，恰好印證了這一點：改革意識強的教師個人或教研組即使沒有上級的硬性指令，也能積極展開各選修模塊的教學嘗試和探索，并自覺地從教學者成長為研究者，而思想保守的學校即使具備了課程實施的基本條件，也不愿積極開設相關的選修課程，長期停留于課程的“忠實執行者”的層次。

（4） 外部環境

外部環境因素主要包括政府部門的重視、外部機構的支持以及社區與家長的協助。各國課程改革的經驗表明，教育行政部門和相關機構的態度在很大程度上影響到新課程的順利實施。特別是我國長期以來受到前蘇聯教育模式的影響，課程改革通常是自上而下的模式，新課程的實施主要依靠各級政府教育行政部門的政策和指令的推動。本次新課程改革同樣繼承了這一模式，但是整個教育體制和評價體系未能及時進行相應的調整，因此在某些方面造成各級教育部門的政策抵觸，出現“上有政策、下有對策”的情況。此外，社區與家長對新課改的認識和態度也影響到人工智能課程的實施。研究表明，社區與家長更加關心的是新課改是否有助于提高學生的學業成績，是否會給學生造成更大的負擔，而對學生能力的全面發展和個性的培養則是其次的考慮。因此，要使社區與家長認識和了解課程改革的意義和目標，引導其關心新課程、支持新課程才能更好的促進新課改的健康發展，進而才可能使得包括人工智能在內的高中各科選修模塊得以全面開設與實施。

三 高中人工智能課程的反思

通過調查訪談以及與相關授課教師的交流，筆者了解到高中人工智能課程的教學情況和教師的經驗體會。總體來說，該課程的推進情況不如預期理想，需要從課程的設計、管理、教學以及評價等方面進行反思。

（1） 課程設計

本次高中信息技術課程改革將原來的一門課程分解為1個必修模塊和5個選修模塊，從而給學生提供多樣化的選擇。“人工智能初步”選修模塊是作為智能信息技術處理專題設置的，以反映信息技術學科的發展趨勢，體現教育的時代性要求。課程設置的目的在于使學生在技術掌握與使用的過程中，逐漸領會信息技術在現代社會中的應用以及對科學技術和人類發展的深遠意義[6]。然而，以上的描述更多是該模塊的隱性價值，相比其他模塊該課程的顯性價值并不是很直觀。而一線的信息技術教師較多關注的是該課程的顯性價值：課程能給學生帶來些什么？學生的實踐能力能否有較大提高？教師們在沒有找到一個合理的價值依托之前，一般不會貿然開課。這一點值得課程設計者和教研人員的深刻思考。

通過網絡問卷調查，不少教師認為人工智能課程在高中開設是有一定必要性的[7]，但并不意味著所有的學生都需要學習該課程。課程應面向對人工智能有一定興趣的學習者，且最好有一定的基礎。事實上，相對于其他選修模塊，選擇人工智能課程的學生并不是很多。因此，結合我國目前的情況，可以考慮優先在發達地區條件較好的部分學校開設，再進一步利用其示范作用，以點帶面，逐步鋪開培訓、指導、交流的規模和影響面，積極穩妥地推進高中人工智能課程的建設。

（2） 課程管理

課程的有效管理有助于提高課程實施的質量。上個世紀90年代以來，我國的中小學課程由原來的中央集權管理體制逐步轉變為國家、地方、學校的三級管理體制。國家負責課程的總體規劃，省級教育部門結合本地區實際制定課程計劃或實施方案，而學校也將有權根據學校傳統或學生興趣開發適合本校的課程。目前人工智能課程雖然已被列入國家課程標準，但在地方管理層面并未得到應有的認可。部分地區考慮到高考因素，直接將人工智能模塊排除在學生的選擇范圍之外，無疑成為阻礙該課程順利實施的一個重要原因。

目前我國高中了解熟悉人工智能教學內容、方法的教師十分缺乏，相關教育主管部門需加強該課程的師資培養，邀請教材編寫人員和相關專家，積極開展各級培訓、研討和交流活動，以務實的態度來聽取學科教師的意見，為他們提供一些明確的、可操作的指導和建議。也可以開展優秀教學案例的征集和評獎，通過公開課的觀摩和點評活動，或吸納中學教師參與有關課程改革和教學研究的課題，以此提高教師參與改革的積極性。此外，國內高等師范院校信息技術相關專業應該對新課改作出及時的反應，針對高中信息技術各選修模塊為師范生開設相關的課程，為課改的成功實施提供后備師資力量的支持。

（3） 課程教學

從已開展的人工智能課程教學或實驗情況來看，主要的教學體會包括：教學對象選取時要有針對性，不宜硬性指定，應結合學習者自己的興趣和學習基礎供其自由選擇；由于課程的理論和技術的要求較高，不宜大量采用“講授法”進行教學，應設計一些有挑戰性的活動供學生實踐；為保證教學進度有序進行，可通過課堂小測及時鞏固所學內容；應提供良好的網絡條件和計算機設備以支持課程教學和實踐的順利開展。

國外一些高校通過遠程網絡的手段與中學合作開展人工智能教學，加快了課程建設的步伐，并提高了教學質量。大學負責教學網站的建設維護，主持與中小學的討論答疑，中學則負責課程教學的具體實施。文中個案也印證了這種做法的有效性：讓一些致力于高中人工智能課程研究的高校和部分條件較好的中學建立共同體，協作推動課程的實施。一方面，高校研究人員能為中學提供教學指導建議、技術和資源的支持；另一方面，中學的教學實踐也為高校進行課程教學研究提供了材料和依據。

（4） 課程評價

研究表明，評價目前已成為影響高中信息技術新課程實施的一個重要問題[8]。從本次課改的動因來看，針對我國現行教育體制下的高考選拔制度在很多方面呈現的弊端，新課改力圖在一定程度上改變這一局面，努力使學習者能夠真正獲得全面的發展。但是，在目前情況下以高考為“指揮棒”的評價體系短期內仍然無法發生質的變化。高中新課改實施以來，部分省份相繼將信息技術課程納入了高考的范疇，以往信息技術課程不受重視的情況逐漸得到了一些改善。然而，高考是否解決信息技術課程評價問題的一劑良藥，進而為人工智能課程的實施及其評價帶來新的希望，目前仍是值得懷疑和思考的問題。特別是當前高考科目已經較多，再增加科目無疑會加重學習者的負擔，且很容易回到應試教育的老路上。

其次，雖然新課程標準中提供了關于課程評價的建議，但是其中的內容仍然比較抽象，可操作性不夠。如在信息技術課程標準的評價建議中，提倡評價主體的多元化，關注學生的個別差異，綜合應用多種過程性評價方式，適當滲透表現性評價的理念，等等。這些內容從理念上來講都是很好的，但是如何在教學實踐中加以操作實施，對一線教師而言仍是不夠明確和難以把握的問題。而且，信息技術課程的每個模塊各有特色，然而課程標準并未就此提供專門的評價建議。因此，一套科學合理、適合人工智能課程的評價體系和方法仍需要教研人員在實踐中不斷摸索總結。

參考文獻

[1] 教育部. 普通高中技術課程標準(實驗) [S].北京:人民教育出版社,2003:9.

[2] 鐘啟泉. 課程論[M].北京:教育科學出版社,2007:207-214.

[3] Fullan, M. & Pomfret, A. Research on curriculum and instruction implementation [J]. Review of education research, 1997, 47(1).

[4] Snyder J.B. & Zumwalt K. Curriculum implementation [M]. In Jackson P. W. (Ed).Handbook of Research on Curriculum. New York: Macmillan Publishing Company, 1992.

[5] 珠海教育信息網. 廣東省普通高中信息技術課程標準教學指導意見 [DB/OL].

[6] 顧建軍等.技術課程標準(實驗)解讀[M].武漢:北教育出版社,004:9.

第5篇：人工智能課程論文范文

先給大家重點推薦一本期刊：中國職業技術教育

中國職業技術教育雜志征稿信息

《中國職業技術教育》雜志是由中華人民共和國教育部主管，教育部職業技術教育中心研究所、中國職業技術教育學會和高等教育出版社共同主辦的一份綜合性中文期刊，集政策指導性、學術理論性和應用服務于一身，是教育部指導全國職業教育工作的重要輿論工具，是服務各級各類職業教育機構的主要陣地。

中國職業技術教育投稿欄目：主要有職教要聞、專稿專訪、綜合管理方略、課程教材、教研與教學、師資隊伍建設、研究與探討、職業指導、職業培訓、高等職業教育等欄目。

再給大家推薦職業教育范文：人工智能背景下職業教育變革及模式建構

董文娟1，黃堯2(1.天津大學教育學院，天津300350；2.北京師范大學國家職業教育研究院，北京100875)

摘要：順應人工智能時代的浪潮，基于新興技術的職業教育變革及新模式建構勢在必行。該文從職業教育智慧化、經濟發展、政策保障、信息化生態重構四個方面，剖析了人工智能時代職業教育變革的現實訴求，并進一步分析了當前職業教育外部環境及其自身發展的困境。人工智能背景下職業教育的變革體現出融合、創新、跨界、終身化的新特征。基于此，從課程、教學、學習、環境、教師發展、評價、教育管理及組織等方面，探究職業教育的變革路徑及模式建構。最后探討了職業教育模式變革還面臨回歸教育本質、規避技術弊端等挑戰，并提出“適應—引領人工智能”的發展目標。

關鍵詞：人工智能；職業教育變革；模式建構；智慧化

“人工智能的迅速發展將深刻改變人類社會生活、改變世界。特別是在移動互聯網、超級計算等新理論、新技術及經濟社會發展強烈需求的共同驅動下，人工智能發展呈現出深度學習、跨界融合、人機協同、群智開放、自主操控等新特征。”[1]人工智能作為新一輪產業變革的核心驅動力，為我國供給側結構性改革下的“新常態”經濟發展注入新動能，使人們的思維模式和生活方式發生了深刻變革。近年來，國家高度重視與社會經濟發展聯系最為密切的職業教育，積極推進職業教育信息化，運用人工智能改革教學方法和人才培養模式，構建新型智能職教體系，提升信息技術引領職業教育創新發展的能力。

一、人工智能背景下職業教育變革的現實訴求

人工智能對傳統教育理念產生了革命性沖擊，職業教育結構不斷調整，勞動力素質與市場需求的矛盾、學習方式與自我價值實現的矛盾等促使職業教育向智慧化、智能化發展。目前，我國處于教育信息化2.0、工業4.0的新時期，全球范圍內新一輪的科技革命和產業變革正在加速進行。“一帶一路”“中國制造2025”人工智能等重大國家戰略的提出，及以新技術、新產業為特征的新興經濟模式要求教育領域，尤其是職業教育培養行業、產業急需的技術技能型、智慧型人才，具備更高的創新創業能力和跨界整合能力，促進智慧化發展，助力經濟轉型升級。

(一)職業教育智慧化訴求：職業教育信息化發展的必然選擇

“智慧教育是以物聯網，大數據等信息技術為依托，創造智慧教學環境，轉換教育方法，內容與手段，注重教育網絡化，個性化和智能化的一種教育新模式。”[2]智慧教育作為“一種由學校、區域或國家提供的高學習體驗、高內容適配性和高教學效率的教育行為(系統)”，被視為教育信息化發展的高端形態[3]。因此，職業教育的智慧化并非簡單的數字化，強調信息技術推動職業教育教學模式和方法的變革，改變思維模式，創建價值等方面共享的學習共同體，培養創新型、智慧型人才。

職業教育智慧化是職業教育信息化發展的必然選擇。目前，我國的職業教育信息化水平正在穩步提高，投入持續增加，各種智能信息技術應用于教育教學、實習實訓、測量評價等領域，并逐步成熟，正在努力打造一個信息化、智慧化的現代職業教育生態系統。新時期我國很多地區及職業院校積極提升現有信息化系統的智慧化水平，積極創建智慧校園、智慧社區等，逐步實現了組織管理的智慧化、資源環境的智慧化和服務評價的智慧化。

(二)經濟發展訴求：人工智能時代的新興經濟需要高技能智慧型人才

人工智能時代職業教育運用移動互聯網、大數據等新興技術，與經濟及其他部門跨界融合，不斷創造新產品、新業務，推動職業教育模式創新，形成了以互聯網為基礎設施、人工智能為實現手段的經濟發展新常態。人工智能時代是以現代科學技術為支撐的新時代，各行各業的運作發展和對知識技術的掌握要求達到了更高層面，相應的教育需求也有所提升，市場環境渴求勇于創新、個性化的高技能智慧型人才。職業教育要應對行業上升發展的勞動力需求問題，基于人工智能應用，提高技能培養層級，以適應新的社會勞務需求。現代企業生產依托互聯網科技，與智能化設備直接聯接，通過數據分析和應用，促進科技成果轉化為生產力。勞動密集型企業已不適應現代行業、產業發展，需升級為網絡智能型，與此同時，職業院校的課程模式、專業設置、實習實訓、師資結構等也做出相應的調整和革新，既促進了職業教育的智慧化、智能化，又推動了產業升級和工業變革。

(三)政策保障：國家從宏觀層面保障人工智能時代的職業教育發展

2016年是我國人工智能元年，2017年我國頒布了《新一代人工智能發展規劃》，提出了“將發展人工智能放在國家戰略層面進行系統謀劃和布局”，這預示著我國人工智能時代的全面到來，為我國職業教育的發展提供了良好的宏觀政策環境。人工智能給職業教育帶來了符合時代精神的新內容，積極融合信息技術，整合職業教育資源，提升公共服務水平，影響和改變了原有的教育生態。緊密依托信息共享平臺，突破時空限制，讓學習者自我選擇，更加人性化和智能化。我國很多職業院校已經開啟了智慧校園的行動計劃，一些大中城市也在積極制定實施智慧城市的發展規劃，在良好的政策保障中提升智慧化水平。

(四)信息化生態重構訴求：人工智能時代的職業教育變革是對職業教育信息化生態系統的重構

“依據《2006-2020年國家信息化發展戰略》，我國正在有序推進數字教育向智慧教育的躍遷升級和創新發展。”[4]在新興智能信息技術的催促下，技術變革帶來了職業教育系統的顛覆性創新改革，打破現有的條條框框，改革傳統教育模式，再造教育業務新流程。在職業教育領域創新應用物聯網、大數據、人工智能等先進技術，提升各科各門教育教學業務，打造各級各類智能實訓部門、培訓機構，覆蓋貫通中高職院校，整合系統內外現有資源，推進智慧教育生態有序發展，為各類用戶提供最適合、最智能的職業教育資源和服務，完成對職業教育信息化生態系統的重構。

二、當前職業教育發展的現實困境

人工智能對各行各業的影響具有革命性和顛覆性，可能帶來新的發展機遇，也可能帶來不確定性的挑戰，比如可能會改變就業結構、影響政府管理、威脅經濟安全等，還可能會沖擊法律與社會倫理，影響社會穩定乃至全球治理。當前，人工智能與“大眾創業、萬眾創新”浪潮席卷而來，職業院校既是人工智能應用的戰場，又是培養技術創新型人才的“夢工廠”[5]。人工智能時代的職業教育信息化發展迅速，影響是廣而深的，對職業教育外部環境及其本身都造成了極大的沖擊。

(一)職業教育外部環境發展困境

“據聯合國教科文組織預測，到2020年，人工智能將替代20億個工作崗位”[6]，那些技術含量低、重復性強的技能將被智能機器、數碼設備所替代，工業機器人也將大面積應用。智能設備替代行業勞動力，能夠降低勞動成本，且具有高效、易操作等競爭優勢。傳統職業教育培養模式很難適應未來行業、產業的發展需求，人工智能沖擊職業教育就業崗位，撼動其所依附的崗位基礎，對職業教育的生存與定位產生了威脅。因此，根據智能時代職業教育的崗位特征與需求，提升職業人才的知識結構和專業技能，是新形勢下職業教育的發展方向。

(二)職業教育自身發展困境

近年來，人工智能在職業教育領域內的應用和提高是目前職業教育的發展趨勢。我國重視職業教育信息化、智能化發展，各級各類職業院校在信息化基礎設施建設、校園信息化管理等方面都有了顯著提升，但信息技術與職業教育的深度融合仍不夠緊密，表現出信息化管理效率低、科學決策水平低等現象。人工智能背景下職業教育自身發展的困境表現在：

1.課程與教學困境

職業院校新課程改革提倡構建智慧課堂，制定個性化學習計劃，注重課堂實施效果。但目前的實際課程教學仍是以教師為中心，強調知識的灌輸，重視統一性和計劃性，與教育改革提倡的個性化教學相去甚遠。教學方法、教學理念更新慢，很難激發學生的內在學習動力，創新性思維弱，使得個性化教育的無法實現。近年來，中央、省、市、縣四級教育平臺逐步建立起來，課程與教學的層級設計逐步完善，但在實施的過程中，各級平臺之間存在溝通不暢等問題，各級資源內容不系統，不銜接，導致無序疊加和資源的重復浪費，“精品課程”等項目豐富了課程資源，但質量不高。在線課程與教學以傳統的科目、章節為單元，構建系統性的在線教育內容，為用戶提供專業化的知識選擇，但由于受時間條件等限制，大多數受教育者習慣于碎片化學習，連貫性和整體性差，缺乏對課程與教學體系的系統性學習。

2.認知困境

隨著人工智能時代的到來，許多職業院校將“未來教室”“智慧課堂”定位為未來發展方向，進行了多種嘗試和改革，如MOOC混合教學、翻轉課堂、多屏教學等，但“管理者和施教者對智慧教育的理解多停留在‘智慧課堂=多媒體+傳統教學的層面’，教學觀念和思維依然固化，并沒有因為新技術的參與而得到實質改變”[7]，缺乏對多媒體網絡架構和智能學習平臺的深層認識，更缺乏對管理評價和互動交流等模塊的理解與掌握，雖投入大量人力財力采購了數量巨大、設備精良的多媒體設備和智能服務設備，但沒有充分有效使用，大大限制了智慧教育的發展潛力。

3.用戶困境

傳統教學以群體教育為基本單元，教師和學習者作為學習共同體，在管理、學習的互動過程中形成強大的群體約束力，促進雙方共同進步。在信息化教育時代，學習者自由掌握學習時間和進度，遇到問題可能無法及時解決并獲得反饋，無法進行面對面交流，因此，基于人工智能網絡化學習平臺，學習者需要高自控力、高學習能力才能適應這種全新的學習方式。

4.評價困境

傳統的評價方式多依靠經驗和觀察，智慧型評價則是基于學習過程的一種發展性評價，以采集到的學習數據為客觀基礎。在人工智能、數字信息化環境下教育效果的評價實際要受到很多因素的影響和局限，在信息技術與職業教育融合的過程之中，許多智能技術應用于教育教學實踐，難以進行定性定量的智慧評價，如互動交流及深層次的學習評價等。

三、人工智能背景下職業教育變革的新特征

人工智能帶來了思維模式的創新，改變了人們認識問題、思考和解決問題的方式，越來越多地依賴人與智能網絡的協同創新。人工智能背景下的職業教育變革圍繞經濟社會發展大局，“主動服務國家重大發展戰略，加大虛擬現實、云計算等新技術應用，體現校企合作、知行合一等職教特色，以應用促融合、以融合促創新、以創新促發展。”[8]人工智能背景下職業教育的變革必將加速推進職業教育的現代化、智能化進程，表現出了融合、創新、跨界和終身化的新特征。

(一)融合

人工智能技術科學應用于當前職業教育，在最短的時間內整合、重組大量的知識信息，形成科學的技術技能知識體系，為職業教育資源、企業資源、產業資源、社會資源等一切有可能聯結的資源融合提供了可能。為促進職業教育的智慧化發展，在現有的合作模式、集團模式、產教融合模式等實體協作發展的基礎上，建立智能互動的智慧教育供給平臺、常態化智慧課堂和大數據化智慧教育生態系統，為我國新興經濟發展提供高技能、智慧型人才支撐。

(二)創新

信息化時代下“變”為創新立足之要點。創新時代最需要提升的就是創造智慧。“由知識的理解記憶，轉向知識的遷移、應用并最終指向創造發明”[9]，以提高學習者的學習能力和應用能力，提升其創新思維和智慧思維，不斷開拓人類社會發展的高度和寬度。智能化、信息化的時代是創新不斷的時代，是原有知識不斷被更新、技術不斷被升級的時代。人工智能促使社會化協同大規模發展，促進職業教育體系核心要素的重組與重構，創新生產關系，呈現出新的協作架構，開創了新的教育供給方式，增加了教育的選擇性，推動了教育的民主化。學習者能夠按照自己的價值觀、興趣與愛好等選擇適合自己個性發展的學習方式和學習內容，促進學習者個性化、多樣化發展，最終實現教育公平。

(三)跨界

智能科學與職業教育連接起來，搭建起兩者溝通的橋梁，跨越了人工智能虛擬教育和線下實體教育的界限，實現了兩者之間的融合。教育供給由競爭資源轉變為協同合作，直線型的中心組織管理轉向去中心化、泛化管理。通過大數據智能技術平臺、遠程教育平臺等對職業教育資源進行整合共享，跨越教育邊界，與市場、行業、企業以及職業教育培訓機構對接，提供更加便捷的智慧化服務。

(四)終身化

人工智能時代職業教育的變革堅持“以人為本”的教育理念，滿足學習者在任意時間、任意地點、以任意方式、任意步調終身學習的需求[10]。打破了地域和時間的限制，體現了教育的泛在化、個性化和終身化，與終身教育理念的發展目標不謀而合。人工智能時代社會經濟發展加快，人們追求高層次自我價值的實現，充分體現出終身學習的必要性和緊迫性。目前，我國正在積極創建泛在學習環境，致力于構建終身化學習型社會，努力創造有利條件向全民提供終身教育與學習的機會。

四、人工智能背景下職業教育發展的模式建構

人工智能背景下職業教育的變革預示著全新思維意識形態、社會發展形態的變革，重塑職業教育可持續發展的新思維，重構信息時代職業教育的價值鏈和生態系統。智能化技術科學將現代職業教育內部各要素，以及內部要素與外部環境之間，通過虛擬技術和智能化手段互聯貫通，突破傳統教育價值的鏈狀模式，使職業教育由傳統模式走向“人工智能+職業教育”模式的建構。人工智能對職業教育課程、教學、評價、管理、教師發展等方面產生系統性影響，為職業教育提高教育質量和提升服務水平提供了技術支持和現實路徑，解決不能兼顧職業教育規模和質量的矛盾問題。下面將從課程、教學、學習、環境、教師發展、評價、教育管理及組織等方面來探究職業教育的變革路徑及模式建構。

(一)人工智能背景下職業教育的課程模式

人工智能時代的信息知識、科學技術正在以前所未有的速度增長、更新和迭代，呈現出了碎片化、多元化、創新性、社會性的特征。人工智能背景下職業教育的課程模式是為學習者提供按需可隨時選擇的知識儲備智能模式，解決了傳統職業院校課程教學的滯后性，呈現的是現代職業教育的前沿信息和內容。課程革命愈演愈烈，靈活多樣的微課、慕課等形式層出不窮，在線課程將成為常態，信息傳播媒介、知識獲取方式等都發生了巨大改變，課程內容和結構的表現形態、呈現方式、實施及評價等也都進行了相應變革。智能化信息科學技術為課程的設計、架構、實施提供了快捷和便利，為學習者的個性化、終身化選擇提供了多種渠道。人工智能背景下職業教育的課程模式的建構表現為：首先，線上線下融合的大規模開放課程融入現代職業教育，課程的表現形態和實施途徑呈現出智能化、數字化、立體化的特征，成為學校常態課程的有機組成部分，為學習者提供了更多的可選擇機會，使實施個性化課程成為可能。現代職業教育的課程內容強調學術性與生活性相互融合與轉化，融入社會資源，立足于我國社會經濟的新常態和學習者的全面發展，實現社會化協同發展，共贏共創；其次，課程實施的空間得以拓展，跨越了社會組織邊界、職業院校邊界，將從班級、年級、全校擴展到網絡社區以及更大的空間。課程的整體結構從分散走向整合，以技術為媒介，形成跨學科、多學科整合的課程；最后，課程內容的組織、課程的實施逐步模塊化、碎片化、移動化與泛在化，社會化分工更加精細，教師也將承擔教學設計、技術開發、在線輔導等不同的角色。

(二)人工智能背景下職業教育的教學模式

人工智能時代將信息技術有效地融合于職業教育各學科的教學過程，從知識的傳遞轉變為認知的建構，從注重講授和內容，轉變成重視學習過程[11]，構建“以教師為主導，以學生為主體”的以數字化、智能化為特征的智慧教學模式，重視學生的主體地位，引導學生“自主、探究、合作”。人工智能背景下職業教育的教學模式的建構表現為：首先，人們的學習方法、認知方式和思維模式已經發生了巨大的轉變。信息化教學使得信息技術已成為學習者認知的必要工具，認知方式也由“從技術中學”轉型為“用技術學”。其次，信息化教學的重點從“面向內容設計”轉變到“面向學習過程設計”，更加重視學習者發現問題、分析和解決問題能力的培養，關注學習者的學習過程，以及其獲得學習活動的體驗。同時，信息化教學要將課堂內的學習知識和課堂外的實踐活動聯結互動，按照學習者的個性化需求和認知方式自主選擇學習內容。第三，智慧教學將成為課堂教學的新重點。日常教學工作形態不再是點線面的連接，而是呈現為智能化、立體化的教學空間，智慧課堂將會促進學習者的深度學習、交互學習和融合學習，智能備課、批閱以及個性化指導等也將成為教育者新的教學工作形式。從機械評價學習結果轉變成適應性評價學習結果。第四，在線教學、整合技術的學科教學法將成為新的教學形態，促進教育均衡發展，實現跨學校、跨區域的流轉。移動學習、遠程協作等信息化教學模式，能夠實現教師的“教”與學生的“學”的全面實時互動，最大限度地調動學習者的主觀能動性，提升教學質量與人才培養質量。

(三)人工智能背景下職業教育的學習模式

智能系統和互聯網絡為學習者提供了豐富多元的學習資源和環境，推進了教育教學活動與學習環境的融合發展，人工智能背景下職業教育的學習模式也逐步建立起來，具體表現為：首先，智能時代的互聯網絡全面覆蓋每一個人、每一個角落，活動空間由課堂內拓展到課堂外，學習與非正式學習正在互相補充、互相與融合，導致學習者的學習行為變化、學習方式的革新。其次，基于互聯網出現了一批創新的學習方式，借助情景感知技術及智慧信息技術，進行真實過程體驗的情境學習，促進學習者知識遷移運用的情境化和社會化。第三，借助互聯網云技術和各種應用工具，學習者可根據自身學習需求，選擇最優學習方式，也可利用數據分析技術，追蹤記錄學習路徑和學習交互過程，隨時隨地獲取個性化教學服務和量身定制的學習資源，拓寬了智慧教育視野。第四，各職業院校開始拓展校園智慧學習的時間和空間，以實現虛擬和現實相互結合的智慧校園育人環境。推進網絡學習空間建設，加強教與學全過程的數據采集和分析，“引導各地各職業院校開發基于工作過程的虛擬仿真實訓資源和個性化自主學習系統”[12]，強化優質資源在學習環境中的實際應用。

(四)人工智能背景下職業教育的環境模式

智慧教育環境是以大數據、多媒體、云計算等智能信息技術為基礎而構建的虛實融合、智能適應的均衡化生態系統。信息技術與職業教育的深度融合，為師生的全面發展提供了智慧化的成長環境，如智慧云平臺、智慧校園。人工智能背景下職業教育的環境模式的建構表現為：首先，智慧教育環境將信息技術與職業教育服務結合、面對面教學和在線學習結合，形成數字化的、虛實結合的職業教育智能服務新模式。其次，智慧教育環境將促進各種智能化、數字化信息技術融入職業院校的各個業務范圍和業務領域，與系統內的其他業務橫向互聯、縱向貫通，且信息能夠適時生成和采集，全過程實現數字化與互聯化。第三，智慧教育環境能夠感知學習者所處的學習情境，理解學習者的行為與意圖，滿足學習者的個性化需求，提供多元化的適應服務和智能感知的信息服務。互聯網應用基于智能數據分析，實現智能調節與自動監控，為學習者提供定制式的學習服務和個性化的學習環境。未來教室必將變成“虛擬+現實”的智慧課堂，在網絡空間中參與線上課程、線下活動，實現線上線下互動交流。同時，智慧校園的創建和管理，能夠對每個班級、學區進行動態管理，構建出一個以問題、任務為線索，學生實現自主學習的知識體系和促進師生互動、生生互動的智慧管理平臺。到2020年，“90%以上的職業院校建成不低于《職業院校數字校園建設規范》要求的數字校園，各地普遍建立推進職業教育信息化持續健康發展的政策機制”[13]，以學習者為中心的自主、泛在學習普遍開展，精準的智能服務能夠滿足職業教育的終身化定制。

(五)人工智能背景下職業教育的教師發展模式

人工智能背景下職業教育的變革對教師的專業發展、素質能力提出了新要求，改變了教師的能力結構和工作狀態。教育信息化大背景下，互聯網技術、多媒體手段的產生、智能化設備的使用極大提高了教師的專業發展和能力素養，以適應新課程改革與教育信息化的要求。人工智能背景下職業教育的教師發展模式的建構表現為：首先，新時代教師專業發展的內在要求和外在環境都要求教師能夠認識、了解和應用互聯網新技術工具，促使教師專業發展能力和素養的提升和豐富。其次，教師的專業發展要面向實際、情境化、網絡化的教學問題，教師需要在多變的教育情境中綜合運用核心教學技能，將信息技術知識、學科內容知識、教學法知識很好地融合并遷移運用。新時代的教師要學會掌握使用智能化設備和數字化網絡資源，積極加強與其他專家、教師的合作，或遠程工作，形成基于智慧教育技術的多元化的學習共同體。教師的工作狀態由個體的單獨工作轉變為群體的共同協作，大大提升了教師的工作效率。第三，信息化背景下教師的教學理念要發生轉變，由促進學生“接受學習”轉變為“主動建構”，由“被動適應”轉變為“主動參與”，越來越強調以學生為中心的過程體驗，從了解信息技術轉變為掌握智慧教育技術，保持學科知識，教學方法，核心技術的動態平衡，促進學生智慧學習的發生。第四，信息化教師要學會使用智能化教育技術，積極開發數字化學習資源，創設豐富多元的教學活動，鼓勵學生掌握智能信息工具，學會探究和解決問題，發展提升學生的創新思維能力和信息化學習能力。教師的信息化教學能力和素養全面提升，信息技術應用能力實現常態化。

(六)人工智能背景下職業教育的評價模式

現代教育價值趨于多元，以互聯網為基礎的智能化信息技術使教育評價在評價依據、評價內容、評價主體等多個方面實現了全面轉變。人工智能背景下職業教育的評價模式的建構表現為：首先，互聯網信息技術應用于學習過程使得伴隨式評價成為可能，更加關注學習者的個體差異和特點。強調過程評價和多元共同評價，更加客觀全面，重視評價過程的診斷與改進功能，以促進學習者的個性化發展。其次，互聯網、大數據、智能云技術的出現使得評價的技術和手段多樣化、智能化，節省人力物力財力，提高了評價的科學性、針對性。第三，以大數據為基礎的適應性評價因人而異，可獲得及時反饋，可真實地測評學習者的認知結構、能力傾向和個性特征等，從知識領域擴展到技能領域、情感、態度與價值觀，構建以學習者核心素養為導向的教育測量與評價體系，促進學習者發展。

(七)人工智能背景下職業教育的管理模式

智能化信息技術、云計算技術、大數據技術等能夠促進大規模社會化協同，拓展教育資源與服務的共享性，提高教育管理、決策與評價的智慧性，因此，基于互聯網的教育管理必將逐步走向“智慧管理”模式。人工智能背景下職業教育的管理模式的建構表現為：首先，互聯網將家庭、學校、社區等緊密、方便地聯系在一起，拓寬了家長和社會機構參與學校管理的渠道，各利益相關者可共同參與現代職業院校的學校管理，協作育人。其次，新時代的職業院校管理模式通過可視化界面進行智能化管理，業務數據幾乎全部數字化，能有效降低信息管理系統的技術門檻，使管理工作更加輕松、高效。通過深度的數據挖掘與分析，能夠實現個性化、精準資源信息的智能推薦和服務，為管理人員和決策者提供及時、全面、精準的數據支持，以提高決策的科學性。第三，通過互聯網信息技術可以實現全方位、隨時的遠程監督與指導，從督導評估轉變為實時評估，可以實現大規模的實時溝通與協作，促進社會化分工，促進職業院校內部重構管理業務流程，使管理智能化、網絡化、專業化。

(八)人工智能背景下職業教育的組織模式

人工智能時代信息科學技術的蓬勃發展沖擊著學校內部的組織結構向智能化、網絡化的方向發展，各職業院校需要合理調整內部組織結構和資源分配，通過互聯網加快信息流動等方式，提高各職業院校組織管理的效率和活力。人工智能背景下職業教育的組織模式的建構表現為：首先，當今時代人工智能的產生不可能替代學校教育，但可以改變學校教育的基本業務流程。人工智能推動了學校組織結構向網絡化方向發展，教學與課程是提供信息數據的重要平臺，學校組織則構成了教育大數據生態系統。其次，“互聯網+職業教育”的跨界融合將打破學校的圍墻的阻隔，互聯網將學校組織與企業、科研院所等社會機構緊密聯系起來，提供優質教育資源供給，共同承擔知識的傳授、傳播、轉化等功能，促進學校組織體系核心要素的重構。第三，建設“智慧校園”，實現線上線下融合的智慧校園育人環境，實施一體化校園網絡認證，推動智能化教育資源共建共享，實現職業教育信息化建設的均衡發展。

五、人工智能背景下職業教育的模式變革面臨的挑戰及發展目標

人工智能將推進大數據、云技術等智能信息技術深層次融入職業教育課程與教學、組織與管理、評價與反饋等領域，形成社會化多元供給，為學習者提供多樣化的參與方式、自主選擇的學習形式和及時獲得反饋的評價途徑，有利于實現職業教育的共建、共享、共治。但其全面實現，還面臨著諸多挑戰。

(一)挑戰

首先，職業教育的新模式建構需要充足的資金支持。各職業院校積極建構智慧校園，努力實現智慧化產學研環境，打造一體化智慧城市網絡等核心技術的開發，都需要資金的根本保障。政府要給予資金政策保障并加強監管，資金管理部門要合理規劃，合理利用，專款專用，落到實處。其次，職業教育的新模式建構的成果表現離不開學習者對技術的理解、掌握和應用。在實際實施過程中，教育工作者既要利用信息技術優勢變革職業教育，也要避免技術中心主義傾向，“避免一味追趕技術新潮而不顧學生身心健康等，技術本身是一個禍福相依的辯證法。”[14]第三，“目前的教育實踐中，仍未能充分實現人機合理分工和雙邊優勢互補。人工智能終端系統擅長邏輯性、單調重復的工作，而人類則更適合情感性、創造性和社會性的工作。”[15]現階段，信息化技術水平還有待提高，智能機器不能完全勝任知識傳播、數據處理等工作，有待于進一步開發和完善，絕對依賴互聯網絡和設備，還存在一定的風險。

(二)發展目標

人工智能時代職業教育變革重新架構了職業教育發展模式，完成了對資源的重新整合配置，改變了人的思維方式、學習方式和生活方式。人工智能時代下沒有職業教育模式的改革，就不可能建構真正的現代化職業教育。人工智能背景下職業教育的發展目標可以概括為個三方面：

1.“智慧腦”與“智能腦”融通

隨著第四次產業革命的到來，信息技術爆發式發展，造就了以電腦、互聯網為基礎的智能腦。職業教育智慧化發展的一個目標就是如何讓學習者發揮人腦“智慧腦”與機器設備“智能腦”的“雙腦”共同協作[16]。人工智能時代職業教育與信息技術的深度融合，就是要通過“智慧腦”和“智能腦”的協同作用，發揮互補優勢，進行融通式學習，而不是簡單地人腦與電腦的技術對接。

2.“現實世界”與“虛擬世界”結合

在人工智能時代，網絡虛擬技術的發展使人類擁有了真實與虛擬兩個世界，虛擬信息技術的興起在一定程度上會影響職業教育的實體教育，實體教育的發展也需要虛擬技術的支撐。但在具體的學習實踐中，還會存在利用這兩個世界時顧此失彼、難以平衡的問題。目前，虛擬化教育技術在職業教育領域不斷應用與推廣，職業教育的發展模式不斷優化，使得職業院校線上線下的邊界逐漸消融，“現實世界”與“虛擬世界”更好地結合。人工智能時代職業教育的本質沒有發生根本改變，學習者要學會利用這兩個世界虛實融合、高度互動，充分發揮出自身的優勢，更好地學習與生活。

3.職業教育“適應人工智能”發展為“引領人工智能”

人工智能為職業教育帶來了強大的技術支持，為職業教育帶來了便利。初始階段的職業教育基本知識和技能被數字化和智能化，通過人工智能相關課程，云教育模式，個性化學習計劃等，適應并應用人工智能，以提高職業教育的效率和質量。職業教育重在技術創新，對于行業技術發展具有一定的引領性作用。未來人工智能將成為職業院校快速發展和轉型的技術支撐。“如某些職業院校基于自身優勢專業與相關行業的智能自動化企業合作，實現以職業教育發展引領人工智能。”[17]目前，人工智能處于適應性大發展階段，隨著信息化技術的提高和智能化設備的普及，人工智能時代必將由專用人工智能時代步入通用人工智能時代。在通用人工智能時代，人工智能與職業教育深度融合高效協作，職業教育完全適應且完美應用于人工智能，進一步引領人工智能發展，由“人工智能+職業教育”發展為“職業教育+人工智能”的時代。

第6篇：人工智能課程論文范文

關鍵詞：數據挖掘；數據預處理；挖掘算法；Web挖掘；個性化推薦

中圖分類號：G642 文獻標識碼：A

文章編號：1672-5913(2007)14-0027-03

1引言

數據挖掘是一門綜合性的交叉學科，它融合了概率統計學、數據庫技術、數據倉庫、人工智能、機器學習、信息檢索、數據結構、高性能計算、數據可視化以及面向對象技術等，在保險業、電信業、交通業、零售業、銀行業正在被越來越廣泛深入地使用，同時在生物學、天文學、地理學等領域也逐漸顯現出技術優勢，特別是在客戶關系管理系統、個性化網站設計、電子商務系統、搜索引擎等方面數據挖掘技術顯示出了獨特的魅力。數據挖掘技術正在以一種全新的概念改變著計算機應用的方式。

從最近計算機技術的發展以及學生就業方面來看，對本校的應用性本科生開設“數據挖掘技術”課程迫在眉睫。但數據挖掘給人的感覺就是“高深莫測”，當前數據挖掘領域主要是博士生、碩士生研究的領域，數據挖掘課程也只在一些重點大學的研究生或高年級的本科生中開設，應用型本科院校以及一些高職高專幾乎都沒有開設此類課程。這限定了數據挖掘作為一門既有理論又有實踐價值學科的應用和推廣，筆者認為很可惜。從計算機專業的學生的畢業設計以及就業角度分析，相當多的同學以后會從事電子商務類軟件的開發，而這類應用目前都漸漸基于Web作為應用平臺，面對的是海量的數據信息，因此讓學生掌握數據挖掘的思想和方法對提高計算機素養很有必要。即使將來從事控制、通信、游戲、圖像處理等軟件開發，數據挖掘的思想和方法也很容易找到用武之地。

2數據挖掘課程開設的可行性分析

從計算機技術發展以及學生就業反饋的信息，筆者覺得數據挖掘的思想、方法以及算法對應用型本科生是很重要的，并且讓學生掌握好這門課程也是完全可能的。我校從1998年以來一直在高年級本科生中開設了“人工智能”課程，但從教學效果上來看，很不理想。“數據挖掘技術”這門課程在不少地方很像“人工智能”，“數據挖掘技術”課程中的一些思想就是從“人工智能”中發展過來的，但是“數據挖掘技術”課程與“人工智能”課程有一個本質的區別，就是數據挖掘從誕生的一開始就是面向大量的、實際的數據庫信息，因此，具有極強的應用性，如果將“數據挖掘技術”課程看做是“數據庫技術”課程的自然延伸，同時充分利用數據結構、人工智能、面向對象技術與方法、Web技術、概率統計等課程的基礎，就能夠將“數據挖掘技術”課程開設好。于是兩年前，筆者在應用型本科生中做了嘗試，就是取消原來的“人工智能”課程，取而代之的是“數據挖掘技術”課程，從兩年的教學實踐以及教學效果上看，行之有效。并且在教學中發現，雖然數據挖掘技術要用到人工智能的一些思想和方法，但沒有“人工智能”課程作為前導課程，沒有任何影響，因為，數據挖掘中的一些人工智能思想在“數據挖掘技術”課程的教學中是自成體系的，并且是以比“人工智能”中的方法更加簡單、更加直接、更加面向應用的方式。開設“數據挖掘技術”課程必須以下列的課程作為基礎(前導課程)，當然這些課程都是一些常規課程。

1) 必須深入學習一門程序設計語言，通過這門語言的學習可以掌握程序設計的基礎知識，并且掌握面向對象思想開發的精髓，能夠進行可視化程序設計。學習程序設計絕不是記住程序設計語言的語法就行了，而要努力做到將應用中的思想變為程序。這一點是計算機專業學生的基本素養。這一環節沒有做好，其余的計算機專業的專業課程，如數據結構、操作系統、數據庫原理、編譯原理、軟件工程等就無法學習，即使學了，也不能真正掌握。筆者從計算機發展和應用角度，推薦學習C/C++和Java，要求對C++的模板以及STL或Java的數據結構類(在Java的util包中)能夠較好掌握。

2) 掌握“數據結構”課程，特別是“數據結構”課程中的樹的特點和應用。在“數據結構”課程中，樹主要以二叉樹為主，對于一般的樹，在當前的“數據結構”課程的教學中都是將一般的樹轉化為二叉樹來進行處理的，但是在數據挖掘中這樣不太方便。數據挖掘中的很多算法都涉及到樹的應用，并且大多都是不太規則的樹，在數據挖掘中，采用樹的思想與Java中的數據結構類或C++中的STL相結合的方法，能夠得到很好的效果。

3) 掌握“數據庫技術”課程中數據庫操作的特點和應用。數據挖掘的對象主要是數據庫中的數據，但作為數據挖掘對象的數據庫的數據信息量往往很大，因此，為了提高挖掘的效率，需要建立數據倉庫，或者需要在算法上加工，盡量減少掃描數據庫的次數。

4) 掌握“Web技術”。這是因為Internet已經廣泛應用并且深入人心，未來的軟件相當多的都是基于Web平臺之上，因此，對于Web挖掘不僅重要，而且具有直接的應用價值。當前Internet上的軟件如一些知名網站、搜索引擎以及一些電子商務系統，采用了數據挖掘技術，得到了很多有價值的信息或提高了個性化能力，大大增強了企業的競爭力。因此，掌握“Web技術”課程對Web挖掘很有裨益。

5) 熟悉“概率統計”課程中的思維方式，對各種分布以及條件概率能夠熟練掌握，在數據挖掘中的分類、關聯規則等領域很多挖掘方法都靈活運用了概率統計中的思想和方法。

從“數據挖掘技術”課程的教學實踐中明顯看出，主要需要以上幾門課程，并且教學結束后發現，學生不僅能夠掌握數據挖掘的思想、方法以及算法，通過對一些主要的挖掘算法的實現，對“數據庫技術”、“程序設計語言”、“數據結構”、“Web技術”以及“概率統計”掌握得更加深刻，將“數據挖掘技術”作為“數據庫技術”的自然延伸，是“程序設計語言”、“數據結構”、“Web技術”以及“概率統計”的綜合運用得到良好效果。

3 “數據挖掘技術”課程的設置

一門課程的設置，不僅要根據當前計算機技術的發展，同時也要根據當前學生的就業需求，充分考慮到應用型本科學生的特點。兩年前，經過多方面的考慮以及參考了各種國內國外數據挖掘的教材以及論文后決定，“數據挖掘技術”課程教學學時定為32課時，講課22學時，上機實驗10學時。在這個總的學時定下來之后，就是對“數據挖掘技術”課程的內容設計，這是最重要的環節。精選出的內容不僅要反映數據挖掘的特點以及最新發展，還要結合應用型本科生的特點，要具有很強的針對性，重點要突出，要能夠“學以致用”。最后“數據挖掘技術”課程的教學內容如下：

1) 數據挖掘綜述2學時。本講側重于從兩、三個具體應用領域進行分析得出采用數據挖掘技術的重要性與必要性，可以選取客戶關系管理、體育競技、信息安全和商業欺詐等作為案例，然后給出完整的數據挖掘定義和數據挖掘技術的分類，以及數據挖掘需要的一些前導課程的知識要點。

2) 數據挖掘過程及當前數據挖掘的軟件工具2學時。數據挖掘的過程是數據抽取與集成、數據清洗與預處理、數據的選擇與整理、數據挖掘以及結論評估。本講重點講解挖掘的過程，強調數據預處理對挖掘的重要意義，對于缺省的值、殘缺的值等的處理方法。讓學生對數據挖掘的整體過程有清楚的理解。然后介紹一下當前流行的商品化數據挖掘軟件如IBM的IntelligentMiner和加拿大Simon Fraser 大學的DBMiner。

3) 關聯規則挖掘與序列模式挖掘6學時。在介紹關聯規則原理的基礎上，主要介紹著名算法Apriori及其改進、FP_Tree算法、用于序列模式挖掘的AprioriSome算法。每個算法需要2學時，對每個算法要進行徹底分析，不僅能夠理解算法的原理、思想以及過程，還要分析算法提出人為什么會提出這種算法，在日常生活中的含義是什么，算法的優點和缺點是什么，以及如何用Java或C++來編程實現該算法。最后，對多層次關聯以及數量關聯規則挖掘做個簡單介紹即可。

4) 分類技術4學時。介紹分類的原理，主要講解ID3和C4.5、樸素貝葉斯分類，簡單介紹一下BP神經網絡的分類。對于C4.5要求能夠從原理上把握整個算法，能夠進行連續值的離散化處理，理解C4.5比ID3的優勢所在；對于樸素貝葉斯分類，要深刻理解該分類的原理以及貝葉斯信念網絡的工作原理。特別的，對于FP_TREE以及C4.5算法的實現，需要用到不規則樹，提出用C++或Java解決這種不規則樹的方法。

5) 聚類技術4學時。在介紹聚類的重要性和分類的基礎上主要介紹劃分聚類PAM算法思想以及基于密度聚類DBSCAN，對于當前重要的聚類STING和CLIQUE做個簡單介紹。最后，比較聚類和分類的不同之處。

6) Web挖掘與個性化推薦技術4學時。對于Web挖掘從內容挖掘、訪問行為挖掘和結構挖掘三個方面進行講解，重點講解個性化技術。對基于最小關聯規則集的個性化推薦以及基于協作篩的個性化推薦作深入剖析，并指出在當今網站設計中的重要意義。

7) 上機實驗設計。精選五個上機實驗。第一個實驗是關聯規則的Apriori算法或FP_Tree算法的實現，兩個任選一個，如果選擇Apriori的話，需要采取一些效率改進措施；第二個實驗是序列模式挖掘中的AprioriSome算法；第三個實驗是分類技術中的ID3或C4.5算法，這兩個算法的主體相同，任做一個即可；第四個實驗是聚類中的PAM或DBSCAN算法，兩個任選一個；第五個實驗是利用協作篩進行個性化網站的智能推薦。以上五個實驗每個實驗2學時，建議編程語言采用Java或C++，最后挖掘結果具有可理解性。

當然，以上的課程內容設計會隨著數據挖掘技術的發展，不斷進行微調，以適應不斷變化的計算機技術發展與社會需求。

4 “數據挖掘技術”教學實踐總結

兩年前，雖然已對“數據挖掘技術”課程作了充分準備，但在剛開設這門課程的時候，很擔心這門“高深莫測”的課程的教學效果。但經過兩年的教學實踐發現，這門課程的教學效果比預想的還要好。通過對該門課程的學習，學生不僅基本掌握了數據挖掘的基本原理和算法，同時對以前的一些主干課程如數據結構的理解和運用有了非常深刻的認識。更為重要的是，本課程的五個實驗都是數據挖掘領域中最經典、最重要的算法，通過對這些算法的編程實現，不僅理解了數據挖掘關鍵算法的精髓，同時，這些數據挖掘算法實現的程序經過不斷改進、加工，性能不斷提高，由于都是源代碼，可以將這些算法應用到一些實用的軟件系統如客戶關系管理系統、個性化網站中去，收到良好效果。此外，在網上的一些數據挖掘論壇中，經常看到一些初學數據挖掘的研究生或技術人員很想看一看數據挖掘經典算法的具體程序實現，我們也將這兩年不斷改進的程序源代碼作為免費資源贈送給了不少同行，也為數據挖掘的推廣應用貢獻了微薄之力。

5結束語

“數據挖掘技術”課程的教學嘗試目前主要針對的是本校應用型計算機專業本科生，雖然收到了良好的效果，但“數據挖掘技術”絕不僅僅是計算機專業學生才需要掌握的課程，對于我校通信系、電力系、自動化系等工科專業，經濟系、管理系甚至一些文科類的學生也很有價值，因此，怎樣在非計算機專業的應用型本科生中開設好這門新興課程，甚至在高職高專學生中也開設好這門課程，則是需要作進一步的探索和嘗試。

參考文獻：

[1] 毛國君. 數據挖掘原理與算法[M]. 北京：清華大學出版社,2005.

[2] 陳文偉. 數據挖掘技術[M]. 北京工業大學出版社,2002.

[3] 余力. 電子商務個性化[M]. 北京：清華大學出版社,2007.

A Test to Applied College Students on Teaching Data Mining

XU Jin-bao

(Dept. of Computer Engineering, Nanjing Institute of Technology,

Nanjing 211100,China)

Abstract:Data mining becomes more and more important in nowadays. To applied college students, mastering the basics and methods of data mining technology demands immediate attention. This article gives some suggestions on how to teach these students well. The content of data mining technology course and experiments are selected elaborately. Mining technologies such as association rule , data classification, clustering , web mining and personalized recommendation are emphasized.

第7篇：人工智能課程論文范文

耿國華，工學博士，1978年西北大學計算機專業學習、任教，1989年～1994年任西北大學計算機科學系副主任，現任西北大學信息學院副院長，教授、博士生導師，教育部文科計算機基礎教學指導委員會副主任，陜西省計算機教育學會副理事長，陜西省人工智能與模式識別專業委員會副主任；1989年、2007年獲陜西省優秀教師，2006年獲陜西省教學名師，帶領的計算機核心課程教學團隊榮獲2007年陜西省教學團隊。

多年來從事智能信息處理、數據庫與知識庫的教學與研究工作。主持承擔2項國家自然科學基金以及多項省自然科學基金、橫向項目的研究，在核心期刊、國際國內學術會議發表學術論文80余篇，專著2部，9次獲得省部級科技進步獎，在信息處理取得了系列研究成果，已形成智能檢索處理的研究特色。

耿國華教授教書育人，長期工作在教學一線，主講8門本科生與研究生課程，主持2門國家精品課程；主持獲得國家級教學獎1項和省級教學獎3項；主編出版教材13部，列入國家“十一五”規劃教材4部；共指導博士生15名，碩士研究生76名，指導本科畢業論文百余篇。教學效果得到學生的好評。

第8篇：人工智能課程論文范文

一、管理會計課程的特點

管理會計是會計學專業的核心課程之一，該課程一般在基礎會計、中級財務會計、成本會計課程的學習基礎上開設。教學內容主要包括戰略、預算、成本、營運、投融資、績效等管理，教學方法一般采用理論講述、案例分析等，教學學時一般50學時左右，教學采用“多媒體+傳統”方式。該門課程與財務會計相比具有四個特點。（一）以財務會計提供的會計信息為基礎。財務會計通過特有的確認、計量、記錄、報告等方法程序，提供決策有用的會計信息。管理會計正是利用這些信息，進一步加工，用于組織的預測決策、規劃控制等方面，以實現組織的價值增值為目標。技術方法用到較多復雜的數學計算，如回歸模型、指數平滑、方案評價指標等。與財務會計相比，都是比較復雜的數學計算，學生只有具備相應的數學基礎，方能學好。（二）將管理理論和思想融于會計。管理會計是管理學與會計學的交叉，在會計中融入了管理的理論和思想、理念。通過不同方案、不同指標的對比（靜態的指標如投資回收期；動態指標如凈現值、內部收益率等），幫助企業選擇最優的方案，這是管理會計決策部分的主要內容。（三）方法程序靈活多樣。管理會計是為企事業單位內部管理服務的，嚴格的會計準則、財務程序并不完全適用于管理會計，管理會計的方法、程序、工具，靈活多樣，可以交叉使用，也可單獨使用。

二、管理會計指引的實施有助于促進管理會計的發展

（一）管理會計指引的作用。為促進企業和行政事業單位加強管理會計工作，提升內部管理水平，促進經濟轉型升級，2014年財政部《關于全面推進管理會計體系建設的指導意見》（財會[2014]27號）；2016年6月財政部《管理會計基本指引》，一系列文件的頒布實施改變了管理會計缺乏“規范”的局面。管理會計指引是從政府層面提出的應用管理會計的指示和引導，具有感召力和強制性，有助于促進單位充分利用管理會計的工具方法，提高管理水平，從而增強競爭力。（二）管理會計指引體系構成。管理會計指引體系包括基本指引、應用指引和案例庫。基本指引、應用指引與案例，是管理會計龍頭上的眼睛（于增彪，2016），用以指導組織管理會計實踐。其中，基本指引在管理會計指引體系中起統領作用，是制定應用指引和建設案例庫的基礎，而應用指引則是對具體業務活動的詳細要求，它們之間的關系類似于會計的總分類賬戶與明細分類賬戶。《管理會計基本指引》全文共6章29條，包括制定的目的、應用原則與應用環境、管理會計活動、工具方法、信息報告等。該指引在遵循戰略導向、融合性、適應性、成本效益等原則的基礎上，借助內外部環境因素，其中內部環境主要包括與管理會計建設和實施相關的價值創造模式、組織架構、管理模式、資源保障、信息系統等因素；外部環境主要包括國內外經濟、市場、法律、行業等，通過規劃、決策、控制、評價等管理會計活動的運作，運用戰略地圖、滾動預算管理、作業成本管理、本量利分析、平衡計分卡等模型、技術、流程等工具方法，進行戰略、預算、成本、營運、投融資、績效、風險等管理，提供具有相關、可靠、及時、可理解性的會計信息質量特征的財務信息和非財務信息，并進行定期和不定期、綜合和專項報告，最終提高管理水平。之后，陸續實施22項《管理會計應用指引》，見下表。管理會計應用指引，是對單位實施管理會計工作的具體要求，具有指導性和較強的操作性。20世紀90年代后，河北邯鄲鋼鐵公司實行的“模擬市場，成本否決”可謂成本管理在我國企業應用的典范。管理會計應用指引的設計以企業戰略、預算、成本、營運、投融資、績效、風險等七大領域的管理為依據，每一領域都有各自適用的管理會計工具方法。

三、互聯網、人工智能在財務領域的應用給管理會計帶來新的發展機遇

管理也是生產力。電子計算機在會計中的廣泛應用，大大提高了會計核算工作效率。從會計憑證制作、記賬到會計報表形成，計算機都能在程序語言的基礎上全部完成，且快速準確，這樣會計核算人員的需求數量相應的減少。更多的會計核算人員可以轉崗從事管理會計工作，分析、重整財務數據，為決策提供依據。人工智能用于財務領域，一些程序化、重復性的工作，可以由智能機器人完成，會計人員可以從重復的、繁瑣的工作中解脫出來；通過云計算處理財務數據，提高財務數據效能。這些新的技術在財務領域的應用，使會計工作重心發生轉移，會計人員可以將精力用于開發思想、管理創新、提高組織管理效率，真正實現由核算型會計向管理型會計的轉變，這為管理會計提供了新的發展機遇。

四、順應新技術時代，改革管理會計課程教學

經濟發展靠人才，培養人才靠教育。管理會計的廣泛應用，必須培養管理會計專業人才。而管理會計人才的搖籃主要是高校會計學專業。因此，應該與時俱進，從培養方案修訂做起，通過優化大綱、改進教學方法、提升師資水平、拓寬教學資源等，探索新技術時代背景下的管理會計教學改革，培養優質的管理會計人才，促進管理會計應用。（一）師資培訓與提高。從高校會計學教學實踐看，管理會計師資相對緊缺。許多高校雖然開設了會計專業，但大部分是財務管理、財務會計、稅收、會計電算化等方向，管理會計的師資儲備并不充足。管理會計課程“管理”的特點，也對管理會計教師提出了更高的要求，不僅要精通財務會計，還要具備較豐富的管理學知識、高等數學的知識等。尤其現在的互聯網、云計算、大數據等，一方面為管理會計的發展提供了契機，另一方面也需要培養具備相關知識的管理會計教師。建議通過培訓、專業跨轉等形式，提高、充實管理會計師資，以滿足新技術時代管理會計發展對師資的要求。（二）修訂培養方案。培養方案是人才培養的綱領性文件，具有目標導向性。針對計算機、互聯網、人工智能等新的技術環境，要充分調研兄弟院校的教學現狀，實時修訂培養方案。在新的培養方案中，突出管理會計的重要地位，整個培養方案的重心由會計核算型向管理型轉移。聘請業內專家，對初步擬定的培養方案進行論證，并注意吸收來自會計實務界、畢業生等方面的意見或建議，不斷優化完善。（三）削減財務會計的課程及學時。一般會計學專業的培養方案中，涉及財務會計的課程包括基礎會計、中級財務會計、高級財務會計、稅務會計、成本會計、政府及非營利組織會計。這些課程都是利用確認、計量、記錄、報告等會計特有的程序，用借貸記賬法記賬，實現會計核算的職能。它們之間的差異僅僅是核算具體內容的區別，其所用的會計基本理論和方法是一致的。只要學生掌握了會計的程序和方法，就能很容易通過自學擴展不同領域的會計核算問題。筆者認為，完全可以合并或刪掉某門課程，如將中級、高級財務會計、稅務會計合并為財務會計，在基礎會計學習的基礎上開設。（四）增加管理會計的課時或增加相關課程。因國家對高校培養方案總學時有明確限定，現在總的趨勢是壓縮專業課比重。因此，在總學時數一定的情況下，壓縮的財務會計的課時，可以用來增加管理會計的比重。通過增加管理會計課程的學時，加大案例教學、辯論式教學比重，剖析管理會計應用的成功案例及失敗的教訓，提升管理會計教學的深度和廣度，開發學生的思維空間，培養創新思維及創新能力，提高其分析解決問題的能力，更好地服務于管理會計實踐。（五）優化教學大綱。依據所修訂的培養方案，撰寫課程教學大綱。教學大綱應包括課程簡介和課程教學大綱兩部分。課程簡介部分重在說明課程的類別、學時數、先修課程、所用教材、課程主要內容、參考文獻及網絡資源等參考資料，起到總括認識該門課程的作用。課程教學大綱主要包括課程的性質及任務課程、與其他課程的聯系及分工、課程教學內容、學時分配表、教學基本要求、成績考核說明等。課程內容應該按照章、節、問題等，盡量細化，并明確教學目的與要求、重點與難點，以便于課程的講授。課程的考核應該明確具體，包括考試成績、論文、案例分析等作業所占比重等。明確課程的主要參考書及網站，以便于學生課外研習。（六）選用優質教材、拓展學習資源。教材是教學的主要參考書，對學生的影響至關重要。應該優先選擇國家精品課程教材、國家級規劃教材。注意選擇與管理會計課程、教材相適應的參考教材，促進學生從不同層面、不同視角對所學管理會計理論知識的掌握。避免因某種利益關系而選用質量低劣的管理會計教材。同時，借助主流網站，充分利用網絡資源拓展管理會計課程的學習。如通過大中型企業的網站，查閱其管理會計實踐做法，用所學理論分析、驗證、反思企業管理會計實踐。通過中國會計學會管理會計專業委員會網站，學習了解管理會計的學術前沿與管理會計面臨的新問題，培養學生科學研究的思維及創新能力。通過瀏覽會計專業期刊網站，搜索研究有關管理會計論文，從中吸收管理會計思想和實踐的營養，提高管理會計理論水平和實務能力。（七）教學方法與手段。以中國人民大學國家級優秀教材《管理會計學》（第七版）為例，管理會計課程內容主要包括變動成本法、本量利分析、經營決策、存貨決策、投資決策、標準成本法、作業成本法、全面預算管理、業績考核與評價。既包括管理會計的方法，也包括預測決策、規劃控制與業績評價，這些內容要求管理會計應采用多種教學方法，既包括對理論部分的教師講述，還應該包括案例教學、討論式教學、參與式教學等多種方法。案例教學要求教師通過案例內容的陳述與分析，將需要學生掌握的知識點、管理會計理論融入其中，提高學習興趣，增強實踐感知性。案例的來源可以多樣化，可以選用中國管理案例庫、期刊雜志中的案例等；也可以因地制宜，對案例進行修改，以便符合教學需要；條件成熟時，還可以利用寒暑假或與企業合作課題等機會，深入企業實際，自行編寫具有自主知識產權的案例。這些案例，既是教材內容的補充和延伸，又能激發學生的學習熱情。培養方案修訂、學時的增加，使得類似“咖啡屋”、小組討論、案例教學等方法成為可能。教學手段則可以根據內容，采用傳統方法與多媒體相結合，（八）網絡資源的學習引導。現在網絡無處不在，網絡資源豐富。在上述學習的基礎上，教師可引導學生積極利用網絡資源學習，如微課、慕課等，作為課堂學習的補充。中國會計學會、中華會計網校、各種期刊雜志網站、各級財政部門關于會計師職稱考試網、大中型企事業單位網站、教育中介機構網站、大學精品課程與在線課程網站等，都具有豐富的管理會計學習資源。只要愿意學習，總能找到學習資源。互聯網時代的學習，渠道和獲取資料來源已經做到充分多元化。

五、結語

管理會計是價值創造的信息系統，國家要強大必須要有強大的企業，企業要強大必須要用管理會計（于增彪，2016），但管理會計是我國的短板（樓繼偉，2016）。互聯網、大數據、云計算、人工智能等現代新技術，為管理會計的發展提供了新的發展機遇。管理會計指引的實施為管理會計的實踐提供了政策支持，這也給管理會計課程教學提出了新的、更高的要求。管理會計案例作為管理會計指引體系的構成部分，新技術時代的案例還相對匱乏。制作、編寫新的管理會計案例的過程也是促進管理會計課程教學改革的過程，實現管理會計由“短板”到“升級版”的跨越，逐漸滿足我國管理會計的需求（于增彪，2017），管理會計任重而道遠。

參考文獻：

[1]孫茂竹，文光偉，楊萬貴.管理會計學[M].北京：中國人民大學出版社（第七版），2015.

第9篇：人工智能課程論文范文

關鍵詞：ICAI；系統模型；教學策略；綜合集成方法論MSM；現代教育技術

中圖分類號：G250.73 文獻標識碼：B 文章編號：1673-8454(2012)01-0030-04

計算機輔助教學（Computer Aided Instruction，簡稱CAI）是利用計算機來模擬教師的行為，通過學生與計算機之間的交互活動來達到教學的目的。即在計算機輔助下進行的各種教學活動，主要是以對話方式和學生討論教學內容、安排教學進程、進行教學訓練的方法與技術。CAI為學生提供一個個人化的學習環境，綜合應用多媒體、知識庫等計算機技術，這是傳統CAI的主要應用方式。

在沒有智能系統支持的情況下，傳統CAI盡管可能具有良好的教學材料模型，但它往往僅借助于計算機來展示教學內容，并不能很好地根據它所教學生的學習特征，以不同的教學策略和教學方法來教授；只是盲目地傳授知識給學生，如果某個學生不能接受提供的教學策略，系統沒有為這個學生提供可供選擇的另外的教學策略。目前使用的絕大多數CAI是將全部教學信息以編程方式預置于課件中，這樣的CAI課件一旦制作完成，很難對課件進行更新和維護，尤其是在這樣的CAI系統中，學生的學習仍然處于被動狀態，即完全受計算機控制。

一、智能化計算機輔助教學概念

現代教育技術的日益發展以及與其他領先技術的結合，必然促使計算機輔助教學CAI的進一步發展。人工智能技術應用于CAI產生的基于網絡環境的智能化CAI，就是現代信息化社會發展的產物，并在教育教學領域中有很好的發展前景。

人工智能是計算機科學的一個分支，它的目標是構造能表現出一定智能行為的，目的就是讓計算機這臺機器能夠像人一樣思考。人工智能的研究更多地是結合具體領域進行的，主要研究領域有專家系統、機器學習、模式識別、博弈、智能決定支持系統、人工神經網絡等等。人工智能技術與專家系統的成就，促使人們把問題求解、知識表示這些技術引入CAI，并借助于網絡環境來實施，這便是智能型計算機輔助教學。

智能計算機輔助教學ICAI（Intelligence Computer Assisted Instruction）屬于人工智能的一個分支，是以認知科學和思維科學為理論基礎，綜合人工智能技術，教育心理學等多門學科的知識對學生實施教育的一門新的教育技術。ICAI通過研究人類學習思維的特征和過程，探索學習知識的模式，利用信息化網絡環境使學生獲得個別化自適應性學習的獲取知識方法，從而使學生的學習更有針對性，更有效。

ICAI依靠人工智能技術的進步，主要應在因材施教方面取得進展。其主要特點是:

（1）能自動生成適合學習者程度的學習內容。

（2）能根據學生的不同認知水平與學習風格選擇教學策略和教學方法。

（3）能評價學生的學習結果，并不斷地在教學中改善教學策略。

二、智能化計算機輔助教學研究現狀

現階段，在一些發達國家，如美國、日本、加拿大、英國、法國、澳大利亞等，CAI已經普遍存在于學校和家庭中，正起著越來越大的作用。而ICAI的研究還處于初始階段。目前國內在這一領域的研究主要集中在CAI和ICAI的優缺點比較，ICAI的理論來源、系統特征、模塊建設、發展趨勢等基礎理論知識的研究，基于相關課程或學科的實踐研究還比較少見。智能教學系統的設計和開發是一項復雜的系統工程，由于需要考慮的因素較多，系統比較龐大，同時也依賴于人工智能等技術的發展,因而要建立完善的ICAI還是比較困難的。[1]因此ICAI有很大的理論和實踐發展空間。

完善的ICAI系統需能夠充分調動學生的主動性，并能通過分析推理，對某具體學生做出適合的教學決策。使學生獲得個別化自適應性學習的學習方法，達到因材施教的目的。人工智能技術的發展必將會對ICAI的發展起到巨大的推動作用。隨著計算機科學的發展，21世紀的教育教學輔助手段將是以ICAI為主線，多學科、多方位發展的新技術的體現，越來越多的教育工作者會從更多的視角審視ICAI，并從事ICAI的研究。相信ICAI將會在現代教育領域中有更廣泛的應用。

“現代教育技術”既是教育技術專業的必修課程，也是大中專院校廣泛設置的選修課程，適用范圍非常廣泛。本文以《現代教育技術》這門課程為主要研究對象，來研究智能化教學系統設計在具體實踐中的應用。

三、ICAI決策系統的理論依據

1.綜合集成理論

教育是以人為主體參與的活動，而人本身就是一個復雜巨系統，因此以這種大量的復雜巨系統為子系統組成的系統――教育系統，是一個復雜巨系統。依據系統與其環境是否有物質、能量和信息的交換，將系統劃分為開放系統和封閉系統來看，學生的學習受到教師、同學、家庭及社會等因素的影響，所以教育系統是一個開放的復雜巨系統。

錢學森的理論和實踐研究表明：現在能用的、惟一能有效處理開放的復雜巨系統的方法，就是定性定量相結合的綜合集成方法論。綜合集成方法論（Meta-synthesis Methodology MSM）是方法論上的創新，它是研究復雜巨系統和復雜性問題的方法論。[2]定性定量相結合的綜合集成方法是將專家群體(各種有關的專家)、數據和各種信息與計算機技術有機結合起來，把各種學科的科學理論和人的經驗知識結合起來，發揮這個系統的整體優勢和綜合優勢。[3]它把人的經驗、知識、智慧以及各種情況、資料和信息系統集成起來，從多方面定性認識上升到定量認識，從而達到解決復雜系統問題的目的。在解決問題的過程中，專家群體和專家的經驗知識起著重要的作用。

教學系統設計是一個復雜的系統，它是由教育系統的復雜性決定的。教育系統具有復雜系統的基本特點，它在結構與功能上表現為規模大、相關因素多且相關方式復雜、目標多樣等；在運動上表現為隨機性、非線性等。用一般的理論方法無法全面合理地解決這一不良結構的問題，本研究嘗試用綜合集成方法論來指導、分析教學設計智能化過程。因此，運用綜合集成理論的方法來研究教學設計系統，探討具體科目的教學設計在設計過程中遇到的復雜性問題，進而構建科學合理的教學設計系統，具有重要的理論和實踐價值。

2.教學設計理論

本文采用“雙主”教學模式作為ICAI的教學設計的理論基礎。“雙主”教學模式既能發揮教師的主導作用又能充分發揮學習者認知主體作用，是在教師主導下的課堂中能讓學習者參與進來共同學習的一種教學模式。

基于“雙主”的教學模式，要求根據學習者的特征、學習內容、學習策略、學習目標等多種因素的不同情況研究它們的結合方式，以使系統達到理想的教學效果。

基于網絡環境的ICAI相對于傳統的CAI來說，充分體現了“雙主”的教學模式。ICAI中有專門分析學習者學習方式和認知水平的學生模型，有專門為不同的學習內容選擇不同的學習策略的策略庫模型（也稱為教師模型），有評價學習效果并反饋給系統的評價模型。學生模型是對學習者的學習特征進行分析，包括學習者的學習風格、認知水平。策略庫模型包含有豐富教學策略和有一個智能推理機，能根據學生模型的信息和學習目標為學習者選擇合適的學習策略，指導學習者學習。

3.建構主義學習理論

當代建構主義者主張，世界是客觀存在的，但是對于世界的理解和賦予意義卻是由每個人自己決定的。建構主義者認為學習者要以自己的經驗為基礎來建構現實，或者至少說是在解釋現實，每個人的經驗世界是用自己的頭腦創建的。

學習過程同時包含兩方面的建構：一方面是對新知識意義的建構，同時又包含對原有經驗的改造和重組。建構主義者強調學習者在學習過程中能夠靈活地建構起用于指導實踐活動的圖式，這種圖式是對概念的豐富理解，依據個人經驗背景的不同而不同。

教學應當把學習者原有的知識經驗作為新知識的生長點，引導學習者從原有的知識經驗中，生長新的知識經驗。教學不是知識的傳遞，而是知識的處理和轉換。

ICAI伴隨著這種理論的發展而發展，它注重的是由學習者來控制學習過程，重視學習內容的知識結構和學習情境，讓學習者主動構建對自己有意義的知識的活動。基于網絡環境的ICAI積極地為學習者創設學習情境，幫助學習者用他們已有的知識去建構、生成、整合新的知識。

4.教學處方理論

“教學處方理論”是鄭永柏博士于1998年提出的一種新型適合于信息化教學設計的理論，他通過對教學系統設計理論和計算機輔助教學設計方面的研究，建構了一種新型的教學系統設計理論――教學處方理論。該理論主要包括：六個基本概念、一個理論框架、三條基本原理和兩個關于教學設計的知識庫。[4]

該理論指出教學處方可以看作是教學設計者(有時可以看作是教師)依據系統分析后使用的各種教學模式、教學方法和教學內容處理模式的組合；說明了在特定教學條件下對特定教學結果的教學，以不同的學習理論和教學理論為指導將會采用不同的教學方法，即教學處方，這也是本研究的核心內容，是該系統設計的指導理論。“教學處方理論”具有更好的包容性、開放性，能夠吸收和容納豐富的學習和教學研究成果。

四、ICAI系統的模塊結構

1.前端分析模塊：認知能力、學習動機、認知風格

前端分析是美國學者哈利斯（Harless，J．）在1968年提出的一個概念，指的是在教學設計過程開始的時候，先分析若干直接影響教學設計但又不屬于具體設計事項的問題，本文主要指認知能力、學習動機和認知風格方面的分析。前端分析模塊主要是建立相應的學生特征類型的數據庫。

認知能力的測量采用認記、理解、應用、分析、綜合、評價六個維度，每個維度有“優、良、中、差”四個選項。通過數據分析找出學習者的現狀和期望之間的差距，確定需要解決的問題是什么，并確定問題的性質，形成不同層次的教學設計項目的目標。

學習風格和學習動機通過專門的量表來收集數據。

2.內容分析模塊

教學內容分析就是在確定好總教學目標的前提下，借助歸類分析法、圖解分析法、層級分析法、信息加工分析法等方法，分析學習者要實現總的教學目標，需要掌握哪些知識、技能或形成什么態度。通過對教學內容的處理，確定學習者所需學習內容的范圍和深度，確定內容各組成部分之間的關系，為以后教學順序的安排奠定好基礎。

對教學內容的處理主要包括：教學內容的選擇、教學內容的編排、確定單元目標及對內容進行初步評價、分析教學內容類別及性質等四個基本方面。在構建規定性教學內容處理模式庫時，應對上述四個方面提供具體的方法。[5]

3.決策模塊

教學策略（處方）的制定就是根據特定的教學目標、教學內容、教學對象等條件，來合理地選擇相應的教學順序、教學方法、教學組織形式。在數據庫中建立可供選擇的不同的教學策略（處方），是本文所研究的ICAI系統的主要模塊，也是特色模塊。

教學策略（處方）的制定包括教學順序的確定、教學方法的選擇、教學組織形式的選擇等。教學順序的確定就是要確定教學內容各組成部分之間的先后順序；教學方法的選擇就是要通過講授法、演示法、討論法、練習法、實驗法、示范模仿法等不同方法的選擇，來激發并維持學習者的注意和興趣，傳遞教學內容；教學組織形式主要有集體授課、小組討論和個別化自學三種形式，各種形式各有所長，須根據具體情況進行相應的選擇。教學策略的制定是根據具體的目標、內容、對象等來確定的，要具體問題具體分析，不存在能適用于所有目標、內容、對象的教學策略。

4.評價模塊

在基于網絡環境的ICAI的評價模塊，要依據前面確定的教學目標，運用評價量表，分析學習者對預期學習目標的完成情況，主要收集三個方面的基本信息，一是要收集關于教師對教學設計方案和教學方案實施結果的滿意度的信息數據，二是要收集關于學習者對教學過程、教學策略的適應性的信息數據，三是要看與其他方法相比，本處方中所采用的方法是否有獨到之處，是否有不足之處。[6]在數據分析的基礎上，對教學策略和教學內容的修改和完善提出建議，并以此為基礎對ICAI各個環節的工作進行相應的修改。

5.ICAI系統模型框圖

學習者前端數據采集數據庫包括：認知結構測量及分析系統、學習動機測量及分析系統、學習風格測量及分析系統和學生基本信息系統。系統模型如圖所示。

五、ICAI決策系統實驗數據來源

本課題實踐研究的調查對象來自云南大學，是2008屆市場營銷教育和財會教育本科生，共89人，課程設置為現代教育技術。學生調查表包括本科生基本信息表，所羅門學習風格量表，學習者認知能力調查問卷，學習者學習動機調查問卷四份表格組成。實際收到數據表89份，有效數據表75份。數據表中的信息選項根據所占權重，統一折合成百分制進行處理。

六、總結

本文把教學設計理論、方法與“現代教育技術”課程相結合，擬研發出一個基于綜合集成方法論的廣義智能網絡教學設計輔助系統。主要研究成果如下：

（1）把綜合集成方法論引入解決教學設計這一不良結構問題；

（2）結合數字化方法和數據挖掘技術，它能對學習者進行數字化的前端分析；

（3）它所自動化給出的教學設計方案，可為青年教師提供良好借鑒，有利于教師因材施教、因風格施教、因需要施教；

（4）它所自動化給出的學習者學習建議方案，有利于促進學習者自主學習。

現有的CAI存在的許多問題隨著新技術的不斷出現而顯得越來越不能適應新環境的需求，因此以基于網絡環境的ICAI為代表的新計算機輔助教學系統，將是教育教學研究人員在教育技術上需要不斷探求、努力實現的發展方向。

參考文獻：

[1]楊采堅，董玉銘.智能教學系統設計[J].中國電大教育,1993（3）.

[2]于景元,涂元季.從定性到定量綜合集成方法――案例研究[J].系統工程理論與實踐,2002.5.

[3]錢學森,于景元,戴汝為.一個科學新領域：開放的復雜巨系統及其方法論[J].自然雜志,1990(1).

[4]鄭永柏.教學系統設計理論和方法研究:教學處方理論和ISD-EPSSS的設計與開發[D].北京師范大學博士學位論文，1998.