0 引 言
学科交叉融合是“新工科”教育理念的核心特征之一，既是创新的源泉，也是创新能力培养的重要手段[1]。随着人工智能潮流的迅速推进，智能化工具作为“信息化生产力”，正与其他学科进一步结合，人工智能与不同学科的交叉融合作为重要形式之一，在“新工科”建设中具有特别突出的地位[2]。
在高校研究生教育中，跨学科开设人工智能课程，有助于学生开拓学术视野并提升专业能力。人工智能应用领域广泛，所涉及的知识网络复杂，不同门类学科教学内容差异十分明显。如何最大限度利用好人工智能基础教育资源，关键在于根据不同学科研究生的知识体系与知识背景，设置相关课程，安排教学和实验环节[3-4]。
1 人工智能公共课程教学中的主要问题
随着人工智能与其他学科领域的交叉融合逐步推进，知识不兼容、理论与实践脱节等带来的知识融合度低、动手能力不足的问题也凸显出来[5]。
1）教学内容不充分、不匹配。
面向全校开设的人工智能公共课程教学内容往往与研究生所在学科专业领域关系不紧密，其作用仅是作为学生在这一领域的浅层学习与轻度拓展[6]，这就导致学生很难将所学知识与研究方向相融合，知识体系断层、知识背景不匹配是目前人工智能公共课程教学中的主要问题。
2）教学内容未能涵盖学科发展前沿。
教学中存在教学内容过时、教学方法单一问题。选用的教材陈旧，学生无法在课程中追踪学科的最新发展动态，不能获取最新的前沿知识[7]；课程考核方法有局限性，理论与实践结合不够紧密，学生对知识的认知停留在感性层面，对知识的应用不足，无法上升到理性层面，进而影响学生的自主学习能力以及学习动力。
3）质量保障措施不均衡、不协调。
教学质量是人才培养中的关键问题。如何客观、科学地对课程质量进行评价，如何从教师、学生以及相关教育资源等方面制订全方位的课程质量保障措施，对于实现“以学生为中心，产出导向，持续改进”的核心教育理念、提高人才培养质量有重要意义。
2 人工智能公共课程体系构建思路
针对人工智能公共课程教学中存在的问题，应构建研究生跨学科人工智能公共课程建设体系，如图1所示。在课程体系、教学方法、质量保障3个环节进行建设，以使课程教学适应学科交叉科学研究的需要。“纵向衔接、横向协调”的课程体系实现本研知识体系的贯通及课程内容与学科专业知识的融合。课程思政引领立德树人，案例驱动、目标指引、重塑教与学的线上线下混合式教学方式，加强了工程实践能力的培养。课程质量保证体系包括构建高素质师资梯队、教学与科研相融合、教学督导反馈与评价、灵活多样的考核方式，保障了人工智能课程教学质量，促进人工智能与各学科融合，满足学科交叉需求。
3 人工智能公共课程体系建设实践
3.1 构建“双向并行”的人工智能公共课程体系
合理设置课程，应重点保障课程内容质量。针对不同学科研究生对人工智能知识的需求，构建“纵向衔接，横向协调”“双向并行”的跨学科人工智能课程体系，见表1，加强了学生人工智能相关专业技能的培养。“纵向衔接”即本硕知识体系衔接，强调本科到研究生阶段所学知识由浅入深，融会贯通。大部分课程为本科生和研究生分别开设，教学知识点不同，本科生侧重基础知识及应用，研究生侧重深层理解及综合应用，以保证计算机基础知识到人工智能知识体系的贯通性，强化学生对专业技能的掌握，培养创新意识与能力。“横向协调”即面向非计算机专业学生能力，结合学生专业特点，以案例分析等形式强化课程内容与学科专业的关联，深化学生对人工智能应用领域认识，拓展科研视野，强化学生实践动手能力和逻辑思维能力。
为使不同学科研究生能够根据学科、专业方向，选择需要学习的人工智能公共课程，通过分析学科知识体系，构建人工智能公共课程的拓扑关系知识图谱，如图2所示，给出了每一门人工智能课程的先修课程及后续支撑课程。根据此图，学生可以定制个性化的课程学习方案，以满足其专业学习的需要。例如从事计算机视觉方向研究的学生开设专业课计算机视觉及其应用，根据课程知识图谱，学习该课程之前，需要有数据分析与数据挖掘、高性能计算与应用、大数据分析理论与算法以及深度学习公共课程知识储备，如图3所示。在学习以上4门公共课程之前，学生还需要具备数据结构、离散数学、概率论、数理统计、线性代数、高等数学、计算机程序设计等基础知识。根据知识图谱挖掘结果，可以实现“个性化推荐学习”，学生根据自己的研究方向，结合自身情况，选修适合的公共课程学习，开拓科研视野，提升相关技能。
3.2 应用“引领—驱动—兼顾”的教学方法
（1）注重课程思政，引领立德树人，可以通过课中主题活动融入课程思政。以爱国主义情怀、创新精神引领为主，通过讲述人工智能发展历史解读中国信息化发展道路，鼓励学生讨论其中遇到的历史问题，引领学生坚定“创新、协调、绿色、开放、共享”的新发展理念。主题活动结合我国古代著作中的经典算法案例、当前中国信息领域所面临的“卡脖子”问题，建立讨论小组专门问题专门分析，引导学生查找相关主题资料，观看视频、文档，通过课中分享成果，加强专业课的思政力量，拓展国际视野，培养学生家国情怀。
（2）模拟环境教学，实现案例驱动。要建设在线教学平台，开发线上实验工具，实现案例任务驱动式教学。以学生为主体，教师为主导，结合人工智能课程特点创设开发项目情境，设定明确的开发任务目标，以目标作为驱动与指引，引导学生利用课中所学知识拓展课外内容，鼓励学生在任务中发挥好主体作用，在实际项目案例中利用相关技术与开源工具完成具体任务。教师作为监督者与参与者，从双方共同开发合作中发挥好案例驱动教学优势，提高教学效率，提升教学质量。
（3）线上线下兼顾，实现混合式教学。线上线下混合式教学模式如图4所示。信息化教学的推进产生了线上直播、大型开放式网络课程等新的教育形式，打破了时空限制，但这种教学模式不利于学习者构建系统化的知识，师生之间的互动贫乏，难以解决学习过程中遇到的问题，于是产生了线上线下混合式教学模式[8]。线上线下混合式教学重塑了教与学的关系，以教学理论指导教学方法，根据教学方法转变学习方式，充分利用学习资源优化学习环境，通过有效的融合策略，发挥教与学二者的融合优势，使得教学变得立体、生动、富有感染力，激发学生学习的兴趣，培养自学能力与探索能力。
3.3 构建均衡协调的课程质量保障体系
1）师资保障。
应以教师为主体，以提升教师素质为目标，塑造优质、全面的师资队伍，构建职称结构、年龄结构合理的课程组，形成“老中青”的师资梯队，以“传帮带”的方式提升教师的综合素质。团队中的教师主要从事人工智能领域研究，知识背景契合教学与科研需求，实现了教学与科研的一致性；提升课程专业性，保障教学内容的深度；定期开展教研活动，定期邀请专家、教授举办座谈会，加强教师间的学术交流，提升师资队伍的教育教学能力和科研能力，打造“四有”好老师队伍。
2）科教相融。
教学与科研相融合，要在课堂教学中引入科研项目，融合知识教学与科研实践，改变重理论轻实践的现象，切实保障课堂教学质量；教学任务结合科研项目，通过实验工具的有效利用，保证教学活动的顺利实施和科学研究的有效开展。
3）反馈评价。
组建研究生教学质量督导组，按照研究生课程质量标准，建立矩阵式督导体系，督教与督学并重，施行教学质量一票否决制，对教学全过程与教学材料进行检查、监督、指导和评价；以学科方向课程组为单位组织改进课程教学内容与方法，建立督导改进闭环机制，深入了解课程实际教学情况，确保公共课程的教学质量；通过e-learning平台、教学信息管理系统等在线平台实时接收学生对课程内容的反馈与评价，集思广益创新课程内容，探索适合学生、教师的课程教学方式。
4）灵活考核。
灵活设置课程考核方式，根据课程要求不断改进和完善。实践性教学内容推广研讨式教学，增加前沿学术论文阅读量，以小组项目培养动手与沟通能力，以答辩方式进行考核。理论性教学内容可采取撰写小论文、读书报告等方式，结合开卷考试、撰写立项书等多种考核方式。根据课程的类型特点针对性采用多种考核方式，最大限度拓展实践性课程内容，提升理论性课程高度，有效提升学生运用课中所学知识解决问题的能力，加强学生对人工智能相关知识体系的构建。
4 建设效果
1）构建了课程内容匹配度高、课程安排合理性强的跨学科人工智能课程体系。
综合不同学科、专业特点，坚持把实践融入教学，理论与动手能力培养并重，在教学中引入先进科研成果，紧跟人工智能发展潮流，拓展研究生学术视野；兼顾科研与课程学习的实践安排，给予学生课程选择的“个性化推荐”，实现课程所学助力科研创新。
2）加强了学生对人工智能领域知识的掌握和实践动手能力的培养。
在教学过程中引导研究生学习和使用相关开源技术工具，教学与实践相长，以项目实践为着力点，以知识学习和应用为方向，及时将课程所学知识应用于实践，在实践中加深对知识点的理解；融合人工智能知识与实践力，更好地提高研究生的科学素养和研究能力，为科研创新赋能。
3）创建了良性循环的课程质量保障体系。
以学生为中心，以教师为主体，围绕学生在课程学习中的问题反馈，督促教师改进、优化教学模式与考核方式，教师做好课程质量保障的主体；同时，为充分利用人工智能领域先进科研成果进行学习，提供丰富的软硬件教学资源，对课程质量实现了主体支撑。在此课程质量保障体系中，学生能更好地学习先进知识，实现自身研究与人工智能知识学习的同频共振。
5 结 语
跨学科公共课程是研究生获取其学科方向外知识技能的一个重要途径，特别是在人工智能快速演进的今天，各行各业的发展都受到人工智能的有效助力[9]。跨学科人工智能公共课程的科学安排与合理设置，能有效地将人工智能知识与研究生学科内容、科研方向相融合，在学习过程中拓展学生学术视野，激发学生创新意识。人工智能的快速更迭同样引导了相关课程较高频率的改革，人工智能在各个行业的应用与发展将是未来改革和构建相应课程体系的重要参考点，通过不断推进学习与应用的有效契合，必能促进研究生培养质量的提高。
参考文献：
[1] 刘献君. 学科交叉是建设世界一流学科的重要途径[J]. 高校教育管理, 2020, 14(1): 1-7, 28.
[2] 杜圣东, 杨燕. “人工智能+”背景下的新工科教育探索与实践[J]. 计算机教育, 2020(7): 106-110.
[3] 杨丽, 周益春, 欧阳晓平, 等. 从“学科立场”走向“问题立场”培养拔尖人才[J]. 中国高等教育, 2018(8): 38-40.
[4] 李立国. “双一流”背景下需求导向的学科专业调整优化[J]. 大学教育科学, 2017(4): 4-9, 121.
[5] 潘炳如. 加强和改进硕士研究生课程教学[J]. 中国高等教育, 2018(增刊3): 70-72.
[6] 褚旭, 罗安, 何敏, 等. “层次递进、多维融合”研究生课程与实践教学模式研究与探索[J]. 中国高等教育, 2019(12): 55-57.
[7] 谢海斌, 庄东晔, 尹栋, 等. 人工智能研究生课程建设“十大忌”[J]. 计算机教育, 2019(9): 60-63.
[8] 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.
[9] 吴婧姗, 王雨洁, 朱凌. 学科交叉: 未来工程师培养的必由之路: 以机器人工程专业为例[J]. 高等工程教育研究, 2020(2): 68-75, 98.
基金项目：国家自然科学基金项目（61877043）；天津大学研究生创新人才培养项目（YCX202105）。
作者简介：喻梅，女，天津大学教授，研究方向为数据挖掘、教育技术，yumei@tju.edu.cn；于健（通信作者），男，天津大学高级工程师，研究方向为教育技术、知识图谱，yujian@tju.edu.cn。
引文格式：喻 梅，李雪威，赵满坤，等. 学科交叉背景下研究生人工智能公共课程体系建设探索 [J].计算机教育,2023(1):120-125.
转自：“计算机教育”微信公众号
如有侵权，请联系本站删除！
