郭绍青：人工智能助力教师教学创新
人工智能作为关键共性与颠覆性技术，正在对产业结构、生活环境等产生影响。人工智能进入教育领域，推动了智能学习系统、虚实融合学习环境、智能教育助理等智能系统和工具的开发与供给，智能教育环境建设已现端倪。实现机器智能与人类（教师）智慧相融合指向学习者的高级思维发展、创新能力培养，启迪学习者智慧的新教育，培养复合型、创新型、战略型、智慧型的人才，能够对人工智能与人类智慧相融合从事社会工作的劳动者的智慧教育进行广泛讨论。教师作为人工智能融入教育的直接利益相关者，具备利用人工智能学习系统和工具开展教学的知识与技能，提升人工智能技术素养显得十分重要。当前人工智能教育产品正在快速进入学校与课堂，为教师利用人工智能技术实现教学创新提供了支撑。
智能诊断助力教师优化课堂教学。适应性学习系统、手写板、智能阅卷等系统进入学校，为教师提供了对学生个体、小组、班级等随堂数据和课外数据采集与分析的手段，教师利用数据分析结果，精准定位学生个性学习问题与班级的普遍问题，找准学生个性与共性薄弱点、聚集学生学习障碍点，改进教学策略与方法，进行分层、分类教学，提升教师在课堂教学中解决学生学习问题的针对性与教学效率。
学习分析技术助力教师开展规模个性化教学。《中国教育现代化2035》提出“走班制、选课制等教学组织模式……利用现代技术加快推动人才培养模式改革，实现规模化教育与个性化培养的有机结合”的要求，具备大数据学习分析功能的网络学习空间的应用，对学生学习的精准画像，使教师在精准掌握学情的基础上，能够有效组织翻转课堂、小组合作学习、探究学习等学习活动。同时，学习分析技术正在推动网络学习空间中以个性化发展为核心的动态学习组织的发展，并引发实体学校动态走班制度的建立，实体学校与网络学习空间相融合的动态学习组织发展，将使教师实施规模个性化教学成为现实。
课堂智能分析助力教师精准教研。集自然语言处理、计算机视觉、生物特征识别等技术的课堂教学智能分析系统的应用，实现了对课堂教学过程数据的伴随性采集，汇聚课堂教学多维数据的智能分析能够形成更加精准的教师课堂教学行为的可视化分析结果。跨校际、跨区域的教研活动，利用课堂教学智能分析系统的分析报告，结合教研员与优秀教师评价分析，为研修教师提供精准服务，指导、组织、协助研修教师进行深度学习，对提升研修效果与效率具有显著作用。
智能学习系统助力教师提升教学质量。目前相对成熟的智能学习系统主要集中在智能语言学习方面。英语流利说、英语趣配音等一批利用自然语言处理技术开发的智能语言学习系统进入了教育领域，教师利用英语智能学习系统能够支持学生的听说训练，特别是在面向农村教学点的专递课堂中的应用，能够弥补教师自身的能力缺陷。同时利用自然语言处理技术与AR/VR相融合开发的藏、维双语智能学习系统将为学生提供多通道的人机交互，提升国家通用语言的学习质量。
人工智能助力教师家校协同。人工智能技术在家校协同教育中的应用，正在改变家校教育分离、难以形成合力与协同监管的现状。一些县区在推动人工智能教育应用过程中，利用人工智能技术助力家校协同教育，利用智能校徽与体温和人脸采集摄像机，无感采集学生体温、运动量、行动轨迹等数据，协助教师与家长掌握学生健康状况、安全信息、运动强度。要求学生阅读课外书籍，并在每天规定时间内利用纸笔系统写出读后感，教师能够及时进行点评，对培养学生的学习习惯、扩宽知识面等发挥了积极作用。（西北师范大学郭绍青）
《人工智能的产生与发展》教学设计
教学设计 任教学科 高中信息技术 姓名 单位 课 题 人工智能的产生与发展 教材册别 高中信息技术必修1 《数据与计算》 课时 1 一、教学目标 1. 知识与技能 （1）理解人工智能的概念，了解从不同理论出发实现人工智能的方法。 （2）了解人工智能的发展历程中经历的不同阶段，以及在不同阶段中的主要研究成果、代表人物、应用领域等基本知识。 （3）探索实现人工智能背后的方法，了解深度学习、神经网络等人工智能研究中的前沿探索。 2. 过程与方法 （1）理解人工智能实现的方法和实现原理，理解人工智能与人类智能的区别，结合实例辨别人工智能技术。 （2）简单了解神经网络解决分类问题的模型，借助TensorFlow Playground平台来模拟了解神经网络的基本要素，并且通过构造神经网络解决不同复杂度的分类问题。 3. 情感态度价值观 通过了解人工智能的产生、发展和历史，使学生了解人工智能技术特性和应用范围，从而能初步辩证地看待人工智能，培养学生的信息意识、核心素养。同时，此次课堂中案例以垃圾分类机器人作为内容导入，通过了解人工智能在垃圾分类中的应用探索，进一步形成垃圾分类的环保意识，养成新时代合格公民应有的价值观。 二、 教学重难点 1.教学重点：理解人工智能的概念，了解人工智能发展历程中不同阶段实现人工智能的方法。 2.教学难点：理解实现人工智能的方法，如专家系统、深度学习神经网络等。 三、教材分析高中信息技术《走近人工智能》优质课教学设计、教案
1 《走近人工智能》 教学设计授课人： 【教学目标】 1. 知识与技能： 初步了解人工智能的概念，了解人工智能的应用领域，理解人工智能的本质。 2. 过程与方法： 通过分析、讨论以及体验活动，初步感受人工智能的实现方法。 3. 情感、态度、价值观： 感受人工智能给人类生活带来的变革，激发学生的探索热情和创新意识；辩证地看待人工智能对人类的影响，树立正确的科学技术应用观。 【教学重难点】 在讨论和体验中理解人工智能的应用领域；辩证理解人工智能技术，激发创新。 【教与学方式】 讨论法、体验式教学、视频演示、案例分析 【教学工具】 PPT、手机 【教学过程】《走近人工智能》教学设计
《走近人工智能》教学设计
溧阳市埭头中心小学 杨俊
教学目标：
1.了解人工智能技术在生活中的具体应用。
2.体验常用的人工智能应用，并感受人工智能给生活带来的便利。
3.了解人工智能的基本概念及其重要价值，并产生持续学习的兴趣。
教学重点与难点：
重点：体验常用的人工智能应用
难点：了解人工智能的基本概念
教学准备：
网络环境、多媒体教学一体机、平板电脑（形色、百度翻译、小猿口算、QQ音乐、白描、讯飞语记）、学习素材
教学过程
一、问题导入：
随着技术的发展，我们的生活方式正在发生转变。今天这节课，我们也来一起研究研究技术。
课件展示任课老师照片：这些人认识吗？他们是我们班的几位任课老师，最近几天，他们都遇到了一些不同的烦恼。
分析老师的烦恼：语文：想把学生作文变成电子稿。/数学：口算太多批不过来。/音乐：寻找抖音小视频背景音乐。/科学：了解未知植物。/英语：翻译美文。
老师们的烦恼各不相同，但都可以用技术来解决，下面我们就请同学来帮老师解决难题。
二、解决问题，体验人工智能：
打开任务要求：
1、小组确认要帮助哪门学科老师，并派代表到老师那里取材料。
2、尝试用手中的平板，帮学科老师解决问题，材料和“我的文件”中的素材和秘籍都可以使用。
3、小组推荐一位同学，汇报解决过程。
小组自主尝试解决问题。
三、交流问题，认识人工智能：
老师们的问题都解决了吗？我们一起来分享一下解决的过程：
汇报交流，师投屏学生的操作过程。（随机顺序引出以下内容）
在用qq音乐听歌识曲的过程中，qq音乐就用了一项技术——语音识别。还有哪组同学在解决问题过程中用到了语音识别？？
学生展示或老师示范讯飞语记
形色软件根据我们拍的植物照片、图像识别出是哪种植物，这里用的技术是——图像识别。还有哪组同学在解决问题过程中用到了图像识别？？
小猿口算
语文：白描，这个作文识别，虽然也是拍照识别，但能具体识别为一个个文字，它用到了文字识别的技术。还有哪个学科没有分享？请生示范英语，你觉得在这个过程中，用到了哪项技术？？？其实，它也能语音识别。
老师们的问题都得到了解决，在过程中用了语音识别，文字识别，图像识别等技术，我们把这些技术统称为“人工智能”。
为什么这些技术就叫人工智能技术呢？听歌识曲本来是我们人类的能力，现在软件也具备了这种能力了，这就是一种对人类智能的模拟，甚至可以说，在某些方面，它已经超越了人类。形色认识……所以简单的说，人工智能是对人类智能的模拟，甚至超越。
四、拓展认知，进一步了解人工智能：
1、那在日常生活中，有没有哪里也用到语音识别，图像识别，或者其它更多的模拟人类智能的技术呢？
学生交流：手机开机、刷脸付款、智能音箱……
2、这些人工智能技术给我们的生活带来了极大的便利，而在一些特殊的岗位上，人工智能也有着不可替代的作用。
课件视频展示人工智能在消防、医疗、养老等方面的应用。
3、看了这么多人工智能，老师有个疑问：我们为什么要花费时间精力，去研究人工智能呢？
五、情感升华、畅想人工智能：
如果将来有一天，你也从事人工智能的研发工作，你想研发一款怎样的人工智能？
同学们，在我们刚才了解的这些“人工智能”中，都是针对某一个领域的智能，例如：形色只能识别植物，手术机器人只会手术……但人类智能是非常复杂的，我们现在并没有能力把人工智能做成完整的像人一样的系统，这些都期待着你们去实现。
板书设计：
走近人工智能
语音识别
图像识别 对人类智能的模拟和超越
文字识别
……
基于人工智能背景下的模式识别课程教学改革与实践—中国教育信息化网ICTEDU
摘要模式识别作为人工智能的分支学科，其应用广泛且与生活联系紧密，受重视程度越来越高。本文针对模式识别课程教学状况及现存问题，从内容和方法这两大方面进行了改革尝试。
【摘 要】模式识别作为人工智能的分支学科，其应用广泛且与生活联系紧密，受重视程度越来越高。本文针对模式识别课程教学状况及现存问题，从内容和方法这两大方面进行了改革尝试。
【关键词】模式识别教学改革教学内容层次化项目实例教学法
随着经济和文化的不断创新改革，现代科学技术更是迅猛发展，尤其是计算机科学技术的进步，使得现代科学信息技术与人工智能已逐渐成为新时代重要的技术之一。作为人工智能重要的分支学科之一，模式识别是一门理论与实践相结合，综合性和理论性紧密相关的学科，也是信息科学和控制科学的重要组成部分[1]。其理论建立在矩阵论、概率论与数理统计等基础理论知识之上，其技术在人机交互、自动驾驶、工业制造、医学工程，以及基因技术等方面都发挥着重要作用。作为控制科学与技术领域重要的研究方向，高校开设模式识别相关课程，对提升自身科研实力，丰富学科课程体系，增强学生就业竞争力等都有着重要意义。
目前，在国内外众多课程设置中，模式识别既是信息和控制类专业的基础课程，同时又是众多科研或工程项目的关键技术。作为本科选修课程，模式识别课程教学的重点在于基础概念性知识，主要通过实例项目应用，加深学生对基础理论的理解，同时将前沿项目引入课堂，从而激发学生学习兴趣，吸引更多人加入相关专业进一步学习。
现存的教学问题由于模式识别课程的基础是矩阵论、数学分析、概率论等理论性非常强的数学课程。因此，在教学过程中需要进行大量的证明推导，这种情况导致理论与实践联系相对薄弱，使得教学氛围失去活力，学生听课困难没有兴趣，教学效果不理想。而理论知识本身较为抽象不够具体，这就使得学生在课堂上常常难以联系实际问题，在遇到实际项目时手足无措。就此来看，如何带动学生对模式识别课程的学习热情，让学生理解和有效掌握模式识别课程的基础知识，以及将理论与实践有效结合并加以应用，仍是当前模式识别教学亟待解决的难题。
除此之外，随着人工智能和数据挖掘等新兴技术的高速发展，相关新方法、新技术和新工具的出现，使得模式识别相关研究一直处于科技发展的前沿。而人工智能专业建设则需要将模式识别知识与其他知识相融合，不能只是单一学科知识的传授，更要注重同别的学科及应用领域相结合。因此，对跨学科的应用介绍及引导讲解显得尤为重要。
综上，本文针对模式识别课程改革提出了以下三个方面的问题。
1.改进基础性课程知识点间关联性薄弱的问题。一旦基础知识点出现断层，将会给后续的知识讲解和学生的理解造成障碍。
2.前沿性课程中知识点与实际问题能否有效结合的问题。前沿性课程中涉及很多模式识别最新研究理论与成果。因此，需要一些实例来加深对前沿技术的理解。
3.模式识别前沿研究方法和相关应用缺乏专业介绍的问题。国内在这方面起步较晚，缺少对前沿研究大量且详细的介绍。
针对模式识别课程的改革探索1.教学内容层次化
模式识别内容繁多，要将教学内容层次化，对知识进行分层讲解，可以加强学生对知识点有序深入的理解，还可以为后续项目实例的引入储备知识。本文将教学内容分成基础知识点、经典算法和前沿技术这三个层次进行说明。
(1)基础知识点
模式识别的基础知识点指的是发展至今已经完善的数学理论和基础方法。如统计决策论、线性分类器、概率密度函数估计等内容。由于这些基础方法运用广泛，作为模式识别中的重点基础知识，能为之后的进一步学习奠定基础。在基础知识这一部分内容教学中，公式推导尤为重要，需要学生有一定高等数学、线性代数、概率论等基础。笔者在教授过程中与学生多交流，获悉学生对基础知识点的疑惑并及时进行了解答。这样，有层次地、系统地学习基础性内容能为之后经典方法的引入、理解并正确地应用打下坚实的基础。
(2)经典算法
经典算法则是已经发展成型，并投入实际使用的模式识别原理和方法。如支持向量机、神经网络、随机算法、遗传算法等内容。这些算法在实际应用中极为广泛，并且具有一定的效果。因此，将算法和实例结合讲解，实例提出具体问题并引出解决方法，可以加深学生的理解，从而增强学生相关理论知识的实际应用能力。
(3)前沿技术
前沿性课程是指还在探索发展领域中的模式识别理论和方法，如当下人工智能领域内引起重大关注的深度学习，在应用中迅速发展的自动驾驶、基因检测、遥感图像识别等问题。这部分内容仍处于发展探索阶段，对数学及相关专业知识要求很高。因此，在授课过程中弱化公式推导，从实际问题和技术应用出发，重点讲授问题的演变和进化、方法的应用流程、技术结合的条件与应用范围等知识，结合国内外前沿研究的论文、慕课和相关视频，可以开阔学生视野，加强专业研究类科学建设，激发学生兴趣。
2.项目实例教学法
由于模式识别是一门理论与实践结合紧密的课程。因此，将知识点运用到实际问题中就显得尤为重要，把这些重点、难点知识结合实际项目实例，让学生更容易理解，也更方便学生结合实例进行运用，巩固所学知识。在人工智能专业建设的前提下，本文就此提出了应用实例和自主实例学习相结合的项目实例教学方法。
(1)应用实例
针对上述层次化的教学内容，笔者设计了医疗数据异常检测、文本分类等实例项目，并结合交通背景，将车牌识别、车流量检测、车辆分类等引入教学，对其进行具体分析。
对于前沿技术，通过关注模式识别领域的最新研究进展和行业发展，将最新的理论进展、前沿的技术应用和公布的创新成果以项目实例的形式引入课堂，构建全面覆盖基础知识、结合前沿方法、联系最新研究现状的全新课程体系及内容，力求理论推导严密，内容丰富，反映国内外最新的教学科研成果。并针对学校公路交通背景，设计包含自动驾驶、智慧交通、车联网等内容的相关案例，形成面向教学、联系前沿的、具有行业特色的模式识别高水平研究生课程。
(2)自主实例学习
由于受传统教学、师生关系等影响，在以往的教学过程中，大都以教师讲授为主，这不仅拉开了教师与学生的距离，并且使教学过程变成教师独白讲授的过程[2]。教师与学生在课堂上没有交流，导致学生学习兴趣不高，课堂氛围僵硬，教师无法对学生答疑解惑，使教学效果得不到正面反馈。
现代教学以尊重学生的个性与兴趣为重点，将学生放在主体位置，这样能最大程度激发学生的学习潜能与热情[3]。因此，在教学过程中，可以将教学内容进行分层，教师与学生共同协作，学生提问，师生共同解答，既可以锻炼学生的口头表达能力，又提高了学生自主学习的动力。
结语模式识别课程作为现代高校重要的专业课程之一，对相关专业学生的要求较高。因此，需对模式识别课程进行深刻改革。本文提出的教学分层和实例教学方法是对传统教学的一种改变与尝试，其中信息技术发展也为实例教学的传播提供了有力的技术支持[4]。将现代信息技术带入课堂，利用互联网查阅和参照国内外模式识别课程体系，建设以交通控制为背景，针对智慧交通和人工智能控制的模式识别高水平课程，仍是各院校努力的目标。
参考文献：[1]刘雨、孙即祥、余莉：《“模式识别”课程开放式案例教学设计》，《电气电子教学学报》2011年第3期，第103-105页。
[2]张新平、冯晓敏：《重思案例教学的知识观、师生观与教学观》，《高等教育研究》2015年第36卷第11期，第64-68页。
[3]冀俊忠：《落实科学发展观，深化“人工智能”课程的教学改革》，《计算机教育》2009年第24期，第105-107页。
[4]王应密、张乐平：《全日制工程硕士案例教学资源库建设探析》，《高等工程教育研究》2013年第4期，第166-171页。
（作者：张懿璞闫茂德常琪长安大学电子与控制工程学院）