高职人工智能课程改革方案

高职教育中人工智能课程改革方案

人工智能课程主要讲授智能领域的理论方法及其应用，内容较为抽象。该课程涉及哲学、逻辑学、语言学、控制论、生物神经学等多个学科，理论性强、概念抽象，对学生的专业基础要求较高。在普通本科高校，这类课程通常以理论讲授为主，辅以少量实例分析，目的在于提升学生的专业理论水平。

然而，当前高职计算机专业开设的人工智能课程，基本沿用普通本科的教学模式。这与高职教育培养应用型、技能型人才的目标存在脱节。高职教育强调实践教学，包括实验、实训、实习和设计，而单纯的理论讲解难以适应实际教学环境。因此，人工智能课程在教学内容和方式上必须进行调整和改革。

三个改革途径

（一）引导学生阅读应用研究文献

高职教育注重知识应用技能，培养学生将理论运用到实际生产中的能力。但在教学实践中，学生普遍反映人工智能课程过于抽象，课本理论与实际应用之间缺乏有效衔接。这不仅影响学习兴趣，也不利于技能提升。

实际上，人工智能的应用领域十分广泛，包括专家系统、模式识别、智能控制、数据挖掘、自然语言理解等，每个领域都能充分体现学科的基本理论。在课程初期，可以让学生根据个人兴趣自选一个应用领域，在教师引导下检索文献、访问科研院校网站，了解该领域的发展现状和产品情况。课程结束时，以报告形式在课堂上进行演示和讨论。这种方式既能激发学生的主动性，也能拓展视野。资料收集、阅读与思考是知识应用的第一环节，对培养应用型人才具有重要作用。

（二）安排学生对经典算法程序进行实验

相较于普通本科，高职教育更强调在实践中学习和理解知识。人工智能课程内容抽象，单纯理论讲解难以激发学生思考，因此必须引入动手实验。经典算法如A*算法、遗传算法、BP学习算法等，在科研和工程中应用广泛，在实践教学中同样具有重要价值。学生无需从头设计这些算法——当前的开源环境提供了大量程序代码。部分软件平台也集成了相关工具箱（如遗传算法工具箱、神经网络工具箱），只需设置参数即可调用，操作简便且易于理解。

学生可通过验证性实验加深对算法的理解。教师应结合讲授内容准备算法程序，讲解并演示运行方法。学生课后完成实验并提交报告。例如，在讲解启发式搜索时，提供A*算法求解八数码难题的程序，给定初始棋盘状态，让学生记录扩展后的估价函数计算结果、OPEN表和CLOSED表的变化，从而理解算法原理。再如讲解BP学习算法时，可适当简化原理讲解，重点强调其工程应用价值，提供MATLAB代码让学生运行，对比训练前后神经网络对目标函数的逼近效果。

（三）启发学生引入人工智能理论方法对毕业设计进行创新

毕业设计是高等教育的重要环节，学生通过这一过程进行系统性总结，强化技能训练。但在实际教学中，学生往往缺乏创新主动性，多停留在继承和模仿阶段，较少取得突破。究其原因，并非知识不足，而是不善于分析问题、引入新方法。

人工智能作为研究和创新的前沿领域，许多传统问题通过AI方法都能找到新的解决路径。教师在指导毕业设计时，可以适当启发学生引入人工智能的理论和方法，尝试将其应用于当前问题，从而获得改进和突破，这对培养创新思维具有重要意义。

近年来，高职教育发展迅速，社会认可度不断提升，但也暴露出一些问题：如何改革教学方式和内容以适应高职发展的新要求。人工智能课程作为重要的专业课程，仍需结合高职实际和学生情况，在培养应用型、技能型人才、加强实践教学方面不断探索和改革。

参考文献：[2]韦芳.高等职业技术教育应注重实践教学[J].中国科技信息，2006，（5）：264.