0 引 言
目前，我国知名慕课网络平台主要有中国大学慕课、学堂在线、好大学在线、智慧树、华文慕课、学银在线、优学院、粤港澳大湾区高校在线开放课程联盟等，这些慕课平台都可提供慕课教学服务与相应的入学注册、考评、发证等教学管理功能，能让各大高校各专业学生越来越方便地获取优质教学资源，对促进我国高等教育水平的提高，具有十分重大的意义[1]。
慕课属于网络课程之一，网络课程涵盖范围较广，主要的两种形式就是慕课和视频公开课。视频公开课是网络公开的课程视频资源，辅助观看者自学或按视频步骤实践。每个视频公开课以视频包的形式呈现，供观看者按章节顺序学习。与慕课不同的是，公开课并不提供学分和证书，公开课网站也没有习题练习、在线讨论等服务。相比较来说，慕课有学期的概念，严格设定开课和课程结束时间，慕课网站除了提供学习的课程视频、课件、讲义、源程序等资源，还增设了许多辅助功能，如课后作业布置、在线交流和讨论，对学生的作业进行评价，开展平时测验、期中和期末考试，完成课程学习可颁发学习证书并授予学分。
网络课程资源很丰富，尤其是人工智能方面的课程更是琳琅满目，但是，现有非慕课的人工智能网络课还存在如下问题：新旧两极化，新的网络课程多是讲解最新的深度学习的某个具体算法模型；旧的仍然沿用十多年前的课件，主要讲述搜索、简单机器学习方法、博弈树、确定性与不确定性推理等，却很少涉及深度学习、深度强化学习等新内容。
总体来看，人工智能方向视频公开课的系统性不足、原理性不够，提供的如全连接神经网络、卷积神经网络、循环神经网络、长短期记忆神经网络、图神经网络、Transformer等内容趋于碎片化，不利于学生系统掌握原理和实践方法。另一方面，慕课平台虽然也提供了各种级别或分类的人工智能慕课，但现有人工智能慕课大多未能提供充分的实验实践课题和相应的实践指导，在线交互方面也略显欠缺。本文介绍的人工智能原理与实践慕课从原理和实践两方面进行讲解和在线交互辅导，切实帮助学生解决学习原理及相应实践过程中遇到的问题。
1 人工智能原理与实践课程的慕课设计
人工智能原理与实践慕课包括人工智能原理与人工智能应用实践两个部分，涵盖内容很多，知识跨度大，原理部分对数学基础要求高。如何定位课程、设置学时、取舍内容都要整体设计。在长期线下教学中，教学团队总结得出：人工智能原理部分应让学生透彻理解基本概念、理论基础、内在机制和作用机理，把书本图文不易表达的过程流程通过动画视频展示讲解，揭示算法和模型运行原理，使学生知其然也知其所以然；同时，人工智能实践部分应该是在理解原理的基础上，进行各种应用的实践活动。
综合考虑以上因素，把慕课教学作为基础原理、习题和课程项目大作业的基础，为各大高校提供翻转课堂实施的资源，突出慕课设计特色，是本慕课设计的目标，慕课设计主要考虑以下3方面问题。
1.1 教学目标和要求
课程目的是使学生能够系统建立起对于人工智能领域的原理性认识，为计算机体系结构、算法、机器人学、自然语言处理、计算机视觉等研究生课程的学习或相关工程应用研究奠定基础。
（1）学习符号式人工智能的基本思想，重点掌握问题求解方法、搜索技术、知识表示方法和经典逻辑推理方法。
（2）学习连接主义的基本思想，重点掌握人工神经网络的各种拓扑结构及其学习算法。
（3）学习机器学习的概念和主要方法，重点在于监督学习和非监督学习的一些主流方法。
（4）学习规划、不确定知识与推理的基本思想和主要方法。主要内容包括概率和贝叶斯网络。
（5）培养应用人工智能思想、方法与技术解决问题的能力和一定的创新能力（一般掌握）。
通过理论讲授、提问启发、案例教学、对比分析，让学生对所学知识能够融会贯通，在学习新知识的同时，与以前学习的知识点作对比，比较不同方法原理上的优势和缺陷，让学生真正理解人工智能的原理，明白各种方法适合应用的场景。具体到方法的细节可以在应用中去体会，但是，根本原理和人工智能领域内的基础知识、基本思想、方法分类、评价指标一定要牢固掌握。
“大道至简”，在人工智能领域也一样。包括内容复杂、涉及深入的数学原理的强化学习和深度学习，其实都可以先在前面用简单的话语总结，几句话便可理清这些方法的基本思想。因此，在策略上，每次讲课都要用简单引言和引例来引领学生理解并轻松入门；在“简单概括”这种指导思想下，公式推导也可以分“块”，先分块讲解推导的主要原理，再具体到每一块的细节“分而治之”。这些引入方法虽然简单，但很有效。
1.2 教学内容和体系
本慕课共分为7个版块，分别为强化学习、深度学习、深度强化学习、数学基础、搜索求解、知识推理及实践内容。版块之间相互关联，同时也可独立，学生可根据自身需要和兴趣选择不同版块进行学习。各版块均从基础着手，如强化学习版块，介绍其基本概念以及基础的马尔科夫决策模型，之后由浅入深介绍多种适用于不同情况的算法，通过对比算法之间的区别，分析各个算法的优缺点。本慕课的教学内容如图1所示。
1.3 教学模式和过程
慕课教学形式的特点是开放性、规模大、教学灵活、不要求直播；而慕课的局限是不能在教学当中实时进行互动，在某个知识点上也不能点击跳转到其他视频片段。因此在教学模式的设计上，本慕课遵循“注重脉络、突出重点、融合相关、贯通前后”的原则。具体地，在教学中，通过版块和章节分层次展现出人工智能原理的主脉络，其中突出目前最有效、最常用的技术方法；根据各种技术原理的内在联系和历史演变，横向融合相邻知识点，纵向贯通系列发展的知识原理。
具体教学过程中，采用问题—数学推导—算法—模型—实验验证的教学模式进行讲解，同时，为了让学生突破思维局限，理解算法的思想，教学中会引用经典案例或者设计便于理解的示例进行说明。例如，深度强化学习的教学设计如图2所示。
2 人工智能原理与实践慕课建设过程
2.1 教学团队组建
人工智能原理与实践慕课的建设，除了课程内容的前期准备，后续还要花费大量时间进行日常维护，团队的核心成员均为高校教师，日常事务繁多，为了慕课的持续有效运作，须组建教学团队，将工作进行合理分配。工作内容主要包括共同商定课程大纲，根据各成员擅长的领域分配制作课件、习题；课程负责人敲定课件终稿，进行课程录制；分工审核、校对课程视频；由一人维护中国慕课平台，主要负责课程上传，关注平台交流动态，及时通知讲师进行课程答疑。
2.2 教学内容设计
2.2.1 版块授课
在当前信息大爆炸的数字时代中，人们的注意力愈发难以集中。根据心理学相关研究表明，成人的注意力呈U型曲线[2]，如时间过短，学生无法集中注意力，而时间过长，一般在10min后注意力就会急速下滑，如图3所示。基于此原理，课程在设计之初制订了版块授课的方案。
根据内容相关性，把课程划分为7个版块，共14章，69节，每个知识点一般由1~2节组成，每节配置一个课程视频，课程时长设置为5~15min，大多数课程视频时长为6~10min，有利于学生在注意力最佳的时间获取知识。本慕课在每章节开头和结尾设置知识点回顾和总结，如果学生要进行选择性学习，可以在这些章节总结和回顾中了解前后内容的相关性、每章所需基础知识、前导课程等，了解知识脉络。这样学生即可相应地复习线性代数、概率论、高等数学等数学基础知识，或自学更深、更广的相关知识。
2.2.2 算法实践
实践内容版块手把手指导学生如何做实验，给出数据集，讲解实验平台搭建，用视频演示算法设计、运行和结果分析，学生可以少走弯路，对课程设计或毕业设计都很有帮助。除了对算法进行常规介绍，课程还会不定时将线下学生提出的常见问题案例搬到线上展示，慕课学生在进行线下实验实践时，如遇到困难，可先参照线上展示的问题案例，尝试自行找到突破点，也可以在实验版块讨论区提出自己的疑惑，学生间相互交流，讲师也会定期在平台上进行解答。
课程进行实验的实践部分基于MATRIX远程在线综合评测程序平台，采用Python的仿真实验平台PYBULLET，以及用于开发和比较强化学习算法的工具包OpenAI GYM作为基础支持，学生可以选择在程序平台上测评程序，在仿真实验平台上测试算法和性能。
2.2.3 源代码配套
人工智能原理与实践涉及的专业知识包括机器学习、强化学习、机器人控制、图像处理等各方面内容。通过该课程的系统培养，使学生掌握基本的理论，学会独立设计算法进行数据分析，懂得如何优化调整达到高准确度结果，能够在模拟器上对简易机器人进行控制实践，运用各种机器学习方法、深度学习方法解决实际问题。为此，除了纯理论章节外，课程针对各章节介绍的算法配套地提供了相应编程代码，课程内现配套源代码28份。本慕课在每章进行算法介绍后，会对源代码进行解析，有助于学生掌握代码架构，提高代码阅读的能力。
2.2.4 习题试题
一般慕课的题库建设都是从章节序列上进行粗略划分，将练习题目和考试题目都划分到某个具体章节，这不利于前后融会贯通地学习与考查。为解决此问题，本慕课中，课程题库构建遵循适量、细化原则。在进行试题挑选时，不管是针对某一章节的考题还是期末考题，题库都提供大类版块题目的列表，使得出题人有较大的空间进行挑选，而不用太细分知识点或局限在某章节。
在时序上，本慕课中题库的构建采取如下方式：同步题库和应试题库分开建设，试题库和试卷库同时建设。慕课各版块的题型见表1。
2.3 课程维护
2.3.1 在线辅导讨论
慕课的一个不足是无法在课程中与学生进行动态交流，为了弥补这一缺陷，慕课平台提供了讨论区给学生就课程问题进行交流学习，以文明开放的心态对待知识。学术问题上一向有各家之说，鼓励学生以开放的心态听取学术上不同的声音，支持各抒己见，在讨论激荡中获得学习上的进步。讨论区主要分为3个子版块，分别是教师答疑区、课程交流区和综合讨论区。
本在线开放课程用户涉及全国各地高校，甚至还有海外用户，全部都进行线下见面或线下授课不现实，因此，除了举办线下见面会以外，本慕课还建立了课程QQ群，选课学生可在群内参与实时交流讨论。另外，讲师及教学团队成员都在群内，在线进行课程辅导、答疑。学生提到过的问题和课程文件都在QQ群文件存档，这对学生帮助很大，也有助于提高其持续学习的积极性。
2.3.2 评分机制
在慕课中，学生的成绩根据平时作业、测验和课堂讨论综合评定。其中，平时作业占比20%，测验占比10%，考试占比60%，课堂讨论回复占比10%。课堂讨论根据学生在课堂交流区内的活跃度进行评分，回复主题帖10次及以上满分。部分作业要求互评，学生提交作业后应参与互评，不参与互评的，将只能获得题目分数的50%；参与互评，没有完成5份的，将只能获得题目分数的80%。总评成绩60分为合格，85分以上为优秀，成绩合格及优秀的学生可付费申请认证证书。
2.4 后续建设规划
课程从第1期上线至今，已开设3期（本慕课链接：https://www.icourse163.org/course/sysu-1463217175）。教学团队一直对课程进行升级优化：首期的慕课视频均由讲师自行录制，较为简单；第2期课程开始至今，邀请了第三方专业的制作公司进行拍摄录制，采取模拟课堂录制形式：讲师不念讲稿，在视频录制时，采用多机位拍摄，PPT演示屏幕同时是一个白板，在白板上可以用电子笔画图、写公式，采用了类似课堂的虚拟课堂形式。
除了在形式上改进，教学内容也在不断完善。由于人工智能的知识更新较快，课程会每年加入最新前沿进展；并加强与学生的实时交互沟通，每季度根据学生的学习情况，更新讲解的知识点，通过学生和教师的反馈，更新课程视频，目标是更好更快地让选课学生理解课程的内容。
3 结 语
人工智能与新工科、医学、公共卫生、社会管理等众多学科存在交叉领域，其技术方法能解决不同专业领域的实际问题，但是，由于专业之间的壁垒，这些学科在实际中难以对人工智能进行深入的教学。人工智能原理与实践慕课的建设不仅为计算机、人工智能相关专业的学生提供了便利，也对其他交叉学科的教学改革有极大促进作用，其他专业的计算机和人工智能公选课也能参考该在线课程的教学，使用共享课程资源。
在本慕课建设的实践中，课程团队深刻感受到慕课带来的便利，不仅促进了教学资源的优化整合共享，也打破了许多高校、专业之间的壁垒，降低了学生的自主学习门槛。下一步，团队将继续丰富完善教学内容，探索更高效的教学模式，加强对课程的维护，根据各使用单位、高校师生的反馈进行补充完善，进一步改进慕课教学质量，为高校教学水平的提升作出一份贡献。
参考文献：
[1] 尹欣. 慕课: 我国教育改革现代化进程中的新模式探究[J]. 高教学刊, 2022, 8(2): 1-7.
[2] 帕拉迪诺. 注意力曲线: 打败分心与焦虑[M]. 北京: 中国人民大学出版社, 2009: 16-19.
第一作者简介：吴贺俊，男，中山大学副教授，研究方向为智能移动物联网、自主移动机器人集群、分布式并行感知计算，wuhejun@mail.sysu.edu.cn。
引文格式：吴贺俊，黄碧莹，王海涛，等. 人工智能原理与实践课程的MOOC教学课程设计与建设[J].计算机教育,2023(3)：65-69,75.
转自：“计算机教育”微信公众号
如有侵权，请联系本站删除！
