人工智能教学方案范例
前言：一篇好的文章需要精心雕琢，小编精选了8篇人工智能教学方案范例，供您参考，期待您的阅读。
关键词:信息技术；人工智能；教学设计；计算机科学
1引言
随着科技的快速发展，信息技术在教育领域的应用也越来越成熟，2012年MOOC的崛起也让更多的人开始关注多媒体在教学方面的作用。随着互联网的快速发展以及多媒体设备的更新换代，如今几乎人人都能在多媒体设备上进行学习，也让线上教育成为被人们普遍接受的一种学习方式。近几年来，线上教育在我国得到大范围的推广和普及。计算机技术的飞速发展使得人工智能技术能应用的领域也越来越广。随着技术的成熟及社会需要，人工智能也被逐渐地应用到教育领域。如利用人工智能的自然语言处理与XML技术结合，可以使得教学资源的智能检索更为高效；以及利用计算机辅助评价（ComputerAssistedAssessment，简称CAA）辅助教学智能测评等[1]。人工智能可以利用电脑去对人的思维模式、推理及演算方法以及决策进行模拟，让计算机拥有近似于人类大脑的部分功能，完成一些以往只能通过人类的智慧才能完成的工作，一定程度上代替人力资源完成相关任务，为教育行业带来极大的便捷。
2什么是人工智能
人工智能所涉及的领域较为广泛，有认知科学、不定性论、信息论、自动化、生物学、心理学、医学、哲学、控制论、语言学等众多学科，目前为止，人工智能主要研究范畴有智能搜索、感知问题、语言的学习与处理、神经网络、推理、计算机视觉等。人工智能中最为成熟，同时在线上教育中应用最为广泛的是专家系统。专家系统也是近30年来人工智能领域发展起来的一种极具代表性的智能应用系统。其主要研究方向是令计算机具有能够模仿人类在某些领域的专家的能力，去解决相关领域一些专业性较强的问题。而在网络教育中，专家系统的应用主要包括智能导学系统、智能决策系统、智能教学系统和智能化的硬件网络设施四大模块[2]。
3人工智能与教学需求分析
教学需求分析是教学设计的第一步，它能够帮助教师明确教学目标，有利于教师基于学习者的需求开发一系列课程。教学需求分析首先要进行需求评估和目标分析，需求评估可以为有效教学提供基本数据，目标分析能够以提出问题的方式确定学习者的特性及需求。在完成需求评估和目标分析后便可进行绩效评估，识别出教学过程中不需要处理的问题，将课程的有效程度最大化。以往的教学需求分析往往是由专业的教学设计人员去执行，从需求评估的规划、数据收集和分析、总结，到目标分析、评估比较，再到绩效评估，整个过程的工作量较为庞大。特别是在做一些较为新型的课程的教学设计时，往往需要收集大容量的数据样本，以进行数据的分析。随着科技的发展，人工智能技术中专家系统的应用，只要将原本收集好的数据导入数据库中，利用专家系统模拟教学设计专业人员的逻辑、推理、演算过程，能够大量节省在教学需求分析过程中的时间和精力，为企业、学校等机构节省人力物力资源。同时，人工智能系统能够避免人们主观意识对评估的影响，最大限度减少评估中由于个人情感问题带来的误差，增强教学需求分析过程中的客观性。
4人工智能与学习者特征分析
学习者特征分析是教学设计里较为核心的一部分，被视为对教学设计和实施的基本约束之一，也是理解教学设计的起点[3]。以往传统的学习者特征分析是靠教学过程设计者或者教师本身来对学习者进行特征分析，通过人工区分变量来分析其一般特征，然后逐步深层地对学习者进行分析。虽然这些步骤在个体较少的情况下能够将工作做到位，但其效率以及资源利用率非常低。在学习者数量较为庞大的情况下，则需要消耗大量的人力与物力。这种情况下利用信息技术对学习者进行特征分析，能够大大减少资源消耗，使资源利用最大化，提升整个教学设计过程的效率。如在大型企业员工培训阶段，由于员工的教育背景、工作经验都有所差异，因此，他们在培训期间的起点能力也有所不同。同时，每个人本身的学习风格也有所不同，相同的培训内容有可能会造成与某些学习者的学习偏好相悖，导致培训效果不佳。对已经进入社会的成人学习者而言，他们的学习特征相比在校园的学生要更为复杂及多样化。成人学习者往往对参与学习和培训的动机更为强烈，并且在时间的安排上也更为重视，多数成人学习者对效率的重视大于对学习本身所需要消耗的经济需求的重视。这一系列复杂多样的特征，利用人工智能技术能够进行准确的数据收集，导入数据库，然后利用专家系统将相似特征的学习者进行分类，有利于企业针对性地设计培养方案。在学习者的特征分析过程中，还有一些较为特殊的学习者，如有学习障碍的学习者，其中包括身体残障人员（如有听觉、视觉损伤）、语言障碍及智力障碍的学习人员以及部分在学习能力方面有缺陷的学习者。该类较为特殊的学习者在某些方面对自身学习能力的判断欠缺准确性。通过专家系统的辅助，利用大数据分析，能够对该类学习者进行一个较为准确的学习特征判断。
5人工智能与教学方案的设计
随着线上教育的普及，人们在使用线上学习平台的过程中也难免遇到各式各样的问题。对具有不同特征的学习者应该进行区别教学，因此衍生出一系列在线上教学的教学设计中关于教学材料方面的问题。对学习者而言，选择线上教育的一个主要因素就是能以较为便捷的方式，通过反复观看课程内容，来突破传统课堂的空间、时间限制，弥补传统课堂不具有反复性的不足。因此，大多数线上学习者并不愿意在学习一门课程前去做过多的知识准备，而是希望已选的课程本身含有一些相关的基础性内容，以及课程外的一定程度上的扩展。学习者的特征判断，对于在线课程来说本身具有一定的难度。在最初，针对不同的学习者制定对应的在线课程，主要是通过学习者的主动选择，以及依靠一些调查问卷的形式大致对该学习者的特征进行判断，然后为其推荐较为适合的课程进行学习。这样的评估形式，准确性往往较低，因此容易出现部分学习者对在线课程学习效果不满的现象。出现这类问题的主要原因是教学方案或教学资源对学习者的适配性较低：一是学习者之间学习基础存在差异，这也是学习过程中普遍存在的现象；二是学习者之间学习能力存在差异，在学习基础以及其他条件相同的情况下，学习能力之间的差异导致学习效果差距较大。这两大方面的问题在传统线下课堂能够通过学生课后主动询问教师，或者课堂上即时提问得到解决。对于线上课堂，这方面的即时解决能力则相对较差，因此在教学方案的准备上就需要进行区分。随着信息技术的发展，大数据及人工智能等较为先进的技术也逐渐被引进教育领域，针对为不同的个体制订不同的学习方案的问题，通过信息技术的应用能够得到有效解决。对于学习基础不同的学习者，如大学英语四级考试的相关在线课程，一些英语基础较差的学生可能连基本语法知识的掌握都不到位，那么在准备教学材料过程中，就应该在此方面有所考量。对于这方面的判断，通过人工形式一对一进行考核工作量过大，而利用人工智能技术的专家系统，能够对学生的基础知识进行一个较为准确的判断，再将数据上传至数据库，通过智能决策系统进行逻辑推理，为学生制订最适合的教学方案。在课程的不同阶段，通过人工智能技术能够对学生进行动态分析，为其下一阶段的学习制订不同的教学方案。目前，这类技术在我国线上教育领域已经得到广泛应用，在学习者完成某一阶段的学习后进行智能测评，分析学习者的知识漏洞，然后针对性地为学习者推送下一套课程。这样的动态教学方案可以有效减少学生在课程的各个阶段的知识盲点，提高学习效率。人工智能技术还能将一些较为经典的教学方案、教学资源和教学技能进行整理，并为学生制定具有针对性的教学辅导[4]。对于学习能力不同的学习者，想要针对性地制订较为适合其学习的教学方案，对于传统课堂的教学模式来说较为困难。在传统课堂上，一个班级里学习成绩优异和学习成绩较差的学生，很难通过教师对教案的制定来达到相对应的解决效果，主要是由于传统课堂在时间和空间上有限制。针对这一问题，性价比最高的解决方案便是利用线上教育，通过人工智能的专家系统相对较为快捷地对不同学习能力的学习者制订不同的学习方案。
6人工智能与评估体系的建立
在一个课程的结尾或者是课程中某一阶段的最后部分，往往会对学生的学习效果做一个测试，同时会对整个教学过程的结果进行一个评估，以测试学习者对知识与技能的掌握和教学效果。以往这些工作同样是由教学设计人员或者教师对学习者进行评估，通过评估结果来了解学员实际解决问题的能力，并且从中得到学习者在相关培训课程中对教学效果的反馈。同样，在学习者数目较为庞大的情况下，这一阶段给评估者本身带来巨大的工作量，并且因为测试体系的问题，测试结果本身也并非具有很高的代表性。同样的一份测试题，在不同时间、不同学习阶段给同一个学习者测试，得到的结果也不一样。而对教学质量的评估需要给出到科学、客观、合理的评价。人工智能技术的应用能很大程度上弥补传统评估体系在这方面的不足[5]。因此，要对学习者进行相对准确的评估，最好的方式是在学习过程中对学习者进行动态评估。综合每一次的测试结果，以科学的算法进行演算和推理，得到一个较为准确的评估结果。这样贴身的评估系统，以传统人为的方式实现成本过高。而通过计算机辅助评价（CAA）系统的辅助，能够让学习者通过多媒体设备在设计好的学习过程中进行动态评估，并记录每一次评估的数据，让学习者能够准确得知自己对知识和技能的掌握程度。同时，教师能及时得到教学效果的反馈，对教学效果有一个较为及时与准确的了解。
7人工智能在教师教学过程与学生学习过程中的应用与展望
当一个完整的教学设计方案完成时，其最终目的还是应用到实际教学中。通过人工智能技术的辅助对教学设计进行优化、改善之后，在教与学过程中也适当加入人工智能系统的应用，无论是实体课堂还是在线课堂，都能够最大限度地发挥教学设计的价值，提高课堂效率。随着未来人工智能的进一步发展及普及，一些较为先进的科技项目，如面部表情识别、人工智能语音系统等，若能有机地结合到课堂中，相信对教与学都能有质的提升。对于教师而言，目前在线课堂教学过程中最大的问题就是无法准确实时地了解学生的学习状态。在传统课堂中，一名优秀的教师能够通过丰富的教学经验，对学生在课堂上的学习状态、精神集中程度等进行精准判断，从而对课堂教学过程进行相应调整。如今随着信息技术的发展，即便不少在线课堂能够实现在教学过程中让学生与教师通过弹幕、留言等形式进行实时互动，一些课堂学员数目较少的课程甚至可以进行双向视频互动，但依旧无法解决教师对课堂掌控程度不高的状况。通过人工面部表情的智能识别，能够运用人工智能技术对学生在课堂中的注意力集中程度进行判断，有效提高在线课堂中教师对学生状态的判断，从而做出相对的措施以提高教学质量。对学生而言，在线上课堂学习过程中往往会遇到一些知识点中的疑惑，无法及时向教师询问从而得到解答。尤其是学员数量较为庞大的课程，教师往往无法兼顾所有学员进行逐一答疑。通过人工智能技术对课堂内容进行分析，再利用专家系统对学生的问题与课程内容进行对应归类，能够方便教师在课后对此类型的问题进行统一解析；一些已经解析过的问题则可以导入数据库，通过专家系统的归类后，直接将解答内容发送给学生，以提高大型线上课程教学中对学生遇到的问题进行答疑的效率。
8结语
人工智能作为目前计算机科学中一个较为火热的研究领域，其研究内容依然在不断扩充，所涉及的范围也在不断扩大。教育领域作为人类社会中极为重要的一个领域，人工智能这样一项能给人类带来极大帮助的技术必将得到广泛应用。目前，我国教育领域也在不断革新，随着教育信息化的不断普及，人工智能不仅在教学设计中能够得到广泛应用，在教育的各个方面也能带来巨大的帮助。相信未来人工智能的不断开发，能够让教学质量、教学效率有更显著的提升，让教育领域在信息化时代能够得到跨越式发展。
参考文献
[1]钟琦,胡水星.人工智能在教育中的整合应用研究[J].赣南师范学院学报,2011(6):66-69.
[2]冯玉婷,史君华.关于人工智能在网络教育中的应用研究[J].合肥师范学院学报,2015,33(6):89-91.
[3]吴南中.理解课程:MOOC教学设计的内在逻辑[J].电化教育研究,2015(3):29-33.
[4]吴天宇.人工智能在教学领域的应用探究[J].科技经济导刊,2018,26(23):141-142.
关键词：嵌入式人工智能；线上线下混合式；项目结果导向；赛教融合；全周期；新工科
0引言
自2016年我国正式加入“华盛顿工程认证协议”后，新工科建设成为应对全球新一轮科技和产业革命的又一重大战略选择。历经“复旦共识”“天大行动”“北京指南”等一系列探索实践，我国的新工科建设向纵深发展。2018年4月，教育部印发《高等学校人工智能创新行动计划》，要求推进新工科建设，重视人工智能与计算机、物联网、生物学、心理学、社会学等学科专业教育的交叉融合，形成“人工智能+X”复合专业培养新模式[1]。《人工智能产业人才发展报告（2019-2020）》中指出，目前人工智能产业人才供需结构不平衡，整体需求缺口较大，人才供给在当前面临的岗位类型和技术方向上与企业需求之间存在显著错位的严重现象；人才供需质量不平衡，企业对创新型、应用型、复合型人才的需求更加突出[2]。嵌入式人工智能（EmbeddedArtificialIntelligence,EAI）是以微控制器MCU或应用处理器MPU为核心，具备基本学习或者推理算法，融合传感器采样、滤波处理、边缘计算、通信及执行机构等功能于一体的嵌入式计算机系统。目前它的发展还处于初始阶段，其发展应用正与物联网技术有机融合，势必会引起先进制造业的深刻变革[3-5]。
1现状及存在问题
1.1现状分析
为了抢占科技发展的制高点，各个学校都将人工智能作为优先发展的方向，比如清华大学于2018年成立人工智能研究中心，北京大学于2019年成立人工智能研究院，中国科学院大学于2019年成立人工智能学院，北京科技大学于2019年成立人工智能研究院，北京石油化工学院于2020年7月成立人工智能研究院。通过人工智能与相关学科的交叉融合，带动智能制造、智能医疗、智能环保、智能安全、智能材料、智能商务、智慧管理等学科领域的升级换代[6]。目前人工智能的人才培养重理论、轻实践，注重于机器学习算法理论、通用人工智能、高性能计算机模型训练等方面；而在嵌入式人工智能人才培养方面，由于难度大、复杂交叉性强，缺乏完整系统的教学知识体系，未能有效地展开教学，从而无法满足当前对人工智能人才的需求。以本校为例，在2018年修订了新的培养方案，计算机科学与技术、软件工程、数据科学与大数据技术、物联网工程、电子信息工程等相关专业均以选修拓展课或者方向课的形式开设了人工智能类的相关课程。这些课程目前只停留在理论和简单的数据训练层面，无法形成教学体系，更谈不上实践体系的建设。随着近些年人工智能技术和MOOC课程的迅速发展，利用线上线下课内课外混合式的教学资源以及丰富的人工智能实践平台，能够使得大规模的数据训练和模型获取变得简便。然而，对于模型的终端部署（嵌入式人工智能）未形成统一的教学体系，仍然是各个高校普遍存在的共性问题。
1.2存在问题
（1）资源未有效整合目前，嵌入式人工智能相关知识仍分散在各个专业、各个方向，线上线下的资源鱼龙混杂，关键性的核心技术未有效地公开，需要进行大量的探索，导致学生学习效率极差、无法整合海量的知识，不能利用相关的技术真正解决现实的工程实际问题。（2）课程相关实验陈旧无论是机器学习还是深度学习等相关课程，实现具体的算法时，仍然是以传统的实验为主，数据集经典、案例成熟，已无法适应当今快速发展的应用场景。由于获取真实的数据较困难，导致课程授课难度变大。（3）软硬件配置无法有效统一大规模的数据训练需要高配置的服务器资源（高性能的CPU、GPU等），并且模型的轻量化裁剪没有统一的流程和方法，嵌入式端的处理能力更是参差不齐，无法有效地统一，学生无法抓住学习训练主线，导致学习时心有余而力不足。
2实践教学研究基础
2.1实践教学理念
线上线下和课内课外的混合式教学，可以有效解决教学实践中学时不足的问题。利用现有的线上资源，选择适合学生特点的相关资源进行整合，并开发特色实践案例。建立起“基本理论-算法分析-数据采集-模型训练-轻量化裁剪-模型部署-应用测试”的全周期项目资源链条。以结果为导向（OBE）的项目制教学，在国内外知名高校早已开始广泛实施[7-10]。这一教学理念特别适用于人工智能实践教学，具体流程如图1所示。
2.2实践教学平台
（1）数据获取平台在真实项目的基础上，依托物联网的感知平台，获取大量的真实数据，并对数据做初步的加工处理，初步确定数据的相关特征。（2）模型训练依托开源的深度学习平台（比如百度飞桨AIStudio、阿里天池），进行模型的初步训练，再利用现有的本地算力服务器资源进行模型的再训练，利用训练集进行多次测试调参。（3）模型裁剪及嵌入式终端部署将训练的模型进行蒸馏、剪枝等操作，根据不同的嵌入式终端，找到符合真实场景的最优化模型，进行反复的测试。
3实践教学研究内容
基于新工科的培养目标，结合工程认证的相关理念，建立人工智能理论与实践相结合的教学体系，不断完善产学合作的实践教学方法及课程评价方案，研究内容主要从课程知识模块构建、教学方法、评价方案、实施计划等四个方面展开。
3.1课程知识模块
目前我校的培养方案执行的是“平台课+核心课+方向课+拓展课”的模式，受学时限制，部分核心课程或者方向课程开设在拓展模块，并且执行过程中均是根据专业指定相关拓展课程，失去了制定拓展课的意义。鉴于人工智能在计算机专业中共有的意义，在拓展课程中构建完整的课程群体系具有一定的参考价值。嵌入式人工智能课程群知识模块包括四大部分：数学基础模块、基础算法模块、核心技术模块和创新应用模块，具体见表1所列。表1中所列的相关知识模块，实际上在各专业人才培养方案中均有所涉及，但是未成体系。例如数学基础部分的矩阵和概率相关知识在基础数学中均会涉及到，针对人工智能领域常见的数学方法的概括和再现，完全可以放在线上由学生自主学习并完成相关测试，但并不是否定基础数学的重要性。各个专业均可以按照自身的培养目标，合理地选择相应的模块。
3.2教学方法
鉴于表1中所列的课程要远远超过现有的学时安排，可以逐步建立起网络教学资源，供学生自学和选学，辅助教师串讲答疑即可。这种线上+线下的混合式教学模式，更加符合学生实际选课的个性化需求，也能解决线下学时紧张的问题。而对纯实践类课程，教学方式以培养学生能力为导向，面向工程实际、项目导向，提高学生创新和动手实践能力，实现技能的培养。鼓励学生参加各种学科类开放型的竞赛，以赛促学，比赛的过程及成绩可以作为考核评价的一部分。
3.3评价方案
评价考核体系也是课程群实施的重要一环，这里会重点研究线上教学、线上+线下的混合式教学、纯线下教学等不同模式的考核方式。按照工程教育的评价标准，课程体系的评价方法主要从12个方面进行：①工程知识；②问题分析；③设计/开发解决方案；④复杂工程问题研究；⑤使用现代工具；⑥工程与社会影响评价；⑦环境和可持续发展理解评估；⑧职业规范；⑨个人和团队角色承担；⑩沟通；⑪项目管理；⑫终身学习。在评价方式方面，重点研究项目+团队+竞赛等全方位的考核，不再以单一的考核方式为主。
3.4实施方案
（1）线上资源建设按照知识模块内容，分批次建设相关的网络资源，并且可以发掘学生“传帮带”的作用，鼓励学生开发网络资源，开展小组式学习，不断优化相关资源，并逐步开发测试题集，对线上资源的学习有相应反馈。（2）开发实际应用案例以项目制为依托，结合教师和竞赛中的实际应用项目，打通从理论到应用的通道。比如在《机器学习与人工智能》课程中以机器学习和深度学习为依据，着重培养学生自主搭建深度学习框架的能力，贯穿简单的人工智能案例，达到人工智能与现实场景的高度融合。依托实习实践基地，开设相关知识的训练营，引进企业工程师，促进真实案例在企业落地，引导学生提前进入工程项目的实际训练，不断提高项目实操能力。（3）以赛促教，赛教融合以中国软件杯大赛、全国大学生人工智能大赛、全国大学生物联网设计大赛和挑战杯、国际互联网+创新创业大赛为依托，将参赛过程的实际表现融入课程的平时成绩，最终比赛结果可直接作为考核结果，学生在比赛过程中积累相关知识和经验，反向促进教学，真正实现赛教融合。
4结语
关键词：人工智能；移动交互式；学习系统
引言
移动交互式学习系统主要是在信息技术的基础上应用移动设备、借助大量的信息资源，由学习者自主进行的一种双向的交流式学习系统。人工智能可以对人的意识或是思维的信息过程进行模拟，通过结合人工智能，学习者能够随时随地与其进行有效交流，从而提升学习效率和学习质量。
1人工智能和交互式学习概念概述
1.1人工智能概述以及其教育意义。人工智能是一门新的技术科学，主要对人的智能的方法、应用系统、理论以及技术进行研究、开发和延伸[1]。人工智能属于计算机科学，其主要目的就是对智能的实质进行研究、了解，并生产出与人类智能相似的、能够做出智能反应的智能机器。在科学技术水平不断提高的现在，相关领域已利用人工智能开发出机器人、图像识别、语言识别以及专家系统等，这导致应用人工智能的范围正不断扩大。从日常生活的角度来看，能够对言语进行识别并做出相应反应的有小米研发出的小爱同学智能音箱等。另外，人工智能涉及到较多的技术以及科学，例如机器学习或是计算机视觉等，但是，总的来说，人工智能的主要目的就是胜任一些需要人类智能才能完成的复杂工作。在信息技术不断发展的背景下，从目前来看，教育事业与信息技术正进行高效的整合，实现了学习资源、教育资源的共享，也出现了许多教育平台，突破了时间和地理的限制。但是，线上课程往往是单向教学和单向学习。以学生与教师为例，虽然通过私信的方式能够使学生和教师进行交流，但是教师未必是时时在线的，当教师看到消息时学生可能已经下线了，这导致双方无法进行有效的交流。但是，通过将人工智能应用于教育事业中，能够使学习系统对学生的学习水平进行自动识别，并针对学习者提出的具体问题提供解决方案或者意见。而且，人工智能是一种技术科学，只要有电力和无线网络就可以实现二十四小时在线，使学习者能够随时随地提出问题并得到有效解决。另外，人工智能与学习者之间是一对一教学，学习者通过对其输入自身的知识水平从而得到系统的学习方案，且还会自动匹配符合学习者的教学内容和方法，针对学习者养成的学习习惯进行教学。同时，人工智能还能够为学习者提供丰富的学习资源，这主要是人工智能包含了广泛的先进技术，其中就有互联网技术，通过快速搜索学习者需要的学习资源，使学习者一个人也能够开展高效率的学习作业，促进学生个性化发展。
1.2交互式学习概述。交互式学习主要指的是通过结合交际合作和电子设备的新型教学方式[2]。随着科学技术的不断发展，电子科技和多媒体技术水平得到了极大的提升，二者的有效整合催生了交互式学习这一教学方式。在人们生活水平不断提升的背景下，对高等教育的需求也逐渐扩大，越来越多的学生进入高等教育的课堂，学生对学习的需要也在日益增加。交互式学习使教师不再是知识唯一的传授者，而是与学生共同讨论知识的引导者。但是，站在不同的角度交互式学习具有不同的定义，对于人工智能下的移动交互式学习，主要是利用网络技术、人工智能以及多媒体等技术由学习者主动进行的一种双向交流式学习方式。人工智能通过将海量信息进行整合，在运用大数据技术对其进行分析，提取有用的信息反馈给移动设备，使得学生能够通过移动设备与人工智能进行对话，探讨问题以及搜集学习资源。
2分析人工智能下移动交互式学习系统的优势
人工智能下的移动交互式学习系统能够使学生在互联网环境的作用下，真正做到不受时间、地点的局限，使学生能够秉持开放的心态和探索的精神进行学习，从而有效落实我国实行的素质教育。
2.1将被动学习转变为主动学习，实现学生的主体地位。学生通过使用人工智能为基础的移动交互式学习系统，能够完成颠覆以往的传统教学模式，实现学生的主体地位，提升其学习的主观能动性。具体而言，人工智能作为一门先进的技术科学，对学生而言，本身就具有较强的吸引力。通过在构建交互式学习系统时将人工智能作为基础，能够使教学活动和学习活动转换成以学生作为核心，并借助强大的互联网技术搜集大量的学习资源，共同开展学习、探究和反思，从而使学生进行知识内化，增强其学习的主动性。除此之外，无论是哪个阶段的学生，均存在羞于向教师请教的现象，学习过程中遇到的问题，往往因为没有及时询问教师而越积越多，导致无法建设系统的知识体系。而且，由于教师较忙，班级学生较多，教师无法解决学生的全部问题，这对学生学习的积极性造成了一定的影响。但是，通过应用以人工智能为基础的移动交互式学习系统，使学生以放松的心态提出学习问题，满足学生的学习需求和心理需求，从而提升学习的学习效率。另外，人工智能下移动交互式学习系统还能够及时调整学生的学习方案和学习内容，培养学生养成良好的学习习惯，使学生能够更加专注于学习，还能够为学生提供大量的学习资源，进而极大地激发了学生对学习的积极性，提升了学生学习的自主性，充分发挥了学生的主体地位。
2.2进一步突破时间和空间的限制。随着科学技术的不断发展，各种各样教育平台的出现使学生能够随时随地开展学习作业，打破了空间、时间以及地理位置对学习和教学活动的限制。但是，如上所述，由于教师与学生之间无法做到生活作息相同，难免会出现漏掉信息或是回复时间长等问题，导致学生无法及时得到回答，影响学生学习作业的顺利开展。但是，人工智能下移动交互式学习系统能够使学生真正意义上的实现随时随地开展学习作业，通过人工智能对智能行为的模仿，能够使学生立刻得到回复以及解决问题的建议，避免了等待时间，提升了学习效率。而且，该系统是以移动设备为载体的，在当前时代背景下，手机等移动设备普遍应用，这意味着，该系统能够得到快速普及，与人们顺利完成交互式学习。
3研究人工智能背景下构建移动交互式学习系统的途径
3.1总体设计。人工智能下移动交互式学习系统主要是以学生以及学习为中心，学生是该系统主要的使用人员，所以，在构建该系统时，要设计以下系统：第一，学习的子系统。该系统是在人工智能的基础上结合交互式学习环境对学习环境进行虚拟，实现该系统突破时间和空间的限制，使学生能够自主进行学习，开展个性化教育。第二，疑难解答的子系统。该系统主要应用的就是人工智能这一技术科学，通过应用该技术对智能行为进行研究和模拟，并将各个阶段的学习资源进行有效整合，为实现人工智能与学生之间的有效交流奠定基础。同时，还应加入语言识别以及图像识别等体系，使学生能够与该系统进行交流，并使该系统能够针对学生上传的图像进行有效识别，进而提供给学生有效的学习方案和问题解决方案。第三，考试子系统。为能够给学生提供合适的学习方案以及学习水平检测机会，在该系统中应设计考试子系统。该系统是基于移动设备的在线考试，系统能够通过结合学生的学习内容以及学习目的生成相应的考试题目，使学生能够准确把握自身的学习水平，进而明确学习方向。不仅如此，该系统还能够对最终的考试结果进行分析，指出较为薄弱的知识面，使学生能够及时调整学习方案，开展高质量的学习工作。第四，自测练习子系统。人工智能下移动交互式学习系统包含着大量的学习资源，为使学生能够系统的学习，往往需要对学习内容按照难度、科目、形式等标准进行分类。而自测练习子系统的主要作用就是向学生提供及时检查学习效果，当学生学完某一章节的知识内容时，就可以通过语音或触屏等方式唤出自测练习模块，进而及时开展测试工作，掌握自身对该章节知识内容的理解度，明确学习效果较差的知识内容，从而有针对性的开展学习工作。人工智能交互式自测练习系统如图1所示。
3.2主要应用的人工智能技术。第一，智能。人工智能中最为关键的因素就是与学习对象相结合的部分，该部分就是智能，其特征是自治性、针对性、反应性等。对于移动交互式学习系统而言，通过应用智能，能够有效解决学习者的学习问题，而且，在该系统中，能够应用多技术，从而解决更加复杂的问题。第二，专家系统。该系统汇集了大量的专家知识，避免学生在实际使用中出现错误。在移动交互式学习系统中，专家系统主要由三部分组成，分别是知识库、推理机以及用户接口。通过加入该系统，能够使该系统将与学习者匹配的专业知识进行推送，使学习者能够实现与专业知识的对接。第三，知识表示。它是人工智能的关键内容之一，其他的关键内容分别是知识推理和知识应用。通过对其表示方法进行设计，能够更好的解决学习者提出的问题。主要的表示方法有：问题归约法、语义网络法以及谓词逻辑法等。第四，自然语言处理。通过设计自然语言处理，能够使人与系统之间使用自然语言进行有效的交流，实现人机之间自然语言通信。
3.3数据库设计。人工智能下的移动交互式学习系统的数据库主要借用的是E-R模型，通过对该模型进行设计，从而实现信息数据的转换，使系统能够理解客观世界的信息数据。在该模型中主要包括：用户、资源、课程、试卷、作品、评论，通过健全的数据库，能够使人工智能贯穿于整个移动交互式学习系统，给学习者提供良好的学习体验。E-R模型如图2所示。
4结论
关键词：人工智能；高职院校；财务管理专业；人才培养
一、人工智能对财务管理行业的影响
1.节约人工成本，提高工作效率
“人工智能”是模拟了人类思维模式的“机器”，能处理更为复杂的工作。所以当2017年5月，德勤财务机器人的问世，6月，机器人“财宝”的问世，给财务行业带来了巨大的震动。它们的出现，将数据核对、报表编制等重复性基础工作由人转给“机器”，工作效率提高的同时将裁掉基础性工作的财务人员，由此企业将节约较大的人工开支。
2.需创新财务管理模式，以适合人工智能的应用
传统的财务工作核心是业务核算，管理模式也是以核算为中心。在传统的财务管理模式下，财务会计与管理会计是相互独立的，而两者的工作内容有重复之处，核算工作又占用了大量的时间，因此管理会计被弱化，传统模式也未履行好“管理”职能，导致财务管理工作质量较低。人工智能环境下，由机器完成大量的业务核算工作，管理模式也应由财务会计转为管理会计，让财务管理工作重回到以“管理”为核心，高效、高质量地完成财务工作。
3.财务数据的安全及保密性的重构
人工智能虽能模仿人的意识和思维，但始终是机器，执行的是预先设置好的指令，也就增大了遭受黑客攻击窃取数据的概率，另外，机器也会不定时的出现故障。财务是企业的核心，财务数据的重要性就不言而喻了。在人工时代，财务数据的安全及保密工作已做得比较完善。在人工智能时代，就需要对财务数据的安全应用及保密工作重新做好构建，避免数据的被窃取、损毁和丢失。
4.改变对财务人员的要求
（1）具备扎实的专业知识。不论人工智能如何发展，都不可能完全替代财务人员，对财务的分析、决策等工作还是需要依靠人进行，操控人工智能的也是人。以往财务人员是分岗、轮岗制，人工智能下，某些岗位将被合并在同一台机器上，而操作员是同一人。这就要求财务人员必须具备更为扎实和全面的专业知识，才能正确使用及监督人工智能的运行，才能根据人工智能提供的信息做出正确的分析判断。（2）具有较强的信息处理能力。人工智能，提高了工作效率，也加速了信息的传播。人工智能时代，也是大数据时代，财务人员除了处理企业内的账本、报表等数据外，还应随时关注企业外的相关信息，对数据有较强的分析、处理能力，才能为企业高效地提供决策信息。（3）熟流程，懂业务，会软件，好沟通。“业务即财务，业务在哪儿，财务就在哪儿”。这是财务行业转型后的“财务业务一体化”。这就要求，财务人员除了熟悉专业的工作流程和业务外，还要熟悉企业的运作流程和业务，只有对企业进行全面掌握，才能将企业的财务管理得更好。在人工智能环境下，各类软件及平台将出现在财务的日常工作中，这要求财务人员要不断地学习，掌握新技能。财务人员除了与企业各部门的人员交流外，还经常涉及银行、税务等部门。行业转型后，面对的交流对象还会增加，这就要求财务人员需要具备良好的沟通能力，同时具备一定的“情商”，脱离死板的“账房先生”形象。
二、目前高职院校财务管理专业人才培养存在的问题
1.与会计专业的界定不清晰
不少高职院校对财务管理专业与会计专业的界定模糊，两个相似专业的课程体系区别很细微，还因一句“财务会计不分家”，更让人误解财务管理专业等同于会计专业。“财务会计不分家”，只是说明财务管理专业和会计专业有很多相同之处，但两个专业的培养目标及就业岗位是有区别的。会计专业侧重于培养学生的业务核算和软件应用的能力，而财务管理专业侧重于培养学生的财务监控、分析和决策能力，以及ERP的管理运用能力，且对投资理财能力也有一定培养要求。因而在课程体系的建设中应该有明显的区别。
2.使用传统财务管理模式的课程体系
现因人工智能还未完全普及，大部分高职院校仍按传统的财务管理模式建立课程体系，仍以财务核算为中心去开设课程，并未调整课程体系，导致学生所学知识体系与企业的工作模式严重不符，毕业即失业。
3.缺乏资金引入人工智能设备进行教学
财务学生的实习问题一直很严峻，但在人工智能下，学生在教室就可模拟真实工作进行实习。但一套财务教学软件的价格是几十万元，一套财务共享中心则是上百万元，对于很多高职院校来说，都是不小的数目，特别是民办院校，还没有经费支持。也正因资金的缺乏，让不少高职院校的财务管理专业并无相关的人工智能平台或设备，从而无法实施相应的教学。
三、高职院校财务管理专业人才培养方案的修订探索
1.根据市场调研，明确专业培养目标
学校培养学生，学生进入企业，企业推动社会发展，社会发展离不开教育，因而人才培养目标的制定，也离不开市场的需求和调研。只有明确了专业的培养目标，才能制定具体可行的培养方案。
2.修订课程体系，配合创新的财务管理工作模式
企业随着市场变化而转变，知识需求也会不断被更新。培养方案中的课程体系自然也要随之变化，但需要有针对性和变化的依据。在财务管理工作模式的转变下，需将课程体系转为以“管理会计”为主，“财务会计”为辅，调整现有课程体系结构，同时要与相似专业有明显区分，即需修改课程体系；另外，需结合人工智能的发展趋势，新增云共享、财务大数据等相关课程。为了保证新增课程的学时数及调整课程体系后的学习重点，可将部分核算课程的课时相应减少，或者进行相关课程之间的合并，使合并的课程课时数大于单门课程课时数，但小于合并的多门课程课时总数之和，即形成“1+1＜2”的模式。例如，因早已普及了电算化核算操作，手工账只是让学生对财务基础理论进行巩固及运用，将财务业务工作流程有实操练习的机会，因此可以直接减少课时，或合并到相关课程中。如手工账课程、基础会计课程现均设置为64学时，将两个课程合并，设置总学时为96学时，即节省32学时，用于新课程的开设。对于部分运用较少的核算课程可以作为选修课或根据情况需求使用新增课程替代。另外，财务管理专业对学生的投资理财能力和沟通能力都有所要求，所以也应开设这些方面的课程。以上课程体系的调整，除了考虑到人工智能背景，结合新的工作模式外，也更能突出与会计专业的不同之处。
3.资金不足，先“培”教师
在资金不足，没有人工智能教学条件的情况下，院校可输送教师外送进行培训或参加专业研讨，让教师能及时了解到新动态、掌握新技术。在人工智能并未普及时，将教师培养起来，让教师对行业转变进行传播和理论知识的教学，使学生明确以后的学习方向，等到普及之时，师资将不是问题，学生在校或工作后自学也更容易。
4.创新教学方法
由于网络的快速发展，各类学习平台不断发展完善，教学资源日渐丰富；信息化手段的介入，幕课，微课等也随之兴起；各类学习APP也不断创新，如雨课堂，蓝默云班等。这是因为行业的转变，知识体系结构的变化，教学方法、手段需随之不断创新的结果。但教师应根据人才培养目标，制定相应的课程教学目标，选择或创新适合学生学情的教学方法，进行知识的教授和技能的传授，不能一成不变地使用传统教学方法。
5.加强校企合作，就业跟踪，优化培养方案
人工智能可以解决学生的实习问题，但不能替代校企合作。校企合作并非仅仅是解决学生实习和工作的问题，它能检验教育问题，指引教育方向，促进教育发展。专业的人才培养是随着企业需求，社会变化而变化的，只有加强校企合作，做好就业跟踪与反馈分析，了解市场需求，才能不断优化培养方案。
四、结语
人工智能给社会带来快速发展的同时，也给财务人员带来了巨大的影响，它虽然不能完全替代人类，但打破了社会的传统认知和思维模式。高职院校不仅需要培养学生的专业能力和创新能力，还须培养学生具有终身学习的意识，从而运用人工智能，而不是被其替代。
参考文献
1.马治国.人工智能对财务会计人员的影响及转型分析.现代经济信息，2019（27）.
2.罗及红.人工智能助力高职财务管理专业人才培养.文教资料，2019（31）.
3.陈爱明.浅谈人工智能对财务会计人员的影响.财经界（学术版），2019（23）.
关键词：人工智能；电子信息；新工科
近年来，人工智能被提升到国家发展战略高度。2018年4月，教育部印发《高等学校人工智能创新行动计划》，要求高等学校探索“人工智能＋X”的复合专业人才培养模式，提出高等学校需要主动结合社会需求，根据人工智能理论和技术所具有的普适性、渗透性和迁移性的特点，重视人工智能与相关学科专业的交叉融合，积极开展新工科建设。新工科是在传统工科学校工程教育培养模式和办学理念基础上提出的新方向，新工科建设要以未来新兴产业、新经济为背景，立足于“工科”和“新”两个方面，以培养具备国际竞争力、创新与实践力强的高素质复合型人才为目标，将人工智能、机器人、智能制造、大数据、云计算等新兴技术用于传统工科专业的升级改造，实现传统工科专业的改革［1］。电子信息产业是一项高科技朝阳产业，电子信息工程专业以培养具备电子技术、信息传输与处理技术及计算机应用技术知识，能从事电子信息产品软硬件及计算机信息系统设计，研发的复合专业人才为目标，随着信息技术和人工智能技术的发展，电子信息工程的应用愈加广泛，具备熟练软硬件相关知识的电子信息工程专业人才供不应求，因此电子信息工程专业成为新工科建设的重点发展对象。人工智能与电子信息学科存在很多相似之处，人工智能的本质是智能信息处理的方法，作为应用型本科院校，如何将人工智能与电子信息工程专业建设相融合，进行复合型、应用型的新工科社会紧缺人才培养，是一个需要重视的问题。本文通过分析电子信息工程专业的发展现状，结合多年的电子信息工程专业授课经验，来研究如何实现人工智能相关实践、理论课程与传统的电子信息工程专业培养方案有机结合从而形成一种新的人才培养模式，对于电子信息类新工科人才培养质量的提高有十分重要的意义。
1人工智能背景下当前电子信息类
新工科人才培养模式存在的主要问题
1）电子信息类人才评价机制需要进一步完善和优化，教学理念需要进一步转变。目前，依然存在部分师生将会解答习题，能通过考试作为学生学会一门课的标准，对实践教学不够重视的教学理念依然存在［2］。教学理念与电子信息类人才评价机制紧密联系，传统的工程教育对学生的基础知识、学习能力、知识的系统性等较为注重，然而新工科背景下，不仅注重学生的学习能力和基础理论知识，而且对学生的综合素质、动手实践能力、创新能力等更为强调，如果以传统人才评价机制来衡量一个学生是否学会此类课程，很难达到锻炼学生动手实践能力的目的。因此，当前电子信息类人才评价机制需要进一步完善和优化，教学理念需要进一步转变。
2）专业课程体系需要更新与调整，师资力量需要进一步加强。当前，电子信息工程专业的主干课程是以两电两信号（信号与系统、数字信号处理、数字电子技术、模拟电子技术）为核心，课程讲授的内容对智能制造、智能检测技术、互联网＋等新兴领域所需要的电子信息基础知识引入甚少，课程体系的交叉性和前沿性不够，导致当前电子信息类专业培养的学生的思维依然停留在传统电子信息领域，走进职场后需要较长的时间去适应新技术和新装备［3］。人工智能是一门综合了信息论、控制论、计算机科学、语言学等多门学科的综合性学科［4］，人工智能的本质是智能信息处理方法，和电子信息技术学科存在着许多重合点。随着人工智能的广泛应用，电子信息技术不再仅限于电路、电场等传统领域，而是朝着云计算、智能信息技术、大数据等新兴方向发展，如何将人工智能与电子信息工程专业培养方案有机结合，需要在学习如信号与系统、C／C＋＋程序设计、数字信号处理、模拟电子技术、数字电子技术、单片机技术等传统课程的基础上，加强在机器学习、模式识别、自然语音处理等人工智能基础课程的建设，使学生了解智能信息处理的前沿技术，扎实学生的数学物理基础，这对教师的教学水平和学生的学习能力提出了更高要求。
3）实践教学与人工智能发展脱节，实验室硬件设备建设相对滞后，人工智能校内外实践基地缺乏。人工智能新应用、新技术不断涌现，电子信息技术发展非常迅速，但是由于受到多种因素的影响和制约，目前对实践教学内容进行更新的速度较慢，实践教学内容与当前的技术发展和实际应用仍存在较大差距。目前实验仪器设备缺乏，实验设施的更新换代滞后，部分机房的计算机配置较低、故障率较高，对运算量较大的以人工智能为导向的课程实验无法开展。多数高校校内外实践基地中，与人工智能相关领域的实习单位不多，尚不能满足以新工科和人工智能为导向的应用型电子信息工程特色专业建设生产实习的需要。如何把电子信息工程专业中的电子技术、信号传输与处理等技术与人工智能相关技术进行融合并在智能家居、人脸识别等热门领域进行应用，提高学生的动手能力并培养学生的不同兴趣爱好，是一个亟需解决的问题。
2人工智能背景下电子信息类新工科人才培养实践教学体系改革研究
为了更好地提高电子信息工程专业学生的培养质量，将人工智能新概念融入到电子信息工程专业建设中，进行复合型、应用型的社会紧缺人才培养，鉴于电子信息工程专业教学的现状，结合多年电子信息工程授课经验，对人工智能背景下电子信息类新工科人才培养实践教学体系改革提几点建议，具体如下：
1）深化课程体系改革。以培养学习能力和实践能力强的电子信息人才为目标，针对电子信息工程专业的特点，需要对传统的重理论讲解的教学方式进行改变，本着学以致用的原则，适当压缩理论课时，增加实践课程课时，制定更加科学的专业实践教学体系；在讲解理论知识的基础上，着重讲解电子信息工程与现实相关联的应用。人工智能技术的应用往往会基于电子信息技术所采集和解析得到的数据和信息，增加包含信息的获取、传输、存储、处理及展示这一全过程的综合性课程，将人工智能和电子信息技术加以融合，对信息处理过程中需要准确分类、聚类、预测的信息进行处理，并且更深刻地剖析其所蕴含的价值，进一步提高信息的采集、解析以及处理等方面的效率，努力培养学生分析解决实际问题能力和操作动手能力，提升学生综合解决实际问题的能力。在现有电子信息工程专业的专业方向和课程体系的基础上，逐步建设以人工智能为导向的应用型电子信息工程特色专业，开展机器学习、深度学习、模式识别、自然语音处理等人工智能基础课程，为学生实践能力的培养奠定基础。在未来的专业发展规划中，逐渐形成电子信息工程与人工智能相结合的不同专业方向，例如：人脸识别，语音交互，物联网、智能家居、机器人，智能驾驶，无人机等。
2）着力提高教师的教学和科研水平。教师队伍工程技术经验普遍有所不足，不仅应注重提高电子信息工程专业教师的教学及科研水平，而且应该注重提高教师团队的实践能力，丰富教师团队的实践经验。鼓励教师积极与企业、科研院所展开全方位合作，例如：与企业开展产学研合作，进入企业博士后科研工作站进行博士后研究等，提高教师实践能力。鼓励教师积极参与电子信息、人工智能行业培训和进修，丰富自身实践经验，使其能在教学中，更好地把人工智能新技术和电子信息工程专业相融合，并对学生进行相关的各种竞赛指导。通过海内外教师招聘和内部强化培养（教师“双师化”、“国际化”、“博士化”）等措施，进一步加强师资团队的建设。
3）增加以人工智能为导向的实践教学内容。以大力培养学生实践能力为目的，加强基础性实验，优化实践教学内容，拓展综合性实验，并考虑企业的实际用人需求，有针对性地开展实践教学。新建一些与人工智能技术相关实验室，如人体特征识别实验室、机器人实验室、智能传感器实验室等，增加人脸识别、语音交互、物联网、智能家居、机器人，智能驾驶、无人机等人工智能相关的实践教学环节，最终使学生学有所用，达到以人工智能为导向的应用型电子信息工程专业人才培养目标。高校定期邀请来自于知名企业具有丰富经验的人工智能领域专家来学校进行讲坛，使学生能了解人工智能与电子信息技术相结合的实际应用场景并及时了解智能信息处理的前沿技术，激发学生学习兴趣，提高学生知识学习的积极性。
4）鼓励学生参加各种人工智能竞赛和活动。鼓励学生积极报名参加各种与人工智能和电子信息技术相关的竞赛，通过竞赛实现自身实践能力和竞争力的不断提高并实现自我的学习成长。经调研发现，目前，大多数本科高校均高度重视学生参加竞赛类的实践活动，从大二开始，电子信息工程专业的学生会积极报名参加如全国大学生电子设计竞赛、全国大学生机器人竞赛、全国大学生智能车比赛等各种竞赛，并已取得较好的成绩。鼓励学生参加各种人工智能竞赛，比如中国高校计算机大赛－人工智能创意赛、AIChallenger－全球AI挑战赛、Kaggle数据科学竞赛等，通过参加人工智能相关竞赛使参赛学生进行人工智能相关的理论、实践技术学习，并实现自身实践能力的提升。学校设立创新创业保障经费，定期组织举办“新工科＋人工智能”方面的活动，提高学生的实践能力和创新能力［5］。
5）加强与企业的合作，加大校外实习基地建设。电子信息工程专业在进行校内实验室建设的同时，应积极与电子信息、人工智能相关企业开展产学研合作，加强实习基地建设，不断提升学生的工程素养，实施产学融合工程教育［6］，实行学校与企业“双导师制”，对学生实习进行指导，提高学生实践动手能力，提高生产实习效果。进一步加强与企业的合作，对企业的人才需求进行及时了解，然后据此有针对性地进行电子信息类人才培养。
3结语
【关键词】人工智能；思想政治工作；影响分析；机制创新
众所周知，人工智能的崛起，推动高校学生思想政治工作的开展，同时，也给高校思想政治工作带来一定的挑战。因此，结合高校思想政治教育过程中所存在的问题，以人工智能的发展成果，对高校学生的思想管理模式进行改革，促进高校与人工智能研发机构的合作；采用数据模式，加强对人才的培养［1］。尤其针对于伦理问题，要加强研究，对学生的思想情感、道德品质、意识形态进行培养，通过具体的数据分析和结果的指引，加强学生对知识的探索，从而促进学生的全面发展。
一、人工智能的相关概述
（一）人工智能的发展
首先，众所周知，人工智能最早由上世纪50年代提出，由高技术引领才能获得一定的发展。尤其在当前云计算、大数据等技术的应用中，使得人工智能在不断的升级。其次，人工智能在不同的领域获得一定的进展和应用，尤其在机器学习方面，对人脑中的某个部分进行模拟，发挥其特定的功能。最后，从研究的领域来看，人工智能能够对问题进行解决，加强逻辑推理，对语言进行深入的理解，通过不同模式的识别，开展智能检索，提高不同行业的运行效率，起到辅助作用。比如，人工智能在进行深度学习的过程中，对海量的数据进行搜集，通过科学的计算方式和表达，对人脑中的神经网络进行模拟，利用语言识别、图像识别，进行全方位自我学习技术的应用。
（二）人工智能背景下的高校思政教育工作
在当前的人工智能发展过程中，与高校思想政治教育工作进行融合，为高校思政工作提供技术载体。首先，人工智能帮助教师对常规的教学工作进行梳理，提高教师的教学创造力，增强对学生的关注与关怀。其次，针对每个学生制定个性化的学习方式，有效地提升学生的学习成果。最后，最大限度的打破教育的束缚，对教学资源进行合理配置，促进高校思政教育工作质量的提升［2］。
二、人工智能对高校学生思想政治工作的具体影响探讨
在当前的高校思想政治教育工作开展过程中，要发挥人工智能的辅助作用，加强技术载体的应用，培养优秀的人才，提高学生的思想素质。
（一）人工智能促进思政课资源配置，开展针对性差异化教学
首先，在高校思想政治教育工作开展过程中，充分发挥人工智能的辅助作用，借助人工智能对数据进行搜集，加强对数据的综合分析，了解学生的基础状况，针对每个学生的学习需求来制定个性化的学习方案。其次，为学生推送思政课学习资源，帮助学生灵活的对时间进行安排，提高学生对思政课学习的积极性。最后，人工智能课堂能够为教师提供不同的教学方式，教师在课上对不同的优质教学资源进行调取，促进教学质量的提升。
（二）人工智能促进思政课内容丰富，加强科学管理
教师在进行高校思政课教学的过程中，要促进教学方法的多样化应用，同时，提升教师队伍的专业教学能力。因此，首先，利用人工智能中的大数据搜索引擎，对数据进行有效的储存，获取优质的教学资源，使课堂内容更加丰富［3］。其次，利用先进的人工智能技术，促进教学管理的变革，使学生根据自身情况对课程进行选择，利用人工智能系统对教师课程教师进行合理的设置，提高学生的满意度。比如，在进行学生班级管理时，利用智慧校园终端可以对班级进行科学化的分组，使教师有更多的精力投入到日常教学活动中，促进科学化管理模式的形成。
（三）人工智能促进高校思想政治教育方式的转变与创新
在对高校学生进行调查的过程中，发现部分学生存在思想问题，同时，道德境界有待提高。因此，高校思政教师要结合学生的具体思想和要求，对教学方式进行变革。因此，首先，借助人工智能将线上网络与线下课堂进行结合，满足学生不同的学业需求，建立系统来对学生进行综合测评，促进学生个性化的发展。其次，人工智能在进行学生考核的过程中，不仅仅是借助封闭式的标准答案考评，更注重对学生语音图像的搜集采用开放式的题目进行线上测评，同时，实施监测学生的反馈，通过感知学生的情绪来进行区别化教学［4］。比如，教师在进行思政课作业批改过程中，利用人工智能的语言处理和作业数据库，对学生的作业进行测评，根据其内容和结果提出有效的建议。通过这种教学辅助性工作的开展能够使教师更好地发挥创造力，促进思政课教学质量提升。
（四）人工智能推动学生管理方式转变，构建个性化模型
一方面，在人工智能发挥作用的过程中，要对学生的信息进行收集，通过科学的分配和各种算法得出的分配结果，对学生进行科学的管理。另一方面，在开展思想政治教育工作的过程中，利用人工智能能够有效地开展管理工作，规避学生舆论，做出客观的判断，精确识别学生各项信息，对学生进行管理意见和建议的提出。
三、人工智能促进高校思想政治工作机制创新的策略探讨
在高校思想政治工作开展过程中，要促进机制的创新，发挥人工智能的辅助作用。
（一）加强高校各部门的合作，促进数据采集通道的畅通
当前信息时代的发展高校在进行工作开展过程中，往往依赖于信息系统，借助学校官网对学校的动态和管理模式进行优化。因此，首先，高校在开展思想政治教育工作过程中，要加强高校不同部门的联合，利用人工智能对学生的基础数据进行收集，从而保证对学生的分析更加全面。其次，通过不同管理系统的优化，对学生的情况进行动态的把握，导入基础数据，对接口进行调整，为人工智能作用的发挥奠定基础。
（二）采用多种人工智能方法，提高数据分析的精确性
在高校思想政治工作开展过程中，要利用人工智能对学生的情况进行了解，模拟人的思维，分析学生当前所存在的心理问题，同时，借助人工智能的多种方法，如机器学习、语言识别、图像识别、情感处理，对学生进行有效的指导，使得学生能够提高自身的思想政治素养，提高道德境界。
（三）了解学生思想动态，生成个性化方案
首先，在当前的高校思想政治工作开展过程中，要从不同的角度对学生的思想动态进行把握，针对学生所存在的心理问题提出有效的解决策略，同时，为了确保人工智能的准确性，要加强多种指标的录入，提高基础信息的完善性，能够针对学生的个体差异，形成个性化的指导方案。其次，对人工智能应用于学校思想政治工作的机制进行完善，能够形成相关制度，在制度的引领下，促进具体工作的开展。
四、结束语
综上所述，在当前高校学生思想政治工作开展过程中，要充分发挥人工智能的辅助作用，加强对人工智能的了解，同时，使人工智能能够对高校思政资源进行合理配置，结合学生的个体差异开展教学。但是，当前人工智能时代高校思想政治教育过程中所存在的问题也不容忽视，比如缺乏专业的思政教学人才、人工智能应用面临着技术的壁垒、推广过程中存在不融合的问题等，因此，针对具体的问题，促进人工智能技术的优化。通过高校思政教育中的核心问题，为人工智能技术的推广奠定基础。
参考文献：
［1］吴玲玲．人工智能对高校学生思想政治工作的影响与机制创新［J］．中共云南省委党校学报，2019（04）：37-41．
［2］张云德，姚晓萍，王丽．高校思想政治教育供给侧结构性改革路径探析［J］．中共云南省委党校学报，2017（04）：42-45．
［3］武东生，郝博炜．思想政治教育有效利用人工智能的分析［J］．马克思主义理论学科研究，2019（03）：103-112．
关键词：嵌入式人工智能；线上线下混合式；项目结果导向；赛教融合；全周期；新工科
0引言
自2016年我国正式加入“华盛顿工程认证协议”后，新工科建设成为应对全球新一轮科技和产业革命的又一重大战略选择。历经“复旦共识”“天大行动”“北京指南”等一系列探索实践，我国的新工科建设向纵深发展。2018年4月，教育部印发《高等学校人工智能创新行动计划》，要求推进新工科建设，重视人工智能与计算机、物联网、生物学、心理学、社会学等学科专业教育的交叉融合，形成“人工智能+X”复合专业培养新模式[1]。《人工智能产业人才发展报告（2019-2020）》中指出，目前人工智能产业人才供需结构不平衡，整体需求缺口较大，人才供给在当前面临的岗位类型和技术方向上与企业需求之间存在显著错位的严重现象；人才供需质量不平衡，企业对创新型、应用型、复合型人才的需求更加突出[2]。嵌入式人工智能（EmbeddedArtificialIntelligence,EAI）是以微控制器MCU或应用处理器MPU为核心，具备基本学习或者推理算法，融合传感器采样、滤波处理、边缘计算、通信及执行机构等功能于一体的嵌入式计算机系统。目前它的发展还处于初始阶段，其发展应用正与物联网技术有机融合，势必会引起先进制造业的深刻变革[3-5]。
1现状及存在问题
1.1现状分析
为了抢占科技发展的制高点，各个学校都将人工智能作为优先发展的方向，比如清华大学于2018年成立人工智能研究中心，北京大学于2019年成立人工智能研究院，中国科学院大学于2019年成立人工智能学院，北京科技大学于2019年成立人工智能研究院，北京石油化工学院于2020年7月成立人工智能研究院。通过人工智能与相关学科的交叉融合，带动智能制造、智能医疗、智能环保、智能安全、智能材料、智能商务、智慧管理等学科领域的升级换代[6]。目前人工智能的人才培养重理论、轻实践，注重于机器学习算法理论、通用人工智能、高性能计算机模型训练等方面；而在嵌入式人工智能人才培养方面，由于难度大、复杂交叉性强，缺乏完整系统的教学知识体系，未能有效地展开教学，从而无法满足当前对人工智能人才的需求。以本校为例，在2018年修订了新的培养方案，计算机科学与技术、软件工程、数据科学与大数据技术、物联网工程、电子信息工程等相关专业均以选修拓展课或者方向课的形式开设了人工智能类的相关课程。这些课程目前只停留在理论和简单的数据训练层面，无法形成教学体系，更谈不上实践体系的建设。随着近些年人工智能技术和MOOC课程的迅速发展，利用线上线下课内课外混合式的教学资源以及丰富的人工智能实践平台，能够使得大规模的数据训练和模型获取变得简便。然而，对于模型的终端部署（嵌入式人工智能）未形成统一的教学体系，仍然是各个高校普遍存在的共性问题。
1.2存在问题
（1）资源未有效整合目前，嵌入式人工智能相关知识仍分散在各个专业、各个方向，线上线下的资源鱼龙混杂，关键性的核心技术未有效地公开，需要进行大量的探索，导致学生学习效率极差、无法整合海量的知识，不能利用相关的技术真正解决现实的工程实际问题。（2）课程相关实验陈旧无论是机器学习还是深度学习等相关课程，实现具体的算法时，仍然是以传统的实验为主，数据集经典、案例成熟，已无法适应当今快速发展的应用场景。由于获取真实的数据较困难，导致课程授课难度变大。（3）软硬件配置无法有效统一大规模的数据训练需要高配置的服务器资源（高性能的CPU、GPU等），并且模型的轻量化裁剪没有统一的流程和方法，嵌入式端的处理能力更是参差不齐，无法有效地统一，学生无法抓住学习训练主线，导致学习时心有余而力不足。
2实践教学研究基础
2.1实践教学理念
线上线下和课内课外的混合式教学，可以有效解决教学实践中学时不足的问题。利用现有的线上资源，选择适合学生特点的相关资源进行整合，并开发特色实践案例。建立起“基本理论-算法分析-数据采集-模型训练-轻量化裁剪-模型部署-应用测试”的全周期项目资源链条。以结果为导向（OBE）的项目制教学，在国内外知名高校早已开始广泛实施[7-10]。这一教学理念特别适用于人工智能实践教学，具体流程如图1所示。
2.2实践教学平台
（1）数据获取平台在真实项目的基础上，依托物联网的感知平台，获取大量的真实数据，并对数据做初步的加工处理，初步确定数据的相关特征。（2）模型训练依托开源的深度学习平台（比如百度飞桨AIStudio、阿里天池），进行模型的初步训练，再利用现有的本地算力服务器资源进行模型的再训练，利用训练集进行多次测试调参。（3）模型裁剪及嵌入式终端部署将训练的模型进行蒸馏、剪枝等操作，根据不同的嵌入式终端，找到符合真实场景的最优化模型，进行反复的测试。
3实践教学研究内容
基于新工科的培养目标，结合工程认证的相关理念，建立人工智能理论与实践相结合的教学体系，不断完善产学合作的实践教学方法及课程评价方案，研究内容主要从课程知识模块构建、教学方法、评价方案、实施计划等四个方面展开。
3.1课程知识模块
目前我校的培养方案执行的是“平台课+核心课+方向课+拓展课”的模式，受学时限制，部分核心课程或者方向课程开设在拓展模块，并且执行过程中均是根据专业指定相关拓展课程，失去了制定拓展课的意义。鉴于人工智能在计算机专业中共有的意义，在拓展课程中构建完整的课程群体系具有一定的参考价值。嵌入式人工智能课程群知识模块包括四大部分：数学基础模块、基础算法模块、核心技术模块和创新应用模块，具体见表1所列。表1中所列的相关知识模块，实际上在各专业人才培养方案中均有所涉及，但是未成体系。例如数学基础部分的矩阵和概率相关知识在基础数学中均会涉及到，针对人工智能领域常见的数学方法的概括和再现，完全可以放在线上由学生自主学习并完成相关测试，但并不是否定基础数学的重要性。各个专业均可以按照自身的培养目标，合理地选择相应的模块。
3.2教学方法
鉴于表1中所列的课程要远远超过现有的学时安排，可以逐步建立起网络教学资源，供学生自学和选学，辅助教师串讲答疑即可。这种线上+线下的混合式教学模式，更加符合学生实际选课的个性化需求，也能解决线下学时紧张的问题。而对纯实践类课程，教学方式以培养学生能力为导向，面向工程实际、项目导向，提高学生创新和动手实践能力，实现技能的培养。鼓励学生参加各种学科类开放型的竞赛，以赛促学，比赛的过程及成绩可以作为考核评价的一部分。
3.3评价方案
评价考核体系也是课程群实施的重要一环，这里会重点研究线上教学、线上+线下的混合式教学、纯线下教学等不同模式的考核方式。按照工程教育的评价标准，课程体系的评价方法主要从12个方面进行：①工程知识；②问题分析；③设计/开发解决方案；④复杂工程问题研究；⑤使用现代工具；⑥工程与社会影响评价；⑦环境和可持续发展理解评估；⑧职业规范；⑨个人和团队角色承担；⑩沟通；⑪项目管理；⑫终身学习。在评价方式方面，重点研究项目+团队+竞赛等全方位的考核，不再以单一的考核方式为主。
3.4实施方案
（1）线上资源建设按照知识模块内容，分批次建设相关的网络资源，并且可以发掘学生“传帮带”的作用，鼓励学生开发网络资源，开展小组式学习，不断优化相关资源，并逐步开发测试题集，对线上资源的学习有相应反馈。（2）开发实际应用案例以项目制为依托，结合教师和竞赛中的实际应用项目，打通从理论到应用的通道。比如在《机器学习与人工智能》课程中以机器学习和深度学习为依据，着重培养学生自主搭建深度学习框架的能力，贯穿简单的人工智能案例，达到人工智能与现实场景的高度融合。依托实习实践基地，开设相关知识的训练营，引进企业工程师，促进真实案例在企业落地，引导学生提前进入工程项目的实际训练，不断提高项目实操能力。（3）以赛促教，赛教融合以中国软件杯大赛、全国大学生人工智能大赛、全国大学生物联网设计大赛和挑战杯、国际互联网+创新创业大赛为依托，将参赛过程的实际表现融入课程的平时成绩，最终比赛结果可直接作为考核结果，学生在比赛过程中积累相关知识和经验，反向促进教学，真正实现赛教融合。
4结语
关键词：人工智能；中职教育；教师；角色重塑
1引言
当前社会逐渐走向科技时代，人工智能逐渐被应用于各行业和领域，以推进相关工作的开展。在积极推进教育改革和创新的过程中，逐渐将人工智能与课程教学有效结合，以实现即时化、个性化、智能化、高效化的教学。在“人工智能+教育”背景下，中职教学的理念、方法、形式、模式等发生了不同程度的变化。人工智能是否会取代教师成为关注的焦点和热点，人们对于教师职业和角色重塑的思考也更加深入[1]。
2人工智能教育对教师的影响
随着人工智能在教育教学领域的运用，其对于教师角色产生了一定的影响和改变，人们对于“人工智能+教育”背景下教师职业产生了不同的理解和认知。部分人认为，人工智能和其他应用于教育教学的信息技术一样，为教育教学活动的开展和教师的教学实践提供了工具和便利，并不会对教师产生实质性的影响。如开展和实施翻转课堂、微课教学、线上线下混合式教学等。另一部分人认为人工智能在一定程度上可以承担教师的部分工作和职责，替代完成批改作业等重复性、机械性的工作，在某些时候甚至可以完全取代教师。如美国佐治亚州理工大学休克.弋尔教授就曾使用过机器人助教回答慕课学生提问，且学生并未意识到助教是机器人，这也在一定程度上说明了人工智能是可以完成并取代一部分教师的教学工作的[2]。本文基于对当前教学现状和未来教学发展趋势、人工智能教学和教师教学的特点和优势的综合分析和考虑，认为在“人工智能+教育”背景下，教师角色发生了以下变化：（1）人工智能尽管可以产生与人脑思维同样的结果，但需要运算程序的设置和推动，其具备的自主性目前远远达不到人的水平，某些复杂化的问题仍得不到有效的解决和应对。未来人工智能将会被广泛地应用于基础理论知识的传授和教育等重复性、简单化、机械性的教育教学工作，教师则逐渐将工作重心转移到培养和提高学生的核心素养方面。（2）对于人工智能，需要辩证地看待和对待，即不高估、不低看。以目前的现状来看，人工智能不能完全取代老师，但是不可否认的是科学合理的运用人工智能等现代信息技术和工具进行辅助教学的教师能取代传统、单一模式下的教师。（3）需要将人工智能作为教师教学的辅助工具和手段运用于课程教学中，协助教师更好地发挥引导、沟通、管理、创新等方面的作用。通过有效的发挥人工智能和教师各自的特点和优势，以实现个性化、开放型教育教学，更好地满足教学需求，以促进学生的全面发展和提高。在“人工智能+教育”背景下，教师的角色发生了极大的变化，需要对教师角色的重塑进行更深入的思考[3]。
3人工智能教师的未来角色
随着人工智能在教学中的应用，未来人工智能教师在教学中将会扮演重要的角色，承担一部分教师的职责和任务。（1）承担助教的角色。通过对学生数据信息的分析，了解学生的能力和水平，自动生成适合不同层级学生的试题，并完成作业、试卷的自动批改。（2）实现学生的实时监测和管理，并将监测和获取的数据及时反馈给教师，通过大数据分析，协助教师及时发现学生学习和生活中的困难、障碍及各类问题，以便能够及时地解决和应对。（3）协助进行教学评估、学生能力测评等工作的开展，并在此基础上实现调整和优化。（4）通过数据分析，协助开展心理测评工作，帮助教师发现并解决学生心理问题。（5）基于数据分析，更准确地获取学生的体质、健康状况，并针对不同学生生成适合的体能训练方案。（6）输入综合素质评价相关参数，能快速地生成每一位学生的综合素质报告，并对优劣势、薄弱点等进行标注，以便对学生的综合素质情况有更全面的把握。（7）成为个性化智能教学的指导顾问，互动交流更方便，有助于指导和解答学生个性化问题。（8）通过对学生优劣势、特长、兴趣、性格、能力等的分析，帮助学生规划发展。（9）根据学生个性化特点和需求，自动生成适合学生，满足其教学需求的学习资源。（10）实现智能化互助教学，为合理制定教学方案、制定教学计划和决策提供相关的数据依据、分析模型。
4教师角色的重塑
4.1学生成长的引导者。“人工智能+教育”背景下，教师需要扮演好学生成长引导者的角色。教师的主要职责要从知识的传授，逐渐的转变为引导学生健康成长，承担学生人生导师、心理咨询师的角色[4]。人工智能具备知识存储量大、数据分析能力强、即时性、互动性的特点，基础知识传授等枯燥的、简单重复的教学工作由人工智能助教代替，教师需要将更多的时间和精力用于指导学生进行实践，拓宽学生学习的深度、广度，引导学生自主学习、思考和探究，为锻炼和培养学习能力、核心素养创造空间，提供机会。在具体的课程教学中，教师需要转变以往的教学理念，让学生以自主、合作、探究等形式融入到课程学习中，发挥主体作用。教师作为引导者的身份，合理地利用人工智能技术和工具辅助教学工作的开展和实施。（1）学习和掌握信息技术教学工具、手段，开发和利用智能化教学资源，合理地利用机器完成基础知识的教学和简单信息内容的传授。（2）教师要给予学生适时引导，帮助解决学生自学中的疑惑、难点和难题，锻炼和提高学生获取、运用知识的能力和水平，提高思维创造力、联想想象、判断分析、逻辑推理等方面的能力和水平。（3）中职教育要重视职业素养、文人素养和社会化能力水平的提高，帮助树立正确的价值观念。在这方面人工智能并不能达到很好的效果，需要发挥好教师的引导和导向作用，承担这部分教学的责任。
4.2个性化教育的实现者。在“人工智能+教育”背景下，教师需要扮演好个性化教育实现者的角色。中职教育强调培养复合型人才，促进学生的全面发展和提升，要求教师在教学中准确地把握和了解每一位学生的特点、能力、水平，在此基础上科学设计和布置教学任务、内容，实现针对性的教学，进而为学生个性发展、自我价值和潜能的发挥创造空间、提供机会。（1）教师科学地利用人工智能的数据获取、分析等功能，精准地获取学生在学习过程中的个性化数据、教学评估和教学反馈的信息，在此基础上实施个性化教学、针对性教学和分层教学，为学生提供所需的教学内容和信息。（2）通过各类智慧教育系统和智慧教学平台的构建和应用，实现教师的精准教学，优质教学资源的诊断和精准推送。线上教学资源的整合利用，为学生的自主学习提供平台，还可以实现智能考试、精细化教学管理、即时性的教学辅导等。通过这种线上线下混合教学的模式，积极推进个性化教学工作的开展和实施。
4.3心理与情感发展的沟通者。在“人工智能+教育”背景下，教师要扮演好心灵与情感发展的沟通者的角色。在推进学生的全面发展和提高的过程中，不仅需要夯实学生的知识储备，提高各项能力，还需要培养健康心理、健全人格。尽管人工智能具备互动性的特点，其在教育实践中采集的数据也包含学生的感觉、知觉、情绪等方面的因素，但针对于心理、情感、帮助学生解决困惑这类复杂性问题的教育效果并不明显，教师需要承担好自身在这方面的职责，在教学中通过潜移默化的熏染，帮助学生健全人格[5]。（1）在日常教学中多与学生沟通，并给予学生更多的关怀。通过日常的观察和与学生的沟通及人工智能所获取的有关学生的感觉、知觉、情绪等方面的数据，对学生心理动态进行更加全面、细致的分析与把握，以便及时发现学生学习、生活、成长中的难点、困惑和各种压力问题、各项负面情绪和消极心理，帮助学生纾解情绪和压力。（2）通过智能化平台的构建，引导教师、学校、社会和学生家庭共同参与到学生的培养中，为学生成长创造和谐的环境。
4.4教育理论的创新者。在“人工智能+教育”背景下，教师要扮演好教育理论创新者的角色。新时代，市场对复合型人才的需求量更大。人工智能等信息技术的应用，促使学习、生活、思维等发生了不同程度的变化。尽管人工智能技术能够帮助教师解决教学中的一些基本性、简单重复的问题，但复杂问题的解决仍需要发挥人的创新作用。新时期中职教学对教师的创新能力提出了更高的要求。（1）借助人工智能技术，对有助于教学实施的知识碎片进行整合利用，实现跨区域、跨领域教学，为课程教学引进和注入新知识。（2）利用人工智能等信息化技术创新和转变教学思想和方法。中职教育涉及大量的实验和实践操作，科学合理地利用新技术和手段，构建虚拟实验室，组织模拟实验等，为实验和实践教学提供了新方法和途径，很大程度上解决了实验和实践机会不足、学生实验和操作技巧和水平不高的问题。
5结束语