人工智能背景下數(shù)據(jù)結(jié)構(gòu)課程的教學(xué)改革研究

陳莉

（湖南工業(yè)大學(xué)，湖南 株洲 412007）

0 引言

人工智能發(fā)展是科技進步的產(chǎn)物，人工智能未來的應(yīng)用趨勢更加廣泛，且具有很高的商用價值，人工智能在生產(chǎn)作業(yè)中價值突出，尤其是在部分重復(fù)度高的領(lǐng)域，將逐漸取代人力勞動，人工智能和自動化生產(chǎn)結(jié)合起來，促進整體生產(chǎn)工作發(fā)展，能有效節(jié)省人力物力。《數(shù)據(jù)結(jié)構(gòu)》是計算機專業(yè)核心課程，其不僅僅是程序設(shè)計的基礎(chǔ)，也是計算機與軟件知識學(xué)習(xí)的基礎(chǔ)，這一課程內(nèi)容的繁瑣性問題引起的新的弊端在于，課堂上主要以教師講解為主，而學(xué)生在課堂中的教學(xué)也趨向于枯燥聽講，將《數(shù)據(jù)結(jié)構(gòu)》課程與人工智能融合發(fā)展勢在必行。

1 人工智能背景下的《數(shù)據(jù)結(jié)構(gòu)》課程改革

1.1 人工智能

人工智能是建立在人工神經(jīng)網(wǎng)絡(luò)相關(guān)技術(shù)的基礎(chǔ)之上，通過在網(wǎng)絡(luò)上增加層數(shù)來實現(xiàn)深度思考的一種技術(shù)，層數(shù)越多越智能。人工智能最早的研究是10層，技術(shù)進步之后已經(jīng)逐漸增加到幾十數(shù)百層。近年來，人工智能的代表技術(shù)是深度學(xué)習(xí)[1]。深度學(xué)習(xí)模型層數(shù)的增加帶來的問題包括學(xué)習(xí)參數(shù)的增加和學(xué)習(xí)過程中的收斂困難。這一特點也令其成功應(yīng)用于教育、醫(yī)療、金融等領(lǐng)域，當下，人工智能的教育已經(jīng)貫穿了整個教育體系。利用人工智能技術(shù)，可以為我們提供更快、更準確的智能算法，從而給予教學(xué)指導(dǎo)和信息檢索。在人工智能的帶動之下，程序可以建在人工智能算法之上，對具有指定標簽數(shù)據(jù)進行深度學(xué)習(xí)。學(xué)習(xí)之后人工智能算法就可以脫離制定標簽，進行無監(jiān)督學(xué)習(xí)，通過這一流程，人工智能可根據(jù)數(shù)據(jù)的分布和特征，對數(shù)據(jù)進行整體的分類組合。

1.2 新工科發(fā)展下的《數(shù)據(jù)結(jié)構(gòu)》課程發(fā)展目標

以布魯姆學(xué)習(xí)目標分類法，對專業(yè)學(xué)生在《數(shù)據(jù)結(jié)構(gòu)》課程中的學(xué)習(xí)能力評價指標來看，整體的教學(xué)目標如表1所示。

表1 整體的教學(xué)目標

在新工科的人才培養(yǎng)需求之下，計算機專業(yè)的學(xué)生更需要工程認證打底，學(xué)生需要具備一定的抽象建模意識，并進行持續(xù)地優(yōu)化和改進，在這種培養(yǎng)需求之下，對學(xué)生的理論學(xué)習(xí)和實踐學(xué)習(xí)產(chǎn)生的考驗是巨大的[2]。而這也給學(xué)生的計算機及其相關(guān)專業(yè)的課程學(xué)習(xí)和畢業(yè)要求存在一定的映射相關(guān)關(guān)系，而《數(shù)據(jù)結(jié)構(gòu)》的目標就需要符合此發(fā)展目標，重視提升學(xué)生的基本分析能力，做好綜合設(shè)計的實現(xiàn)。在新工科人才培養(yǎng)需求之下，基于《數(shù)據(jù)結(jié)構(gòu)》的課程教學(xué)之下，應(yīng)當有效規(guī)劃教學(xué)目標，尤其是在工程專業(yè)方面，其對學(xué)生的《數(shù)據(jù)結(jié)構(gòu)》素養(yǎng)也會產(chǎn)生更好的應(yīng)用要求。

2 《數(shù)據(jù)結(jié)構(gòu)》課程和人工智能的融合發(fā)展

2.1 引入人工智能學(xué)習(xí)的背景

人工智能包含許多技術(shù)。在介紹人工智能研究背景和研究過程時，教師需要從學(xué)生認知基礎(chǔ)考慮，分析學(xué)生接觸到了哪些人工智能成果，然后建立在學(xué)生的認知之上，使學(xué)生深刻了解什么是人工智能、在哪些領(lǐng)域使用。人工智能學(xué)習(xí)算法是《數(shù)據(jù)結(jié)構(gòu)》課程學(xué)習(xí)過程中的核心，在《數(shù)據(jù)結(jié)構(gòu)》的課堂上，引入人工智能技術(shù)能有效利用圖片和視頻資源，打造良好的人工智能的展示效果臺，并通過一個生動具象的教學(xué)環(huán)境，講解其開發(fā)過程、加強學(xué)生對人工智能的未來發(fā)展的認識，以及對《數(shù)據(jù)結(jié)構(gòu)》課程的認可。在了解其應(yīng)用的前提下，熟悉人工智能技術(shù)的使用過程，對其中與《數(shù)據(jù)結(jié)構(gòu)》相關(guān)的內(nèi)容，如基于標簽數(shù)據(jù)的學(xué)習(xí)和無標簽數(shù)據(jù)的測試等內(nèi)容進行有效認定[3]。

2.2 融合《數(shù)據(jù)結(jié)構(gòu)》課程知識點

數(shù)據(jù)結(jié)構(gòu)主要研究的是各類數(shù)據(jù)對象之間的關(guān)系和數(shù)據(jù)的處理以及相關(guān)操作。如果在其中有一些基本的算法，需要做好樹和圖相關(guān)知識的講解，保證數(shù)據(jù)結(jié)構(gòu)中人工智能相關(guān)知識點能得到有效擴充。在人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的知識點學(xué)習(xí)中，需要擴展知識利用圖的概念，將兩者結(jié)合在一起，能實現(xiàn)課上學(xué)習(xí)知識點的融合，主要體現(xiàn)在，將數(shù)據(jù)結(jié)構(gòu)中的樹的知識點可以與人工智能中的決策樹和隨機森林相結(jié)合。我們把要學(xué)習(xí)的數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)的第一層。通過層間連接，輸入數(shù)據(jù)通過神經(jīng)元傳輸?shù)降诙?。以此類推，直到最終輸出層產(chǎn)生結(jié)果。每個神經(jīng)元都有一個權(quán)重和一個偏差，這個數(shù)值是通過學(xué)習(xí)得到的參數(shù)。它的正確性直接關(guān)系到它的學(xué)習(xí)任務(wù)，最終的輸出是由這些權(quán)重和偏差值之和決定的。

2.3 人工智能案例設(shè)計

目前已經(jīng)有較多的平臺支持以深度學(xué)為基礎(chǔ)，設(shè)計軟件并進行個性化地調(diào)試，例如，Tensor-Flow是基于Google的神經(jīng)網(wǎng)絡(luò)算法庫Dist-belience開發(fā)的一種基于數(shù)據(jù)流編程的符號數(shù)學(xué)系統(tǒng)，廣泛應(yīng)用于各種機器學(xué)習(xí)算法中。PyTorch是使用Python語言的Facebook深度學(xué)習(xí)框架。這些框架的最大優(yōu)點是可以引導(dǎo)學(xué)生通過這種方式自行配置并做好系統(tǒng)的安裝。然后建立在編程之上，做好深度模型的學(xué)習(xí)和測試。如果某些學(xué)生對編程感興趣或已經(jīng)具有很強的編程能力，老師可進行重點指導(dǎo)，引導(dǎo)學(xué)生做一些編寫學(xué)習(xí)平臺的嘗試案例，這樣一來就能將人工智能技術(shù)進行更深層次的理解，并將技術(shù)應(yīng)用到項目中[4]。在實際的學(xué)生管理中，可以借助工程認證課程改革的平合、工具、軟件，比加騰訊課堂，學(xué)習(xí)通、MOOC等，將所搜集的數(shù)據(jù)形成教育原始數(shù)據(jù)，后期買用大數(shù)據(jù)分析方法，進行學(xué)生興趣、學(xué)習(xí)規(guī)律、學(xué)習(xí)效果等評價。

3 基于人工智能背景下的《數(shù)據(jù)結(jié)構(gòu)》課程教學(xué)改革策略

3.1 調(diào)動學(xué)生學(xué)習(xí)積極性，尋求學(xué)生意見和建議

教師需要在日常的教學(xué)中，積極向?qū)W生傳達《數(shù)據(jù)結(jié)構(gòu)》課程對學(xué)生未來工作發(fā)展的重要性，且需要對學(xué)生有詳細的了解，掌握每個學(xué)生的學(xué)習(xí)狀況，基于這種情況提升《數(shù)據(jù)結(jié)構(gòu)》的管理效能。同時利用人工智能技術(shù)將學(xué)生在學(xué)習(xí)過程中的作業(yè)、成績等信息輸入計算機，利用人工智能技術(shù)輔助課程分析，例如，傳統(tǒng)教學(xué)，老師會對作業(yè)的批改和總結(jié)，建立在人工智能技術(shù)之下，通過輸入相關(guān)算法，成為教師教學(xué)反饋和制定教學(xué)任務(wù)的輔助，通過人工智能的信息處理，可以安排計劃。這樣，借助人工智能技術(shù)，可以保證授課的效率和質(zhì)量。同時，利用人工智能技術(shù)，可以統(tǒng)計分析每個學(xué)生的學(xué)習(xí)情況，對個別學(xué)生的問題進行定向處理。如果學(xué)生出現(xiàn)相關(guān)課程的學(xué)習(xí)問題，教師就可以快速反饋處理，利用人工智能分析學(xué)生的掌握劣勢，進而開展有針對性的教學(xué)。教師可以建立整個教學(xué)安排的課程，制定合理的教學(xué)計劃，使教師在面對面的教學(xué)中具有針對性并有所側(cè)重。同時，為了提升課程開展效果，有必要向?qū)W生進行調(diào)研分析，了解學(xué)生對于人工智能的學(xué)習(xí)態(tài)度、了解情況、參與意愿，以保證整體課程教學(xué)的開展穩(wěn)定高效。

3.2 轉(zhuǎn)變教學(xué)觀念，充分融合人工智能到教學(xué)當中

教師需要做好教學(xué)觀念的轉(zhuǎn)化，充分提升教學(xué)效能，打造《數(shù)據(jù)結(jié)構(gòu)》課程新常態(tài)，首先，對于學(xué)生的課前準備，由于學(xué)生的學(xué)習(xí)基礎(chǔ)和認知能力參差不齊，采取傳統(tǒng)教學(xué)模式最大的問題在于，教師如果統(tǒng)一管理實施起來難度較高。然而，利用人工智能統(tǒng)計每個學(xué)生的教學(xué)內(nèi)容，并通過分析來了解學(xué)生的掌握情況，利用計算機分發(fā)信息，告知每個學(xué)生應(yīng)該做的準備工作做好教學(xué)定向安排，如此一來不僅可以減少教師統(tǒng)計和分析的繁瑣流程，還可提升整體的教學(xué)效率。整體課程教學(xué)中，還可以利用人工智能技術(shù)，監(jiān)控學(xué)生的學(xué)習(xí)情況和控制科目進度，依靠人工智能及時發(fā)布學(xué)習(xí)預(yù)警，讓學(xué)生可以有效學(xué)習(xí)、認知自身發(fā)展中的問題，保證了教師教學(xué)的連續(xù)性。最后，人工智能可以在第一時間收集學(xué)生的解答情況并給出相應(yīng)的指導(dǎo)意見，大大提高了教學(xué)效率，同時，根據(jù)試卷中的一些問題，反饋給教師，教師可以更有針對性地了解學(xué)生的學(xué)習(xí)問題并定向解答[5-6]。

3.3 嘗試翻轉(zhuǎn)課堂新模式，提升學(xué)生的自主管理能力

教師需要充分利用信息技術(shù)和人工智能技術(shù)進行教學(xué)規(guī)劃，就需要保障實際的教學(xué)設(shè)計中，教師統(tǒng)籌兼顧整體教學(xué)工作，做教學(xué)管理者，因此教師需要建立教學(xué)“大局觀”，圍繞數(shù)據(jù)結(jié)構(gòu)課程的整體特點和發(fā)展方向，將技術(shù)優(yōu)勢和學(xué)科特點有機結(jié)合，給學(xué)生構(gòu)建一種更高效的學(xué)習(xí)環(huán)境。同時，考慮到面授教學(xué)中有時學(xué)生不理解的情況，我們需要不斷地對學(xué)生進行引導(dǎo)和教育，利用人工智能設(shè)計自動答疑系統(tǒng)，并鼓勵學(xué)生如果有不懂之處，通過網(wǎng)絡(luò)渠道開展復(fù)習(xí)工作，能加深學(xué)習(xí)印象，讓學(xué)生溫故知新。學(xué)生自己著實解決不了的問題，可以通過課上反饋的方式，讓教師統(tǒng)一解答。

4 結(jié)語

總而言之，《數(shù)據(jù)結(jié)構(gòu)》課程是一門計算機科學(xué)和計算機技術(shù)融合的專業(yè)學(xué)科，在教學(xué)上也有較大的難度，而現(xiàn)階段教學(xué)改革中，教師依然延續(xù)著傳統(tǒng)的教學(xué)模式，這種模式之下導(dǎo)致教學(xué)模式僵化，且存在較大的教學(xué)壓力?；谌斯ぶ悄芗夹g(shù)，將計算機技術(shù)與計算機學(xué)科教學(xué)結(jié)合在一起，能讓學(xué)生更具針對性地學(xué)到一些知識，并強化教學(xué)管理效能。