陳莉
(湖南工業(yè)大學,湖南 株洲 412007)
人工智能發(fā)展是科技進步的產(chǎn)物,人工智能未來的應用趨勢更加廣泛,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,尤其是在部分重復度高的領域,將逐漸取代人力勞動,人工智能和自動化生產(chǎn)結合起來,促進整體生產(chǎn)工作發(fā)展,能有效節(jié)省人力物力?!稊?shù)據(jù)結構》是計算機專業(yè)核心課程,其不僅僅是程序設計的基礎,也是計算機與軟件知識學習的基礎,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,而學生在課堂中的教學也趨向于枯燥聽講,將《數(shù)據(jù)結構》課程與人工智能融合發(fā)展勢在必行。
人工智能是建立在人工神經(jīng)網(wǎng)絡相關技術的基礎之上,通過在網(wǎng)絡上增加層數(shù)來實現(xiàn)深度思考的一種技術,層數(shù)越多越智能。人工智能最早的研究是10層,技術進步之后已經(jīng)逐漸增加到幾十數(shù)百層。近年來,人工智能的代表技術是深度學習[1]。深度學習模型層數(shù)的增加帶來的問題包括學習參數(shù)的增加和學習過程中的收斂困難。這一特點也令其成功應用于教育、醫(yī)療、金融等領域,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,可以為我們提供更快、更準確的智能算法,從而給予教學指導和信息檢索。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)進行深度學習。學習之后人工智能算法就可以脫離制定標簽,進行無監(jiān)督學習,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。
以布魯姆學習目標分類法,對專業(yè)學生在《數(shù)據(jù)結構》課程中的學習能力評價指標來看,整體的教學目標如表1所示。
表1 整體的教學目標
在新工科的人才培養(yǎng)需求之下,計算機專業(yè)的學生更需要工程認證打底,學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,對學生的理論學習和實踐學習產(chǎn)生的考驗是巨大的[2]。而這也給學生的計算機及其相關專業(yè)的課程學習和畢業(yè)要求存在一定的映射相關關系,而《數(shù)據(jù)結構》的目標就需要符合此發(fā)展目標,重視提升學生的基本分析能力,做好綜合設計的實現(xiàn)。在新工科人才培養(yǎng)需求之下,基于《數(shù)據(jù)結構》的課程教學之下,應當有效規(guī)劃教學目標,尤其是在工程專業(yè)方面,其對學生的《數(shù)據(jù)結構》素養(yǎng)也會產(chǎn)生更好的應用要求。
人工智能包含許多技術。在介紹人工智能研究背景和研究過程時,教師需要從學生認知基礎考慮,分析學生接觸到了哪些人工智能成果,然后建立在學生的認知之上,使學生深刻了解什么是人工智能、在哪些領域使用。人工智能學習算法是《數(shù)據(jù)結構》課程學習過程中的核心,在《數(shù)據(jù)結構》的課堂上,引入人工智能技術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環(huán)境,講解其開發(fā)過程、加強學生對人工智能的未來發(fā)展的認識,以及對《數(shù)據(jù)結構》課程的認可。在了解其應用的前提下,熟悉人工智能技術的使用過程,對其中與《數(shù)據(jù)結構》相關的內(nèi)容,如基于標簽數(shù)據(jù)的學習和無標簽數(shù)據(jù)的測試等內(nèi)容進行有效認定[3]。
數(shù)據(jù)結構主要研究的是各類數(shù)據(jù)對象之間的關系和數(shù)據(jù)的處理以及相關操作。如果在其中有一些基本的算法,需要做好樹和圖相關知識的講解,保證數(shù)據(jù)結構中人工智能相關知識點能得到有效擴充。在人工神經(jīng)網(wǎng)絡和深度學習的知識點學習中,需要擴展知識利用圖的概念,將兩者結合在一起,能實現(xiàn)課上學習知識點的融合,主要體現(xiàn)在,將數(shù)據(jù)結構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合。我們把要學習的數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡的第一層。通過層間連接,輸入數(shù)據(jù)通過神經(jīng)元傳輸?shù)降诙印R源祟愅?,直到最終輸出層產(chǎn)生結果。每個神經(jīng)元都有一個權重和一個偏差,這個數(shù)值是通過學習得到的參數(shù)。它的正確性直接關系到它的學習任務,最終的輸出是由這些權重和偏差值之和決定的。
目前已經(jīng)有較多的平臺支持以深度學為基礎,設計軟件并進行個性化地調試,例如,Tensor-Flow是基于Google的神經(jīng)網(wǎng)絡算法庫Dist-belience開發(fā)的一種基于數(shù)據(jù)流編程的符號數(shù)學系統(tǒng),廣泛應用于各種機器學習算法中。PyTorch是使用Python語言的Facebook深度學習框架。這些框架的最大優(yōu)點是可以引導學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,做好深度模型的學習和測試。如果某些學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,引導學生做一些編寫學習平臺的嘗試案例,這樣一來就能將人工智能技術進行更深層次的理解,并將技術應用到項目中[4]。在實際的學生管理中,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,學習通、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,進行學生興趣、學習規(guī)律、學習效果等評價。
教師需要在日常的教學中,積極向學生傳達《數(shù)據(jù)結構》課程對學生未來工作發(fā)展的重要性,且需要對學生有詳細的了解,掌握每個學生的學習狀況,基于這種情況提升《數(shù)據(jù)結構》的管理效能。同時利用人工智能技術將學生在學習過程中的作業(yè)、成績等信息輸入計算機,利用人工智能技術輔助課程分析,例如,傳統(tǒng)教學,老師會對作業(yè)的批改和總結,建立在人工智能技術之下,通過輸入相關算法,成為教師教學反饋和制定教學任務的輔助,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,可以保證授課的效率和質量。同時,利用人工智能技術,可以統(tǒng)計分析每個學生的學習情況,對個別學生的問題進行定向處理。如果學生出現(xiàn)相關課程的學習問題,教師就可以快速反饋處理,利用人工智能分析學生的掌握劣勢,進而開展有針對性的教學。教師可以建立整個教學安排的課程,制定合理的教學計劃,使教師在面對面的教學中具有針對性并有所側重。同時,為了提升課程開展效果,有必要向學生進行調研分析,了解學生對于人工智能的學習態(tài)度、了解情況、參與意愿,以保證整體課程教學的開展穩(wěn)定高效。
教師需要做好教學觀念的轉化,充分提升教學效能,打造《數(shù)據(jù)結構》課程新常態(tài),首先,對于學生的課前準備,由于學生的學習基礎和認知能力參差不齊,采取傳統(tǒng)教學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)計每個學生的教學內(nèi)容,并通過分析來了解學生的掌握情況,利用計算機分發(fā)信息,告知每個學生應該做的準備工作做好教學定向安排,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效率。整體課程教學中,還可以利用人工智能技術,監(jiān)控學生的學習情況和控制科目進度,依靠人工智能及時發(fā)布學習預警,讓學生可以有效學習、認知自身發(fā)展中的問題,保證了教師教學的連續(xù)性。最后,人工智能可以在第一時間收集學生的解答情況并給出相應的指導意見,大大提高了教學效率,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生的學習問題并定向解答[5-6]。
教師需要充分利用信息技術和人工智能技術進行教學規(guī)劃,就需要保障實際的教學設計中,教師統(tǒng)籌兼顧整體教學工作,做教學管理者,因此教師需要建立教學“大局觀”,圍繞數(shù)據(jù)結構課程的整體特點和發(fā)展方向,將技術優(yōu)勢和學科特點有機結合,給學生構建一種更高效的學習環(huán)境。同時,考慮到面授教學中有時學生不理解的情況,我們需要不斷地對學生進行引導和教育,利用人工智能設計自動答疑系統(tǒng),并鼓勵學生如果有不懂之處,通過網(wǎng)絡渠道開展復習工作,能加深學習印象,讓學生溫故知新。學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。
總而言之,《數(shù)據(jù)結構》課程是一門計算機科學和計算機技術融合的專業(yè)學科,在教學上也有較大的難度,而現(xiàn)階段教學改革中,教師依然延續(xù)著傳統(tǒng)的教學模式,這種模式之下導致教學模式僵化,且存在較大的教學壓力。基于人工智能技術,將計算機技術與計算機學科教學結合在一起,能讓學生更具針對性地學到一些知識,并強化教學管理效能。