新工科背景下人工智能与程序设计课程深度融合探索PDF

第9期 计 算 机 教 育 2024 年 9 月 10 日 Computer Education 11 人工智能赋能教学 文章编号：1672-5913(2024)09-0011-06 中图分类号：G642 新工科背景下人工智能与程序设计课程...

第9期 计 算 机 教 育 2024 年 9 月 10 日 Computer Education 11 人工智能赋能教学 文章编号：1672-5913(2024)09-0011-06 中图分类号：G642 新工科背景下人工智能与程序设计课程 深度融合探索 洪榆峰 1，潘晟旻 1，王 鹏2 （1. 昆明理工大学 计算中心，云南 昆明 650500 ； 2. 昆明理工大学 教务处，云南 昆明 650500） 摘 要：针对程序设计课程现状，分析新工科智能型人才应具备的智能体素养，提出人工智能与课程 深度融合的“双循环”结构框架，以 Python 语言程序设计课程中字符串应用为例，介绍人工智能与课 程深度融合的教学实践，最后说明教学成效。 关键词：新工科；人工智能；程序设计；深度融合 DOI:10.16512/j.cnki.jsjjy.2024.09.004 0 引 言 明显。智能体素养不局限于学术素养、跨学科素 养、数字素养、创新素养等，是蕴含智能体知识、 2023 年 12 月吴岩在世界慕课大会上强调， 智能体场景、智能体边界、智能体应用规范等要 以 ChatGPT 为代表的生成式人工智能给教育跨 素的智能体素养养成，是合法、合理、合情运用 越式发展带来重大机遇和挑战，高等教育数字化 人工智能的能力。智能时代人类的一切几乎都会 须“开辟新赛道，寻求新突破”。未来新工科 用智能的方式重塑。未来人机协同的智商将超越 智能型人才创新的质量将取决于对智能体生产力 纯生物人的智商，如何引导学生的 AI 热情培育智 的挖掘深度，取决于个人信息素养、创新思维、 能体素养，助力创新实践能力提升，为学科专业 跨学科知识储备以及对数字的敏感程度。新工科 赋能，是人工智能与程序设计课程深度融合关键。 智能型人才如何培养，如何将人工智能融入程序 2）教学内容时代特征欠缺。 设计课程，探索适宜智能型人才培育的“师— 目前大部分课程虽然采用混合教学模式，但 机—生”教育新形态，是现实且有挑战性的实践 是更多拘泥于事实性知识（基础知识、实验）研 性课题。 习，程序型知识（专业创新实践）弱化，导致学 生获得感不尽如人意，面对创新综合实践不知遵 1 程序设计课程教学现状 循何种思路，选取何种更具生产力的工具分析解 1）智能体素养缺失。 决问题。GPT 已让完全不懂编程的人使用自然语 智能时代的核心逻辑是智能体素养。智能体 言（草图、语音等）编写、训练 AI 助手，未来程 （Agent）是拥有自适应、自洽能力的硬件、软件或 序设计课程目标将更聚焦高阶性创造力提升，更 其他实体，通过多模态方式识别、模拟人类智能 具象为以智能体为载体的学习力、思维力、应用 行为，生成所需信息，去中心化、去专业化特质 力培育。因此，运用智能体实践创新的科教、产 基金项目：教育部产学合作协同育人项目“ ‘互联网 +’时代新型工程教育信息化融合探索与实践” （201802343001） 。 作者简介：洪榆峰，男，副研究员，研究方向为机器学习、计算机应用，[email protected]；王鹏（通信作者）， 男，助理研究员，研究方向为高等教育研究与管理，[email protected]。  计 算 机 教 育 12 Computer Education 2024 学教学案例缺失，不利于静态事实性知识向动态 能与课程有机融合的“师—机—生”三位一体教 程序性知识转化，不利于“三力”培育视域拓展。 育新模式缺位，难以基于大数据开展学生综合素 3）“师—机—生”教育新模式缺位。 质的多维度、过程性、科学化评价 。 近年来教师围绕高阶课程教学目标积累了深 厚的“师—生”互动经验，但面对“师—机”新 2 人工智能融合课程路径框架 教学形态中教学内容重构、教学方法重塑、成效 评价重造、科技伦理陷阱等仍显底气不足。学生 人工智能融合是以教育内涵和教育形态变 秉着新奇、惊讶甚至“偷懒”初衷，尝试使用 AI 革为核心的“双循环”结构（如图 1 所示），即 完成学习任务，“生—机”互动过程中知识易获 以多元主体需求为基础，多元化课程教学体系为 取特性导致学习“自主性”弱化，分类、辨别、 核心，通过教学内容精致设计、教学方式精细协 思考能力训练被抛弃，未来教育生命价值凹陷， 同，学习成效评价精准定位，实现“师—机— “师—机”“生—机”数字鸿沟凸显，契合人工智 生”多元循环互动教育模式革新。 新工科智能型人才培养目标 差距评估与建设模式 程序设计课程现状 国家战略需求 社会人才需求 高校功能定位需求 个体不同层次需求 反作用 教育 导向 内涵 教育要素 AI 风险审视 反思 教育环节、监督环节、镜鉴环节 教师共同体建设 教育教学范式颠覆风险 验证 能力培养自主性消弭风险 修订 课程思政内涵挖掘 人才培养目标变革 多元教学模式创新 科技伦理问题风险 实效评估机制构建 渗透—协同 意识形态问题风险 教育 管理 整合—配置 教学内容变革 反 教育 AI 技术要素 赋能 馈 教学方式变革 形态 学习力：多模态技术赋智 程序设计课程 思维力：个性教育赋权 教育教学变革 评价方式变革 行动力：因材施教赋能 人才培养形态变革 治理模式变革 “师- 机 - 生”教育新生态 反馈 （成效：微创造力、日常 创造力、专业创造力提升） 图 1 人工智能与程序设计课程深度融合路径框架 2.1人工智能融合目标 活动所必需的心理品质 [2-3]。依据美国心理学家 新工科智能型人才应具备智能体素养核心品 Kaufman 的创造力 4C 模型 ，融合目标聚焦于 质，卓越的学习力、思维力和应用力，三者呈乘 3 个维度（如图 2 所示）：微创造力（Mini-C）， 数叠加效应，即创造力 = 学习力 × 思维力 × 应 个体在学习过程中对细节的创造性思考和实践； 用力。因此，人工智能与程序设计课程融合目 日常创造力（Little-C），个体在生活领域中通过 标，旨在通过智能体素养融入，拓展学习力、思 模仿、调整和应用已学概念或技术产生有一定创 维力、应用力培育视野，持续提升智能型人才创 新性的成果；专业创造力（Pro-C），在特定专业 造力。创造力是运用知识和技能产生新思想，发 领域中个体能够独立地提出新颖、有价值的创意 现和创造新事物的能力，是成功地完成创造性 或产品，并对专业领域的发展做出贡献 。 第9期 人工智能赋能教学 13 图 2 人工智能与程序设计课程深度融合目标 2.2 教育内涵内循环引领 术作为一种将不同感官获取的异质信息进行数 数字技术与实体经济深度融合，对人才自 据融合的方法，正逐步拓展人工智能的视野和性 主学习意识、创新思维方式以及智能体应用能力 能，更有效地理解和处理复杂信息，带来更便 提出了更高要求，并逐渐向专业设置、人才培养 捷、高效、适切的学习方式。作为多模态技术典 模式、数字教育治理等方向传导，对高校教育模 型应用，ChatGPT、文心一言等智能体允许用户 式提出了新要求；同时，高校培养对象正向智能 以文字、语音、图像等多种形式的组合方式获取 时代原宿民转变，个体数字素养差异使得个性化 所需的生成式信息，相较于传统检索式信息获取 知识诉求层次性突显。智能时代国家、社会、高 方式，更贴近人类自然感官体验，易激发学习兴 校、个体多元主体的需求及其耦合关系，深刻地 趣，为“以趣导学”为核心的学习力提升赋智， 引领着高等教育内涵变革，挑战与机遇交织，技 唤醒灵活运用所学知识和技能创造性地完成学习 术异化导致的教学范式颠覆风险、自主性消弭风 任务的微创造力。 险、科技伦理风险、意识形态风险显现，同时又 2）思维力：个性教育赋权。 将反作用于多元主体需求，并不断优化多元主体 教育赋权，即赋予学习者更多的自主性和选 的功能定位及内在关系，从而使高等教育内涵发 择权 。教育场域中的师生是生活中鲜活个体， 展与经济社会发展相匹配 。 拥有独特的思维模式、认知水平、价值观念、心 2.3 教育形态外循环助力 理状态和个性需求。人工智能时代智能体正颠覆 高等教育是教育者引导受教育者对生命意义 传统教学模式和学习方式，在以“师—机—生” 与学科知识进行学思践悟，同时受教育者通过内 为特征的教学互动中，基于反馈强化机制的智 化与外化的形式将所学内容进行深化，所思内容 能体根据多模态数据上下文，能更精确地洞察兴 予以呈现，进而反馈于教育者的生动实践 。该 趣、识别情绪、推测个性、预判需求，并据此提 场域中知、学、思、践、悟的宽度、厚度及耦 供个性化精准服务。教育赋权已成为人工智能与 合深度与信息技术相生相长，随着人工智能技术 课程教学深度融合显著特征之一，为“个性化” 不断成熟，课程教学与社会之间的界限进一步打 为核心的思维力提升赋权，激活使用智能体思维 破，智能体以一种崭新的方式为学习者全面发展 进行创造性实践的日常创造力。 赋能，具体体现为以下几方面。 3）行动力：因材施教赋能。 1）学习力：多模态技术赋智。 随着智能技术不断涌现，师生不仅局限于 人工智能已渗透至生活各领域。多模态技 传统智能教学平台，甚至能训练个性化“数字  计 算 机 教 育 14 Computer Education 2024 师（助手）”，使知识获取途径得到拓宽，速度、 高效、便捷、新颖的思维力提升，启发程序设计 质量得到显著提升。教育场域时空局限进一步 日常创造力。 打破，教育理念、教学模式、教育治理正发生 （3）提升专业创造力。结合授课对象专业特 深层次整体性变革，逐步形成“机—师—师— 点，基于教师产学研成果，采取项目式教学，鼓 机”“机—生—生—机”“机—师—生—师—机” 励学生借助智能体生产力工具，综合运用字符 等多种教学形态，构筑教学资源个性化、教学方 串、中英文分词等知识，设计 MiniSiri 智能语言 式专属化、教学过程定制化的“师—机—生”教 助手，通过自然语言处理作品设计提升专业创 育新生态 。“因材施教”具象为“因材赋力”， 造力。 为材赋予适切的行动力，引导学生在其专业领域 3.2 教学活动实践 内独立提出新颖、有价值的创意或产品，为该领 3.2.1 第一节拍：课前智能体辅学 域发展做出贡献，提升专业创造力。 课前学习任务包括：①本节课重（难）点思 2.4内外循环协同提效 维导图；②智慧树慕课学习，聚焦字符串基础知 内循环是围绕高等教育灵魂——人才培养目 识，完成学习成效测试题 20 道；③智能体辅助 标不断进行变革，外循环是对人才培养具体形态 字符串逆序编程。教师通过智慧树掌握学生学习 （或过程）进行变革，包括课程教学内容、课程 进度、学习行为、学习成效等数据信息。该阶段 教学方式、学习成效评价、数字治理模式等，二 重在自主学习力训练引导，如学生利用文心一言 者以各要素相互沟通实现双循环协同匹配，即通 辅助字符串学习和编程实践时，对错误反馈视而 过“要素”子系统对“风险”子系统浸透，“环节” 不见（如图 3 所示），或者对程序报错信息不知 子系统对“要素”子系统覆盖，“镜鉴”子系统与 所措，暴露出相关知识掌握不扎实、批判和探究 其他各子系统汇通，整合各要素形成共同目标一 思维缺失、自主学习力有待提升的问题。 致性的途径、方法，促进优势互动与叠加，实现 协同效率加倍，寻求既符合课程教学大纲，契合 def reverse_string(s): 学校办学定位和专业人才培养目标，又切合智能 left = 0 时代特征的“师—机—生”教育教学新生态。 right = len(s) - 1 while left < right: 3 人工智能融合课程教学实践 s[left],s[right] = s[right],s[left] left, right = left + 1, right - 1 Python 语言程序设计是面向全校的公共必修 return s 课，采取混合模式教学，包括课前自主预习、预 习成效检验，课堂研讨、演示精讲、随堂测验， str_to_reverse =“Hello, World!” 课后拓展提升等学习策略。本文以字符串应用为 print(reverse_string(str_to_reverse)) 例，介绍人工智能与课程深度融合的教学实践， 图 3 文心一言（3.5）字符串逆序错误示例 聚焦学生创造力提升。 3.1创造力提升目标 3.2.2 第二节拍：课堂研讨检验预习成效 （1）夯实微创造力。面对课前（后）慕课学 （1）引课：以歌曲“父亲”为切入点，亲情 习、研讨准备、编程挑战等学习任务，学生能 时光一去不复返，计算机世界却可倒序，兴趣共 灵活运用既有知识和智能体技能自主提出问题解 鸣自然引入字符串逆序分组研讨。 决方案，通过自主学习力训练，持续提升微创 （2）研讨主题：字符串逆序有什么特征，覆 造力。 盖哪些知识点？ （2）启发日常创造力。通过分析回文诗特点， （3）互动演示：邀请 2~3 名学生演示讲解字 引导学生从日常生活细节思考字符串数据类型表 符串逆序不同实现方式，其他同学点评，训练学 示、存储和处理的编程实践，通过字符串学习更 生逻辑思维、批判思维能力。 第9期 人工智能赋能教学 15 （4）教师讲解：针对学生存在的问题，集中 误代码，教师点评并给出正确答案。 讲解课前自学知识漏洞，以思维导图形式总结字 3.2.4 第四节拍：课堂讲解第 2 种字符串逆序 符串表示、操作以及格式化等核心内容。 方式 3.2.3 第三节拍：课堂讲解第 1 种字符串逆序 （1）教师讲解：知识思维导图配合板书介绍 方式 如何使用字符串切片特性实现逆序。 （1）启发提问：图 3 文心一言错误原因是什 （2）编程实践：随堂测验补全程序代码，成 么？ 绩作为过程性考核依据。 （2）代码演示：PyCharm 对错误代码调试演 3.2.5 第五节拍：课堂讲解第 3 种字符串逆序 示，讲解字符串存储机制。字符串是不可变对 方式 象，创建后不能被改变，如需改变字符串内容则 （1）启发提问：字符串逆序与弹夹中子弹上 须创建新的字符串。演示精讲帮助学生领悟如何 膛是否有异曲同工之处？ 提升程序设计自主学习力。 （2）举例讲解：利用 H5 动画讲解“栈”数 （3）互动提问：如何创建新字符串实现逆 据结构“先进后出”的特性。重点：①如何实现 序？训练学生分析、解决复杂问题的思维力，提 字符串“入栈”，即转换为“栈”；②如何利用 升灵活运用知识技能的微创造力。 pop() 实现字符串逆序“出栈”。以学生熟悉的列 （4）编程实践：邀请学生上讲台修改图 3 错 表模拟“栈”演示讲解（如图 4 所示）。 图 4 “寻根究底”提升微创造力 （3）进阶探究：演示代码是否存在缺陷？引 （2）启发提问：回文诗判断与字符串逆序有 导学生课后利用智能体拓展队列模拟栈、链表模 何异同？ 拟栈思路，掌握入栈、出栈、求栈长、判空栈、 （3）示例讲解：字符串逆序首尾字符置换， 判栈满方法，升级改造图 4 示例，提升程序健壮 调整为是否相同判断即为回文诗判定核心逻辑， 性，培养学生批判性思维和科学探究精神。 同时增加如文件打开、读写、关闭、标点符号处 3.2.6 第六节拍：课堂字符串逆序进阶应用 理等知识点应用，启发学生思考字符串相关知识 （1）引课： “父亲”让学生体会中国人的“亲 在生活中的实践应用，提升其日常创造力。 情”，回文诗让学生领悟中文的“优美”，抛出回 （4）编程实践：即讲即练巩固进阶。 文判断思考。 （5）实践思考：回文数如何判断？ Python 对  计 算 机 教 育 16 Computer Education 2024 数字、中（英）文逆序处理有无特殊之处，其他 成绩赋分奖励，激励学生主动持续提升专业创造 语言（如 C 语言）呢？ 力。期末统考实施教考分离，题库由外校专家拟 3.2.7 第七节拍：课堂学习成效检验 定，考试系统为每位学生抽题组卷，试卷重复率 雨课堂发布随堂测验，并针对性答疑解惑， ≤ 10%，确保课程教学质量。 巩固本节课知识点。 3.2.8 第八节拍：课后智能体辅助产教融合创 4 人工智能融合课程教学效果 新实践 （1）引课。Siri、小度是大家熟识的人工智能 经过多年探索实践，已逐步形成以新工科智 语音助手，与文本字符串处理有何联系？激发通 能型人才培养为核心， “三力”（自学力、思维力、 信专业学生 AI 创新兴趣。 行动力）和“三创” （微创造力、日常创造力、专 （2）前沿技术介绍。语音助手首先需使用语 业创造力）为两翼，课前智能体辅学、课中智能 音识别技术将人类语音转化为机器可以理解的文 体素养培育、课后智能体协同产教实践三阶段为 本，再利用自然语言处理技术，如分词、词性标 主体的“一体两翼三阶段”融合教学模式。近年 注、句法分析等帮助机器理解人类语言的语法和 来学生评教效果逐年提升，2023—2024 学年第 语义，同时辅予深度学习、知识思维导图等智能 二学期 95% 的学生对知识获得感、创造力提升、 技术更精准地解析人类语言，获取和组织相关知 创新思维培育、前沿性知识融入等方面的评分都 识，更好地回答问题或执行任务。 在 9 分以上（满分 10 分）。作为大一新生参加“云 （3）智能体辅助项目式创新实践。文本处理、 南省计算机设计大赛”选拔赛，两人分获一、二 分词等均为已学知识点，通过产教项目语音助手 等奖，说明学生的综合创新实践能力明显提升。 功能和代码展示，学生体会人工智能并非“高大 尚”，而在于点滴积累。讲解重点：如何使用文 5 结 语 心一言等智能体辅助 MiniSiri 智能语音助手设计， 学习如 wave、pyttsx3、Festival 等方法，进行学 人工智能与课程深度融合本质上是教育治理 习力、思维力、行动力综合训练，提升专业创 数字化与数字教育治理范畴中的教育实践，是高 造力。 等教育数字化“开辟新赛道，寻求新突破”的有 3.3 学习成效考核 益尝试。实践表明，智能体素养有机融入，不仅 为全面评估学习成效，课程成绩由过程性考 为师生创设了更为自由的交互空间，学生获得感 核和期末统考构成（各占 50%），降低考勤、慕 增强，而且探索了以“三力”培育为着力点， “三 课等成绩比例，偏重实践成绩比例。本课程设置 创”提升为目标，敢创新、能创业、会创造的新 10 道人工智能创新实践题（均源于教师科研项 工科智能型人才培养路径，期望能为信息技术与 目），学生完成 5 道且通过答辩则可获得过程性 教育教学深度融合提供借鉴。 参考文献： 新工科. 教育部副部长吴岩: 数字化是影响甚至决定高等教育高质量发展的战略性问题[EB/OL]. (2024-01-03)[2024-04-03]. https://mp.weixin.qq.com/s/JIffTRJGTFt6B-ByhStVhg. 贾绪计, 林崇德. 创造力研究: 心理学领域的四种取向[J]. 北京师范大学学报(社会科学版), 2014(1): 61-67. Guilford J P. Creativity[J]. American Psychologist, 1950(9): 444-454. Kaufman J C, Beghetto R A. Beyond big and little: The four C model of creativity[J]. Review of General Psychology, 2009(1): 1-12. 胡卫平, 张阳, 吕元婧, 等. 人工智能创造力探究[J]. 现代教育技术, 2024, 34(1): 17-25. 季凯, 张志华. 高等教育数字化转型的逻辑框架与优化策略[J]. 江苏高教, 2023(10): 39-46. 贾博, 王国桢, 郑宏颖. ChatGPT在高等教育应用中的风险审视与应对策略[J]. 昆明理工大学学报(社会科学版), 2023, 23(5): 43-48. （编辑：宋文婷）