導(dǎo)語：如何才能寫好一篇人工智能教學(xué)建議，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞：人工智能；深度學(xué)習(xí)；教學(xué)建議

0 引言

傳統(tǒng)的人工智能課程主要包括人工智能導(dǎo)論、模式分析、機器學(xué)習(xí)、數(shù)據(jù)挖掘等。這些課程由各個院校根據(jù)專業(yè)情況不同而選擇，課程的內(nèi)容也有較大差別，但是，基本上都涉及人工神經(jīng)網(wǎng)絡(luò)的內(nèi)容。然而在人工神經(jīng)網(wǎng)絡(luò)的教學(xué)內(nèi)容上，一般只講解經(jīng)典的多層感知器和反向傳播算法，或再加入一些反饋網(wǎng)絡(luò)的內(nèi)容，這種教學(xué)內(nèi)容設(shè)計的一個不足是忽視了人工智能領(lǐng)域的最新發(fā)展——深度學(xué)習(xí)，它是近幾年人工智能領(lǐng)域最具影響力的研究主題，并在大規(guī)模語音識別、大規(guī)模圖像檢索等領(lǐng)域取得突破。

北京郵電大學(xué)計算機學(xué)院開設(shè)人工智能科學(xué)與技術(shù)的本科專業(yè)，筆者從事深度學(xué)習(xí)的研究工作，同時承擔(dān)了本科生和研究生人工智能類課程的教學(xué)工作，因此產(chǎn)生了將深度學(xué)習(xí)內(nèi)容引人人工智能類課程的想法。本文先介紹深度學(xué)習(xí)的背景，說明深度學(xué)習(xí)在人工智能發(fā)展中的地位，之后分析了將深度學(xué)習(xí)基本內(nèi)容引入人工智能類課程的必要性和可行性，最后給出了一些實施建議供探討。

1 深度學(xué)習(xí)背景

2006年，加拿大多倫多大學(xué)的GeoffreyHinton教授與Salakhutdinov博士在美國《科學(xué)》雜志發(fā)表了題為“Reducing the Dimensionality ofDatawith Neural Networks”的論文，該文提出一種學(xué)習(xí)多層神經(jīng)網(wǎng)絡(luò)的方法，并將這種具有多層結(jié)構(gòu)的學(xué)習(xí)方法命名為深度學(xué)習(xí)（Deep Learning），而這成為深度學(xué)習(xí)研究的一個導(dǎo)火索，從此深度學(xué)習(xí)的研究與應(yīng)用蓬勃發(fā)展起來。

深度學(xué)習(xí)在語音識別與生成、計算機視覺等應(yīng)用領(lǐng)域取得了突出進展。近幾年的國際機器學(xué)會（International Conference on MachineLearning，ICML）、神經(jīng)信息處理大會（AnnualConference On Neural Information Processing Systems，NIPS）、計算機視覺大會（InternationalConference on Computer Vision，ICCV）、

聲學(xué)語音與信號處理大會（International ConferenceOn Acoustics，Speech，and Signal Processing，ICASSP）、計算語言學(xué)大會（Annual Meeting of the Association for Computational Linguistics.ACL）、計算機視覺與模式識別（InternationalConference on Computer Vision and P atternRecognition，CVPR）等都有不少相關(guān)的研究論文、會議教程和小組研討會（Workshop）。美國國防高級研究計劃（DARPA）也提出了關(guān)于深層學(xué)習(xí)的研究項目。此外，2013年6月《程序員雜志》的封面故事，采訪了周志華、李航、朱軍3位國內(nèi)的機器學(xué)習(xí)專家對于深度學(xué)習(xí)的看法，他們一致肯定了深度學(xué)習(xí)在機器學(xué)習(xí)領(lǐng)域的貢獻。

工業(yè)界對深度學(xué)習(xí)也寄予了很高期望。2012年6月，《紐約時報》報道了斯坦福大學(xué)計算機科學(xué)家AndrewNg和谷歌公司的系統(tǒng)專家JeffDean共同研究深度神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)模型在語音識別和圖像識別等領(lǐng)域獲得的巨大成功。2012年11月，微軟公司在天津公開演示了一個全自動的同聲傳譯系統(tǒng)，其關(guān)鍵技術(shù)也是深度學(xué)習(xí)。2013年1月，百度公司首席執(zhí)行官李彥宏先生宣布建立深度學(xué)習(xí)研究院（Institute of Deep Learning）。2013年3月，谷歌公司收購了由深度學(xué)習(xí)創(chuàng)始人Geoffrey Hinton創(chuàng)立的公司。

從學(xué)術(shù)界與工業(yè)界的研究態(tài)勢看，深度學(xué)習(xí)已經(jīng)成為機器學(xué)習(xí)與模式識別，乃至人工智能領(lǐng)域的研究熱點。正是在這樣一個背景下，人工神經(jīng)網(wǎng)絡(luò)重新回到人們的視野。此前人工神經(jīng)網(wǎng)絡(luò)的發(fā)展大致可以分為兩個時期，1943年，McCulloch和Pitts提出了最早的人工神經(jīng)元，這種神經(jīng)元具有學(xué)習(xí)能力，這是人工神經(jīng)網(wǎng)絡(luò)的發(fā)端，也可以被認(rèn)為是人工智能的發(fā)端（當(dāng)時還沒有人工智能這個術(shù)語）。1949年，Hebb提出了Hebbian學(xué)習(xí)算法。1957年，Rosenblatt提出了感知器的神經(jīng)網(wǎng)絡(luò)模型。1969年，Minsky和Papert分析了這種感知器神經(jīng)網(wǎng)絡(luò)模型的局限性。然而，很多研究者認(rèn)為，感知器的這種局限性對于所有的神經(jīng)網(wǎng)絡(luò)模型都適用，這使人工神經(jīng)網(wǎng)絡(luò)的研究很快暗淡下來。1980年代中期，諾貝爾獎得主John Hopfield提出了Hopfield神經(jīng)網(wǎng)絡(luò)模型，這種Recurrent神經(jīng)網(wǎng)絡(luò)具有的動態(tài)性有可能用于解決復(fù)雜的問題。同時，多層前向神經(jīng)網(wǎng)絡(luò)的后傳算法也被重新發(fā)現(xiàn)，這兩個工作使人工神經(jīng)網(wǎng)絡(luò)得到重生。這時，人工神經(jīng)網(wǎng)絡(luò)已經(jīng)成為人工智能的一個重要組成部分。但是，在隨后的研究中，人們發(fā)現(xiàn)，當(dāng)學(xué)習(xí)多層神經(jīng)網(wǎng)絡(luò)包含更多的隱藏層時，后傳算法并不能學(xué)到有效的網(wǎng)絡(luò)權(quán)值，這使得神經(jīng)網(wǎng)絡(luò)的研究再次陷入低潮。此次以深層神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)重新回到研究的舞臺，其中一個重要因素是Hinton提出的逐層預(yù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)方法治愈了多層神經(jīng)網(wǎng)絡(luò)的一個致命傷。

2 必要性與可行性

深度學(xué)習(xí)的發(fā)展使得從事教學(xué)一線的教師也無法忽視這個頗具影響力的研究主題。為此，我們提出將深度學(xué)習(xí)這個主題引入到人工智能類課程中，將它作為課題教學(xué)的一部分。

2.1 必要性

將深度學(xué)習(xí)這個主題引入到人工智能類課程中的必要性主要包括如下4點。

1）深度學(xué)習(xí)是人工智能的前沿。

2006年以來，深度學(xué)習(xí)的研究席卷了整個人工智能，從機器學(xué)習(xí)、機器視覺、語音識別到語言處理，都不斷涌現(xiàn)出新的研究工作和突破性進展。深度學(xué)習(xí)不僅在機器學(xué)習(xí)領(lǐng)域成為研究熱點，同時在多個應(yīng)用領(lǐng)域也成為有力工具，而且，在工業(yè)界的系統(tǒng)應(yīng)用中，深度學(xué)習(xí)成為其中的關(guān)鍵解決技術(shù)。

2）深度學(xué)習(xí)是人工智能的突破。

深度學(xué)習(xí)的發(fā)端是神經(jīng)網(wǎng)絡(luò)。關(guān)于神經(jīng)網(wǎng)絡(luò)的論述，在人工智能類常見教科書中還停留在多層神經(jīng)網(wǎng)絡(luò)，即神經(jīng)網(wǎng)絡(luò)的第二階段，它們大部分描述多層結(jié)構(gòu)無法訓(xùn)練的現(xiàn)象。但是，從深度學(xué)習(xí)的角度看，深層神經(jīng)網(wǎng)絡(luò)不僅可學(xué)習(xí)，而且有必要，這與第二代神經(jīng)網(wǎng)絡(luò)的觀點是完全不同的。深度學(xué)習(xí)突破了原有人工神經(jīng)網(wǎng)絡(luò)的認(rèn)識，超越了人工智能神經(jīng)網(wǎng)絡(luò)教科書中的原有內(nèi)容，因此，有必要將多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的可學(xué)習(xí)性告知學(xué)生，從新的視角糾正原有的觀點。

3）深度學(xué)習(xí)是人工智能的延伸。

深度學(xué)習(xí)不僅提供了一種可以在深層神經(jīng)結(jié)構(gòu)下訓(xùn)練網(wǎng)絡(luò)的方法，也包含了不少新的內(nèi)容，是人工智能的新發(fā)展，為人工智能補充了新的內(nèi)容。到目前為止，深度學(xué)習(xí)至少包括：從生物神經(jīng)網(wǎng)絡(luò)與人類認(rèn)知的角度認(rèn)識深層神經(jīng)網(wǎng)絡(luò)的必要性；如何構(gòu)建和學(xué)習(xí)深層學(xué)習(xí)網(wǎng)絡(luò)；如何將深層結(jié)構(gòu)用于解決視覺、語音、語言的應(yīng)用問題；如何看待深度學(xué)習(xí)與原有的機器學(xué)習(xí)方法，如流形學(xué)習(xí)、概率圖模型、能量模型的直接關(guān)系；深度學(xué)習(xí)與其他學(xué)科的關(guān)系等。

4）深度學(xué)習(xí)是學(xué)生的潛在興趣點。

大學(xué)生對知識有著強烈的好奇心，加之當(dāng)前信息技術(shù)的發(fā)達，部分對智能感興趣的學(xué)生可以從其他途徑了解到這個學(xué)科發(fā)展的前沿。因此，順勢而為，將深度學(xué)習(xí)這個主題做具體講解，滿足學(xué)生的好奇心，培養(yǎng)他們對學(xué)科前沿與發(fā)展的認(rèn)識，是十分必要的。對高年級的學(xué)生而言，了解深度學(xué)習(xí)的基本知識，是他們?nèi)嬲J(rèn)識人工智能與發(fā)展前沿的一個途徑，而對于研究生，較多地了解和掌握深度學(xué)習(xí)的基本知識有助于他們研究工作的開展。

基于以上幾點，筆者認(rèn)為，將深度學(xué)習(xí)這個主題引入到人工智能類課程中非常有必要。深度學(xué)習(xí)作為人工智能的前沿，既是對人工智能原有理論和技術(shù)的一個突破和補充。

2.2 可行性

將深度學(xué)習(xí)引入到人工智能類課程中的可行性主要包括如下3點。

1）深度學(xué)習(xí)與現(xiàn)有人工智能聯(lián)系密切。

深度學(xué)習(xí)并不像突兀的山峰拔地而起。而是深深植根于原有的人工智能理論與技術(shù)。深度學(xué)習(xí)是以神經(jīng)網(wǎng)絡(luò)為出發(fā)點，這正是深度學(xué)習(xí)教與學(xué)的切入點。比如，可以通過對多層感知器隱藏層的增加和后傳算法的失效來講解深度學(xué)習(xí)是如何解決這個問題的。再者，深度學(xué)習(xí)的一個核心構(gòu)建“受限波爾茲曼機（Restricted Boltzmann Machine）”，可以被認(rèn)為是一種能量模型，而這種模型與Hopfield網(wǎng)絡(luò)都可以從物理學(xué)的能量模型角度分析，RBM可以認(rèn)為是Hopfield網(wǎng)絡(luò)的隨機擴展。總之，深度學(xué)習(xí)與現(xiàn)有人工智能的聯(lián)系，使學(xué)習(xí)深度學(xué)習(xí)變得容易。

2）深度學(xué)習(xí)的基本內(nèi)容并不深。

深度學(xué)習(xí)有個很好的名字，這個名字恰當(dāng)?shù)孛枋隽颂囟ǖ膶W(xué)習(xí)結(jié)構(gòu)。比如，深度學(xué)習(xí)的核心部件受限于波爾茲曼機RBM，其結(jié)構(gòu)非常簡單。從神經(jīng)網(wǎng)絡(luò)的角度，受限波爾茲曼機是一種隨機的雙向連接神經(jīng)網(wǎng)絡(luò)，信號可以從可見層傳遞到隱藏層，也可以從隱藏層傳遞到可見層。網(wǎng)絡(luò)中每個節(jié)點是具有特定結(jié)構(gòu)的神經(jīng)元，其中的神經(jīng)元具有典型的包含自身偏置的Logistic函數(shù)的隨機單元，能夠依Logistic函數(shù)計算得到的概率輸出0狀態(tài)或1狀態(tài)。概括地說，深度學(xué)習(xí)的基本內(nèi)容在高年級階段較易掌握。

3）深度學(xué)習(xí)的資料容易獲得。

當(dāng)前的信息資訊非常發(fā)達，有相當(dāng)多的資料可以通過互聯(lián)網(wǎng)等多種途徑獲得，這使學(xué)習(xí)深度學(xué)習(xí)成為可能。近期，中國計算機學(xué)會主辦了多個技術(shù)講座均涉及深度學(xué)習(xí)的部分；深度學(xué)習(xí)的創(chuàng)始人Hinton教授的主頁也有很多資料；Coursera網(wǎng)站有免費的Hinton教授的神經(jīng)網(wǎng)絡(luò)課程；斯坦福大學(xué)的Ng教授提供了很多的在線教程；蒙特利爾大學(xué)Bengio教授發(fā)表的題為“Learning Deep Architectures for AI”的論文也是這領(lǐng)域的優(yōu)質(zhì)資料。

3 實施建議

在具體的教學(xué)過程中，筆者建議適當(dāng)安排深度學(xué)習(xí)的最基本內(nèi)容，內(nèi)容不宜過多，也不宜占用過多的學(xué)時，可以根據(jù)教學(xué)對象的不同進行調(diào)整。比如，本科生的高年級專業(yè)課可以安排1學(xué)時的教學(xué)量，介紹層次訓(xùn)練的基本算法；也可以在高年級前沿講座中安排2學(xué)時，內(nèi)容覆蓋面盡可能廣泛。在研究生的教學(xué)中，可以根據(jù)教學(xué)的課程主題安排內(nèi)容與學(xué)時。比如，神經(jīng)網(wǎng)絡(luò)主題的課程可以安排4-6學(xué)時的教學(xué)內(nèi)容，包括波爾茲曼機及學(xué)習(xí)算法、深層信念網(wǎng)絡(luò)與學(xué)習(xí)算法、深層波爾茲曼機與學(xué)習(xí)算法卷、積神經(jīng)網(wǎng)絡(luò)、自動編碼器等。結(jié)合應(yīng)用，課程還可以包含MNIST數(shù)字識別的應(yīng)用、人臉識別的應(yīng)用、圖像檢索的應(yīng)用、語音識別中的應(yīng)用等。另外，深度學(xué)習(xí)是一個實踐性很強的研究，隨機性：大規(guī)模（意味著數(shù)據(jù)不宜可視化，程序運行時間長）等多種因素混合，使深度學(xué)習(xí)在學(xué)習(xí)中不容易理解。為此，可以在條件允許的前提下，增加小規(guī)模的實驗，輔助理解。最后，課件可以通過對優(yōu)質(zhì)資料做修改得到。

篇2

[關(guān)鍵詞]人工智能 信息技術(shù) 智能教育

人工智能是多種學(xué)科相互滲透而發(fā)展起來的交叉性學(xué)科，其涉及計算機科學(xué)、信息論、數(shù)學(xué)、哲學(xué)和認(rèn)知科學(xué)、心理學(xué)、控制論、不定性論、神經(jīng)生理學(xué)、語言學(xué)等多種學(xué)科。隨著科技的飛速發(fā)展和人工智能技術(shù)應(yīng)用的不斷擴延，其涉及的學(xué)科領(lǐng)域?qū)⒂鷣碛?，它已和人們的學(xué)習(xí)、生活息息相關(guān)，時代和社會需要此方面的大量人才。在高中信息技術(shù)課中開設(shè)人工智能初步模塊是十分必要的，本文擬從其發(fā)展現(xiàn)狀、存在問題等幾個方面對我國高中信息課程中人工智能教育做一下探討。

一、高中開設(shè)人工智能課程的意義

（1）人工智能定義

人工智能(AI，Artificial Intelligence)是計算機科學(xué)的一個分支，己成為一門具有廣泛應(yīng)用的交叉學(xué)科和前沿學(xué)科。它研究如何用計算機模擬人腦所從事的推理、證明、識別、理解、設(shè)計、學(xué)習(xí)、規(guī)劃以及問題求解等思維活動，來解決人類專家才能解決的復(fù)雜問題，例如咨詢、探測、診斷、策劃等。

（2）開設(shè)人工智能課程的意義

現(xiàn)實世界的問題可以按照結(jié)構(gòu)化程度劃分成三個層次：結(jié)構(gòu)化問題，是能用形式化(或稱公式化)方法描述和求解的一類問題；非結(jié)構(gòu)化問題難以用確定的形式來描述，主要根據(jù)經(jīng)驗來求解；半結(jié)構(gòu)化問題則介于上述兩者之間。

將人工智能課程引入到我國現(xiàn)行的教育中，可以讓學(xué)生在了解人工智能基本語言特征、理解智能化問題求解的基本策略過程中，體驗、認(rèn)識人工智能技術(shù)的同時獲得對非結(jié)構(gòu)化、半結(jié)構(gòu)化問題解決過程的了解，從而使學(xué)生了解計算機解決問題方法的多樣性，培養(yǎng)學(xué)生的多種思維方式，更好的解決現(xiàn)實問題。

二、高中人工智能教育現(xiàn)狀及存在問題

目前，該學(xué)科的教育正處于摸索階段，由于中學(xué)信息技術(shù)師資水平、學(xué)校硬軟件設(shè)備等條件的制約，我國尚未在中學(xué)專門開設(shè)獨立的人工智能類課程，Internet上與人工智能教育相關(guān)的中文信息資源也十分貧乏，在教學(xué)環(huán)境上大致存在以下問題：

（一）教學(xué)條件參差不齊

開設(shè)好人工智能課程，就要求安排更多的實踐課程和活動來增強課程的趣味性，讓廣大師生切實體會到人工智能對我們生活的影響。這些活動大部分要求上機操作或利用網(wǎng)絡(luò)資源來學(xué)習(xí)交流，這就對教學(xué)條件提出了較高的要求，尤其是一些偏遠(yuǎn)農(nóng)村、條件相對落后的中學(xué)在開設(shè)人工智能課程上存在很大困難。

（1）對硬件性能的要求

人工智能課程中有較多的實踐課程需要老師和學(xué)生利用網(wǎng)絡(luò)資源，使用計算機進行操作。這就需要學(xué)校配備計算機網(wǎng)絡(luò)教學(xué)機房，若其性能較差，會延長學(xué)生在線進行人機對話的時間，一旦遇到網(wǎng)絡(luò)堵塞，可能連網(wǎng)頁都打不開，這不僅浪費了僅有的上課時間，而且大大降低了學(xué)生的學(xué)習(xí)興趣。

（2）對軟件性能的要求

為了降低成本，學(xué)?？梢岳没ヂ?lián)網(wǎng)上提供的免費下載軟件和免費在線教學(xué)網(wǎng)站等進行實踐教學(xué)，可大大減少自研開發(fā)軟件和軟件維護的費用。但一旦遇到網(wǎng)絡(luò)不通、網(wǎng)絡(luò)擁擠或在線網(wǎng)站停止服務(wù)等情況，將無法使用網(wǎng)絡(luò)資源進行教學(xué)，可見，軟件的依賴性較強也存在很大的問題。

（二）對人工智能科學(xué)的認(rèn)識不足

（1）學(xué)生的認(rèn)識誤區(qū)

提及人工智能，給大多數(shù)學(xué)生的感覺是一門神秘、遙不可及的科學(xué)。很多學(xué)生認(rèn)為人工智能技術(shù)是很高深的科學(xué)，離我們現(xiàn)實生活有一定距離，研究和接觸這門科學(xué)是少數(shù)科學(xué)家的事情，從而對該科學(xué)的關(guān)注程度不高。其實，人工智能學(xué)科是一門漸漸成長的科學(xué)，它將應(yīng)用在我們生活的方方面面。我們應(yīng)在教學(xué)中讓學(xué)生多去體驗人工智能的魅力所在，吸引更多對該學(xué)科感興趣的人去研究和使用它。

（2）教師對人工智能學(xué)科開設(shè)存在偏見

一些從事該學(xué)科教學(xué)的教師沒有接觸過人工智能方面的知識，在接觸過后被其中深奧難理解的知識所嚇倒，認(rèn)為即使開設(shè)了這門課程也不易被同學(xué)們所接受；而一些在大學(xué)接觸過人工智能課程的教師則認(rèn)為，其理論枯燥乏味，知識內(nèi)容艱深，不適合放在高中開設(shè)。

（三）一線教師經(jīng)驗不足

在我國大學(xué)教育中，開展人工智能專業(yè)課程的大學(xué)為數(shù)不多，師范類院校更是少之又少。從事人工智能領(lǐng)域的專業(yè)人才輸出少，所以，缺乏具備一定知識結(jié)構(gòu)、有專業(yè)素養(yǎng)的教師來擔(dān)任高中信息技術(shù)課中人工智能課程的教育工作。絕大多數(shù)的一線教師并沒有接受過人工智能課程的專業(yè)培訓(xùn)，在授課內(nèi)容上的著重點掌握不好，教學(xué)目標(biāo)不夠明確；在授課形式上也沒有前人的經(jīng)驗可尋，這就給一線教師帶來了極大的挑戰(zhàn)。

三、解決上述問題的幾點建議

（一）加強軟、硬件建設(shè)

在學(xué)校條件允許的條件下，應(yīng)加大硬件設(shè)施的投入，改善網(wǎng)絡(luò)傳遞信息的效率，同時加強軟件資源建設(shè)。鼓勵師生上網(wǎng)搜索更多適合AI教學(xué)的網(wǎng)站，教師應(yīng)整理出和AI相關(guān)的趣味小故事、電影、光盤等和教材相關(guān)的素材，以便更好的配合硬件教學(xué)。

（二）端正認(rèn)識，增強支持

作為教師要樹立對高中人工智能選修課程的正確認(rèn)識。通過對課標(biāo)中規(guī)定的相關(guān)內(nèi)容的深入了解和學(xué)習(xí)，克服對人工智能的神秘感或恐懼感，理性而客觀的看待人工智能技術(shù)及其應(yīng)用，明確在高中開設(shè)該課程的目的。同時，教師也不能因為該課程的“選修”性質(zhì)，從而輕視該課程的作用。

作為學(xué)生不應(yīng)該僅僅看見這門課程的娛樂趣味性，應(yīng)把一些重要的技術(shù)理論知識重視起來，不能過分的放松自己而偏離了我們的教學(xué)目標(biāo)。家長也應(yīng)該支持和贊同學(xué)生選擇該課程，不能應(yīng)認(rèn)識不到這門課程的作用、怕耽誤學(xué)生主干課的學(xué)習(xí)而反對學(xué)生積極參與。

校方領(lǐng)導(dǎo)也不應(yīng)條件限制就輕易放棄這門課程的開設(shè)，應(yīng)給予積極的配合。社會各界也應(yīng)加強輿論與正確引導(dǎo)，讓更多的人們認(rèn)識人工智能并予以肯定。

總之，人工智能是一門逐漸成長的科學(xué)，開設(shè)好該課程需要廣大教育工作者和校方領(lǐng)導(dǎo)不斷努力，互相交流，共同克服困難。

參考文獻：

［1］張劍平.人工智能技術(shù)與“問題解決”［J］.中小學(xué)信息技術(shù)教育，2003(10).

［2］段東輝.淺談信息技術(shù)課程中人工智能教育［J］.新鄉(xiāng)教育學(xué)院學(xué)報，第19卷第二期2006，6.

篇3

關(guān)鍵詞：智能教學(xué)系統(tǒng)；模型；局限

中圖分類號：TP315　文獻標(biāo)識碼：A　文章編號：1673-8454(2012)03-0007-03

智能教學(xué)系統(tǒng)(Intelligence Tutoring System，簡稱ITS)是把人工智能技術(shù)引入到計算機輔助教學(xué)系統(tǒng)中，應(yīng)用人工智能技術(shù)開發(fā)出能夠因材施教的教學(xué)系統(tǒng)，使“計算機導(dǎo)師”貼近人類教師的水平，具有推理、診斷、決策的能力。能夠根據(jù)每個學(xué)習(xí)者的特點制定教學(xué)計劃，選擇教學(xué)策略，實現(xiàn)因材施教。

一、智能教學(xué)系統(tǒng)的模型及功能

基于教育學(xué)、心理學(xué)和教學(xué)設(shè)計原理分析，智能教學(xué)系統(tǒng)模型應(yīng)包含學(xué)生模塊、教學(xué)策略模塊、知識庫和智能接口幾個主要模塊，各模塊的系統(tǒng)結(jié)構(gòu)如圖所示。

學(xué)生模塊記錄每個學(xué)生原有的知識水平和學(xué)習(xí)能力。其依據(jù)為學(xué)生與系統(tǒng)之間的交互問答歷史，并對每個學(xué)生的學(xué)習(xí)進步情況進行動態(tài)調(diào)整。這樣，系統(tǒng)通過學(xué)生模型就可隨時了解每個學(xué)生的情況，有的放矢地進行個別化教學(xué)。

教學(xué)策略模塊根據(jù)學(xué)生模塊情況和知識庫做出智能化的教學(xué)決策，評判學(xué)生的學(xué)習(xí)效果，幫助學(xué)生分析錯誤原因。提出改進方法和意見等。

知識庫存儲所要教的學(xué)科領(lǐng)域知識和教學(xué)知識。

智能接口能夠理解自然語言，實現(xiàn)更普遍意義上的人機對話。

智能教學(xué)系統(tǒng)與傳統(tǒng)CAI相比，具備以下功能：

第一，了解學(xué)生的學(xué)習(xí)能力、學(xué)習(xí)基礎(chǔ)和當(dāng)前的知識水平，以此為依據(jù)為不同的學(xué)生做出不同的教學(xué)決策，有針對性地進行個別指導(dǎo)，并在學(xué)習(xí)過程中根據(jù)學(xué)生進度自動調(diào)整學(xué)習(xí)內(nèi)容，具有適應(yīng)能力。

第二，允許學(xué)生用自然語言與“計算機導(dǎo)師”進行人機對話，并能對帶有學(xué)生個性特點的問題做出解答，從而具備更好的交互能力。

第三，能診斷學(xué)生學(xué)習(xí)過程中的錯誤，并分析錯誤原因和給出解決方案，在此基礎(chǔ)上逐漸積累“經(jīng)驗”，從而具備糾錯能力。

第四，大大拓寬了CAI的模式，例如建立虛擬教室、智能導(dǎo)師系統(tǒng)、教學(xué)模擬等。從而使CAI不再是簡單的課本搬家、教室搬家，而具有更多的創(chuàng)造能力。

二、智能教學(xué)系統(tǒng)的局限性分析

智能教學(xué)系統(tǒng)雖然較傳統(tǒng)CAI在諸多方面有很大改進。但就智能教學(xué)系統(tǒng)的工作原理以及目前的研發(fā)現(xiàn)狀而言，應(yīng)當(dāng)冷靜地看到，它自身也存在一些固有的局限性。

要計算機解決某個問題，有三個基本的前提：必須把問題形式化、必須有一定的算法、必須有合理的復(fù)雜度。由于人的智能活動不能完全形式化，因此，機器就不能將人腦的智力活動全部復(fù)制出來。教育是一種人類所特有的活動，基于人工智能技術(shù)的智能教學(xué)系統(tǒng)在教育中的應(yīng)用也存在局限性。

1.智能教學(xué)系統(tǒng)不能實現(xiàn)自我更新，自我改進

智能教學(xué)系統(tǒng)的設(shè)計原理是把現(xiàn)有的專家的知識和教師的教學(xué)方法和策略集中到一個數(shù)據(jù)庫中。隨著現(xiàn)代社會知識的迅猛增長，教育理念的不斷更新以及教學(xué)模式和教學(xué)方法的不斷改進，智能教學(xué)系統(tǒng)無法像人類教師那樣跟隨時代的變化而實現(xiàn)知識庫的自我更新以及教學(xué)策略模型的自我改進。還需要人從外界對整個ITS進行翻新，甚至需要從一種新的教育理念出發(fā)，重新設(shè)計ITS。智能教學(xué)系統(tǒng)的自我更新涉及機器學(xué)習(xí)這個難點。

2.智能教學(xué)系統(tǒng)適用的學(xué)習(xí)領(lǐng)域存在局限

以智能模擬的方法實現(xiàn)的人工智能應(yīng)用于教育中時，并非適合所有的學(xué)習(xí)領(lǐng)域。人的智能活動可以分為四個領(lǐng)域。領(lǐng)域一是“刺激――反應(yīng)”領(lǐng)域，其中包括任何形式的條件反射，與上下文環(huán)境無關(guān)的、各種形式的初級聯(lián)想行為，最典型的如無意義音節(jié)的機械學(xué)習(xí)。領(lǐng)域二是數(shù)學(xué)思維的領(lǐng)域，這是比較適合于人工智能的領(lǐng)域。它是由概念世界而不是感知世界構(gòu)成，這一領(lǐng)域中的問題完全形式化了，并可以計算，這一領(lǐng)域又可稱為簡單形式化領(lǐng)域，典型的例子如邏輯和有精確規(guī)則的游戲。領(lǐng)域三是復(fù)雜形式化領(lǐng)域，這是比較難把握的一個領(lǐng)域。這一領(lǐng)域包括原則上可形式化而實際上不易駕馭的行為，包括那些不能用窮舉算法處理的。因而需要設(shè)計啟發(fā)程序的系統(tǒng)，如圍棋。領(lǐng)域四可稱作非形式化行為領(lǐng)域，包括有規(guī)律但無規(guī)則支配的、我們?nèi)祟愂澜缰械囊恍┤粘；顒樱@一領(lǐng)域又稱作感知思維領(lǐng)域。在這一領(lǐng)域內(nèi)解決問題都是直覺的遵從，無須求助規(guī)則。包括一些規(guī)則不確定的游戲，如文字猜謎游戲。以上四個領(lǐng)域中前兩個領(lǐng)域適合用數(shù)字計算機模擬，第三個領(lǐng)域只是部分可程序化，而第四個領(lǐng)域則很難駕馭。

與此相對應(yīng)的，根據(jù)加涅的學(xué)習(xí)結(jié)果分類，學(xué)習(xí)分為言語信息、智慧技能、認(rèn)知策略、動作技能和態(tài)度五類。言語信息分為符號學(xué)習(xí)、事實學(xué)習(xí)和有組織的知識學(xué)習(xí)，這些屬于可形式化內(nèi)容，適用于智能教學(xué)系統(tǒng)；智慧技能分為辨別、具體概念、定義性概念、規(guī)則和高級規(guī)則，其中前四項屬于可形式化內(nèi)容，適用于智能教學(xué)系統(tǒng)，而高級規(guī)則屬于復(fù)雜形式化內(nèi)容，部分內(nèi)容不適用于智能教學(xué)系統(tǒng)；動作技能和態(tài)度領(lǐng)域的學(xué)習(xí)。在其認(rèn)知成分中可以使用智能教學(xué)系統(tǒng)，但情感和行為成分等非形式化內(nèi)容，則難以用智能教學(xué)系統(tǒng)來實現(xiàn)。

因此，并不是所有的學(xué)習(xí)領(lǐng)域都適用于智能教學(xué)系統(tǒng)。智能教學(xué)系統(tǒng)在教育中應(yīng)用的重點應(yīng)放在認(rèn)知領(lǐng)域中的符號學(xué)習(xí)、事實學(xué)習(xí)和有組織的知識學(xué)習(xí)、辨別、具體概念、定義性概念以及規(guī)則這些學(xué)習(xí)內(nèi)容上。

3.與學(xué)生之間無法暢通交流

教育是一種交互活動，智能教學(xué)系統(tǒng)的交互功能雖然較傳統(tǒng)CAI有所改進。但仍然缺乏在學(xué)生和計算機之間交換信息的自然的、暢通的途徑。系統(tǒng)只能通過學(xué)生輸入計算機的信息來判斷其掌握和內(nèi)化程度。而無法像人類教師通過自然狀態(tài)的交流和觀察來判斷學(xué)生的真實情況，因此，“機器智能”很容易被蒙蔽“雙眼”，無法做到像人與人之間那樣自然暢通的交流。此外，系統(tǒng)在遇到新的學(xué)習(xí)情境時。不能理解和產(chǎn)生對話，這會影響智能教學(xué)系統(tǒng)功能的實施。

4.決策和推理機制不完善

智能教學(xué)系統(tǒng)的關(guān)鍵智能所在是其決策和推理機制，即“教學(xué)策略”模塊根據(jù)不同學(xué)生的具體情況通過推理做出靈活決策，這種決策基于學(xué)生模塊提供的學(xué)生的知識水平、認(rèn)知特點和學(xué)習(xí)風(fēng)格。智能教學(xué)系統(tǒng)雖然加入診斷系統(tǒng)并不斷調(diào)整對學(xué)生學(xué)習(xí)水平的判斷，但由于學(xué)習(xí)風(fēng)格、認(rèn)知特點等不能完全被形式化，因此，根據(jù)系統(tǒng)的教學(xué)策略模塊中預(yù)先存入的診斷知識來評估不同學(xué)生的學(xué)習(xí)過程和理解每個學(xué)生不同的推理過程也是有局限的。

三、智能教學(xué)系統(tǒng)在教育中應(yīng)用的建議

1.不能忽略教師的作用

雖然智能教學(xué)系統(tǒng)具有“智能性”。但在使用它的過程中，決不能放棄教師的主導(dǎo)作用。要明確教師是教學(xué)的設(shè)計者和教學(xué)過程的主導(dǎo)，應(yīng)該把智能教學(xué)系統(tǒng)的應(yīng)用納入到教學(xué)設(shè)計中。教師作為教學(xué)的“主導(dǎo)”。要引領(lǐng)教學(xué)

全過程，時刻注意學(xué)生的學(xué)習(xí)狀態(tài)、學(xué)習(xí)程度、情感交流，盡量照顧到每個同學(xué)。ITS不是將教師擱置了。而是把教師從ITS能做的事情中解放出來，有更多的時間去從事機器所無法替代的事情。例如，計劃教學(xué)，開發(fā)教學(xué)補充材料，示范成熟的行為，啟發(fā)、引導(dǎo)學(xué)生去克服遇到的各種困難。特別是一個優(yōu)秀教師對學(xué)生的態(tài)度和道德的影響和培養(yǎng)，是任何智能教學(xué)機器所無法取代的。所以，在利用智能教學(xué)系統(tǒng)教學(xué)的過程中，不能用智能教學(xué)系統(tǒng)取代教師，不能忽略教師的指導(dǎo)作用。

2.注意教學(xué)模式的運用

作為一種教育技術(shù)的實現(xiàn)，ITS主要依賴于各種技術(shù)的發(fā)展，但作為一個能夠?qū)嵤┩暾虒W(xué)過程的教學(xué)系統(tǒng)，ITS的應(yīng)用效果更多地依賴于所采用的教學(xué)模式。長期以來，傳統(tǒng)CAI在教學(xué)中的應(yīng)用都以個別化教學(xué)模式為主。但隨著認(rèn)知心理學(xué)的發(fā)展，基于建構(gòu)主義學(xué)習(xí)理論的以“學(xué)”為中心的教學(xué)模式逐漸受到青睞。這種教學(xué)模式更能滿足學(xué)習(xí)者的個性化要求，也為協(xié)作學(xué)習(xí)創(chuàng)造了更大的可能性。目前，協(xié)作學(xué)習(xí)模式因其利于培養(yǎng)學(xué)生的多樣化思維和合作精神而日益受到重視。同一個智能教學(xué)系統(tǒng)，用于個別化教學(xué)模式和用于協(xié)作學(xué)習(xí)模式就會產(chǎn)生截然不同的教學(xué)效果。因此。在利用智能教學(xué)系統(tǒng)時，要注意根據(jù)教學(xué)內(nèi)容和教學(xué)目標(biāo)靈活采用個別化教學(xué)模式或協(xié)作學(xué)習(xí)模式。

3.有效與網(wǎng)絡(luò)相結(jié)合

隨著多媒體技術(shù)和Internet網(wǎng)絡(luò)的飛速發(fā)展，多媒體教育技術(shù)與Internet的進一步融合，ITS不僅僅在人工智能上單一發(fā)展。它要向多維的網(wǎng)絡(luò)空間發(fā)展。網(wǎng)絡(luò)化成為當(dāng)今世界ITS系統(tǒng)的一大優(yōu)勢和特色?！盁o機不聯(lián)”正是現(xiàn)代教育計算機使用情況的真實寫照。智能教學(xué)系統(tǒng)應(yīng)與網(wǎng)絡(luò)相結(jié)合。借助網(wǎng)絡(luò)的優(yōu)勢，完成在線學(xué)習(xí)、實時討論、網(wǎng)上測試等多種教學(xué)任務(wù)。學(xué)生可以在學(xué)校或家中通過計算機登錄到系統(tǒng)，系統(tǒng)按其不同的認(rèn)知水平為其準(zhǔn)備不同難度的教學(xué)內(nèi)容。完成學(xué)習(xí)時，系統(tǒng)通過自適應(yīng)的測試確定學(xué)生新的認(rèn)知水平，作為其下一次登錄學(xué)習(xí)時為其準(zhǔn)備學(xué)習(xí)內(nèi)容的依據(jù)，并向?qū)W生提出進一步需學(xué)習(xí)內(nèi)容的建議。學(xué)生在學(xué)習(xí)過程中可以實時地與其他在線的學(xué)習(xí)者進行討論，并可通過E-mail的形式與教師進行交流。教師可以使用自己的計算機，在教研室或家中登錄到系統(tǒng)，檢查學(xué)生的學(xué)習(xí)進度，學(xué)習(xí)情況。并依據(jù)學(xué)生的實際情況，有針對性地對教學(xué)內(nèi)容、測試內(nèi)容進行更新。網(wǎng)絡(luò)與智能計算機輔助教學(xué)系統(tǒng)有機結(jié)合，相互補足，必將構(gòu)建成一個新的系統(tǒng)工程。

參考文獻：

[1]王士同主編.人工智能教程[M].北京：電子工業(yè)出版社，2001.

[1]王永慶.人工智能原理與方法[M].西安：西安交通大學(xué)出版社，1998.

[3]何克抗.計算機輔助教育[M].北京：高等教育出版社，1997.

篇4

［關(guān)鍵詞］人工智能；包裝專業(yè)；人才培養(yǎng)轉(zhuǎn)型

人工智能時代，是繼農(nóng)業(yè)革命、工業(yè)革命后，人類現(xiàn)代社會的第三次浪潮時代。以人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)等為代表的新技術(shù)、新應(yīng)用應(yīng)運而生[1]。包裝產(chǎn)業(yè)作為典型的傳統(tǒng)產(chǎn)業(yè)，人的操作技能與經(jīng)驗曾發(fā)揮著決定性的重要作用，對生產(chǎn)效率、產(chǎn)品質(zhì)量等有著重要的影響。然而，隨著包裝產(chǎn)業(yè)向綠色化、數(shù)字化、智能化、融合化的技術(shù)升級與轉(zhuǎn)型，企業(yè)的崗位設(shè)置和人才需求也正在發(fā)生巨大變化[2]。為了深入了解包裝相關(guān)產(chǎn)業(yè)的轉(zhuǎn)型，深圳職業(yè)技術(shù)學(xué)院傳播工程學(xué)院會同中國印刷科學(xué)技術(shù)研究院針對四類包括包裝印刷生產(chǎn)企業(yè)、包裝設(shè)計公司、設(shè)備制造企業(yè)和終端品牌客戶在內(nèi)的28家大中型代表性企業(yè)開展了“人工智能時代包裝人才需求的調(diào)研”。本文將結(jié)合這次調(diào)研結(jié)果，探討人工智能時代高職院校包裝專業(yè)人才培養(yǎng)轉(zhuǎn)型。

一、包裝相關(guān)企業(yè)用人現(xiàn)狀分析

根據(jù)調(diào)研數(shù)據(jù)分析，對于包裝印刷生產(chǎn)企業(yè)，人員占比最大的是印刷生產(chǎn)人員和印后加工人員，這體現(xiàn)出目前我國包裝印刷生產(chǎn)行業(yè)的現(xiàn)實情況，即印刷生產(chǎn)及印后加工自動化、數(shù)字化、智能化水平都處于較落后的狀態(tài)。但隨著數(shù)字車間、智能工廠的建設(shè)，印刷生產(chǎn)、印后加工、質(zhì)檢、倉儲物流崗位將更多地被智能化設(shè)備所替代[3]，因此這些崗位的人員需求度將逐年降低。對于包裝設(shè)計公司，人才需求主要集中在策劃及包裝創(chuàng)意設(shè)計人員，且設(shè)計師崗位工作目前受到人工智能技術(shù)的沖擊較小。這也說明在人工智能時代，設(shè)計師崗位結(jié)構(gòu)變化不大，因為設(shè)計崗位屬于智力勞動型崗位，對設(shè)計師的專業(yè)知識和創(chuàng)新能力要求較高。作為包裝印刷企業(yè)服務(wù)商的設(shè)備制造企業(yè)，其主要人員崗位均集中在產(chǎn)品研發(fā)人員、產(chǎn)品生產(chǎn)人員及售后服務(wù)人員。在這次人工智能技術(shù)革命中，設(shè)備制造商將發(fā)揮著重要作用，其產(chǎn)品要滿足智能化的需要，就必須掌握并應(yīng)用人工智能相關(guān)的技術(shù)，所以未來其產(chǎn)品研發(fā)崗位必定是設(shè)備制造企業(yè)的核心崗位，且對人才的要求較高，需求較旺盛。而對于最受畢業(yè)生就業(yè)喜歡的終端品牌客戶其產(chǎn)品研發(fā)人員的比例遠(yuǎn)遠(yuǎn)高于前三類企業(yè)，產(chǎn)品研發(fā)人員一直是終端品牌客戶關(guān)注的主要崗位，未來需求也將保持穩(wěn)定。在調(diào)研中我們還發(fā)現(xiàn)，除了上述固有崗位結(jié)構(gòu)變化外，對于包裝類企業(yè)在人工智能時代也將催生一批新的就業(yè)崗位，如IE工程師、智能設(shè)備操作員、云服務(wù)平臺運維人員、智能化信息管理人員、智能化物流管理倉儲人才、智能化服務(wù)平臺的運營人員等，這些新崗位的出現(xiàn)為包裝高職教育提出更高的人才培養(yǎng)要求。

二、人工智能時代對包裝專業(yè)高職人才培養(yǎng)提出的新要求

人工智能時代，技術(shù)創(chuàng)新不斷涌現(xiàn)，包裝產(chǎn)業(yè)結(jié)構(gòu)也隨之調(diào)整，在人才知識結(jié)構(gòu)和專業(yè)技術(shù)能力要求兩方面對包裝專業(yè)高職人才的培養(yǎng)提出了新要求。

（一）人才知識結(jié)構(gòu)要求

根據(jù)調(diào)研數(shù)據(jù)分析，從企業(yè)選擇數(shù)量來看，人工智能時代，包裝專業(yè)人才需要具備的知識，按照占比排前的依次為“包裝策劃與營銷知識”“包裝結(jié)構(gòu)設(shè)計”“智能包裝技術(shù)”“包裝造型設(shè)計”。在人工智能時代，包裝專業(yè)人才需要跨界融合的趨勢越來越明顯。作為一個包裝從業(yè)人員要不斷強化市場營銷意識，根據(jù)包裝產(chǎn)品的屬性與特點，結(jié)合市場與消費者需求進行設(shè)計開發(fā)，并將功能、結(jié)構(gòu)、裝潢、材料、生產(chǎn)工藝等方面的因素同時考慮，進行針對性、多樣化包裝設(shè)計。例如，包裝設(shè)計已由單品包裝轉(zhuǎn)為系列化的包裝設(shè)計，一套茶葉包裝可擴充為茶葉包、茶葉盒、茶葉手提袋等多種包裝產(chǎn)品。另外，人工智能時代，智能包裝必定成為包裝行業(yè)的主流趨勢，因此，日常工作中，包裝設(shè)計師在保留包裝產(chǎn)品基本功能后，還應(yīng)設(shè)法提升產(chǎn)品的附加價值，進行品牌推廣的同時需增加感知、監(jiān)控、定位、記錄等相關(guān)信息的輔助包裝設(shè)計功能，幫助客戶對產(chǎn)品流通全程進行跟蹤、監(jiān)控，以提高供應(yīng)鏈整體效率，使客戶安心放心使用產(chǎn)品[4]。與此同時，包裝專業(yè)人才還應(yīng)具備數(shù)據(jù)統(tǒng)計與分析、AR/VR/HTML5等新技術(shù)知識，可以幫助包裝設(shè)計師了解消費者的心理動態(tài)，設(shè)計出更符合消費者需求的包裝產(chǎn)品。

（二）專業(yè)能力要求

人工智能時代，隨著客戶需求的提高、包裝承載功能的豐富，包裝相關(guān)企業(yè)對于包裝專業(yè)人才的能力有更高的要求，各調(diào)研對象對必備能力的選擇，從選擇的數(shù)量上來看，對于包裝專業(yè)人才必須具備的能力排名靠前的分別是“對市場品牌的敏感度與審美”“包裝造型與外觀創(chuàng)意設(shè)計能力”“包裝產(chǎn)品策劃能力”和“包裝結(jié)構(gòu)設(shè)計能力”。這充分說明包裝專業(yè)人才屬于智慧型人才，需為客戶提供品牌策劃與設(shè)計方案。為此，首先要了解客戶需求，對設(shè)計品牌的起源、特點及標(biāo)志有一定認(rèn)識，才能正確、清楚地進行需求定位；其次才是設(shè)計環(huán)節(jié)。而人工智能時代，包裝專業(yè)人才的競爭，將不再局限于紙面上的設(shè)計圖案，創(chuàng)新思維將成為當(dāng)前包裝策劃設(shè)計人才的核心競爭力。

三、人工智能時代高職院校包裝專業(yè)人才培養(yǎng)轉(zhuǎn)型建議

人工智能等新技術(shù)與包裝產(chǎn)業(yè)的融合對包裝教育提出更高的要求和人才培養(yǎng)規(guī)格[5]。高職教育作為一種比其他教育類型更貼近市場、更注重實用性的教育，需要及時調(diào)整專業(yè)定位和人才培養(yǎng)目標(biāo)。

（一）專業(yè)定位

高職教育以市場和就業(yè)為導(dǎo)向，企業(yè)需要什么樣的人才，我們就應(yīng)當(dāng)培養(yǎng)什么樣的人才，從前面的調(diào)研數(shù)據(jù)可知，無論是知識結(jié)構(gòu)還是能力要求，策劃和設(shè)計都是最重要的兩個點。包裝策劃指根據(jù)產(chǎn)品特色與生產(chǎn)條件并結(jié)合市場與消費需求，對產(chǎn)品的市場目標(biāo)、包裝方式與品牌定位進行整體方向性規(guī)劃定位的決策活動。包裝設(shè)計則是一個大設(shè)計概念，包含裝潢設(shè)計、結(jié)構(gòu)設(shè)計、造型設(shè)計、運輸包裝設(shè)計、工藝設(shè)計等[6]。目前包裝人才培養(yǎng)方面各院校更多偏重于設(shè)計、技術(shù)方面，而忽視了策劃。未來，整個行業(yè)對具有市場數(shù)據(jù)分析、文案寫作、創(chuàng)新思維、市場營銷的策劃類人才將有更多的需求。包裝人才，策劃先行，包裝專業(yè)需在策劃類課程建設(shè)、師資培養(yǎng)等方面投入更多精力。

（二）人才培養(yǎng)目標(biāo)

包裝產(chǎn)業(yè)的融合性特點使得包裝專業(yè)人才跨界融合的趨勢越來越明顯。未來，行業(yè)將更需要能提供包裝整體解決方案的復(fù)合型高技術(shù)高技能人才，因此在人才培養(yǎng)目標(biāo)的制訂上將體現(xiàn)以下三個方面的特點。1.具有跨學(xué)科、跨專業(yè)知識背景調(diào)研數(shù)據(jù)顯示，包裝企業(yè)從業(yè)者往往身兼數(shù)職，需要同時掌握多種專業(yè)知識和業(yè)務(wù)知識。例如包裝策劃人員，一方面要有市場營銷知識和品牌推廣能力，對于客戶消費心理有基本的分析和判斷；另一方面還需要具備設(shè)計思維和設(shè)計技能，同時還應(yīng)對各種包裝材料、包裝形式、包裝工藝有深入了解。因此包裝人才培養(yǎng)，不僅要具備包裝設(shè)計、包裝材料、包裝工藝等知識，還要具備計算機軟件應(yīng)用、市場營銷等方面的知識和技能以及人工智能基礎(chǔ)知識。2.具有運用大數(shù)據(jù)分析、人工智能、物聯(lián)網(wǎng)技術(shù)的能力目前包裝企業(yè)還面臨設(shè)備操作智能化水平低、數(shù)據(jù)信息交互機制缺失、生產(chǎn)勞動強度大的局面。為了更快地推進包裝企業(yè)的智能化，實現(xiàn)高質(zhì)高效，包裝企業(yè)現(xiàn)階段更需要一批既懂包裝專業(yè)知識，又精通大數(shù)據(jù)分析、信息化、網(wǎng)絡(luò)化、智能技術(shù)的技術(shù)型人才。包裝專業(yè)人才同樣需要運用大數(shù)據(jù)分析客戶需求、客戶喜好，同時能夠?qū)⑷斯ぶ悄芗夹g(shù)、物聯(lián)網(wǎng)、區(qū)塊鏈技術(shù)引入包裝設(shè)計中，發(fā)展智能化包裝。3.具有創(chuàng)新思維創(chuàng)新是企業(yè)發(fā)展最核心的動力，從前面的調(diào)研也可以看出，在人工智能時代，創(chuàng)新技術(shù)和創(chuàng)新設(shè)計已經(jīng)成為企業(yè)的第一核心競爭力，特別是作為包裝專業(yè)人才，需要通過策劃、創(chuàng)意設(shè)計進行包裝的創(chuàng)新以滿足功能上的新要求和視覺上的新鮮感。沒有創(chuàng)新思維，就像無本之木，沒有辦法實現(xiàn)包裝在功能、形式、外觀、材料等方面的創(chuàng)新。企業(yè)首先看重的就是創(chuàng)新思維，其次才是專業(yè)能力。高職院校應(yīng)在平時教學(xué)中注重培養(yǎng)學(xué)生基于專業(yè)知識的發(fā)散思維，通過各種競賽鍛煉創(chuàng)新實踐能力。應(yīng)積極組織學(xué)生參與“包裝之星”“世界之星”“全國包裝設(shè)計職業(yè)技能大賽”等科技競賽，以賽促學(xué)，以賽育人，參與設(shè)計專題討論交流，切實提高學(xué)生的專業(yè)素養(yǎng)和培養(yǎng)質(zhì)量

四、結(jié)語

篇5

蘇霍姆林斯基在《教育藝術(shù)》中認(rèn)為，“在人的心靈深處有一種根深蒂固的需要，就是希望自己是一個發(fā)現(xiàn)者、研究者、探索者。在兒童的精神世界中，這種需要特別強烈”。我們要敢于打破傳統(tǒng)的教學(xué)模式，運用現(xiàn)代教育技術(shù)培養(yǎng)真正適應(yīng)于經(jīng)濟社會發(fā)展的創(chuàng)新型和國際化人才?，F(xiàn)代教育技術(shù)是伴隨現(xiàn)代科技的發(fā)展，特別是電子、通訊、計算機的飛速發(fā)展而產(chǎn)生的，也是現(xiàn)代教育理論發(fā)展到一定階段的產(chǎn)物。

作為新一輪科技革命的代表，人工智能（AI）技術(shù)已經(jīng)或正在顛覆性地改變著許多行業(yè)和領(lǐng)域，而教育就是其中之一。來自谷歌的世界頂尖的人工智能專家團隊將AI的智能l展劃分成了三級：第一級是“弱人工智能”，只能夠?qū)Ｗ⒃谝粋€特定領(lǐng)域，如下圍棋；第二級是“強人工智能”，能夠達到或超過人類水準(zhǔn)；第三級是比人類聰明1000萬倍的人工智能。

目前，“弱人工智能”已經(jīng)滲透到我們生活的方方面面：搜索引擎、實時在線地圖、手機語音助手、智能客服等都運用了人工智能技術(shù)。盡管人工智能要從感知、行為和認(rèn)知三個維度全面模擬甚至超越人類，還有很長的路要走，但目前的AI憑借強大的計算能力、存儲能力和大數(shù)據(jù)處理能力，已經(jīng)改變著傳統(tǒng)教育模式與教育形式，在破解教育資源不均、提高教育效率和教學(xué)質(zhì)量、提供個性化精準(zhǔn)化教學(xué)、優(yōu)化教育評價系統(tǒng)等方面將發(fā)揮重要作用。

浙江西湖高等研究院人工智能研究室主任于長斌認(rèn)為，人工智能下一步應(yīng)用可能是遠(yuǎn)程教育、自我強化教育，甚至是教育領(lǐng)域的機器換人。從人工智能現(xiàn)階段研究成果來看，機器人做數(shù)學(xué)題、英語題完全沒有問題，有科學(xué)家還成功用人工智能自動生成科研和學(xué)術(shù)論文，其中有一些甚至被期刊錄用。

高考機器人

在今年6月7日的“高考”中，人工智能機器人AI-Maths在數(shù)學(xué)科目的兩套試題考試中分別取得了105分和100分的成績。整個答題過程中，機器人不聯(lián)網(wǎng)、不連接題庫、無人工參與，全由機器人獨立完成解答。研究人員表示，由于AI-Maths在識別自然語言時遇到了一些困難，導(dǎo)致部分考題失分。

AI-Maths先后解答了2017年數(shù)學(xué)科目高考的北京文科卷和全國Ⅱ卷的試題，分別用時22分鐘和10分鐘，北京文科卷得分105分，全國Ⅱ卷（數(shù)學(xué)）得分100分。對這臺機器人來說，解答一道題目的時間最快不到一秒。此前總共做了不到500套試卷，大約12000道數(shù)學(xué)題。而一個中國學(xué)生，按照每天10道數(shù)學(xué)題估算，到高考前已經(jīng)做了大約30000道數(shù)學(xué)題。

考試結(jié)果顯示，這臺高考解題機器人在不依賴大數(shù)據(jù)的前提下，邏輯分析能力遠(yuǎn)超人類，但在文意理解、多樣性思維上要比人類遜色得多。參與閱卷的資深數(shù)學(xué)老師表示，AI-Maths相當(dāng)于中等成績水平的高中畢業(yè)生，失分主要是因為“讀不懂題目”，遇到一些人類語言（而非數(shù)學(xué)語言）時，無法理解。

專家指出，這次機器人不得高分的原因較多，首先這個機器人并沒有代表機器人的最高水平，其次機器人沒有聯(lián)網(wǎng)，不能夠聯(lián)想自己的知識，這樣得低分也是理所當(dāng)然的了。經(jīng)過更多的訓(xùn)練和學(xué)習(xí)以后，未來AI-Maths會取得更好的成績。

該機器人是由成都準(zhǔn)星云學(xué)科技有限公司研發(fā)的一款以自動解題技術(shù)為核心的人工智能系統(tǒng)，誕生于2014年。該公司參與了科技部的863“超腦計劃”。

同時進行的另一場機器人高考測試中，學(xué)霸君的Aidam首次與6名高考理科狀元在北京同臺PK，解答2017年高考文科數(shù)學(xué)試題。Aidam的成績?yōu)?34分，6名狀元的平均分為135分。Aidam答題耗時9分47秒。為了展示，Aidam當(dāng)天答題放慢了六倍速度，平時每道題完成時間應(yīng)該在7-15秒。

從2014年開始，國內(nèi)人工智能引領(lǐng)者科大訊飛就聯(lián)合了包括北大、清華等在內(nèi)的超過30家科研院校和企業(yè)，共同開啟了一項隸屬國家863計劃的“高考機器人”項目，他們希望通過這個項目的實施，研制出能夠參加高考并在2020年考上北大、清華的智能機器人。“超腦計劃”匯集了國內(nèi)近60%的人工智能專家，其重點就是要研究突破機器的知識表達、邏輯推理和在線學(xué)習(xí)能力。

目前，高考機器人在英語學(xué)習(xí)方面也取得階段性成果：一是翻譯，已經(jīng)能夠讓翻譯能力達到高考入門水平。二是在廣東地區(qū)的英語高考、中考場景中，在發(fā)音準(zhǔn)不準(zhǔn)、填空題選擇題，判斷你懂不懂知識上，機器已經(jīng)超過人工。三是口語作文實現(xiàn)突破。比如給學(xué)生一個題目《My Mother》，現(xiàn)在AI機器的評測打分已經(jīng)比人類打分更精準(zhǔn)。

有人提出了一個十分滑稽的問題，那就是人工智能要是通過高考考上大學(xué)，是不是意味著我們的教育培養(yǎng)出來的就是考試的機器？這個問題的邏輯不一定嚴(yán)密，但巧妙地折射出了現(xiàn)行教育體制的一些問題。如果以應(yīng)試為主的教育方式不改變，智能機器取代老師幾乎是必然。更可怕的是，這樣的教育培養(yǎng)出的人也將被智能機器淘汰。

AI閱卷批改作業(yè)

面對龐大的考生規(guī)模和多種多樣的考試，專家和老師閱卷成為一個獨特的景觀。從傳統(tǒng)的紙筆閱卷到網(wǎng)上閱卷，再到今天的機器智能閱卷，AI可以輕松解決繁重復(fù)雜的閱卷難題，大大提高閱卷的效率和質(zhì)量。

通過對試卷進行數(shù)字化掃描、格式化處理，轉(zhuǎn)換成機器可識別的信號，機器就能按閱卷專家的評判標(biāo)準(zhǔn)，進行自動化閱卷，還可以自動檢測出空白卷、異常卷，并給出最終的評閱報告及考試分析報告。原來三個月的工作，現(xiàn)在一周就能完成，而且更準(zhǔn)確、公正。

中國教育部考試中心對“超腦計劃”的閱卷工作進行了驗證，結(jié)果是，在“與專家評分一致率、相關(guān)度”等多項指標(biāo)中，機器均優(yōu)于現(xiàn)場人工評分。

除了代替人工閱卷，人工智能還可以幫老師做批改作業(yè)、備課等重復(fù)枯燥的工作，不僅節(jié)省大量時間，還可以減少工作量。

語音識別和語義分析技術(shù)的進步，使得自動批改作業(yè)成為可能，對于簡單的文義語法，機器可以自動識別糾錯，甚至是提出修改意見，這將會大大提高老師的教學(xué)效率。

今年兩會期間，科大訊飛董事長劉慶峰在提案中提到，科大訊飛的英語口語自動測評、手寫文字識別、機器翻譯、作文自動評閱技術(shù)等已通過教育部鑒定并應(yīng)用于全國多個省市的高考、中考、學(xué)業(yè)水平的口語和作文自動閱卷。而基于國家“十三五”863“基于大數(shù)據(jù)的類人智能關(guān)鍵技術(shù)與系統(tǒng)”階段性成果構(gòu)建的“訊飛教育超腦”已在全國 70% 地市、1 萬多所學(xué)校應(yīng)用。

國外也有多個智能測評公司和實踐案例。GradeScope是美國加州伯克利大學(xué)一個邊緣性的產(chǎn)品，它旨在簡化批改流程，使老師們更專注于教學(xué)反饋。目前有超過150家知名學(xué)校采用該產(chǎn)品。MathodiX是美國實時數(shù)學(xué)學(xué)習(xí)效果評測網(wǎng)站，算法會對每一步驟都進行檢查、反饋。

美國教育考試服務(wù)中心（ETS）是世界上最大的私營非盈利教育考試及評估機構(gòu)，已經(jīng)成功將AI引入SAT和GRE論文批改，同人類一起扮演評卷人角色。

計算機科學(xué)家喬納森研發(fā)了一款可進行英語語法糾錯的軟件，不同于其他同類型軟件的是，它能夠聯(lián)系上下文去理解全文，然后做出判斷，例如各種英語時態(tài)的主謂一致，單復(fù)數(shù)等。它將提高英語翻譯軟件或程序翻譯的準(zhǔn)確性，解決不同國家之間的交流問題。

雖然人工智能可以閱卷、批改作業(yè)，但誠如《信息時報》刊發(fā)的《推廣“機器人老師”可為廣大教師減壓》一文所言：教育需要尊重“異質(zhì)思維”，同樣的問題，學(xué)生會給出差異化、個性化的答案；目前“機器人老師”在閱卷、批改作業(yè)的時候會有明顯的局限性，可能更適用于客觀題卻不適用于主觀題。

不可否認(rèn)，最初機器是用來輔助人工教學(xué)的，未來的趨勢則是人輔助機器，而這個過程會一次次重塑考、學(xué)、教、管的服務(wù)流程。未來，當(dāng)進入強人工智能和超人工智能時代，機器人更像是老甚至在許多方面超越老師。

機器人當(dāng)老師

城鄉(xiāng)、區(qū)域教育鴻溝，擇校問題，學(xué)區(qū)房問題，都是教育教學(xué)資源不均衡導(dǎo)致的，歸根到底是優(yōu)秀教師的稀缺，而智能教育機器人則是解決這一問題的有力工具。“機器人老師”不僅有助于解決師資不足和師資結(jié)構(gòu)不合理等難題，還能大大緩解社會矛盾，促進教育公平。

目前國內(nèi)已涌現(xiàn)出像魔力學(xué)院這樣的創(chuàng)業(yè)公司。幾年前魔力學(xué)院創(chuàng)始人張海霞從北大畢業(yè)時，她的畢業(yè)論文是國內(nèi)最早對人工智能教學(xué)進行研究的學(xué)術(shù)論文，同時在上大學(xué)期間，她就已經(jīng)是新東方出國留學(xué)部最好的英語老師。這種雄厚的技術(shù)和教學(xué)背景，讓她成為國內(nèi)最早一批人工智能領(lǐng)域的創(chuàng)業(yè)者。

“與大多數(shù)互聯(lián)網(wǎng)教育領(lǐng)域的產(chǎn)品不同，魔力學(xué)院從一開始，我們要解決的問題就是用人工智能機器替代老師進行講課。曾經(jīng)有很多投資人建議我們妥協(xié)一下，暫時用真人老師講課，后面再一步步地進化到人工智能老師，但我們從來沒有妥協(xié)。”張海霞說。

直到2016年3月，魔力學(xué)院第一個商業(yè)化的版本上線，企業(yè)開始有了第一筆收入，成為全球在人工智能老師這個領(lǐng)域第一家產(chǎn)品上線的創(chuàng)業(yè)公司，也是第一家實現(xiàn)了持續(xù)收入和盈利的創(chuàng)業(yè)公司。至今，在人工智能老師這個領(lǐng)域，魔力學(xué)院的相關(guān)產(chǎn)品仍然是惟一能從教、學(xué)、練、測各個維度提供人工智能老師教學(xué)的公司。

目前在新東方也開始這樣的實驗，教室里沒有人類老師上課，機器人將重要知識點經(jīng)過搜集和教學(xué)設(shè)計后，用非常幽默的方式向?qū)W生傳授，從課堂效果來看，“學(xué)生很愿意聽”。

新東方教育集團董事長俞敏洪認(rèn)為，未來10年內(nèi)，教師七成教學(xué)內(nèi)容一定會被機器取代。不過，缺少人類老師的教學(xué)必然不完整，因為課堂教學(xué)不光是把知識點告訴學(xué)生，更需要對學(xué)生開展知識融合、創(chuàng)造性思維、批判性思維等能力訓(xùn)練。對于這些思維方式的訓(xùn)練教學(xué)，機器人老師還無法勝任。“未來的課堂將是機器人智能教學(xué)、老師情感和創(chuàng)新能力的發(fā)揮及學(xué)生學(xué)習(xí)的三者結(jié)合?！?/p>

除了民辦教育在積極引入機器人老師，我國的“福州造”教育機器人已在部分城市的學(xué)校開始“內(nèi)測”，今后有望向全國中小學(xué)推廣。這款教育機器人除了幫助老師朗誦課文、批改作業(yè)、課間巡視之外，還能通過功能強大的傳感器靈敏地感知學(xué)生的生理反應(yīng)，扮演“測謊高手”角色。一旦和“學(xué)生機”綁定，可更清楚地了解學(xué)生對各個知識點的掌握情況。

對于機器人老師，國外早有應(yīng)用。2009年，日本東京理科大學(xué)小林宏教授就按照一位女大學(xué)生的模樣塑造出機器人“薩亞”老師?！八_亞”皮膚白皙、面龐清秀，皮膚后藏有18臺微型電機，可以使面部呈現(xiàn)出6種表情。她會講大約300個短語，700個單詞，可以對一些詞語和問題做出回應(yīng)，還可以學(xué)會講各種語言?！八_亞”給一班10歲左右的五年級學(xué)生講課，受到新奇興奮的孩子們的極大歡迎。

教育是塑造靈魂的特殊職業(yè)，教師是人類靈魂的工程師，面對的都是活生生的具有不同個性情感的學(xué)生，在價值觀塑造和創(chuàng)新思維啟發(fā)方面，“機器人老師”有著明顯的局限性。盡管機器人老師不知疲倦，知識淵博，能平等地對待學(xué)生，加上它的特殊身份能激發(fā)學(xué)生的學(xué)習(xí)興趣和動力，然而機器人永遠(yuǎn)無法完全替代“真正的人類教師”。

當(dāng)老師們從繁重的重復(fù)性工作中解放出來，實際上可以將更多的時間和精力花在富有創(chuàng)造性的工作上。比如培養(yǎng)學(xué)生的素質(zhì)和情商，激發(fā)學(xué)生對學(xué)習(xí)的熱情，鼓勵學(xué)生獨立思考，形成自己的價值觀和思想體系，成為有美好人格和創(chuàng)新能力的個體。

實際上，老師充當(dāng)?shù)氖且粋€引導(dǎo)者、啟發(fā)者的角色，老師做的應(yīng)該是“準(zhǔn)備環(huán)境-引導(dǎo)孩子-觀察-改進環(huán)境-再引導(dǎo)-退出-再觀察”。極少干預(yù)和不斷引導(dǎo)，讓孩子能最大限度地?fù)碛歇毩⑿?、專注度和?chuàng)造力。

機器人進課堂是大勢所趨。不久的將來，人類老師將負(fù)責(zé)進行情感、心理、人品、人格上的健康教育和品德教育，以及各類知識的融會貫通、學(xué)習(xí)方法的引導(dǎo)、創(chuàng)新能力的培養(yǎng)。而知識教育這部分，將會以“機器換人”的形式讓渡給人工智能。這將對老師提出更高的要求，因為除知識教育外的這些教學(xué)內(nèi)容，需要由真正有能力的老師來傳授?！袄蠋熞苊獗粰C器取代，就要先避免自己成為機器?！?/p>

可見，教師需要快速適應(yīng)現(xiàn)代化教學(xué)需要，熟練使用各類領(lǐng)先科技產(chǎn)品，提升綜合素質(zhì)，這將決定教師本人的去與留，更是教育希望與未來的關(guān)鍵所在。

個性化教育

因材施教在我國已有2000多年歷史，但在我國應(yīng)試教育大環(huán)境下，根據(jù)學(xué)生不同的認(rèn)知水平、學(xué)習(xí)能力以及自身素質(zhì)來制定個性化學(xué)習(xí)方案，真是說易行難。當(dāng)傳統(tǒng)思想與尖端科技相結(jié)合，因材施教的可行性有了大幅提高。人工智能介入后，個性化教育有兩條實現(xiàn)途徑。

一是構(gòu)建知識圖譜。構(gòu)建和優(yōu)化內(nèi)容模型，建立知識圖譜，讓學(xué)生可以更容易地、更準(zhǔn)確地發(fā)現(xiàn)適合自己的內(nèi)容。國外這方面的典型應(yīng)用是分級閱讀平臺，推薦給學(xué)生適宜的閱讀材料，并將閱讀與教學(xué)聯(lián)系在一起，文后帶有小測驗，并生成相關(guān)閱讀數(shù)據(jù)報告，老師得以隨時掌握學(xué)生閱讀情況。

Newsela將新聞與英語學(xué)習(xí)融為一體。通過科學(xué)算法衡量讀者英語水平，抓取來自《彭博社》《華盛頓郵報》等主流媒體的內(nèi)容，由專人改寫成不同難度系數(shù)的版本。LightSail也是相同應(yīng)用，不過它的閱讀材料是出版書籍，它收集了適合K12學(xué)生閱讀的來自400多個出版商的8萬多本圖書。

2015年底Newsela用戶量超過400萬，LightSail和紐約市教育局、芝加哥公立學(xué)校、丹佛公立學(xué)校等機構(gòu)達成了合作，而目前我國沒有如此規(guī)模、與官方達成合作的個性化閱讀學(xué)習(xí)平臺。

二是自適應(yīng)學(xué)習(xí)。人工智能可以從大量的學(xué)生中收集數(shù)據(jù)，預(yù)測學(xué)生未來表現(xiàn)，智能化推薦最適合學(xué)生的內(nèi)容，最終高效、顯著地提升學(xué)習(xí)效果。當(dāng)一個學(xué)生閱讀材料并回答題時，系統(tǒng)會根據(jù)學(xué)生對知識的掌握情況給出相關(guān)資料。系統(tǒng)知道應(yīng)該考學(xué)生什么問題，什么樣的方式學(xué)生更容易接受。系統(tǒng)還會在盡可能長的時間內(nèi)保留學(xué)生信息，以便未來能給學(xué)生帶來更多的幫助。

在美國喬治計算機學(xué)院，有一門課叫“人工智能概論”。這門課是艾薩克?格爾教授創(chuàng)建的。他有一個教學(xué)助理叫吉爾。這個課程的特點是以問答方式授課，學(xué)生提問，老師和助教回答。第一年就有大約1000多名學(xué)生參與，提出了超過1萬個問題，其中40%的問題是由助教吉爾回答的。讓學(xué)生驚奇的是，吉爾竟然是一個機器人，而且教了他們整整一個學(xué)期。格爾教授采用IBM沃森界面，創(chuàng)建了這個AI驅(qū)動的BOT交互系統(tǒng)，也開發(fā)了整個課程的內(nèi)容和形式。

篇6

［關(guān)鍵詞］人工智能會計變革;應(yīng)對策略;會計人才

數(shù)據(jù)和人工智能技術(shù)逐步應(yīng)用于會計行業(yè)，德勤等四大會計師事務(wù)所相繼推出財務(wù)機器人，RPA技術(shù)被越來越多的企業(yè)廣泛運用。這一科技創(chuàng)新將幫助會計從業(yè)人員從許多重復(fù)性、標(biāo)準(zhǔn)化、流程化的核算工作中解放出來，與此同時也催生了新型會計崗位，給會計從業(yè)人員帶來新的挑戰(zhàn)。毋庸置疑，人工智能技術(shù)引發(fā)會計變革，究竟會帶來何種變革，會計從業(yè)人員該如何應(yīng)對會計變革是文章探討的關(guān)鍵問題。

1人工智能概述

人工智能(ArtificialIntelligence)是計算機科學(xué)的分支，它試圖通過研究、開發(fā)用于模擬和擴展人的智能的理論、方法、技術(shù)，以構(gòu)建出一種新的能模擬人類意識和思維模式的一門新的技術(shù)科學(xué)。其研究內(nèi)容包括知識表示與自動推理、機器學(xué)習(xí)與知識獲取、自動編程與智能化機器人等。人工智能的發(fā)展經(jīng)歷了萌芽、誕生、發(fā)展到集成四個階段。人工智能應(yīng)用于財務(wù)領(lǐng)域始于1987年美國注冊會計師協(xié)會發(fā)表的《人工智能與專家系統(tǒng)簡介》，后來國外對此進行了深入的研究與探索，開發(fā)出相應(yīng)技術(shù)與專家系統(tǒng)解決財會領(lǐng)域的分析決策工作，目前主要是運用模型化的財務(wù)管理理論，將匹配后的數(shù)據(jù)導(dǎo)入信息庫，據(jù)以分析得出企業(yè)財務(wù)報告，形成戰(zhàn)略經(jīng)營建議。財務(wù)領(lǐng)域中的人工智能技術(shù)主要在于機器視覺和語音識別兩個方向，著重模仿人類的財務(wù)操作和判斷，多應(yīng)用于業(yè)務(wù)收支預(yù)測、風(fēng)險管控、稅務(wù)優(yōu)化等方面。

2人工智能技術(shù)對會計行業(yè)的影響

隨著大數(shù)據(jù)、人工智能、移動互聯(lián)網(wǎng)、云計算技術(shù)的發(fā)展和應(yīng)用，為我國企業(yè)管理的模式注入新的理念，傳統(tǒng)的基礎(chǔ)會計核算工作會被財務(wù)機器人替代，會計數(shù)據(jù)的采集、挖掘、分析，會計核算流程的再造以及隨之而來的對新型會計崗位人才的需求，都將推動企業(yè)會計模式的變革。

2.1人工智能實現(xiàn)會計數(shù)據(jù)質(zhì)的飛躍

數(shù)據(jù)是會計核算的起點，為企業(yè)決策提供依據(jù)。在人工智能技術(shù)的支持下，海量的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)在數(shù)據(jù)處理系統(tǒng)中整合和分類;數(shù)據(jù)挖掘技術(shù)對數(shù)據(jù)進行深度挖掘，發(fā)現(xiàn)其潛在價值，數(shù)據(jù)的質(zhì)量隨之提升。會計人員通過人工智能輔助系統(tǒng)，利用信息自動集成技術(shù)，自動將各種會計信息記錄到會計系統(tǒng)，避免了以往財務(wù)人員花費大量時間和精力于采集和錄入數(shù)據(jù)信息。隨后利用人工智能自動核算功能進行賬務(wù)處理，智能分析系統(tǒng)進行一定的數(shù)據(jù)分析，避免了會計從業(yè)人員處理大量的基礎(chǔ)核算工作，將工作重心轉(zhuǎn)移到為企業(yè)創(chuàng)造更多價值的預(yù)測、分析與決策工作中去，提高企業(yè)決策的效率和準(zhǔn)確性。

2.2人工智能促進會計信息互聯(lián)

在會計核算方面，大量企業(yè)采用PRA，其被普遍認(rèn)為是業(yè)務(wù)流程自動化軟件，結(jié)構(gòu)化、常規(guī)化會計流程均由自動化機器人來執(zhí)行，不受時間和空間的限制，自動生成各項報表，及時快速，靈活準(zhǔn)確。人工智能為企業(yè)管理者和財務(wù)信息使用者搭建起信息共享平臺，使企業(yè)與其客戶、銀行、稅務(wù)、會計師事務(wù)所等廣泛互聯(lián)，實現(xiàn)上下游企業(yè)溝通、銀企對賬、網(wǎng)上報稅等。財務(wù)智能系統(tǒng)通過科學(xué)的決策程序，利用會計數(shù)據(jù)和模式，以不同角度、不同層次、不同時期進行分析，揭示隱藏在財務(wù)數(shù)據(jù)背后的價值，使得會計信息質(zhì)量大幅提高，提高企業(yè)決策效率。

2.3人工智能催生新型會計崗位

核算和監(jiān)督是會計的兩個基本職能，財務(wù)人員日常主要完成建賬、填制和審核原始憑證、填制記賬憑證、登記賬簿、編制財務(wù)報告等基礎(chǔ)性工作。伴隨人工智能的發(fā)展，這種日常的標(biāo)準(zhǔn)化、流程化的基礎(chǔ)核算工作可由財務(wù)機器人完成。財務(wù)機器人高效低耗、精準(zhǔn)可靠、快速反應(yīng)的優(yōu)勢相較于會計工作人員日益明顯。與此同時，機器人間無須回避職務(wù)職能的利害沖突，這些都降低了會計人員在單位內(nèi)部運營管理的重要地位。未來財務(wù)領(lǐng)域?qū)A(chǔ)會計從業(yè)人員的需求大幅減少，會計人員崗位需求結(jié)構(gòu)面臨變革。管理會計人才是集財務(wù)會計、法律、財務(wù)管理、計算機等知識于一體的復(fù)合型人才，并具有數(shù)據(jù)分析思維和預(yù)測思維，國家倡導(dǎo)的未來的管理會計師應(yīng)同時是價值分析師。利用大數(shù)據(jù)和云計算等信息技術(shù)，解析過去、控制現(xiàn)在、分析未來，是對未來會計崗位人才提出的新的要求。

3會計行業(yè)在人工智能時代下的應(yīng)對策略

3.1提高思想認(rèn)識

人工智能技術(shù)在財務(wù)領(lǐng)域的廣泛應(yīng)用已是必然趨勢，利用數(shù)據(jù)挖掘技術(shù)、智能決策支持系統(tǒng)等將財務(wù)人員從煩瑣復(fù)雜的工作中解脫出來，會計核算職能向管理決策職能轉(zhuǎn)變，同時也對會計從業(yè)人員提出更高要求。面對人工智能技術(shù)帶來的巨大變革，財務(wù)人員應(yīng)在了解人工智能技術(shù)的基礎(chǔ)上，努力學(xué)習(xí)新技能，加強計算機、信息技術(shù)知識的學(xué)習(xí)研究，以順應(yīng)時展的需要。與此同時也應(yīng)認(rèn)識到，不論是信息化系統(tǒng)，還是財務(wù)機器人，僅僅起到輔助決策作用，仍由人類進行開發(fā)、使用和維護。因此會計人應(yīng)審時度勢、轉(zhuǎn)變觀念，全面認(rèn)識人工智能，努力使自己成為兼具財務(wù)知識和信息系統(tǒng)操作能力的駕馭財務(wù)機器人的復(fù)合型人才。

3.2實現(xiàn)管理會計轉(zhuǎn)型

2014年10月財政部頒布了《關(guān)于全面推進管理會計體系建設(shè)的指導(dǎo)意見》，要求在5年之內(nèi)提升管理會計人才的職業(yè)能力。中國總會計師協(xié)會會長劉紅薇在2018年5月世界會計論壇上表示:管理會計已經(jīng)在全球進入了一個大變革和大發(fā)展的歷史時期。財務(wù)人工智能技術(shù)實現(xiàn)了會計信息的標(biāo)準(zhǔn)化流程化處理，會計核算職能逐漸被財務(wù)機器人取代，這種以技術(shù)手段革新形式帶來的會計職能的變化，釋放出大量基礎(chǔ)會計核算人員，他們必須綜合學(xué)習(xí)會計、財務(wù)管理、稅務(wù)以及信息系統(tǒng)的相關(guān)知識，向管理會計人才轉(zhuǎn)型。在企業(yè)發(fā)展戰(zhàn)略的指導(dǎo)下，以管理會計的視角，將數(shù)據(jù)進行分析和提煉，編制預(yù)算計劃，對企業(yè)經(jīng)營業(yè)務(wù)進行控制，對業(yè)績進行評價，為企業(yè)發(fā)展和治理提供指導(dǎo)，以適應(yīng)時代變化，成為多元化人才。

篇7

關(guān)鍵詞：數(shù)據(jù)挖掘 ICAI 智能化 輔助教學(xué)

中圖分類號：TP391.6 文獻標(biāo)識碼：A 文章編號：1007-9416（2012）11-0077-01

1、引言

伴隨著計算機技術(shù)、信息技術(shù)的飛速發(fā)展，各行各業(yè)逐步進入了信息化的發(fā)展時期，而高校教育事業(yè)也不例外。由于社會經(jīng)濟、文化的高速發(fā)展，人們對教育質(zhì)量的追求日益高漲，而傳統(tǒng)的教學(xué)手段和模式已經(jīng)無法適應(yīng)這種快速增長的需求，教學(xué)環(huán)節(jié)逐步和信息化技術(shù)相結(jié)合，比如計算機輔助教學(xué)系統(tǒng)。然而，傳統(tǒng)的計算機輔助教學(xué)系統(tǒng)依舊存在多種弊端，比如個性化、智能化性能不足。而隨著數(shù)據(jù)挖掘技術(shù)、人工智能技術(shù)的快速崛起，人們將數(shù)據(jù)挖掘技術(shù)應(yīng)用到ICAI中，實現(xiàn)了個性化、智能化的應(yīng)用，大大提高了ICAI的性能和效率。

2、智能計算機輔助教學(xué)系統(tǒng)

2.1　概念及意義

智能計算機輔助教學(xué)系統(tǒng)ICAI主要依托豐富的教學(xué)資源，為學(xué)生提供不同層次的學(xué)習(xí)服務(wù)，為教師提供教學(xué)工作的管理平臺。學(xué)生可以根據(jù)需要制定學(xué)習(xí)計劃，然后進行有針對性的學(xué)習(xí)，教師可以對學(xué)生進行輔導(dǎo)工作，學(xué)生還可以根據(jù)學(xué)習(xí)進度和效果進行調(diào)整。ICAI不同于以往的計算機輔助教學(xué)系統(tǒng)，它具備更多個性化、智能化的功能。

2.2　系統(tǒng)結(jié)構(gòu)

ICAI系統(tǒng)通常主要包括四大功能模塊：知識庫、教師管理模塊、學(xué)生學(xué)習(xí)模塊、智能管理接口。

3、數(shù)據(jù)挖掘概述

數(shù)據(jù)挖掘簡單理解為“數(shù)據(jù)庫中的發(fā)現(xiàn)”，主要是從海量的數(shù)據(jù)中提取、分析、挖掘有用的知識信息，通過發(fā)現(xiàn)可用的模式，來發(fā)覺可用的內(nèi)涵信息，用于提供未來發(fā)展趨勢的決策信息。數(shù)據(jù)挖掘的分析方法主要包括四種：分類分析法、預(yù)測、關(guān)聯(lián)規(guī)則、聚集分析法。

4、數(shù)據(jù)挖掘應(yīng)用于CAI

4.1　數(shù)據(jù)挖掘在知識庫中的應(yīng)用

數(shù)據(jù)挖掘在知識庫中的應(yīng)用主要表現(xiàn)在下述幾個方面：形成知識表示、改進教學(xué)模式與策略。

（1）形成知識表示。該過程主要將知識庫中的課程信息、技能信息進行分析、拆解、建模，形成一定的知識體系，然后采用人工智能技術(shù)將這些知識庫轉(zhuǎn)換為ICAI系統(tǒng)可識別的表達模式，從而形成知識表示。在此過程中，使用聚類分析法將知識信息歸類，同類的知識間距大，否則間距?。煌瑫r確定知識點的類標(biāo)記，方便查找。需要注意的是，此過程要符合教學(xué)規(guī)律的需要，便于為個性化教學(xué)、啟發(fā)式教學(xué)提供知識信息儲備。接著，通過關(guān)聯(lián)規(guī)則建立知識點、題目庫、項目集的關(guān)聯(lián)信息。

（2）改進教學(xué)模式與策略。對學(xué)生信息庫中的數(shù)據(jù)進行樣本訓(xùn)練，將學(xué)生對知識點學(xué)習(xí)的情況作為分類依據(jù)進行分類，標(biāo)記每一個學(xué)生，并且描述學(xué)生的分類特征。根據(jù)這些分類數(shù)據(jù)，可以改進教學(xué)模式和策略，比如控制學(xué)生的學(xué)習(xí)進度，還可以直接向?qū)W生提出學(xué)習(xí)建議。同時，老師可以通過從學(xué)生的聚類分析中發(fā)現(xiàn)規(guī)律，找出學(xué)生成績優(yōu)異、認(rèn)知能力強、學(xué)習(xí)能力差、學(xué)習(xí)能力一般等級別的學(xué)生，實施個別輔導(dǎo)。

4.2　據(jù)挖掘在教師模塊中的應(yīng)用

首先使用聚類分析法對學(xué)生的學(xué)習(xí)能力、成績進行分類，方便老師為學(xué)生提供個性化輔導(dǎo)，而重點就是如何進行分類。主要使用主成分分析法、聚類分析法對學(xué)生的信息進行提取、分析、描述，從而確定學(xué)生的能力分類，可以繼續(xù)分解為多個能力屬性的分組，形成若干小類，大類可供參考的信息包括：學(xué)生成績信息、考核信息等。對于學(xué)生成績來說，小類可能包括：單一科目、綜合成績等；考核信息可能包括：單一科目考核、綜合考核等。綜合課程的重難點特點來分析、歸類學(xué)生的學(xué)習(xí)能力趨勢，據(jù)此建立每類學(xué)生和對應(yīng)學(xué)習(xí)指導(dǎo)知識庫的關(guān)聯(lián)關(guān)系。但是考慮到學(xué)生的基礎(chǔ)以及課程彼此間的關(guān)聯(lián)性，因此對于剛?cè)雽W(xué)的學(xué)生成績參考性意義不大，必須要借助成分分析法對學(xué)生成績實施預(yù)處理，使用其它的分類指標(biāo)進行分類，更具有科學(xué)性；同時，還可以使用樣本訓(xùn)練中的“馬氏距離”規(guī)則進行聚類分析。最終的目的是形成學(xué)生綜合能力的分類，然后建立學(xué)生類分組和教學(xué)指導(dǎo)知識庫的關(guān)聯(lián)關(guān)系，方便教師為學(xué)生提供個性化輔導(dǎo)。

4.3　據(jù)挖掘在學(xué)生模塊中的應(yīng)用

學(xué)生信息的內(nèi)涵較為豐富，包括基礎(chǔ)信息、個人高考成績信息、個人履歷信息、個人喜好信息等，豐富了知識庫信息?？梢詫@些信息進行分類，對這些類分組進行關(guān)聯(lián)分析，對于綜合考評學(xué)生的綜合能力具有指導(dǎo)意義。另外，需要考慮到影響學(xué)生學(xué)習(xí)能力、成績的因素較多，因此需要發(fā)掘潛在的因素并進行歸類。可以使用數(shù)據(jù)挖掘技術(shù)中的決策樹算法、關(guān)聯(lián)分析法建立影響因素的實例，進行分析，然后形成關(guān)聯(lián)模型。比如，個人喜好表示個人對某方面事物、知識的特別偏好，在一定程度上反應(yīng)了此人對該領(lǐng)域的知識掌握程度，直接影響到學(xué)生綜合能力的認(rèn)定結(jié)果。通過對學(xué)生進行能力分組以后，然后建立學(xué)生類分組和其它知識庫的關(guān)聯(lián)關(guān)系，從而方便教師對學(xué)生進行有效的輔導(dǎo)。

5、結(jié)語

ICAI系統(tǒng)在未使用數(shù)據(jù)挖掘技術(shù)之前，無法適應(yīng)學(xué)生個性化、智能化學(xué)習(xí)的需求。但是將數(shù)據(jù)挖掘技術(shù)應(yīng)用到ICAI以后，學(xué)生可以進行自主學(xué)習(xí)的同時，還可以由老師提供個性化的輔導(dǎo)，可以有效提高學(xué)生的學(xué)習(xí)效果，同時還可以優(yōu)化教學(xué)模式。ICAI和數(shù)據(jù)挖掘技術(shù)的融合是未來高校教學(xué)管理信息化的主流發(fā)展趨勢。

參考文獻

[1]賈麗媛，張弛，周翠紅.數(shù)據(jù)挖掘在網(wǎng)絡(luò)教學(xué)評價中的應(yīng)用[J].湖南城市學(xué)院學(xué)報（自然科學(xué)版），2011（02）.

[2]洪潔，蔣曉川.Apriori算法在學(xué)生系統(tǒng)中的實現(xiàn)與應(yīng)用[J].硅谷，2011（07）.

[3]袁燕，李慧.基于數(shù)據(jù)挖掘的教學(xué)評價系統(tǒng)研究[J].計算機與現(xiàn)代化.2009（11）.

篇8

關(guān)鍵詞：ICAI；系統(tǒng)模型；教學(xué)策略；綜合集成方法論MSM；現(xiàn)代教育技術(shù)

中圖分類號：G250.73 文獻標(biāo)識碼：B 文章編號：1673-8454(2012)01-0030-04

計算機輔助教學(xué)（Computer Aided Instruction，簡稱CAI）是利用計算機來模擬教師的行為，通過學(xué)生與計算機之間的交互活動來達到教學(xué)的目的。即在計算機輔助下進行的各種教學(xué)活動，主要是以對話方式和學(xué)生討論教學(xué)內(nèi)容、安排教學(xué)進程、進行教學(xué)訓(xùn)練的方法與技術(shù)。CAI為學(xué)生提供一個個人化的學(xué)習(xí)環(huán)境，綜合應(yīng)用多媒體、知識庫等計算機技術(shù)，這是傳統(tǒng)CAI的主要應(yīng)用方式。

在沒有智能系統(tǒng)支持的情況下，傳統(tǒng)CAI盡管可能具有良好的教學(xué)材料模型，但它往往僅借助于計算機來展示教學(xué)內(nèi)容，并不能很好地根據(jù)它所教學(xué)生的學(xué)習(xí)特征，以不同的教學(xué)策略和教學(xué)方法來教授；只是盲目地傳授知識給學(xué)生，如果某個學(xué)生不能接受提供的教學(xué)策略，系統(tǒng)沒有為這個學(xué)生提供可供選擇的另外的教學(xué)策略。目前使用的絕大多數(shù)CAI是將全部教學(xué)信息以編程方式預(yù)置于課件中，這樣的CAI課件一旦制作完成，很難對課件進行更新和維護，尤其是在這樣的CAI系統(tǒng)中，學(xué)生的學(xué)習(xí)仍然處于被動狀態(tài)，即完全受計算機控制。

一、智能化計算機輔助教學(xué)概念

現(xiàn)代教育技術(shù)的日益發(fā)展以及與其他領(lǐng)先技術(shù)的結(jié)合，必然促使計算機輔助教學(xué)CAI的進一步發(fā)展。人工智能技術(shù)應(yīng)用于CAI產(chǎn)生的基于網(wǎng)絡(luò)環(huán)境的智能化CAI，就是現(xiàn)代信息化社會發(fā)展的產(chǎn)物，并在教育教學(xué)領(lǐng)域中有很好的發(fā)展前景。

人工智能是計算機科學(xué)的一個分支，它的目標(biāo)是構(gòu)造能表現(xiàn)出一定智能行為的，目的就是讓計算機這臺機器能夠像人一樣思考。人工智能的研究更多地是結(jié)合具體領(lǐng)域進行的，主要研究領(lǐng)域有專家系統(tǒng)、機器學(xué)習(xí)、模式識別、博弈、智能決定支持系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)等等。人工智能技術(shù)與專家系統(tǒng)的成就，促使人們把問題求解、知識表示這些技術(shù)引入CAI，并借助于網(wǎng)絡(luò)環(huán)境來實施，這便是智能型計算機輔助教學(xué)。

智能計算機輔助教學(xué)ICAI（Intelligence Computer Assisted Instruction）屬于人工智能的一個分支，是以認(rèn)知科學(xué)和思維科學(xué)為理論基礎(chǔ)，綜合人工智能技術(shù)，教育心理學(xué)等多門學(xué)科的知識對學(xué)生實施教育的一門新的教育技術(shù)。ICAI通過研究人類學(xué)習(xí)思維的特征和過程，探索學(xué)習(xí)知識的模式，利用信息化網(wǎng)絡(luò)環(huán)境使學(xué)生獲得個別化自適應(yīng)性學(xué)習(xí)的獲取知識方法，從而使學(xué)生的學(xué)習(xí)更有針對性，更有效。

ICAI依靠人工智能技術(shù)的進步，主要應(yīng)在因材施教方面取得進展。其主要特點是:

（1）能自動生成適合學(xué)習(xí)者程度的學(xué)習(xí)內(nèi)容。

（2）能根據(jù)學(xué)生的不同認(rèn)知水平與學(xué)習(xí)風(fēng)格選擇教學(xué)策略和教學(xué)方法。

（3）能評價學(xué)生的學(xué)習(xí)結(jié)果，并不斷地在教學(xué)中改善教學(xué)策略。

二、智能化計算機輔助教學(xué)研究現(xiàn)狀

現(xiàn)階段，在一些發(fā)達國家，如美國、日本、加拿大、英國、法國、澳大利亞等，CAI已經(jīng)普遍存在于學(xué)校和家庭中，正起著越來越大的作用。而ICAI的研究還處于初始階段。目前國內(nèi)在這一領(lǐng)域的研究主要集中在CAI和ICAI的優(yōu)缺點比較，ICAI的理論來源、系統(tǒng)特征、模塊建設(shè)、發(fā)展趨勢等基礎(chǔ)理論知識的研究，基于相關(guān)課程或?qū)W科的實踐研究還比較少見。智能教學(xué)系統(tǒng)的設(shè)計和開發(fā)是一項復(fù)雜的系統(tǒng)工程，由于需要考慮的因素較多，系統(tǒng)比較龐大，同時也依賴于人工智能等技術(shù)的發(fā)展,因而要建立完善的ICAI還是比較困難的。[1]因此ICAI有很大的理論和實踐發(fā)展空間。

完善的ICAI系統(tǒng)需能夠充分調(diào)動學(xué)生的主動性，并能通過分析推理，對某具體學(xué)生做出適合的教學(xué)決策。使學(xué)生獲得個別化自適應(yīng)性學(xué)習(xí)的學(xué)習(xí)方法，達到因材施教的目的。人工智能技術(shù)的發(fā)展必將會對ICAI的發(fā)展起到巨大的推動作用。隨著計算機科學(xué)的發(fā)展，21世紀(jì)的教育教學(xué)輔助手段將是以ICAI為主線，多學(xué)科、多方位發(fā)展的新技術(shù)的體現(xiàn)，越來越多的教育工作者會從更多的視角審視ICAI，并從事ICAI的研究。相信ICAI將會在現(xiàn)代教育領(lǐng)域中有更廣泛的應(yīng)用。

“現(xiàn)代教育技術(shù)”既是教育技術(shù)專業(yè)的必修課程，也是大中專院校廣泛設(shè)置的選修課程，適用范圍非常廣泛。本文以《現(xiàn)代教育技術(shù)》這門課程為主要研究對象，來研究智能化教學(xué)系統(tǒng)設(shè)計在具體實踐中的應(yīng)用。

三、ICAI決策系統(tǒng)的理論依據(jù)

1.綜合集成理論

教育是以人為主體參與的活動，而人本身就是一個復(fù)雜巨系統(tǒng)，因此以這種大量的復(fù)雜巨系統(tǒng)為子系統(tǒng)組成的系統(tǒng)――教育系統(tǒng)，是一個復(fù)雜巨系統(tǒng)。依據(jù)系統(tǒng)與其環(huán)境是否有物質(zhì)、能量和信息的交換，將系統(tǒng)劃分為開放系統(tǒng)和封閉系統(tǒng)來看，學(xué)生的學(xué)習(xí)受到教師、同學(xué)、家庭及社會等因素的影響，所以教育系統(tǒng)是一個開放的復(fù)雜巨系統(tǒng)。

錢學(xué)森的理論和實踐研究表明：現(xiàn)在能用的、惟一能有效處理開放的復(fù)雜巨系統(tǒng)的方法，就是定性定量相結(jié)合的綜合集成方法論。綜合集成方法論（Meta-synthesis Methodology MSM）是方法論上的創(chuàng)新，它是研究復(fù)雜巨系統(tǒng)和復(fù)雜性問題的方法論。[2]定性定量相結(jié)合的綜合集成方法是將專家群體(各種有關(guān)的專家)、數(shù)據(jù)和各種信息與計算機技術(shù)有機結(jié)合起來，把各種學(xué)科的科學(xué)理論和人的經(jīng)驗知識結(jié)合起來，發(fā)揮這個系統(tǒng)的整體優(yōu)勢和綜合優(yōu)勢。[3]它把人的經(jīng)驗、知識、智慧以及各種情況、資料和信息系統(tǒng)集成起來，從多方面定性認(rèn)識上升到定量認(rèn)識，從而達到解決復(fù)雜系統(tǒng)問題的目的。在解決問題的過程中，專家群體和專家的經(jīng)驗知識起著重要的作用。

教學(xué)系統(tǒng)設(shè)計是一個復(fù)雜的系統(tǒng)，它是由教育系統(tǒng)的復(fù)雜性決定的。教育系統(tǒng)具有復(fù)雜系統(tǒng)的基本特點，它在結(jié)構(gòu)與功能上表現(xiàn)為規(guī)模大、相關(guān)因素多且相關(guān)方式復(fù)雜、目標(biāo)多樣等；在運動上表現(xiàn)為隨機性、非線性等。用一般的理論方法無法全面合理地解決這一不良結(jié)構(gòu)的問題，本研究嘗試用綜合集成方法論來指導(dǎo)、分析教學(xué)設(shè)計智能化過程。因此，運用綜合集成理論的方法來研究教學(xué)設(shè)計系統(tǒng)，探討具體科目的教學(xué)設(shè)計在設(shè)計過程中遇到的復(fù)雜性問題，進而構(gòu)建科學(xué)合理的教學(xué)設(shè)計系統(tǒng)，具有重要的理論和實踐價值。

2.教學(xué)設(shè)計理論

本文采用“雙主”教學(xué)模式作為ICAI的教學(xué)設(shè)計的理論基礎(chǔ)?！半p主”教學(xué)模式既能發(fā)揮教師的主導(dǎo)作用又能充分發(fā)揮學(xué)習(xí)者認(rèn)知主體作用，是在教師主導(dǎo)下的課堂中能讓學(xué)習(xí)者參與進來共同學(xué)習(xí)的一種教學(xué)模式。

基于“雙主”的教學(xué)模式，要求根據(jù)學(xué)習(xí)者的特征、學(xué)習(xí)內(nèi)容、學(xué)習(xí)策略、學(xué)習(xí)目標(biāo)等多種因素的不同情況研究它們的結(jié)合方式，以使系統(tǒng)達到理想的教學(xué)效果。

基于網(wǎng)絡(luò)環(huán)境的ICAI相對于傳統(tǒng)的CAI來說，充分體現(xiàn)了“雙主”的教學(xué)模式。ICAI中有專門分析學(xué)習(xí)者學(xué)習(xí)方式和認(rèn)知水平的學(xué)生模型，有專門為不同的學(xué)習(xí)內(nèi)容選擇不同的學(xué)習(xí)策略的策略庫模型（也稱為教師模型），有評價學(xué)習(xí)效果并反饋給系統(tǒng)的評價模型。學(xué)生模型是對學(xué)習(xí)者的學(xué)習(xí)特征進行分析，包括學(xué)習(xí)者的學(xué)習(xí)風(fēng)格、認(rèn)知水平。策略庫模型包含有豐富教學(xué)策略和有一個智能推理機，能根據(jù)學(xué)生模型的信息和學(xué)習(xí)目標(biāo)為學(xué)習(xí)者選擇合適的學(xué)習(xí)策略，指導(dǎo)學(xué)習(xí)者學(xué)習(xí)。

3.建構(gòu)主義學(xué)習(xí)理論

當(dāng)代建構(gòu)主義者主張，世界是客觀存在的，但是對于世界的理解和賦予意義卻是由每個人自己決定的。建構(gòu)主義者認(rèn)為學(xué)習(xí)者要以自己的經(jīng)驗為基礎(chǔ)來建構(gòu)現(xiàn)實，或者至少說是在解釋現(xiàn)實，每個人的經(jīng)驗世界是用自己的頭腦創(chuàng)建的。

學(xué)習(xí)過程同時包含兩方面的建構(gòu)：一方面是對新知識意義的建構(gòu)，同時又包含對原有經(jīng)驗的改造和重組。建構(gòu)主義者強調(diào)學(xué)習(xí)者在學(xué)習(xí)過程中能夠靈活地建構(gòu)起用于指導(dǎo)實踐活動的圖式，這種圖式是對概念的豐富理解，依據(jù)個人經(jīng)驗背景的不同而不同。

教學(xué)應(yīng)當(dāng)把學(xué)習(xí)者原有的知識經(jīng)驗作為新知識的生長點，引導(dǎo)學(xué)習(xí)者從原有的知識經(jīng)驗中，生長新的知識經(jīng)驗。教學(xué)不是知識的傳遞，而是知識的處理和轉(zhuǎn)換。

ICAI伴隨著這種理論的發(fā)展而發(fā)展，它注重的是由學(xué)習(xí)者來控制學(xué)習(xí)過程，重視學(xué)習(xí)內(nèi)容的知識結(jié)構(gòu)和學(xué)習(xí)情境，讓學(xué)習(xí)者主動構(gòu)建對自己有意義的知識的活動。基于網(wǎng)絡(luò)環(huán)境的ICAI積極地為學(xué)習(xí)者創(chuàng)設(shè)學(xué)習(xí)情境，幫助學(xué)習(xí)者用他們已有的知識去建構(gòu)、生成、整合新的知識。

4.教學(xué)處方理論

“教學(xué)處方理論”是鄭永柏博士于1998年提出的一種新型適合于信息化教學(xué)設(shè)計的理論，他通過對教學(xué)系統(tǒng)設(shè)計理論和計算機輔助教學(xué)設(shè)計方面的研究，建構(gòu)了一種新型的教學(xué)系統(tǒng)設(shè)計理論――教學(xué)處方理論。該理論主要包括：六個基本概念、一個理論框架、三條基本原理和兩個關(guān)于教學(xué)設(shè)計的知識庫。[4]

該理論指出教學(xué)處方可以看作是教學(xué)設(shè)計者(有時可以看作是教師)依據(jù)系統(tǒng)分析后使用的各種教學(xué)模式、教學(xué)方法和教學(xué)內(nèi)容處理模式的組合；說明了在特定教學(xué)條件下對特定教學(xué)結(jié)果的教學(xué)，以不同的學(xué)習(xí)理論和教學(xué)理論為指導(dǎo)將會采用不同的教學(xué)方法，即教學(xué)處方，這也是本研究的核心內(nèi)容，是該系統(tǒng)設(shè)計的指導(dǎo)理論?！敖虒W(xué)處方理論”具有更好的包容性、開放性，能夠吸收和容納豐富的學(xué)習(xí)和教學(xué)研究成果。

四、ICAI系統(tǒng)的模塊結(jié)構(gòu)

1.前端分析模塊：認(rèn)知能力、學(xué)習(xí)動機、認(rèn)知風(fēng)格

前端分析是美國學(xué)者哈利斯（Harless，J．）在1968年提出的一個概念，指的是在教學(xué)設(shè)計過程開始的時候，先分析若干直接影響教學(xué)設(shè)計但又不屬于具體設(shè)計事項的問題，本文主要指認(rèn)知能力、學(xué)習(xí)動機和認(rèn)知風(fēng)格方面的分析。前端分析模塊主要是建立相應(yīng)的學(xué)生特征類型的數(shù)據(jù)庫。

認(rèn)知能力的測量采用認(rèn)記、理解、應(yīng)用、分析、綜合、評價六個維度，每個維度有“優(yōu)、良、中、差”四個選項。通過數(shù)據(jù)分析找出學(xué)習(xí)者的現(xiàn)狀和期望之間的差距，確定需要解決的問題是什么，并確定問題的性質(zhì)，形成不同層次的教學(xué)設(shè)計項目的目標(biāo)。

學(xué)習(xí)風(fēng)格和學(xué)習(xí)動機通過專門的量表來收集數(shù)據(jù)。

2.內(nèi)容分析模塊

教學(xué)內(nèi)容分析就是在確定好總教學(xué)目標(biāo)的前提下，借助歸類分析法、圖解分析法、層級分析法、信息加工分析法等方法，分析學(xué)習(xí)者要實現(xiàn)總的教學(xué)目標(biāo)，需要掌握哪些知識、技能或形成什么態(tài)度。通過對教學(xué)內(nèi)容的處理，確定學(xué)習(xí)者所需學(xué)習(xí)內(nèi)容的范圍和深度，確定內(nèi)容各組成部分之間的關(guān)系，為以后教學(xué)順序的安排奠定好基礎(chǔ)。

對教學(xué)內(nèi)容的處理主要包括：教學(xué)內(nèi)容的選擇、教學(xué)內(nèi)容的編排、確定單元目標(biāo)及對內(nèi)容進行初步評價、分析教學(xué)內(nèi)容類別及性質(zhì)等四個基本方面。在構(gòu)建規(guī)定性教學(xué)內(nèi)容處理模式庫時，應(yīng)對上述四個方面提供具體的方法。[5]

3.決策模塊

教學(xué)策略（處方）的制定就是根據(jù)特定的教學(xué)目標(biāo)、教學(xué)內(nèi)容、教學(xué)對象等條件，來合理地選擇相應(yīng)的教學(xué)順序、教學(xué)方法、教學(xué)組織形式。在數(shù)據(jù)庫中建立可供選擇的不同的教學(xué)策略（處方），是本文所研究的ICAI系統(tǒng)的主要模塊，也是特色模塊。

教學(xué)策略（處方）的制定包括教學(xué)順序的確定、教學(xué)方法的選擇、教學(xué)組織形式的選擇等。教學(xué)順序的確定就是要確定教學(xué)內(nèi)容各組成部分之間的先后順序；教學(xué)方法的選擇就是要通過講授法、演示法、討論法、練習(xí)法、實驗法、示范模仿法等不同方法的選擇，來激發(fā)并維持學(xué)習(xí)者的注意和興趣，傳遞教學(xué)內(nèi)容；教學(xué)組織形式主要有集體授課、小組討論和個別化自學(xué)三種形式，各種形式各有所長，須根據(jù)具體情況進行相應(yīng)的選擇。教學(xué)策略的制定是根據(jù)具體的目標(biāo)、內(nèi)容、對象等來確定的，要具體問題具體分析，不存在能適用于所有目標(biāo)、內(nèi)容、對象的教學(xué)策略。

4.評價模塊

在基于網(wǎng)絡(luò)環(huán)境的ICAI的評價模塊，要依據(jù)前面確定的教學(xué)目標(biāo)，運用評價量表，分析學(xué)習(xí)者對預(yù)期學(xué)習(xí)目標(biāo)的完成情況，主要收集三個方面的基本信息，一是要收集關(guān)于教師對教學(xué)設(shè)計方案和教學(xué)方案實施結(jié)果的滿意度的信息數(shù)據(jù)，二是要收集關(guān)于學(xué)習(xí)者對教學(xué)過程、教學(xué)策略的適應(yīng)性的信息數(shù)據(jù)，三是要看與其他方法相比，本處方中所采用的方法是否有獨到之處，是否有不足之處。[6]在數(shù)據(jù)分析的基礎(chǔ)上，對教學(xué)策略和教學(xué)內(nèi)容的修改和完善提出建議，并以此為基礎(chǔ)對ICAI各個環(huán)節(jié)的工作進行相應(yīng)的修改。

5.ICAI系統(tǒng)模型框圖

學(xué)習(xí)者前端數(shù)據(jù)采集數(shù)據(jù)庫包括：認(rèn)知結(jié)構(gòu)測量及分析系統(tǒng)、學(xué)習(xí)動機測量及分析系統(tǒng)、學(xué)習(xí)風(fēng)格測量及分析系統(tǒng)和學(xué)生基本信息系統(tǒng)。系統(tǒng)模型如圖所示。

五、ICAI決策系統(tǒng)實驗數(shù)據(jù)來源

本課題實踐研究的調(diào)查對象來自云南大學(xué)，是2008屆市場營銷教育和財會教育本科生，共89人，課程設(shè)置為現(xiàn)代教育技術(shù)。學(xué)生調(diào)查表包括本科生基本信息表，所羅門學(xué)習(xí)風(fēng)格量表，學(xué)習(xí)者認(rèn)知能力調(diào)查問卷，學(xué)習(xí)者學(xué)習(xí)動機調(diào)查問卷四份表格組成。實際收到數(shù)據(jù)表89份，有效數(shù)據(jù)表75份。數(shù)據(jù)表中的信息選項根據(jù)所占權(quán)重，統(tǒng)一折合成百分制進行處理。

六、總結(jié)

本文把教學(xué)設(shè)計理論、方法與“現(xiàn)代教育技術(shù)”課程相結(jié)合，擬研發(fā)出一個基于綜合集成方法論的廣義智能網(wǎng)絡(luò)教學(xué)設(shè)計輔助系統(tǒng)。主要研究成果如下：

（1）把綜合集成方法論引入解決教學(xué)設(shè)計這一不良結(jié)構(gòu)問題；

（2）結(jié)合數(shù)字化方法和數(shù)據(jù)挖掘技術(shù)，它能對學(xué)習(xí)者進行數(shù)字化的前端分析；

（3）它所自動化給出的教學(xué)設(shè)計方案，可為青年教師提供良好借鑒，有利于教師因材施教、因風(fēng)格施教、因需要施教；

（4）它所自動化給出的學(xué)習(xí)者學(xué)習(xí)建議方案，有利于促進學(xué)習(xí)者自主學(xué)習(xí)。

現(xiàn)有的CAI存在的許多問題隨著新技術(shù)的不斷出現(xiàn)而顯得越來越不能適應(yīng)新環(huán)境的需求，因此以基于網(wǎng)絡(luò)環(huán)境的ICAI為代表的新計算機輔助教學(xué)系統(tǒng)，將是教育教學(xué)研究人員在教育技術(shù)上需要不斷探求、努力實現(xiàn)的發(fā)展方向。

參考文獻：

[1]楊采堅，董玉銘.智能教學(xué)系統(tǒng)設(shè)計[J].中國電大教育,1993（3）.

[2]于景元,涂元季.從定性到定量綜合集成方法――案例研究[J].系統(tǒng)工程理論與實踐,2002.5.

[3]錢學(xué)森,于景元,戴汝為.一個科學(xué)新領(lǐng)域：開放的復(fù)雜巨系統(tǒng)及其方法論[J].自然雜志,1990(1).

[4]鄭永柏.教學(xué)系統(tǒng)設(shè)計理論和方法研究:教學(xué)處方理論和ISD-EPSSS的設(shè)計與開發(fā)[D].北京師范大學(xué)博士學(xué)位論文，1998.

篇9

關(guān)鍵詞：數(shù)據(jù)挖掘；數(shù)據(jù)預(yù)處理；挖掘算法；Web挖掘；個性化推薦

中圖分類號：G642 文獻標(biāo)識碼：A

文章編號：1672-5913(2007)14-0027-03

1引言

數(shù)據(jù)挖掘是一門綜合性的交叉學(xué)科，它融合了概率統(tǒng)計學(xué)、數(shù)據(jù)庫技術(shù)、數(shù)據(jù)倉庫、人工智能、機器學(xué)習(xí)、信息檢索、數(shù)據(jù)結(jié)構(gòu)、高性能計算、數(shù)據(jù)可視化以及面向?qū)ο蠹夹g(shù)等，在保險業(yè)、電信業(yè)、交通業(yè)、零售業(yè)、銀行業(yè)正在被越來越廣泛深入地使用，同時在生物學(xué)、天文學(xué)、地理學(xué)等領(lǐng)域也逐漸顯現(xiàn)出技術(shù)優(yōu)勢，特別是在客戶關(guān)系管理系統(tǒng)、個性化網(wǎng)站設(shè)計、電子商務(wù)系統(tǒng)、搜索引擎等方面數(shù)據(jù)挖掘技術(shù)顯示出了獨特的魅力。數(shù)據(jù)挖掘技術(shù)正在以一種全新的概念改變著計算機應(yīng)用的方式。

從最近計算機技術(shù)的發(fā)展以及學(xué)生就業(yè)方面來看，對本校的應(yīng)用性本科生開設(shè)“數(shù)據(jù)挖掘技術(shù)”課程迫在眉睫。但數(shù)據(jù)挖掘給人的感覺就是“高深莫測”，當(dāng)前數(shù)據(jù)挖掘領(lǐng)域主要是博士生、碩士生研究的領(lǐng)域，數(shù)據(jù)挖掘課程也只在一些重點大學(xué)的研究生或高年級的本科生中開設(shè)，應(yīng)用型本科院校以及一些高職高專幾乎都沒有開設(shè)此類課程。這限定了數(shù)據(jù)挖掘作為一門既有理論又有實踐價值學(xué)科的應(yīng)用和推廣，筆者認(rèn)為很可惜。從計算機專業(yè)的學(xué)生的畢業(yè)設(shè)計以及就業(yè)角度分析，相當(dāng)多的同學(xué)以后會從事電子商務(wù)類軟件的開發(fā)，而這類應(yīng)用目前都漸漸基于Web作為應(yīng)用平臺，面對的是海量的數(shù)據(jù)信息，因此讓學(xué)生掌握數(shù)據(jù)挖掘的思想和方法對提高計算機素養(yǎng)很有必要。即使將來從事控制、通信、游戲、圖像處理等軟件開發(fā)，數(shù)據(jù)挖掘的思想和方法也很容易找到用武之地。

2數(shù)據(jù)挖掘課程開設(shè)的可行性分析

從計算機技術(shù)發(fā)展以及學(xué)生就業(yè)反饋的信息，筆者覺得數(shù)據(jù)挖掘的思想、方法以及算法對應(yīng)用型本科生是很重要的，并且讓學(xué)生掌握好這門課程也是完全可能的。我校從1998年以來一直在高年級本科生中開設(shè)了“人工智能”課程，但從教學(xué)效果上來看，很不理想。“數(shù)據(jù)挖掘技術(shù)”這門課程在不少地方很像“人工智能”，“數(shù)據(jù)挖掘技術(shù)”課程中的一些思想就是從“人工智能”中發(fā)展過來的，但是“數(shù)據(jù)挖掘技術(shù)”課程與“人工智能”課程有一個本質(zhì)的區(qū)別，就是數(shù)據(jù)挖掘從誕生的一開始就是面向大量的、實際的數(shù)據(jù)庫信息，因此，具有極強的應(yīng)用性，如果將“數(shù)據(jù)挖掘技術(shù)”課程看做是“數(shù)據(jù)庫技術(shù)”課程的自然延伸，同時充分利用數(shù)據(jù)結(jié)構(gòu)、人工智能、面向?qū)ο蠹夹g(shù)與方法、Web技術(shù)、概率統(tǒng)計等課程的基礎(chǔ)，就能夠?qū)ⅰ皵?shù)據(jù)挖掘技術(shù)”課程開設(shè)好。于是兩年前，筆者在應(yīng)用型本科生中做了嘗試，就是取消原來的“人工智能”課程，取而代之的是“數(shù)據(jù)挖掘技術(shù)”課程，從兩年的教學(xué)實踐以及教學(xué)效果上看，行之有效。并且在教學(xué)中發(fā)現(xiàn)，雖然數(shù)據(jù)挖掘技術(shù)要用到人工智能的一些思想和方法，但沒有“人工智能”課程作為前導(dǎo)課程，沒有任何影響，因為，數(shù)據(jù)挖掘中的一些人工智能思想在“數(shù)據(jù)挖掘技術(shù)”課程的教學(xué)中是自成體系的，并且是以比“人工智能”中的方法更加簡單、更加直接、更加面向應(yīng)用的方式。開設(shè)“數(shù)據(jù)挖掘技術(shù)”課程必須以下列的課程作為基礎(chǔ)(前導(dǎo)課程)，當(dāng)然這些課程都是一些常規(guī)課程。

1) 必須深入學(xué)習(xí)一門程序設(shè)計語言，通過這門語言的學(xué)習(xí)可以掌握程序設(shè)計的基礎(chǔ)知識，并且掌握面向?qū)ο笏枷腴_發(fā)的精髓，能夠進行可視化程序設(shè)計。學(xué)習(xí)程序設(shè)計絕不是記住程序設(shè)計語言的語法就行了，而要努力做到將應(yīng)用中的思想變?yōu)槌绦颉＿@一點是計算機專業(yè)學(xué)生的基本素養(yǎng)。這一環(huán)節(jié)沒有做好，其余的計算機專業(yè)的專業(yè)課程，如數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、數(shù)據(jù)庫原理、編譯原理、軟件工程等就無法學(xué)習(xí)，即使學(xué)了，也不能真正掌握。筆者從計算機發(fā)展和應(yīng)用角度，推薦學(xué)習(xí)C/C++和Java，要求對C++的模板以及STL或Java的數(shù)據(jù)結(jié)構(gòu)類(在Java的util包中)能夠較好掌握。

2) 掌握“數(shù)據(jù)結(jié)構(gòu)”課程，特別是“數(shù)據(jù)結(jié)構(gòu)”課程中的樹的特點和應(yīng)用。在“數(shù)據(jù)結(jié)構(gòu)”課程中，樹主要以二叉樹為主，對于一般的樹，在當(dāng)前的“數(shù)據(jù)結(jié)構(gòu)”課程的教學(xué)中都是將一般的樹轉(zhuǎn)化為二叉樹來進行處理的，但是在數(shù)據(jù)挖掘中這樣不太方便。數(shù)據(jù)挖掘中的很多算法都涉及到樹的應(yīng)用，并且大多都是不太規(guī)則的樹，在數(shù)據(jù)挖掘中，采用樹的思想與Java中的數(shù)據(jù)結(jié)構(gòu)類或C++中的STL相結(jié)合的方法，能夠得到很好的效果。

3) 掌握“數(shù)據(jù)庫技術(shù)”課程中數(shù)據(jù)庫操作的特點和應(yīng)用。數(shù)據(jù)挖掘的對象主要是數(shù)據(jù)庫中的數(shù)據(jù)，但作為數(shù)據(jù)挖掘?qū)ο蟮臄?shù)據(jù)庫的數(shù)據(jù)信息量往往很大，因此，為了提高挖掘的效率，需要建立數(shù)據(jù)倉庫，或者需要在算法上加工，盡量減少掃描數(shù)據(jù)庫的次數(shù)。

4) 掌握“Web技術(shù)”。這是因為Internet已經(jīng)廣泛應(yīng)用并且深入人心，未來的軟件相當(dāng)多的都是基于Web平臺之上，因此，對于Web挖掘不僅重要，而且具有直接的應(yīng)用價值。當(dāng)前Internet上的軟件如一些知名網(wǎng)站、搜索引擎以及一些電子商務(wù)系統(tǒng)，采用了數(shù)據(jù)挖掘技術(shù)，得到了很多有價值的信息或提高了個性化能力，大大增強了企業(yè)的競爭力。因此，掌握“Web技術(shù)”課程對Web挖掘很有裨益。

5) 熟悉“概率統(tǒng)計”課程中的思維方式，對各種分布以及條件概率能夠熟練掌握，在數(shù)據(jù)挖掘中的分類、關(guān)聯(lián)規(guī)則等領(lǐng)域很多挖掘方法都靈活運用了概率統(tǒng)計中的思想和方法。

從“數(shù)據(jù)挖掘技術(shù)”課程的教學(xué)實踐中明顯看出，主要需要以上幾門課程，并且教學(xué)結(jié)束后發(fā)現(xiàn)，學(xué)生不僅能夠掌握數(shù)據(jù)挖掘的思想、方法以及算法，通過對一些主要的挖掘算法的實現(xiàn)，對“數(shù)據(jù)庫技術(shù)”、“程序設(shè)計語言”、“數(shù)據(jù)結(jié)構(gòu)”、“Web技術(shù)”以及“概率統(tǒng)計”掌握得更加深刻，將“數(shù)據(jù)挖掘技術(shù)”作為“數(shù)據(jù)庫技術(shù)”的自然延伸，是“程序設(shè)計語言”、“數(shù)據(jù)結(jié)構(gòu)”、“Web技術(shù)”以及“概率統(tǒng)計”的綜合運用得到良好效果。

3 “數(shù)據(jù)挖掘技術(shù)”課程的設(shè)置

一門課程的設(shè)置，不僅要根據(jù)當(dāng)前計算機技術(shù)的發(fā)展，同時也要根據(jù)當(dāng)前學(xué)生的就業(yè)需求，充分考慮到應(yīng)用型本科學(xué)生的特點。兩年前，經(jīng)過多方面的考慮以及參考了各種國內(nèi)國外數(shù)據(jù)挖掘的教材以及論文后決定，“數(shù)據(jù)挖掘技術(shù)”課程教學(xué)學(xué)時定為32課時，講課22學(xué)時，上機實驗10學(xué)時。在這個總的學(xué)時定下來之后，就是對“數(shù)據(jù)挖掘技術(shù)”課程的內(nèi)容設(shè)計，這是最重要的環(huán)節(jié)。精選出的內(nèi)容不僅要反映數(shù)據(jù)挖掘的特點以及最新發(fā)展，還要結(jié)合應(yīng)用型本科生的特點，要具有很強的針對性，重點要突出，要能夠“學(xué)以致用”。最后“數(shù)據(jù)挖掘技術(shù)”課程的教學(xué)內(nèi)容如下：

1) 數(shù)據(jù)挖掘綜述2學(xué)時。本講側(cè)重于從兩、三個具體應(yīng)用領(lǐng)域進行分析得出采用數(shù)據(jù)挖掘技術(shù)的重要性與必要性，可以選取客戶關(guān)系管理、體育競技、信息安全和商業(yè)欺詐等作為案例，然后給出完整的數(shù)據(jù)挖掘定義和數(shù)據(jù)挖掘技術(shù)的分類，以及數(shù)據(jù)挖掘需要的一些前導(dǎo)課程的知識要點。

2) 數(shù)據(jù)挖掘過程及當(dāng)前數(shù)據(jù)挖掘的軟件工具2學(xué)時。數(shù)據(jù)挖掘的過程是數(shù)據(jù)抽取與集成、數(shù)據(jù)清洗與預(yù)處理、數(shù)據(jù)的選擇與整理、數(shù)據(jù)挖掘以及結(jié)論評估。本講重點講解挖掘的過程，強調(diào)數(shù)據(jù)預(yù)處理對挖掘的重要意義，對于缺省的值、殘缺的值等的處理方法。讓學(xué)生對數(shù)據(jù)挖掘的整體過程有清楚的理解。然后介紹一下當(dāng)前流行的商品化數(shù)據(jù)挖掘軟件如IBM的IntelligentMiner和加拿大Simon Fraser 大學(xué)的DBMiner。

3) 關(guān)聯(lián)規(guī)則挖掘與序列模式挖掘6學(xué)時。在介紹關(guān)聯(lián)規(guī)則原理的基礎(chǔ)上，主要介紹著名算法Apriori及其改進、FP_Tree算法、用于序列模式挖掘的AprioriSome算法。每個算法需要2學(xué)時，對每個算法要進行徹底分析，不僅能夠理解算法的原理、思想以及過程，還要分析算法提出人為什么會提出這種算法，在日常生活中的含義是什么，算法的優(yōu)點和缺點是什么，以及如何用Java或C++來編程實現(xiàn)該算法。最后，對多層次關(guān)聯(lián)以及數(shù)量關(guān)聯(lián)規(guī)則挖掘做個簡單介紹即可。

4) 分類技術(shù)4學(xué)時。介紹分類的原理，主要講解ID3和C4.5、樸素貝葉斯分類，簡單介紹一下BP神經(jīng)網(wǎng)絡(luò)的分類。對于C4.5要求能夠從原理上把握整個算法，能夠進行連續(xù)值的離散化處理，理解C4.5比ID3的優(yōu)勢所在；對于樸素貝葉斯分類，要深刻理解該分類的原理以及貝葉斯信念網(wǎng)絡(luò)的工作原理。特別的，對于FP_TREE以及C4.5算法的實現(xiàn)，需要用到不規(guī)則樹，提出用C++或Java解決這種不規(guī)則樹的方法。

5) 聚類技術(shù)4學(xué)時。在介紹聚類的重要性和分類的基礎(chǔ)上主要介紹劃分聚類PAM算法思想以及基于密度聚類DBSCAN，對于當(dāng)前重要的聚類STING和CLIQUE做個簡單介紹。最后，比較聚類和分類的不同之處。

6) Web挖掘與個性化推薦技術(shù)4學(xué)時。對于Web挖掘從內(nèi)容挖掘、訪問行為挖掘和結(jié)構(gòu)挖掘三個方面進行講解，重點講解個性化技術(shù)。對基于最小關(guān)聯(lián)規(guī)則集的個性化推薦以及基于協(xié)作篩的個性化推薦作深入剖析，并指出在當(dāng)今網(wǎng)站設(shè)計中的重要意義。

7) 上機實驗設(shè)計。精選五個上機實驗。第一個實驗是關(guān)聯(lián)規(guī)則的Apriori算法或FP_Tree算法的實現(xiàn)，兩個任選一個，如果選擇Apriori的話，需要采取一些效率改進措施；第二個實驗是序列模式挖掘中的AprioriSome算法；第三個實驗是分類技術(shù)中的ID3或C4.5算法，這兩個算法的主體相同，任做一個即可；第四個實驗是聚類中的PAM或DBSCAN算法，兩個任選一個；第五個實驗是利用協(xié)作篩進行個性化網(wǎng)站的智能推薦。以上五個實驗每個實驗2學(xué)時，建議編程語言采用Java或C++，最后挖掘結(jié)果具有可理解性。

當(dāng)然，以上的課程內(nèi)容設(shè)計會隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展，不斷進行微調(diào)，以適應(yīng)不斷變化的計算機技術(shù)發(fā)展與社會需求。

4 “數(shù)據(jù)挖掘技術(shù)”教學(xué)實踐總結(jié)

兩年前，雖然已對“數(shù)據(jù)挖掘技術(shù)”課程作了充分準(zhǔn)備，但在剛開設(shè)這門課程的時候，很擔(dān)心這門“高深莫測”的課程的教學(xué)效果。但經(jīng)過兩年的教學(xué)實踐發(fā)現(xiàn)，這門課程的教學(xué)效果比預(yù)想的還要好。通過對該門課程的學(xué)習(xí)，學(xué)生不僅基本掌握了數(shù)據(jù)挖掘的基本原理和算法，同時對以前的一些主干課程如數(shù)據(jù)結(jié)構(gòu)的理解和運用有了非常深刻的認(rèn)識。更為重要的是，本課程的五個實驗都是數(shù)據(jù)挖掘領(lǐng)域中最經(jīng)典、最重要的算法，通過對這些算法的編程實現(xiàn)，不僅理解了數(shù)據(jù)挖掘關(guān)鍵算法的精髓，同時，這些數(shù)據(jù)挖掘算法實現(xiàn)的程序經(jīng)過不斷改進、加工，性能不斷提高，由于都是源代碼，可以將這些算法應(yīng)用到一些實用的軟件系統(tǒng)如客戶關(guān)系管理系統(tǒng)、個性化網(wǎng)站中去，收到良好效果。此外，在網(wǎng)上的一些數(shù)據(jù)挖掘論壇中，經(jīng)常看到一些初學(xué)數(shù)據(jù)挖掘的研究生或技術(shù)人員很想看一看數(shù)據(jù)挖掘經(jīng)典算法的具體程序?qū)崿F(xiàn)，我們也將這兩年不斷改進的程序源代碼作為免費資源贈送給了不少同行，也為數(shù)據(jù)挖掘的推廣應(yīng)用貢獻了微薄之力。

5結(jié)束語

“數(shù)據(jù)挖掘技術(shù)”課程的教學(xué)嘗試目前主要針對的是本校應(yīng)用型計算機專業(yè)本科生，雖然收到了良好的效果，但“數(shù)據(jù)挖掘技術(shù)”絕不僅僅是計算機專業(yè)學(xué)生才需要掌握的課程，對于我校通信系、電力系、自動化系等工科專業(yè)，經(jīng)濟系、管理系甚至一些文科類的學(xué)生也很有價值，因此，怎樣在非計算機專業(yè)的應(yīng)用型本科生中開設(shè)好這門新興課程，甚至在高職高專學(xué)生中也開設(shè)好這門課程，則是需要作進一步的探索和嘗試。

參考文獻：

[1] 毛國君. 數(shù)據(jù)挖掘原理與算法[M]. 北京：清華大學(xué)出版社,2005.

[2] 陳文偉. 數(shù)據(jù)挖掘技術(shù)[M]. 北京工業(yè)大學(xué)出版社,2002.

[3] 余力. 電子商務(wù)個性化[M]. 北京：清華大學(xué)出版社,2007.

A Test to Applied College Students on Teaching Data Mining

XU Jin-bao

(Dept. of Computer Engineering, Nanjing Institute of Technology,

Nanjing 211100,China)

Abstract:Data mining becomes more and more important in nowadays. To applied college students, mastering the basics and methods of data mining technology demands immediate attention. This article gives some suggestions on how to teach these students well. The content of data mining technology course and experiments are selected elaborately. Mining technologies such as association rule , data classification, clustering , web mining and personalized recommendation are emphasized.

篇10

[關(guān)鍵詞]案例推理;案例推理應(yīng)用;研究綜述

中圖分類號：TP18 文獻標(biāo)識碼：A 文章編號：1009-914X（2016）24-0310-02

1引言

案例推理（Case-based reasoing，簡稱CBR）起源于認(rèn)知科學(xué)對人類推理和學(xué)習(xí)機制的探索[1]，是伴隨認(rèn)知心理學(xué)的研究而發(fā)展起來的一門新的推理方式，是人工智能領(lǐng)域較新崛起的一種問題求解和學(xué)習(xí)方法。其核心思想在于對新問題求解時，可以使用以前求解類似問題的經(jīng)驗來進行推理和學(xué)習(xí)，從而對問題的求解進行指導(dǎo)甚至直接重用結(jié)果，而不必從頭做起。概括地講，CBR就是利用過去的經(jīng)驗案例推理求解新的問題。CBR在推理求解時直接利用案例，而不需要提取規(guī)則，彌補了基于規(guī)則的專家推理系統(tǒng)在知識獲取和組合推理等方面的不足。

由于CBR被定義為一種方法而不是一種技術(shù)，使得CBR可以更加好吸收各種新方法和技術(shù)來完善自身，從1982年耶魯大學(xué)的沙克提出動態(tài)記憶理論發(fā)展至今，已在計算機科學(xué)、醫(yī)學(xué)、故障診斷、交通運輸、信息管理、法律、突發(fā)事件應(yīng)急管理、決策、工業(yè)、農(nóng)業(yè)、電力等領(lǐng)域獲得了廣泛應(yīng)用。本文首先介紹了案例推理的認(rèn)知模型，然后對案例推理的典型應(yīng)用進行了研究綜述。

2案例推理的認(rèn)知機理模型

有許多模型試圖更好地描述CBR，其中應(yīng)用最為廣泛的是Admodt和Plaza提出的4R認(rèn)知模型[2]，如圖1所示。

在該認(rèn)知模型的描述中，一個CBR循環(huán)通常包括以下四個階段：

（1）檢索（retrieve）最相似的案例;

（2）重用（reuse）檢索到的結(jié)論嘗試解決新問題;

（3）修正（revise）建議的解答;

（4）保存（retrain）新問題和修正的解為一條新案例。

根據(jù)圖1所示的4R循環(huán)，案例推理的認(rèn)知機理可描述如下：一個新問題最初被描述成一個新案例（也稱目標(biāo)案例）。歷史案例庫中存儲的是先前的問題描述及相應(yīng)的解答，稱之為源案例。當(dāng)有新的待求解問題，即目標(biāo)案例出現(xiàn)時，通過案例檢索從歷史案例庫中搜尋出與目標(biāo)案例相似的源案例。在案例重用階段，如果源案例與目標(biāo)案例的問題描述完全一致，則可直接將源案例的解答作為目標(biāo)案例的建議解;否則，就需要對源案例的解答進行調(diào)整，進而得到目標(biāo)案例的建議解。在案例修正階段會對系統(tǒng)給出的建議解進行評估，可通過實際應(yīng)用檢驗或者領(lǐng)域?qū)＜以u價實現(xiàn)，如果評估為失敗解就需繼續(xù)修正。最后通過案例保存將新學(xué)習(xí)的案例或者修正后的案例儲存到案例庫中，以用于將來的問題求解，從而實現(xiàn)CBR的學(xué)習(xí)功能。

3案例推理的應(yīng)用

3.1計算機科學(xué)與信息系統(tǒng)

針對目前的主流搜索引擎和Web瀏覽器均針對用戶的單獨搜索行為設(shè)計，不便于進行協(xié)同Web搜索的問題，文[3]提出了一種基于CBR的協(xié)同Web搜索模型，并介紹了基于此模型實現(xiàn)的兩套協(xié)同Web搜索原型系統(tǒng)。根據(jù)數(shù)字圖書館個性化推薦系統(tǒng)的設(shè)計思想和方法，文[4]提出了基于案例推理方法在信息系統(tǒng)總體設(shè)計中的應(yīng)用，并通過結(jié)構(gòu)化建模方法對案例修正環(huán)節(jié)進行改進。文[5]使用分級標(biāo)準(zhǔn)架構(gòu)對案例進行表示，并使用多層案例檢索，將此新型的案例推理模型用于推薦機制輔助決策系統(tǒng)，通過一個旅行計劃推薦實驗證明該方法可提高推薦的有效性。

3.2醫(yī)學(xué)

案例推理可用于建立各種醫(yī)療診斷系統(tǒng)。文[6]提出一種基于相似度閾值的案例匹配算法，可通過對病人表現(xiàn)癥狀的匹配分析得到診斷結(jié)果，并推薦相應(yīng)的治療方案，實驗結(jié)果表明該系統(tǒng)具有較高的診斷效率和較好的智能性，能為醫(yī)生進行醫(yī)療診斷提供一定的輔助作用。文[7]將案例推理用于中醫(yī)四診的一般過程，設(shè)計了四診輔助診斷系統(tǒng)，可以克服中醫(yī)辨證論治在收集外部信息時不準(zhǔn)確的缺陷，并提高診斷過程的準(zhǔn)確性。文[8]和文[9]分別將其用于高血壓檢測、肝病診斷。

3.3故障診斷

案例推理廣泛應(yīng)用于航空航天、電力、工業(yè)生產(chǎn)、數(shù)控機床等不同行業(yè)的故障診斷。文[10]探究了案例推理在飛行器故障診斷中的應(yīng)用。文[11]介紹一種以領(lǐng)域規(guī)則和案例推理為基礎(chǔ)的電力設(shè)備故障紅外診斷系統(tǒng)，該系統(tǒng)可實現(xiàn)電力設(shè)備紅外測溫現(xiàn)場的測溫數(shù)據(jù)錄入和設(shè)備故障診斷，有效避免了人為原因?qū)е碌脑O(shè)備診斷偏差和安全隱患。文[12]將案例推理和軟測量技術(shù)相結(jié)合，提出一種豎爐燃燒過程的智能故障預(yù)報方法，并將該方法應(yīng)用于豎爐燃燒過程的生產(chǎn)實際中，結(jié)果表明故障發(fā)生率明顯降低。文[13]設(shè)計了神經(jīng)網(wǎng)絡(luò)與案例推理相結(jié)合的復(fù)雜裝備故障診斷模型，較好地解決了復(fù)雜電子裝備故障診斷的快速與準(zhǔn)確問題，并通過對雷達情報綜合電子信息系統(tǒng)故障實例的診斷仿真驗證了算法的有效性。

3.4商業(yè)

文[14]提出一種基于案例推理與灰色關(guān)聯(lián)度的企業(yè)財務(wù)危機預(yù)警模型，實驗結(jié)果表明，該方法得到的案例相似性排序結(jié)果符合實際情況，可提高相似企業(yè)的檢索效率，滿足企業(yè)財務(wù)危機預(yù)警的要求。文[15]提出基于案例推理技術(shù)的化妝品銷售組合預(yù)測模型，能夠彌補短生命周期產(chǎn)品數(shù)據(jù)不足的問題，該預(yù)測模型在化妝品銷售預(yù)測方面，能夠達到令人滿意的精度要求，具有實際應(yīng)用價值。

3.5農(nóng)業(yè)

案例推理在農(nóng)業(yè)科學(xué)中主要用于各種農(nóng)作物蟲病的預(yù)測、診斷或診治。文[16]利用農(nóng)業(yè)專家對病蟲害診斷的經(jīng)驗案例，建立了基于CBR的蔬菜病蟲害診治專家系統(tǒng)，可為菜農(nóng)和專家提供診斷決策。文[17]利用CBR預(yù)測系統(tǒng)，有效預(yù)測黃瓜枯萎病，從而增加防治勝算并能輔助生產(chǎn)決策的動態(tài)修訂。

3.6其它方面

其它方面的應(yīng)用，如氣象、教育、法律等。文[18]提出將案例推理與模型推理相結(jié)合用于天氣預(yù)報研究，探索提高天氣預(yù)報準(zhǔn)確性的新方法，并運用這種方法，利用java語言，實現(xiàn)了一個新的天氣預(yù)報系統(tǒng)。文[19]把基于案例推理技術(shù)引入智能教學(xué)系統(tǒng)中教學(xué)策略的推理和控制中， 應(yīng)用以前學(xué)生學(xué)習(xí)的經(jīng)驗作為以后學(xué)生學(xué)習(xí)的引導(dǎo)，從而實現(xiàn)教學(xué)策略的自動組織、自動規(guī)劃，實現(xiàn)學(xué)生的自主選擇、自由學(xué)習(xí)。

4結(jié)語

通過了解 CBR 系統(tǒng)的應(yīng)用狀況，可以發(fā)現(xiàn) CBR 系統(tǒng)適用于歷史案例豐富但難以提取規(guī)則或者不易建立模型的領(lǐng)域。CBR還具有學(xué)習(xí)能力，利于用戶對知識進行維護。另外，CBR系統(tǒng)的結(jié)論是由以前的案例推理得出，與人類的推理過程相似，因此CBR系統(tǒng)給出的結(jié)果更易于被用戶接受。

參考文獻 （References）

[1] R L D Mántaras， D Mcsherry， D Bridge， et al. Retrieval， Reuse， Revision and Retention in Case-based Reasoning [J]. The Knowledge Engineering Review， 2005， 20（3）：215-240.

[2] A Aamodt， E Plaza. Case-Based Reasoning： Foundational Issues， Methodological Variation， and System Approaches [J]. AI Communications， 1994， 7（1）： 39-59.

[3] 孫靜宇， 陳俊杰， 余雪麗等. 基于CBR的協(xié)同Web搜索模型及應(yīng)用研究[J]. 山東大學(xué)學(xué)報（理學(xué)版）， 2012， 47（5）： 19-24.

[4] 徐曉敏， 甘仞初. 結(jié)構(gòu)建模方法在基于案例信息系統(tǒng)總體設(shè)計中的應(yīng)用[J]. 計算機應(yīng)用， 2004，24（S2）：118-119.

[5] C S Wang， H L Yang. A Recommender Mechanism Based on Case-based Reasoning [J]. Expert Systems with Applications， 2012， 39 （4）： 4335-4343.

[6] 申靜. 基于案例推理的疾病診斷專家系統(tǒng)的研究[J]. 計算機與現(xiàn)代化， 2013， （2）： 143-146.

[7] 忻凌. 基于案例推理的四診輔助診斷系統(tǒng)的設(shè)計[J]. 醫(yī)學(xué)信息， 2009， 22（5）： 589-590.

[8] K H Hsu， C C Chiu， N H Chiu， P C Lee， W K Chiu， T H Liu， C J Hwang. A Case-based Classifier for Hypertension Detection [J]. Knowledge-Based Systems， 2011， 24 （1）： 33-39.

[9] C L Chuang. Case-based Reasoning Support for Liver Disease Diagnosis [J]. Artificial Intelligence in Medicine， 2011， 53 （1）： 15- 23.

[10] Song D， Zhang K. Research and Application on Case Self-Revision Approach in CBR[C]. 2008 International Conference on Computer Science and Software Engineering， Wuhan， 2008：368-371.

[11] 李孟興. 電力設(shè)備故障紅外診斷系統(tǒng)的研究與實現(xiàn)[J]. 電力信息化， 2013， 11（2）： 36-39.

[12] 嚴(yán)愛軍， 王普， 曾宇. 豎爐燃燒過程智能故障預(yù)報系統(tǒng)[J]. 化工學(xué)報， 2008， 59（7）： 1768-1772.

[13] 黃子俊， 周政， 湯景棉等. 基于ANN與CBR相結(jié)合的復(fù)雜裝備故障診斷研究[J]. 計算機應(yīng)用與軟件， 2010， 27（12）： 196-198.

[14] 廖志文. 基于CBR與灰色關(guān)聯(lián)度的財務(wù)危機預(yù)警[J]. 計算機工程， 2012， 38（1）： 174-176.

[15] 吳迪， 李蘇劍， 李海濤等. 基于CBR的化妝品銷售組合預(yù)測模型[J]. 北京航空航天大學(xué)學(xué)報（社會科學(xué)版）， 2012， 25（1）： 78-84.

[16] ， 李東明， 陳桂芬. 基于CBR的蔬菜病蟲害診治專家系統(tǒng)的研究[J]. 安徽農(nóng)業(yè)科學(xué)， 2010， 38（27）：15380-15381..

[17] 楊振剛， 劉偉章， 方永美. CFW的CBR動態(tài)預(yù)測[J]. 計算機工程與應(yīng)用， 2009， 45（6）： 236- 239.

[18] 沈利峰. 案例推理方法（專家系統(tǒng)）在氣象方面的應(yīng)用研究[D]. 上海海事大學(xué)博士學(xué)位論文， 2005.

[19] 楊健， 楊鄧奇， 秦祖啟. 智能教學(xué)系統(tǒng)中基于案例推理的教學(xué)策略研究[J]. 計算機工程與設(shè)計， 2008， 29（15）： 4006-4008.

基金項目：促進高校內(nèi)涵建設(shè)-教育教學(xué)類-大學(xué)生科研訓(xùn)練（CJGX2016-JX-07）;科技類博士資助課題 （YZKB2015010）;促進高校內(nèi)涵建設(shè)-師資隊伍建設(shè)-校內(nèi)專業(yè)教學(xué)團隊和優(yōu)秀人才培養(yǎng)計劃-校級骨干教師培育項目（CJGX2016-JX-26/004）.

收稿日期：2016年10月26日;修回日期：-年-月-日.

基金項目：

促進高校內(nèi)涵建設(shè)-教育教學(xué)類-大學(xué)生科研訓(xùn)練（CJGX2016-JX-07）;科技類博士資助課題 （YZKB2015010）;促進高校內(nèi)涵建設(shè)-師資隊伍建設(shè)-校內(nèi)專業(yè)教學(xué)團隊和優(yōu)秀人才培養(yǎng)計劃-校級骨干教師培育項目（CJGX2016-JX-26/004）;