時間：2023-08-17 17:41:59
引言：易發表網憑借豐富的文秘實踐，為您精心挑選了九篇人工智能教學設計案例范例。如需獲取更多原創內容，可隨時聯系我們的客服老師。
基于4MAT系統模式案例設計
4MAT系統模式又稱為自然學習模式，它是由美國“學習公司”總裁麥卡錫博士在1979年創立的一個新型有效的學習框架。該模式將學習風格與腦科學研究結合起來，并根據人們感知和處理信息的方式，形成一種獨特的、順應個性學習需求的教學模式。圖1為學習者以4MAT學習的一個簡單實例。
第一階段，Johnny看到他的哥哥們是騎自行車去學校。他注意看他們是怎樣騎自行車的，騎自行車看上去很容易；第二階段，他請他的哥哥們（騎自行車的專家）展示他是怎樣騎自行車的；第三階段，Johnny騎上自行車，并嘗試騎行，他發現騎自行車并不像看上去那么容易；第四階段，他調整了自己，回過來再次嘗試騎自行車。在上述學習過程中，學習者的大腦經歷觀察反映、抽象假設、行動試驗、形成具體經驗四個階段，即4MAT模式的四個象限，整個學習過程組成一個循環圓圈。
4MAT模式以關注學習者為出發點，結合左右腦的不同特點，將教學分解為八個環節（如圖2所示），可較好地為學習者提供有意義的學習內容，學生有足夠的練習機會，且可“靈活調整”學習內容，并在這一過程中發掘所學在生活中的應用價值。高中信息技術課程內容大致可分為“動手做、如何做、為何做及做了何”四個方面，與4MAT模式四個象限的特點較切合。現以高中信息技術必修模塊中“信息的加工與表達――用智能工具處理信息”為主題，進行4MAT模式教學環節設計。
1.本課時教學目標。人工智能研究處于信息技術發展的前沿，它的研究、應用和發展在一定程度上決定著計算機技術的發展方向。高中人工智能課程目標的基本點定位在了解和體驗上，讓學生了解信息技術發展的前沿，體驗若干典型人工智能技術的應用，感受人工智能對學習和生活的影響，激發對信息技術未來的追求。
2.本課時教學任務。《信息加工與表達》課程標準對應要求：通過部分智能信息處理工具軟件的使用，體驗其基本工作過程，了解其實際應用價值。通過課堂討論、觀看媒體資料、網絡搜索、操作實踐、學習教材等手段，學生能夠：①了解人工智能技術的含義及智能工具的應用范圍；②列舉人工智能技術在社會、生活中的應用實例；③按功能對常見的智能應用進行分類；④在操作實踐活動中，了解智能工具的基本工作原理及其應用價值；⑤樹立辯證思想，客觀看待人工智能技術對社會的影響，培養正確的信息技術運用觀。
3.本課時教學內容：①人工智能、模式識別、自然語言理解、機器翻譯；②智能工具的應用范圍；③常見智能工具的操作（“小靈鼠”軟件、OCR軟件、在線翻譯軟件、機器人小I等）；④人工智能對人類生活、社會的影響及存在問題。
4.本課時教學安排見圖3。
①聯系，即讓學習者將學習內容與相關生活經驗建立聯系。設計活動來表明人工智能就在我們身邊以及它與信息技術學科前沿研究的聯系。活動內容：以小組為單位研討我們身邊的人工智能應用例子。通過討論，說明人工智能對人類生活、社會的影響。這個討論有助于讓學生將身邊的經驗與學習內容聯系起來。教師提供自主學習資源網站，引導并幫助學生聯系各人的經歷了解人工智能的應用范圍；通過讓學生觀看相關應用視頻，讓他們獲得直觀的感性認識。
②注意，即讓學生注意個人體驗以及與其他同學的經驗分享。分析經驗，小組討論并將經驗繪制成圖表。分小組分享經驗并用概念圖示描述人工智能的含義。
③想象，即在向學生傳授呈現概念時，讓學生先將自己的理解描述出來。整合經驗：在學習日記中描述人工智能對你及社會生活環境的影響。每個學生要在自己的日志中說明某一人工智能應用如何對個人生活和環境造成影響。
④告知，即由教師告知內行知識，學生接受內容并進行研究。學習內容：教師通過演示文稿介紹圖靈測試及人工智能小故事，幫助學生了解人工智能含義。教師帶領全班學生利用前面活動中獲得的信息，創建人工智能思維導圖，其中要包括人工智能含義、應用領域及它對人類社會產生的正面及負面影響。學生通過看視頻、聽講、課堂討論及小組研究等學習形式學習新知識。思維導圖會逐漸發展為一個動態的圖示。學生可隨時添加其他信息和實例。比如，隨著對人工智能技術的深入了解，其他內容也可以被添加到思維導圖中，在不斷形成的過程中，學生將學會如何有條理地收集信息。
⑤練習，即讓學生通過練習來學習，以達到對知識、技能的熟練掌握。實踐拼接活動：以“它”怎樣看、“它”如何懂兩組活動，制作設計新的思維導圖。歸納智能工具的工作原理和存在的不足。各小組通過實踐操作智能工具，分享有關知識和體驗，以思維導圖的形式描述模式識別及自然語言理解的工作原理并提出技術改進建議。教師在整個過程中對學生的表現給予反饋和建議。
⑥延伸，即是學生創新的開始，學生對所學的靈活調整，遷移運用。設計“人工智能會取代人類嗎”游戲中要用的問題。在課堂內外以學習小組的形式開展活動收集更多信息。每個小組根據他們了解的情況設計10個問題，在“人工智能會取代人類嗎”游戲中使用。比如，未來你心中的人工智能是什么樣、機器人具有真正的智能嗎、未來的智能工具將具備怎樣的功能，等等。
⑦提煉，即學生進行自我適應、調整、修改和評價其學習是否適當。學生復習課堂記錄、個人日志、實踐體驗、互聯網上學習到的內容等，小組完成研究報告，為最后階段做準備。
⑧展現，即讓學生表現自己。幫助學生將所學與更廣泛的知識聯系起來。設計一個總結主要觀點的演示文稿（用例子和視覺畫面對人工智能應用作出說明）。為學校設計一個普及人工智能知識的網站。撰寫一份“智能工具應用啟示”的研究的可行性報告，并設計完成一個未來智能工具或提出一個智能應用的想法。
基于Feden-Vogel教學模式的案例設計
普萊斯頓?D?費德恩，羅伯特?M?沃格爾結合信息加工論，在4MAT系統及教師實踐經驗的基礎上，提出了Feden-Vogel教學設計模式。該模式包含三個不同的工具：計劃組織圖、教學計劃模板、教案格式。其教學分五個步驟進行設計：步驟一，引起學生注意并激活先前知識；步驟二，教授陳述性知識，不僅包含課時內容，還應涉及一些核心概念等；步驟三，給學生提供足夠的時間和實踐機會，形成程序性知識；步驟四，讓學生運用所學知識解決不同問題，幫助他們以新的或不同的方式運用所學；步驟五，結束當前教學并啟發學生關注知識和連續性，過渡到下一教學主題。在Feden-Vogel模式中，是從步驟二開始教學設計（即在課程目標與學習標準中讓學生學習的陳述性知識），教學實施從步驟一開始。現仍以高中信息技術必修模塊中“信息加工與表達”為主題，進行Feden-Vogel模式教學設計，課時教學目標與上例同。
1.《用智能工具處理信息》Feden-Vogel計劃組織圖（見圖4）。
2.《用智能工具處理信息》Feden-Vogel教學五步驟設計。
步驟一，呈現先行組織圖，讓學生回顧先前的知識，提問前面幾類信息加工與表達的特征及應用價值。這個練習可以讓學生準備好學習下一個主題，即用智能工具處理信息。讓學生聯系和此問題相關的現實生活情境：如果你在寫一份研究報告時，需要一本資料書上的三頁內容，或者你想通過錄音將你說的話轉化成文字時，你將采用什么辦法來完成？向學生提出這個問題，讓他們設想解決的方案。通過這個問題可以將情境與新主題聯系在一起。為了幫助學生解決此問題，可展示觸屏手機手寫輸入信息的過程，讓學生上網搜索相關資料。同時為學生提供多種體驗工具軟件（“小靈鼠”軟件、OCR軟件，語音識別軟件等）。
步驟二，播放有關我們身邊人工智能應用的視頻，讓學生上網查找人工智能應用領域及實例。介紹圖靈測試，向學生提問，人工智能的含義是什么？學生建立人工智能概念圖，并添加智能應用領域及實例。
步驟三，將學生異質分組，提出小組體驗計劃。當學生制定好計劃后，就可以開始試著用智能處理工具（模式識別）進行操作實踐。等他們完成體驗后提問學生：識別的準確率高嗎？影響識別率高低的主客觀因素有哪些？接下來，引導學生思考分析模式識別工具處理信息的工作原理，引導他們針對體驗中存在的問題提出改進建議。在建立模式識別思維導圖過程中，通過提問學生生活中或未來還有哪些信息可以通過模式識別來處理，進一步加深學生對相關內容的了解。
步驟四，讓全班一起討論在進行模式識別智能工具體驗中的感受。教師使用提問策略來幫助他們進入下一人工智能應用領域：自然語言理解。比如，可以問學生是否能通過工具將一段中文詩詞翻譯成其他語言，或者和機器人聊天時應該怎樣設計智能處理工具。學生討論，形成小組設計報告，并通過上網查找出相關工具軟件名稱。學生選擇教師提供的工具軟件進行體驗操作，總結出其工作原理及存在的問題。
關鍵詞：ICAI；系統模型；教學策略；綜合集成方法論MSM；現代教育技術
中圖分類號：G250.73 文獻標識碼：B 文章編號：1673-8454(2012)01-0030-04
計算機輔助教學（Computer Aided Instruction，簡稱CAI）是利用計算機來模擬教師的行為，通過學生與計算機之間的交互活動來達到教學的目的。即在計算機輔助下進行的各種教學活動，主要是以對話方式和學生討論教學內容、安排教學進程、進行教學訓練的方法與技術。CAI為學生提供一個個人化的學習環境，綜合應用多媒體、知識庫等計算機技術，這是傳統CAI的主要應用方式。
在沒有智能系統支持的情況下，傳統CAI盡管可能具有良好的教學材料模型，但它往往僅借助于計算機來展示教學內容，并不能很好地根據它所教學生的學習特征，以不同的教學策略和教學方法來教授；只是盲目地傳授知識給學生，如果某個學生不能接受提供的教學策略，系統沒有為這個學生提供可供選擇的另外的教學策略。目前使用的絕大多數CAI是將全部教學信息以編程方式預置于課件中，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系統中，學生的學習仍然處于被動狀態，即完全受計算機控制。
一、智能化計算機輔助教學概念
現代教育技術的日益發展以及與其他領先技術的結合，必然促使計算機輔助教學CAI的進一步發展。人工智能技術應用于CAI產生的基于網絡環境的智能化CAI，就是現代信息化社會發展的產物，并在教育教學領域中有很好的發展前景。
人工智能是計算機科學的一個分支，它的目標是構造能表現出一定智能行為的，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合具體領域進行的，主要研究領域有專家系統、機器學習、模式識別、博弈、智能決定支持系統、人工神經網絡等等。人工智能技術與專家系統的成就，促使人們把問題求解、知識表示這些技術引入CAI，并借助于網絡環境來實施，這便是智能型計算機輔助教學。
智能計算機輔助教學ICAI（Intelligence Computer Assisted Instruction）屬于人工智能的一個分支，是以認知科學和思維科學為理論基礎，綜合人工智能技術，教育心理學等多門學科的知識對學生實施教育的一門新的教育技術。ICAI通過研究人類學習思維的特征和過程，探索學習知識的模式，利用信息化網絡環境使學生獲得個別化自適應性學習的獲取知識方法，從而使學生的學習更有針對性，更有效。
ICAI依靠人工智能技術的進步，主要應在因材施教方面取得進展。其主要特點是:
（1）能自動生成適合學習者程度的學習內容。
（2）能根據學生的不同認知水平與學習風格選擇教學策略和教學方法。
（3）能評價學生的學習結果，并不斷地在教學中改善教學策略。
二、智能化計算機輔助教學研究現狀
現階段，在一些發達國家，如美國、日本、加拿大、英國、法國、澳大利亞等，CAI已經普遍存在于學校和家庭中，正起著越來越大的作用。而ICAI的研究還處于初始階段。目前國內在這一領域的研究主要集中在CAI和ICAI的優缺點比較，ICAI的理論來源、系統特征、模塊建設、發展趨勢等基礎理論知識的研究，基于相關課程或學科的實踐研究還比較少見。智能教學系統的設計和開發是一項復雜的系統工程，由于需要考慮的因素較多，系統比較龐大，同時也依賴于人工智能等技術的發展,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展空間。
完善的ICAI系統需能夠充分調動學生的主動性，并能通過分析推理，對某具體學生做出適合的教學決策。使學生獲得個別化自適應性學習的學習方法，達到因材施教的目的。人工智能技術的發展必將會對ICAI的發展起到巨大的推動作用。隨著計算機科學的發展，21世紀的教育教學輔助手段將是以ICAI為主線，多學科、多方位發展的新技術的體現，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將會在現代教育領域中有更廣泛的應用。
“現代教育技術”既是教育技術專業的必修課程，也是大中專院校廣泛設置的選修課程，適用范圍非常廣泛。本文以《現代教育技術》這門課程為主要研究對象，來研究智能化教學系統設計在具體實踐中的應用。
三、ICAI決策系統的理論依據
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雜巨系統，因此以這種大量的復雜巨系統為子系統組成的系統――教育系統，是一個復雜巨系統。依據系統與其環境是否有物質、能量和信息的交換，將系統劃分為開放系統和封閉系統來看，學生的學習受到教師、同學、家庭及社會等因素的影響，所以教育系統是一個開放的復雜巨系統。
錢學森的理論和實踐研究表明：現在能用的、惟一能有效處理開放的復雜巨系統的方法，就是定性定量相結合的綜合集成方法論。綜合集成方法論（Meta-synthesis Methodology MSM）是方法論上的創新，它是研究復雜巨系統和復雜性問題的方法論。[2]定性定量相結合的綜合集成方法是將專家群體(各種有關的專家)、數據和各種信息與計算機技術有機結合起來，把各種學科的科學理論和人的經驗知識結合起來，發揮這個系統的整體優勢和綜合優勢。[3]它把人的經驗、知識、智慧以及各種情況、資料和信息系統集成起來，從多方面定性認識上升到定量認識，從而達到解決復雜系統問題的目的。在解決問題的過程中，專家群體和專家的經驗知識起著重要的作用。
教學系統設計是一個復雜的系統，它是由教育系統的復雜性決定的。教育系統具有復雜系統的基本特點，它在結構與功能上表現為規模大、相關因素多且相關方式復雜、目標多樣等；在運動上表現為隨機性、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構的問題，本研究嘗試用綜合集成方法論來指導、分析教學設計智能化過程。因此，運用綜合集成理論的方法來研究教學設計系統，探討具體科目的教學設計在設計過程中遇到的復雜性問題，進而構建科學合理的教學設計系統，具有重要的理論和實踐價值。
2.教學設計理論
本文采用“雙主”教學模式作為ICAI的教學設計的理論基礎。“雙主”教學模式既能發揮教師的主導作用又能充分發揮學習者認知主體作用，是在教師主導下的課堂中能讓學習者參與進來共同學習的一種教學模式。
基于“雙主”的教學模式，要求根據學習者的特征、學習內容、學習策略、學習目標等多種因素的不同情況研究它們的結合方式，以使系統達到理想的教學效果。
基于網絡環境的ICAI相對于傳統的CAI來說，充分體現了“雙主”的教學模式。ICAI中有專門分析學習者學習方式和認知水平的學生模型，有專門為不同的學習內容選擇不同的學習策略的策略庫模型（也稱為教師模型），有評價學習效果并反饋給系統的評價模型。學生模型是對學習者的學習特征進行分析，包括學習者的學習風格、認知水平。策略庫模型包含有豐富教學策略和有一個智能推理機，能根據學生模型的信息和學習目標為學習者選擇合適的學習策略，指導學習者學習。
3.建構主義學習理論
當代建構主義者主張，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。建構主義者認為學習者要以自己的經驗為基礎來建構現實，或者至少說是在解釋現實，每個人的經驗世界是用自己的頭腦創建的。
學習過程同時包含兩方面的建構：一方面是對新知識意義的建構，同時又包含對原有經驗的改造和重組。建構主義者強調學習者在學習過程中能夠靈活地建構起用于指導實踐活動的圖式，這種圖式是對概念的豐富理解，依據個人經驗背景的不同而不同。
教學應當把學習者原有的知識經驗作為新知識的生長點，引導學習者從原有的知識經驗中，生長新的知識經驗。教學不是知識的傳遞，而是知識的處理和轉換。
ICAI伴隨著這種理論的發展而發展，它注重的是由學習者來控制學習過程，重視學習內容的知識結構和學習情境，讓學習者主動構建對自己有意義的知識的活動。基于網絡環境的ICAI積極地為學習者創設學習情境，幫助學習者用他們已有的知識去建構、生成、整合新的知識。
4.教學處方理論
“教學處方理論”是鄭永柏博士于1998年提出的一種新型適合于信息化教學設計的理論，他通過對教學系統設計理論和計算機輔助教學設計方面的研究，建構了一種新型的教學系統設計理論――教學處方理論。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于教學設計的知識庫。[4]
該理論指出教學處方可以看作是教學設計者(有時可以看作是教師)依據系統分析后使用的各種教學模式、教學方法和教學內容處理模式的組合；說明了在特定教學條件下對特定教學結果的教學，以不同的學習理論和教學理論為指導將會采用不同的教學方法，即教學處方，這也是本研究的核心內容，是該系統設計的指導理論。“教學處方理論”具有更好的包容性、開放性，能夠吸收和容納豐富的學習和教學研究成果。
四、ICAI系統的模塊結構
1.前端分析模塊：認知能力、學習動機、認知風格
前端分析是美國學者哈利斯（Harless，J．）在1968年提出的一個概念，指的是在教學設計過程開始的時候，先分析若干直接影響教學設計但又不屬于具體設計事項的問題，本文主要指認知能力、學習動機和認知風格方面的分析。前端分析模塊主要是建立相應的學生特征類型的數據庫。
認知能力的測量采用認記、理解、應用、分析、綜合、評價六個維度，每個維度有“優、良、中、差”四個選項。通過數據分析找出學習者的現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，形成不同層次的教學設計項目的目標。
學習風格和學習動機通過專門的量表來收集數據。
2.內容分析模塊
教學內容分析就是在確定好總教學目標的前提下，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，分析學習者要實現總的教學目標，需要掌握哪些知識、技能或形成什么態度。通過對教學內容的處理，確定學習者所需學習內容的范圍和深度，確定內容各組成部分之間的關系，為以后教學順序的安排奠定好基礎。
對教學內容的處理主要包括：教學內容的選擇、教學內容的編排、確定單元目標及對內容進行初步評價、分析教學內容類別及性質等四個基本方面。在構建規定性教學內容處理模式庫時，應對上述四個方面提供具體的方法。[5]
3.決策模塊
教學策略（處方）的制定就是根據特定的教學目標、教學內容、教學對象等條件，來合理地選擇相應的教學順序、教學方法、教學組織形式。在數據庫中建立可供選擇的不同的教學策略（處方），是本文所研究的ICAI系統的主要模塊，也是特色模塊。
教學策略（處方）的制定包括教學順序的確定、教學方法的選擇、教學組織形式的選擇等。教學順序的確定就是要確定教學內容各組成部分之間的先后順序；教學方法的選擇就是要通過講授法、演示法、討論法、練習法、實驗法、示范模仿法等不同方法的選擇，來激發并維持學習者的注意和興趣，傳遞教學內容；教學組織形式主要有集體授課、小組討論和個別化自學三種形式，各種形式各有所長，須根據具體情況進行相應的選擇。教學策略的制定是根據具體的目標、內容、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、內容、對象的教學策略。
4.評價模塊
在基于網絡環境的ICAI的評價模塊，要依據前面確定的教學目標，運用評價量表，分析學習者對預期學習目標的完成情況，主要收集三個方面的基本信息，一是要收集關于教師對教學設計方案和教學方案實施結果的滿意度的信息數據，二是要收集關于學習者對教學過程、教學策略的適應性的信息數據，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]在數據分析的基礎上，對教學策略和教學內容的修改和完善提出建議，并以此為基礎對ICAI各個環節的工作進行相應的修改。
5.ICAI系統模型框圖
學習者前端數據采集數據庫包括：認知結構測量及分析系統、學習動機測量及分析系統、學習風格測量及分析系統和學生基本信息系統。系統模型如圖所示。
五、ICAI決策系統實驗數據來源
本課題實踐研究的調查對象來自云南大學，是2008屆市場營銷教育和財會教育本科生，共89人，課程設置為現代教育技術。學生調查表包括本科生基本信息表，所羅門學習風格量表，學習者認知能力調查問卷，學習者學習動機調查問卷四份表格組成。實際收到數據表89份，有效數據表75份。數據表中的信息選項根據所占權重，統一折合成百分制進行處理。
六、總結
本文把教學設計理論、方法與“現代教育技術”課程相結合，擬研發出一個基于綜合集成方法論的廣義智能網絡教學設計輔助系統。主要研究成果如下：
（1）把綜合集成方法論引入解決教學設計這一不良結構問題；
（2）結合數字化方法和數據挖掘技術，它能對學習者進行數字化的前端分析；
（3）它所自動化給出的教學設計方案，可為青年教師提供良好借鑒，有利于教師因材施教、因風格施教、因需要施教；
（4）它所自動化給出的學習者學習建議方案，有利于促進學習者自主學習。
現有的CAI存在的許多問題隨著新技術的不斷出現而顯得越來越不能適應新環境的需求，因此以基于網絡環境的ICAI為代表的新計算機輔助教學系統，將是教育教學研究人員在教育技術上需要不斷探求、努力實現的發展方向。
參考文獻：
[1]楊采堅，董玉銘.智能教學系統設計[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].系統工程理論與實踐,2002.5.
[3]錢學森,于景元,戴汝為.一個科學新領域：開放的復雜巨系統及其方法論[J].自然雜志,1990(1).
[4]鄭永柏.教學系統設計理論和方法研究:教學處方理論和ISD-EPSSS的設計與開發[D].北京師范大學博士學位論文，1998.
關鍵詞：無人機系統；智能決策；自主控制；智能體系；任務規劃；課程設計
0引言
無人機具有較強的機動性和較好的可操控性，能輔助人類在惡劣和危險的環境中執行復雜的任務。近年來，無人機系統迅速發展并廣泛應用于環境監測、災難搜救、反恐偵察等眾多領域。無人機系統研究的一個關鍵問題是如何發展高度智能化的軟件系統，提高無人機在動態復雜環境中自主決策的能力。目前，眾多高校開設的無人機專業課程主要研究無人機的硬件平臺、通信與測控、指揮控制、綜合保障和實踐等方面，然而對于無人機系統的智能決策問題研究尚不深入。
1無人機系統決策的內涵
1.1無人機自主控制系統概述
無人機自主控制系統是無人機實現自主飛行管理與自主任務管理的機載系統，如圖1所示，它涵蓋了機器人“觀測一判斷一決策一行動（observer-orient-decision-action，OODA）”的各個環節。
無人機自主控制能力是衡量無人機智能自主水平的一項重要能力。表1基于OODA分別對無人機自主控制能力進行了描述，其中，“判斷”與“決策”部分評價的是無人機對戰場態勢的評估能力和對任務或行為的決策與規劃能力，是衡量無人機自主決策能力的最重要指標，也是無人機決策課程設計與實踐的核心。
1.2無人機自主決策子系統概述
自主決策模塊位于智能無人機系統的頂層，它如同人類神經系統執行決策行為，產生計劃并處理不確定性。自主決策模塊主要包括頂層任務決策、頂層任務規劃、底層行為決策和底層路徑規劃。頂層任務決策用于任務策略的在線生成；頂層任務規劃用于任務計劃的在線制定；底層行為決策用于運動行為的在線序貫決策；底層路徑規劃用于導航計劃的在線生成，這些內容的教學與實踐將貫穿課程的教學與實踐過程。
2人工智能在無人機系統決策中的發展以及作用與地位
人工智能從孕育之初到現在，經歷了“三起兩落”，如圖2所示。人工智能的發展也不斷促進無人機自主決策能力的發展，甚至可以說，人工智能的發展決定無人機自主決策水平的高低。早期，無人機決策大多依托產生式規則或謂詞邏輯技術，主要針對確定決策；20世紀六七十年代，知識表達引入到有人機輔助決策支持系統的設計與研發中，也逐步遷移到無人機智能自主系統中；隨著概率統計的引入，基于貝葉斯的不確定推理決策方法得到大力發展；專家系統依據專家經驗生成策略，用于解決離散事件不確定性，形成了一系列無人機智能自主決策成功案例；近年來，機器學習、多智能體理論的熱潮將無人機智能水平推到了一個前所未有的高度，使無人機具備知識沉淀、知識挖掘、智能發育的能力，并將單無人機執行ISR任務拓展到多無人機協同遂行多任務領域。無論經典人工智能方法還是人工智能新思路，都是無人機智能自主決策的重要基礎，在無人機系統智能決策課程教學與實踐中具有舉足輕重的地位。
3無人機智能決策課程教學總體設計
國防科技大學依托控制學科和儀器學科在自動化專業試辦開設了“無人機工程”專業方向，培養掌握無人機工程相關領域基礎理論和基本知識的學員，使其具有從事無人機系統及相關裝備的分析、設計、研制、維護和管理等方面的實際工作能力和初步科學研究能力。
3.1教學目的與課程設計總體思路
設置無人機智能決策課程的目的是使本專業學生快速了解無人機決策系統組成、熟悉決策系統工作原理、掌握決策理論與實現方法。課程設計的總體思路是設置課堂教學和動手實踐兩個主要環節，課堂教學環節主要通過教師講授的方式，基于無人機自主控制系統組織結構，介紹無人機決策系統的基本概念；實踐環節則是在學生已經掌握智能決策算法基本原理和流程的基礎之上，讓學生參與到決策系統的設計與實現中來。
3.2課程教學主要內容
無人機智能決策是課程教學的核心內容，主要覆蓋貝葉斯推理理論、最優化理論、智能搜索等基本決策理論和方法，主要講解如何將其運用于無人機智能感知、任務規劃的建模和優化方法，比如基于貝葉斯的不確定推理、基于啟發式人工智能搜索算法的路徑規劃等。內容安排包括問題描述、基本原理、算法過程、輸入輸出設計、結果分析等；人機智能融合決策是課程的拓展部分，主要涵蓋人機智能融合原理、腦機接口原理、融合決策機制等理論和方法，主要講解如何將其運用于人在回路輔助的無人機智能自主決策、混合主動規劃的接口設計與融合決策方法，比如基于腦機接口的人機智能融合決策、混合主動任務規劃等；拓展內容安排包括資料查新、接口設計、融合機制設計、融合算法實現、結果分析等。
4無人機智能決策教學實踐環節設計
4.1課程實踐環節的必要性
4.1.1無人機系統智能決策課程對實踐的需求
實踐教學是高等學校教育非常重要的教學環節，是提高人才分析問題與解決問題的重要途徑。無人機系統智能決策是一門實踐性很強的課程，一是由于無人機系統是一門交叉性的學科，主要涉及空氣動力學、無人機平臺設計與制造、圖像處理與智能感知、導航系統原理、無人機飛行控制、人工智能、機器學習、任務規劃與分配、無人機系統體系保障技術等許多學科，所以該學科具有知識點多、涉及面廣、理論性強，需要學生具備較好的邏輯思維能力和數理基礎等特點，因此，必須通過實踐才能加深對無人機系統知識的理解；二是智能決策技術不斷走向實用，20世紀80年代隨著人工智能基礎科學的研究，智能決策作為一門新興學科出現在國際科學舞臺上，智能決策技術早期以研究經典的智力游戲問題和仿真實驗來證明理論等為主流，隨著互聯網的普及和國際信息化進程的提高，智能系統和智能計算等也逐漸成為學者們的研究熱點。從加強學生的實踐能力出發，考慮到課程的建設需要，需要加強無人機系統智能決策課程的實踐教學內容。
4.1.2無人機系統智能決策課程對實踐的要求
根據智能決策的特點，進行實踐教學需要達到以下幾個目的：一是加強學生對基礎知識的理解，對智能決策基本方法的掌握；二是加強學生將智能決策知識與方法用于解決實際問題的能力；三是增強學生對智能決策研究領域的興趣，培養更多的專業人才。
智能決策的實踐教學工作必須以高質量的科研內容為基礎。通過瞄準國際前沿、集成創新和引進消化吸收、提升原始創新以及再創新能力，從而建設創新平臺和創新團隊，以高水平科學研究支撐高質量的高等教育。此外，智能決策的實踐教學還要考慮因材施教，驗證關鍵技術環節。目前學生的學習任務較重且水平參差不齊，在設計實踐環節時，要把握如何能在較短的時間內讓學生得到最大程度的能力鍛煉。在這種情況下，教師必須進行充分的準備，事先搭好通用的硬件平臺和軟件框架，以減輕學生不必要的負擔，營造良好的氛圍，將學生的主要精力集中在創新實踐上，這樣才能提高實踐教學的效率。因此，課程借鑒了無人機領域最具影響力的國際微小型飛行器賽會（IMAV）的比賽規則，結合智能決策的研究熱點和當前承擔的學術科研任務，引入無人機競賽作為智能決策教學實踐的平臺。
4.2基于無人機系統智能決策的課程實踐方案
在智能決策課程開始之際，教師向學生明確課程實踐方案，即通過無人機競賽的形式考核學生解決實際問題的能力。通過舉辦無人機競賽，可以激發學生的學習熱情和創新動力，達到寓教于樂的目的。學生帶著思考主動學習理論知識，而不是為了應付考試被動學習；教師應當按照學生的綜合能力合理組隊，從而達到能力互補和團隊協作。
無人機競賽面向本校無人機工程專業方向的本科生，根據智能決策課程的需要，共設置3個科目。
第一個科目是自穩飛行，無人機需在3分鐘內完成從出發點到指定目標點的飛行，要求單次滯空時間不少于30秒；本科目考查的是學生對無人機自主飛控基礎知識的掌握。第二個科目是避障偵察，無人機需以盡可能快的速度穿越一排障礙門，并識別地面上的物品；障礙門的可通行區域各不相同，無人機需通過機載單目相機識別可通行區域，并自主規劃路徑；本科目考查的是學生對智能識別和任務規劃基礎知識的掌握。第三個科目是特級飛行，包括手拋無人機平穩飛行、8字飛行、伴隨飛行等；本科目考查的是學生的創造力。比賽采用百分制，3個科目按照難度系數和重要程度評分占比分別為30%、50%和20%。
如圖3所示，課題組提供比賽使用的無人機硬件和飛控軟件平臺并指導學生拼裝無人機及使用軟件。學生需在課程學習的過程中制定智能決策的算法設計及代碼實現計劃，并嚴格按照時間節點實現目標；每個小組的成員必須說明自己在團隊中的貢獻，從而作為教師打分的依據。
蘇霍姆林斯基在《教育藝術》中認為，“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現者、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的教學模式，運用現代教育技術培養真正適應于經濟社會發展的創新型和國際化人才。現代教育技術是伴隨現代科技的發展，特別是電子、通訊、計算機的飛速發展而產生的，也是現代教育理論發展到一定階段的產物。
作為新一輪科技革命的代表，人工智能（AI）技術已經或正在顛覆性地改變著許多行業和領域，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”，只能夠專注在一個特定領域，如下圍棋；第二級是“強人工智能”，能夠達到或超過人類水準；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。盡管人工智能要從感知、行為和認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、存儲能力和大數據處理能力，已經改變著傳統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質量、提供個性化精準化教學、優化教育評價系統等方面將發揮重要作用。
浙江西湖高等研究院人工智能研究室主任于長斌認為，人工智能下一步應用可能是遠程教育、自我強化教育，甚至是教育領域的機器換人。從人工智能現階段研究成果來看，機器人做數學題、英語題完全沒有問題，有科學家還成功用人工智能自動生成科研和學術論文，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在數學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，機器人不聯網、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，導致部分考題失分。
AI-Maths先后解答了2017年數學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（數學）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道數學題。而一個中國學生，按照每天10道數學題估算，到高考前已經做了大約30000道數學題。
考試結果顯示，這臺高考解題機器人在不依賴大數據的前提下，邏輯分析能力遠超人類，但在文意理解、多樣性思維上要比人類遜色得多。參與閱卷的資深數學老師表示，AI-Maths相當于中等成績水平的高中畢業生，失分主要是因為“讀不懂題目”，遇到一些人類語言（而非數學語言）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，其次機器人沒有聯網，不能夠聯想自己的知識，這樣得低分也是理所當然的了。經過更多的訓練和學習以后，未來AI-Maths會取得更好的成績。
該機器人是由成都準星云學科技有限公司研發的一款以自動解題技術為核心的人工智能系統，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年高考文科數學試題。Aidam的成績為134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當天答題放慢了六倍速度，平時每道題完成時間應該在7-15秒。
從2014年開始，國內人工智能引領者科大訊飛就聯合了包括北大、清華等在內的超過30家科研院校和企業，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、邏輯推理和在線學習能力。
目前，高考機器人在英語學習方面也取得階段性成果：一是翻譯，已經能夠讓翻譯能力達到高考入門水平。二是在廣東地區的英語高考、中考場景中，在發音準不準、填空題選擇題，判斷你懂不懂知識上，機器已經超過人工。三是口語作文實現突破。比如給學生一個題目《My Mother》，現在AI機器的評測打分已經比人類打分更精準。
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，是不是意味著我們的教育培養出來的就是考試的機器？這個問題的邏輯不一定嚴密，但巧妙地折射出了現行教育體制的一些問題。如果以應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，這樣的教育培養出的人也將被智能機器淘汰。
AI閱卷批改作業
面對龐大的考生規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。從傳統的紙筆閱卷到網上閱卷，再到今天的機器智能閱卷，AI可以輕松解決繁重復雜的閱卷難題，大大提高閱卷的效率和質量。
通過對試卷進行數字化掃描、格式化處理，轉換成機器可識別的信號，機器就能按閱卷專家的評判標準，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，現在一周就能完成，而且更準確、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，結果是，在“與專家評分一致率、相關度”等多項指標中，機器均優于現場人工評分。
除了代替人工閱卷，人工智能還可以幫老師做批改作業、備課等重復枯燥的工作，不僅節省大量時間，還可以減少工作量。
語音識別和語義分析技術的進步，使得自動批改作業成為可能，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、作文自動評閱技術等已通過教育部鑒定并應用于全國多個省市的高考、中考、學業水平的口語和作文自動閱卷。而基于國家“十三五”863“基于大數據的類人智能關鍵技術與系統”階段性成果構建的“訊飛教育超腦”已在全國 70% 地市、1 萬多所學校應用。
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一個邊緣性的產品，它旨在簡化批改流程，使老師們更專注于教學反饋。目前有超過150家知名學校采用該產品。MathodiX是美國實時數學學習效果評測網站，算法會對每一步驟都進行檢查、反饋。
美國教育考試服務中心（ETS）是世界上最大的私營非盈利教育考試及評估機構，已經成功將AI引入SAT和GRE論文批改，同人類一起扮演評卷人角色。
計算機科學家喬納森研發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，它能夠聯系上下文去理解全文，然后做出判斷，例如各種英語時態的主謂一致，單復數等。它將提高英語翻譯軟件或程序翻譯的準確性，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，但誠如《信息時報》刊發的《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“異質思維”，同樣的問題，學生會給出差異化、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，最初機器是用來輔助人工教學的，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、教、管的服務流程。未來，當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。
機器人當老師
城鄉、區域教育鴻溝，擇校問題，學區房問題，都是教育教學資源不均衡導致的，歸根到底是優秀教師的稀缺，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構不合理等難題，還能大大緩解社會矛盾，促進教育公平。
目前國內已涌現出像魔力學院這樣的創業公司。幾年前魔力學院創始人張海霞從北大畢業時，她的畢業論文是國內最早對人工智能教學進行研究的學術論文，同時在上大學期間，她就已經是新東方出國留學部最好的英語老師。這種雄厚的技術和教學背景，讓她成為國內最早一批人工智能領域的創業者。
“與大多數互聯網教育領域的產品不同，魔力學院從一開始，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。曾經有很多投資人建議我們妥協一下，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。”張海霞說。
直到2016年3月，魔力學院第一個商業化的版本上線，企業開始有了第一筆收入，成為全球在人工智能老師這個領域第一家產品上線的創業公司，也是第一家實現了持續收入和盈利的創業公司。至今，在人工智能老師這個領域，魔力學院的相關產品仍然是惟一能從教、學、練、測各個維度提供人工智能老師教學的公司。
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過搜集和教學設計后，用非常幽默的方式向學生傳授，從課堂效果來看，“學生很愿意聽”。
新東方教育集團董事長俞敏洪認為，未來10年內，教師七成教學內容一定會被機器取代。不過，缺少人類老師的教學必然不完整，因為課堂教學不光是把知識點告訴學生，更需要對學生開展知識融合、創造性思維、批判性思維等能力訓練。對于這些思維方式的訓練教學，機器人老師還無法勝任。“未來的課堂將是機器人智能教學、老師情感和創新能力的發揮及學生學習的三者結合。”
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校開始“內測”，今后有望向全國中小學推廣。這款教育機器人除了幫助老師朗誦課文、批改作業、課間巡視之外，還能通過功能強大的傳感器靈敏地感知學生的生理反應，扮演“測謊高手”角色。一旦和“學生機”綁定，可更清楚地了解學生對各個知識點的掌握情況。
對于機器人老師，國外早有應用。2009年，日本東京理科大學小林宏教授就按照一位女大學生的模樣塑造出機器人“薩亞”老師。“薩亞”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，還可以學會講各種語言。“薩亞”給一班10歲左右的五年級學生講課，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，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生，在價值觀塑造和創新思維啟發方面，“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，能平等地對待學生，加上它的特殊身份能激發學生的學習興趣和動力，然而機器人永遠無法完全替代“真正的人類教師”。
當老師們從繁重的重復性工作中解放出來，實際上可以將更多的時間和精力花在富有創造性的工作上。比如培養學生的素質和情商，激發學生對學習的熱情，鼓勵學生獨立思考，形成自己的價值觀和思想體系，成為有美好人格和創新能力的個體。
實際上，老師充當的是一個引導者、啟發者的角色，老師做的應該是“準備環境-引導孩子-觀察-改進環境-再引導-退出-再觀察”。極少干預和不斷引導，讓孩子能最大限度地擁有獨立性、專注度和創造力。
機器人進課堂是大勢所趨。不久的將來，人類老師將負責進行情感、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、學習方法的引導、創新能力的培養。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內容，需要由真正有能力的老師來傳授。“老師要避免被機器取代，就要先避免自己成為機器。”
可見，教師需要快速適應現代化教學需要，熟練使用各類領先科技產品，提升綜合素質，這將決定教師本人的去與留，更是教育希望與未來的關鍵所在。
個性化教育
因材施教在我國已有2000多年歷史，但在我國應試教育大環境下，根據學生不同的認知水平、學習能力以及自身素質來制定個性化學習方案，真是說易行難。當傳統思想與尖端科技相結合，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途徑。
一是構建知識圖譜。構建和優化內容模型，建立知識圖譜，讓學生可以更容易地、更準確地發現適合自己的內容。國外這方面的典型應用是分級閱讀平臺，推薦給學生適宜的閱讀材料，并將閱讀與教學聯系在一起，文后帶有小測驗，并生成相關閱讀數據報告，老師得以隨時掌握學生閱讀情況。
Newsela將新聞與英語學習融為一體。通過科學算法衡量讀者英語水平，抓取來自《彭博社》《華盛頓郵報》等主流媒體的內容，由專人改寫成不同難度系數的版本。LightSail也是相同應用，不過它的閱讀材料是出版書籍，它收集了適合K12學生閱讀的來自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、芝加哥公立學校、丹佛公立學校等機構達成了合作，而目前我國沒有如此規模、與官方達成合作的個性化閱讀學習平臺。
二是自適應學習。人工智能可以從大量的學生中收集數據，預測學生未來表現，智能化推薦最適合學生的內容，最終高效、顯著地提升學習效果。當一個學生閱讀材料并回答題時，系統會根據學生對知識的掌握情況給出相關資料。系統知道應該考學生什么問題，什么樣的方式學生更容易接受。系統還會在盡可能長的時間內保留學生信息，以便未來能給學生帶來更多的幫助。
在美國喬治計算機學院，有一門課叫“人工智能概論”。這門課是艾薩克?格爾教授創建的。他有一個教學助理叫吉爾。這個課程的特點是以問答方式授課，學生提問，老師和助教回答。第一年就有大約1000多名學生參與，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期。格爾教授采用IBM沃森界面，創建了這個AI驅動的BOT交互系統，也開發了整個課程的內容和形式。
【關鍵詞】 教育技術；信息技術；區別與聯系
【中圖分類號】G632 【文獻標識碼】A 【文章編號】2095-3089（2013）25-00-01
一、教育技術與信息技術的區別
（一）從發展歷程來看
1、教育技術。教育技術的發展歷程可以分為三個階段：教育傳統技術、教育媒體技術和教育信息技術。教育傳統技術階段是從教育技術的產生到十九世紀末。這時期的教育技術指的是教育者所運用的技巧、技能和操作方法。主要包括口語（演講技能）、文字、黑板、粉筆、圖片、模型、實物等等。教育媒體技術階段從19世紀末開始，這一時期教育技術以各種現代教育媒體的使用為標志，主要包括：攝影、幻燈、投影、無線電廣播、電影、電視、語言實驗室等。教育信息技術階段主要以微電子技術和計算機技術為基礎，以信息處理為核心，更加注重人的作用。
2、信息技術。信息技術的發展歷程的發展經歷了五個階段，即五次革命。第一次信息技術革命是語言的使用。第二次是文字的創造。第三次是印刷術的發明和使用。第四次是電報、電話、廣播和電視的發明和普及應用。第五次是電子計算機的普及使用。我么現在所說的信息技術指的是第五次信息技術革命，是狹義的信息技術。
從兩者的發展歷程來看教育技術和信息技術的發展都伴隨著技術的發展，知識教育技術中技術的發展是影響教育教學，二信息技術的發展是影響信息的傳播方式。
（二）從研究領域來看
1、研究對象及范疇
（1）教育技術。教育技術是對學習過程和學習資源的設計、開發、利用、管理、評價的理論和實踐。教育技術屬于教育學科，其研究對象是有合適技術（所謂合適技術，包括現代技術、傳統技術、有形的物化技術和無形的智能技術。研究范疇是對信息的獲取、存儲、分析、加工、變換、傳輸與評價研究范疇則是對有合適技術支持的教學過程與教學資源的設計、開發、利用、管理與評價。這就表明，教育技術能力是任何學科（包括文科、理科、醫科、農科……）的教師都必須具有的能力，是大、中、小學每一位教師都必須具有的能力，也就是“如何進行教學的能力”（它相當于醫生“如何進行治病的能力”、律師“如何幫人打官司的能力”）。
（2）信息技術。信息技術是以計算機技術、網絡通信技術、微電子技術、傳感技術等為基礎的，對各種形態的信息進行處理的綜合性技術。信息技術屬于技術學科，其研究對象是信息，研究范疇是對信息的獲取、存儲、分析、加工、變換、傳輸與評價；信息技術的能力是指獲取、存儲、分析、加工、變換、傳輸與評價信息的能力。信息技術是解決信息時代教育問題的基本工具，但是教育技術不只限于信息技術的應用，教育也是一種傳播過程，而信息技術就是研究優化信息傳播、處理的技術，所以教育技術是信息技術在教育中應用的一個領域。
2、研究目標
（1）教育技術。教育技術能力培訓的目標是使受訓者具有教育技術素養，即具有運用教育技術的意識、能力與道德。其中，運用教育技術的能力是指對有合適技術支持的教學過程與教學資源進行設計、開發、利用、管理與評價的能力，也就是在有合適技術支持的教學環境下進行教學設計并有效地組織與實施教學的能力。
（2）信息技術。信息技術培訓的目標是是要使受訓者具有信息技術素養，即具有利用信息技術的意識、能力與道德。其中，利用信息技術的能力是指獲取、存儲、分析、加工、變換、傳輸與評價信息的能力。
3、研究內容
（1）教育技術。教育技術能力培訓教材則是圍繞教學設計和教學實施的各個環節展開。教育技術能力培訓涉及信息技術的內容，但目的是利用這類技術優化教學過程以提高學習的質量與效率
（2）信息技術。信息技術培訓教材圍繞各種信息處理技術而展開，盡管信息技術培訓中也涉及教學資源開發、教學軟件利用和教學自動測評等教學應用的內容，但目的是通過這類教學應用作案例去驗證相關的信息技術的實用性與有效性。
二、教育技術與信息技術的聯系
以教學設計和資源處理為核心的教育技術培訓與信息技術培訓有一定的聯系，但根本不同，具體如下：
（一）信息技術是教育技術的基礎。信息技術和教育技術二者雖有較密切的聯系，但卻屬于不同的學科，并有各自不同的研究對象和研究范疇。教育技術關注技術在教育中的作用，其研究對象是教學過程與教學資源，研究范疇則是教學過程與教學資源的設計、開發、利用、管理與評價。即教育技術關注的是應用于教育教學過程或作為教學資源的技術。而信息技術是指能夠支持信息的獲取、傳遞、加工、存儲和呈現的一類技術。其中，應用在教育領域中的信息技術主要包括電子音像技術、衛星電視廣播技術、多媒體計算機技術、人工智能技術、網絡通信技術、仿真技術和虛擬現實技術等。
（二）教育技術是信息技術在教學中的有效應用。教育技術是解決教學問題，提高教學質量方法方式的總和，信息技術是教育技術解決問題的一種手段和方法。當然現在教育技術中很多研究是與信息技術相關的，所以也造成了信息技術與教育技術的概念的混亂。在教育技術中關注的信息技術現在主要包括：廣播衛星電視技術，多媒體，計算機網絡通訊，人工智能和虛擬仿真等方面內容。教育技術的核心是教學設計，不應把信息技術等同于教育技術，教育技術不只關注信息技術，其核心點在于如何利用信息技術及其它技術提高教學質量，達到教育的最優化。
總之，教育技術在很大程度上以信息技術為基礎，但卻并不等同于信息技術。信息技術和教育技術二者雖有較密切的聯系，但卻屬于不同的學科，并有各自不同的研究對象和研究范疇，通過信息技術培訓和教育技術能力培訓所要達到的目標也完全不同。教育技術的有效應用，是要在先進的教育思想、理論等無形技術的指導下合理地選擇有形技術，將其有機地組織在一起，應用到實際教學中。而信息技術是指一切能夠擴展有關器官功能的技術，簡單的說教育技術關注的是媒體的合理應用，而信息技術關注的是教育領域關于計算機和網路等知識的應用。教育技術比信息技術包含的內容更為廣泛。
參考文獻
[1]祝智庭主編.現代教育技術――走向信息化教育[M].北京：教育科學出版社，2002.
一、深度學習概念的提出
深度學習的概念，源于30多年來計算機科學、人工神經網絡和人工智能的研究。上世紀八九十年代，人們提出了一系列機器學習模型，應用最為廣泛的包括支持向量機（Support Vector Machine，SVM）和邏輯回歸（Logistic Regression，LR），這兩種模型分別可以看作包含1個隱藏層和沒有隱藏層的淺層模型。計算機面對較為復雜的問題解決訓練時，可以利用反向傳播算法計算梯度，再用梯度下降方法在參數空間中尋找最優解。淺層模型往往具有凸代價函數，理論分析相對簡單，訓練方法也容易掌握，應用取得了很多成功。①隨著人工智能的發展，計算機和智能網絡如何基于算法革新，模擬人腦抽象認知和思維，準確且高清晰度地進行聲音處理、圖像傳播甚至更為復雜的數據處理和問題解決等，在21世紀來臨的時候成為擺在人工智能領域的關鍵問題。
30多年來，加拿大多倫多大學計算機系辛頓教授（Hinton，G.）一直從事機器學習模型、神經網絡與人工智能等問題的相關研究，并在機器學習模型特別是突破淺層學習模型，實現計算機抽象認知方面取得了突破性的進展。2006年，他在《Science》上發表了《利用神經網絡刻畫數據維度》（Reducing the Dimensionality of Data with Neural Networks）一文，探討了應用人工神經網絡刻畫數據的學習模型，首先提出了深度學習（Deep Learning）的概念和計算機深度學習模型，掀起了深度學習在人工智能領域的新。這篇文章的兩個主要觀點是：第一，多隱藏層的人工神經網絡具有優異的特征學習能力，學習到的特征對數據有更本質的刻畫，從而有利于可視化或分類；第二，深度神經網絡可以通過“逐層初始化”（Layer-wise Pre-training）來有效克服訓練和優解的難度，無監督的逐層初始化方法有助于突破淺層學習模型。②基于深度置信網絡（DBN）提出非監督逐層訓練算法，為解決深層結構相關的優化難題帶來希望，隨后提出多層自動編碼器深層結構。③2012年，辛頓又帶領學生在目前最大的圖像數據庫ImageNet上，對分類問題取得了驚人的結果，將計算機處理圖像數據問題時排名前五的錯誤率（即Top5錯誤率），由最高26%大幅降低至15%，大大提高了人工智能圖像數據處理的準確性和清晰度，這是早先計算機僅僅依賴數學模型的表層學習和單層學習根本無法實現的水平。
在人工智能領域，深度學習其實是一種算法思維，其核心是對人腦思維深層次學習的模擬，通過模擬人腦的深喲緯橄筧現過程，實現計算機對數據的復雜運算和優化。深度學習采用的模型是深層神經網絡（Deep Neural Networks，DNN）模型，即包含多個隱藏層（Hidden Layer，也稱隱含層）的神經網絡（Neural Networks，NN）。深度學習利用模型中的隱藏層，通過特征組合的方式，逐層將原始輸入轉化為淺層特征、中層特征、高層特征直至最終的任務目標。深度學習可以完成需要高度抽象特征的人工智能任務，如語音識別、圖像識別和檢索、自然語言理解等。深層模型是包含多個隱藏層的人工神經網絡，多層非線性結構使其具備強大的特征表達能力和對復雜任務的建模能力。訓練深層模型是長期以來的難題，近年來以層次化、逐層初始化為代表的一系列方法的提出，為訓練深層模型帶來了希望，并在多個應用領域獲得了成功。
人工智能學者們認為計算機和智能網絡的這一深層的自動編碼與解碼過程，是一個從數據刻畫、抽象認知到優選方案的深度學習的過程。由于人腦具有深度結構，認知過程是一個復雜的腦活動過程，因而計算機和人工智能網絡模擬從符號接受、符號解碼、意義建立再到優化方案的學習過程也是有結構的；同時，認知過程是逐層進行、逐步抽象的，人工智能不是純粹依賴于數學模型的產物，而是對人腦、人腦神經網絡及抽象認知和思維過程進行模擬的產物。應該說，到目前為止，深度學習是計算機和智能網絡最接近人腦的智能學習方法。近幾年來，深度學習進一步嘗試直接解決抽象認知的難題，并取得了突破性的進展，AlphaGo的問世，便是明證。2013年4月，《麻省理工學院技術評論》（MIT Technology Review ）雜志將深度學習列為2013年十大突破性技術之首。④深度學習引爆的這場革命，將人工智能帶上了一個新的臺階，不僅學術意義巨大，而且實用性很強，工業界也開始了大規模的投入，一大批產品將從中獲益。二十世紀八九十年代以來，隨著學習科學的不斷發展，深度學習的概念和思想不斷在教育中得到應用。
二、深度學習在教育中的興起與發展
來自腦科學、人工智能和學習科學領域的新成就，必然引起教育領域研究者的深刻反省。計算機、人工智能尚且能夠模擬人腦的深層結構和抽象認知，通過神經網絡的建立開展深度學習，那人對知識的學習過程究竟應該是怎樣的一個腦活動過程和學習過程？學生的學習有表層和深層等層次之分嗎？從作為符號的公共知識到作為個人意義的個人知識究竟是怎樣建立起來的？知識學習過程究竟是一個怎樣的抽象認知過程？信息技術環境支持下深層次的學習如何實現？近十多年來，這些問題引起了許多教育研究者特別是教育技術學研究者的濃厚興趣，深度學習、深度教學的研究日益引起人們的重視。也正是在辛頓的“深度學習”概念明確提出后，教育學領域特別是教育技術學領域的深度學習研究日益活躍起來。
其實，早在1956年布魯姆在《教育目標分類學》里關于“認知領域目標”的探討中，對認識目標的維度劃分就蘊含了深度學習的思想，即“學習有深淺層次之分”，將教學目標分為了解、理解、應用、分析、綜合、評價六個由淺入深的層次。⑤學習者的認知水平停留在知道或領會的層次則為淺層學習，涉及的是簡單提取、機械記憶符號表征或淺層了解邏輯背景等低階思維活動；而認知水平較高的深層理解、應用、分析、綜合和評價則涉及的是理性思辨、創造性思維、問題解決等相對復雜的高階思維活動，屬于深層學習。1976年，美國學者馬頓（Marton，F.）和薩爾約（Saljo，R.）在《論學習的本質區別：結果和過程》（On Qualitative Difference in Learning： Outcome and Process）一文中，明確提出了表層學習和深層學習的概念。⑥這被普遍認為是教育學領域首次明確提出深度學習的概念。他們在一項關于閱讀能力的實驗研究中，明確探討了閱讀學習的層次問題。通過讓學生閱讀文章并進行測驗，發現學生在閱讀的過程中運用了兩種截然不同的學習策略：一種是試圖記住文章的事實表達，揣測接下來的測試并記憶，即表層學習（Surface Learning）；另一種是試圖理解文章的中心思想和學術內涵，即深層學習（Deep Learning），也被譯為深度學習。深度學習的學習者追求知識的理解并且使已有的知識與特定教材的內容進行批判性互動，探尋知識的邏輯意義，使現有事實和所得出的結論建立聯系。淺層學習和深層學習在學習動機、投入程度、記憶方式、思維層次和遷移能力上有明顯的差異。深度學習是一種主動的、高投入的、理解記憶的、涉及高階思維并且學習結果遷移性強的學習狀態和學習過程。之后 ，拉姆斯登（Ramsden，1988）、英推施黛（Entwistle，1997）以及比格斯（Biggs，1999）等人發展了淺層學習和深度學習的相關理論。⑦隨著信息技術的發展，近十年來，國外學者對信息技術支持下的深度學習及其在各學科領域、各類教育中的應用研究日漸廣泛。
2002年以來，從技術支持高等教育的深度學習、虛擬環境中的深度學習、形成性評估對深度學習的影響、學習環境對學生進行深度學習的影響、技術支持下的深度學習設計等方面研究成果日益豐富，但絕大部分是基于教育技術學視野的研究成果。2006年，辛頓教授關于深度學習的成果發表，進一步推動了深度學習在教育中的研究與應用。近十年來，在中小學深度學習研究方面最有影響的當屬加拿大西盟菲莎大學（Simon Fraser University）艾根（Egan， K.）教授領銜的“深度學習”（Learning in Depth，簡稱LID）項目組所進行的研究，其成果集中體現在《深度學習：轉變學校教育的一個革新案例》（Learning in Depth： A Simple Innovation That Can Transform Schooling）等著述之中。⑧該研究探討了深度學習的基本原則與方法，分析了深度學習對學生成長、教師發展和學校革新的價值與路徑，并在加拿大部分中小學進行實驗研究。其核心成果聚焦課堂學習和教學問題，即使是關于教師教育中深度學習的研究，也聚焦于教師的學習過程和學習方式。⑨艾根所開展的深度學習研究項目超越了單一教育技術學視野的研究，不僅僅是關于教學設計、學習技術和學習環境開發的研究，而是基于建立新的學習觀和知識觀，對教學活動與學習過程作出了新的闡釋。
總體上看，國內關于深度學習的研究最近十年才剛剛起步。2005年，我國學者黎加厚教授在《促進學生深度學習》一文中，率先介紹了國外關于深度學習的研究成果，同時探討了深度學習的本質。他認為深度學習是指在理解學習的基礎上，學習者能夠批判性地學習新的思想和事實，并將它們融入原有的認知結構中，能夠在眾多思想間進行聯系，能夠將已有的知識遷移到新的情境中，作出決策和解決問題的學習。⑩此文被認為是國內較早介紹并論及深度學習的研究成果，此后，關于深度學習的探討，特別是基于信息技術環境下的深度學習的相關研究論文逐漸增加。2006年10月，筆者在前期研究的基礎上，與臺灣成功大學教育研究所所長李坤崇教授聯合發起“海峽兩岸能力生根計劃”，推進能力導向的深度教學的理論研究與實驗研究，主張以價值觀、知識觀、學習觀、過程觀的重建為基礎，以發展學生的學科能力為宗旨，實施深度教學，克服課堂教學改革過于注重教學程序、教學技術、教學時間的淺層次改革和表層學習的局限性，深化課堂教學改革。2014年后，中國教育科學院院長兼教育部課程教材研究與發展中心主任田慧生研究員基于深化課程改革的需要，帶領一個團隊開始啟動深度學習的項目研究。直至今日，基于核心素養追求背景下的深度學習研究項目，如雨后春筍般涌現，“深度學習”成為教育研究中的一個熱詞。
盡管計算機、人工智能領域與教育學領域都提出了“深度學習”概念，但不難看出二者顯然具有本質差異。計算機與人工智能領域的深度學習是建立在機器模擬人腦深層結構的基礎之上的，是基于人腦結構的一種計算機算法思維和問題解決模型，是對人腦和認知結構的模擬。而教育學領域的“深度學習”概念，無論是布魯姆還是馬頓和薩爾約，都指向了“知識”和“學習”兩個核心，是關于知識學習的目標和過程的問題。布魯姆在教育目標分類學認知領域的目標構設中，認為認知目標是由了解、理解、應用、分析、綜合、評價六個不斷加深的層次構成的。這一目標明顯是關于知識學習和認知過程的目標，在2001年修訂版中，這一目標被精確表述為知識學習和認知過程兩個維度。馬頓和薩爾約在關于閱讀的研究中，基于學生對文本理解的層次和理解的深度提出了“深度學習”的概念，并認為學習的本質區別在于過程而不是學習的結果，是學生對文本知識學習的深刻程度決定了其學習結果的差異性。
艾根的研究實現了從深度學習向深度教學的轉向。艾根的深度學習（Learning in Depth）研究更明確地指向了學生對知識的學習所到達的深度，以及教師通過對知識的處理引導學生逐步到達一定的學習深度。這一深度學習的過程是一個逐步深化的學習過程，要求教師在教學過程中引導學生著眼于知識的深層次理解和深度處理。該項研究表明，深度學習的研究開始從單一的學習技術研究轉向了對教學過程的關注，注重深度學習與深度教學的關聯性和一致性，深度學習的研究呈現出向深度學習與深度教學相結合的轉向。
三、深度學習的核心理念
從深度學習走向深度教學，一方面是教與學的一致性決定的，另一方面是當前中小學課堂教學普遍存在的局限性Q定的。教與學的關系既不是對立關系，也不是對應關系，而是一種具有相融性的一體化關系，離開了教無所謂學，離開了學也無所謂教。學生真正意義上的深度學習需要建立在教師深度教導、引導的基礎之上。從本質上看，教育學視野下的深度學習不同于人工智能視野下的深度學習，不是學生像機器一樣對人腦進行孤獨的模擬活動，而是學生在教師引導下，對知識進行的“層進式學習”和“沉浸式學習”。“層進”是指對知識內在結構的逐層深化的學習，“沉浸”是指對學習過程的深刻參與和學習投入。離開了教師的教學和引導，學生何以“沉浸”？因此，深度學習只有走向深度教學才更具有發展性的意義和價值。同時，我國新一輪基礎教育課程改革以來，課堂教學改革依然存在著諸多表層學習、表面學習和表演學習的局限性，“學習方式的轉變”往往演變成了教學形式的改變，諸如教與學在程序上的簡單翻轉和在時間上的粗暴分配。其所體現出來的知識觀、價值觀、教學觀、過程觀依然陳舊落后，以學科知識、學科能力、學科思想和學科經驗的融合為核心的學科素養依然未能得到實質性的滲透。
深度教學的“深度”是建立在完整而深刻地處理和理解知識的基礎之上的。艾根在深度學習的研究中，首次從知識論的角度，論述了深度學習的“深度”（Depth）的涵義。他認為“學習深度”具有三個基本標準，即知識學習的充分廣度（Sufficient Breadth）、知識學習的充分深度（Sufficient Depth）和知識學習的充分關聯度（Multi-Dimensional Richness and Ties）。這三個標準，也是深度學習的核心理念。
第一，知識學習的充分廣度。充分的廣度與知識產生的背景相關，與知識對人生成的意義相關，與個體經驗相關，也與學習者的學習情境相關。如果教學把知識從其賴以存在的背景、意義和經驗中剝離出來，成為純粹的符號，便成為無意義的符號、無根基的概念知識。知識具有強烈的依存性，無論是自然科學的知識還是社會科學或人文學科的知識，都是特定的社會背景、文化背景、歷史背景及其特定的思維方式的產物。離開了知識的自然背景、社會背景、邏輯背景，前人創造的知識對后人而言幾乎不具有可理解性。隨著深度學習的興起，旨在以廣度促進理解的“無邊界學習”日益引起人們的重視。可見，知識的充分廣度，其實是為理解提供多樣性的支架，為知識的意義達成創造了可能性和廣闊性基礎。
第二，知識學習的充分深度。知識的充分深度與知識所表達的內在思想、認知方式和具體的思維邏輯相關，深度學習把通過知識理解來建立認識方式，提升思維品質，特別是發展批判性思維作為核心目標。所以說，深度學習是一種反思性學習，是注重批判性思維品質培養的學習，同時也是一種沉浸式、層進式的學習。深度學習強調學習過程是從符號理解、符號解碼到意義建構的認知過程，這一過程是逐層深化的。
第三，知R學習的充分關聯度。知識的充分關聯度，是指知識學習指向與多維度地理解知識的豐富內涵及其與文化、想象、經驗的內在聯系。知識學習不是單一的符號學習，而是對知識所承載的文化精神的學習。同時，通過與學生的想象、情感的緊密聯系，達到對知識的意義建構。從廣度，到深度，再到關聯度，學生認知的過程是逐層深化的。所謂意義建構，即從公共知識到個人知識的建立過程，都需要建立在知識學習的深度和關聯度之上。
①Y.LeCun and Y.Bengio.Convolutional networks for images，speech，and time-series.In M.A.Arbib，editor，The Handbook of Brain Theory and Neural Networks.MIT Press，1995.
②Geoffery E.Hinton and Salakhutdinov R.R.，Reducing the dimensionality of data with neural networks. Science.2006 Jul 28；313（5786）：504-7.
③Geoffrey E.Hinton，Simon Osindero，Yee-Whye Teh. A Fast Learning Algorithm for Deep Belief Nets. Neural Computation.2006（7）.
④余凱等.深度學習的昨天、今天和明天[J].計算機研究與發展，2013，9.
⑤安德森.布盧姆教育目標分類學（修訂版）[M]. 北京：外語教學與研究出版社，2009：78-80.
⑥Marton，F. and Saljo，R.，On Qualitative Difference in Learning：Outcome and Process. British Journal of Educational Psychology，1976，46：4-11.
⑦安富海.促進深度學習的課堂教學策略研究[J].課程?教材?教法，2014，11.
⑧Kieran Egan. Learning in Depth： A Simple Innovation That Can Transform Schooling. London， Ontario： The Althouse Press， 2010.
【關鍵詞】機電一體化 教學改革 專業特色 智能化
一、引言
隨著現代化工業生產的發展，由氣動技術、液壓技術、傳感器技術、PLC技術、網絡及通訊技術等學科的強烈相互滲透而形成的機電一體化技術，已成為當今工業科技的重要組成部分。但是也存在不足之處，學生畢業后大部分被分配在生產第一線，所從事的工作不是研究、設計、開發、決策等，而是操作設備、制定工藝、籌劃工裝卡具、調整試車、查找故障和排除故障，在學校學的知識相當一部分用不上，而現場工作所必需的工作能力又不具備。
二、改革的必要性
隨著國民經濟的增長，社會對人才的需求也開始增長，社會對人才特別是機電一體化專業人才的知識結構提出了新的要求。舊的辦學模式在人才培養的方法和途徑上受到很大的制約，使畢業生在理論研究的領域里“缺乏理論”，在技術應用領域內“缺乏應用”。有的專業由于課時設置不合理、教學方法陳舊等諸多原因，學生理論知識學習不扎實，又缺乏必要的社會實踐與動手能力，以至于課程結束后，了解的只是一些課本上的理論知識。
三、改革的思路
1 制定適應新形勢的教學內容。制定符合現代化建設要求的機電一體化專業教學計劃，遵循國家、省教委的有關文件精神，以綜合素質培養為基礎，以能力培養為主線。圍繞培養目標，對知識、能力、素質等方面進行合理的綜合安排，力求整體優化，培養實用的職業技術人才。
2 先進教學手段的應用。(1)運用多媒體進行直觀教學。(2)聯系生活，啟發學生思維，理論與實踐相結合。(3)與時俱進，激發學生的求知欲。
3 改革優化實踐環節。為了培養學生專業技術能力，改革傳統的實踐教學模式，將實踐教學分為三個階段進行：(1)實驗技能訓練。實驗技能訓練主要包括專業基礎課和專業課中的實驗，使學生掌握基本實驗儀器的使用，基本數據的測量、采集和基本實驗方法的運用。(2)單項技能訓練。單項技能訓練主要包括金工實習、數控實訓等，學生進行基本技能(鉗工、機加工、電工)、職業基本素質(數控車、數控銑、加工中心的編程和操作)的訓練。通過訓練使學生掌握相應的技能，參加職業資格考核取得數控工藝員或數控車、銑、加工中心操作工等級職業資格證書。(3)綜合技能訓練。綜合技能訓練主要包括生產實習、頂崗實習等，學在實訓中，采用邊教、邊學、邊做的教學方法，通過典型零件數控加工案例引導教學設計，針對實際零件數控加工任務討論工藝解決方案，并在加工現場實施，形成不同零件加工效果的直觀比較和認識，有效培養學生的技術應用能力，畢業后實現“零距離上崗”。
四、機電一體化的智能化發展
機電一體化是集機械、電子、光學、控制、計算機、信息等多學科的交叉綜合，它的發展和進步依賴并促進相關技術的發展和進步。未來機電一體化的主要發展方向有：
1 智能化。智能化是21世紀機電一體化技術發展的一個重要發展方向。這里所說的“智能化”是對機器行為的描述，是在控制理論的基礎上，吸收人工智能、運籌學、計算機科學、模糊數學、心理學、生理學和混沌動力學等新思想、新方法，模擬人類智能，使它具有判斷推理、邏輯思維、自主決策等能力，以求得到更高的控制目標。
2 模塊化。模塊化是一項重要而艱巨的工程。由于機電一體化產品種類和生產廠家繁多，研制和開發具有標準機械接口、電氣接口、動力接口、環境接口的機電一體化產品單元是一項十分復雜但又是非常重要的事。這樣，可利用標準單元迅速開發出新產品，同時也可以擴大生產規模。
3 網絡化。20世紀90年代，計算機技術等的突出成就是網絡技術。由于網絡的普及，基于網絡的各種遠程控制和監視技術方興未艾，而遠程控制的終端設備本身就是機電一體化產品。
4 微型化。微型化興起于20世紀80年代末，指的是機電一體化向微型機器和微觀領域發展的趨勢。國外稱其為微電子機械系統(MEMS)，泛指幾何尺寸不超過1立方厘米的機電一體化產品，并向微米、納米級發展。微機電一體化產品體積小、耗能少、運動靈活，在生物醫療、軍事、信息等方面具有不可比擬的優勢。
5 綠色化。工業的發達給人們生活帶來了巨大變化。一方面，物質豐富，生活舒適；另一方面，資源減少，生態環境受到嚴重污染。于是，人們呼吁保護環境資源，回歸自然。綠色產品概念在這種呼聲下應運而生，綠色化是時代的趨勢。
關鍵詞:貝葉斯公式;教學設計;商品質量檢測
《概率論與數理統計》作為一門理學類專業課程又是學生必修的一門公共基礎課程，課程介紹了處理隨機現象的基本思想和方法，利用數學工具，運用概率統計方法分析和解決問題。這門課程不僅專業性強，而且具有很強的應用性，幾乎遍及自然科學、社會科學、工程技術、軍事科學及生活實際等各領域。它源于生活，應用于生活。在對這門課程進行教學設計的過程中，要結合《概率論與數理統計》的應用性最強、最為活躍的課程特點，教師要善于在課堂教學中以實際問題為依托，注重案例教學，從而激發學生的學習熱情，培養學生的綜合能力和創新能力。案例教學是美國哈佛大學法學院首先提出來的，它在培養學生開放性思維能力和自我分析、自我評價等方面具有顯著的效果。所謂案例教學法就是通過展示一個典型的案例，然后啟發學生用課堂知識對案例進行多角度深入的分析，從中得出一些有意義結論或者掌握某種解決問題的方法。它能較好地鍛煉學生理論聯系實際的能力，增強理論聯系實際的意識，從而更好地把所學的知識內容運用到生活實際中去，體現“用數學”的思想。課堂中老師提出與生活密切聯系的案例作為課堂教學內容，不僅能使枯燥的課堂充滿活力和新鮮感，激發學生的學習興趣和參與課堂的欲望，還能增強知識的說服力。同時一些典型案例還具有育人功效，對學生的科學觀、價值觀、理想信念、家國情懷等方面具有重要的培養作用。概率論與數理統計這門學科難度大而實用性又很強，在各行各業中都有舉足輕重的應用，針對該特點，教師和學生要善于收集生活中的實際例子，找準與知識的結合點，將這些例子與課程知識有機結合起來，使得課堂變得生動有趣，使課本上理論性的知識變得容易理解，學生的學習興趣和學習欲望也相對強烈，由此達到良好的教學效果。如果把上好一節課比作一道美味菜肴，那么教學內容是主料食材，教學技能是烹料手藝，教學手段是烹調用具，而案例是食鹽。食材、手藝、用具再好，如果沒有案例的加入，菜還是索然無味。在現在這樣一個信息豐富的時代，每時每刻都有大量信息充斥著我們的大腦和眼睛。要善19于發現這些信息與課堂知識的有機契合點，對信息進行查找、分析、整理，找出切合教學點并適合課堂教學的案例，這需要付出很大的精力。上課分析案例時，要找準案例和課堂知識的切合點，通過開展小組討論和案例分析，從中抽象出一些有助于我們理解并應用知識的認識和經驗，從而學以致用。在一節課中，案例的分析要把握時長，不可拖沓使得學生覺得去知識性、去專業性，也不可過于粗略，使學生覺得理解不透，取得適得其反的效果。以案例教學法為主要教學手法的課程在實施過程中，要把握好“教師主導、學生主體”這個度，以問題驅動課堂，由表面到本質、步步設問、層層推進，引導學生主動思考并踴躍參與課堂，激發學生的學習興趣，發散學生的思維，讓學生在對案例的探索和實踐中領悟知識的作用、掌握解決問題的辦法和升華對知識的理解，培養學生活學活用，“用數學”解決實際問題、進行科學研究的意識和能力，體現“授人以漁”的思想。通過對實際問題案例的分析，讓學生在發現問題、分析問題、解決問題的過程中，體驗“用數學”的樂趣，培養“用數學”的能力，建立“用數學”的意識。使學生學會運用數學的思維方式去觀察、分析，面對實際難題能主動嘗試著從數學的角度運用所學知識和方法，尋找解決問題的最佳途徑。近年來，涌現了一些基于案例教學法的教學設計，以《概率論與數理統計》第一章第三小節“貝葉斯公式”為例，文章［1］首先介紹了貝葉斯公式的本質，使學生掌握將信息與樣本結合起來用于統計推斷的思想，引入經典案例“狼來了”，對學生進行做人誠實守信的思想品德教育。文章［2］給出了“課程思政”指導下的貝葉斯公式的一種全新教學模式，充分發揮了課程和教師的主體責任。探討貝葉斯公式的理論與實踐，傳統的教學往往注重課程的理論體系，學生學起來感到困難重重難以理解，本文的教學設計采用案例教學法，將貝葉斯公式應用到與我們日常息息相關的商品質量檢測問題，活學活用，整體逐步推進，使學生在掌握知識的同時，培養良好的解決問題的概率思維。下面給出貝葉斯公式的課程教學設計:
1創設情境熱點新聞引入
教師創設情境，利用多媒體播放圖片，展示一則近日有關商品質量問題的新聞，引入商品質量檢測的話題。對商品進行隨機抽樣檢查，根據檢查結果，教師引導學生思考“檢測次品后顯示該商品為次品的幾率”這個問題。通過教師與學生的互動，引出本節課所要探討的商品質量檢測問題和解決問題的辦法—貝葉斯公式。使學生對接下來要學習的貝葉斯公式產生極大的興趣，迅速進入學習狀態。
2定義貝葉斯公式
教師展示定理內容，給出貝葉斯公式［2］:設試驗E的樣本空間為Ω，B1，B2，…，Bn是它的一個完備事件組，且P(Bi)＞0(i=1，2，…，n)，則對任一事件A，且P(A)＞0，有由前面所學的條件概率公式出發，教師結合線路圖對公式進行直觀的推導。教師引導學生對定義進行理解，在上一節全概率公式的基礎上，直觀地將Bi看成是導致A發生的各種可能原因，且P(ABi)已知，如果A已發生，反過來要探究眾多的原因中由Bi這個原因所引發的概率。它是一個“由果索因”的條件概率，并且在日常生活中有著廣泛的應用。利用多媒體插入數學家貝葉斯的照片，介紹貝葉斯公式是1763年由英國數學家貝葉斯首次提出來的，并由此思想形成了后來的“貝葉斯方法”。通過引入貝葉斯公式相關的數學文化，開闊學生的知識視野。教師還可引申數學家積極探索，追求科學真理的精神，培養學生不畏挫折、勇攀高峰的學習精神。
3案例分析:商品質量檢測
教師展示商品質量檢測的一則案例:假設某商品的次品率為0．1%，而現有的檢測手段靈敏度為95%(即發現商品確實為次品的概率為95%)，將好的商品判為次品的概率為1%。此時對商品質量進行隨機抽樣檢查，檢查結果顯示該商品為次品。問儀器在檢測次品后顯示該商品為次品的概率。教師引導學生對案例進行分析，首先引入數學符號A表示“檢測為次品”，B1表示“商品為次品”，B2表示“商品為正品”。由題目已知的條件可得:P(AB1)=0．95，P(AB2)=0．01，P(B1)=0．001，P(B2)=1－P(B1)=0．999，目的是求P(B1A)。為了更加清楚的理解題目，教師借助于全概率公式的路徑圖(如圖1)來表示，有兩條路徑可以抵達“檢測為次品A”的目的地。一條是商品本身就是次品，檢測為次品;另外一條是商品本身是正品，檢測為次品。檢測為次品A的概率就是這兩條路徑的概率之和，即代入具體數據計算可得P(B1A)約等于8．68%。教師提問學生對這個結果數字大小是否感覺到意外，通過課堂實踐發現大部分學生會覺得數字之小有點出乎意料。這個數字看起來非常荒謬且不切合實際，因為這樣的結果告訴我們現有對于次品商品的檢測手段極其不靠譜，誤判的概率極大。教師對案例進行分析總結:由于實際商品的次品率很低，即實際送來的商品中絕大多數是沒有質量問題的，也就是說1000個商品中，只有1個是次品，但是在檢測中我們可以看到，儀器顯示這1000個商品中存在著10．94個次品，結果相差了10倍。所以，這就告訴我們，在實際生產制造過程中，當一個商品檢測出是次品后，必須要通過再一次的復檢，才能大概率確定該商品為次品。
4小組應用討論
[關鍵詞]數字經濟；物流管理；創新人才培養模式
在經濟發展新常態下，消費模式的服務化、銷售市場的分散化與智慧物流的普及化帶來了復雜結構的物流需求，隨著移動互聯網技術成熟，在國家政策支持下，物流各項指標隨著大數據產業發展呈現翻倍增長態勢，同時，對于“大數據”技術的充分應用，物流路線、選址及倉儲等，都有望得到進一步優化，從而達到即時服務的終極目標。數字經濟作為經濟的一個新業態，已經成為新舊動能轉換中非常重要的驅動力，也是全球新一輪產業競爭的制高點。數字技術的快速發展同時改變著工作和職業的性質，2018年，中國數字經濟領域提供的就業崗位為1.91億個，占當年總就業人數的24.6%，同比增長11.5%，數字技術在提高勞動效率的同時，也會減少對于勞動力的需求，根據麥肯錫全球研究所估計，到2030年，可能有多達2.2億中國工人需要換工作，占中國總勞動力的30%，而物流一直被視為勞動密集型行業，面臨這樣的沖擊，勢必需要快速的轉型升級和新舊動能轉換。由此可見，傳統的教學空間布局、教學組織模式、教學方法與技術等已經無法適應工業4.0背景下物流創新型人才的培養，教育改革勢在必行。
1.物流管理人才培養存在的問題
1.1物流管理專業教育模式創新體系缺乏系統性
國務院印發的《深化新時代教育評價改革總體方案》總體思想要求突出培養相應專業能力和實踐應用能力，新文科建設要求通過跨專業、跨學科、跨界甚至跨域整合突破界限壁壘，運用“新”（新經濟、新技術）、“融”（嵌入式、交融感）、“通”（跨學科、跨領域）、“特”（有特色、很特別）的新文科思維，創新運用互聯網、云計算、大數據、人工智能等數字技術，產學合作協同優化、創新設計新時代文科的人才培養方案、課程內容體系、教育教學方法、科教融合模式和教學評價機制等，推動跨學科深入交叉互滲、跨領域深度融合貫通。這與物流產業發展對人才的需求標準不謀而合，因此融合新文科建設思路是深化物流管理教育改革的重要方向。但物流觀看了創新教育需要將改革策略及具體舉措集成在一個系統的、立體的、全面的適應性體系建設上，只是通過增加課程的實踐環節無法形成一體化的課程計劃；單純運用一些類似翻轉課堂、課堂APP等授課技巧也只是舊有教學模式的完善。
1.2物流管理人才培養目標設置與社會發展趨勢沒有保持一致
需求的刺激、市場結構優化和技術變革等改變促進了中國物流業的快速增長，“互聯網+”促進了傳統物流產業的變革升級，人工智能、物聯網和區塊鏈的結合，正在讓物流行業發生一場效率革命，這些都帶來了復合型專業人才的緊缺，從而制約了物流產業鏈的迭代更新。而物流管理教學的目標更多是舊有知識的輸出，在這一背景下，需要更加關注課程的設置與質量，培養物流管理人才解決復雜問題的能力、競爭力、領導力、新技術開發能力及社會責任等素養。
1.3物流管理教改研究中對課程研究較多，創新人才培養體系研究較少
從中國知網CNKI數據分析結果可知，物流管理教改研究中“物流課程”的中心性最高，圍繞該關鍵詞，出現了“物流課程”，“國際物流”，“教學質量”，“教學改革”等高頻詞，也有結合行業發展背景進行物流人才培養模式研究，例如徐龍閃，肖紅波（2021），呂雪（2020），潘鵬（2021）等學者主要研究了在互聯網背景下物流管理專業人才培養目標和培養體系，但教改領域中針對數字經濟背景下物流管理創新人才培養相關研究較少。
1.4國內外先進的教學理念、教學模式、教學方法等的應用不夠
隨著我國高等教育改革的不斷發展以及國際交流與合作的持續深入，先進的教學理念、教學模式、教學方法等層出不窮，日益創新，發展迅速。其中典型的成果是北美地區高校教學技能培訓機構CaffarellaRS（2002）提出的BOPPPS教學模型，因強調激發授課對象的主動性，被全球超過100所大學和產業培訓機構所推崇。因為物流同時根植于工程和管理實踐的，既體現了工程與管理門類學術研究主題的綜合，也體現了物流實踐中工程技術與管理方法的交叉融合，因此麻省理工大學創立的CDIO工程教育理念為物流管理教育提供了一個新的思路和研究方向，也為我國的物流管理新文科改革提供一些有益的借鑒。CDIO的核心思想在于鼓勵學生以主動的、理論聯系實踐的、課程之間相互交融和有機聯系的方式進行學習。CDIO理念與教育模式的創新在很大程度上逐漸成為中國高等工程教育界重要且具有巨大影響力的改革行動之一，迄今為止，CDIO在中國的發展已逾十年，但CDIO模式多數仍局限于機械、電氣、化工、土木、農業類專業，因此結合物流管理人才需求現狀，我們認為“BOPPPS-CDIO”教育模式更能夠有助于復合型、多元化創新物流管理人才的培養。
1.5提高管理管理課程群教學效果的需要
物流在我國國民經濟中占據重要的位置，物流行業的應用型人才需求和教學效果并不匹配。目前整個教學環節與實踐中存在著重傳授理論知識、缺乏系統化的學生能力培養，理論實踐相互脫節、學生興趣不濃的現象，教學模式難以匹配學生數學素養參差不齊等問題。
2.數字經濟時代對物流管理創新人才的新需求
2.1數字經濟時代對物流就業的影響
數字經濟的概念最早是由DonTapscoti在20世紀末提出，中國信息通信研究院的《中國數字經濟發展與就業白皮書（2020年）》中對數字經濟的概念進行定義：“數字經濟是以數字化的知識和信息作為關鍵生產要素，以數字技術為核心驅動力，以現代信息網絡為重要載體，通過數字經濟與實體經濟深度融合，不斷提高數字化、網絡化、智能化水平，加速重構經濟發展與治理模式的新型經濟形態”。數字經濟發展造成了物流管理勞動力市場兩極分化。一方面，數字經濟催生了很多新模式和新業態，例如尤其在消費市場創造了大量物流新就業機會，另一方面，由于人工智能的特點，物流業中重復性、機械性勞動更容易被機器和軟件替代，此類崗位大幅減少，一線工人的工作日也將因自動化而重新配置。
2.2數字經濟時代對物流管理專業人才的要求
我國非常重視物流產業人才培育，截至2018年，全國開設物流管理專業的高校就達396所，而物流智能化，物流平臺，物流資本化，物流新零售等創新經濟所需要的物流人才培養規模過小。從物流行業細分領域人才需求表（見表1）不難看出，數字經濟時代對創新型物流專業人才的要求體現在以下幾個方面：一是邏輯思維能力強、具備數字化思維和能力。二是熟悉物流服務行業的業務模式及流程。三是能通過數字的牽引，具備整合管理、業務和技術的能力。
3.數字經濟時代物流管理創新人才培養路徑
3.1基于數字經濟背景建立物流管理創新人才分層教學模式
3.1.1融合數字經濟設定層次化培養目標通過對政府、企業、科研院所的調研走訪，研究數字經濟背景下物流管理人才需求，對物流管理就業狀況的數據收集分析整理，同時整理物流領域需要的數字技能，建立通用的數字技能分類，例如物流數字化開發類，物流數字化運營類等，根據技能分類和勞動力市場需求的指導，制定和實施具有針對性的培養計劃。在教學目標上，融合數字經濟設定層次化培養目標，促進知識、能力、素養的有機結合，按照培養目標和社會需求建立分層次教學體系，確定培養目標和知識能力體系，對學生進行基礎層、應用層、創新層分層次分階段教學的培養。通過層次化培養目標解決學生基礎差異，教學與實際脫節的問題，幫助不同層次的學生將課程理論內容相互銜接與融合，形成較完整的解決問題的理論體系與思路。教學計劃上，擬定培養高水平管理人才的教學計劃，使課程的教學計劃能夠與宏觀經濟、產業發展、企業實際需求實現良好的對接。
3.1.2提升教師數字經濟和專業知識水平當今的物流業很難避免數字化競爭，現代物聯網，人工智能，云技術，區塊鏈，流程自動化RPA等數字技術的加速創新迫切需要提升高校教師的數字經濟相關知識和技能，因此，通過讓教師參加數字經濟及相關技術的培訓、學習、講座和研討等方式，并通過校企合作項目，讓教師進入相關企業進行實踐鍛煉，提升教師的數字經濟素養。另一方面，高校可以建立雙導師制度，引進企業教師，充分發揮豐富實踐經驗的優勢，企業教師不限于物流行業，互聯網、新零售、電子支付等高科技行業，這些導師一方面能彌補高校教師實踐經驗不足的缺陷，另一方面也能夠生動還原企業營運環境。在高校物流管理專業建立專業教師、企業導師、職業指導三重師資隊伍結構，進行通識教育，物流專業教育，職業教育培養教學，著力培養既具備物流知識技能又具備計算機、大數據知識技能的高素質物流人才。
3.1.3豐富物流數字經濟教學內容教學內容上，堅持理論與需求、經濟、技術、產業鏈等環境變化以及物流與金融，IT，工程學，建筑等其他學科的有效融合，增加物流數字化運營管理的知識體系與發展動態知識學習內容，保持知識結構的前沿性和時代性。在課程設置方面，應在設置經濟、管理、工程等一般理論課程的基礎上，針對不斷更新迭代的細分領域，例如物流與金融學科的融合產生出的倉管質押、代收支付、貨車信貸等細分領域；物流與IT的融合產生出的車貨匹配、智慧物聯網等領域；物流與工程學的融合產生出的AGV、無人機、自動化倉儲分揀等領域，合理設置區塊鏈、大數據技術與應用、智慧物流營銷與管理、互聯網金融與管理等課程方向，將物流與供應鏈的知識進行深度融合，突出智慧物流與供應鏈的發展特色。
3.2利用數字技術實現多渠道學習和教學
一是加強數據資源建設，搭建“數字技術+物流”教育平臺，平臺教程和案例數字資源庫由教師和企業共同參與、設計和完成；運用“BOPPPS有效教學模組”作為線上線下混合式教學設計的“基本架構”，充分利用數字技術，通過在線課程，智慧課堂、學習通等方式豐富教學過程，并合理利用這些平臺對學生學情等數據進行分析，營造參與式教學氛圍，及時調整教學內容和手段提高教學質量。；教學實踐上，持續豐富實踐教學內容，達到“第一課堂”與“第二課堂”的有效契合，增加物流仿真實驗等實踐項目、企業實地研究和實習機會，激發學生對實用技能的興趣，培養學生考慮數字經濟背景下解決復雜物流管理問題的綜合能力與高級思維；二是強化實踐教學體系，豐富和完善教學實踐。通過構建實驗教學平臺、學科交融討論平臺和課外實踐平臺，強化實踐教學環節，實現課內與課外、理論與實踐的對接。強化實驗教學。結合理論講解和案例教學，認真開展實驗教學。教師充分應用實訓場地、設備、軟件指導學生在實驗課堂上動手完成各項模擬業務操作，提高學生動手能力。組織學生參加各項競賽活動。每年由學生組建團隊，參加全國各項物流大賽，學生主動參與，提高學生的知識運用能力和合作意識。用“課程+興趣+社會”的教學為學生創造有意義的學習經歷，鼓勵學生觀察家鄉或者身邊的實際情況，綜合運用物流成本、管理學、微觀經濟學等物流管理等文科知識提出解決方案。增加校企實習實踐考核力度。企業實習不局限于熟悉物流日常操作，建立學校和企業雙向溝通渠道，教師和企業導師共同指導同學物流實習，鼓勵企業問題進課堂，課堂理論企業應用，利用APP，QQ，微信，騰訊課堂等數字手段，進行現場討論并提出有建設性的方案。
3.3多維度考核評價機制，解決重結果輕過程的問題
實行過程性考核與多形式考核的有效契合，提高考核的全面性、實踐性。構建多維度教學效果評價體系，重視學生參與度和過程考核，課程考核包括試卷考核，線上答題，線下調研，成果匯報等多種形式。評分采用試卷評分，課堂和線上討論評分，同學互評等方式。優化評價方式。加大線上考核比例。線上考核內容應針對不同的學習內容進行權重設計，比如線上考勤，學情考核，課堂APP討論等，提高學生主動性，鼓勵學生觀察身邊現象，自發擬定討論話題。線下學習布置進階式任務，提高可操作性，增強學生物流方案設計能力。優化實踐環節評分體系。除了考核學生現場實習表現，同時要求學生針對企業問題提出獨立的方案，在最后的評選環節，由學校教師，企業導師和同學組成的評分組根據實際情況得出綜合得分。該分數是小組間橫向評比、集體評議的結果，能更加客觀地反映學生學習和掌握知識的實際水平。
4.結語
