| 363 | 0 | 526 |
| 下载次数 | 被引频次 | 阅读次数 |
针对目前机器学习课程存在的知识理论抽象、案例设计局限、实践培养单一、思政教育匮乏的教学困惑,提出“启智四维:媒介创新、技术赋能、实践驱动、思政向导”教学模式,介绍具体的课程教学设计与实施,探讨如何在教学内容、方法和实践环节中进行改革与创新,最后说明课程改革效果。
Abstract:In response to the current challenges in machine learning education, such as the abstraction of theoretical knowledge, limitations in case design, lack of diversity in practical training, and insufficient ideological and political education, this paper proposes a “four-dimensional intelligence-inspired” teaching model that emphasizes media innovation, technological empowerment, practice-driven learning, and ideological guidance. It introduces the specific course design and implementation strategies, explores reforms and innovations in teaching content, methodology, and practical components, and concludes with an evaluation of the effectiveness of the curriculum reform.
[1]蔡跃洲,陈楠.新技术革命下人工智能与高质量增长、高质量就业[J].数量经济技术经济研究, 2019, 36(5):3-22.
[2]吴砥,李环,陈旭.人工智能通用大模型教育应用影响探析[J].开放教育研究, 2023, 29(2):19-25, 45.
[3]周志华.机器学习[M].北京:清华大学出版社, 2016.
[4]张乐飞,罗勇,杜博.机器学习教学改革与人工智能人才培养[J].中国大学教学, 2023(5):18-21.
[5]刘小丽,古天龙. ChatGPT对计算机教育的影响及对策[J].计算机教育, 2023(11):38-44.
[6]毕天良,马凤强. ChatGPT类智能工具对我国高等教育的冲击及其应对[J].教育理论与实践, 2024, 44(3):3-8.
[7]李爽,韩锐,李轩涯.基于知识迁移贯通的机器学习课程教学改革[J].计算机教育, 2024(5):53-58.
[8]郑志峰.人工智能时代的隐私保护[J].法律科学(西北政法大学学报), 2019, 37(2):51-60.
[9] Liu P, Yuan W, Fu J, et al. Pre-train, prompt, and predict:A systematic survey of prompting methods in natural language processing[J]. ACM Computing Surveys, 2023, 55(9):1-35.
[10]姜彦民.基于“1-2-3-4”教学法的机器学习课程教学探索[J].计算机教育, 2024(10):229-234.
[11]杨俊锋,褚娟.人工智能教育应用的伦理风险和规范原则[J].中国教育学刊, 2024(11):21-27.
[12]蔡其全,张兰婷,潘理平. ChatGPT背景下教师的角色价值及其实现[J].教育理论与实践, 2024, 44(23):32-36.
基本信息:
DOI:10.16512/j.cnki.jsjjy.2025.11.034
中图分类号:G642;TP181-4
引用信息:
[1]王悦阳,熊庆宇,高旻,等.大模型背景下的机器学习教学改革[J].计算机教育,2025,No.371(11):136-141.DOI:10.16512/j.cnki.jsjjy.2025.11.034.
基金信息:
国家自然科学基金项目“面向复杂装备运行状态预测的网络表示学习方法研究”(62376043); 重庆大学教学改革研究项目“大模型背景下的机器学习教学改革研究与实践”(2023Y09); 重庆市高等教育教学改革研究项目“价值塑造引领、开放融合驱动、典型领域赋能,造就特色化软件创新人才”(PY202405)
2025-11-10
2025-11-10
