人工智能对教学的帮助精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的人工智能对教学的帮助主题范文，仅供参考，欢迎阅读并收藏。

第1篇：人工智能对教学的帮助范文

关键词：人工智能；教学改革；教学方法

引言

人工智能(ArtificialIntelligence)是一门研究和模拟人类智能的跨领域学科，是模拟、延伸和扩展人的智能的一门新技术。由于信息环境巨变与社会新需求的爆发，人工智能技术的日趋成熟。随着AI3.0时代的到来，大数据、云计算等新技术的应用也愈发广泛，对于管理类人才来说，加强对人工智能知识的深入学习，不断将人工智能技术与管理知识结合起来，对其未来职业生涯的发展有着重要作用。人工智能是一门前沿学科，管理学院开设人工智能课程的目的是为了更好地培养学生的技术创新思维与能力，基于其覆盖面广、包容性强、应用需求空间巨大的学科特点，通过概率统计、数据结构、计算机编程语言、数据库原理等基础课程的学习，加强学生解决实际问题的能力，为就业打下基础。本文基于社会对于人工智能领域的人才需求，结合诸多长期从事经管类专业课程教学的老师意见，针对管理类人才的人工智能课程教学内容与方法进行探讨，以期对中国高校人工智能课程教学改革研究提供帮助与借鉴。

1、教学现状与问题

作为一门综合性、实践性和应用性很强的理论技术学科，人工智能课程内容及内涵及其丰富，外延极其广泛。学习这门课程，需要较好的数学基础和较强的逻辑思维能力。针对管理类人才，该课程在课程教学过程中存在几个较为突出的问题。(1)课堂教学氛围枯燥目前，中国大多数大学仍采用传统的课堂教学模式，在教学过程中照本宣科，忽略与学生的互动，并且缺乏能够有效引起学生学习兴趣与加深知识理解的教学环节设置，如此一来大大降低了学生自主思考的能力。在进行人工智能相关课程知识讲解时，随着章节的知识难度不断增加，单向介绍式的枯燥教学方式无法反映人工智能学科的全貌，课堂讲解难以同时给以学生感性和理性的认知，部分学生因乏味的课堂氛围渐渐无法跟上教学进度，导致学习动力不足。(2)基础课程掌握不牢管理类专业的学生大部分都会走向更加具体化的管理岗位，具有多学科的素养，但这也导致很多学生所学知识杂而不精。学生在基础不夯实的情况下去学习更高层面的知识，给学生学习与老师教学都造成了很大困扰。人工智能课程知识点较多，涵盖模式识别、机器学习、数据挖掘等众多内容，概念抽象，不易学习。一些管理类专业的学生未能熟练掌握高等数学、运筹学、数据结构、数据库技术等先修课程，缺乏一定的关联思考和研究意识，导致课程学习难度增加，产生学时不足和教学内容难点过多的问题。(3)教学与实际应用脱节当下，人工智能广泛应用于机器视觉、智能制造等各个领域，给学生提供了大量的现实案例，使得人工智能不再是高深莫测的理论，而是现实中可以触及的内容。例如，在机械学科领域，人工智能技术是电气工程、机械设计制造、车辆工程等方向的重要技术来源；在医疗领域，是医疗器械的创新生产源动力；在能动领域，是高端能源装备与新能源发展的重要驱动；在光电信息与计算机工程领域，技术的发展时刻推动着智能科学与技术核心价值的提升。然而，对于管理类专业的学生来说，现阶段的人工智能教材涵盖许多智能算法及相关理论，在教学过程中常常涉及到很多从未接触过的抽象理论和复杂算法，书本中的应用实例大多纸上谈兵，缺乏专门适用于管理类专业知识与人工智能技术相结合的教学实践，加上一些教师授课方法单一，不利于引导学生将人工智能算法应用于现实生活。另外，大学生对知识的理解能力差异很大，教师采用统一的方式教给他们，这使一些学生无法跟上和理解，教师也无法控制学生的学习状况，导致学生缺乏动力。因此，如何结合学生的现实情况，提高他们的动手能力和实践经验也是人工智能课程教学要考虑的问题。

2、管理类人才的人工智能课程教学改进策略

课程教学改革是一项提高大学教学效果和人才培养质量的重要手段。如何在时代背景下应用新技术和新思想进行实施课程教学改革是高校亟待解决的问题。对于高校的教学工作而言，教学目标、教学内容和教学方式的变化不再是课程资源的简单数字化和信息化，而是充分利用时代信息资源优势的新型教学模式。针对管理类专业人工智能课程教学过程中存在的问题，可以从教学方法改进和教学内容设置两个方面进行课程教学改进。

2.1教学方法改进

教师对学生具有引领作用，其教学方法的改进能够带动学生改进自身学习方法。(1)启发式案例教学案例教学法就是教师根据教学目标、教学内容以及教学要求，通过安排一些具体的教学案例，引导学生积极参与案例思考、分析、讨论和表达等多项活动，是一种培养学生认知问题、分析和解决问题等综合能力的行之有效的教学方法。启发式案例教学以自主、合作、探究为主要特征，调动学生的学习积极性，并紧密结合人工智能领域的相关理论与方法，有效理解知识要点及其关联性，适用于管理类专业学生的教学。具体而言，高校基于其问题启发性、教学互动性以及实践有用性等特点，可以建立基于人工智能知识体系的教学案例库，虽然这项建设将极具挑战性与耗时性，但具有很强的积极效果：培养学生较强的批判性思维能力，更多地保留课程材料，更积极地参与课堂活动，对提高教学质量、培养具有人工智能背景的管理类人才具有重要意义。例如，通过单一案例教学，让学生掌握相关基础知识原理及应用；通过一题多解的案例使学生思考如何获取最有效的解题方法；通过综合案例的设计，启发学生全方位地探索问题的解决方案。(2)研讨互动式教学研讨互动式的各个教学环节是逐渐递进、有机结合的。研讨是基于学生个体的差异性，在课堂讨论的过程中对学生做出评判，从而对不同类型的学生开展针对性的教学。互动则是在研讨的基础上，通过老师与学生、学生与学生的互动，让学生主动参与到课堂教学的过程中来。在人工智能课程教学过程中，教师通过课堂讨论了解学生对于知识点的掌握情况，可以有针对性地设计教学内容，例如，对于学校积极性不强的学生，将人工智能理论内容与学生个人兴趣范畴、社会产业发展及研究现状联系起来，能够极大程度地提高学生学习的自主能力；对于基础知识较为薄弱的学生，可以在教师的指导下查阅相关文献资料，根据自己的理解撰写心得报告，并在课堂或课外进行师生互动。像这样研讨与互动相结合的模式。有助于增强学生的探索和求知欲望，建立起浓厚的学习氛围。(3)有效激励式教学人工智能是引领未来的战略性技术，人才需求量极大，对教师的教学水平也提出了更高要求，因此，进行有效激励极为重要。在学生激励方面，可以举办各类人工智能竞赛项目，设置相应项目奖学金，吸引学生参与实践，调动学生做研究、发论文的积极性。例如，教育部主办的中国研究生人工智能创新大赛，围绕新一代人工智能创新主题，激发学生的创新意识，提高学生的创新实践能力，为人工智能领域健康发展提供人才支撑。高校也可以借鉴这种模式，在各学院乃至全校开展此类竞赛项目，激发学生的创新能力与团队合作能力，鼓舞更多学生加入到人工智能课程的学习中来，激发其学习兴趣。在教师激励方面，在教师聘任和提升过程中把参加学生课程制定、课堂与课外作业、课程项目和论文指导等看作教学任务的一部分，鼓励教师积极参与这些活动。(4)学科渗透式教学人工智能学科知识融合程度较高，学科交叉性强。基于人工智能的学科交叉性特点，增强管理类人才对学科应用的领悟，可以采取开展学科渗透式教学的方法。从2015年起，国务院和教育部先后印发了《国务院关于积极推进“互联网+”行动的指导意见教育》、《高等学校人工智能创新行动计划》等文件，“互联网+”、“智能+”已经渗透到各个领域，人类进入数字经济时代，社会需求“技术+管理”的高端复合人才。例如，基于工业4.0和强国战略，人工智能技术在智能制造的应用极为广泛。上海理工大学非常重视少数民族预科班的教育质量。为增强少数民族管理类人才对该领域应用的认识，我们请机械工程、能源动力领域的相关专家以授课或讲座的形式，进行相关领域知识和发展趋势的讲解，使学生理解更为透彻。此外，在教学实践过程中，还可以用举办人工智能知识交流会、线上人工智能论坛等形式，促进不同专业间老师、学生对于人工智能知识模块的见解，相互交流、渗透和学习，从而推动人工智能课程教学的改进。

2.2教学内容设置

世界一流大学在人工智能课程内容设置根据不同国家的教育体系设置，肯定会有不同，但颇有共通之处。本文借鉴世界顶尖大学经验，针对管理类专业人工智能课程教学内容进行研究，结合中国教育体系设置，认为应从以下几方面进行改进。(1)核心内容设置为避免学生因为知识点过多而出现杂而不精的问题，势必要精化教学内容。在互联网时代，我们可以使用云计算和其他方式来实现数据信息的传输、存储和处理，通过在线收集和整合网络课程相关数据，挖掘和丰富教学资源，并在整合课程资源的基础上，进行研究方法和前沿知识的扩展。在核心内容设置方面，可以通过收集到的数据资料，选择人工智能领域具有代表性且难易程度适中的知识作为重点，使学生能够在有限的学时内掌握人工智能的知识脉络。例如，编写针对管理类人才的人工智能教材，内容涉及绪论、知识表示与推理、常用算法、机器学习、神经网络等方面的同时，重点增加相应知识点在管理上的应用案例，加强学生对知识点的理解。同时，根据管理类专业偏向领域，开设关联程度较大、应用较广泛的人工智能选修课程，以便学生根据自己的兴趣与需求选修具体方向的课程。(2)注重学生的数理及编程基础良好的数理及编程基础是学习人工智能的前提。只有具备了这些基础，才能搞清楚人工智能模型的数量关系、空间形式和优化过程等，才能将数学语言转化为程序语言，并应用于实验。管理学院人才的数理及编程基础相对薄弱，因此，在安排学生学习人工智能课程之前，建议开设面向全体管理类专业学生的微积分、线性代数、概率论等专业基础数学课程以及C语言、python等编程基础课程，使学生具备数学分析的基础与一定编程基础，为学习人工智能课程打下坚实的基础。另外，可以推进MOOC平台建设，在平台上开设人工智能网络课程，帮助学生掌握人工智能知识基础及专业技能。(3)实验建设为了加强学生对于人工智能知识点间的关联性理解，可以基于不同的应用模块，设计具有前后铺垫、上下关联的综合性实验，设计不同层次的项目要求，同时基于相同的实验课题，让学生分组对实验课题进行攻克，并设置多元化的实验评价体系，通过实验教学过程中反映出的不同进度，让教师能对学生的学习水平做出准确评判，及时进行教学反思，以便更好地开展下一步工作。例如，针对人工智能课程应用中很广的遗传算法，在某一管理规划的具体应用上设置理解－实现－参数分析－具体应用－尝试改进－深度拓展的不同层次的项目要求，在这些项目层次中规定必做项与可选项，让学生基于同一实验课题进行合作学习，然后通过个人自我评价、小组成员互相评价以及教师评价的方式进行打分，对小组整体能力以及个人能力进行综合评估，以期培养学生的自主思考能力。

第2篇：人工智能对教学的帮助范文

【摘要】计算机辅助教学的实际需要应用人工智能技术及复杂的程序,如自然语言理解、知识表示、推理方法等,一些人工智能技术的特殊应用成果,同时以及理论证明等均被应用于计算机辅助教学系统,以提高其智能性和实用性。早期绝大多数计算机辅助教学技术被应用于建立学习模块。这种方法能控制调练策略并给出适合学生的学习内容。

【关键词】人工智能计算机辅助教学教学与控制

一、人工智能的定义

人工智能也称机器智能,它是计算机科学、控制论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统角度来看,人工智能是研究如何制造出智能机器或智能系统,实现模拟人类智能活动的能力,以延伸人们智能的科学。人工智能是一门交叉科学,逐渐形成一门涉及心理学、认知科学、思维可循、信息科学、系统科学和生物学科等多学科的综合性技术学科。

二、计算辅助教学体系和现状

计算救助教学是利用多媒体计算机的功能与特点,利用计算机辅助教师完成各个教学环节,并通过与计算机之间的交互活动,激发学生的学习积极性和主动性,帮助学生更有效地学习。实用计算机辅助教学,有利于认识主体作用的发挥,它所提供的图像、声音、动画等信息由利于学生知识的获得与保持,达到提高教学教学的目的。

目前为止,所实用的绝大多数传统以及理论证明等均被应用于计算机辅助教学系统,以提高其智能性和实用性。早期绝大多数计算机辅助教学将全部教学信息以编程方式预置于课件中,这样的以及理论证明等均被应用于计算机辅助教学系统,以提高其智能性和实用性。因此现有的以及理论证明等均被应用于计算机辅助教学系统,以提高其智能性和实用性。早期绝大多数计算机辅助教学系统面临许多挑战,它主要存在以下几个方面的问题。

1.计算机辅助教学系统的闭塞性

不具有开放性是目前以及理论证明等均被应用于计算机辅助教学系统,以提高其智能性和实用性。其弊端在于固定内容的局限性使课件的适用面狭窄,而且设定的运行路线使授课缺乏自主性;授课的针对性不强;无法利用新出现的资源在较高起点上进行二次开发。

2.智能性的欠缺

现有的计算机智能辅助课件系统不能对不同何曾度的学生进行有针对性的教育,学生的学习是被动的,不能由系统自动提供助学信息而使学生有选择地学习。。

3.人机交互能力较弱

现有计算机智能辅助大多以光盘作为信息的载体,将材料中的内容以多媒体的形式展现出来,教学信息是按预置的教学流程机械式地提供给学者,学习者使用计算机智能辅助课件学习是完全被动的。

4.教师与学生的互动在教学中的缺乏

现有计算机智能辅助课件在学生自学以及进行操作使用时,如何学习都是学生自己的事。教师不能全完了解学习者的情况,学生在蹦到问题时不能向教师求教,师生之间互相封闭,谈不上师生互动,因此课件所起的效果大打折扣。

5.课程特点没有突出

各门课程在教学上有不同的要求,但现有课件对于这些不同要求完全不予理会。例如很多课程都要涉及到大量的曲线或曲面,对有些课程来说,将这些曲线或曲面给出了一个简单的展示就足够了,而有些课程这样的展示不能达到教学目的的要求。

6.教学计划的欠缺

在课件的开发过程中实际上离不开教学策略的设计,但课件的制作者往往并未意识到这一点。例如:现有的绝大多数课件都是单一的展播式,这样的可见制作“精美”,但它不可逆、不能互动。实际上运用课件教学只是手段而不是目的,应该在教学设计理论的指导下讲求课件的实效性,着眼点在于学生学习新知识、掌握新技术、培养各种能力有帮助,而不是表面上的制作“精美”。

综上所述,现有的计算机智能辅助存在许多问题,随着新技术的不断出现,这些问题将使计算机智能辅助越来越不能适应新的要求。因此以智能计算机智能辅助为代表的心的计算机辅助教学系统将成为教育技术上需要不断探求、努力实现的发展方向。

三、智能计算机辅助教学系统

智能计算机辅助教学系统(IntelligentComputerAidedInstruction),简称ICAI。教学过程是一个复杂的教与学的思维过程,它需要教师以专门知识和经验为依据,经过吸取、讲解、推理、示例、综合等多个步骤才能较好地完成。计算机辅助教学实际上是一个由计算机系统辅助教师进行教学以及学生进行学习并得以实现的系统。在智能ICAI中,教学思想、方法、学习内容可用知识形式表示,如何解决知识的形式化表示以及知识的访问与调用问题,是人工智能的核心技术之一,也是将ICAI引入教育技术领域中所要面临的一个问题。知识库是实现知识推理与专家系统的基础,可以用知识库作为智能ICAI的构建环境。在知识库中,教学内容等的有关知识可以用事实与规则表示,并存储于知识库内,教学与学习过程既是对知识库中知识进行推理,并最终得出所需结果的过程。ICAI系统的一般包括以下几个模块:

1.知识库。知识库是关于教学内容的模块,解决“教什么”问题。知识库中的教学内容有待于教学与控制模块和学生模块进行选取、调用。

2.学生模块。学生模块是用于记录学生的学习情况,对学生学习的各个环节信息进行搜集,以便系统对学生的学习情况进行自动评估,提出具有针对性的学习建议和个别化的辅导。学生模块描述学生对教学内容理解、掌握的程度,系统可以根据学生模块的具体情况调整教学策略并提供适当的反馈。

3.用户接口模块。这是系统与用户交流的界面。整个系统依靠用户接口模块把教学内容呈现给用户、接受用户输入的信息、并向用户提供反馈。

第3篇：人工智能对教学的帮助范文

（湖南大学信息科学与工程学院，湖南长沙410082）

摘要：针对大学专业教育中普遍存在的高分低能状况，以“用”为出发点，提出实验课程·专业实训·学科竞赛金字塔式实践教学体系，阐述如何打通课程理论之间的联系，自底向上从实践动手、分析综合再到发明创新分层逐步培养和提升学生的专业能力。

关键词 ：实践教学；实验课程；专业实训；学科竞赛

第一作者简介：李智勇，男，教授，研究方向为智能计算、智能系统、大数据，zhiyong．li@hnu．edu．cn。

0 引 言

大学作为直接为社会输送人才的机构，将人才“可塑性”和“可用性”作为大学教育的根本目的，因此培养学生的文化素养和专业能力成为大学教育最重要的任务，但由于中国传统教育思想的影响，“高分低能”一直是中国教育面临的一个严峻问题，而这一问题在高等院校更为突出。问题不解决，便达不到“可用性”的目的。

这一问题违背了大学教育尤其是工科类院校的初衷，越来越多的高校逐渐意识到该问题的严重性，开始进一步关注实践教学，压缩理论教学的时间，辅以更多的实践教学课时。“小学期”是这一趋势的典型代表。这一变化将实践教学的质量问题提上日程，如何建立合理有效的实践教学体系和安排实践教学内容是当前高校不得不思考和亟待解决的问题。

1 教学现状及问题

我们以湖南大学智能科学与技术专业为例分析目前实践教学的现状及存在的问题。

1.1 课程教学体系

湖南大学智能科学与技术专业近3年的教学计划中，要求学生毕业最低总学分为170分，图1给出各类环节所占的学分比例，可以看出，专业实训（含毕业设计）只占总学分的16%，教学计划侧重理论教学，从学时分布来看，此偏重更为明显。图2分析了每个学期的课程教学学时情况，学生几乎需要将所有时间放到课程理论学习上，被严重束缚，实践教学形同虚设。

1.2 现有实践教学体系

在智能科学与技术专业近3年的教学中，实验课程有普通物理实验和人工智能基础实验两门。从学生完成该实验课程的情况来看，大多数学生数据处理逻辑简单，几乎没有运用模式识别、机器学习、智能控制等人工智能方法完成的作品。第6学期开设的实践课程远远达不到培养学生熟练运用多门专业理论和方法的目的。

现在很多高校开始实施“小学期”教学日历，设置为期1个月左右的集中实践或者专业实训环节。前两年的“小学期”是面向全院所有专业学生的基础能力培养，而第3学年后的“小学期”安排专业综合设计实训，训练学生的专业能力，如五子棋人机对弈项目可以大大提高学生对专业的兴趣，但项目过于单一，仅涉及人工智能、模式识别、机器学习等课程，与人工智能实验课程有重合的倾向，而诸如机器人学、智能控制等智能科学与技术专业的特色课程就没有训练的机会，此外对比上一个硬件技术实训缺少能力培养的延续性。具备创新发明的能力是目前实践教学甚少考虑的培养目标。

1.3 存在的问题

这种培养方案主要存在以下问题：①实践教学学时过少，学生实践能力培养机会太少；②理论学习任务过重，学生的双手无法得到解放；③实验课程内容设置不合理，课程理论与实际没有有效结合；④面向专业的实训内容单一，专业理论覆盖面不够；⑤能力培养断层，发明创新能力未涉及。

2 金字塔式实践教学体系

针对以上存在的问题，我们制定了新的培养计划，图3所示是2015年湖南大学智能科学与技术专业教学计划课程时序图。可以看出，不计实验课程，每学期的理论教学课程减少到平均5门课程；实验课程大大增加，从原来的2门增加到7门。新的教学计划中实践教学得到重视和加强。

另外，教学计划的另一个特色是高年级的教学／学术方向分组，根据信息科学与工程学院的科研优势设置了4个方向，将教学与科研有机结合。课程按组选修，增加了选修课之间的关联性，使培养目标更突出，令学生有的放矢。教学计划也反映了实践教学的体系结构：针对重要的学门、学类和专业课程，通过专门开设实验课程巩固这些重要课程；接下来，通过专业实训将多门课程理论串联起来；最后，拟提供丰富的学科竞赛机会，对于学有余力的学生进一步培养发明创新的能力。这3个层面形成了一个金字塔式的实践教学体系，如图4所示。越往上，能力水平越高；往下是必须具有的基础能力。金字塔式的实践体系体现了递进式的能力培养过程。通过该培养模式将能直接给社会输送“可用”人才。

图4给出了整个实践能力培养的空间结构。笔者将分别从时间角度详细介绍3个层面的培养目标和实践内容安排。

2.1 实验课程

实验课程处于金字塔的最底层，目的是培养学生运用专门知识进行动手实践的能力，熟悉和巩固专业基础课程理论，为上层的能力培养打好基础。这一能力是所有智能科学与技术专业合格大学生必须具有的根本能力。

程序设计和计算机系统设计是实现智能的手段和载体，因而第1学年和第2学年围绕这两个能力开展理论和实践教学活动，开设了高等程序设计、数据结构与算法、数字逻辑、计算机系统等课程，其中程序设计、数字逻辑和计算机系统3门课程实践性较强，因此还配套设置了对应的实验课程。实验课程与理论课程尽量同步开设，利用实验箱对理论进行验证，加深学生对课程的理解。第3学年和第4学年面向计算机上层系统和应用，操作系统和计算机网络是典型代表，因而针对这两门课程开设对应实验课程，这几门实验课程是学类核心课程。此外，教师还可围绕智能科学与技术专业的重点核心课程“人工智能”开设机器人实验课程，让学生基于NAO人形机器人、智能小车、RoboCode等设备软件理解、熟悉和练习各种智能的算法和模型。从程序设计、计算机系统、操作系统、计算机网络和人工智能5个方面依次开展基础实践到专业实践的培训，为上层专业实训作好准备。

2.2 专业实训

专业实训是随着小学期的推广而逐渐引入的培养环节，未有成功的经验可以借鉴。5年中我们不断地探索，在刚开始的2年采用“集中实践+生产实习”的方式。集中实践指在学校里进行一些简单的综合设计，如软件实训开发类似图书管理系统的软件。由于题目较为简单和老套，学生兴趣不高。生产实习是指和企业合作，将学生派往生产一线，这一想法初衷好但操作性低。因此，头两年的“小学期”成效不佳，于是取消生产实习，将集中实践从2周延长为4周，增加项目难度，如2014年在第2学年实行的“STC单片机开发”和第3学年实施的“五子棋智能对弈设计”，难度适中，学生普遍反映较好。

这两年取得的进步给我们很大的启发。第2学年的软件实训结合最新的APP应用引入Android开发，让学生可以在自己的手机上展示作品，实现即所得，极大地激发学生的积极性；在已有的单片机开发上，提升设计的高度和难度，引入FPGA设计，让学生全面学习嵌入式系统；最后，在智能专业综合设计方面，将五子棋智能下棋程序打造成全院的一个竞赛，结合专业最前沿的发展方向，进而增加机器人开发、物联网系统和嵌入式系统设计，涵盖智能终端、智能软件、智能系统，提供较宽的选择，充分发挥学生的一技之长。

2.3 学科竞赛

前两个层次基本上完成了工程能力的培养，但创新才是核心竞争力。如何激发学生发明创造的潜能也是实践教学的任务之一。这一能力在以前的教学中甚少专门涉及，发明创新的能力是一道坎。

学科竞赛是培养发明创新能力比较好的一个突破口，因此我们在实验室建设过程中适当考虑了对学科竞赛的支撑，基于RoboCup足球机器人在协同对抗上创新，基于模块化机器人在创意上立新，基于NAO机器人在自然语言处理上求新。目前，学生长期参加的学科竞赛有RoboCup足球机器人中型组比赛、物联网设计大赛以及全国电子设计大赛。教师应为有志向和能力的学生提供创新平台和条件，鼓励学生参加高水平的学科竞赛。

学科竞赛组成了实践教学的最后一环，面向科研，与研究生教育接轨；面向创业，为IT产业增添生命力。

3 建设措施及成果

3.1 实验室配套建设

根据实践教学的分层体系，目前已有的支撑该体系的仪器设备见表1，可满足不同层次的用途需求。课程实验的设备主要以验证为主；实验课程的设备需要学生动手实现算法和设计；专业实训的设备主要以提供平台为主，让学生自主搭建系统；学科竞赛的设备一方面要满足竞赛需求，一方面可以应用于学术研究，具有一定的开放性。

针对学科竞赛，我们已经建立400 m2的场地专门用作智能科学与技术专业的创新和学科竞赛实验室。图5所示为学生正在专心调试足球机器人。

3.2 实践教学代表性项目

1)电子产品的制作、测试及使用( STC-A实验学习板)。

通过完成一个电子产品（STC-A实验学习板）的制作、测试及使用，学生能够全面了解电子产品的开发与生产全过程以及质量管理；实践简单的焊接技术，认识基于处理器的电子系统的组成；学习电路调试及检测能力，了解“STC-A学习板”的功能以及嵌入式系统的入门知识；拥有一个便携式学习与创新的实验平台，为今后的学习提供方向与帮助。

2)“智能杯”五子棋程序设计邀请赛。

该竞赛在已给出五子棋平台的基础上（已有界面，无需自己编程界面），要求参赛者写出五子棋算法。换句话说，就是设计五子棋COM的智商。五子棋看似简单，实则包含各种变化，计算种种变化同样需要强大的知识储备。程序设计与五子棋结合既朴素简单，又包罗万象，同时通过对弈方式可以综合多种人工智能理论和方法，反映出技能的高低。

3)足球机器人。

中国机器人大赛暨RoBoCup公开赛是中国最具影响力、最权威的机器人技术大赛。信息科学与工程学院从2013年开始连续参加了两届比赛，积累了一定的经验，已基本形成老带新的格局。通过展现一个真实的机器人产品，可以让学生感受本专业的特色和前景，提高专业的认同感；通过动手改进一个实际产品，激发学生的创新意识；通过这个比赛，期望学生能够逐步达到自主研制复杂精密机器人的水平。

4 结语

能力培养是大学教育的重中之重，而实践教学是达成这一目标的重要手段。实验课程·专业实训·学科竞赛金字塔式实践教学体系符合能力培养的阶梯性，涵盖了动手实践、综合分析和发明创新3种能力。部分实践教学项目得到较好的反响，为这一体系进一步成熟化和规范化提供了动力。

下一步，我们拟主要从两个方面进一步推进智能科学与技术专业的实践教学建设。一方面不断提升从事实践教学的教师水平，注重与行业接轨，跟进行业的最新发展动态和专业技术并将其反映到实践项目中，形成一个持续发展的良性生态；另一方面积极融人工程认证的理念，为工程类学生今后走向世界提供具有国际互认质量标准的“通行证”。实践教学作为能力培养的重要手段，为了使其更加科学和规范，我们将参照工程认证的标准，对各项能力的培养在实践教学过程中有更明确的对应，对能力的考核能更细致化。

参考文献：

[1]别敦荣，张征．世界一流大学教育理念的特点与启示[J]高等工程教育研究，2010(4): 82-92.

[2]张莎，当代大学生“高分低能”现状的原因及对策分析[J]．科教导刊，2012(8): 98-99.

[3]李智勇，肖正，赵欢，等，智能科学与技术本科专业“小学期”制教学思考[J]．计算机教育，2011(15): 29-34．

[4]昊丽娟，李柳．以小学期为平台的实践教学改革与探索[J]沈阳师范大学学报：自然科学版，2013(3): 421-424．

第4篇：人工智能对教学的帮助范文

【关键字】推理与专家系统；认知学徒制；专家系统外壳

【中图分类号】G420 【文献标识码】A 【论文编号】1009―8097（2009）04―0120―03

在教育部2003年颁布的《普通高中技术课程标准（实验）》中，首次设立了《人工智能初步》选修模块，该模块共设三个主题：“知识及其表达”，“推理与专家系统”，“人工智能语言与问题求解”。其中的“推理与专家系统”主题，由于专家系统构建的简便性以及运行的可观察性，在为数不多的已开设《人工智能初步》选修模块的学校中，较为普遍地被作为重点内容进行教学。[1]因此，十分有必要对“推理与专家系统”主题的教学模式及其相关问题进行讨论，以便为中学信息技术教师更有效的开展教学提供参考与借鉴。

一 “推理与专家系统”主题的教学目标

新课标中给出了“推理与专家系统”主题的具体教学目标：

1 演示或使用简单的产生式专家系统软件，感受用专家系统解决问题的基本过程；了解专家系统的基本结构。

2 通过实例分析，知道专家系统正向、反向推理的基本原理；会描述一种常用的不精确推理的基本过程。

3 了解专家系统解释机制的基本概念及其在专家系统中的重要作用。

4 了解专家系统外壳的概念；学会使用一个简易的专家系统外壳，并能用它开发简单的专家系统。[2]

由此可见，“推理与专家系统”主题并非是大学专家系统相关专业内容的简单下移，它的总体目标是了解与专家系统相关的知识，体验专家系统的技术与应用，感受专家系统对学习和生活的影响，从而激发对信息技术未来的追求。

二 认知学徒制及其应用于“推理与专家系统”教学的可行性

1 认知学徒制及其特征

所谓认知学徒制(Cognitive Apprenticeship)，是一种从改造学校教育中的主要问题出发，将传统学徒制方法中的核心技术与学校教育整合起来的新型教学模式，[3]用以培养学生的认知技能，即专家实践所需的思维、问题求解和处理复杂任务的能力。

从认知学徒制的特征与“推理与专家系统”教学过程的特点的一致性、认知学徒制的知识观与“推理与专家系统”强调知识获取、转化的一致性、认知学徒制的技能观与“推理与专家系统”教学注重学生技能发展的一致性，能够得出将认知学徒制应用于“推理与专家系统”主题的教学是切实可行的。

认知学徒制的核心假设是：通过这种模式能够培养学习者问题求解等方面的高阶思维技能/策略。这种技能/策略把技能与知识结合起来，是完成有意义的/真实的任务的关键。它具有如下的基本特征：

（1） 认知学徒制关注的不是概念和事实知识的获得，而是重视专家在获取知识或将知识运用于复杂现实生活任务/问题时所关涉的推理过程与认知/元认知策略。

（2） 将原本隐蔽的内在认知过程显性化，亦即表现思维过程，使之可视化（包括教师和学生的思维过程）。通过这种方法，学生可以在老师和其他学生的帮助下进行观察、重复演练和实践。

（3） 将学校课程中的抽象任务/内容置于对学生有意义的情境之中，学习者充分了解学习的目的与应用，理解工作的相关性，并参与专家行为。[4]

“推理与专家系统”主题的教学主要思路是要求学生使用一个简易的专家系统外壳（例如InterModeller）开发简单的专家系统，它的过程是：第一步，确定所要开发的专家系统类型，即确定开发的专家系统的内容，如动物识别专家系统、汽车故障诊断专家系统等；第二步，选择、整理与所要开发的专家系统相关的日常生活知识；第三步，将日常生活知识转化为专家系统能推理和解释的知识表示形式，如产生式规则表示，框架知识表示等；第四步，通过师生、生生之间的交流与讨论，逐步修改完善专家系统，使专家系统做出判断与解释。

这一教学过程不仅要求学生获取、选择、整理概念和事实知识，更强调将知识转化为专家系统能推理和解释的知识表示形式，最终能用专家系统解决实际问题，这与认知学徒制所关注的在有意义的情境之中，将知识进行逻辑化表示后去解决现实任务/问题，培养学习者问题求解等方面的高阶思维技能/策略是相一致的。

2 基于认知学徒制的知识观

比利特（Billett，1993）认为学习的知识包括三种形式：陈述性知识（关于是“什么”的知识）、程序性知识（关于“怎么做”的知识）和情感性知识（关于价值观和态度的知识）。陈述性知识用来提供事实和陈述，程序性知识用来提供做事过程的规则，情感性知识用来提供对事情的意见与看法。在一些实际工作情境中，程序性知识通常是可以直接观察的，而陈述性知识的内容则往往比较模糊、不透明。因此，与程序性知识相比，在日常工作的活动中，一些类型的概念性知识获得更加困难，学习者对它们的理解受到更多的限制。[5][6]

如何在学习中有效的获得陈述性知识，比利特和罗斯（Billett & Rose,1996）认为：第一，陈述性的知识是在参与社会实践、从事日常工作的过程中获得的。在日常的工作实践中，人们必须解决问题、实现目标而这些活动真正促进了人们对学习对象的理解；第二，在学习的阐释或知识的建构过程中，个体之间的密切互动是知识一个非常重要的来源，特别是熟练的指导者能够帮助个体建构知识，“强烈的社会影响或者最贴切的指导似乎为学习者获取和建构陈述性知识提供了有意的途径”。[5]

“推理与专家系统”主题中所涉及的知识也可分为陈述性知识和程序性知识。陈述性知识主要体现在确立的所要构建的专家系统类型的情境中，将零散、孤立的陈述性知识，通过教师的指导，学生间的讨论，将其整体化，组块化。程序性知识主要是存在于专家系统的知识库中，以“ifthen”形式来编程陈述性知识，即先确认当前的情境和条件，然后产生相应的行动。由于高中阶段的教学要求是利用简易的专家系统外壳开发简单的专家系统，因此在条理清晰、结构合理的陈述性知识的基础上编写程序性知识的过程较为简单，关键是学生如何通过多种有效形式获得陈述性知识，并将其清晰，合理的表示出来。专家系统构建过程中的陈述性知识获取及其向陈述性知识的转化，与认知学徒制知识观所倡导的知识分类和有效获取是相吻合的。

3 基于认知学徒制的学生技能发展

伊万斯（Evans,1994）提出了技能发展的，明确了技能所包含的智力维度：

（1） 阶段1――新手。其特征为行为是受限制的、不灵活的、受规则控制的；

（2） 阶段2――较高级的新手。学习者开始能够感知任务中一些重要的情境特征，但还不能对那些重要的情境进行区分；

（3） 阶段3――胜任阶段。学习者能够识别情境的重要特征，并以此为基础思考行动的目标和计划，用来指导行动；

（4） 阶段4――精通。能够在不特别关注的情况下选择最好的行动计划，能够快速概括、识别情境并订出计划；

（5） 阶段5――专家。专家凭借直觉行动，这种直觉来自对情境的深刻理解，不关注规则的和特征，而且行动是可变的、灵活的和高度熟练的。[5]

在上述技能发展的五个阶段中，学习者从新手到专家的过渡过程就是从被动接受信息到具备更多的反思和参与策略的过程。在建构所需要的知识时，学习者开始需要指导者详细的帮助，而后逐步过渡到大量的互动和建构的水平。在技能发展的高级阶段，对理解技能中的智力因素的需要进一步增加，而对详细指导的需要急剧下降，因为知识变得更加内化，更加接近于自我建构。在“推理与专家系统”主题中，学生利用专家系统外壳工具，通过了解由某一领域专家建构的专家系统，并在教师的指导下亲手开发简单的专家系统，来体验专家系统的开发过程，加深学习体验。在实际教学中，我们将上述技能发展的五个阶段简化为三个阶段，学生和专家系统构成了一种专家与新手的关系，刚开始学专家系统的学生（相对新手）、课程教师（相对于学生为专家）以及专家建构的专家系统（相对于教师为专家），[7]学生开发专家系统的过程也即相对新手向相对专家转化，最后还可能发展领域专家的过程。在这一过程中，学生对所建立的专家系统类型的相关陈述性知识和程序性的需要不断增加，而对教师指导其开发的需要急剧下降。

三 认知学徒制在“推理与专家系统”教学中的实施过程

认知学徒制作为一种新型的教学模式，将其应用于“推理与专家系统”教学，需要教师和学生两方面共同执行，如图1所示。[4]

在认知学徒制教学模式中，学生是主体，教师起主导作用。对教师来说，要精心设计教学以表现专家实践的思维过程，并引导学生积极参与、体验，在这个过程中，教师先示范必要的策略，再放手让学生尝试，并在学生需要时予以指导。对学生来说，通过对特定领域专家实践能力的模仿、参与、讨论、交流和阐释，获得基本的问题求解方法、策略和能力，并随着脚手架的拆除，逐渐独立探究、定义、分析和解决问题。[8]具体的说包含如下步骤：

（1） 建模。教师选择某一典型的专家系统，对专家系统的问题解决过程，如推理方式和应用策略进行建模，以使学生观察系统的推理、运行过程，感受领域专家的思维过程。

（2） 情境设计。教师要引导学生选择符合其认知特点的专家系统内容，注重实用性、贴切性和可开发性，如“当地旅游景点识别”、“特色小吃划分”等专家系统，并把情境化的活动与相关的预期结果关联起来，以便学生在真实的情景中进行模拟学习，发展远迁移能力。

（3） 提供脚手架。脚手架的重要功能是帮助学生顺利穿越“最近发展区”。教师对学生的开发专家系统的过程进行指导,提供必要的“支架”，如概念支持、软件应用技巧支持、过程支持、策略方法支持等。

（4） 清晰表达。要求学生清晰地表达专家系统的推理过程或解决问题的过程，以使学生真正了解自己的学习过程， 不仅“知其然”（What），而且“知其所以然”（Why）。

（5） 反思。使学生将自己的思维和问题求解过程与领域专家、其他学生的逻辑思维方式进行比较。通过反思，学生可以构建关于该专家系统内容的问题求解过程的模型，已修正/启示自己的问题求解和任务完成过程。

（6） 拆除脚手架。当学生完成知识库的建立，或者能运行专家系统后，教师应逐渐拆除支架，以促进学生的发展。

四 结语

在“推理与专家系统”主题的教学中采用认知学徒制教学模式，对于学生分析问题和解决问题能力的培养具有积极的意义。一方面，为了完成该任务，学生需要编制规划、制定知识获取策略，并具体付诸实施，这是一个不断深化的过程。学生还得明确与系统有关的所有变量或相关的因素，并且将这些变量和因素转化为问题求解过程，得出相应的结论。在进行一系列问题求解分析之后，运用产生式规则来表示知识。 该过程中有助于提高他们的分析、思维与判断能力。另一方面，在专家系统运行时，学生可以向专家系统提出诸如“为什么（Why）”、“如何（How）”、“如果……会怎么样”等问题，系统接受用户的问题指令后，可以根据推理的逻辑进程，即时将答案呈现给用户，这个过程如同教师与学生在进行面对面的教学，学生还可以充分体验人类专家的求解思路和推理风格。完善的专家系统还可以让其他学生去运用和体验，具有一定的实用价值。正如美国著名的学习论专家Jonassen所指出的：那些自行设计专家系统的学生将会在这种活动中受益匪浅，因为这是一个对所学知识进行深度加工的过程。[9]

参考文献

[1] 张剑平,张家华,我国人工智能课程实施的问题与对策[M],中国电化教育,2008,(10):95-98.

[2] 教育部.普通高中技术课程标准(实验)[M].北京:人民教育出版社,2003:24.

[3] 高文.教学模式论[M].上海:上海教育出版社,2002:342.

[4] 钟志贤.信息化教学模式:理论建构与实践例说[M].北京:教育科学出版社,2005:263.

[5] 赵蒙成.工作场的学习:概念、认知基础与教学模式[J].比较教育研究,2008,(1):51-56.

[6] Billett, S.R, & Rose, J.Developing Conceptual Knowledge in the Workplace. In J. Stevenson (Ed.).Learning in theWorkplace: Tourism and Hospitality.Brisbane, Australia: Griffith University, Center for Learning and Work Research, 1996:204-208.

[7] 周跃良,张燕.人工智能教育的理论基础及教学组织[J].中小学信息技术教育,2003,(10):10-13.

第5篇：人工智能对教学的帮助范文

关键词 智能听说训练系统 英语口语教学 高职学生

中图分类号：G642 文献标识码：A

1智能听说训练系统所支持的混合教学法对于开展英语教学的重要意义

（1）智能听说训练系统所支持的混合教学法有利于加强师生、生生之间的互动和交流，从而增强师生之间的思想和情感的交流，有利于培养学生口语表达的兴趣。

（2）智能听说训练系统能够创设良好的英语学习环境，帮助学生掌握纯正的语音语调，同时激发学生学习英语的积极性和创造性充分发挥学生的主体意识，培养学生主动参与和自主学习的能力。

（3）智能听说训练系统能够给学生提供更多自主学习、训练和探究的时间和空间，给学生更多展示自己才能的机会和舞台，培养学生的实践和创新能力。

2智能听说训练系统所支持的混合教学法在高职英语口语教学中的应用

2.1利用智能听说训练系统所支持的混合教学法提高学生说英语的兴趣和信心

兴趣是最好的老师，是学习的原动力。智能听说训练系统是利用计算机对学生一对一地进行辅导。智能教师能带领学生练习口语，并自动纠正发音问题，或自动安排听力训练的强度和重点。该系统具有国际领先的人工智能水平，可以模拟真人教练，一对一辅导学生听说。这项创新大大地减轻了教师的负担，也能大大地提高学生的学习兴趣。电脑系统会根据学生的朗诵水平，最终给出一个分数，对于获得高分的学生，他们会更加信心，更加兴致勃勃。对于平时不敢开口的读书的学生，给了他们一个很好的锻炼平台。

2.2利用智能听说训练系统所支持的混合教学法提升英语口语教学效果

为了让学生多听、多读、多说，提高他们的听说能力，每周教师至少布置两次利用该系统的听说作业。万事开头难，同学们刚开始的时候对智能听说训练系统的功能不了解，因此提不起兴趣。教师在课堂上要亲自示范了如何操作该系统，并告诉学生该系统有三个非常有用的功能。

（1）录音功能。学生非常喜欢录音功能，把自己的声音录进去，然后再听自己录的效果，觉得非常有趣。有些学生在学校是非常内敛的，平时读书声非常小，回答教师的问题声音小得几乎听不到，但是在智能听说训练系统上，学生的读书声非常自信。

（2）评价功能。智能听说训练系统平台的功能对学生的激励作用很大。当学生读得好时，教师会评价学生：“你读得真棒，你是从国外回来的吧！”学生听到诸如此类的评价，非常兴奋。当学生读得不好时，教师会告诉学生，让学生再重读一次。

（3）带读功能。学生可以先听再度，这对于基础差读不好的学生非常有用。学生在课堂没学好，课外可以继续学习。学生经过教师的示范，感觉操作非常简单，而且有趣。

2.3利用智能听说训练系统所支持的混合教学法为学生的自主学习提供学习平台

（1）网上预习、复习。借助网络引导学生自主学习。传统的预习和复习，单词、句子的发音问题学生不能解决，但使用智能听说训练系统能自动纠正发音问题，使学生的预习、复习更加有效果。

（2）网上自主练习。在该系统的辅助下，英语口语学习的方式变得多元化，口语交际能力的提高不再依赖以往的单一手段。现代科技的进步，使我们的学习不再局限于整片的时间和固定的空间，学生可以在任何时间通过网络进行学习。网络在拉近世界距离的同时，也给予了学生接触许多不同版本的英语教材的机会。通过这个系统，学生可以了解自己的口语水平，还可以与其他人进行交流。甚至，还可以借助这个系统进行小规模教学、口语陪练等来提高交际能力，学习的时间和空间得到极大的延伸和扩展。在这个系统中，丰富的学习资源增加了学生对外界英语信息接触的机会，开阔了学生的视野，使学习的深度得到发展。这使得英语口语的学习维度得到横向的和纵向的发展。

3智能听说训练系统所支持的混合教学法在高职英语口语教学中的应用效果评价

3.1探索出一套智能化混合教学的英语听说教学模式

研究证明，以智能听说训练系统为基础，智能化混合教学的英语听说教学模式有效解决了学生语境听说训练明显不足，检查、监督和辅导手段单一等问题。该模式有助于提高学生接触英语的频度和语音训练的准确度，激发学生学习英语的积极性，提高教师的工作效率。

3.2传统英语听说评价模式得到改变

研究的开展和智能听说训练系统的使用，促进听说评价模式得以改变。它符合英语听说评价本身隐含的“真实性、交际性和开放性”的要求，成为学生英语听说能力理想的评价方式。

3.3教师对英语听说教学观念产生了改变

虽然我国近年来在中学英语教学方面进行了较大改革，“说”的教学重要性已受到广泛的关注，但“说”的教学进度缓慢，其现状总是不尽人意。课堂时间有限，很多教师忙于讲解知识，忽视了听说。即使进行了听说训练，但也难免流于形式，没有长期有效、不懈地训练，就没有实质性的改变。

作者简介：黄飞强，男，湖北荆州人，1985年9月出生，现任江汉艺术职业学院管理学院副院长，研究方向：高职英语教学改革。

第6篇：人工智能对教学的帮助范文

关键词： 知识工程； 知识发现； 知识管理； 应用

中图分类号：TP391 文献标志码：A 文章编号：1006-8228（2013）10-10-03

0 引言

在1977年第五届国际人工智能联合会议上，美国斯坦福大学计算机系教授Feigenbaum作了关于“人工智能的艺术”（The Art of Artificial Intelligence）的讲演，提出“知识工程”这一名称，并指出“知识工程是应用人工智能的原理与方法，对那些需要专家知识才能解决的应用难题提供求解的手段。恰当地运用专家知识的获取、表达和推理过程的构成与解释，是设计基于知识的系统的重要技术问题”[1]。

知识工程的发展大体经历了三个时期。

⑴ 实验性系统时期，从1965年至1974年。

1965年Feigenbaum教授与其他科学家合作，研制出DENDRAL专家系统。这是一种推断分子结构的计算机程序，该系统贮存有非常丰富的化学知识，它所解决问题的能力达到专家水平，甚至在某些方面超过同行专家的能力，其中包括它的设计者。DENDRAL系统标志着“专家系统”的诞生。

⑵ MYCIN时期，从1975年至1980年。

20世纪70年代中期MYCIN专家系统研制成功，这是一种用医学诊断与治疗感染性疾病的计算机程序“专家系统”。MYCIN专家系统是规范性计算机专家系统的代表，许多其他专家系统都是在MYCIN专家系统的基础上研制而成的。MYCIN系统不但具有较高的性能，而且具有解释功能和知识获取功能，可以用英语与用户对话，回答用户提出的问题，还可以在专家指导下学习医疗知识，该系统还使用了知识库的概念和不精确推理技术。MYCIN系统对计算机专家系统的理论和实践，都有较大的贡献。

⑶ 知识工程的“产品”在产业部门开始应用的时期，时间从1980年至今。

知识工程的研究，目前在美国开展得较为活跃和深入，特别是在斯坦福大学。

人工智能的研究表明，专家之所以成为专家，主要在于他们拥有大量的专门知识，特别是长时期从实践中总结和积累的经验技能知识。从知识工程的发展历史可以看出，知识工程是伴随“专家系统”的研究而产生的。实际上，知识工程的焦点就是知识。知识工程领域的主要研究方向包含知识获取、知识表示和推理方法等，其研究目标是挖掘和抽取人类知识，用一定的形式表现这些知识，使之成为计算机可操作的对象，从而使计算机具有人类的一定智能。

目前，知识工程已广泛应用于数据处理、诊断、监视、预测、规划、设计等方面，并取得了良好的效果。本文将综述近年来国内外知识工程的应用情况，并展望其前景。

1 基于知识发现的应用

知识发现（Knowledge Discovery， KD）是1989年提出的新兴、交叉、边缘学科领域。

知识发现的目的是向使用者屏蔽原始数据的繁琐细节，从原始数据中提炼出有意义的、简洁的知识，直接向使用者报告。知识发现是从数据集中识别出有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程。知识发现将信息变为知识，从数据资源中发现知识宝藏[2]。

知识发现的潜在应用十分广阔。从工业到农业，从天文到地理，从预测预报到决策支持，KD都发挥着越来越重要的作用。许多计算机软件开发商都已经推出了其数据挖掘产品，如IBM、Microsoft、SPSS、SGI、SLPInfoware、SAS（Object Business）等。它们被广泛应用于商业、农业、医学生物、金融保险、通讯、国防等多个方面。

基于知识发现的专家系统（ESKD）成功运行于农业、铝电解；基于知识发现的智能决策支持系统（IDSSKD）成功运行于国际电子商务中心（北京）的外贸加工业务中。

我国著名知识工程专家杨炳儒教授构建了由理论基础、4条机制（理论支柱）、8个新过程模型、17种新技术方法组成的，多层递阶、综合集成的，基于内在认知机理的知识发现理论体系KDTICM。

KDTICM及其衍生的新型智能系统成功地应用于蛋白质结构预测、农业、现代远程教育网、气象、国际商务、铝电解生产、税务、数字资源整合等八个领域，有效地验证了KDTICM，并解决了一批领域中的典型问题。尤其体现在解决生物信息学领域国际性难题的重要核心作用——取得蛋白质2级结构预测精度的国际领先地位[3]。

2 知识工程在工业工程中的典型应用

2.1 在工业设计中的应用

工业企业随着知识积累形式的“老龄化”和客户需求的“年轻化”，产品的设计要求和种类都变得越来越复杂及繁多。以往单纯依靠CAD系统和知识数据库之问文件形式的交互方式，使得CAD系统和知识数据库之间出现了“断层”，无法满足工程师知识积累运用的合理传递和管理要求。为此，严雯琦设计了KWE系统[4]。

KWE在工业设计中起到了知识系统集线器的作用，它相当于一个交互平台，为其他产品设计活动提供了实时数据调度。通过该系统，能进行产品整体模型的搜集和再生，标准件的选择，质量标准的分析校验，也能提品制造工艺流程的模拟，也为工程师提供信息共享的平台[5]。

2.2 在机械产品参数化设计中的应用

当今机械工程领域，CAD/CAM技术飞速发展，伴随着产品研发体系的不断完善，知识的延续与再利用作为一种全新的设计理念应运而生。知识工程思想在设计软件中得到了完美的体现。CATIA V5的知识顾问模块能使设计人员在可视化的环境下，高速高效地进行三维零件的特征参数化设计造型，完成的参数化设计造型能根据按人机交互方式输入的设计变量来控制特征的修改。

学者张学忱等结合CATIAV5平台的知识顾问模块，运用知识工程原理，创建产品参数化知识库，方便、快速地完成产品的三维参数化造型设计，并通过知识功能对零件进行参数控制和特征状态的检查[5]。该方法为标准件库的创建提供了便捷的途径，加快了企业的产品系列化的设计进程。作者通过实例详细阐述了基于知识工程的参数化设计的方法，灵活运用了CATIA的知识工程模块，显示了其强大的设计功能，实现知识驱动下的产品参数化造型设计。这种人机交互共同设计的智能化CAD手段已成为当今机械设计领域的热门课题，知识工程在机械产品参数化构型设计过程中将得到广泛应用。

2.3 在工艺决策方面的应用

工艺过程设计是产品设计和制造的桥梁，包括加工方法选择、制造资源选择、加工活动排序等多个决策环节。现代集成制造背景下的工艺决策，处于产品制造数据、信息和知识集成的大环境中，所涉及的信息越来越复杂，知识变得无处不在，而孤立和面向数据的工艺决策方法，显得越来越难以适应这种复杂应用环境。不少研究采用了诸如单一的产生式规则、遗传算法、人工神经网络等方法研究工艺决策的解决方法，但这类研究中往往较少涉及工艺决策对象、工艺决策过程和工艺决策知识之间的关联和方便地对它们进行扩展的机制。北京航空航天大学研究了集成制造信息建模基础上的工艺决策方法，但尚缺少知识角度的建模研究、统一的决策机制和对模型的充分利用。工艺过程设计中决策问题求解的本质在于不断改变对象即工艺过程的状态以使其满足后续指导加工的要求，知识是对这种变化的抽象描述，包括变化的过程和变化的动力，问题求解中对象、规则是与过程密不可分的。

知识工程，其知识表达、使用和获取三个方面的理论方法，可以充分支持工艺决策问题对于问题描述、知识驱动和智能处理的要求，利用知识工程解决工艺决策问题将是一个突破的新方向。为此，学者沈伟等提出了基于知识工程的工艺决策方法[6]。

3 知识工程在教育领域的应用

目前，很多高校的教育技术学专业都已经将知识工程引入并作为一个重要的研究方向，其目的是借助于知识工程的方法和技术，改善教学，使教育更加智能化。随着对知识工程的研究越来越引起人们的关注，知识工程早已超出了最开始被定义的范畴，它是“一门研究人类智能及人类知识的机理以及如何用机器模拟人的智能并促进人类知识发展的学科”。教育知识管理是教育技术的组成部分，其实质是研究人类获取、传播、共享、利用和创造新知识的活动规律，管理有关知识的各种连续过程，以促进经济和社会发展的理论和实践。首先，知识工程的知识处理功能，有利于评价者获取被评价事物的信息和学习者获得所需知识。其次，知识工程的专家系统也可以为评价者或学习者提供帮助[7]。

知识工程与知识科学的发展极大地推动了教育技术学的研究和发展，已经有很多知识工程的方法与技术被应用到教育中。如学者那一沙等提出了基于建构主义的学习者知识工程模型[8]。作者指出，越来越多的学者关注学习过程的研究，认为学习过程是一个复杂的知识转移的过程，教师在传授知识时，将自己的显性知识和隐性知识转移给学习者；同时，学习者自身也有一个显性知识向隐性知识转化的过程。与此同时，建构主义教学方式越来越得到人们的普遍认可，这一全新的教育理念结合知识工程，将为教育的研究发展提供有利的技术支持。

4 知识工程的新兴应用领域

4.1 在电子政务中的应用

基于知识工程的电子政务系统是指把知识工程理论与电子政务理论相结合，以知识工程思想来实现涉及多个知识领域和多层推理的小城镇电子政务系统。这里，知识工程实现了电子政务系统的知识获取以及推理功能，使得电子政务系统进行分工合作，共同完成更高层次的推理，提高系统的效率，实现了高度的实用性和易用性。

学者张凤霞等曾针对电子政务建设面临的业务差异显著、分布范围广、办公模式缺乏智能性和分析能力等问题，研究了基于知识工程的小城镇电子政务系统模型。智能型电子政务集成了软构件、知识工程、多Agent以及多决策支持系统等技术，主要实现三个方面的目标：①提供可复用性构件和高效资源整合的基层政务信息服务平台；②基于知识工程的多Agent协作办公模式；③面向基层电子政务的决策支持服务[9]。

4.2 在电子商务中的应用

电子商务模式是管理科学学术界和企业咨询界的一个热点。商务模式创新最大限度地为挖掘技术创新的商业潜力提供了转化机制和桥梁，已成为各国有企业竞争的一个重要的领域。

电子商务具有很好的透明度模式，电子商务的模型是可以用软件工程的方法形式化表示出来。如OBELIX项目以软件工程的方法描述商务需求。利用这一点，刘祖斌提出了基于知识工程电子商务模式创新研究，其核心是对虚拟价值链本体描述和挖掘[10]。面向电子商务模式创新的知识工程架构细分为模式本身本体描述、模式相关IT技术发展和商务背景等知识环境下的本体描述、模式演化路径本体描述三个层次。

4.3 在虚拟企业中的应用

虚拟企业是一种新型的知识创新组织，这种组织必须建立完善的知识创新专家系统，以对知识的获取、识别、共享、集成进行有效地管理。

学者刘程等分析了虚拟组织知识共享特点，并从技术层面解决了虚拟组织的知识共享问题。利用本体技术解决虚拟组织间的语义异构和结构异构，并在此基础上构建了基于本体的知识共享模型[11]。文献[12]探讨了基于本体实现虚拟组织知识共享的基本原理。

4.4 本体与知识共享

知识共享是知识工程中的技术之一，有利于产生创新性的知识。本体论阐明了区分不同类型物体的标准，也阐明了这些不同类型物体的联系。简言之，在知识共享范畴中，本体论就是一个概念化的规范，它的作用是使知识可以共享和重用。

本体论包含着描述一个领域的概念、公理、联系，而高级本体论则仅限于原子的（meta）、普通的（generic）、抽象的（abstract）和哲学的（philosophical）概念，高级本体论比本体论普遍，它能用于领域中一个很广的范围。这些就是IEEE制定的高级本体论标准（SUO，Standard Upper Ontology）。

世界范围的本体论项目有两种主要的形式：一种是面向基于知识库的（Knowledge base oriented），CYC本体论就是这类，同属这类的还有斯坦福大学知识系统实验室的“知识共享成果”（Knowledge Sharing Effort）；另一种是基于延伸的词典/字典（Extended thesaurus/dictionary based），倾向于机器翻译的，如普林斯顿大学米勒研究的WordNet，这是一个在线的词汇参考系统，日本电子词典研究机构的EDR电子词典，由新墨西哥州立大学、南加州大学和卡内基梅隆大学共同研究开发的Pangloss系统等[13]。

由于本体是高度共享的概念模型，以形式化的方法进行表示，并且能被计算机系统直接处理，使得它在异构系统之间的互操作方面得到广泛的应用。目前，基于本体的跨组织知识共享系统的解决思路，多采用领域为各个组织分别建立不同的本地本体系统。领域标准定义的本体作为本地本体系统的扩展，提供领域共享词汇和统一视图，解决不同本地本体系统之间的语义异构性，同时满足不同本地本体系统之间的相互查询需求[14]。

5 结束语

知识工程是一个浩大的人工智能系统工程，其中，知识的获取、知识的表示和知识的运用是它最为重要的三大部分。本文从知识发现、在工业工程方面的应用、在教育领域的应用、新兴应用等视角对知识工程的应用进行了综述。

随着IT技术的进一步发展和应用，网络已成为各行各业不可缺少的服务平台，而由此引发的安全问题也广受关注。传统的管理模式往往只采用“是”与“非”两种结论判断安全性，但事实上安全性可以细分为更多的层次和类别；系统根据不同的安全性提供不同类型的服务，因此可考虑利用知识工程、云安全等多种技术，提供智能化的安全认证。信任包含理性与非理性因素，如何利用知识工程挖掘出非理性因素的作用，以便确定一个综合信任度，从而在网络中实现更人性化的信任管理，这有待进一步研究与实现。

参考文献：

[1] 陆汝钤主编.世纪之交的知识工程与知识科学[M].清华大学出版社，2001.

[2] 史忠植.知识发现（第2版）[M].清华大学出版社，2011.

[3] 王涛.研究知识工程专注知识发现——访著名知识工程专家杨炳儒教授[J].科技成果管理与研究，2009.10：20-20

[4] 严雯琦.工业设计中知识工程的研究和实践意义[J].中国科技博览，2010.11：91

[5] 张学忱，陈锦昌，范汝祥等.知识工程在机械产品参数化设计中的应用研究[J].工程图学学报，2009.6：191-195

[6] 沈伟，乔立红.基于知识工程的工艺决策方法研究[J].组合机床与自动化加工技术，2011.5：108-112

[7] 王晓丹，凌锋，樊磊.知识工程在教育技术发展中的应用[J]. 软件导刊，2008.1：6-8

[8] 那一沙，吴子东，汪宏东.基于建构主义的学习者知识工程模型的研究[J].现代远距离教育，2009.3：36-38

[9] 张凤霞，丁振兰，吴华瑞.基于知识工程的小城镇电子政务系统模型研究术[J].计算机应用研究，2006.23（8）：61-63

[10] 刘祖斌.基于知识工程电子商务模式创新研究[J].商业研究，2006.20：98-101

[11] 刘程，于晓.基于本体的虚拟企业知识共享方法研究[J].山东科学，2010.23（6）：91-95

[12] USEHOLD M. Ontologies Principle， Methods and Applications[J].Knowledge Engineering Review，1996.11（2）： 96-136

第7篇：人工智能对教学的帮助范文

关键词：中医药 知识工程 知识库 知识获取 知识发现

分类号：TP182

引用格式：于彤. 中医药知识工程的理论体系构建和关键技术分析[J/OL]. 知识管理论坛， 2016， 1（5）： 336-343[引用日期]. http：///p/1/56/.

1 引言

中医药是中华民族的文化瑰宝，无论作为文化遗产还是作为医学资源，都理应得到保护和传承。对中医药理论知识与实践经验的总结、诠释与研究，是中医药传承的一项核心任务。知识工程（knowledge engineering）为中医药知识的组织、存储、处理和利用提供了必要的理论、方法和工具，在中医药领域具有广阔的应用前景[1-2]。

知识工程是随着信息革命而出现的一种新兴的知识管理和知识创造手段。知识工程源于人工智能领域，其最初的目标是构建基于知识的系统（或称专家系统）[1，3]。为了构建基于知识的系统，需要获取足够的专业知识，并将这些知识表示为计算机可以理解的形式，以支持自动推理和问题求解[3]。因此，知识获取、知识表示以及知识运用成为知识工程领域研究的主要问题。随着知识工程在知识管理中应用的不断深入，知识工程的研究范畴从知识库和专家系统，扩展到自由文本、半结构性数据和多媒体内容的处理。时至今日，知识工程已发展为涉及知识表示与推理[4]、语义网[5-6]和数据挖掘[7]等多个技术领域的交叉学科，在电子科学、电子商务和电子政务等许多领域得到了广泛的应用。

知识工程在中医药领域的应用起源于20世纪70年代。当代著名中医学家关幼波与计算机专家合作，于1979年研制了首个实用的中医专家系统DD中医关幼波诊疗肝病的计算机系统，它在临床应用中取得良好效果[8]。此后，全国兴起了一股中医专家系统研发与应用的热潮[9]，知识工程作为专家系统的支撑技术也得到了中医界的重视。近30年来，中医药工作者采用知识工程方法对中医药领域的知识遗产进行广泛采集和永久保存，建成了大量的知识资源和智能系统，为中医药知识创新提供了有力的支持[10]。为此，本文对中医药知识工程进行系统总结和综合论述，分析存在的问题和发展趋势，为相关领域学者和知识工程师提供参考。

2 中医药知识工程的概念

中医药知识工程是指将中医药知识整合存入计算机系统，以使计算机能够利用这些知识来解决中医药领域复杂问题的工程学科[1-2]。旨在实现中医药知识的“计算机化”，并将计算机技术融入中医药知识的收集、挖掘、整理、更新、传播及转化等环节，从而丰富和完善中医药知识体系，提升中医信息系统的智能水平。之所以称之为一项“工程”，是因为这项工作涉及系统性的方法、大规模的协作、严密的流程以及复杂的产品（本体、知识库、专家系统等），这些都是系统工程的显著特征。

中医药知识来自中医专家的头脑，以及书籍、论文、病案等各种专业资料。为使中医药知识“计算机化”，需要从各种知识源中广泛获取知识，将知识进行编码并录入计算机系统；还要按照一定的结构和方案对知识进行组织和存储；最终实现专家系统、知识发现等各种计算机应用。中医药知识工程的关键环节，包括中医药知识表示方法的研究、中医药领域知识的获取、中医药知识库系统的构建、中医药知识发现研究以及中医药智能系统（如临床决策支持系统）的研发等。

中医药知识工程是中医药与信息科学（包括人工智能）相结合的产物，是多学科交叉的研究领域。它也是中医药知识管理的一项关键支撑技术，有助于实现中医药知识管理与服务模式的创新。

3 中医药知识工程的意义

中医药知识工程有利于开拓临床思路，支持临床决策，研究中医理论，丰富教学内容，指导实验研究，促进中医药知识传承与创新[1-2]。具体而言，中医药知识工程可在以下三大方面发挥积极作用。

3.1 梳理知识体系，保护知识遗产

中医药知识遗产具有很高的科学和文化价值，但其知识体系尚存在模糊笼统之处。只有对中医药知识遗产进行系统梳理，去芜存菁，才能凸显中医药知识的精华之处。使用语义网络、描述逻辑等知识表示方法，能够精确描述中医思维逻辑，建立数字化的中医药知识体系，这对中医药学科发展具有十分重要的意义。

3.2 促进知识传承，加速人才培养

中医传承的核心问题是如何将中医名家的个人经验转化成普遍的知识，从而培养更多经验丰富的名医，提升中医界的整体水平。中医药知识工程旨在系统总结前人经验，将历代医家的智慧结晶转化为全面、系统的领域知识库，研发中医辅助学习系统，以提升初学者的学习效率，促M专业医师之间的交流，从而突破中医传承的瓶颈。

3.3 发现新知识，促进学科发展

通过实施中医药知识工程，可对中医药信息化过程中积累的海量数据进行分析与挖掘，建立跨越年代、流派、学说和病证的整体性知识模型，从而加深我们对中医辨证论治规律的认识，使中医药领域两千多年来积累的知识遗产得到有效整理和挖掘。

4 中医药知识工程的理论体系构建

中医药知识工程研究的核心任务是利用信息科学的理论和方法，对中医药知识体系的全部内容进行系统梳理和准确表达。可以说，中医药知识工程所研究和处理的核心对象就是中医药知识体系。两千多年以前的《黄帝内经》奠定了中医学的理论基础；经过两千年的发展，至今已经形成了一个以中国古代哲学为基础，以中医药学理论为架构，以临床实践经验为主体的知识体系[2]。

中医药知识体系有其自身特点和复杂性，对知识工程技术产生了独特的需求。中医特色的思想方法、含义模糊的中医概念以及中医专家的隐性知识都对知识表达、知识获取和知识利用产生重大影响和制约。因此，面向西医等其他领域的知识工程方法并不完全适用于中医药领域。中医药知识工程领域迫切需要一套符合自身特点的理论和方法，从而有效处理中医药知识的模糊性和复杂性，支持标准化知识体系的建设。因此，有必要对中医药知识工程的理论思想进行深入研究和系统总结，从而指导中医药知识的建模、获取、组织、存储、共享与服务等一系列工程实践活动。建立中医药知识工程的理论体系是一项繁重、长期的工作。本文主要围绕思维模拟、知识表示、知识获取、知识发现等4个主要方面，对中医药知识工程的理论思想、研究热点以及核心概念意涵进行简要论述，为今后的理论研究工作提供参考。

4.1 中医思维模拟研究

中医思维模拟是指在对中医思维进行深入分析的基础上，用计算机系统对中医的思维过程进行模拟，从而完成计算机辅助诊疗等复杂任务。中医深受中华传统哲学和文化的影响，产生了独特的思想方法和思维模式，包括“天人合一”“取象比类”以及“辨证论治”等等。中医药知识体系是中医思S的直接产物。开展中医药知识工程研究，首先需要深入理解中医的核心思维模式。

中医思维是一个复杂的思维过程，具有形象性、模糊性和整体性等特点，需要针对这些特点提出创新性的思维模拟方法。例如，“取象比类”是贯穿中医知识体系的思维模式，与中医其他的思想方法共同构成了中医“象思维”。在中医药知识工程领域，需要追溯中医“象思维”的思想源流，并采用认知语言学等学科方法对其进行分析，据此提出与之相适应的计算机模拟方法[11]。又如，中医辨证思维是一个涉及分析、综合、推理、归类、鉴别的复杂思维过程，需要将中医辨证理论与实际的病案结合起来进行分析，总结中医辨证思维的规律，从而建立合理、准确的中医辨证计算模型[12]。思维模拟研究在中医临床诊疗等领域具有潜在的应用价值。但首先需要在临床实践中对计算机建立的中医思维模型加以检验，以验证其准确性和实用性。

4.2 中医药知识表示研究

知识表示（knowledge representation）是指通过某种方案、数据格式或语言，将领域知识表达为计算机可直接处理的数据。知识表示处于知识工程的中心地位，它既是知识获取的基础，又是知识存储和运用的前提。为实现基于知识的系统，必须将领域知识表示为某种计算机可处理的形式，并录入到计算机系统中去，存储于知识库之中。知识表示的合理性直接决定知识处理的效率，对知识获取和应用的效果也有很大的影响。

广义上，知识表示的目标就是实现人类知识的显性化、机读化和结构化，从而支持自动推理，知识检索和知识发现等应用。知识表示方法有很多种，包括状态空间、谓词逻辑、框架、产生式、语义网络、与或图、Petri网等。这些方法适用于表示不同类型的知识，从而被用于各种不同的应用领域。如何选取或提出合理的知识表示方法，用最恰当的形式来表示中医证候、中药、针灸、温病、养生等各方面的知识，是中医药知识表示研究的重点问题。

目前，知识工程领域的一种主流观点是将建立一个知识系统的过程视为一种“建模”活动。知识建模（knowledge modeling）是指采用某种计算机方法构建一个“知识模型”，它在特定领域中能像专家那样解决问题。其本质是通过模型来表示知识，因此属于一种形式化的知识表示方法。近年来，采用本体等技术建立知识模型，已成为中医药知识分析的一种常用手段，也是中医药知识表示研究的一个主要方向[13-14]。

4.3 中医药知识获取研究

知识获取（knowledge acquisition）是指从专门的知识源中全面、系统地获取知识，并将其转换为某种计算机可处理的形式（如程序、规则、本体等）[15-16]。这里的知识源可以是人类专家，也可以是案例、教科书、论文、数据库、网站等知识载体。一般情况下，知识获取需要由“知识工程师（knowledge engineer）”与领域专家配合，共同来完成工作。知识工程师的任务是帮助领域专家激活隐性知识，完成知识的转换，建立基于知识的系统。

知识工程的一个典型场景是：一组知识工程师找到并访问特定领域的专家，听取专家的介绍，记录专家的经验性知识并将其表达为计算机可处理的形式，存入知识库中。将知识库与推理引擎结合起来，也就构成了一个新的专家系统。知识获取也必然涉及知识验证的问题：知识工程师需要对知识进行评审和验证，以确保知识的准确性。

知识获取是任何知识管理和知识工程的基础性工作。在中医药领域，知名老中医的经验和古籍文献占有重要地位，是知识获取的重点对象。一方面，知名老中医知识和经验的获取，是中医药知识获取的重要环节。它属于专家认知获取的范畴，也就是将专家头脑中隐含的知识转换为某种形式的显性知识的过程。另一方面，中医药领域产生了海量的古籍文献。古籍数字化对于中医药信息的快捷传播和永久保存具有重要意义。如何从数字化的古籍文本中有效提取中医药知识，则是知识工程所关注的问题。无论是通过专家访谈等方法获取领域专家的经验和实践方法，还是查阅大量文献搜集领域知识，都是复杂的、繁琐的工作，且多数情况下只能通过人工方法完成。因此，知识获取是中医药知识工程领域中面临的关键瓶颈[16]。如何突破“知识获取”瓶颈，也就成为知识工程研究的一个热点问题。

4.4 中医药知识运用研究

知识运用是指将领域知识库以及机器推理、知识发现等技术运用于科研、临床、教学等领域，辅助中医药工作者解决复杂问题并提升工作效率。知识工程在中医药领域的具体应用包括：四诊客观化研究、中医辨证规范化研究、方剂量效关系分析、中药新药发现、中医临床诊疗、中医教学等等。为使知识工程的成果产生社会效益和经济效益，促进中医药知识创新和学科发展，必须研究如何运用知识的问题。知识工程学不能逐一研究具体应用的过程或方法，而是研究在各种应用中都可能用到的共性方法，包括知识推理、知识搜索、知识发现、知识服务等。

传统上知识运用研究的一个中心问题是如何构建专家系y。中医专家系统是指用计算机人工智能技术来模拟著名老中医诊疗病人的临床经验，从而使该软件具有专家诊治病人的水平[8]。如前文所述，随着“中医关幼波诊疗肝病的计算机系统”的出现，全国兴起了一股研发中医专家系统的热潮。据陆志平等[9] 估计，中医专家系统已不下300个，并遍及中医的内、外、妇、儿、五官以及针灸等各科。专家系统能对中医四诊信息进行处理和解释，并产生临床推荐意见和临床警示，可用于辅助职业医师进行临床决策。该系统的构建涉及知识获取、机器学习、知识推理、知识搜索等多方面的理论和方法学研究。

自20世纪90年代开始，随着数据库技术的普及以及数据库内容的不断积累，使业务人员产生了从数据库中挖掘知识的愿望。为此，学者们将数据库技术与人工智能、统计学、机器学习等传统技术相互融合，产生了知识发现这一交叉学科[17]。知识发现（knowledge discovery in database，KDD），可被理解为“数据库中的知识发现”。近年来，中医团体探索将各种KDD方法应用于中医药领域。KDD被用于研究方剂配伍规律[18]，辅助中医开具中药处方[19]，解释中医证候的本质[20-21]，以及辅助基于中医药的新药研发[22]，都取得了良好的效果。KDD作为中医药知识分析和科研创新的一种新方法，也成为中医药知识运用研究的一个热点。

5 中医药知识工程的关键技术分析

中医药知识工程将本体（ontology）、文本挖掘（text mining）、语义网（semantic Web）等多种信息技术与中医药领域知识相结合，以促进中医药知识的创造、管理和运用。在下文中，围绕知识建模、知识获取、知识存储、知识发现等4个主要方面，对中医药知识工程中涉及的关键技术进行具体分析。

5.1 中医药知识建模技术

知识建模是将领域知识表达为计算机可处理模型（即知识模型）的过程，它是知识工程的基础。中医药知识体系与中华传统文化息息相关，具有鲜明的文化和语言特色，这决定了中医药知识建模的独特性。历代中医普遍采用“取向比类”等形象思维方法，中医药概念之间的关系错综复杂，中医文献中包含大量古汉语成分，这些因素导致中医药知识难于精确描述和定量刻画。需要对知识建模的方法和技术进行创新，并研究出一套符合中医药特点的知识建模框架，以支持中医药知识工程的实施以及知识服务平台的建设。

知识建模技术有很多种，技术人员所熟知的统一建模语言（UML）和实体关系模型（ER模型）都属于知识模型。本体是1990年代出现的知识建模方法，其核心任务是对领域概念体系进行系统梳理和准确表 达[13]。本体在复杂知识建模和自动推理等方面体现出技术优势，因此在生物医学领域逐渐成为主流技术。

近年来，中医药知识工程的一个热点是通过构建中医药领域本体，对中医药理论和知识体系进行辨认、梳理、澄清和永久保真处理。中医团体已经开展了基于本体的中医药知识建模方法研究，并实际构建了一系列领域本体[14] 。例如，中国中医科学院中医药信息研究所研制了“中医药学语言系统（Traditional Chinese Medicine Language System，TCMLS）”这一大型中医药领域本体[23] 。TCMLS对中医药领域的概念和术语系统进行了完整的表达，在中医药学研究中得到广泛应用。此外，本体建模的对象还包括阴阳、五行、脏腑、证候、中药、方剂等诸多领域。这些本体最终可被整合为一个完整的中医药领域本体，支持知识获取、知识发现、知识服务等中医药知识工程的后续工作。实践表明，本体可有效捕捉中医药领域的概念体系，并以概念为核心将中医药知识体系准确地表达出来，能够胜任中医药领域知识建模的任务。

5.2 中医药知识获取技术

如上文所述，中医药知识获取是一项复杂的工作，被公认为知识处理过程中的一个瓶颈，严重限制了知识工程和知识系统的发展。近年来，学者们主要试图通过“集体智能”和“机器智能”这两条路径来突破中医药领域的知识获取瓶颈。

“集体智能”是指组织大量领域专家一起编辑知识库，从而实现专家知识的共享与融合。实现集体智慧的关键在于建立合理的交流、协作和激励机制。随着互联网的迅速推广，中医界开始利用互联网技术建立各种面向中医药领域的知识工程平台，进行跨学科、跨组织、跨地域的协作式知识加工，开展了一系列大规模的知识工程项目，建成了一系列术语系统、领域本体、文献库、数据库和知识库。例如，中国中医科学院中医药信息研究所建立了基于互联网的“中医药虚拟研究院”，部署了一个协同知识工程平台，支持全国40余家机构，近300人进行协同工作[24-25]。在该系统的直接支持下，研制了“中医药学语言系统”[23]等一系列大型知识系统。实践表明，基于互联网的虚拟环境能将不同机构、不同地区的研究人员组织起来，有效解决资金分散、缺乏协调、研发能力不足等问题，实现知识工程的规模化[25]。

“机器智能”是指研发文本挖掘技术，使机器能够直接从文献等知识载体中提取结构性知识。文本挖掘在中医药领域已得到成功应用，能够显著提升知识库加工的效率[26]。但与生物医学领域的大量研究工作[27]相比，文本挖掘在中医药领域的应用仍处于早期探索阶段。需要针对中医药文献的特点，进一步研发实用的挖掘方法，提升挖掘结果的完整性和准确性，从而深度挖掘中医药文献中蕴含的知识。

5.3 中医药知识存储技术

知识存储（knowledge storage）特指在计算机系统中安全、可靠、有序地存储知识资源，以支持知识管理和知识工程应用。知识库是实现知识存储的重要支撑工具，也是知识工程的重中之重。知识库一般是针对特定领域以及问题求解而建立的，对领域知识进行全面收集和系统整理，进而对知识进行组织、分类和保存，以支持知识检索和查询。

构建中医知识库系统，是指用人工智能技术把中医药理论和专家的经验按规范化、标准化的格式组建成知识库[8]。知识库一般具有形式化、结构化、易查询、易操作等特点，能支持机器推理。传统上知识库主要是指采用谓词逻辑、框架等知识表示方法，在计算机系统中表示和存储的知识集合。但在中医药信息化实践中，人们也把文献库、数据库、本体等多种形式的知识载体统称为“知识库”。它们都能起到知识存储的作用，与自然语言处理、机器学习等方法相结合后仍可支持智能应用，因此称之为广义的知识库也不为过。

近年来，中医药知识库建设得到迅猛发展，在中医人体、中医疾病、中医证候、中医医案、中药、中医养生等方面都出现了知识库系统[28]。中医药知识库在中医药信息化中扮演着核心的角色，在文献整理、知识可视化、知识共享、临床诊疗、教学、研究等诸多方面取得实际应用，为中医药知识遗产的数字化保存和深度挖掘提供了创新性的手段。

5.4 中医药知识发现技术

知识发现是从数据中获取有效、新颖、有潜在应用价值和最终可理解模式的非平凡过程[17]。知识发现是人工智能、数据库、统计学、机器学习等多种技术相互交叉产物。知识发现在20世纪90年代提出之后，获得了广泛关注和迅速发展，产生了高频集、关联分析、分类、预测、聚类、孤立点分析、时序/序列分析等一系列行之有效的方法，还出现了Weka、Rapidminer等较为成熟的开源软件。这为知识发现技术在中医药领域的应用创造了条件。

中医在数千年的临床实践与理论研究中积累了海量的数据、文献和知识。如何利用这些宝贵资源就成了发展中医药必须面对的一个问题。而KDD所擅长的正是从海量的数据中寻找有意义的模式和知识，是分析中医药海量数据所需的理想技术手段。近年来，中医团体已开展了将频繁模式发现、关联规则发现、聚类分析、复杂网络分析等多种KDD方法引入中医药领域的若干探索。例如，使用关联规则发现等方法对方剂数据进行分析，来揭示方剂配伍规律[18]；通过知识发现方法辅助中医开具中药处方[19]以及中药新药研发[22]；通过基于隐结构模型的机器学习方法来揭示中医证候的本质[21]；使用文本挖掘方法从海量文献中挖掘新颖知识，构建并分析中医药复杂网络[20]。这些工作表明，面对中医药领域的海量数据，采用KDD技术进行有效的知识发现既是必要的，也是可行的[29]。

过20多年的发展，中医药知识发现的方法和技术已进入相对成熟期，针对中医药领域的各种问题都产生了一系列行之有效的方法。但成熟并不意味着完善，面对中医药数据描述多样化、数据仍不完备的特点，仍然需要对现有的KDD技术进行改进和发展，以满足中医药科学研究和知识创新的需要。

6 中医药知识工程的发展趋势

近年来，中医药知识工程实践取得长足发展，成功建立了大量的知识资源。但中医药知识资源往往服务于特定的医疗和研究机构，彼此之间异质、异构，难以实现集成与共享，形成严重的“知识孤岛”现象，成为长期困扰中医药知识工程领域的技术难题。中医药与西医等相关领域的知识资源也难以实现有效的关联，阻碍了跨学科研究的开展。

为此，学者们[6，30]提出使用语义网作为中医药数据表示标准，实现中医药内部的知识整合以及中西医领域的知识互联，从根本上解决“知识孤岛”问题。2001年，万维网发明人（T.B. Lee）在《科学美国人》上正式提出了语义网的构想，认为它将是一个机器可以理解的开放性信息空间[5]。语义网技术的核心优势在于将数据结构和存储方式各异的数据转换为统一格式并重新，从而实现数据资源的交换与集成。语义网为实现跨领域知识关联提供了理想的技术平台，有助于构建面向特定领域的大规模知识图谱，进而实现各领域知识图谱的关联与融合。语义网最终将发展为一个全球性的知识图谱，提供全面、智能的知识检索服务，促进知识共享和人机协作。

可基于语义网技术建立中医药知识图谱，从而实现中医疾病、中药、方剂、针灸、医案等中医药各门类知识资源的集成[30-31]。TCMLS作为一个包含10余万个中医概念以及100余万个语义关系的大型语义网络，为构建中医药知识图谱提供了相对完整的框架。鉴于此，于彤等[31]提出以中医药学语言系统为骨架，将中医药领域现有的术语资源和数据库资源融合起来，构成大规模知识图谱，并实现基于知识图谱的知识检索、知识展示和知识服务等功能。在未来，可进一步扩充中医药知识图谱，通过语义关系表达中医和西医之间的结合点，从而实现这两个领域的知识图谱的关联和融合。这套方法将使中医药知识资源接入全球互联的知识图谱之中，支持各种面向结合医学的知识共享、决策支持和知识发现应用，在中西医结合医学中发挥更大的作用和影响力。

6 小结

中医药根植于中华文化，源于中国传统哲学，是中华民族非常宝贵的知识遗产。中医药知识工程成为中医药知识遗产保护和知识创造的一种新模式，能有效推动群体性的知识创新活动，加速知识转化过程，促进知识的传播。

中医药经过数千年的发展，形成了一座伟大的知识宝库，这决定了中医药知识工程的巨大价值和艰巨性。中医药领域知识体系相当复杂，对知识工程技术提出了独特的需求。在中医药领域实施知识工程是一项极其复杂且具有挑战性的工作，其中还有很多尚未解决的科学问题和技术难题，需要进行长期的研究。展望未来，中医药知识工程必将成为中医药信息学学科体系的重要组成部分，也将在中医药科学研究和临床实践中发挥越来越重要的作用。

参考文献：

[1] 任廷革， 刘晓峰， 李庆业， 等. 从复方分析模型的研究看中医知识工程的意义[J]. 中国中医药信息杂志， 1999， 6（3）： 12-13.

[2] 杨斌. 中医知识工程的建立及其意义[J]. 世界科学技术――中医药现代化， 2000， 2（4）： 28-30.

[3] Schreiber G， AKKERMANS H， Anjewierden A， et al. Knowledge engineering and management： the CommonKADS methodology [M]. 1st ed. Cambridge， MA： The MIT Press， 2000.

[4] Brachman R， Levesque H. Knowledge representation and reasoning [M].San Francisco：Morgan Kaufmann Publishers Inc.， 2004.

[5] Berners-Lee T， HENDLER J， Lassila O. The semantic Web [J]. Scientific American， 2001， 284（5）： 28-37.

[6] 于彤， 崔蒙， 李敬华. 语义Web在中医药领域的应用研究综述[J]. 世界中医药， 2013， 8（1）： 107-109.

[7] Fayyad U， PIATETSKY-Shapiro G， Smyth P. From data mining to knowledge discovery in databases[J]. AI magazine， 1996， 17（3）： 37-54.

[8] 马斌荣. 中医专家系统与中医知识库[M]. 北京： 北京出版社， 1997.

[9] 陆志平， 李媛媛， 魏方方， 等. 人工智能、专家系统与中医专家系统[J]. 医学信息， 2004， 17（8）： 458-459.

[10] 孙燕. 中医知识工程研究进展分析[M]. 中国中医药信息杂志， 2010， 17（12）： 5-6.

[11] 于彤， 陈华钧， 顾拢 等. 中医象思维的OWL语义建模[J]. 中国数字医学， 2013， 8（4）： 29-33.

[12] 于彤， 崔蒙， 吴朝晖， 等. 基于语义Web的中医临床知识建模[J]. 中国数字医学， 2013， 8（11）：81-85.

[13] Gruber T R. A translation approach to portable ontology specifications[J]. Knowledge acquisition， 1993， 5（2）： 199-220.

[14] 李兵， 裘俭， 张华敏， 等. 中医药领域本体研究概述[J]. 中国中医药信息杂志， 2010， 17（3）：100-101，106.

[15] 路耀华. 思维模拟与知识工程[M]. 北京： 清华大学出版社， 1997.

[16] 陈瑜. 试论中医药领域的知识获取[J]. 医学信息学杂志， 2013， 34（3）： 89-92.

[17] FAN J， LI D. An overview of data mining and knowledge discovery[J]. Journal of computer science and technology， 1998， 13（4）： 348-368.

[18] 李文林， 段金廒， 赵国平，等. 方剂配伍规律数据挖掘的研究现状及思考[J]. 中国中医药信息杂志， 2008， 15（10）：92-94.

[19] QIAO S， TANG C， JIN H， et al. KISTCM： knowledge discovery system for traditional Chinese medicine[J]. Applied intelligence， 2010， 32（3）：346-363.

[20] ZHOU X， LIU B， WU Z， et al. Integrative mining of traditional Chinese medicine literature and MEDLINE for functional gene networks [J]. Artificial intelligence in medicine， 2007， 41（2）：87-104.

[21] ZHANG N， YUAN S， CHEN T， et al. Latent tree models and diagnosis in traditional Chinese medicine[J]. Artificial intelligence in medicine， 2008， 42（3）：229-245.

[22] 雷蕾， 慧敏， 崔蒙， 等. 中医药化学辅助研发系统的建设[J]. 中国中医药信息杂志， 2008， 15（8）： 100-101.

[23] 于彤， 贾李蓉， 刘静， 等. 中医药学语言系统研究综述[J]. 中国中医药图书情报杂志， 2015， 39（6）： 56-60.

[24] 崔蒙， 谢琪， 尹爱宁， 等. 中医药信息数字化虚拟研究院建设模式研究[J]. 上海中医药大学学报， 2008， 23（3）：5-8.

[25] 尹爱宁， 崔蒙， 范为宇， 等. 中医药虚拟研究院[J]. 国际中医中药杂志， 2006， 28（3）： 141-143.

[26] ZHOU X， PENG Y， LIU B. Text mining for traditional Chinese medical knowledge discovery： a survey[J]. Journal of biomedical informatics， 2010， 43（4）： 650-660.

[27] Rebholzschuhmann D， OELLRICH A， Hoehndorf R. Text-mining solutions for biomedical research： enabling integrative biology[J]. Nature reviews genetics， 2012， 13（12）： 829-39.

[28] 于彤， 钏叮 李敬华. 中医药知识库系统研究进展综述[J]. 中国医学创新， 2014， 11（18）： 142-144.

[29] 吴朝晖， 封毅. 数据库中知识发现在中医药领域的若干探索（Ⅰ）[J]. 中国中医药信息杂志， 2005， 12（10）： 93-95.

[30] CHEUNG K， CHEN H. Semantic Web for data harmonization in Chinese medicine [J]. Chinese Medicine， 2010， 5（1）：1-5.

[31] 于彤， 刘静， 贾李蓉， 等. 大型中医药知识图谱构建研究[J]. 中国数字医学， 2015， 10（3）： 80-82.

Knowledge Engineering for Traditional Chinese Medicine： A Review of Theoretical System and Key Technologies

Yu Tong

Information Institute of Traditional Chinese Medicine， China Academy of Chinese Medical Sciences，

Beijing 100700

第8篇：人工智能对教学的帮助范文

关键词：产业数字化；数字化产业；产教融合；市场营销

一、研究背景

根据中国信通院的《2021年中国数字经济发展白皮书》显示，2020年我国数字产业化规模达到7．5万亿元，占数字经济比重的19．1%，占GDP比重的7．3%。产业数字化规模达31．7万亿元，占数字经济比重的80．9%，占GDP比重的31．2%。数字经济内部结构呈现“二八”比例分布。2020年，三次产业加速数字化转型，农业、工业、服务业数字经济渗透率分别为8．9%、21．0%、40．7%，同比分别增长0．7、1．6和2．9个百分点。数字时代下，培养新一代国家建设人才已迫在眉睫［1］。数字化产业的发展，是产业数字化转型的重要保障。工业互联网平台、大数据中心、人工智能算法、云计算服务、区块链、数据安全、数字消费等各种数字化技术所用的新基建和数字化设备，使数字产业快速发展并得以应用。这些数字化企业的成长和壮大是支撑起产业数字转型的砥柱。2017年12月国务院办公厅印发《关于深化产教融合的若干意见》提出要深化产教融合。5G等新一代通讯技术的变革和应用，席卷行政服务系统、教育系统、金融系统、医疗系统等所有领域。高校传统专业教育已不能满足产业数字化新需求，唯有顺应时代和产业的变化不断更迭，才能培养出适合企业需求的新技能型人才。

二、数字经济新业态产教融合现状

美国能诞生如此众多的互联网巨头，与其职业教育的“合作教育”模式密不可分。“合作教育”模式是将专业人才培养学校理论学习与企业实践训练相结合的一种高等教育策略。2009年，美国将“合作教育”模式更名为合作与实践教育（CEED）。该策略由于较好实现了企业、学校、学生等多方共赢，得到了美国相关政府机构、教育界、企业界的高度重视。［2］自英国脱欧以来，欧盟经济支柱主要来自德国和法国。德国作为老牌工业强国，虽然数字经济发展相对较为缓慢，但是，其成功的职业教育产教融合模式——“双元制”，却值得学习和借鉴。［3］我国数字经济新业态正处于刚起步阶段，相比欧美等西方国家，我国亟需探索出适合我国“两化融合”的工业互联网平台发展模式。近些年“数字”成为助力数字经济发展的重要技术。但是，由于我国数字化人才较为缺失，暴露出高职技术型人才培养工作存在诸多缺陷。目前，关于高职产教融合人才培养模式的成果并不多，尤其是关于“互联网+”背景下的产教融合成果更是比较少。通过研究目前关于数字经济新业态产教融合的研究主要集中在以下方面：一是关于产教融合实施过程中遇到的困境及解决的方法。产教融合存在的困境与解决对策是当前研究的主要热点；二是如何依托校企合作，促进产教融合。例如，钮雪林结合苏州数字经济发展现状，分析了专业建设中所存在的问题，提出专业建设必须要以协同化对接、数字化改造以及融合化转型等方面入手，提升专业建设水平；三是关于国内外不同育人模式的比较与实证分析。

三、“数字化转型”下的产教融合新挑战

（一）目标企业选择难题

合作企业的选择，需经过慎重甄选。企业规模较小的中小企业，软硬实力都不及大型优质企业，在承担校企合作的教学育人中，人力、培训、设备、场地、技术、管理、运营等各方面的成本和投入会成为其主要制约因素。同时，产业数字化也使得行业“洗牌”加剧，涌现出一批顺应数字化转型的优质企业，这批优质企业在产教融合中对人才培养方向更能把握时代脉搏。在目标企业的选择问题上，需要高校对目标企业进行有效评估和谨慎甄选。

（二）企业课程与传统教学内容不相符

在产教融合课程设置方面，存在企业课程与传统教学内容不一致的问题，以及传统企业数字化转型水平低导致课程内容陈旧两大问题。首先，在产业数字化转型的形势下，高校人才培养目标、教学内容和教学方法，仍然存在沿用陈旧人才培养方案和原有知识体系的情况，教材和教法，都没有融入最新数字信息技术，专业建设停滞不前。课程负责老师不愿与企业深度融合，改革课程内容，导致最新的企业标准、企业操作规范、理实一体化课程及企业实训实践类课程无法顺利推进。其次，当目标企业选择不当，或企业发展速度大大低于产业变革，导致企业开发课程内容较为陈旧，尤其是在产业数字化转型的转折点，企业需要最新的工业互联网技术和数字化技术做支撑，才能在产教融合中开发和融入产业最新数字化技术内容。因此，新时代下的产教融合和产业人才培养，不仅对教师、教法、教材提出了新的要求，也对合作企业提出了更高的要求。

（三）企业投资巨大，回报不稳定

首先，从课程的开发来说，需要校企的共同参与，针对学生群体，在现有教学内容的基础上，开发一套既囊括现有知识体系，又符合企业标准的教材和课程。对于企业来说，需要企业上层战略决策的支持和大力投入，需要有经验的专职人员与课程负责老师积极双向沟通，因此，人力成本的投入必不可少。其次，从实训基地建设来看，校企双方前期投入大量人力物力建设实训室、实践基地、教学设备、网络设施等，合作期间产生的水电、培训、师资等一系列费用，以及后期对实训基地和设备的维护保养等成本，一旦由于种种原因使得校企合作不稳定，合作最终不了了之，企业投入将无法收回，也会造成高校国有资产流失。最后，从人才培养过程来看，校企达成产教融合意向，设置校企合作课程，开发校企合作教材，开设各类实践实训项目，最终完成学业，培养出符合产业需求的高素质技能型人才，期间会存在人才培养的时效性，就业双向选择的不确定性等问题，并且对于企业来说人才培养周期大大加长，难以满足企业短期人才紧缺的需求。

四、基于“数字”的市场营销专业产教融合探索

基于以上分析，产教融合过程中叠加产业数字化转型，给校企合作带来了新的挑战，下文将以市场营销专业建设为例，研究和探索基于“数字”的产教融合新模式。

（一）“数字”发展背景

2015年阿里巴巴首次提出概念，随着大数据技术在社会中的广泛应用，数字发展呈现快速发展趋势。例如，2018年我国数字规模为22．2亿元，预计2022年将达到179．4亿元。由此可见数字将成为企业数字化转型的加速引擎。“数字”是企业级的业务能力和数据共享服务平台，其通过对业务、数据以及技术的抽象化，将业务按照领域进行拆分，以服务化的形式输出共享能力。数字具有较高的应用价值：在数据层面上，数字有效解决了企业系统间数据孤岛的问题，有效解决了数据“汇管用”的问题；在业务层面通过对各业务线的模块去除，让前台业务走向市场，提升了企业的市场响应力；在技术层面，具有可扩展性，能够让整个网络架构更加开放，避免了重复开发［4］。

（二）“数字”+产教融合模式“数字”产教融合模式，使市场营销专业建设的教学广度和教学深度都得到了大大提高，契合了高校培养高素质技能型人才的人才培养目标。将企业数字服务于教学，实现深度产教融合，如图1所示。数字对企业数字化、智能化的转型升级起到核心关键作用，在产业数字化的过程中，涉及从生产制造、采购物流、仓储运输等生产制造环节，到客户服务、数字营销、门店调配等流通环节，再到结算中心、供应链管理、人资管理等企业运营管理环节。从人才培养角度出发，教育教学的视域更开阔，理念更趋全局化，对于市场营销专业来说，教学广度随着数据的延伸，不仅涉及数字化营销，而且延伸到了生产制造、经营管理、门店运营、成本控制等多个领域，教学广度得到了大大提升。从教学深度来看，从课本的理论知识为主，营销策划实践为辅的传统模式，转变为更深层次的基于数据的数据采集清洗、可视化报表制作、公（私）域运营、大数据品牌营销、内容营销、算法和AI提升人效等基础上的营销战略和营销策划，教学深度增加，专业深度增加，更适合数字时代人才培养需求。

1．数据采集

如图1所示，产教融合部分包含两大内容和一大条件。根据上文数据来源分类，企业数据分为内部数据和外部数据两大类，数据的采集过程主要从离线采集与实时采集两方面进行。首先，内部数据是指在根据企业内部经营情况，进行数据采集和数据筛选，主要包括不涉及商业机密的企业以往数据：营业额达标率、客单价、人效、毛利、进销、损耗等数据。具体数据包括日（月）营业额、日（月）营业指标、日（月）完成率、客单数、客单价、人效、每日（月）同比、每日（月）增长率、客单增长率、采购、销售、毛利（率）、陈列（样品）报损、报损率、日销前十等。其次，外部数据是指通过网络爬虫获取的互联网数据、第三方接口数据等产生的相关数据。最后，对于上述用于教育教学的数据，其数据量相当庞大。在互联网环境下，客户数据来源比较广泛，既包括客户办理各项业务的数据。例如，客户的基础信息数据、客户消费数据、订单业务数据等等，还包括客户位置移动范围数据等。基于日益繁琐的数据，需要系统要具备数据收集和储存的系统作为支撑。因此，基于数字将数据进行整合，并通过全过程的数据采集才能获取动态全面的数据，并最终筛选有效数据用于市场营销专业产教融合。

2．数据应用

数据应用是“数字”平台建设的核心，传统的数据系统只是简单地存放或者展示难以有效发挥数据的潜在价值，不能达到数字资产的应用价值。基于数字产业的发展，构建产教融合必须要将所有的数据纳入到同一套系统中，建立以客户为中心的“DNA”数据视图，整合系统的所有资源，让平台系统内的成员都可以使用数据资产，以此达到支撑整个智慧运营体系的数据要求［5］。市场营销专业课程的数据应用，主要是利用智慧运营体系中数据采集到的数据，进行客户精准画像、企业科学决策、AI（算法）预测、制定营销战略、撰写营销策划方案、个性化学习等，通过校企产教融合，将数据应用环节共同开发成各类数字营销实践课程。

3．基础工具及条件

在数据采集和数据应用的过程中，校企共建实训场地提供软硬件保障，硬件设施包括本地机房、互联网设备，物联网、互联网等，软件设施包括数据采集分析工具（python、excel）、云平台、数据共享数据等。通过云平台和数据共享数据，服务器将操作实践内容共享至学校机房，同时物联网实现万物互联，校企指导老师在线指导和评估，前置课程中可加入一些基础的工具课，或在实训课中加入有针对性的工具操作模块。数据是领先行业的共同选择，构建了企业进行应用开发的新一代平台型基座，通过数字赋能变革成为企业转型发展的重要选择。本文秉承科学性和先进性原则，兼顾时展特征，以市场营销专业为例，对基于数字产教融合模式进行了一系列理论探索，希望能对高校实现新时代数字营销人才的培养目标有所帮助，希望能对各专业建设改革有一定的参考价值，也希望能对地方经济的建设发展有一定的启发。

参考文献

［1］刘常春，张晓丹．职业教育中的产教融合模式分析［J］．电子技术，2021（12）：200-201．

［2］汪福俊．美国应用型高校的合作教育机制——以德雷塞尔大学为例［J］．教育学术月刊，2018（12）：57-67．

［3］陈保荣．职业教育产教融合的国际比较研究［J］．职教论坛，2018（5）：40-46．

［4］胡翰林，沈书生．基于技术的教育大数据应用研究［J］．现代教育技术，2021（9）：78-86．

第9篇：人工智能对教学的帮助范文

关键词：电路分析；教学

《电路分析》是工科各电类专业一门重要的基础课，该课程理论严密，逻辑性强，综合性强，有广阔的工程背景。对培养学生的思维能力，提高综合分析问题和解决问题的能力，树立理论联系实际的科学观点，有着重要的作用。笔者根据这几年的教学经验，谈谈自己对如何搞好本门课程教学工作的一些看法。

帮助学生建立逻辑性严密的知识框架

《电路分析》这门课程内容多，知识点繁杂，但授课学时却在不断减少。如何在有限的时间里，保质保量的完成教学工作，就要求教师必须吃透教材，分化知识点，贯通教材内外知识点的联系，针对教学对象，帮助其理解教材内部的逻辑结构，从而在有有限的时间里，达到良好的教学效果。

(一)弄清楚研究对象

本课程的研究对象是集总参数、线性的、时不变电路。所谓的集总参数是指电路的实际尺寸远远小于电路中信号的波长。相反地，如果电路的实际尺寸大于其中信号的波长，则称之为分布(分散)参数。线性是指电路中的元件均为线性原件。而时不变是指元件的特性约束不随时间的变化而变化。

(二)弄清楚两种约束

本课程主要讨论电路的两种约束，即拓扑(结构)约束和特性(元件)。其中，拓扑约束包括KVL(基尔霍夫电压定律)和KCL(基尔霍夫电流定律)。这种约束与元件特性没有关系，仅仅与元件的联结方式有关。这也是电路分析的理论基础。而特性约束是指元件两端的伏安关系(VCR)。

(三)弄清分析电路的基本方法

本课程主要介绍的电路分析方法包括：等效变换法列方程法(支路法、回路法、节点法)电路定理法(置换定理、叠加定理、戴维南定理、特勒根定理、互易定理)。

采用启迪式教育方法，调动学生学习积极性

在理论课堂教学中，应充分发挥教师的主导作用和学生的主体作用，努力改变传统理论教学中“满堂灌”式的教学方法，实行“启发式”教育。“授之以鱼，不如授之以渔”。

每堂课上，教师要根据教学内容及要求，向学生提出许多问题，在问与答中展开教与学，这样才能充分调动学生用已有的知识思考问题、理解、掌握和探求新知识。同时，教师要努力营造一种生动活泼的民主气氛，鼓励学生积极参与课堂教学，教师必须始终记住自己与学生的地位是平等的。与学生的活动是交互的，要让学生凭自己的直觉与经验观察物理现象，分析物理规律，允许学生展开讨论或争论，可以独立地发表意见，引导学生得出正确的结论，让学生感到是作为教师的合作者学习的，以此提高学生自信心、责任感与主动性。

例如，在讲解线性电路分析方法这一章内容时，先介绍较为简单并很容易理解的“支路电路法”，通过例题使学生发现用该方法求解时不仅需要列写方程数多而且方程求解较繁琐，从而引导学生提出“有没有更好的解决方法?”进而引入“网孔电流法”、“节点电位法”等其它解决途径；讲解“代文宁定理”后，引导学生主动提出“该定理在具体运用中有什么途”?带着这个问题去学习，不仅能对“代文宁定理”加深认识和理解，还为引出最大功率传输定理埋下伏笔。这样通过积极引导，逐步培养学生学会思考，学会学习，提高自学能力

利用现代化教学手段，提高教学质量

在教育领域中，计算机不仅是一门学科，而且正逐渐成为有效的教学媒体与教学管理的工具，多媒体技术使教学手段、教学方法、教学方式和教学理念都发生了变革。以多媒体为核心的现代教育技术运用于电工教学，之所以能够优化电工理论教学过程，更好地提高教学质量，是因为它具有以下五个教育功能引：微观现象客观化，客观现象微观化；化“不可视”为“可视”教学；把抽象的电工概念与过程具体化；化“静”为“动”，帮助学生弄清复杂的电工过程；利用人工智能，使学生身临其境，感知电学规律。在计算机普及的今天，我们教师应该在幻灯、录像、电视等几种常用教学手段的基础上充分利用计算机辅助教学，用电子教案代替手写教案，把电工理论教学的课堂改到多媒体教室，用图、文、声、形并茂的新颖授课方式吸引学生，并用多媒体把许多静态的演示实验转变为细致逼真的演示过程，通过加强学生形象思维，帮助学生对抽象电工理论知识的理解。在电工基础实际教学中，改变传统的板书式教学，改用多媒体课件与板书相结合的方法，将理论教学内容制作成课件演示，相关公式推导及例题的讲解采用板书与演示结合。

同时，还可以利用可以通过PISPISE、EWB、MATLAB、Multisim等仿真软件进行模拟仿真和过程分析，使学生避免枯燥的理论学习，提高了学生的学习积极性。但是，必须认识到多媒体教学只是辅教学，是将教学中难以表达或抽象的概念用多媒体软件展示出来，而不是教师讲课板书的复制。

重视实践教学，重祝学生能力的培养

电路课程中一个必须重视的环节就是实践教学，即实验和实训。通过实验和实训使学生真正掌握电路知识及实验的基本技能和安全操作知识。学会常用电工电子仪器仪表的使用，以及电路参数的测量和元器件的辨别，注意培养学生的动手能力：培养学生初步掌握一定的电气工程技术的能力：识读电路图的能力和排查电路故障的能力等。随着对学生能力要求的提高，传统的以验证性实验为主的电路实验已不能满足要求，必须对实验内容、实验方式方法加以改革，在保留部分传统的验证性实验外，应根据专业特点增加综合性和设计性实验。