人工智能對教學的幫助精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的人工智能對教學的幫助主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：人工智能對教學的幫助范文

關鍵詞：人工智能；教學改革；教學方法

引言

人工智能(ArtificialIntelligence)是一門研究和模擬人類智能的跨領域學科，是模擬、延伸和擴展人的智能的一門新技術。由于信息環境巨變與社會新需求的爆發，人工智能技術的日趨成熟。隨著AI3.0時代的到來，大數據、云計算等新技術的應用也愈發廣泛，對于管理類人才來說，加強對人工智能知識的深入學習，不斷將人工智能技術與管理知識結合起來，對其未來職業生涯的發展有著重要作用。人工智能是一門前沿學科，管理學院開設人工智能課程的目的是為了更好地培養學生的技術創新思維與能力，基于其覆蓋面廣、包容性強、應用需求空間巨大的學科特點，通過概率統計、數據結構、計算機編程語言、數據庫原理等基礎課程的學習，加強學生解決實際問題的能力，為就業打下基礎。本文基于社會對于人工智能領域的人才需求，結合諸多長期從事經管類專業課程教學的老師意見，針對管理類人才的人工智能課程教學內容與方法進行探討，以期對中國高校人工智能課程教學改革研究提供幫助與借鑒。

1、教學現狀與問題

作為一門綜合性、實踐性和應用性很強的理論技術學科，人工智能課程內容及內涵及其豐富，外延極其廣泛。學習這門課程，需要較好的數學基礎和較強的邏輯思維能力。針對管理類人才，該課程在課程教學過程中存在幾個較為突出的問題。(1)課堂教學氛圍枯燥目前，中國大多數大學仍采用傳統的課堂教學模式，在教學過程中照本宣科，忽略與學生的互動，并且缺乏能夠有效引起學生學習興趣與加深知識理解的教學環節設置，如此一來大大降低了學生自主思考的能力。在進行人工智能相關課程知識講解時，隨著章節的知識難度不斷增加，單向介紹式的枯燥教學方式無法反映人工智能學科的全貌，課堂講解難以同時給以學生感性和理性的認知，部分學生因乏味的課堂氛圍漸漸無法跟上教學進度，導致學習動力不足。(2)基礎課程掌握不牢管理類專業的學生大部分都會走向更加具體化的管理崗位，具有多學科的素養，但這也導致很多學生所學知識雜而不精。學生在基礎不夯實的情況下去學習更高層面的知識，給學生學習與老師教學都造成了很大困擾。人工智能課程知識點較多，涵蓋模式識別、機器學習、數據挖掘等眾多內容，概念抽象，不易學習。一些管理類專業的學生未能熟練掌握高等數學、運籌學、數據結構、數據庫技術等先修課程，缺乏一定的關聯思考和研究意識，導致課程學習難度增加，產生學時不足和教學內容難點過多的問題。(3)教學與實際應用脫節當下，人工智能廣泛應用于機器視覺、智能制造等各個領域，給學生提供了大量的現實案例，使得人工智能不再是高深莫測的理論，而是現實中可以觸及的內容。例如，在機械學科領域，人工智能技術是電氣工程、機械設計制造、車輛工程等方向的重要技術來源；在醫療領域，是醫療器械的創新生產源動力；在能動領域，是高端能源裝備與新能源發展的重要驅動；在光電信息與計算機工程領域，技術的發展時刻推動著智能科學與技術核心價值的提升。然而，對于管理類專業的學生來說，現階段的人工智能教材涵蓋許多智能算法及相關理論，在教學過程中常常涉及到很多從未接觸過的抽象理論和復雜算法，書本中的應用實例大多紙上談兵，缺乏專門適用于管理類專業知識與人工智能技術相結合的教學實踐，加上一些教師授課方法單一，不利于引導學生將人工智能算法應用于現實生活。另外，大學生對知識的理解能力差異很大，教師采用統一的方式教給他們，這使一些學生無法跟上和理解，教師也無法控制學生的學習狀況，導致學生缺乏動力。因此，如何結合學生的現實情況，提高他們的動手能力和實踐經驗也是人工智能課程教學要考慮的問題。

2、管理類人才的人工智能課程教學改進策略

課程教學改革是一項提高大學教學效果和人才培養質量的重要手段。如何在時代背景下應用新技術和新思想進行實施課程教學改革是高校亟待解決的問題。對于高校的教學工作而言，教學目標、教學內容和教學方式的變化不再是課程資源的簡單數字化和信息化，而是充分利用時代信息資源優勢的新型教學模式。針對管理類專業人工智能課程教學過程中存在的問題，可以從教學方法改進和教學內容設置兩個方面進行課程教學改進。

2.1教學方法改進

教師對學生具有引領作用，其教學方法的改進能夠帶動學生改進自身學習方法。(1)啟發式案例教學案例教學法就是教師根據教學目標、教學內容以及教學要求，通過安排一些具體的教學案例，引導學生積極參與案例思考、分析、討論和表達等多項活動，是一種培養學生認知問題、分析和解決問題等綜合能力的行之有效的教學方法。啟發式案例教學以自主、合作、探究為主要特征，調動學生的學習積極性，并緊密結合人工智能領域的相關理論與方法，有效理解知識要點及其關聯性，適用于管理類專業學生的教學。具體而言，高校基于其問題啟發性、教學互動性以及實踐有用性等特點，可以建立基于人工智能知識體系的教學案例庫，雖然這項建設將極具挑戰性與耗時性，但具有很強的積極效果：培養學生較強的批判性思維能力，更多地保留課程材料，更積極地參與課堂活動，對提高教學質量、培養具有人工智能背景的管理類人才具有重要意義。例如，通過單一案例教學，讓學生掌握相關基礎知識原理及應用；通過一題多解的案例使學生思考如何獲取最有效的解題方法；通過綜合案例的設計，啟發學生全方位地探索問題的解決方案。(2)研討互動式教學研討互動式的各個教學環節是逐漸遞進、有機結合的。研討是基于學生個體的差異性，在課堂討論的過程中對學生做出評判，從而對不同類型的學生開展針對性的教學。互動則是在研討的基礎上，通過老師與學生、學生與學生的互動，讓學生主動參與到課堂教學的過程中來。在人工智能課程教學過程中，教師通過課堂討論了解學生對于知識點的掌握情況，可以有針對性地設計教學內容，例如，對于學校積極性不強的學生，將人工智能理論內容與學生個人興趣范疇、社會產業發展及研究現狀聯系起來，能夠極大程度地提高學生學習的自主能力；對于基礎知識較為薄弱的學生，可以在教師的指導下查閱相關文獻資料，根據自己的理解撰寫心得報告，并在課堂或課外進行師生互動。像這樣研討與互動相結合的模式。有助于增強學生的探索和求知欲望，建立起濃厚的學習氛圍。(3)有效激勵式教學人工智能是引領未來的戰略性技術，人才需求量極大，對教師的教學水平也提出了更高要求，因此，進行有效激勵極為重要。在學生激勵方面，可以舉辦各類人工智能競賽項目，設置相應項目獎學金，吸引學生參與實踐，調動學生做研究、發論文的積極性。例如，教育部主辦的中國研究生人工智能創新大賽，圍繞新一代人工智能創新主題，激發學生的創新意識，提高學生的創新實踐能力，為人工智能領域健康發展提供人才支撐。高校也可以借鑒這種模式，在各學院乃至全校開展此類競賽項目，激發學生的創新能力與團隊合作能力，鼓舞更多學生加入到人工智能課程的學習中來，激發其學習興趣。在教師激勵方面，在教師聘任和提升過程中把參加學生課程制定、課堂與課外作業、課程項目和論文指導等看作教學任務的一部分，鼓勵教師積極參與這些活動。(4)學科滲透式教學人工智能學科知識融合程度較高，學科交叉性強。基于人工智能的學科交叉性特點，增強管理類人才對學科應用的領悟，可以采取開展學科滲透式教學的方法。從2015年起，國務院和教育部先后印發了《國務院關于積極推進“互聯網+”行動的指導意見教育》、《高等學校人工智能創新行動計劃》等文件，“互聯網+”、“智能+”已經滲透到各個領域，人類進入數字經濟時代，社會需求“技術+管理”的高端復合人才。例如，基于工業4.0和強國戰略，人工智能技術在智能制造的應用極為廣泛。上海理工大學非常重視少數民族預科班的教育質量。為增強少數民族管理類人才對該領域應用的認識，我們請機械工程、能源動力領域的相關專家以授課或講座的形式，進行相關領域知識和發展趨勢的講解，使學生理解更為透徹。此外，在教學實踐過程中，還可以用舉辦人工智能知識交流會、線上人工智能論壇等形式，促進不同專業間老師、學生對于人工智能知識模塊的見解，相互交流、滲透和學習，從而推動人工智能課程教學的改進。

2.2教學內容設置

世界一流大學在人工智能課程內容設置根據不同國家的教育體系設置，肯定會有不同，但頗有共通之處。本文借鑒世界頂尖大學經驗，針對管理類專業人工智能課程教學內容進行研究，結合中國教育體系設置，認為應從以下幾方面進行改進。(1)核心內容設置為避免學生因為知識點過多而出現雜而不精的問題，勢必要精化教學內容。在互聯網時代，我們可以使用云計算和其他方式來實現數據信息的傳輸、存儲和處理，通過在線收集和整合網絡課程相關數據，挖掘和豐富教學資源，并在整合課程資源的基礎上，進行研究方法和前沿知識的擴展。在核心內容設置方面，可以通過收集到的數據資料，選擇人工智能領域具有代表性且難易程度適中的知識作為重點，使學生能夠在有限的學時內掌握人工智能的知識脈絡。例如，編寫針對管理類人才的人工智能教材，內容涉及緒論、知識表示與推理、常用算法、機器學習、神經網絡等方面的同時，重點增加相應知識點在管理上的應用案例，加強學生對知識點的理解。同時，根據管理類專業偏向領域，開設關聯程度較大、應用較廣泛的人工智能選修課程，以便學生根據自己的興趣與需求選修具體方向的課程。(2)注重學生的數理及編程基礎良好的數理及編程基礎是學習人工智能的前提。只有具備了這些基礎，才能搞清楚人工智能模型的數量關系、空間形式和優化過程等，才能將數學語言轉化為程序語言，并應用于實驗。管理學院人才的數理及編程基礎相對薄弱，因此，在安排學生學習人工智能課程之前，建議開設面向全體管理類專業學生的微積分、線性代數、概率論等專業基礎數學課程以及C語言、python等編程基礎課程，使學生具備數學分析的基礎與一定編程基礎，為學習人工智能課程打下堅實的基礎。另外，可以推進MOOC平臺建設，在平臺上開設人工智能網絡課程，幫助學生掌握人工智能知識基礎及專業技能。(3)實驗建設為了加強學生對于人工智能知識點間的關聯性理解，可以基于不同的應用模塊，設計具有前后鋪墊、上下關聯的綜合性實驗，設計不同層次的項目要求，同時基于相同的實驗課題，讓學生分組對實驗課題進行攻克，并設置多元化的實驗評價體系，通過實驗教學過程中反映出的不同進度，讓教師能對學生的學習水平做出準確評判，及時進行教學反思，以便更好地開展下一步工作。例如，針對人工智能課程應用中很廣的遺傳算法，在某一管理規劃的具體應用上設置理解－實現－參數分析－具體應用－嘗試改進－深度拓展的不同層次的項目要求，在這些項目層次中規定必做項與可選項，讓學生基于同一實驗課題進行合作學習，然后通過個人自我評價、小組成員互相評價以及教師評價的方式進行打分，對小組整體能力以及個人能力進行綜合評估，以期培養學生的自主思考能力。

第2篇：人工智能對教學的幫助范文

【摘要】計算機輔助教學的實際需要應用人工智能技術及復雜的程序,如自然語言理解、知識表示、推理方法等,一些人工智能技術的特殊應用成果,同時以及理論證明等均被應用于計算機輔助教學系統,以提高其智能性和實用性。早期絕大多數計算機輔助教學技術被應用于建立學習模塊。這種方法能控制調練策略并給出適合學生的學習內容。

【關鍵詞】人工智能計算機輔助教學教學與控制

一、人工智能的定義

人工智能也稱機器智能,它是計算機科學、控制論、神經生理學、心理學、語言學等多種學科互相滲透而發展起來的一門綜合性學科。從計算機應用系統角度來看,人工智能是研究如何制造出智能機器或智能系統,實現模擬人類智能活動的能力,以延伸人們智能的科學。人工智能是一門交叉科學,逐漸形成一門涉及心理學、認知科學、思維可循、信息科學、系統科學和生物學科等多學科的綜合性技術學科。

二、計算輔助教學體系和現狀

計算救助教學是利用多媒體計算機的功能與特點,利用計算機輔助教師完成各個教學環節,并通過與計算機之間的交互活動,激發學生的學習積極性和主動性,幫助學生更有效地學習。實用計算機輔助教學,有利于認識主體作用的發揮,它所提供的圖像、聲音、動畫等信息由利于學生知識的獲得與保持,達到提高教學教學的目的。

目前為止,所實用的絕大多數傳統以及理論證明等均被應用于計算機輔助教學系統,以提高其智能性和實用性。早期絕大多數計算機輔助教學將全部教學信息以編程方式預置于課件中,這樣的以及理論證明等均被應用于計算機輔助教學系統,以提高其智能性和實用性。因此現有的以及理論證明等均被應用于計算機輔助教學系統,以提高其智能性和實用性。早期絕大多數計算機輔助教學系統面臨許多挑戰,它主要存在以下幾個方面的問題。

1.計算機輔助教學系統的閉塞性

不具有開放性是目前以及理論證明等均被應用于計算機輔助教學系統,以提高其智能性和實用性。其弊端在于固定內容的局限性使課件的適用面狹窄,而且設定的運行路線使授課缺乏自主性;授課的針對性不強;無法利用新出現的資源在較高起點上進行二次開發。

2.智能性的欠缺

現有的計算機智能輔助課件系統不能對不同何曾度的學生進行有針對性的教育,學生的學習是被動的,不能由系統自動提供助學信息而使學生有選擇地學習。。

3.人機交互能力較弱

現有計算機智能輔助大多以光盤作為信息的載體,將材料中的內容以多媒體的形式展現出來,教學信息是按預置的教學流程機械式地提供給學者,學習者使用計算機智能輔助課件學習是完全被動的。

4.教師與學生的互動在教學中的缺乏

現有計算機智能輔助課件在學生自學以及進行操作使用時,如何學習都是學生自己的事。教師不能全完了解學習者的情況,學生在蹦到問題時不能向教師求教,師生之間互相封閉,談不上師生互動,因此課件所起的效果大打折扣。

5.課程特點沒有突出

各門課程在教學上有不同的要求,但現有課件對于這些不同要求完全不予理會。例如很多課程都要涉及到大量的曲線或曲面,對有些課程來說,將這些曲線或曲面給出了一個簡單的展示就足夠了,而有些課程這樣的展示不能達到教學目的的要求。

6.教學計劃的欠缺

在課件的開發過程中實際上離不開教學策略的設計,但課件的制作者往往并未意識到這一點。例如:現有的絕大多數課件都是單一的展播式,這樣的可見制作“精美”,但它不可逆、不能互動。實際上運用課件教學只是手段而不是目的,應該在教學設計理論的指導下講求課件的實效性,著眼點在于學生學習新知識、掌握新技術、培養各種能力有幫助,而不是表面上的制作“精美”。

綜上所述,現有的計算機智能輔助存在許多問題,隨著新技術的不斷出現,這些問題將使計算機智能輔助越來越不能適應新的要求。因此以智能計算機智能輔助為代表的心的計算機輔助教學系統將成為教育技術上需要不斷探求、努力實現的發展方向。

三、智能計算機輔助教學系統

智能計算機輔助教學系統(IntelligentComputerAidedInstruction),簡稱ICAI。教學過程是一個復雜的教與學的思維過程,它需要教師以專門知識和經驗為依據,經過吸取、講解、推理、示例、綜合等多個步驟才能較好地完成。計算機輔助教學實際上是一個由計算機系統輔助教師進行教學以及學生進行學習并得以實現的系統。在智能ICAI中,教學思想、方法、學習內容可用知識形式表示,如何解決知識的形式化表示以及知識的訪問與調用問題,是人工智能的核心技術之一,也是將ICAI引入教育技術領域中所要面臨的一個問題。知識庫是實現知識推理與專家系統的基礎,可以用知識庫作為智能ICAI的構建環境。在知識庫中,教學內容等的有關知識可以用事實與規則表示,并存儲于知識庫內,教學與學習過程既是對知識庫中知識進行推理,并最終得出所需結果的過程。ICAI系統的一般包括以下幾個模塊:

1.知識庫。知識庫是關于教學內容的模塊,解決“教什么”問題。知識庫中的教學內容有待于教學與控制模塊和學生模塊進行選取、調用。

2.學生模塊。學生模塊是用于記錄學生的學習情況,對學生學習的各個環節信息進行搜集,以便系統對學生的學習情況進行自動評估,提出具有針對性的學習建議和個別化的輔導。學生模塊描述學生對教學內容理解、掌握的程度,系統可以根據學生模塊的具體情況調整教學策略并提供適當的反饋。

3.用戶接口模塊。這是系統與用戶交流的界面。整個系統依靠用戶接口模塊把教學內容呈現給用戶、接受用戶輸入的信息、并向用戶提供反饋。

第3篇：人工智能對教學的幫助范文

（湖南大學信息科學與工程學院，湖南長沙410082）

摘要：針對大學專業教育中普遍存在的高分低能狀況，以“用”為出發點，提出實驗課程·專業實訓·學科競賽金字塔式實踐教學體系，闡述如何打通課程理論之間的聯系，自底向上從實踐動手、分析綜合再到發明創新分層逐步培養和提升學生的專業能力。

關鍵詞 ：實踐教學；實驗課程；專業實訓；學科競賽

第一作者簡介：李智勇，男，教授，研究方向為智能計算、智能系統、大數據，zhiyong．li@hnu．edu．cn。

0 引 言

大學作為直接為社會輸送人才的機構，將人才“可塑性”和“可用性”作為大學教育的根本目的，因此培養學生的文化素養和專業能力成為大學教育最重要的任務，但由于中國傳統教育思想的影響，“高分低能”一直是中國教育面臨的一個嚴峻問題，而這一問題在高等院校更為突出。問題不解決，便達不到“可用性”的目的。

這一問題違背了大學教育尤其是工科類院校的初衷，越來越多的高校逐漸意識到該問題的嚴重性，開始進一步關注實踐教學，壓縮理論教學的時間，輔以更多的實踐教學課時。“小學期”是這一趨勢的典型代表。這一變化將實踐教學的質量問題提上日程，如何建立合理有效的實踐教學體系和安排實踐教學內容是當前高校不得不思考和亟待解決的問題。

1 教學現狀及問題

我們以湖南大學智能科學與技術專業為例分析目前實踐教學的現狀及存在的問題。

1.1 課程教學體系

湖南大學智能科學與技術專業近3年的教學計劃中，要求學生畢業最低總學分為170分，圖1給出各類環節所占的學分比例，可以看出，專業實訓（含畢業設計）只占總學分的16%，教學計劃側重理論教學，從學時分布來看，此偏重更為明顯。圖2分析了每個學期的課程教學學時情況，學生幾乎需要將所有時間放到課程理論學習上，被嚴重束縛，實踐教學形同虛設。

1.2 現有實踐教學體系

在智能科學與技術專業近3年的教學中，實驗課程有普通物理實驗和人工智能基礎實驗兩門。從學生完成該實驗課程的情況來看，大多數學生數據處理邏輯簡單，幾乎沒有運用模式識別、機器學習、智能控制等人工智能方法完成的作品。第6學期開設的實踐課程遠遠達不到培養學生熟練運用多門專業理論和方法的目的。

現在很多高校開始實施“小學期”教學日歷，設置為期1個月左右的集中實踐或者專業實訓環節。前兩年的“小學期”是面向全院所有專業學生的基礎能力培養，而第3學年后的“小學期”安排專業綜合設計實訓，訓練學生的專業能力，如五子棋人機對弈項目可以大大提高學生對專業的興趣，但項目過于單一，僅涉及人工智能、模式識別、機器學習等課程，與人工智能實驗課程有重合的傾向，而諸如機器人學、智能控制等智能科學與技術專業的特色課程就沒有訓練的機會，此外對比上一個硬件技術實訓缺少能力培養的延續性。具備創新發明的能力是目前實踐教學甚少考慮的培養目標。

1.3 存在的問題

這種培養方案主要存在以下問題：①實踐教學學時過少，學生實踐能力培養機會太少；②理論學習任務過重，學生的雙手無法得到解放；③實驗課程內容設置不合理，課程理論與實際沒有有效結合；④面向專業的實訓內容單一，專業理論覆蓋面不夠；⑤能力培養斷層，發明創新能力未涉及。

2 金字塔式實踐教學體系

針對以上存在的問題，我們制定了新的培養計劃，圖3所示是2015年湖南大學智能科學與技術專業教學計劃課程時序圖。可以看出，不計實驗課程，每學期的理論教學課程減少到平均5門課程；實驗課程大大增加，從原來的2門增加到7門。新的教學計劃中實踐教學得到重視和加強。

另外，教學計劃的另一個特色是高年級的教學／學術方向分組，根據信息科學與工程學院的科研優勢設置了4個方向，將教學與科研有機結合。課程按組選修，增加了選修課之間的關聯性，使培養目標更突出，令學生有的放矢。教學計劃也反映了實踐教學的體系結構：針對重要的學門、學類和專業課程，通過專門開設實驗課程鞏固這些重要課程；接下來，通過專業實訓將多門課程理論串聯起來；最后，擬提供豐富的學科競賽機會，對于學有余力的學生進一步培養發明創新的能力。這3個層面形成了一個金字塔式的實踐教學體系，如圖4所示。越往上，能力水平越高；往下是必須具有的基礎能力。金字塔式的實踐體系體現了遞進式的能力培養過程。通過該培養模式將能直接給社會輸送“可用”人才。

圖4給出了整個實踐能力培養的空間結構。筆者將分別從時間角度詳細介紹3個層面的培養目標和實踐內容安排。

2.1 實驗課程

實驗課程處于金字塔的最底層，目的是培養學生運用專門知識進行動手實踐的能力，熟悉和鞏固專業基礎課程理論，為上層的能力培養打好基礎。這一能力是所有智能科學與技術專業合格大學生必須具有的根本能力。

程序設計和計算機系統設計是實現智能的手段和載體，因而第1學年和第2學年圍繞這兩個能力開展理論和實踐教學活動，開設了高等程序設計、數據結構與算法、數字邏輯、計算機系統等課程，其中程序設計、數字邏輯和計算機系統3門課程實踐性較強，因此還配套設置了對應的實驗課程。實驗課程與理論課程盡量同步開設，利用實驗箱對理論進行驗證，加深學生對課程的理解。第3學年和第4學年面向計算機上層系統和應用，操作系統和計算機網絡是典型代表，因而針對這兩門課程開設對應實驗課程，這幾門實驗課程是學類核心課程。此外，教師還可圍繞智能科學與技術專業的重點核心課程“人工智能”開設機器人實驗課程，讓學生基于NAO人形機器人、智能小車、RoboCode等設備軟件理解、熟悉和練習各種智能的算法和模型。從程序設計、計算機系統、操作系統、計算機網絡和人工智能5個方面依次開展基礎實踐到專業實踐的培訓，為上層專業實訓作好準備。

2.2 專業實訓

專業實訓是隨著小學期的推廣而逐漸引入的培養環節，未有成功的經驗可以借鑒。5年中我們不斷地探索，在剛開始的2年采用“集中實踐+生產實習”的方式。集中實踐指在學校里進行一些簡單的綜合設計，如軟件實訓開發類似圖書管理系統的軟件。由于題目較為簡單和老套，學生興趣不高。生產實習是指和企業合作，將學生派往生產一線，這一想法初衷好但操作性低。因此，頭兩年的“小學期”成效不佳，于是取消生產實習，將集中實踐從2周延長為4周，增加項目難度，如2014年在第2學年實行的“STC單片機開發”和第3學年實施的“五子棋智能對弈設計”，難度適中，學生普遍反映較好。

這兩年取得的進步給我們很大的啟發。第2學年的軟件實訓結合最新的APP應用引入Android開發，讓學生可以在自己的手機上展示作品，實現即所得，極大地激發學生的積極性；在已有的單片機開發上，提升設計的高度和難度，引入FPGA設計，讓學生全面學習嵌入式系統；最后，在智能專業綜合設計方面，將五子棋智能下棋程序打造成全院的一個競賽，結合專業最前沿的發展方向，進而增加機器人開發、物聯網系統和嵌入式系統設計，涵蓋智能終端、智能軟件、智能系統，提供較寬的選擇，充分發揮學生的一技之長。

2.3 學科競賽

前兩個層次基本上完成了工程能力的培養，但創新才是核心競爭力。如何激發學生發明創造的潛能也是實踐教學的任務之一。這一能力在以前的教學中甚少專門涉及，發明創新的能力是一道坎。

學科競賽是培養發明創新能力比較好的一個突破口，因此我們在實驗室建設過程中適當考慮了對學科競賽的支撐，基于RoboCup足球機器人在協同對抗上創新，基于模塊化機器人在創意上立新，基于NAO機器人在自然語言處理上求新。目前，學生長期參加的學科競賽有RoboCup足球機器人中型組比賽、物聯網設計大賽以及全國電子設計大賽。教師應為有志向和能力的學生提供創新平臺和條件，鼓勵學生參加高水平的學科競賽。

學科競賽組成了實踐教學的最后一環，面向科研，與研究生教育接軌；面向創業，為IT產業增添生命力。

3 建設措施及成果

3.1 實驗室配套建設

根據實踐教學的分層體系，目前已有的支撐該體系的儀器設備見表1，可滿足不同層次的用途需求。課程實驗的設備主要以驗證為主；實驗課程的設備需要學生動手實現算法和設計；專業實訓的設備主要以提供平臺為主，讓學生自主搭建系統；學科競賽的設備一方面要滿足競賽需求，一方面可以應用于學術研究，具有一定的開放性。

針對學科競賽，我們已經建立400 m2的場地專門用作智能科學與技術專業的創新和學科競賽實驗室。圖5所示為學生正在專心調試足球機器人。

3.2 實踐教學代表性項目

1)電子產品的制作、測試及使用( STC-A實驗學習板)。

通過完成一個電子產品（STC-A實驗學習板）的制作、測試及使用，學生能夠全面了解電子產品的開發與生產全過程以及質量管理；實踐簡單的焊接技術，認識基于處理器的電子系統的組成；學習電路調試及檢測能力，了解“STC-A學習板”的功能以及嵌入式系統的入門知識；擁有一個便攜式學習與創新的實驗平臺，為今后的學習提供方向與幫助。

2)“智能杯”五子棋程序設計邀請賽。

該競賽在已給出五子棋平臺的基礎上（已有界面，無需自己編程界面），要求參賽者寫出五子棋算法。換句話說，就是設計五子棋COM的智商。五子棋看似簡單，實則包含各種變化，計算種種變化同樣需要強大的知識儲備。程序設計與五子棋結合既樸素簡單，又包羅萬象，同時通過對弈方式可以綜合多種人工智能理論和方法，反映出技能的高低。

3)足球機器人。

中國機器人大賽暨RoBoCup公開賽是中國最具影響力、最權威的機器人技術大賽。信息科學與工程學院從2013年開始連續參加了兩屆比賽，積累了一定的經驗，已基本形成老帶新的格局。通過展現一個真實的機器人產品，可以讓學生感受本專業的特色和前景，提高專業的認同感；通過動手改進一個實際產品，激發學生的創新意識；通過這個比賽，期望學生能夠逐步達到自主研制復雜精密機器人的水平。

4 結語

能力培養是大學教育的重中之重，而實踐教學是達成這一目標的重要手段。實驗課程·專業實訓·學科競賽金字塔式實踐教學體系符合能力培養的階梯性，涵蓋了動手實踐、綜合分析和發明創新3種能力。部分實踐教學項目得到較好的反響，為這一體系進一步成熟化和規范化提供了動力。

下一步，我們擬主要從兩個方面進一步推進智能科學與技術專業的實踐教學建設。一方面不斷提升從事實踐教學的教師水平，注重與行業接軌，跟進行業的最新發展動態和專業技術并將其反映到實踐項目中，形成一個持續發展的良性生態；另一方面積極融人工程認證的理念，為工程類學生今后走向世界提供具有國際互認質量標準的“通行證”。實踐教學作為能力培養的重要手段，為了使其更加科學和規范，我們將參照工程認證的標準，對各項能力的培養在實踐教學過程中有更明確的對應，對能力的考核能更細致化。

參考文獻：

[1]別敦榮，張征．世界一流大學教育理念的特點與啟示[J]高等工程教育研究，2010(4): 82-92.

[2]張莎，當代大學生“高分低能”現狀的原因及對策分析[J]．科教導刊，2012(8): 98-99.

[3]李智勇，肖正，趙歡，等，智能科學與技術本科專業“小學期”制教學思考[J]．計算機教育，2011(15): 29-34．

[4]昊麗娟，李柳．以小學期為平臺的實踐教學改革與探索[J]沈陽師范大學學報：自然科學版，2013(3): 421-424．

第4篇：人工智能對教學的幫助范文

【關鍵字】推理與專家系統；認知學徒制；專家系統外殼

【中圖分類號】G420 【文獻標識碼】A 【論文編號】1009―8097（2009）04―0120―03

在教育部2003年頒布的《普通高中技術課程標準（實驗）》中，首次設立了《人工智能初步》選修模塊，該模塊共設三個主題：“知識及其表達”，“推理與專家系統”，“人工智能語言與問題求解”。其中的“推理與專家系統”主題，由于專家系統構建的簡便性以及運行的可觀察性，在為數不多的已開設《人工智能初步》選修模塊的學校中，較為普遍地被作為重點內容進行教學。[1]因此，十分有必要對“推理與專家系統”主題的教學模式及其相關問題進行討論，以便為中學信息技術教師更有效的開展教學提供參考與借鑒。

一 “推理與專家系統”主題的教學目標

新課標中給出了“推理與專家系統”主題的具體教學目標：

1 演示或使用簡單的產生式專家系統軟件，感受用專家系統解決問題的基本過程；了解專家系統的基本結構。

2 通過實例分析，知道專家系統正向、反向推理的基本原理；會描述一種常用的不精確推理的基本過程。

3 了解專家系統解釋機制的基本概念及其在專家系統中的重要作用。

4 了解專家系統外殼的概念；學會使用一個簡易的專家系統外殼，并能用它開發簡單的專家系統。[2]

由此可見，“推理與專家系統”主題并非是大學專家系統相關專業內容的簡單下移，它的總體目標是了解與專家系統相關的知識，體驗專家系統的技術與應用，感受專家系統對學習和生活的影響，從而激發對信息技術未來的追求。

二 認知學徒制及其應用于“推理與專家系統”教學的可行性

1 認知學徒制及其特征

所謂認知學徒制(Cognitive Apprenticeship)，是一種從改造學校教育中的主要問題出發，將傳統學徒制方法中的核心技術與學校教育整合起來的新型教學模式，[3]用以培養學生的認知技能，即專家實踐所需的思維、問題求解和處理復雜任務的能力。

從認知學徒制的特征與“推理與專家系統”教學過程的特點的一致性、認知學徒制的知識觀與“推理與專家系統”強調知識獲取、轉化的一致性、認知學徒制的技能觀與“推理與專家系統”教學注重學生技能發展的一致性，能夠得出將認知學徒制應用于“推理與專家系統”主題的教學是切實可行的。

認知學徒制的核心假設是：通過這種模式能夠培養學習者問題求解等方面的高階思維技能/策略。這種技能/策略把技能與知識結合起來，是完成有意義的/真實的任務的關鍵。它具有如下的基本特征：

（1） 認知學徒制關注的不是概念和事實知識的獲得，而是重視專家在獲取知識或將知識運用于復雜現實生活任務/問題時所關涉的推理過程與認知/元認知策略。

（2） 將原本隱蔽的內在認知過程顯性化，亦即表現思維過程，使之可視化（包括教師和學生的思維過程）。通過這種方法，學生可以在老師和其他學生的幫助下進行觀察、重復演練和實踐。

（3） 將學校課程中的抽象任務/內容置于對學生有意義的情境之中，學習者充分了解學習的目的與應用，理解工作的相關性，并參與專家行為。[4]

“推理與專家系統”主題的教學主要思路是要求學生使用一個簡易的專家系統外殼（例如InterModeller）開發簡單的專家系統，它的過程是：第一步，確定所要開發的專家系統類型，即確定開發的專家系統的內容，如動物識別專家系統、汽車故障診斷專家系統等；第二步，選擇、整理與所要開發的專家系統相關的日常生活知識；第三步，將日常生活知識轉化為專家系統能推理和解釋的知識表示形式，如產生式規則表示，框架知識表示等；第四步，通過師生、生生之間的交流與討論，逐步修改完善專家系統，使專家系統做出判斷與解釋。

這一教學過程不僅要求學生獲取、選擇、整理概念和事實知識，更強調將知識轉化為專家系統能推理和解釋的知識表示形式，最終能用專家系統解決實際問題，這與認知學徒制所關注的在有意義的情境之中，將知識進行邏輯化表示后去解決現實任務/問題，培養學習者問題求解等方面的高階思維技能/策略是相一致的。

2 基于認知學徒制的知識觀

比利特（Billett，1993）認為學習的知識包括三種形式：陳述性知識（關于是“什么”的知識）、程序性知識（關于“怎么做”的知識）和情感性知識（關于價值觀和態度的知識）。陳述性知識用來提供事實和陳述，程序性知識用來提供做事過程的規則，情感性知識用來提供對事情的意見與看法。在一些實際工作情境中，程序性知識通常是可以直接觀察的，而陳述性知識的內容則往往比較模糊、不透明。因此，與程序性知識相比，在日常工作的活動中，一些類型的概念性知識獲得更加困難，學習者對它們的理解受到更多的限制。[5][6]

如何在學習中有效的獲得陳述性知識，比利特和羅斯（Billett & Rose,1996）認為：第一，陳述性的知識是在參與社會實踐、從事日常工作的過程中獲得的。在日常的工作實踐中，人們必須解決問題、實現目標而這些活動真正促進了人們對學習對象的理解；第二，在學習的闡釋或知識的建構過程中，個體之間的密切互動是知識一個非常重要的來源，特別是熟練的指導者能夠幫助個體建構知識，“強烈的社會影響或者最貼切的指導似乎為學習者獲取和建構陳述性知識提供了有意的途徑”。[5]

“推理與專家系統”主題中所涉及的知識也可分為陳述性知識和程序性知識。陳述性知識主要體現在確立的所要構建的專家系統類型的情境中，將零散、孤立的陳述性知識，通過教師的指導，學生間的討論，將其整體化，組塊化。程序性知識主要是存在于專家系統的知識庫中，以“ifthen”形式來編程陳述性知識，即先確認當前的情境和條件，然后產生相應的行動。由于高中階段的教學要求是利用簡易的專家系統外殼開發簡單的專家系統，因此在條理清晰、結構合理的陳述性知識的基礎上編寫程序性知識的過程較為簡單，關鍵是學生如何通過多種有效形式獲得陳述性知識，并將其清晰，合理的表示出來。專家系統構建過程中的陳述性知識獲取及其向陳述性知識的轉化，與認知學徒制知識觀所倡導的知識分類和有效獲取是相吻合的。

3 基于認知學徒制的學生技能發展

伊萬斯（Evans,1994）提出了技能發展的，明確了技能所包含的智力維度：

（1） 階段1――新手。其特征為行為是受限制的、不靈活的、受規則控制的；

（2） 階段2――較高級的新手。學習者開始能夠感知任務中一些重要的情境特征，但還不能對那些重要的情境進行區分；

（3） 階段3――勝任階段。學習者能夠識別情境的重要特征，并以此為基礎思考行動的目標和計劃，用來指導行動；

（4） 階段4――精通。能夠在不特別關注的情況下選擇最好的行動計劃，能夠快速概括、識別情境并訂出計劃；

（5） 階段5――專家。專家憑借直覺行動，這種直覺來自對情境的深刻理解，不關注規則的和特征，而且行動是可變的、靈活的和高度熟練的。[5]

在上述技能發展的五個階段中，學習者從新手到專家的過渡過程就是從被動接受信息到具備更多的反思和參與策略的過程。在建構所需要的知識時，學習者開始需要指導者詳細的幫助，而后逐步過渡到大量的互動和建構的水平。在技能發展的高級階段，對理解技能中的智力因素的需要進一步增加，而對詳細指導的需要急劇下降，因為知識變得更加內化，更加接近于自我建構。在“推理與專家系統”主題中，學生利用專家系統外殼工具，通過了解由某一領域專家建構的專家系統，并在教師的指導下親手開發簡單的專家系統，來體驗專家系統的開發過程，加深學習體驗。在實際教學中，我們將上述技能發展的五個階段簡化為三個階段，學生和專家系統構成了一種專家與新手的關系，剛開始學專家系統的學生（相對新手）、課程教師（相對于學生為專家）以及專家建構的專家系統（相對于教師為專家），[7]學生開發專家系統的過程也即相對新手向相對專家轉化，最后還可能發展領域專家的過程。在這一過程中，學生對所建立的專家系統類型的相關陳述性知識和程序性的需要不斷增加，而對教師指導其開發的需要急劇下降。

三 認知學徒制在“推理與專家系統”教學中的實施過程

認知學徒制作為一種新型的教學模式，將其應用于“推理與專家系統”教學，需要教師和學生兩方面共同執行，如圖1所示。[4]

在認知學徒制教學模式中，學生是主體，教師起主導作用。對教師來說，要精心設計教學以表現專家實踐的思維過程，并引導學生積極參與、體驗，在這個過程中，教師先示范必要的策略，再放手讓學生嘗試，并在學生需要時予以指導。對學生來說，通過對特定領域專家實踐能力的模仿、參與、討論、交流和闡釋，獲得基本的問題求解方法、策略和能力，并隨著腳手架的拆除，逐漸獨立探究、定義、分析和解決問題。[8]具體的說包含如下步驟：

（1） 建模。教師選擇某一典型的專家系統，對專家系統的問題解決過程，如推理方式和應用策略進行建模，以使學生觀察系統的推理、運行過程，感受領域專家的思維過程。

（2） 情境設計。教師要引導學生選擇符合其認知特點的專家系統內容，注重實用性、貼切性和可開發性，如“當地旅游景點識別”、“特色小吃劃分”等專家系統，并把情境化的活動與相關的預期結果關聯起來，以便學生在真實的情景中進行模擬學習，發展遠遷移能力。

（3） 提供腳手架。腳手架的重要功能是幫助學生順利穿越“最近發展區”。教師對學生的開發專家系統的過程進行指導,提供必要的“支架”，如概念支持、軟件應用技巧支持、過程支持、策略方法支持等。

（4） 清晰表達。要求學生清晰地表達專家系統的推理過程或解決問題的過程，以使學生真正了解自己的學習過程， 不僅“知其然”（What），而且“知其所以然”（Why）。

（5） 反思。使學生將自己的思維和問題求解過程與領域專家、其他學生的邏輯思維方式進行比較。通過反思，學生可以構建關于該專家系統內容的問題求解過程的模型，已修正/啟示自己的問題求解和任務完成過程。

（6） 拆除腳手架。當學生完成知識庫的建立，或者能運行專家系統后，教師應逐漸拆除支架，以促進學生的發展。

四 結語

在“推理與專家系統”主題的教學中采用認知學徒制教學模式，對于學生分析問題和解決問題能力的培養具有積極的意義。一方面，為了完成該任務，學生需要編制規劃、制定知識獲取策略，并具體付諸實施，這是一個不斷深化的過程。學生還得明確與系統有關的所有變量或相關的因素，并且將這些變量和因素轉化為問題求解過程，得出相應的結論。在進行一系列問題求解分析之后，運用產生式規則來表示知識。 該過程中有助于提高他們的分析、思維與判斷能力。另一方面，在專家系統運行時，學生可以向專家系統提出諸如“為什么（Why）”、“如何（How）”、“如果……會怎么樣”等問題，系統接受用戶的問題指令后，可以根據推理的邏輯進程，即時將答案呈現給用戶，這個過程如同教師與學生在進行面對面的教學，學生還可以充分體驗人類專家的求解思路和推理風格。完善的專家系統還可以讓其他學生去運用和體驗，具有一定的實用價值。正如美國著名的學習論專家Jonassen所指出的：那些自行設計專家系統的學生將會在這種活動中受益匪淺，因為這是一個對所學知識進行深度加工的過程。[9]

參考文獻

[1] 張劍平,張家華,我國人工智能課程實施的問題與對策[M],中國電化教育,2008,(10):95-98.

[2] 教育部.普通高中技術課程標準(實驗)[M].北京:人民教育出版社,2003:24.

[3] 高文.教學模式論[M].上海:上海教育出版社,2002:342.

[4] 鐘志賢.信息化教學模式:理論建構與實踐例說[M].北京:教育科學出版社,2005:263.

[5] 趙蒙成.工作場的學習:概念、認知基礎與教學模式[J].比較教育研究,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] 周躍良,張燕.人工智能教育的理論基礎及教學組織[J].中小學信息技術教育,2003,(10):10-13.

第5篇：人工智能對教學的幫助范文

關鍵詞 智能聽說訓練系統 英語口語教學 高職學生

中圖分類號：G642 文獻標識碼：A

1智能聽說訓練系統所支持的混合教學法對于開展英語教學的重要意義

（1）智能聽說訓練系統所支持的混合教學法有利于加強師生、生生之間的互動和交流，從而增強師生之間的思想和情感的交流，有利于培養學生口語表達的興趣。

（2）智能聽說訓練系統能夠創設良好的英語學習環境，幫助學生掌握純正的語音語調，同時激發學生學習英語的積極性和創造性充分發揮學生的主體意識，培養學生主動參與和自主學習的能力。

（3）智能聽說訓練系統能夠給學生提供更多自主學習、訓練和探究的時間和空間，給學生更多展示自己才能的機會和舞臺，培養學生的實踐和創新能力。

2智能聽說訓練系統所支持的混合教學法在高職英語口語教學中的應用

2.1利用智能聽說訓練系統所支持的混合教學法提高學生說英語的興趣和信心

興趣是最好的老師，是學習的原動力。智能聽說訓練系統是利用計算機對學生一對一地進行輔導。智能教師能帶領學生練習口語，并自動糾正發音問題，或自動安排聽力訓練的強度和重點。該系統具有國際領先的人工智能水平，可以模擬真人教練，一對一輔導學生聽說。這項創新大大地減輕了教師的負擔，也能大大地提高學生的學習興趣。電腦系統會根據學生的朗誦水平，最終給出一個分數，對于獲得高分的學生，他們會更加信心，更加興致勃勃。對于平時不敢開口的讀書的學生，給了他們一個很好的鍛煉平臺。

2.2利用智能聽說訓練系統所支持的混合教學法提升英語口語教學效果

為了讓學生多聽、多讀、多說，提高他們的聽說能力，每周教師至少布置兩次利用該系統的聽說作業。萬事開頭難，同學們剛開始的時候對智能聽說訓練系統的功能不了解，因此提不起興趣。教師在課堂上要親自示范了如何操作該系統，并告訴學生該系統有三個非常有用的功能。

（1）錄音功能。學生非常喜歡錄音功能，把自己的聲音錄進去，然后再聽自己錄的效果，覺得非常有趣。有些學生在學校是非常內斂的，平時讀書聲非常小，回答教師的問題聲音小得幾乎聽不到，但是在智能聽說訓練系統上，學生的讀書聲非常自信。

（2）評價功能。智能聽說訓練系統平臺的功能對學生的激勵作用很大。當學生讀得好時，教師會評價學生：“你讀得真棒，你是從國外回來的吧！”學生聽到諸如此類的評價，非常興奮。當學生讀得不好時，教師會告訴學生，讓學生再重讀一次。

（3）帶讀功能。學生可以先聽再度，這對于基礎差讀不好的學生非常有用。學生在課堂沒學好，課外可以繼續學習。學生經過教師的示范，感覺操作非常簡單，而且有趣。

2.3利用智能聽說訓練系統所支持的混合教學法為學生的自主學習提供學習平臺

（1）網上預習、復習。借助網絡引導學生自主學習。傳統的預習和復習，單詞、句子的發音問題學生不能解決，但使用智能聽說訓練系統能自動糾正發音問題，使學生的預習、復習更加有效果。

（2）網上自主練習。在該系統的輔助下，英語口語學習的方式變得多元化，口語交際能力的提高不再依賴以往的單一手段。現代科技的進步，使我們的學習不再局限于整片的時間和固定的空間，學生可以在任何時間通過網絡進行學習。網絡在拉近世界距離的同時，也給予了學生接觸許多不同版本的英語教材的機會。通過這個系統，學生可以了解自己的口語水平，還可以與其他人進行交流。甚至，還可以借助這個系統進行小規模教學、口語陪練等來提高交際能力，學習的時間和空間得到極大的延伸和擴展。在這個系統中，豐富的學習資源增加了學生對外界英語信息接觸的機會，開闊了學生的視野，使學習的深度得到發展。這使得英語口語的學習維度得到橫向的和縱向的發展。

3智能聽說訓練系統所支持的混合教學法在高職英語口語教學中的應用效果評價

3.1探索出一套智能化混合教學的英語聽說教學模式

研究證明，以智能聽說訓練系統為基礎，智能化混合教學的英語聽說教學模式有效解決了學生語境聽說訓練明顯不足，檢查、監督和輔導手段單一等問題。該模式有助于提高學生接觸英語的頻度和語音訓練的準確度，激發學生學習英語的積極性，提高教師的工作效率。

3.2傳統英語聽說評價模式得到改變

研究的開展和智能聽說訓練系統的使用，促進聽說評價模式得以改變。它符合英語聽說評價本身隱含的“真實性、交際性和開放性”的要求，成為學生英語聽說能力理想的評價方式。

3.3教師對英語聽說教學觀念產生了改變

雖然我國近年來在中學英語教學方面進行了較大改革，“說”的教學重要性已受到廣泛的關注，但“說”的教學進度緩慢，其現狀總是不盡人意。課堂時間有限，很多教師忙于講解知識，忽視了聽說。即使進行了聽說訓練，但也難免流于形式，沒有長期有效、不懈地訓練，就沒有實質性的改變。

作者簡介：黃飛強，男，湖北荊州人，1985年9月出生，現任江漢藝術職業學院管理學院副院長，研究方向：高職英語教學改革。

第6篇：人工智能對教學的幫助范文

關鍵詞： 知識工程； 知識發現； 知識管理； 應用

中圖分類號：TP391 文獻標志碼：A 文章編號：1006-8228（2013）10-10-03

0 引言

在1977年第五屆國際人工智能聯合會議上，美國斯坦福大學計算機系教授Feigenbaum作了關于“人工智能的藝術”（The Art of Artificial Intelligence）的講演，提出“知識工程”這一名稱，并指出“知識工程是應用人工智能的原理與方法，對那些需要專家知識才能解決的應用難題提供求解的手段。恰當地運用專家知識的獲取、表達和推理過程的構成與解釋，是設計基于知識的系統的重要技術問題”[1]。

知識工程的發展大體經歷了三個時期。

⑴ 實驗性系統時期，從1965年至1974年。

1965年Feigenbaum教授與其他科學家合作，研制出DENDRAL專家系統。這是一種推斷分子結構的計算機程序，該系統貯存有非常豐富的化學知識，它所解決問題的能力達到專家水平，甚至在某些方面超過同行專家的能力，其中包括它的設計者。DENDRAL系統標志著“專家系統”的誕生。

⑵ MYCIN時期，從1975年至1980年。

20世紀70年代中期MYCIN專家系統研制成功，這是一種用醫學診斷與治療感染性疾病的計算機程序“專家系統”。MYCIN專家系統是規范性計算機專家系統的代表，許多其他專家系統都是在MYCIN專家系統的基礎上研制而成的。MYCIN系統不但具有較高的性能，而且具有解釋功能和知識獲取功能，可以用英語與用戶對話，回答用戶提出的問題，還可以在專家指導下學習醫療知識，該系統還使用了知識庫的概念和不精確推理技術。MYCIN系統對計算機專家系統的理論和實踐，都有較大的貢獻。

⑶ 知識工程的“產品”在產業部門開始應用的時期，時間從1980年至今。

知識工程的研究，目前在美國開展得較為活躍和深入，特別是在斯坦福大學。

人工智能的研究表明，專家之所以成為專家，主要在于他們擁有大量的專門知識，特別是長時期從實踐中總結和積累的經驗技能知識。從知識工程的發展歷史可以看出，知識工程是伴隨“專家系統”的研究而產生的。實際上，知識工程的焦點就是知識。知識工程領域的主要研究方向包含知識獲取、知識表示和推理方法等，其研究目標是挖掘和抽取人類知識，用一定的形式表現這些知識，使之成為計算機可操作的對象，從而使計算機具有人類的一定智能。

目前，知識工程已廣泛應用于數據處理、診斷、監視、預測、規劃、設計等方面，并取得了良好的效果。本文將綜述近年來國內外知識工程的應用情況，并展望其前景。

1 基于知識發現的應用

知識發現（Knowledge Discovery， KD）是1989年提出的新興、交叉、邊緣學科領域。

知識發現的目的是向使用者屏蔽原始數據的繁瑣細節，從原始數據中提煉出有意義的、簡潔的知識，直接向使用者報告。知識發現是從數據集中識別出有效的、新穎的、潛在有用的，以及最終可理解的模式的非平凡過程。知識發現將信息變為知識，從數據資源中發現知識寶藏[2]。

知識發現的潛在應用十分廣闊。從工業到農業，從天文到地理，從預測預報到決策支持，KD都發揮著越來越重要的作用。許多計算機軟件開發商都已經推出了其數據挖掘產品，如IBM、Microsoft、SPSS、SGI、SLPInfoware、SAS（Object Business）等。它們被廣泛應用于商業、農業、醫學生物、金融保險、通訊、國防等多個方面。

基于知識發現的專家系統（ESKD）成功運行于農業、鋁電解；基于知識發現的智能決策支持系統（IDSSKD）成功運行于國際電子商務中心（北京）的外貿加工業務中。

我國著名知識工程專家楊炳儒教授構建了由理論基礎、4條機制（理論支柱）、8個新過程模型、17種新技術方法組成的，多層遞階、綜合集成的，基于內在認知機理的知識發現理論體系KDTICM。

KDTICM及其衍生的新型智能系統成功地應用于蛋白質結構預測、農業、現代遠程教育網、氣象、國際商務、鋁電解生產、稅務、數字資源整合等八個領域，有效地驗證了KDTICM，并解決了一批領域中的典型問題。尤其體現在解決生物信息學領域國際性難題的重要核心作用——取得蛋白質2級結構預測精度的國際領先地位[3]。

2 知識工程在工業工程中的典型應用

2.1 在工業設計中的應用

工業企業隨著知識積累形式的“老齡化”和客戶需求的“年輕化”，產品的設計要求和種類都變得越來越復雜及繁多。以往單純依靠CAD系統和知識數據庫之問文件形式的交互方式，使得CAD系統和知識數據庫之間出現了“斷層”，無法滿足工程師知識積累運用的合理傳遞和管理要求。為此，嚴雯琦設計了KWE系統[4]。

KWE在工業設計中起到了知識系統集線器的作用，它相當于一個交互平臺，為其他產品設計活動提供了實時數據調度。通過該系統，能進行產品整體模型的搜集和再生，標準件的選擇，質量標準的分析校驗，也能提品制造工藝流程的模擬，也為工程師提供信息共享的平臺[5]。

2.2 在機械產品參數化設計中的應用

當今機械工程領域，CAD/CAM技術飛速發展，伴隨著產品研發體系的不斷完善，知識的延續與再利用作為一種全新的設計理念應運而生。知識工程思想在設計軟件中得到了完美的體現。CATIA V5的知識顧問模塊能使設計人員在可視化的環境下，高速高效地進行三維零件的特征參數化設計造型，完成的參數化設計造型能根據按人機交互方式輸入的設計變量來控制特征的修改。

學者張學忱等結合CATIAV5平臺的知識顧問模塊，運用知識工程原理，創建產品參數化知識庫，方便、快速地完成產品的三維參數化造型設計，并通過知識功能對零件進行參數控制和特征狀態的檢查[5]。該方法為標準件庫的創建提供了便捷的途徑，加快了企業的產品系列化的設計進程。作者通過實例詳細闡述了基于知識工程的參數化設計的方法，靈活運用了CATIA的知識工程模塊，顯示了其強大的設計功能，實現知識驅動下的產品參數化造型設計。這種人機交互共同設計的智能化CAD手段已成為當今機械設計領域的熱門課題，知識工程在機械產品參數化構型設計過程中將得到廣泛應用。

2.3 在工藝決策方面的應用

工藝過程設計是產品設計和制造的橋梁，包括加工方法選擇、制造資源選擇、加工活動排序等多個決策環節。現代集成制造背景下的工藝決策，處于產品制造數據、信息和知識集成的大環境中，所涉及的信息越來越復雜，知識變得無處不在，而孤立和面向數據的工藝決策方法，顯得越來越難以適應這種復雜應用環境。不少研究采用了諸如單一的產生式規則、遺傳算法、人工神經網絡等方法研究工藝決策的解決方法，但這類研究中往往較少涉及工藝決策對象、工藝決策過程和工藝決策知識之間的關聯和方便地對它們進行擴展的機制。北京航空航天大學研究了集成制造信息建模基礎上的工藝決策方法，但尚缺少知識角度的建模研究、統一的決策機制和對模型的充分利用。工藝過程設計中決策問題求解的本質在于不斷改變對象即工藝過程的狀態以使其滿足后續指導加工的要求，知識是對這種變化的抽象描述，包括變化的過程和變化的動力，問題求解中對象、規則是與過程密不可分的。

知識工程，其知識表達、使用和獲取三個方面的理論方法，可以充分支持工藝決策問題對于問題描述、知識驅動和智能處理的要求，利用知識工程解決工藝決策問題將是一個突破的新方向。為此，學者沈偉等提出了基于知識工程的工藝決策方法[6]。

3 知識工程在教育領域的應用

目前，很多高校的教育技術學專業都已經將知識工程引入并作為一個重要的研究方向，其目的是借助于知識工程的方法和技術，改善教學，使教育更加智能化。隨著對知識工程的研究越來越引起人們的關注，知識工程早已超出了最開始被定義的范疇，它是“一門研究人類智能及人類知識的機理以及如何用機器模擬人的智能并促進人類知識發展的學科”。教育知識管理是教育技術的組成部分，其實質是研究人類獲取、傳播、共享、利用和創造新知識的活動規律，管理有關知識的各種連續過程，以促進經濟和社會發展的理論和實踐。首先，知識工程的知識處理功能，有利于評價者獲取被評價事物的信息和學習者獲得所需知識。其次，知識工程的專家系統也可以為評價者或學習者提供幫助[7]。

知識工程與知識科學的發展極大地推動了教育技術學的研究和發展，已經有很多知識工程的方法與技術被應用到教育中。如學者那一沙等提出了基于建構主義的學習者知識工程模型[8]。作者指出，越來越多的學者關注學習過程的研究，認為學習過程是一個復雜的知識轉移的過程，教師在傳授知識時，將自己的顯性知識和隱性知識轉移給學習者；同時，學習者自身也有一個顯性知識向隱性知識轉化的過程。與此同時，建構主義教學方式越來越得到人們的普遍認可，這一全新的教育理念結合知識工程，將為教育的研究發展提供有利的技術支持。

4 知識工程的新興應用領域

4.1 在電子政務中的應用

基于知識工程的電子政務系統是指把知識工程理論與電子政務理論相結合，以知識工程思想來實現涉及多個知識領域和多層推理的小城鎮電子政務系統。這里，知識工程實現了電子政務系統的知識獲取以及推理功能，使得電子政務系統進行分工合作，共同完成更高層次的推理，提高系統的效率，實現了高度的實用性和易用性。

學者張鳳霞等曾針對電子政務建設面臨的業務差異顯著、分布范圍廣、辦公模式缺乏智能性和分析能力等問題，研究了基于知識工程的小城鎮電子政務系統模型。智能型電子政務集成了軟構件、知識工程、多Agent以及多決策支持系統等技術，主要實現三個方面的目標：①提供可復用性構件和高效資源整合的基層政務信息服務平臺；②基于知識工程的多Agent協作辦公模式；③面向基層電子政務的決策支持服務[9]。

4.2 在電子商務中的應用

電子商務模式是管理科學學術界和企業咨詢界的一個熱點。商務模式創新最大限度地為挖掘技術創新的商業潛力提供了轉化機制和橋梁，已成為各國有企業競爭的一個重要的領域。

電子商務具有很好的透明度模式，電子商務的模型是可以用軟件工程的方法形式化表示出來。如OBELIX項目以軟件工程的方法描述商務需求。利用這一點，劉祖斌提出了基于知識工程電子商務模式創新研究，其核心是對虛擬價值鏈本體描述和挖掘[10]。面向電子商務模式創新的知識工程架構細分為模式本身本體描述、模式相關IT技術發展和商務背景等知識環境下的本體描述、模式演化路徑本體描述三個層次。

4.3 在虛擬企業中的應用

虛擬企業是一種新型的知識創新組織，這種組織必須建立完善的知識創新專家系統，以對知識的獲取、識別、共享、集成進行有效地管理。

學者劉程等分析了虛擬組織知識共享特點，并從技術層面解決了虛擬組織的知識共享問題。利用本體技術解決虛擬組織間的語義異構和結構異構，并在此基礎上構建了基于本體的知識共享模型[11]。文獻[12]探討了基于本體實現虛擬組織知識共享的基本原理。

4.4 本體與知識共享

知識共享是知識工程中的技術之一，有利于產生創新性的知識。本體論闡明了區分不同類型物體的標準，也闡明了這些不同類型物體的聯系。簡言之，在知識共享范疇中，本體論就是一個概念化的規范，它的作用是使知識可以共享和重用。

本體論包含著描述一個領域的概念、公理、聯系，而高級本體論則僅限于原子的（meta）、普通的（generic）、抽象的（abstract）和哲學的（philosophical）概念，高級本體論比本體論普遍，它能用于領域中一個很廣的范圍。這些就是IEEE制定的高級本體論標準（SUO，Standard Upper Ontology）。

世界范圍的本體論項目有兩種主要的形式：一種是面向基于知識庫的（Knowledge base oriented），CYC本體論就是這類，同屬這類的還有斯坦福大學知識系統實驗室的“知識共享成果”（Knowledge Sharing Effort）；另一種是基于延伸的詞典/字典（Extended thesaurus/dictionary based），傾向于機器翻譯的，如普林斯頓大學米勒研究的WordNet，這是一個在線的詞匯參考系統，日本電子詞典研究機構的EDR電子詞典，由新墨西哥州立大學、南加州大學和卡內基梅隆大學共同研究開發的Pangloss系統等[13]。

由于本體是高度共享的概念模型，以形式化的方法進行表示，并且能被計算機系統直接處理，使得它在異構系統之間的互操作方面得到廣泛的應用。目前，基于本體的跨組織知識共享系統的解決思路，多采用領域為各個組織分別建立不同的本地本體系統。領域標準定義的本體作為本地本體系統的擴展，提供領域共享詞匯和統一視圖，解決不同本地本體系統之間的語義異構性，同時滿足不同本地本體系統之間的相互查詢需求[14]。

5 結束語

知識工程是一個浩大的人工智能系統工程，其中，知識的獲取、知識的表示和知識的運用是它最為重要的三大部分。本文從知識發現、在工業工程方面的應用、在教育領域的應用、新興應用等視角對知識工程的應用進行了綜述。

隨著IT技術的進一步發展和應用，網絡已成為各行各業不可缺少的服務平臺，而由此引發的安全問題也廣受關注。傳統的管理模式往往只采用“是”與“非”兩種結論判斷安全性，但事實上安全性可以細分為更多的層次和類別；系統根據不同的安全性提供不同類型的服務，因此可考慮利用知識工程、云安全等多種技術，提供智能化的安全認證。信任包含理性與非理性因素，如何利用知識工程挖掘出非理性因素的作用，以便確定一個綜合信任度，從而在網絡中實現更人性化的信任管理，這有待進一步研究與實現。

參考文獻：

[1] 陸汝鈐主編.世紀之交的知識工程與知識科學[M].清華大學出版社，2001.

[2] 史忠植.知識發現（第2版）[M].清華大學出版社，2011.

[3] 王濤.研究知識工程專注知識發現——訪著名知識工程專家楊炳儒教授[J].科技成果管理與研究，2009.10：20-20

[4] 嚴雯琦.工業設計中知識工程的研究和實踐意義[J].中國科技博覽，2010.11：91

[5] 張學忱，陳錦昌，范汝祥等.知識工程在機械產品參數化設計中的應用研究[J].工程圖學學報，2009.6：191-195

[6] 沈偉，喬立紅.基于知識工程的工藝決策方法研究[J].組合機床與自動化加工技術，2011.5：108-112

[7] 王曉丹，凌鋒，樊磊.知識工程在教育技術發展中的應用[J]. 軟件導刊，2008.1：6-8

[8] 那一沙，吳子東，汪宏東.基于建構主義的學習者知識工程模型的研究[J].現代遠距離教育，2009.3：36-38

[9] 張鳳霞，丁振蘭，吳華瑞.基于知識工程的小城鎮電子政務系統模型研究術[J].計算機應用研究，2006.23（8）：61-63

[10] 劉祖斌.基于知識工程電子商務模式創新研究[J].商業研究，2006.20：98-101

[11] 劉程，于曉.基于本體的虛擬企業知識共享方法研究[J].山東科學，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：人工智能對教學的幫助范文

關鍵詞：中醫藥 知識工程 知識庫 知識獲取 知識發現

分類號：TP182

引用格式：于彤. 中醫藥知識工程的理論體系構建和關鍵技術分析[J/OL]. 知識管理論壇， 2016， 1（5）： 336-343[引用日期]. http：///p/1/56/.

1 引言

中醫藥是中華民族的文化瑰寶，無論作為文化遺產還是作為醫學資源，都理應得到保護和傳承。對中醫藥理論知識與實踐經驗的總結、詮釋與研究，是中醫藥傳承的一項核心任務。知識工程（knowledge engineering）為中醫藥知識的組織、存儲、處理和利用提供了必要的理論、方法和工具，在中醫藥領域具有廣闊的應用前景[1-2]。

知識工程是隨著信息革命而出現的一種新興的知識管理和知識創造手段。知識工程源于人工智能領域，其最初的目標是構建基于知識的系統（或稱專家系統）[1，3]。為了構建基于知識的系統，需要獲取足夠的專業知識，并將這些知識表示為計算機可以理解的形式，以支持自動推理和問題求解[3]。因此，知識獲取、知識表示以及知識運用成為知識工程領域研究的主要問題。隨著知識工程在知識管理中應用的不斷深入，知識工程的研究范疇從知識庫和專家系統，擴展到自由文本、半結構性數據和多媒體內容的處理。時至今日，知識工程已發展為涉及知識表示與推理[4]、語義網[5-6]和數據挖掘[7]等多個技術領域的交叉學科，在電子科學、電子商務和電子政務等許多領域得到了廣泛的應用。

知識工程在中醫藥領域的應用起源于20世紀70年代。當代著名中醫學家關幼波與計算機專家合作，于1979年研制了首個實用的中醫專家系統DD中醫關幼波診療肝病的計算機系統，它在臨床應用中取得良好效果[8]。此后，全國興起了一股中醫專家系統研發與應用的熱潮[9]，知識工程作為專家系統的支撐技術也得到了中醫界的重視。近30年來，中醫藥工作者采用知識工程方法對中醫藥領域的知識遺產進行廣泛采集和永久保存，建成了大量的知識資源和智能系統，為中醫藥知識創新提供了有力的支持[10]。為此，本文對中醫藥知識工程進行系統總結和綜合論述，分析存在的問題和發展趨勢，為相關領域學者和知識工程師提供參考。

2 中醫藥知識工程的概念

中醫藥知識工程是指將中醫藥知識整合存入計算機系統，以使計算機能夠利用這些知識來解決中醫藥領域復雜問題的工程學科[1-2]。旨在實現中醫藥知識的“計算機化”，并將計算機技術融入中醫藥知識的收集、挖掘、整理、更新、傳播及轉化等環節，從而豐富和完善中醫藥知識體系，提升中醫信息系統的智能水平。之所以稱之為一項“工程”，是因為這項工作涉及系統性的方法、大規模的協作、嚴密的流程以及復雜的產品（本體、知識庫、專家系統等），這些都是系統工程的顯著特征。

中醫藥知識來自中醫專家的頭腦，以及書籍、論文、病案等各種專業資料。為使中醫藥知識“計算機化”，需要從各種知識源中廣泛獲取知識，將知識進行編碼并錄入計算機系統；還要按照一定的結構和方案對知識進行組織和存儲；最終實現專家系統、知識發現等各種計算機應用。中醫藥知識工程的關鍵環節，包括中醫藥知識表示方法的研究、中醫藥領域知識的獲取、中醫藥知識庫系統的構建、中醫藥知識發現研究以及中醫藥智能系統（如臨床決策支持系統）的研發等。

中醫藥知識工程是中醫藥與信息科學（包括人工智能）相結合的產物，是多學科交叉的研究領域。它也是中醫藥知識管理的一項關鍵支撐技術，有助于實現中醫藥知識管理與服務模式的創新。

3 中醫藥知識工程的意義

中醫藥知識工程有利于開拓臨床思路，支持臨床決策，研究中醫理論，豐富教學內容，指導實驗研究，促進中醫藥知識傳承與創新[1-2]。具體而言，中醫藥知識工程可在以下三大方面發揮積極作用。

3.1 梳理知識體系，保護知識遺產

中醫藥知識遺產具有很高的科學和文化價值，但其知識體系尚存在模糊籠統之處。只有對中醫藥知識遺產進行系統梳理，去蕪存菁，才能凸顯中醫藥知識的精華之處。使用語義網絡、描述邏輯等知識表示方法，能夠精確描述中醫思維邏輯，建立數字化的中醫藥知識體系，這對中醫藥學科發展具有十分重要的意義。

3.2 促進知識傳承，加速人才培養

中醫傳承的核心問題是如何將中醫名家的個人經驗轉化成普遍的知識，從而培養更多經驗豐富的名醫，提升中醫界的整體水平。中醫藥知識工程旨在系統總結前人經驗，將歷代醫家的智慧結晶轉化為全面、系統的領域知識庫，研發中醫輔助學習系統，以提升初學者的學習效率，促M專業醫師之間的交流，從而突破中醫傳承的瓶頸。

3.3 發現新知識，促進學科發展

通過實施中醫藥知識工程，可對中醫藥信息化過程中積累的海量數據進行分析與挖掘，建立跨越年代、流派、學說和病證的整體性知識模型，從而加深我們對中醫辨證論治規律的認識，使中醫藥領域兩千多年來積累的知識遺產得到有效整理和挖掘。

4 中醫藥知識工程的理論體系構建

中醫藥知識工程研究的核心任務是利用信息科學的理論和方法，對中醫藥知識體系的全部內容進行系統梳理和準確表達。可以說，中醫藥知識工程所研究和處理的核心對象就是中醫藥知識體系。兩千多年以前的《黃帝內經》奠定了中醫學的理論基礎；經過兩千年的發展，至今已經形成了一個以中國古代哲學為基礎，以中醫藥學理論為架構，以臨床實踐經驗為主體的知識體系[2]。

中醫藥知識體系有其自身特點和復雜性，對知識工程技術產生了獨特的需求。中醫特色的思想方法、含義模糊的中醫概念以及中醫專家的隱性知識都對知識表達、知識獲取和知識利用產生重大影響和制約。因此，面向西醫等其他領域的知識工程方法并不完全適用于中醫藥領域。中醫藥知識工程領域迫切需要一套符合自身特點的理論和方法，從而有效處理中醫藥知識的模糊性和復雜性，支持標準化知識體系的建設。因此，有必要對中醫藥知識工程的理論思想進行深入研究和系統總結，從而指導中醫藥知識的建模、獲取、組織、存儲、共享與服務等一系列工程實踐活動。建立中醫藥知識工程的理論體系是一項繁重、長期的工作。本文主要圍繞思維模擬、知識表示、知識獲取、知識發現等4個主要方面，對中醫藥知識工程的理論思想、研究熱點以及核心概念意涵進行簡要論述，為今后的理論研究工作提供參考。

4.1 中醫思維模擬研究

中醫思維模擬是指在對中醫思維進行深入分析的基礎上，用計算機系統對中醫的思維過程進行模擬，從而完成計算機輔助診療等復雜任務。中醫深受中華傳統哲學和文化的影響，產生了獨特的思想方法和思維模式，包括“天人合一”“取象比類”以及“辨證論治”等等。中醫藥知識體系是中醫思S的直接產物。開展中醫藥知識工程研究，首先需要深入理解中醫的核心思維模式。

中醫思維是一個復雜的思維過程，具有形象性、模糊性和整體性等特點，需要針對這些特點提出創新性的思維模擬方法。例如，“取象比類”是貫穿中醫知識體系的思維模式，與中醫其他的思想方法共同構成了中醫“象思維”。在中醫藥知識工程領域，需要追溯中醫“象思維”的思想源流，并采用認知語言學等學科方法對其進行分析，據此提出與之相適應的計算機模擬方法[11]。又如，中醫辨證思維是一個涉及分析、綜合、推理、歸類、鑒別的復雜思維過程，需要將中醫辨證理論與實際的病案結合起來進行分析，總結中醫辨證思維的規律，從而建立合理、準確的中醫辨證計算模型[12]。思維模擬研究在中醫臨床診療等領域具有潛在的應用價值。但首先需要在臨床實踐中對計算機建立的中醫思維模型加以檢驗，以驗證其準確性和實用性。

4.2 中醫藥知識表示研究

知識表示（knowledge representation）是指通過某種方案、數據格式或語言，將領域知識表達為計算機可直接處理的數據。知識表示處于知識工程的中心地位，它既是知識獲取的基礎，又是知識存儲和運用的前提。為實現基于知識的系統，必須將領域知識表示為某種計算機可處理的形式，并錄入到計算機系統中去，存儲于知識庫之中。知識表示的合理性直接決定知識處理的效率，對知識獲取和應用的效果也有很大的影響。

廣義上，知識表示的目標就是實現人類知識的顯性化、機讀化和結構化，從而支持自動推理，知識檢索和知識發現等應用。知識表示方法有很多種，包括狀態空間、謂詞邏輯、框架、產生式、語義網絡、與或圖、Petri網等。這些方法適用于表示不同類型的知識，從而被用于各種不同的應用領域。如何選取或提出合理的知識表示方法，用最恰當的形式來表示中醫證候、中藥、針灸、溫病、養生等各方面的知識，是中醫藥知識表示研究的重點問題。

目前，知識工程領域的一種主流觀點是將建立一個知識系統的過程視為一種“建模”活動。知識建模（knowledge modeling）是指采用某種計算機方法構建一個“知識模型”，它在特定領域中能像專家那樣解決問題。其本質是通過模型來表示知識，因此屬于一種形式化的知識表示方法。近年來，采用本體等技術建立知識模型，已成為中醫藥知識分析的一種常用手段，也是中醫藥知識表示研究的一個主要方向[13-14]。

4.3 中醫藥知識獲取研究

知識獲取（knowledge acquisition）是指從專門的知識源中全面、系統地獲取知識，并將其轉換為某種計算機可處理的形式（如程序、規則、本體等）[15-16]。這里的知識源可以是人類專家，也可以是案例、教科書、論文、數據庫、網站等知識載體。一般情況下，知識獲取需要由“知識工程師（knowledge engineer）”與領域專家配合，共同來完成工作。知識工程師的任務是幫助領域專家激活隱性知識，完成知識的轉換，建立基于知識的系統。

知識工程的一個典型場景是：一組知識工程師找到并訪問特定領域的專家，聽取專家的介紹，記錄專家的經驗性知識并將其表達為計算機可處理的形式，存入知識庫中。將知識庫與推理引擎結合起來，也就構成了一個新的專家系統。知識獲取也必然涉及知識驗證的問題：知識工程師需要對知識進行評審和驗證，以確保知識的準確性。

知識獲取是任何知識管理和知識工程的基礎性工作。在中醫藥領域，知名老中醫的經驗和古籍文獻占有重要地位，是知識獲取的重點對象。一方面，知名老中醫知識和經驗的獲取，是中醫藥知識獲取的重要環節。它屬于專家認知獲取的范疇，也就是將專家頭腦中隱含的知識轉換為某種形式的顯性知識的過程。另一方面，中醫藥領域產生了海量的古籍文獻。古籍數字化對于中醫藥信息的快捷傳播和永久保存具有重要意義。如何從數字化的古籍文本中有效提取中醫藥知識，則是知識工程所關注的問題。無論是通過專家訪談等方法獲取領域專家的經驗和實踐方法，還是查閱大量文獻搜集領域知識，都是復雜的、繁瑣的工作，且多數情況下只能通過人工方法完成。因此，知識獲取是中醫藥知識工程領域中面臨的關鍵瓶頸[16]。如何突破“知識獲取”瓶頸，也就成為知識工程研究的一個熱點問題。

4.4 中醫藥知識運用研究

知識運用是指將領域知識庫以及機器推理、知識發現等技術運用于科研、臨床、教學等領域，輔助中醫藥工作者解決復雜問題并提升工作效率。知識工程在中醫藥領域的具體應用包括：四診客觀化研究、中醫辨證規范化研究、方劑量效關系分析、中藥新藥發現、中醫臨床診療、中醫教學等等。為使知識工程的成果產生社會效益和經濟效益，促進中醫藥知識創新和學科發展，必須研究如何運用知識的問題。知識工程學不能逐一研究具體應用的過程或方法，而是研究在各種應用中都可能用到的共性方法，包括知識推理、知識搜索、知識發現、知識服務等。

傳統上知識運用研究的一個中心問題是如何構建專家系y。中醫專家系統是指用計算機人工智能技術來模擬著名老中醫診療病人的臨床經驗，從而使該軟件具有專家診治病人的水平[8]。如前文所述，隨著“中醫關幼波診療肝病的計算機系統”的出現，全國興起了一股研發中醫專家系統的熱潮。據陸志平等[9] 估計，中醫專家系統已不下300個，并遍及中醫的內、外、婦、兒、五官以及針灸等各科。專家系統能對中醫四診信息進行處理和解釋，并產生臨床推薦意見和臨床警示，可用于輔助職業醫師進行臨床決策。該系統的構建涉及知識獲取、機器學習、知識推理、知識搜索等多方面的理論和方法學研究。

自20世紀90年代開始，隨著數據庫技術的普及以及數據庫內容的不斷積累，使業務人員產生了從數據庫中挖掘知識的愿望。為此，學者們將數據庫技術與人工智能、統計學、機器學習等傳統技術相互融合，產生了知識發現這一交叉學科[17]。知識發現（knowledge discovery in database，KDD），可被理解為“數據庫中的知識發現”。近年來，中醫團體探索將各種KDD方法應用于中醫藥領域。KDD被用于研究方劑配伍規律[18]，輔助中醫開具中藥處方[19]，解釋中醫證候的本質[20-21]，以及輔助基于中醫藥的新藥研發[22]，都取得了良好的效果。KDD作為中醫藥知識分析和科研創新的一種新方法，也成為中醫藥知識運用研究的一個熱點。

5 中醫藥知識工程的關鍵技術分析

中醫藥知識工程將本體（ontology）、文本挖掘（text mining）、語義網（semantic Web）等多種信息技術與中醫藥領域知識相結合，以促進中醫藥知識的創造、管理和運用。在下文中，圍繞知識建模、知識獲取、知識存儲、知識發現等4個主要方面，對中醫藥知識工程中涉及的關鍵技術進行具體分析。

5.1 中醫藥知識建模技術

知識建模是將領域知識表達為計算機可處理模型（即知識模型）的過程，它是知識工程的基礎。中醫藥知識體系與中華傳統文化息息相關，具有鮮明的文化和語言特色，這決定了中醫藥知識建模的獨特性。歷代中醫普遍采用“取向比類”等形象思維方法，中醫藥概念之間的關系錯綜復雜，中醫文獻中包含大量古漢語成分，這些因素導致中醫藥知識難于精確描述和定量刻畫。需要對知識建模的方法和技術進行創新，并研究出一套符合中醫藥特點的知識建模框架，以支持中醫藥知識工程的實施以及知識服務平臺的建設。

知識建模技術有很多種，技術人員所熟知的統一建模語言（UML）和實體關系模型（ER模型）都屬于知識模型。本體是1990年代出現的知識建模方法，其核心任務是對領域概念體系進行系統梳理和準確表 達[13]。本體在復雜知識建模和自動推理等方面體現出技術優勢，因此在生物醫學領域逐漸成為主流技術。

近年來，中醫藥知識工程的一個熱點是通過構建中醫藥領域本體，對中醫藥理論和知識體系進行辨認、梳理、澄清和永久保真處理。中醫團體已經開展了基于本體的中醫藥知識建模方法研究，并實際構建了一系列領域本體[14] 。例如，中國中醫科學院中醫藥信息研究所研制了“中醫藥學語言系統（Traditional Chinese Medicine Language System，TCMLS）”這一大型中醫藥領域本體[23] 。TCMLS對中醫藥領域的概念和術語系統進行了完整的表達，在中醫藥學研究中得到廣泛應用。此外，本體建模的對象還包括陰陽、五行、臟腑、證候、中藥、方劑等諸多領域。這些本體最終可被整合為一個完整的中醫藥領域本體，支持知識獲取、知識發現、知識服務等中醫藥知識工程的后續工作。實踐表明，本體可有效捕捉中醫藥領域的概念體系，并以概念為核心將中醫藥知識體系準確地表達出來，能夠勝任中醫藥領域知識建模的任務。

5.2 中醫藥知識獲取技術

如上文所述，中醫藥知識獲取是一項復雜的工作，被公認為知識處理過程中的一個瓶頸，嚴重限制了知識工程和知識系統的發展。近年來，學者們主要試圖通過“集體智能”和“機器智能”這兩條路徑來突破中醫藥領域的知識獲取瓶頸。

“集體智能”是指組織大量領域專家一起編輯知識庫，從而實現專家知識的共享與融合。實現集體智慧的關鍵在于建立合理的交流、協作和激勵機制。隨著互聯網的迅速推廣，中醫界開始利用互聯網技術建立各種面向中醫藥領域的知識工程平臺，進行跨學科、跨組織、跨地域的協作式知識加工，開展了一系列大規模的知識工程項目，建成了一系列術語系統、領域本體、文獻庫、數據庫和知識庫。例如，中國中醫科學院中醫藥信息研究所建立了基于互聯網的“中醫藥虛擬研究院”，部署了一個協同知識工程平臺，支持全國40余家機構，近300人進行協同工作[24-25]。在該系統的直接支持下，研制了“中醫藥學語言系統”[23]等一系列大型知識系統。實踐表明，基于互聯網的虛擬環境能將不同機構、不同地區的研究人員組織起來，有效解決資金分散、缺乏協調、研發能力不足等問題，實現知識工程的規模化[25]。

“機器智能”是指研發文本挖掘技術，使機器能夠直接從文獻等知識載體中提取結構性知識。文本挖掘在中醫藥領域已得到成功應用，能夠顯著提升知識庫加工的效率[26]。但與生物醫學領域的大量研究工作[27]相比，文本挖掘在中醫藥領域的應用仍處于早期探索階段。需要針對中醫藥文獻的特點，進一步研發實用的挖掘方法，提升挖掘結果的完整性和準確性，從而深度挖掘中醫藥文獻中蘊含的知識。

5.3 中醫藥知識存儲技術

知識存儲（knowledge storage）特指在計算機系統中安全、可靠、有序地存儲知識資源，以支持知識管理和知識工程應用。知識庫是實現知識存儲的重要支撐工具，也是知識工程的重中之重。知識庫一般是針對特定領域以及問題求解而建立的，對領域知識進行全面收集和系統整理，進而對知識進行組織、分類和保存，以支持知識檢索和查詢。

構建中醫知識庫系統，是指用人工智能技術把中醫藥理論和專家的經驗按規范化、標準化的格式組建成知識庫[8]。知識庫一般具有形式化、結構化、易查詢、易操作等特點，能支持機器推理。傳統上知識庫主要是指采用謂詞邏輯、框架等知識表示方法，在計算機系統中表示和存儲的知識集合。但在中醫藥信息化實踐中，人們也把文獻庫、數據庫、本體等多種形式的知識載體統稱為“知識庫”。它們都能起到知識存儲的作用，與自然語言處理、機器學習等方法相結合后仍可支持智能應用，因此稱之為廣義的知識庫也不為過。

近年來，中醫藥知識庫建設得到迅猛發展，在中醫人體、中醫疾病、中醫證候、中醫醫案、中藥、中醫養生等方面都出現了知識庫系統[28]。中醫藥知識庫在中醫藥信息化中扮演著核心的角色，在文獻整理、知識可視化、知識共享、臨床診療、教學、研究等諸多方面取得實際應用，為中醫藥知識遺產的數字化保存和深度挖掘提供了創新性的手段。

5.4 中醫藥知識發現技術

知識發現是從數據中獲取有效、新穎、有潛在應用價值和最終可理解模式的非平凡過程[17]。知識發現是人工智能、數據庫、統計學、機器學習等多種技術相互交叉產物。知識發現在20世紀90年代提出之后，獲得了廣泛關注和迅速發展，產生了高頻集、關聯分析、分類、預測、聚類、孤立點分析、時序/序列分析等一系列行之有效的方法，還出現了Weka、Rapidminer等較為成熟的開源軟件。這為知識發現技術在中醫藥領域的應用創造了條件。

中醫在數千年的臨床實踐與理論研究中積累了海量的數據、文獻和知識。如何利用這些寶貴資源就成了發展中醫藥必須面對的一個問題。而KDD所擅長的正是從海量的數據中尋找有意義的模式和知識，是分析中醫藥海量數據所需的理想技術手段。近年來，中醫團體已開展了將頻繁模式發現、關聯規則發現、聚類分析、復雜網絡分析等多種KDD方法引入中醫藥領域的若干探索。例如，使用關聯規則發現等方法對方劑數據進行分析，來揭示方劑配伍規律[18]；通過知識發現方法輔助中醫開具中藥處方[19]以及中藥新藥研發[22]；通過基于隱結構模型的機器學習方法來揭示中醫證候的本質[21]；使用文本挖掘方法從海量文獻中挖掘新穎知識，構建并分析中醫藥復雜網絡[20]。這些工作表明，面對中醫藥領域的海量數據，采用KDD技術進行有效的知識發現既是必要的，也是可行的[29]。

過20多年的發展，中醫藥知識發現的方法和技術已進入相對成熟期，針對中醫藥領域的各種問題都產生了一系列行之有效的方法。但成熟并不意味著完善，面對中醫藥數據描述多樣化、數據仍不完備的特點，仍然需要對現有的KDD技術進行改進和發展，以滿足中醫藥科學研究和知識創新的需要。

6 中醫藥知識工程的發展趨勢

近年來，中醫藥知識工程實踐取得長足發展，成功建立了大量的知識資源。但中醫藥知識資源往往服務于特定的醫療和研究機構，彼此之間異質、異構，難以實現集成與共享，形成嚴重的“知識孤島”現象，成為長期困擾中醫藥知識工程領域的技術難題。中醫藥與西醫等相關領域的知識資源也難以實現有效的關聯，阻礙了跨學科研究的開展。

為此，學者們[6，30]提出使用語義網作為中醫藥數據表示標準，實現中醫藥內部的知識整合以及中西醫領域的知識互聯，從根本上解決“知識孤島”問題。2001年，萬維網發明人（T.B. Lee）在《科學美國人》上正式提出了語義網的構想，認為它將是一個機器可以理解的開放性信息空間[5]。語義網技術的核心優勢在于將數據結構和存儲方式各異的數據轉換為統一格式并重新，從而實現數據資源的交換與集成。語義網為實現跨領域知識關聯提供了理想的技術平臺，有助于構建面向特定領域的大規模知識圖譜，進而實現各領域知識圖譜的關聯與融合。語義網最終將發展為一個全球性的知識圖譜，提供全面、智能的知識檢索服務，促進知識共享和人機協作。

可基于語義網技術建立中醫藥知識圖譜，從而實現中醫疾病、中藥、方劑、針灸、醫案等中醫藥各門類知識資源的集成[30-31]。TCMLS作為一個包含10余萬個中醫概念以及100余萬個語義關系的大型語義網絡，為構建中醫藥知識圖譜提供了相對完整的框架。鑒于此，于彤等[31]提出以中醫藥學語言系統為骨架，將中醫藥領域現有的術語資源和數據庫資源融合起來，構成大規模知識圖譜，并實現基于知識圖譜的知識檢索、知識展示和知識服務等功能。在未來，可進一步擴充中醫藥知識圖譜，通過語義關系表達中醫和西醫之間的結合點，從而實現這兩個領域的知識圖譜的關聯和融合。這套方法將使中醫藥知識資源接入全球互聯的知識圖譜之中，支持各種面向結合醫學的知識共享、決策支持和知識發現應用，在中西醫結合醫學中發揮更大的作用和影響力。

6 小結

中醫藥根植于中華文化，源于中國傳統哲學，是中華民族非常寶貴的知識遺產。中醫藥知識工程成為中醫藥知識遺產保護和知識創造的一種新模式，能有效推動群體性的知識創新活動，加速知識轉化過程，促進知識的傳播。

中醫藥經過數千年的發展，形成了一座偉大的知識寶庫，這決定了中醫藥知識工程的巨大價值和艱巨性。中醫藥領域知識體系相當復雜，對知識工程技術提出了獨特的需求。在中醫藥領域實施知識工程是一項極其復雜且具有挑戰性的工作，其中還有很多尚未解決的科學問題和技術難題，需要進行長期的研究。展望未來，中醫藥知識工程必將成為中醫藥信息學學科體系的重要組成部分，也將在中醫藥科學研究和臨床實踐中發揮越來越重要的作用。

參考文獻：

[1] 任廷革， 劉曉峰， 李慶業， 等. 從復方分析模型的研究看中醫知識工程的意義[J]. 中國中醫藥信息雜志， 1999， 6（3）： 12-13.

[2] 楊斌. 中醫知識工程的建立及其意義[J]. 世界科學技術――中醫藥現代化， 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， 李敬華. 語義Web在中醫藥領域的應用研究綜述[J]. 世界中醫藥， 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] 馬斌榮. 中醫專家系統與中醫知識庫[M]. 北京： 北京出版社， 1997.

[9] 陸志平， 李媛媛， 魏方方， 等. 人工智能、專家系統與中醫專家系統[J]. 醫學信息， 2004， 17（8）： 458-459.

[10] 孫燕. 中醫知識工程研究進展分析[M]. 中國中醫藥信息雜志， 2010， 17（12）： 5-6.

[11] 于彤， 陳華鈞， 顧攏 等. 中醫象思維的OWL語義建模[J]. 中國數字醫學， 2013， 8（4）： 29-33.

[12] 于彤， 崔蒙， 吳朝暉， 等. 基于語義Web的中醫臨床知識建模[J]. 中國數字醫學， 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， 裘儉， 張華敏， 等. 中醫藥領域本體研究概述[J]. 中國中醫藥信息雜志， 2010， 17（3）：100-101，106.

[15] 路耀華. 思維模擬與知識工程[M]. 北京： 清華大學出版社， 1997.

[16] 陳瑜. 試論中醫藥領域的知識獲取[J]. 醫學信息學雜志， 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， 趙國平，等. 方劑配伍規律數據挖掘的研究現狀及思考[J]. 中國中醫藥信息雜志， 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. 中醫藥化學輔助研發系統的建設[J]. 中國中醫藥信息雜志， 2008， 15（8）： 100-101.

[23] 于彤， 賈李蓉， 劉靜， 等. 中醫藥學語言系統研究綜述[J]. 中國中醫藥圖書情報雜志， 2015， 39（6）： 56-60.

[24] 崔蒙， 謝琪， 尹愛寧， 等. 中醫藥信息數字化虛擬研究院建設模式研究[J]. 上海中醫藥大學學報， 2008， 23（3）：5-8.

[25] 尹愛寧， 崔蒙， 范為宇， 等. 中醫藥虛擬研究院[J]. 國際中醫中藥雜志， 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， 釧叮 李敬華. 中醫藥知識庫系統研究進展綜述[J]. 中國醫學創新， 2014， 11（18）： 142-144.

[29] 吳朝暉， 封毅. 數據庫中知識發現在中醫藥領域的若干探索（Ⅰ）[J]. 中國中醫藥信息雜志， 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， 劉靜， 賈李蓉， 等. 大型中醫藥知識圖譜構建研究[J]. 中國數字醫學， 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：人工智能對教學的幫助范文

關鍵詞：產業數字化；數字化產業；產教融合；市場營銷

一、研究背景

根據中國信通院的《2021年中國數字經濟發展白皮書》顯示，2020年我國數字產業化規模達到7．5萬億元，占數字經濟比重的19．1%，占GDP比重的7．3%。產業數字化規模達31．7萬億元，占數字經濟比重的80．9%，占GDP比重的31．2%。數字經濟內部結構呈現“二八”比例分布。2020年，三次產業加速數字化轉型，農業、工業、服務業數字經濟滲透率分別為8．9%、21．0%、40．7%，同比分別增長0．7、1．6和2．9個百分點。數字時代下，培養新一代國家建設人才已迫在眉睫［1］。數字化產業的發展，是產業數字化轉型的重要保障。工業互聯網平臺、大數據中心、人工智能算法、云計算服務、區塊鏈、數據安全、數字消費等各種數字化技術所用的新基建和數字化設備，使數字產業快速發展并得以應用。這些數字化企業的成長和壯大是支撐起產業數字轉型的砥柱。2017年12月國務院辦公廳印發《關于深化產教融合的若干意見》提出要深化產教融合。5G等新一代通訊技術的變革和應用，席卷行政服務系統、教育系統、金融系統、醫療系統等所有領域。高校傳統專業教育已不能滿足產業數字化新需求，唯有順應時代和產業的變化不斷更迭，才能培養出適合企業需求的新技能型人才。

二、數字經濟新業態產教融合現狀

美國能誕生如此眾多的互聯網巨頭，與其職業教育的“合作教育”模式密不可分。“合作教育”模式是將專業人才培養學校理論學習與企業實踐訓練相結合的一種高等教育策略。2009年，美國將“合作教育”模式更名為合作與實踐教育（CEED）。該策略由于較好實現了企業、學校、學生等多方共贏，得到了美國相關政府機構、教育界、企業界的高度重視。［2］自英國脫歐以來，歐盟經濟支柱主要來自德國和法國。德國作為老牌工業強國，雖然數字經濟發展相對較為緩慢，但是，其成功的職業教育產教融合模式——“雙元制”，卻值得學習和借鑒。［3］我國數字經濟新業態正處于剛起步階段，相比歐美等西方國家，我國亟需探索出適合我國“兩化融合”的工業互聯網平臺發展模式。近些年“數字”成為助力數字經濟發展的重要技術。但是，由于我國數字化人才較為缺失，暴露出高職技術型人才培養工作存在諸多缺陷。目前，關于高職產教融合人才培養模式的成果并不多，尤其是關于“互聯網+”背景下的產教融合成果更是比較少。通過研究目前關于數字經濟新業態產教融合的研究主要集中在以下方面：一是關于產教融合實施過程中遇到的困境及解決的方法。產教融合存在的困境與解決對策是當前研究的主要熱點；二是如何依托校企合作，促進產教融合。例如，鈕雪林結合蘇州數字經濟發展現狀，分析了專業建設中所存在的問題，提出專業建設必須要以協同化對接、數字化改造以及融合化轉型等方面入手，提升專業建設水平；三是關于國內外不同育人模式的比較與實證分析。

三、“數字化轉型”下的產教融合新挑戰

（一）目標企業選擇難題

合作企業的選擇，需經過慎重甄選。企業規模較小的中小企業，軟硬實力都不及大型優質企業，在承擔校企合作的教學育人中，人力、培訓、設備、場地、技術、管理、運營等各方面的成本和投入會成為其主要制約因素。同時，產業數字化也使得行業“洗牌”加劇，涌現出一批順應數字化轉型的優質企業，這批優質企業在產教融合中對人才培養方向更能把握時代脈搏。在目標企業的選擇問題上，需要高校對目標企業進行有效評估和謹慎甄選。

（二）企業課程與傳統教學內容不相符

在產教融合課程設置方面，存在企業課程與傳統教學內容不一致的問題，以及傳統企業數字化轉型水平低導致課程內容陳舊兩大問題。首先，在產業數字化轉型的形勢下，高校人才培養目標、教學內容和教學方法，仍然存在沿用陳舊人才培養方案和原有知識體系的情況，教材和教法，都沒有融入最新數字信息技術，專業建設停滯不前。課程負責老師不愿與企業深度融合，改革課程內容，導致最新的企業標準、企業操作規范、理實一體化課程及企業實訓實踐類課程無法順利推進。其次，當目標企業選擇不當，或企業發展速度大大低于產業變革，導致企業開發課程內容較為陳舊，尤其是在產業數字化轉型的轉折點，企業需要最新的工業互聯網技術和數字化技術做支撐，才能在產教融合中開發和融入產業最新數字化技術內容。因此，新時代下的產教融合和產業人才培養，不僅對教師、教法、教材提出了新的要求，也對合作企業提出了更高的要求。

（三）企業投資巨大，回報不穩定

首先，從課程的開發來說，需要校企的共同參與，針對學生群體，在現有教學內容的基礎上，開發一套既囊括現有知識體系，又符合企業標準的教材和課程。對于企業來說，需要企業上層戰略決策的支持和大力投入，需要有經驗的專職人員與課程負責老師積極雙向溝通，因此，人力成本的投入必不可少。其次，從實訓基地建設來看，校企雙方前期投入大量人力物力建設實訓室、實踐基地、教學設備、網絡設施等，合作期間產生的水電、培訓、師資等一系列費用，以及后期對實訓基地和設備的維護保養等成本，一旦由于種種原因使得校企合作不穩定，合作最終不了了之，企業投入將無法收回，也會造成高校國有資產流失。最后，從人才培養過程來看，校企達成產教融合意向，設置校企合作課程，開發校企合作教材，開設各類實踐實訓項目，最終完成學業，培養出符合產業需求的高素質技能型人才，期間會存在人才培養的時效性，就業雙向選擇的不確定性等問題，并且對于企業來說人才培養周期大大加長，難以滿足企業短期人才緊缺的需求。

四、基于“數字”的市場營銷專業產教融合探索

基于以上分析，產教融合過程中疊加產業數字化轉型，給校企合作帶來了新的挑戰，下文將以市場營銷專業建設為例，研究和探索基于“數字”的產教融合新模式。

（一）“數字”發展背景

2015年阿里巴巴首次提出概念，隨著大數據技術在社會中的廣泛應用，數字發展呈現快速發展趨勢。例如，2018年我國數字規模為22．2億元，預計2022年將達到179．4億元。由此可見數字將成為企業數字化轉型的加速引擎。“數字”是企業級的業務能力和數據共享服務平臺，其通過對業務、數據以及技術的抽象化，將業務按照領域進行拆分，以服務化的形式輸出共享能力。數字具有較高的應用價值：在數據層面上，數字有效解決了企業系統間數據孤島的問題，有效解決了數據“匯管用”的問題；在業務層面通過對各業務線的模塊去除，讓前臺業務走向市場，提升了企業的市場響應力；在技術層面，具有可擴展性，能夠讓整個網絡架構更加開放，避免了重復開發［4］。

（二）“數字”+產教融合模式“數字”產教融合模式，使市場營銷專業建設的教學廣度和教學深度都得到了大大提高，契合了高校培養高素質技能型人才的人才培養目標。將企業數字服務于教學，實現深度產教融合，如圖1所示。數字對企業數字化、智能化的轉型升級起到核心關鍵作用，在產業數字化的過程中，涉及從生產制造、采購物流、倉儲運輸等生產制造環節，到客戶服務、數字營銷、門店調配等流通環節，再到結算中心、供應鏈管理、人資管理等企業運營管理環節。從人才培養角度出發，教育教學的視域更開闊，理念更趨全局化，對于市場營銷專業來說，教學廣度隨著數據的延伸，不僅涉及數字化營銷，而且延伸到了生產制造、經營管理、門店運營、成本控制等多個領域，教學廣度得到了大大提升。從教學深度來看，從課本的理論知識為主，營銷策劃實踐為輔的傳統模式，轉變為更深層次的基于數據的數據采集清洗、可視化報表制作、公（私）域運營、大數據品牌營銷、內容營銷、算法和AI提升人效等基礎上的營銷戰略和營銷策劃，教學深度增加，專業深度增加，更適合數字時代人才培養需求。

1．數據采集

如圖1所示，產教融合部分包含兩大內容和一大條件。根據上文數據來源分類，企業數據分為內部數據和外部數據兩大類，數據的采集過程主要從離線采集與實時采集兩方面進行。首先，內部數據是指在根據企業內部經營情況，進行數據采集和數據篩選，主要包括不涉及商業機密的企業以往數據：營業額達標率、客單價、人效、毛利、進銷、損耗等數據。具體數據包括日（月）營業額、日（月）營業指標、日（月）完成率、客單數、客單價、人效、每日（月）同比、每日（月）增長率、客單增長率、采購、銷售、毛利（率）、陳列（樣品）報損、報損率、日銷前十等。其次，外部數據是指通過網絡爬蟲獲取的互聯網數據、第三方接口數據等產生的相關數據。最后，對于上述用于教育教學的數據，其數據量相當龐大。在互聯網環境下，客戶數據來源比較廣泛，既包括客戶辦理各項業務的數據。例如，客戶的基礎信息數據、客戶消費數據、訂單業務數據等等，還包括客戶位置移動范圍數據等。基于日益繁瑣的數據，需要系統要具備數據收集和儲存的系統作為支撐。因此，基于數字將數據進行整合，并通過全過程的數據采集才能獲取動態全面的數據，并最終篩選有效數據用于市場營銷專業產教融合。

2．數據應用

數據應用是“數字”平臺建設的核心，傳統的數據系統只是簡單地存放或者展示難以有效發揮數據的潛在價值，不能達到數字資產的應用價值。基于數字產業的發展，構建產教融合必須要將所有的數據納入到同一套系統中，建立以客戶為中心的“DNA”數據視圖，整合系統的所有資源，讓平臺系統內的成員都可以使用數據資產，以此達到支撐整個智慧運營體系的數據要求［5］。市場營銷專業課程的數據應用，主要是利用智慧運營體系中數據采集到的數據，進行客戶精準畫像、企業科學決策、AI（算法）預測、制定營銷戰略、撰寫營銷策劃方案、個性化學習等，通過校企產教融合，將數據應用環節共同開發成各類數字營銷實踐課程。

3．基礎工具及條件

在數據采集和數據應用的過程中，校企共建實訓場地提供軟硬件保障，硬件設施包括本地機房、互聯網設備，物聯網、互聯網等，軟件設施包括數據采集分析工具（python、excel）、云平臺、數據共享數據等。通過云平臺和數據共享數據，服務器將操作實踐內容共享至學校機房，同時物聯網實現萬物互聯，校企指導老師在線指導和評估，前置課程中可加入一些基礎的工具課，或在實訓課中加入有針對性的工具操作模塊。數據是領先行業的共同選擇，構建了企業進行應用開發的新一代平臺型基座，通過數字賦能變革成為企業轉型發展的重要選擇。本文秉承科學性和先進性原則，兼顧時展特征，以市場營銷專業為例，對基于數字產教融合模式進行了一系列理論探索，希望能對高校實現新時代數字營銷人才的培養目標有所幫助，希望能對各專業建設改革有一定的參考價值，也希望能對地方經濟的建設發展有一定的啟發。

參考文獻

［1］劉常春，張曉丹．職業教育中的產教融合模式分析［J］．電子技術，2021（12）：200-201．

［2］汪福俊．美國應用型高校的合作教育機制——以德雷塞爾大學為例［J］．教育學術月刊，2018（12）：57-67．

［3］陳保榮．職業教育產教融合的國際比較研究［J］．職教論壇，2018（5）：40-46．

［4］胡翰林，沈書生．基于技術的教育大數據應用研究［J］．現代教育技術，2021（9）：78-86．

第9篇：人工智能對教學的幫助范文

關鍵詞：電路分析；教學

《電路分析》是工科各電類專業一門重要的基礎課，該課程理論嚴密，邏輯性強，綜合性強，有廣闊的工程背景。對培養學生的思維能力，提高綜合分析問題和解決問題的能力，樹立理論聯系實際的科學觀點，有著重要的作用。筆者根據這幾年的教學經驗，談談自己對如何搞好本門課程教學工作的一些看法。

幫助學生建立邏輯性嚴密的知識框架

《電路分析》這門課程內容多，知識點繁雜，但授課學時卻在不斷減少。如何在有限的時間里，保質保量的完成教學工作，就要求教師必須吃透教材，分化知識點，貫通教材內外知識點的聯系，針對教學對象，幫助其理解教材內部的邏輯結構，從而在有有限的時間里，達到良好的教學效果。

(一)弄清楚研究對象

本課程的研究對象是集總參數、線性的、時不變電路。所謂的集總參數是指電路的實際尺寸遠遠小于電路中信號的波長。相反地，如果電路的實際尺寸大于其中信號的波長，則稱之為分布(分散)參數。線性是指電路中的元件均為線性原件。而時不變是指元件的特性約束不隨時間的變化而變化。

(二)弄清楚兩種約束

本課程主要討論電路的兩種約束，即拓撲(結構)約束和特性(元件)。其中，拓撲約束包括KVL(基爾霍夫電壓定律)和KCL(基爾霍夫電流定律)。這種約束與元件特性沒有關系，僅僅與元件的聯結方式有關。這也是電路分析的理論基礎。而特性約束是指元件兩端的伏安關系(VCR)。

(三)弄清分析電路的基本方法

本課程主要介紹的電路分析方法包括：等效變換法列方程法(支路法、回路法、節點法)電路定理法(置換定理、疊加定理、戴維南定理、特勒根定理、互易定理)。

采用啟迪式教育方法，調動學生學習積極性

在理論課堂教學中，應充分發揮教師的主導作用和學生的主體作用，努力改變傳統理論教學中“滿堂灌”式的教學方法，實行“啟發式”教育。“授之以魚，不如授之以漁”。

每堂課上，教師要根據教學內容及要求，向學生提出許多問題，在問與答中展開教與學，這樣才能充分調動學生用已有的知識思考問題、理解、掌握和探求新知識。同時，教師要努力營造一種生動活潑的民主氣氛，鼓勵學生積極參與課堂教學，教師必須始終記住自己與學生的地位是平等的。與學生的活動是交互的，要讓學生憑自己的直覺與經驗觀察物理現象，分析物理規律，允許學生展開討論或爭論，可以獨立地發表意見，引導學生得出正確的結論，讓學生感到是作為教師的合作者學習的，以此提高學生自信心、責任感與主動性。

例如，在講解線性電路分析方法這一章內容時，先介紹較為簡單并很容易理解的“支路電路法”，通過例題使學生發現用該方法求解時不僅需要列寫方程數多而且方程求解較繁瑣，從而引導學生提出“有沒有更好的解決方法?”進而引入“網孔電流法”、“節點電位法”等其它解決途徑；講解“代文寧定理”后，引導學生主動提出“該定理在具體運用中有什么途”?帶著這個問題去學習，不僅能對“代文寧定理”加深認識和理解，還為引出最大功率傳輸定理埋下伏筆。這樣通過積極引導，逐步培養學生學會思考，學會學習，提高自學能力

利用現代化教學手段，提高教學質量

在教育領域中，計算機不僅是一門學科，而且正逐漸成為有效的教學媒體與教學管理的工具，多媒體技術使教學手段、教學方法、教學方式和教學理念都發生了變革。以多媒體為核心的現代教育技術運用于電工教學，之所以能夠優化電工理論教學過程，更好地提高教學質量，是因為它具有以下五個教育功能引：微觀現象客觀化，客觀現象微觀化；化“不可視”為“可視”教學；把抽象的電工概念與過程具體化；化“靜”為“動”，幫助學生弄清復雜的電工過程；利用人工智能，使學生身臨其境，感知電學規律。在計算機普及的今天，我們教師應該在幻燈、錄像、電視等幾種常用教學手段的基礎上充分利用計算機輔助教學，用電子教案代替手寫教案，把電工理論教學的課堂改到多媒體教室，用圖、文、聲、形并茂的新穎授課方式吸引學生，并用多媒體把許多靜態的演示實驗轉變為細致逼真的演示過程，通過加強學生形象思維，幫助學生對抽象電工理論知識的理解。在電工基礎實際教學中，改變傳統的板書式教學，改用多媒體課件與板書相結合的方法，將理論教學內容制作成課件演示，相關公式推導及例題的講解采用板書與演示結合。

同時，還可以利用可以通過PISPISE、EWB、MATLAB、Multisim等仿真軟件進行模擬仿真和過程分析，使學生避免枯燥的理論學習，提高了學生的學習積極性。但是，必須認識到多媒體教學只是輔教學，是將教學中難以表達或抽象的概念用多媒體軟件展示出來，而不是教師講課板書的復制。

重視實踐教學，重祝學生能力的培養

電路課程中一個必須重視的環節就是實踐教學，即實驗和實訓。通過實驗和實訓使學生真正掌握電路知識及實驗的基本技能和安全操作知識。學會常用電工電子儀器儀表的使用，以及電路參數的測量和元器件的辨別，注意培養學生的動手能力：培養學生初步掌握一定的電氣工程技術的能力：識讀電路圖的能力和排查電路故障的能力等。隨著對學生能力要求的提高，傳統的以驗證性實驗為主的電路實驗已不能滿足要求，必須對實驗內容、實驗方式方法加以改革，在保留部分傳統的驗證性實驗外，應根據專業特點增加綜合性和設計性實驗。