时间：2023-09-06 17:05:31
导语：在人工智能课程评价的撰写旅程中，学习并吸收他人佳作的精髓是一条宝贵的路径，好期刊汇集了九篇优秀范文，愿这些内容能够启发您的创作灵感，引领您探索更多的创作可能。
关键词：人工智能技术；教学方法；编程能力
中图分类号：TP3 文献标识码：A 文章编号：1009-3044（2014）16-3865-02
1 概述
2008年11月16日，中国科协成立50周年新闻会在北京召开。在新闻会上，“五个10”系列评选活动，即10位传播科技的优秀人物、10部公众喜爱的科普作品、10个公众关注的科技问题、10个影响中国的科技事件、10项引领未来的科学技术评选结果揭晓。10项引领未来的科学技术是：基因修饰技术；未来家庭机器人；新型电池；人工智能技术；超高速交通工具；干细胞技术；光电信息技术；可服用诊疗芯片；感冒疫苗；无线能量传输技术。
人工智能技术学科是计算机科学中涉及研究、设计和应用智能机器的一个分支。指人类的各种脑力劳动或智能行为，诸如判断、推理、证明、判别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动，可以用某种智能化的机器来予以人工实现[1]。
通过《人工智能技术》课程的学习，使学生对人工智能技术的发展概况、基本原理和应用领域有深入了解、对主要技术及应用有一定掌握，并对现代人工智能技术发展的方向有所研究。通过人工智能技术课程的学习与研究，启发学生对人工智能技术的兴趣，培养知识创新和技术创新能力，并能将人工智能技术融入到今后所开发的计算机软件之中。
《人工智能技术》是一门众多学科交叉的新兴课程，其涵盖范围广，涉及知识点多，知识更新快，内容抽象，不容易理解，理论性强，而且需要较好的数学基础和较强的逻辑思维能力，这给该课程的讲授带来了一定困难。《人工智能技术》也是一门应用型学科，怎样将理论运用到实践中，使学生将学到的人工智能技术知识和思想运用到自己的实际课题，这也是该课程需要解决的问题之一。
因此，对《人工智能技术》课程教学来说，我们要了解课程的最新信息，把握课程的特点，帮助学生找到好的学习方法，使他们能充分发挥自己的创新思维能力，提高学习兴趣，该文给出了《人工智能技术》课程的教学与实践的探索。
2 教学与实践的探索
2.1 教材和实验教学内容的选取
1） 人工智能技术是整个计算机科学领域发展最快，知识更新最快，最前沿的学科之一。在教材选用方面，我们采用了蔡自兴教授等主编，由高等教育出版社出版的《人工智能基础》这本教材。蔡自兴教授的主要研究领域为人工智能、机器人学和智能控制等。这本教材是作者在美国国家工程院院士、普度大学教授傅京孙先生的指导和鼓励下编写，借鉴了国内外人工智能技术研究领域专家的最新研究成果和学术书籍的长处，该书比较全面地介绍了人工智能技术的基础知识与技术，材料新，易于理解，兼顾基础及应用[2]。
此外，我们还给学生自主学习提供多种类型的学习资料，其中包括参考书目，如：Russel S， Norvig P.等编著的《Artificial Intelligence： A Modern Approach》一书，人工智能技术国内外期刊，如电子学报，计算机学报，人工智能与模式识别，Artificial Intelligence，Journal of Artificial Intelligence Research，Engineering Applications of Artificial Intelligence和International Joint Conference on Artificial Intelligence，AAAI： American Association for AI National Conference等人工智能技术会议，使学生能够掌握人工智能技术的更多前沿动态，提高学习兴趣。
2） 配套的实验教学内容。《人工智能技术》是一门理论性和实践性都很强的课程，实践性教学环节对该课程尤为重要。除了完成课本上的作业之外，还注重实验教学，培养学生的创新能力、算法设计能力和编程能力。首先，每个章节设置相应的实验，而实验内容经过严格的考虑，如：五子棋游戏，产生式系统，旅行商问题，传教士和野人问题，BP神经网络实现简单的分类，遗传算法、人工生命程序等，要求学生运用所学章节的知识，独立地设计和实现实验内容。实验报告包括简述实验原理及方法，给出程序设计流程图，源程序清单，实验结果及分析等内容，通过这种方式，进一步加强学生的信息获取能力和研究能力。
2.2 教学方法和手段的改革
人工智能技术课程交叉性强，涉及面广，传统的教学方法手段单一，缺少交流，课堂气氛沉闷，激发不起学生的学习兴趣，教学效果不理想。人工智能技术这门课程内容抽象，如何激发学生的学习兴趣是本课程需要解决的主要问题，也是关系教学改革成败的关键。本课程需采用多种方法进行教学，以此来激发学生的学习兴趣。
1） 问题启发式教学。《人工智能技术》这门课程中有很多似是而非、引人入胜的问题，主要是用计算机模拟人类的智能来解决这种问题。在教学中，有目的的提出这些问题，鼓励学生思考，提出自己的想法和解决方案，并进行分析和比较，这样强化学生的主动学习意识，提高学习积极性[3]。
2） 个性化学习和因材施教。学生中存在计算机专业和非计算机专业本科毕业的差别，由于他们每个人的基础不同，有的计算机知识比较匮乏，因此有必要针对每个学生的学习进度，课堂作业和实验报告情况进行及时评估，对学生提出个性化的教学。例如：在实验教学中，要求有能力和兴趣的学生可以做探究性和创新性的附加实验，从而引导学生发挥个性的空间，而对稍微吃力的学生则要求完成基本的实验，更注重基础知识的学习和夯实，这样就能达到因材施教的目的。同时对不同层次的学生进行分析，进一步提出学习建议，并进行有针对性的指导。
3） 多媒体使用和多学科知识的融合。本课程PPT课件图文并茂，提纲挈领，便于学生理解。课堂讲授、板书与PPT手段相结合，注重课程中的关键词用英文表示，并适当指定英文参考书，使学生能够接触国外文献资料，加深对学习内容的理解，获得更宽广的知识。PPT课件运用了大量多媒体技术，如动画、声音、图像，通过动画和视频演示抽象的概念、算法和过程，使人工智能技术中抽象的知识形象化，在课件中融入了文学，历史等其他学科的相关知识，便于学生较好地理解知识难点和重点[4]。
4） 师生互动和课内外答疑。在教学中，改变了传统的老师讲，学生听的教学模式。针对人工智能技术的实用性，适当提问，收集学生学习情况，尽量使用实例进行讲解。设置了实验讲解互动课程，对于实验的讲解，学生可以提出疑问，然后在课堂上展开讨论，学生可以看到问题从提出、分析到解决的整个过程，让学生自己在讨论中总结结论。为了解决教学中存在的疑难问题，还设有课后答疑，使学生能将所有的问题都理解透彻。
5） 理论研究与实践结合。在教学内容的安排上，注重学生的理论研究和动手能力，适当布置一些课程相关的论文和实验编程。通过课程论文，可以培养学生钻研问题的兴趣； 通过查阅科技文献使学生掌握如何查找相关文献的技能，可以培养学生撰写科技论文的能力。通过实验实践，使学生可以更加清楚地了解人工智能技术基本概念和难点，也能了解算法的设计具体运行过程，并对其进行验证，提高了学生的编程能力和和学习兴趣。
6） 考试考核方式改革。本课程的考核考试也是一个值得探讨的问题，本课程应采用多种综合考试方法，注重学生对基础概念、知识和基本的技能的掌握以及理论联系实际的能力。平时作业考核成绩，实验实践教学成绩、提交课程论文成绩，以及最后的期末考试成绩形成一种有效的考试考核方法，促进学生主动学习，提高教学质量。实验的评价指标在于算法设计、编程的准确性和实验结果及分析。课程论文评价指是选题是否严谨科学和具可研究性，论文结构、思路是否严谨，论文内容科学性、正确性，能否提出自己的见解。考查查阅科技文献的能力主要通过是否查找到权威的、最新文献以及撰写是否规范。
2.3 学生学好《人工智能技术》课程的建议
《人工智能技术》是一门理论与实践相结合的应用课程，学生如何学习这么课程，也是我们应该探讨的问题。
学生应该正确看待《人工智能技术》这门科学的发展。人工智能技术孕育于20世纪30、40年代，形成于60、70年代，发展至今，人工智能技术只有短短60多年的历史，它是一门不断发展和完善的崭新学科，还有许多课题处于探索中，理论和技术还远未成熟，我们应该对它有科学的认识。
针对非计算机专业本科毕业的学生，除了课堂听讲之外，还应该课下自学该课程的先修课程，如：数据结构、离散数学等课程。人工智能技术中涉及到大量的数学知识，如：模式识别需要具有较好的概率论，数理统计知识，另外还会用到少量随机过程、模糊数学的一些知识。人工智能技术是一门应用课程，编程语言的掌握必不可少，涉及到SVM算法，粒子群算法，免疫算法神经网络，遗传算法等算法，实现这些算法要求学生具有较强的编程能力。
学生应该多读，多查阅资料，特别是国外的期刊文献和重要国际会议论文，多了解人工智能技术最前沿的信息，理论联系实际，加深对基本算法的理解，并将人工智能技术的知识运用到自己所研究的领域，以做到学以致用。
3 结论
人工智能技术在一定程度上代表着信息技术的前沿，该文对《人工智能技术》的课程教学进行了一些探讨，教学与实践效果有了显著提高，但仍然有许多方面还需要我们继续探讨和改进。
参考文献：
[1] 蔡自兴，徐光佑.人工智能技术及其应用[M].北京： 清华大学出版社，2003.
[2] 蔡自兴，肖晓明，蒙祖强，等.树立精品意识搞好人工智能技术课程建设[J].中国大学教学，2004（1）：28-29.
关键词:人工智能;研究型实验教学;民族关系
人工智能是计算机科学的一个分支,是一门研究运用计算机模拟和延伸人脑功能的综合性学科,对它的研究涉及控制论、信息论、系统论、语言学、神经生理学、数学、哲学等诸多的学科及领域,是一门综合性的交叉学科[1]。
人工智能的研究、应用和发展,在一定程度上代表着信息技术的发展方向,同时信息技术的广泛应用也对人工智能技术的发展提出了迫切的需求。今天,人工智能的不少研究领域如自然语言理解、模式识别、机器学习、数据挖掘、智能检索、机器人技术、人工神经网络等都走在了信息技术的前沿,有许多研究成果已经进入人们的生活、学习和工作中,并对人类的发展产生了重要影响[2]。
实践教学环节在大学教育中是一个非常重要的教学环节,是提高人才素质与能力的重要途径。人工智能课程除了具有较强的专业性之外,还具有突出的实践性,为了能深入理解和掌握所学内容,必须把讲授和实践结合起来。本文结合该课程实验教学,将研究型教学的理念引入到实验教学,并对教学过程中的经验和问题加以初步的总结。
1研究型教学模式背景
研究型教学是相对于以单向性知识传授为主的传统教学提出的,是指教师以课程内容和学生的学识积累为基础,引导学生创造性地运用知识和能力,自主地发现问题、研究问题和解决问题,在研究中积累知识、培养能力和锻炼思维的新型教学模式。研究性教学是对现有的大学课堂教学模式的突破。有利于开发大学生的创造潜能,提高学生适应社会需要的创造性和创新能力,充分展现现代大学培养人才、发展科学、服务社会的三大基本职能[3]。
19世纪初,德国著名教育家洪堡最早提出了教学与科研相统一的原则,为研究型教学模式的发展奠定了基础。20世纪50、60年代,美国著名教育心理学家布鲁纳提出了著名的“发现教学模式”[4],成为后来探究性学习和研究型教学的先导。20世纪70年代,美国研究教学专家萨奇曼正式提出了研究训练教学模式。他认为学生会本能地对周围新奇事物发生兴趣,并想方设法弄清这些新奇事物背后究竟发生了什么,这是一种进行科学研究的可贵的动力。
自此,研究型教学理念开始广泛使用。现在,哈佛大学、牛津大学、剑桥大学等世界著名大学,都非常注重学生能力的培养,普遍采取了研究型教学模式。以美国高校为例,虽然美国高校83%的教师在课堂教学中主要采用讲授法进行教学,但在整个教学过程中都渗透着研究型教学的方法,如积极引导学生参与教学过程,开设研究性课程,引导学生积极主动地参与科研活动等。我国自20世纪90年代初推出211工程建设以来,清华大学、北京大学、人民大学、复旦大学、浙江大学等一些重点大学都提出了建设世界一流的综合性研究型大学的目标。这些高校在实现从单向知识传授的传统型教学向关注创新性教育的研究型教学转变方面进行了许多有益的尝试。
2研究型实验教学
本科教学不仅要培养学生的应用能力,还要培养学生具备基本的科研素质。大学是培养未来一线创新人才的主要基地,必须从本科教学人手,深入探索研究型教学的手段和方法,才能满足未来经济增长和社会发展的需要,才能符合建设研究型大学的需要。特别是近几年来我国对科研的投入不断增加,研究生招生规模逐年增大,本科高年级学生打算继续读研的也不在少数。而人工智能是计算机相关学科非常活跃的研究课题,其涵盖的分支非常广泛,如模式识别、机器学习、数据挖掘、计算智能、统计学习理论等,都是目前国际和国内热门的研究方向。
人工智能课程在计算机专业人才培养方案中占据着重要的位置。在专业理论方面,它承续了离散数学中的逻辑知识;在专业方法方面,是数据结构、算法分析与设计的继续;在专业工具方面,是面向对象程序设计的生动实例。并且人工智能的每一部分内容都可以作为一个深入的研究课题,课堂上讲解的内容不可能面面俱到,学生们也不可能对人工智能的每一领域都做很深入的学习。并且人工智能涉及很多的数理逻辑知识,有些显得难以理解,并且往往让学生感到比较枯燥,学生的学习兴趣就渐渐淡薄,学生往往被动“听讲”,难以获得预期的教学效果。
针对这一特点,在人工智能教学中,如何引导学生系统学习人工智能的知识、激发学生的研究兴趣,树立目标意识找准研究方向,为未来的科研工作打下基础,研究型实验教学就成为了人工智能课程教学的一个重要环节和必然选择。
2.1实验教学中加强学生的研究导向
在实验教学中,如果照搬一些教材中的例子或习题教学,一方面学生们会缺乏兴趣,另一方面学生对这个领域的知识缺乏全面的了解。应不断提出一些学生们感兴趣的开放性课题,比如基于支持向量机的人脸识别、基于肤色的人脸检测,基于内容的图像检索等,培养学生们的学习兴趣,让学生们逐渐深入的学习某一领域的知识。比如BP神经网络,在模式识别、经济数据分析、生物信息学、数据挖掘等众多领域都取得过成功应用,是一种具有强大的非线性学习能力的计算智能技术。然而BP神经网络算法自身也存在着一些缺点,如会有局部最小解、解受初值影响较大、理论解释不完善等,而支持向量机在这些方面具有显著优点。我们可以设计一个人脸识别的实验,用神经网络和支持向量机分别实现,并作以比较。让学生们在了解人工智能新技术的同时,也培养学生们如何分析问题、解决问题的科研能力。
2.2人工智能课程实验
该课程是一门对实验技术有较高要求的课程,对于基本原理和方法的实现,要求学生进行严格的计算机专业技能训练和培养良好的科研工作作风。因此对课程中的技能及技术性内容,除单独进行必要的基础训练外,还融入到综合和研究型试验中,通过多次反复实验练习,达到牢固掌握人工智能原理和人工智能的问题求解技术的目的。
该课程的实践环节主要是实践项目,由具备较强工程实践能力的任课教师和助教负责,学生可在全天候开放的专用机房完成。在实践环节的设计上,我们尝试把验证性实验和开发性实验相结合,结合实验教学进度,安排相应的开放实验,开放性实验以科学研究实验为主。并在课程的教学过程中,不断深化和扩展教学内容,结合人工智能学科的发展趋势和本院老师的最新研究成果,对实验内容进行更新。
课程主要设置三种层次的实验:1)基本原理和算法编程,测试例设计及程序测试实验;2)分析综合实验;3)研究型设计实验。整个实验包括课前讨论、实验操作、实验报告、结果讨论、总结提高等六个环节。对于综合性和研究型实验,把学生分成5个人一小组,每小组选做其中的一个。学生从指导老师处了解到实验课题后,即着手查资料,研读文献,钻研有关理论。在此基础上,学生先提出实验方案,经与老师讨论后,即可开始实验研究。
3实验平台的构建
民族关系问题对被访对象,特别对少数民族被访对象是非常敏感的问题,对民族关系的评价又存在个体层面、群体层面、不同阶层人群之间的差异,因此,仅仅以传统的文献分析、问卷统计和现场观察等民族学方法来进行调查,得到的数据会存在较多误差。
因此结合本校的民族特色和民族学领域独特的研究优势,将信息认知技术引入民族关系研究,运用图像、心电和脑电数据进行分析,将分析的结果和心理场景测试及民族学调查结果进行相互印证和参数修正,从而获得尽可能客观的数据,这些数据将有助于建立一个客观、完备、科学的民族关系监测体系,并真实全面地评估民族关系,从而使决策机构及时做出正确的决策。基于多信息融合的民族关系监测预警系统总体框图如图1所示。
目前该平台已经搭建,由北京市公共安全信息监测平台建设、北京市公共安全信息监测平台建设关键技术研究、基于多源信息融合的民族信任研究等多个重大项目支撑。在这个平台的下面,涉及到人脸识别、表情识别,视频监控、认识等领域,小波分析、神经网络、支持向量机、模糊数学、信息融合等人工智能知识得到了具体的应用。学生可以根据自己的兴趣爱好,自愿参加到该平台下的某一项目,切实对自己所学知识有一个深刻的理解和掌握。
4结语
研究型实验教学激发了学生的学习兴趣,不但使学生更好地掌握了人工智能的基本概念、基本理论和基本技术,也切实提高了学生的实际动手能力和编程能力。研究型实验教学在实践过程中还有以下问题需要改进:
1) 研究型实验教学的理念很难普及。很多教师对研究型教学模式的内涵未能准确把握,把研究型教学模式等同于学生实习或者写论文。
2) 研究型实验教学的辅导老师素养需要提高。研究型实验教学作为体现创新教育要求的现代教学模式,需要的不是知识传授型的教师,而是高素质的研究型教师。教师不仅是单一的教者,更应该成为一个学者,教师不仅要有研究型教学的教育观念、快速接受新知识的能力和高超的教学技能,要能够合理地规划和设计实验内容。
3) 需要建立一套合理的学生学业和教师绩效的评价体系。
参考文献:
[1] 王万森. 人工智能原理及其应用[M]. 北京:电子工业出版社,2007.
[2] 蔡自兴,徐光佑. 人工智能及其应用[M]. 北京:清华大学出版社,2004.
[3] 李得伟,张超,李海鹰. 大学工科专业课程实施研究型教学的探讨[J]. 高等教育研究,2009(9):74-75.
[4] 彭先桃.大学研究性教学的理念探析[J].教育导刊,2008(3):56-58.
Exploration and Practice of the Research Experiment on Artificial Intelligence
ZHANG Ting, YANG Guo-sheng
(College of Information Engineering, Minzu University of China, Beijing 100081, China)
关键词：智能制造；智能科学与技术；人工智能技术；机器人；实验平台建设
智能制造是基于新一代信息技术，贯穿设计、生产、管理、服务等制造活动各个环节。具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。是信息技术和智能技术在装备制造过程技术的深度融合与集成。加快推进智能制造，是我国在全球新一轮产业变革竞争背景下出台的《中国制造2025》的主攻方向。广东省作为国内制造大省和全球重要制造基地，也对接印发了《广东省智能制造发展规划（2015-2025年）》。针对广东省制造业的创新能力、产业结构、信息化水平的缺乏竞争力的问题，大力实施创新驱动发展战略，推动智能制造核心技术攻关和关键零部件研发，推进制造过程智能化升级改造，实现“制造大省”向“制造强省”转变。创新驱动，智能化升级改造需要国际领先水平人才的引进和高等院校实战型工程技术人才培养。我院智能科学与技术专业就是面向广东智能产业的深度融合设置的。其专业实验平台的建设需要针对广东省高端装备、制造过程、工业产品智能化等领域的薄弱环节，以“机器智能”为方向，完善实验教学体系、整合实验教学资源，开设综合性、创新性的实验项目，培养学生实践能力和创新意识。紧密联系企业，针对智能制造关键技术协同创新。培养具有智能系统开发与设计、智能装备的应用与工程管理能力；能在智能装备、智能机器人、智能家居等领域从事智能系统的是开发与设计、应用于维护、运营与管理的“厚基础、强应用、能创新”的高素质工程应用型人才。
1专业实验平台建设思路
面向智能制造专业实验平台的建设，依据《广东省智能制造发展规划（2015-2025年）》中发展智能装备与系统，工业产品、制造流程智能化升级改造的任务，从智能科学与技术知识体系中提取专业发展方向的课程，建立完善专业实践教学体系。以“机器智能”为方向建设人工智能与机器人实验室为核心，以项目、科技竞赛、紧密对接企业协同创新为手段，培养学生能够运用工程基础知识和专业理论知识设计工程实验，分析实际问题的能力，培养学生查询检索资料文献获取知识的能力，培养学生能够综合运用自然科学知识、专业理论知识和技术手段设计系统和过程解决实际问题的能力。通过科技竞赛等活动，培养学生在团队里具有工程组织管理能力、表达能力和人际交往能力。通过与企业的合作，掌握基本创新方法，并让学生具有追求创新的态度和意识，以培养学生的综合素质和能力为重点。立足华软学院电子系电子信息工程嵌入式专业、自动化专业、通信工程专业现有的平台优势，按照“整合、集成、共享、提升”的基本思路，完善支撑体系，优化验教学资源配置，建设一个能够与广东智能产业深度融合的阶梯形层次化实验平台。
2实验平台建设内容
智能科学与技术专业实验实践平台的建设要依据实验教学体系的构建，突出面向智能制造工程实践为特色，按照学生的成长需要，建立阶段化、层次化、模块化的实验教学体系。
2.1专业实践课程体系建设
面向智能制造的智能科学与技术专业定位是以工程应用型人才培养为目标的，是在通识教育基础上的特色专业教育。专业课程体系的建设首先还是以培养学生具有扎实自然科学基础知识，人文社会科学知识和外语应用能力为基础，其次是智能科学与技术专业技术基础课程，如数字系统与逻辑设计、数字信号处理基础、信号与系统、电路分析与电子电路；c语言程序设计与算法分析、数据结构、数据库与操作系统、微机原理与接口、传感器与检测技术等。最后是专业方向类课程，也是专业的核心课程，如制造业基础软件中的嵌入式软件、工业控制系统软件，工业机器人中人工智能技术应用和智能控制技术。主要有知识获取模式识别；数据通信与网络；嵌入式系统移植和驱动开发；嵌入式应用开发；人工智能与神经网络；智能控制技术；机器人学等课程。培养学生具备计算机技术、自动控制技术、智能系统方法、传感信息处理等技术，完成系统集成，并配合专业实践课程体系如图1，完成电子工艺实习、技术基础课程、核心课程的课程设计和综合项目实验，并在工程应用中实施的能力。
2.2实践教学体系建设
依据专业实践课程体系，构建主要包括计算机基础、电路基础、信息与控制基础、嵌入式技术、机器智能系统五大模块开展不同学习阶段层次化的实验教学体系。主要包括基础类、专业实训类、综合创新类。
1）基础类实验注重开设与课堂教学中基本理论相结合的精品实验项目，并逐步提升基础实验课时的比例。从实践中启发引导学生牢固掌握基础理论知识。除此之外，还要注重工作方法和学习方法的能力培养，如收集信息查找资料、制定工作计划步骤、从基础理论到解决实际问题的思路以及独立学习新技术的方法和评估工作结果的方法。培养学生厚实的专业基础知识和能力。
2）专业实训类实验主要以项目教学、案例教学、情景教学方式培养学生利用专业知识及方法独立解决行业领域内的任务和问题并能够评价结果的能力。如智能传感应用项目，人工智能技术实验项目，知识表示与推理项目，计算智能项目，专家系统，多智能体系统；机器人项目，如最小机电系统组成，如何完成对电机的控制；利用单轴或双轴控制平台实现基本搬运装配作业。
3）综合创新类实验注重培养学生从理解问题域开始，获取数据和知识、开发原型智能系统、开发完整智能系统、评估并修订智能系统、到整合和维护智能系统六个阶段构建智能系统。如开展人工智能技术在智能制造中的应用包括产品设计加工、智能生产调度、智能工艺规划、智能机器人、智能测量等；直角坐标机器人实现码垛搬运、多关节串联机器人、弧焊机器人实训等。
4）科技竞赛、与企业协同创新，通过观察记录待智能化升级的工厂生产过程，发现定义问题、提出假设、搜集证据检验假设、发表结果、建构理论等实验过程设计的能力。培养学生掌握基本创新的方法，团队协作管理能力、表达沟通能力等。如嵌入式设计大赛、机器人大赛等科技竞赛；以及针对自动化生产线的嵌入式工业控制系统设计；针对原材料制造企业的集散控制、制造绦屑成应用；针对装备制造企业的敏捷制造、虚拟制造应用；工业机器人在汽车、电子电气、机械加工、船舶制造、食品加工、纺织制造、轻工家电、医药制造等行业的应用。
2实验教学保障
智能科学与技术实验平台建设以人工智能与机器人实验室建设为核心，结合目前学院嵌入式系统实验室、自动控制实验室、传感器技术实验室、通信原理实验室资源，仪器设备共享共建的原则，系统化筹备购置。人工智能机器人实验室主要针对智能系统设计开发和机器人应用，基于计算机系统的人工智能技术学习应用包括人工智能技术在智能制造应用和工业机器人仿真软件ABB Robot Studio。基于“探索者”机器人系统控制实训箱Rino-MRZ02（包含履带机器人、双轮自平衡机器人、5自由度机械臂、6自由度机械臂等）
可以开展的项目有：利用启发式算法、遗传算法、蚁群算法等模糊数学理论对工业产品设计进行性能模拟、运动分析、功能仿真与评价；利用人工神经网络自学习、自组织构造产品加工过程新能参数预测模型。利用模式识别、机器学习、专家系统、多智能体系统进行感知、并对环境的改变进行解读、动作进行规划和决策；利用专家系统、遗传算法、模糊逻辑集中式解决生产调度多目标性、不确定性和高度复杂性的问题，寻求最优规则，提高调度的速度；利用蚁群算法、遗传算法分布式多智能体系统进行问题分解、彼此协商、任务指派、解决冲突。
履带机器人可开展电机控制实验；运动控制实验；HD轨迹控制实验；无线通信实验。双轮自平衡机器人呢可开展自平衡模块实验；倒立摆算法实验；双轮载具运动实验。6自由度双足机器人可开展双足运动控制实验；步态规划实验；双足平衡实验；机构改装实验。5自由度机械臂可开展机械臂运动控制实验；颜色分拣实验。可扩展为8自由度双足机器人、轮腿式机器人等技能提高类课程设计。
通过ABB公司的机器人仿真软件RobotStudio进行工业机器人的基本操作、功能设置、二次开发、在线监控与编程、方案设计和验证的学习。
关键词：信息技术课程；课外延伸；校本课程
中图分类号：G622.3 文献标志码：A 文章编号：1673-8454（2013）22-0021-02
2003年国家了《普通高中技术领域课程标准（实验稿）》，其中信息技术新的课程标准规定了高中信息技术的基本理念和总体培养目标。要求全面培养和提升学生的信息素养，培养学生运用信息技术解决问题的能力，培养学生实践创新的能力。在这一标准规范下，课程标准规定高中信息技术课程包括必修与选修两部分共六个模块。其中包含了必修：“信息技术基础”；选修1：“算法与程序设计”；选修2：“多媒体技术应用”；选修3：“网络技术应用”；选修4：“数据管理技术”；选修5：“人工智能初步”。要求高中阶段学生须完成至少4学分的学习任务（必修、选修各一模块）。在各学科课程设置相对紧密，课程安排较满的情况下如何拓展学生的信息技术知识成为值得广大信息技术教师思考的问题。随着我国新一轮的课程改革的实施，提出国家课程、地方课程、校本课程三者有机结合，这就为学校开发和建设适合学校发展特色的信息技术校本课程，全面培养和提升学生的信息素养，拓展学生的信息技术应用能力提供了契机，为信息技术课程提供了有效的课外延伸教学。
通过信息技术课程必修模块与选修模块的学习，学生基本掌握运用信息技术手段对信息进行采集、处理、加工、展示和评价的能力，学生具备一定的信息素养。在此基础上，如何满足不同的学生的兴趣需求，延伸课程内容，拓展其课外知识，这就给校本课程开发提供了良好的基础。结合我校的实际情况，在完成课程标准规定的学习内容之外，根据每位教师的专业能力，我们开发了符合学校特色和适合学生发展的四门校本课程。
一、信息学竞赛之算法与程序设计
“算法与程序设计”是信息技术课程标准中选修1模块内容，要求学生体验算法思想，了解算法和程序设计在解决问题过程中的地位和作用；能从简单问题出发，设计解决问题的算法，并能初步使用一种程序设计语言编制程序实现算法解决问题。在课堂上学生基本掌握课程标准提出的要求，而对于学有余力，对程序设计有较为浓厚兴趣的学生来说这是远远不够的。在全国信息学奥林匹克联赛的推动下，开发符合竞赛培养标准的校本课程为学生提供更为广阔的学习领域势在必行。
在校本课程设计上，选择对于编程初学者较容易掌握的pascal语言作为课程语言，建立学习互助小组，通过教师的教授，小组成员间的互动探究，培养学生探究学习的能力。在课程内容的安排上，采取分阶段、循序渐进的原则，从最基础的程序设计语言到数据结构与算法艺术，针对每一位学生的特点，制定相应的课程计划，注重培养和发展学生的自主学习能力、研究能力、创新能力。通过精心的课程安排，教师与学生的共同努力，我校的信息学奥林匹克竞赛连续多年在全国信息学奥林匹克竞赛中取得佳绩，多人保送清华大学、浙江大学、国防科技大学、中国科学技术大学等名校，在培养学生兴趣的同时，也使得学生得到了较好的发展。
二、人工智能与机器人竞赛
“人工智能初步”是信息技术课程标准中选修模块5的内容，介绍了人工智能的基本概念和人工智能领域。在模块学习中，要求学生体验若干典型人工智能技术的应用。在人工智能技术飞速发展的今天，智能机器人已经进入到我们日常生活、工作、学习的各个领域。学生对智能机器人的兴趣较为浓厚，如何发挥学生的特长，开展有针对性的校本实际教学，借助中小学电脑制作大赛中机器人竞赛单元及各项机器人竞赛赛事，开设“人工智能与机器人竞赛”校本课程尤为必要。
基于这一需求，我校开设了“人工智能与机器人竞赛”校本课程，以机器人作为教学平台，通过对机器人机械、控制、传感器、控制软件四大部分的教学学习，学生能够通过设计、开发、组装各类机器人完成指定任务，培养动手实践能力以及创新能力。
三、数码摄影与图像处理、DV创作课程
“多媒体技术应用”是信息技术课程标准中选修2模块内容，要求学生初步了解多媒体信息采集、加工原理，掌握应用多媒体技术促进交流并解决实际问题的思想与方法；初步具备根据主题表达的要求，规划、设计与制作多媒体作品的能力。在数码技术飞速发展的今天，数码单反相机、DV摄影器材已经普及，成为学生课余生活中的必不可少的电子产品。但对于大多数人来说，如何使用手里的数码器材，发挥数码设备以及使用者最大的潜力，还需要通过较为专业的学习过程。
选修2模块提供了信息采集、加工处理的基本方法，但课程内容仍显过于简单，这就给校本课程的开发提供了需求。结合我校信息课程教师的实际，发挥教师在摄影、图像处理以及影视短片创作中的优势，开发了“数码摄影与图像处理”、“DV创作”校本课程。在课程设置中，以数码相机使用、摄影构图技巧、图像后期处理技术、DV摄像机使用，DV短片创作、影片编辑为主要教学内容，贴切学生的实际需求，以实践创作为主，设定教学任务，在完成教学任务中强调学生的动手实践能力的培养、培养学生的艺术鉴赏能力。通过近几年的实践，课程的开设迎合了学生的需求，拓展了学生的知识，同时，为学校校园电视台培养了大量的学生骨干力量，丰富了校园文化生活。
校本课程开发是一个持续的、动态的、逐步完善的过程，是在信息技术课程标准的基础上的创新与再加工，是信息技术课程的课外延伸。通过不同延伸课程的学习，学生在所学领域中取得较为优异的成绩，提高了学生的信息素养，培养学生运用信息技术解决问题的能力，提高了学生的创新实践能力。在校本课程的实际中，促进了教师的专业发展，提高信息技术教师的专业素质，有助于教师的个人专业成长。
参考文献：
[1]李飞.信息技术课的课外延伸[J].陕西教育教学，2012，（10）.
[2]王丽君.高中信息技术校本课程与学生社团结合的探究[J].课外阅读，2011，（2）.
关键词： 人工智能；创新驱动；发展建议
人类对于智能机器的探索活动，古已有之。不过，以“人工智能”来命名这一探索并成为一个学科领域，却发生于1956年夏季在Dartmouth举行的一次小规模学术研讨会上。因此，2016年是人工智能学科问世的60周年，在这个不同寻常的年份，世界各地的人工智能科技工作者都在密切关注人工智能的发展动向。
2016年3月，DeepMind研制的人工智能围棋系统AlphaGo以4：1的战绩击败了韩国的围棋高手李世石，把世界对人工智能的关注推向了前所未有的。各种各样的议论喷涌而出。悲观者大呼：“人工智能对于人类的潜在威胁太严重，应当通过立法限制甚至禁止人工智能的研究”；乐观者高喊：“人工智能是人类的真正福音，只要把自己的思想意愿转嫁给人工智能机器，人类就可以通过机器来实现长生不老的千年梦想”。在科技界，人们则在激动着、讨论着：我们应当在什么样的热点技术上发力？是深度学习？是认知技术？还是类脑计算？
回想这些年来，互联网、云计算、大数据、物联网、移动互联、智能制造、智慧城市、人工智能、机器人一波又一波的高新技术登台亮相，中国科技界、教育界和产业界都在一个个地紧紧追赶。虽然在跟踪追赶的过程中取得了不菲的进展，但是人们不禁都在思考：对于人工智能来说，当前社会的需求是什么？什么才是有效的创新战略？怎样才可以摆脱跟踪追赶的被动局面，争取到引领创新的话语权？
发展人工智能不应当是一种孤立性、局部性的行动，而应当是能够带动和引领整个科学技术的创新和发展。
1 人工智能是当代重要交叉科学群的创新前沿
为了阐明“人工智能是当代重要交叉科学群的创新前沿”这个论断，需要逐个澄清相关的基本概念，包括：什么是人工智能？什么是当代的重要交叉科学群？以及什么是当代重要交叉科学群的创新前沿？
1.1 什么是人工智能
人工智能是一门“探索人类智能机理，创制人工智能机器，增强人类智力能力”的科学技术。从这个意义上可以理解，只要人类的智力能力得到了增强和扩展，人们从事各种科学技术以至各种经济社会活动的智力能力就会得到有效提升，从而能够有效促进各行各业的创新与发展。
那么，什么是人类智能？人类智能主要表现在人类主体为了不断改善生存发展的水平而发现问题、定义问题、解决问题的能力。其中，发现问题和定义问题的能力依赖于主体的目的、知识、直觉、理解力、想象力、灵感、顿悟、审美等内在能力，因此被称为“隐性智能”；解决问题的能力则主要依赖于获得信息，生成知识，创生策略等外显能力，因此被称为“显性智能”。
显然，隐性智能十分抽象，几近神秘，不仅研究起来甚为困难，就连理解起来也颇感玄奇，而显性智能则相对可理解，可研究。因此，人工智能研究遵循的原则是：基于人类主体给定的问题、知识、目标（这就是人类发现问题和定义问题的能力）这些前提，研究如何利用信息、生成知识、创生策略来解决问题，达到目标。也就是说，人工智能的研究遵循人类智能与人工智能相结合的原则：人类智能负责发现和定义问题，人工智能则负责在人类所给定的问题框架下解决问题。这样，人工智能机器就可以成为人类认识世界和改造世界的聪明助手。
由此可见，没有生命，没有目的，没有灵感，也没有审美能力的人工智能机器系统，原则上不具有隐性智能的能力，因而不可能独立地发现问题和定义问题，只能在人类所发现和所定义的问题框架下去解决问题。因此，人工智能超越人类的恐惧缺乏科学根据。
1.2 什么是当代重要的交叉科学群
当今的时代是信息时代，认识信息资源和利用信息资源为人类服务的信息科学是当今时代的标志性科学。具体来说，信息科学是“研究信息的性质及其运动规律的科学”，也就是以信息为研究对象，以信息的性质及其运动规律为研究内容，以信息科学方法论为研究指南，以增强和扩展人类信息功能（全部信息功能的有机整体就是人类的智力功能）为研究目标的科学。换言之，信息科学的研究目标就是扩展人类的智力功能，而研究信息的性质及其运动规律和信息科学方法论都是为了实现扩展人类智力功能这个目标服务的。
由此就可以清楚地理解：人工智能的研究是信息科W的最高目标，也是信息时代科学技术发展的基本目的；而为了使人工智能系统能够在人类发现和定义的问题框架下成功地解决问题，人工智能的研究必须从人类求解问题的能力中得到启发。这表明，人工智能的研究需要向认知科学学习，因为认知科学就是研究人类自己是如何面对问题解决问题的。另一方面，认知科学所研究的人类解决问题的机理又建立在脑科学的基础之上，因此，人工智能的研究必须理解脑科学的工作机理。再者，人类发现问题、定义问题、解决问题的能力并不是永远固定不变的，而是不断进化和发展的。因此人工智能的研究还必须学习信息生物学，后者深刻地研究和揭示了人类能力不断进化的机制。可见，脑科学、认知科学、信息科学、信息生物学、人工智能是当代最具重要意义的交叉科学群。这个科学群还包含更多的学科，恕不一一阐述。
1.3 什么是当代重要科学群的创新前沿
虽然脑科学、认知科学、信息科学、信息生物学、人工智能各有各的研究内容，但是所有这些学科共同的目标都是智能，如人类的智能（脑科学）、生物的智能（信息生物学）、人类智能的物质基础（脑科学）、人类智能和生物智能的工作机理（认知科学）、人类智能和生物智能的进化机制（认知科学与信息生物学）、人类智能的信息基础和研究方法论（信息科学）、人类智能的机器模拟和实现（人工智能）等。
所以，人类智能和人工智能是当代这一重要交叉科学群共同的创新前沿。人们对于脑科学、认知科学、信息科学、信息生物学的理解深化了，就会促进人工智能研究的发展；反之，一旦人工智能的研究取得了突破和创新，也必然能够带动脑科学、认知科学、信息科学、信息生物学的突破与创新。
2 中国人工智能发展的现状：差距与优势
中国人工智能的发展现状，大家平日都亲身感受得到，应当比较熟悉，似乎无需赘言；但是国情是我们思考问题的基础，因此不可不察。而且，我们对于中国在人工智能发展方面所存在的差距和优势的认识，确实还有必要进一步深化。
2.1 差距：显差距，隐差距
大家都意识到，中国在人工智能的发展方面确实存在不少的差距。普遍J为，由于中国缺失了工业革命这个历史阶段的洗礼，因此在工业基础和工艺水平方面天然存在明显的不足。特别是中国微电子工业领域的高性能芯片制造能力有待进一步加强，人工智能硬件系统的水平也有待进一步提高等，这些都是众所周知的显差距。
然而，更值得深思的问题是：在人工智能的科学研究方面，长期以来，中国同行普遍习惯于跟踪学习，缺乏突破创新的民族自信心，更缺乏引领国际的强烈意识。无论是互联网、物联网、语义网、云计算、大数据、移动互联这些大概念，还是深度学习、无人驾驶、类脑计算这些技术思想，都是外国学者率先提出，然后才是中国学者蜂拥而上。加上这些年滋长蔓延起来的急功近利和学术诚信缺失，往往在蜂拥而上之后的一夜之间就会冒出许多“新成果”！这是中国人工智能发展存在的隐差距。
需要指出的是，显差距正因为“显”，已经得到各有关方的高度重视，并且正在不断地被缩小；但是，隐差距则因为“隐”，不容易被察觉，至今还没有引起各方面必要的重视，因此仍然是实现突破创新和引领战略的隐患。
2.2 优势：现优势，潜优势
那么中国在人工智能研究中是否也存在什么优势呢？表面看来，似乎中国在人工智能研究领域一直处于跟踪学习状态，谈不上存在什么优势；但是仔细考察发现其实不然，中国在人工智能研究中的确存在不可忽视的优势。
中国目前虽然在整体上还处于相对落后状态，但在某些技术研究上却处于国际领先地位。例如：语音识别技术，中国已经在近期多次国际评测大赛中夺得世界冠军；在汽车自动驾驶方面，中国的研发水平也与国际上旗鼓相当；特别是在理论研究方面，中国在人工智能通用理论研究方面的机制主义人工智能理论、人工智能逻辑理论研究方面的泛逻辑学、人工智能数学方面的因素空间理论都是国际领先的成果。这些都是已经涌现出来的现优势。
更加重要的是，像人工智能这样既十分复杂又极其深刻的科学研究，势必自觉或不自觉地受到科学方法论的影响。几十年来，国际人工智能的研究形成三大学派，就是受了以分而治之为特征的机械还原方法论的影响，把复杂的人工智能研究分为结构模拟的人工神经网络学派、功能模拟的物理符号系统学派、行为模拟的感知动作系统学派，而且长久以来互不认可，不能形成人工智能研究的合力。科学论证充分表明，适于人工智能研究的科学方法论不是“机械还原论”的方法论，而应当是“信息生态论”的方法论。后者与中国历来的“整体论”和“辨证论”思维传统息息相通。因此，在人工智能的研究领域，中国握有方法论的潜在优势（潜优势），只要自觉地加以运用，这种潜在优势完全可以转化为强大的现实优势（现优势）。
3 人工智能的社会需求和发展中国人工智能的战略建议
3.1 人工智能的社会需求
中国的信息化建设全面启动于20世纪90年代，得益于现代信息技术的支持，取得了举世瞩目的辉煌成就，进入了迎接复杂问题的新时期，面临着巨大挑战。从整个经济社会发展和全面改革的大局判断，在多次讲话中也明确指出，中国的改革开放进入了攻坚克难的深水区。众所周知，人工智能技术是信息技术的高端前沿；因此，为了迎接复杂问题的挑战，为了成功走出深水区到达胜利的彼岸，中国亟需人工智能科学技术的全面支持。
另一方面，纵观当今的国际环境不难发现，一些发达国家在中国黄海、台海、东海、南海不断制造紧张局势，企图以武力遏制中国的和平崛起。他们声称要长期投资人工智能，要用人工智能武器战胜中国，对此不能不高度警惕，并采取果断措施。
3.2 加快发展中国人工智能的建议
为加快发展中国人工智能，从战略性、系统性、可操作的角度出发提出5项建议。
（1）顶层规划。
火车跑得快，全靠车头带。建议设立国家级智能科学技术发展规划与协调专家委员会，负责研究和提出中国智能科学技术发展的中长期规划，制订智能科学技术产学研发展的实施政策，协调和促进中国智能科学技术的快速有序健康发展。
（2）人才培养。
万事都紧要，人才是根本。建议国务院学位委员会把中国现有的“智能科学与技术”二级学科提升为一级学科，以形成系统完整的智能科学技术人才培养体系；同时建议教育部在中小学开设智能科学与技术基础知识课程，开展课外兴趣培育活动。
（3）创新研究。
跟踪不可废，创新更关键。在国家自然科学基金设置“智能科学技术基础理论”专门领域，大力推进智能科学基础理论的突破创新；同时在国家“十三五”规划设立智能制造、智能农业、智能服务业、智能交通、智能网络空间安全、智能教育等应用专项。
（4）产业标准。
创新是尖兵，产业是后盾。大力促进中国智能化产业的发展，并在国家标准委员会建立智能产品标准工作委员会，鼓励有条件的单位和学术团体开展各类智能技术产品的测试、评价和检验标准的研究，引导智能化产业和产品市场有序健康发展。
（5）持续发展。
关键词：小学；机器人教育；信息技术；技术教育
中图分类号：G622 文献标识码：B 文章编号：1002-7661（2013）04-222-01
2003年教育部把“人工智能基础”课程作为信息技术教学的技术选修模块引入小学选修课程中之后，我国的人工智能教育在大众化和普及化层面上进入了一个新的阶段。智能机器人作为人工智能的重要应用领域， 在小学中获得了迅速的发展。
一、在小学开展机器人教育的必要性
由于知识经济的出现，知识正在成为经济发展的基础和经济增长的驱动力；拥有先进技术和最新知识，尤其是拥有知识创新能力的人，也因此成为生产中决定性的要素，成为国家最重要的战略资源。机器人技术涉及多门科学，是一个国家科技发展水平和国民经济现代化、信息化的重要标志，因此，机器人技术是世界强国重点发展的高技术，也是世界公认的核心竞争力之一，很多国家已经将机器人教育列为学校的科技教育课程，在孩子中普及机器人学知识，从可持续和长远发展的角度，为本国培养机器人研发人才。
二、新形势下农村小学机器人教育的课程目标
小学机器人教育课程是为了进一步落实信息技术教育的选修课程，以培养学生良好的信息素养、创新精神和实践能力为主要目标。机器人教育以培养学生逻辑思维为主线，以综合性、实践性和探究性为学习特征。不要求学生立刻参加各种机器人竞技大赛和将来投身机器人开发行业，而是培养学生对智能机器人的兴趣，让学生了解和掌握以智能机器人为载体的通用技术与信息技术的基本知识和技能，了解技术的发展及其应用对人类生活和科学的深刻影响。还要使学生学会运用信息技术增进交流与合作，拓展视野，形成解决实际问题的能力和终身学习的能力。
三、新形势下农村小学机器人教育的发展对策
1、教育部门在机制建设、政策完善和课程标准建设方面应切实发挥作用
教育部门要制订明确的机器人教育发展规划，在课程体系建设、考试评价和激励机制等方面加以保障。从目前来看，课程标准和评价激励措施的制定已经刻不容缓。课程标准是机器人教育发展的风向标，直接决定着教材开发、师资建设的进度，其重要意义不言自明。评价激励措施对刚刚走上发展快车道的机器人教育更为重要，完善评价激励措施不仅是对学校和教师劳动成果的尊重，也是不可或缺的行政推动举措。笔者呼吁政府和教育行政部门尽快出台相关评价激励政策，将机器人教育纳入中考范围，提高学校和教师的积极性，使机器人教育常规化、普及化。
2、加大机器人教师队伍建设力度
机器人教育的深入发展离不开教师队伍的建设，教师队伍建设离不开多层次的教师培训。一般来说，培训分为骨干培训与全员培训。骨干培训由省、市教育部门组织，全员培训则由县、区教育部门组织，也包括各学校的校本培训。我们应将骨干培训与全员培训相结合、集中培训与日常学习实践相结合，重点从教育思想、教学理念和技术素养几个方面实现师资培养的突破。各学校要保持机器人研究团队（包括机器人辅导教师和学生）的梯度发展，保证高质量的研究团队和充足的研究时间，不断为机器人教育注入活力 。
3、加强校本课程开发，探索机器人课堂教学
在三级课程体系下，校本课程的开发能够有效地实现机器人教育的价值。各学校应该根据实际，在合理选择机器人产品的同时，尽量学内容，逐步对机器人教材进行二次开发，将其转化为适合学校机器人教学实际的校本教材，并在此基础上开发校本课程。要加强校本课程开发，遵循学生的年龄特点，因材施教，使小学机器人教育教学成为青少年能力、素质培养的智能平台。智能机器人教学内容可以借鉴北京景山学校的做法。在小学阶段，学生注意新鲜、感兴趣的事物，对周围世界有强烈的好奇心和探索欲望，喜欢操作具体形象的物体。此阶段主要使学生了解智能机器人的基本结构和工作方式。教学内容为：搜集机器人图片、展示机器人的发展状况，学习为一种智能机器人下载程序的方法。用现成的程序开展智能机器人的游戏和比赛项目。智能机器人教学安排在四年级较合适。
4、处理好机器人竞赛与普及教育的关系
机器人竞赛的根本价值是其教育价值，竞赛是手段，而不是目的。在积极参加竞赛的同时，更要注意大面积地对学生进行普及教育，实现竞赛与普及教学相互依存、相互促进，避免机器人教育走入“竞赛至上”的误区。这要求我们，一方面要合理利用资源，学校可将竞赛机器人和教学机器人分开使用，还可以使用机器人模拟系统或者自主研发一些适合学生动手制作的简易机器人，解决竞赛机器人数量有限导致的“小众化”问题；另一方面，要积极开发课外学习资源，为大多数学生提供自主学习的平台，提高学生的机器人素养。
结束语
我国小学机器人教育的深入开展，需要教育政府、小学学校、机器人厂商的协作与努力。探索机器人教育的理论与实践问题，更好的服务于广大学生，是教育工作者责无旁待的使命。机器人教育要与信息化教学相结合，全面体现课改精神，更好地培养21世纪人才的创新能力。
一、深度学习概念的提出
深度学习的概念，源于30多年来计算机科学、人工神经网络和人工智能的研究。上世纪八九十年代，人们提出了一系列机器学习模型，应用最为广泛的包括支持向量机（Support Vector Machine，SVM）和逻辑回归（Logistic Regression，LR），这两种模型分别可以看作包含1个隐藏层和没有隐藏层的浅层模型。计算机面对较为复杂的问题解决训练时，可以利用反向传播算法计算梯度，再用梯度下降方法在参数空间中寻找最优解。浅层模型往往具有凸代价函数，理论分析相对简单，训练方法也容易掌握，应用取得了很多成功。①随着人工智能的发展，计算机和智能网络如何基于算法革新，模拟人脑抽象认知和思维，准确且高清晰度地进行声音处理、图像传播甚至更为复杂的数据处理和问题解决等，在21世纪来临的时候成为摆在人工智能领域的关键问题。
30多年来，加拿大多伦多大学计算机系辛顿教授（Hinton，G.）一直从事机器学习模型、神经网络与人工智能等问题的相关研究，并在机器学习模型特别是突破浅层学习模型，实现计算机抽象认知方面取得了突破性的进展。2006年，他在《Science》上发表了《利用神经网络刻画数据维度》（Reducing the Dimensionality of Data with Neural Networks）一文，探讨了应用人工神经网络刻画数据的学习模型，首先提出了深度学习（Deep Learning）的概念和计算机深度学习模型，掀起了深度学习在人工智能领域的新。这篇文章的两个主要观点是：第一，多隐藏层的人工神经网络具有优异的特征学习能力，学习到的特征对数据有更本质的刻画，从而有利于可视化或分类；第二，深度神经网络可以通过“逐层初始化”（Layer-wise Pre-training）来有效克服训练和优解的难度，无监督的逐层初始化方法有助于突破浅层学习模型。②基于深度置信网络（DBN）提出非监督逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。③2012年，辛顿又带领学生在目前最大的图像数据库ImageNet上，对分类问题取得了惊人的结果，将计算机处理图像数据问题时排名前五的错误率（即Top5错误率），由最高26%大幅降低至15%，大大提高了人工智能图像数据处理的准确性和清晰度，这是早先计算机仅仅依赖数学模型的表层学习和单层学习根本无法实现的水平。
在人工智能领域，深度学习其实是一种算法思维，其核心是对人脑思维深层次学习的模拟，通过模拟人脑的深哟纬橄笕现过程，实现计算机对数据的复杂运算和优化。深度学习采用的模型是深层神经网络（Deep Neural Networks，DNN）模型，即包含多个隐藏层（Hidden Layer，也称隐含层）的神经网络（Neural Networks，NN）。深度学习利用模型中的隐藏层，通过特征组合的方式，逐层将原始输入转化为浅层特征、中层特征、高层特征直至最终的任务目标。深度学习可以完成需要高度抽象特征的人工智能任务，如语音识别、图像识别和检索、自然语言理解等。深层模型是包含多个隐藏层的人工神经网络，多层非线性结构使其具备强大的特征表达能力和对复杂任务的建模能力。训练深层模型是长期以来的难题，近年来以层次化、逐层初始化为代表的一系列方法的提出，为训练深层模型带来了希望，并在多个应用领域获得了成功。
人工智能学者们认为计算机和智能网络的这一深层的自动编码与解码过程，是一个从数据刻画、抽象认知到优选方案的深度学习的过程。由于人脑具有深度结构，认知过程是一个复杂的脑活动过程，因而计算机和人工智能网络模拟从符号接受、符号解码、意义建立再到优化方案的学习过程也是有结构的；同时，认知过程是逐层进行、逐步抽象的，人工智能不是纯粹依赖于数学模型的产物，而是对人脑、人脑神经网络及抽象认知和思维过程进行模拟的产物。应该说，到目前为止，深度学习是计算机和智能网络最接近人脑的智能学习方法。近几年来，深度学习进一步尝试直接解决抽象认知的难题，并取得了突破性的进展，AlphaGo的问世，便是明证。2013年4月，《麻省理工学院技术评论》（MIT Technology Review ）杂志将深度学习列为2013年十大突破性技术之首。④深度学习引爆的这场革命，将人工智能带上了一个新的台阶，不仅学术意义巨大，而且实用性很强，工业界也开始了大规模的投入，一大批产品将从中获益。二十世纪八九十年代以来，随着学习科学的不断发展，深度学习的概念和思想不断在教育中得到应用。
二、深度学习在教育中的兴起与发展
来自脑科学、人工智能和学习科学领域的新成就，必然引起教育领域研究者的深刻反省。计算机、人工智能尚且能够模拟人脑的深层结构和抽象认知，通过神经网络的建立开展深度学习，那人对知识的学习过程究竟应该是怎样的一个脑活动过程和学习过程？学生的学习有表层和深层等层次之分吗？从作为符号的公共知识到作为个人意义的个人知识究竟是怎样建立起来的？知识学习过程究竟是一个怎样的抽象认知过程？信息技术环境支持下深层次的学习如何实现？近十多年来，这些问题引起了许多教育研究者特别是教育技术学研究者的浓厚兴趣，深度学习、深度教学的研究日益引起人们的重视。也正是在辛顿的“深度学习”概念明确提出后，教育学领域特别是教育技术学领域的深度学习研究日益活跃起来。
其实，早在1956年布鲁姆在《教育目标分类学》里关于“认知领域目标”的探讨中，对认识目标的维度划分就蕴含了深度学习的思想，即“学习有深浅层次之分”，将教学目标分为了解、理解、应用、分析、综合、评价六个由浅入深的层次。⑤学习者的认知水平停留在知道或领会的层次则为浅层学习，涉及的是简单提取、机械记忆符号表征或浅层了解逻辑背景等低阶思维活动；而认知水平较高的深层理解、应用、分析、综合和评价则涉及的是理性思辨、创造性思维、问题解决等相对复杂的高阶思维活动，属于深层学习。1976年，美国学者马顿（Marton，F.）和萨尔约（Saljo，R.）在《论学习的本质区别：结果和过程》（On Qualitative Difference in Learning： Outcome and Process）一文中，明确提出了表层学习和深层学习的概念。⑥这被普遍认为是教育学领域首次明确提出深度学习的概念。他们在一项关于阅读能力的实验研究中，明确探讨了阅读学习的层次问题。通过让学生阅读文章并进行测验，发现学生在阅读的过程中运用了两种截然不同的学习策略：一种是试图记住文章的事实表达，揣测接下来的测试并记忆，即表层学习（Surface Learning）；另一种是试图理解文章的中心思想和学术内涵，即深层学习（Deep Learning），也被译为深度学习。深度学习的学习者追求知识的理解并且使已有的知识与特定教材的内容进行批判性互动，探寻知识的逻辑意义，使现有事实和所得出的结论建立联系。浅层学习和深层学习在学习动机、投入程度、记忆方式、思维层次和迁移能力上有明显的差异。深度学习是一种主动的、高投入的、理解记忆的、涉及高阶思维并且学习结果迁移性强的学习状态和学习过程。之后 ，拉姆斯登（Ramsden，1988）、英推施黛（Entwistle，1997）以及比格斯（Biggs，1999）等人发展了浅层学习和深度学习的相关理论。⑦随着信息技术的发展，近十年来，国外学者对信息技术支持下的深度学习及其在各学科领域、各类教育中的应用研究日渐广泛。
2002年以来，从技术支持高等教育的深度学习、虚拟环境中的深度学习、形成性评估对深度学习的影响、学习环境对学生进行深度学习的影响、技术支持下的深度学习设计等方面研究成果日益丰富，但绝大部分是基于教育技术学视野的研究成果。2006年，辛顿教授关于深度学习的成果发表，进一步推动了深度学习在教育中的研究与应用。近十年来，在中小学深度学习研究方面最有影响的当属加拿大西盟菲莎大学（Simon Fraser University）艾根（Egan， K.）教授领衔的“深度学习”（Learning in Depth，简称LID）项目组所进行的研究，其成果集中体现在《深度学习：转变学校教育的一个革新案例》（Learning in Depth： A Simple Innovation That Can Transform Schooling）等著述之中。⑧该研究探讨了深度学习的基本原则与方法，分析了深度学习对学生成长、教师发展和学校革新的价值与路径，并在加拿大部分中小学进行实验研究。其核心成果聚焦课堂学习和教学问题，即使是关于教师教育中深度学习的研究，也聚焦于教师的学习过程和学习方式。⑨艾根所开展的深度学习研究项目超越了单一教育技术学视野的研究，不仅仅是关于教学设计、学习技术和学习环境开发的研究，而是基于建立新的学习观和知识观，对教学活动与学习过程作出了新的阐释。
总体上看，国内关于深度学习的研究最近十年才刚刚起步。2005年，我国学者黎加厚教授在《促进学生深度学习》一文中，率先介绍了国外关于深度学习的研究成果，同时探讨了深度学习的本质。他认为深度学习是指在理解学习的基础上，学习者能够批判性地学习新的思想和事实，并将它们融入原有的认知结构中，能够在众多思想间进行联系，能够将已有的知识迁移到新的情境中，作出决策和解决问题的学习。⑩此文被认为是国内较早介绍并论及深度学习的研究成果，此后，关于深度学习的探讨，特别是基于信息技术环境下的深度学习的相关研究论文逐渐增加。2006年10月，笔者在前期研究的基础上，与台湾成功大学教育研究所所长李坤崇教授联合发起“海峡两岸能力生根计划”，推进能力导向的深度教学的理论研究与实验研究，主张以价值观、知识观、学习观、过程观的重建为基础，以发展学生的学科能力为宗旨，实施深度教学，克服课堂教学改革过于注重教学程序、教学技术、教学时间的浅层次改革和表层学习的局限性，深化课堂教学改革。2014年后，中国教育科学院院长兼教育部课程教材研究与发展中心主任田慧生研究员基于深化课程改革的需要，带领一个团队开始启动深度学习的项目研究。直至今日，基于核心素养追求背景下的深度学习研究项目，如雨后春笋般涌现，“深度学习”成为教育研究中的一个热词。
尽管计算机、人工智能领域与教育学领域都提出了“深度学习”概念，但不难看出二者显然具有本质差异。计算机与人工智能领域的深度学习是建立在机器模拟人脑深层结构的基础之上的，是基于人脑结构的一种计算机算法思维和问题解决模型，是对人脑和认知结构的模拟。而教育学领域的“深度学习”概念，无论是布鲁姆还是马顿和萨尔约，都指向了“知识”和“学习”两个核心，是关于知识学习的目标和过程的问题。布鲁姆在教育目标分类学认知领域的目标构设中，认为认知目标是由了解、理解、应用、分析、综合、评价六个不断加深的层次构成的。这一目标明显是关于知识学习和认知过程的目标，在2001年修订版中，这一目标被精确表述为知识学习和认知过程两个维度。马顿和萨尔约在关于阅读的研究中，基于学生对文本理解的层次和理解的深度提出了“深度学习”的概念，并认为学习的本质区别在于过程而不是学习的结果，是学生对文本知识学习的深刻程度决定了其学习结果的差异性。
艾根的研究实现了从深度学习向深度教学的转向。艾根的深度学习（Learning in Depth）研究更明确地指向了学生对知识的学习所到达的深度，以及教师通过对知识的处理引导学生逐步到达一定的学习深度。这一深度学习的过程是一个逐步深化的学习过程，要求教师在教学过程中引导学生着眼于知识的深层次理解和深度处理。该项研究表明，深度学习的研究开始从单一的学习技术研究转向了对教学过程的关注，注重深度学习与深度教学的关联性和一致性，深度学习的研究呈现出向深度学习与深度教学相结合的转向。
三、深度学习的核心理念
从深度学习走向深度教学，一方面是教与学的一致性决定的，另一方面是当前中小学课堂教学普遍存在的局限性Q定的。教与学的关系既不是对立关系，也不是对应关系，而是一种具有相融性的一体化关系，离开了教无所谓学，离开了学也无所谓教。学生真正意义上的深度学习需要建立在教师深度教导、引导的基础之上。从本质上看，教育学视野下的深度学习不同于人工智能视野下的深度学习，不是学生像机器一样对人脑进行孤独的模拟活动，而是学生在教师引导下，对知识进行的“层进式学习”和“沉浸式学习”。“层进”是指对知识内在结构的逐层深化的学习，“沉浸”是指对学习过程的深刻参与和学习投入。离开了教师的教学和引导，学生何以“沉浸”？因此，深度学习只有走向深度教学才更具有发展性的意义和价值。同时，我国新一轮基础教育课程改革以来，课堂教学改革依然存在着诸多表层学习、表面学习和表演学习的局限性，“学习方式的转变”往往演变成了教学形式的改变，诸如教与学在程序上的简单翻转和在时间上的粗暴分配。其所体现出来的知识观、价值观、教学观、过程观依然陈旧落后，以学科知识、学科能力、学科思想和学科经验的融合为核心的学科素养依然未能得到实质性的渗透。
深度教学的“深度”是建立在完整而深刻地处理和理解知识的基础之上的。艾根在深度学习的研究中，首次从知识论的角度，论述了深度学习的“深度”（Depth）的涵义。他认为“学习深度”具有三个基本标准，即知识学习的充分广度（Sufficient Breadth）、知识学习的充分深度（Sufficient Depth）和知识学习的充分关联度（Multi-Dimensional Richness and Ties）。这三个标准，也是深度学习的核心理念。
第一，知识学习的充分广度。充分的广度与知识产生的背景相关，与知识对人生成的意义相关，与个体经验相关，也与学习者的学习情境相关。如果教学把知识从其赖以存在的背景、意义和经验中剥离出来，成为纯粹的符号，便成为无意义的符号、无根基的概念知识。知识具有强烈的依存性，无论是自然科学的知识还是社会科学或人文学科的知识，都是特定的社会背景、文化背景、历史背景及其特定的思维方式的产物。离开了知识的自然背景、社会背景、逻辑背景，前人创造的知识对后人而言几乎不具有可理解性。随着深度学习的兴起，旨在以广度促进理解的“无边界学习”日益引起人们的重视。可见，知识的充分广度，其实是为理解提供多样性的支架，为知识的意义达成创造了可能性和广阔性基础。
第二，知识学习的充分深度。知识的充分深度与知识所表达的内在思想、认知方式和具体的思维逻辑相关，深度学习把通过知识理解来建立认识方式，提升思维品质，特别是发展批判性思维作为核心目标。所以说，深度学习是一种反思性学习，是注重批判性思维品质培养的学习，同时也是一种沉浸式、层进式的学习。深度学习强调学习过程是从符号理解、符号解码到意义建构的认知过程，这一过程是逐层深化的。
第三，知R学习的充分关联度。知识的充分关联度，是指知识学习指向与多维度地理解知识的丰富内涵及其与文化、想象、经验的内在联系。知识学习不是单一的符号学习，而是对知识所承载的文化精神的学习。同时，通过与学生的想象、情感的紧密联系，达到对知识的意义建构。从广度，到深度，再到关联度，学生认知的过程是逐层深化的。所谓意义建构，即从公共知识到个人知识的建立过程，都需要建立在知识学习的深度和关联度之上。
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余凯等.深度学习的昨天、今天和明天[J].计算机研究与发展，2013，9.
⑤安德森.布卢姆教育目标分类学（修订版）[M]. 北京：外语教学与研究出版社，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.促进深度学习的课堂教学策略研究[J].课程・教材・教法，2014，11.
⑧Kieran Egan. Learning in Depth： A Simple Innovation That Can Transform Schooling. London， Ontario： The Althouse Press， 2010.
[关键词]互联网金融；高等金融教育；SWOT；教学改革
[中图分类号] G642 [文献标识码] A [文章编号] 2095-3437（2017）10-0008-03
2013年以来，互联网金融快速崛起并深刻影响着金融学子的学习生活、社会实践和思维观念。一系列互联网金融的新概念进入高等金融教育的视线：“大数据”、“云计算”、“社会征信”、“共享经济”、“数字货币”、“机器学习”、“人工智能”等，让金融专业的师生既兴奋又备感压力。互联网金融相对于传统金融的思维观念已经改变，经济和金融明显可分的界限被打破。当前，互联网“经济”、互联网“金融”和互联网下的“大数据”高度融合，浑然一体，不可分割。一切资金支付活动均通过移动终端进行，几乎不需要现实货币参与，点对点的资金流动使得“金融脱媒”趋势来得异常凛冽，基于大数据的分析解决了信息不对称的难题。受此影响，复合型人才和跨界发展不再是空洞的口号，传统金融教育的专才培养模式不再可行。互联网金融是新生事物，其实践远远走在了当前高等金融教育的前面，对传统高等金融教育产生强烈冲击，但也带来了变革和发展的机遇。因此，强化对互联网金融教育的研究，通过互联网金融思维重塑和再造高等金融教育势在必行。
一、互联网金融的优势和特点
（一）大数据优势
互联网金融首先是从“草根金融”兴起的，在民间金融“野蛮生长”和“乱象丛生”的时代中逐渐走向成熟，对传统正规金融形成强大压力。实际上，历史上非正规金融发展缓慢的根源在于一系列困境的桎梏：信息不对称导致严重的逆向选择和道德风险、社会征信缺失、无足值抵押等。互联网金融的出现，较好克服了这些顽疾，信息不对称可以依靠大数据技术有效缓解，移动终端的广泛使用结合人工智能使社会征信和债务催收都不再成为问题，在此基础上进一步催生了众筹、共享经济等变革创业方式、生活方式的全新业态。
（二）人工智能优势
与传统金融相比，人工智能效率高，错误率低，模型不断进行自主训练和优化，大大提高了适应性，在量化投资、决策咨询和风险控制等方面逐步取得优势。人工智能的核心是机器学习，互联网金融下每日新增的海量用戶数据，以及公司之间的数据共享使得感知机、决策树、随机森林、支持向量机、Logistic回归、BP神经网络等一系列机器学习的核心算法和模型不断“学习成长”，在实践中取代了传统基于人工授信、核查和对客户分类的工作模式。在不远的将来，这种开放、大维度、多渠道的人工智能下的“智能”金融，必然取得对银行依赖中央银行建立的封闭客户数据系统的优势。
（三）“互联网+”的后发优势
“互联网+”是一种全新的思维，智能化、去中心化、脱媒化、信息化以及便捷快速的推广模式催生了各类体量巨大的新兴业态，作为这些业态的基础和共同体，互联网金融拥有显著的后发优势，领先于传统产业成为近年创新创业的最大落脚点。
（四）规模优势
2008年以来，互联网金融的交易规模迅速扩大，经营上的规模优势日益明显，各项交易成本明显下降。与传统金融业态不同，互联网金融由一系列的产业链构成：征信、借贷、催收和服务等环节可分散于不同的公司，在业务模式上可以灵活分散也可有效整合，每一环节聚焦其优势业务，可将规模优势带来的低成本优势发挥到极致。
（五）双创优势
2013年以来，互联网金融的交易成本低，可有效缓解信息不对称问题，交易效率高等的优势愈发明显，不断与其他行业形成跨界融合发展，催生创新，推动创业，极具双创优势。一是依托互联网的移动支付业务的快速发展，不仅远程支付场景不断完善，近场支付也在爆发；二是支付产业链的受理端及其延伸的综合金融增值服务——海量支付数据以及数据驱动的增值服务，为互联网金融企业带来了新的发展；三是区块链技术的融合运用引爆了“跨境支付”的探索热潮；四是在P2P等典型的互联网金融业务模式上，从以往只提供信息中介服务平台的模式创新发展出了引导P2P平台与担保机构合作、整合线上与线下服务以及增加债权转让等服务的新型模式；五是利用大数据、云计算和人工智能等技术帮助互联网金融公司开展客户的理财或量化投资业务；六是基于互联网的共享经济大大便利了人们的生活体验和观念。
二、当前高校金融教育应对互联网金融冲击的SWOT分析
表1是高校金融教育应对互联网金融冲击的SWOT分析矩阵，在理论和实践两个层面为当前高校金融教育如何应对互联网金融的影响提供了分析思路和依据。
（一）优势
首先，传统金融教育具有雄厚的人才基础和优势。自20世纪80年代我国建立高等金融教育事业以来，到目前为止高等金融教育已取得质的突破，金融专业的品牌认可、高考招分、学生素质、国际化程度、毕业后的薪资水平、社会评价等各项指标均处于各行业的前列。同时，国内金融领域在国际一流期刊发表的论文数量也在整个社会科学领域处于领先地位。其次，当前高校金融专业的培养方案和课程设置一般采取模块化搭建的思路，从公共基础、学科基础、专业培养、素质教育和实践实习等方面进行模块化管理，具有良好的可拓展性，互联网金融的相关课程可根据不同专业需要，进行优化组合，体现功能性。第三，互联网经济和互联网金融给高校师生带来了良好体验和观感，高校师生有充分的积极性迎接新专业的建设和发展。
（二）劣势
传统金融教育是单一化的金融专才培养模式，一般分为货币经济、金融市场、投资、金融工程、银行经营与管理、公司金融、家庭金融等方向，注重对货币、投资、资产定价、股票、债券和财务等“纯金融”知识的讲授，对大数据、人工智能和机器学习等涉及计算机与统计学习等跨领域的知识鲜有涉及。在互联网金融的冲击到来之后，我们发现业界需要复合型的跨界人才，单一聚焦金融领域的教学思维和模式开始变得落后和陈旧，金融教育需要“混业发展”。另一方面，教材建设相对滞后。目前，比较缺乏互联网金融的专业教材：一是自编教材的质量令人担忧；二是优秀的互联网金融的国外教材引用较少；三是互联网金融跟风开设课程的现象比较突出，没有因地适宜，教学内容和难度都过犹不及，影响了教学效果。 （三）机遇
互联网金融是朝阳产业，带来了巨大的发展机遇。当前，互联网金融行业的人才极度缺乏，不得不采取“挖墙脚”的无奈之举，导致银行业人才流失严重。限于人才奇缺，互联网金融目前的进入门槛较低，人员素质和水平良莠不齐，原因在于高校对互联网金融人才的培养处于摸索阶段，传统金融教育毕业的学生青睐于在正规金融行业就业，对以民营企业为主的互联网金融行业心存疑虑甚至偏见，人才供给严重不足。显然，传统金融教育向互联网金融教育转型发展的机遇巨大。不仅如此，互联网金融还在科研立项、论文选题、学生的实习实践、就业创业、高校金融教育的学科点申报、专业建设和师资培养等方面开拓了广阔空间，前景可期。另一方面，相对于传统的金融业而言，互联网金融是典型的跨界金融，从一开始就在进行业务模式的细分和产品之间进行内部整合。互联网金融也正在逐步通过用户、大数据和场景的互动来实现对银行、证券、保险、基金和资产管理等传统金融机构进行强有力的整合运作。互联网金融的跨界整合实现了不同行业功能的有机结合，推动了我国区域经济在空间和深度上的拓展。互联网金融需要既懂得信息技术又懂得金融业务、营销和管理知识的跨界复合型人才，这就对高等金融教育提出了更高的要求。但是从高等金融教育实践来看，金融、计算机及营销和管理类专业的教育还是各自为政，独立培养，忽略了跨界知识的构建，导致学生难以适应社会对复合型人才的需求。
（四）挑战
首先，传统金融教育“分业培养”的理念和当前互联网金融“混业发展”的现实需求严重冲突，需要解决“并轨”发展问题。其次，传统高等金融教育的课程设置和培养体系相对成熟，然而，互联网金融的实践远远走到了学校教育的前面。再次，互联网金融教育强调“长尾性”。与传统金融的“二八定律”正好相反，互聯网金融的优势在于服务80%的小微客户，推广的是普惠金融的理念。但在传统金融教育中关于普惠金融、微型金融的相关课程几乎从不开设。消除“教育偏见”达到在正规金融和非正规金融之间的教育平衡，更加注重“长尾性”仍然任重道远。
三、结语
高等金融教育承担着为金融行业输送急需人才的重任，也是社会和家长的关切所在。互联网金融是未来金融行业的制高点，需要高校金融教育培养复合型人才，要求他们具备金融学知识，理解金融业务的原理，掌握信息化技术并能对大数据进行分析，还要具有一定的营销和管理能力。因此，主要的启示有如下几点：（1）注重学科交叉，优化课程设置，培养复合型人才。（2）加强师资建设，促进传统金融教育向互联网金融转型发展。（3）加强互联网金融的“产学研”的合作，树立“干中学”的务实求真精神。对此，高校金融教育是有优势的，要秉持开放理念加强彼此合作，使研究向应用转化。（4）加强对大数据和人工智能的关注，引入相关课程。此外，在互联网金融风险高发的背景下，高等金融教育也要积极承担社会责任，适时向社会进行互联网金融知识的推广和普及，提高民众规避风险的能力，达到普及金融教育的目的。
[ 参 考 文 献 ]
[1] 刘小铭.浅析互联网金融现状及风险[J].经营管理者，2016（23）：313.
[2] 杨竹清，张超林.互联网金融对我国高等教育金融的启示[J].金融教育研究，2016（5）：82-88.
[3] 刘源.论技术经济学课程的分阶段培养模式[J].中国市场，2016（48）：167-169.
[4] 谢水园.企业的业务骨干参与大学课堂教学常态化研究——以《国际贸易实务》为例[J].亚太教育，2016（30）：89.
[5] 谢水园.论外贸通关实务课程中多种教学方式的运用[J]. 中国市场，2014（22）：149-150.
[6] 胡烨丹，潘锡泉.互联网金融语境下的金融职业教育模式创新[J].中国职业技术教育，2015（34）：93-95.
[7] 刘变叶.互联网时代金融学专业人才培养面临的挑战及应对措施[J].工业和信息化教育，2015（5）：1-5.
关键词：数据挖掘技术 数据处理技术 信息化管理 数据挖掘过程
中图分类号：TP311.31 文献标识码：A 文章编号：1007-9416(2011)12-0210-01
数据挖掘(Data Mining)的概念，是伴随着数据库和人工智能这两门技术一同发展起来的新兴的数据处理技术。它利用了数据库、人工智能和数理统计等多方面的技术，是一类深层次的数据分析方法。
1、数据挖掘
数据挖掘，就是从大量的、离散的实际数据中，经过提取、转换、分析等处理技术，提取出隐含的、事先无法预测的、但又潜在有用的、有助于决策的关键性的数据，帮助决策者分析历史数据以及当前现有的数据，从中发现隐含的关系或模式，进而预测出未来可能发生的行为。数据挖掘是一门涉及很广的交叉性的新兴学科，涉及到数据库、人工智能、可视化、并行计算等领域，因此应用范围也非常广泛。
2、数据挖掘技术
数据挖掘技术是人们长期以来对数据库技术进行研究和开发而得出的结果，其中数据挖掘与数据仓库技术的发展有着密切的关系。大部分情况下，数据挖掘都要先把数据从数据仓库中拿到数据挖掘库中，数据仓库会对数据进行清理，并解决数据的不一致问题，这给数据挖掘带来很多好处。由于数据挖掘所发现的知识的不同，其所利用的技术也有所不同，数据库、人工智能和数理统计就是数据挖掘技术的三大支柱。
3、数据挖掘的过程
数据挖掘的基本过程包括：数据收集和准备、数据整理、数据挖掘与分析、结果评估、分析决策等，数据挖掘的各过程不是线性的,不是一次就能完成的，而且是反复循环的，其中某些步骤或者全过程可能需要多次的循环反复，才有可能达到预期的效果，因此, 要充分分析历史数据和现有数据, 从而发现隐藏在其中的具有决策作用的有价值信息。
数据挖掘的过程按照工作流程可以包括以下几个步骤：
3.1 数据收集和准备阶段
丰富的大量的数据是数据挖掘的前提，没有数据，数据挖掘也就无从谈起，因此，数据收集是数据挖掘的首要步骤。收集的数据可以来自于现有的数据处理系统，也可以从数据仓库中得到。存储在数据库系统中的数据是经过长期积累而得到的，这些数据往往不适合直接使用和处理，那么在开始进行数据挖掘之前，需要对数据做准备工作，首先要消除噪声或不符合要求的数据，这些操作一般包括数据的选择、净化、转换、数据缩减等才能进行处理，广泛收集用户的各种信息，建立数据库与数据表，生成数据仓库，为数据挖掘做准备。
数据准备过程是否做好，将会影响到数据挖掘的效率和准确度，最终会影响到数据结果或模式的有效性。
3.2 数据整理和挖掘阶段
数据整理阶段是数据挖掘的必要环节，数据挖掘阶段通过汇总或聚集方法将数据转换或统一成适合进行数据挖掘的形式，可以利用各种数据挖掘方法对数据进行分析，选择某个适当的数据挖掘算法用于搜索数据中的模式，挖掘用户所需要的各种规则或模型等，为结果数据的分析做准备。
3.3 结果的分析和同化阶段
由前面两个阶段得到的模式模型或数据，里面也可以存在对实际应用没有意义或没有使用价值的数据，因此对这些数据仍然需要评估，确定哪些是有效的数据、哪些是有用的模式，这样对已经发现的规则或模型等信息进行评估，可以保证发现的模式或数据满足有效性和正确性，决策者则根据数据挖掘得出的结果进行分析和评价，结合实际情况，调整相应策略，并将挖掘结果以可视化的形式展现在用户面前，最终成为能够被用户所理解和接受的知识。
4、数据挖掘在高职院校信息化管理中的应用
教育同信息是密不可分的，因为教育从根本上来讲就是信息资源的传递、接收、加工和识别。随着科学技术的进步、社会文明的发展，以计算机多媒体和网络通讯为基础的现代化信息技术在教育中的应用越来越广泛。
随着信息化进程的推进,高校各种数据库中已积累了大量数据,这些数据可以满足人们的查询、检索、统计等日常事务处理的需要，在该过程中，数据挖掘技术将起到重要作用。运用数据挖掘技术对大量数据进行处理和分析，挖掘出有价值的信息,快速地对数据的发展方向做出判断，有效提高了工作效率。例如通过数据挖掘技术可以进行新专业申报、课程优化设置、预测学生就业情况、评估学生的学习成绩以及学生的综合素质等。
数据挖掘技术在高职院校信息化管理中的应用还是一个很新的思路，从学生的报考志愿到学生的录取，从学生的入学到学生的成绩管理，从学生的生活到学生的学习，从学生的实习到学生的就业，这些涉及到数不胜数的数据，而这些数据目前在高职院校的信息化管理中很少有被连贯起来进行管理的，这对于高职院校的信息化管理是非常不利的。
如果能将数据挖掘技术用在高职院校的信息化管理上，对于高职院校的决策者来说是非常有利的，比如用在学生的就业信息管理上，可以得到专业设置的参考数据，从学生的报考志愿的数据中可以得到将来就业的发展方向等。
高职院校的教学管理工作常常需要处理大量重要数据，如果将数据挖掘中的关联分析、分类与预测、类聚、决策树等技术应用于在教学信息中，则可以帮助处理学生综合素质测评、教师测评、课程合理设置和教学方法选择、试卷评阅和试题质量的评价等大数据量工作，从而提高教学与管理工作的质量和效率。
5、结语
数据挖掘技术在高职院校信息化管理中应用，对高职院校信息化管理非常有利，通过数据挖掘技术可以获得对决策者或管理者有价值、有决策作用的信息。因此, 采用科学有效的数据挖掘技术对提高高职院校信息管理的智能化水平具有重要作用，需要教育者及相关人士对此进行更深一步的研究。
购物车(0)