四、教学方法

四、教学方法

（一）混合式教学方式：课堂面授+基于MOOC的翻转课堂

课堂面授：研讨型教学，诱导学生说出已有的数据处理思维，通过案例让学生体验人工智能思维处理数据的效果，并交流各学科人工智能发展状况和激励学科交叉的人工智能应用思考或开发。

MOOC翻转课堂：着重对课堂拓展部分详细讲解，例如案例后面的代码开发、人工智能原理中数学公式的分析等。

（二）结合学生技能学习常用的“自上而下”方式

传统的学习顺序是先学知识点，再应用，而人工智能难学的一个很重要的原因是概念、原理、公式很多。日常生活中学习实用技能的方式与传统的学习顺序相反。例如：学驾驶不需要先了解汽车的发展历史，不需要掌握内燃机的原理等，反之，驾校课程每节课都是教授实用的开车技能，且能立刻通过上车实操加强学习。

同样的方法，我们让学生使用人工智能原理，看到使用效果。例如：不需要明白MobileNet这种相对复杂的算法具体内容，只需要知道用它可以做图片的特征提取、可以用作猫狗图片分类、可以用作游戏等。

（三）师生共建教学设计

综合学生兴趣发展+知识点联系制定课程脉络。

例如：通过学生课后听课感想反馈，发现在听完小恐龙案例后，学生对“非线性模型”这个知识点非常感兴趣，则下一个环节就重点介绍“非线性模型”。

（四）宏观角度+微观部分+有趣案例结合

宏观角度是指思维训练-用F（X）＝Y方式去收集数据（X-Y），分析数据（F），判别数据（F（X））。

微观部分是指各个人工智能的概念/原理，例如：非线性模型有趣案例、如何教小恐龙智能避开障碍物等，在案例中让学生体验人工智能的概念、原理。如图1所示。

图1　如何教小恐龙智能避开障碍物

（五）诱导式教学方式

由于主要目标是思维训练，所以首先引导学生用自己的思维去解决问题，然后展示人工智能思维的思路，引导学生去对比思考并应用于生活或行业中。(https://www.daowen.com)

例如：MNIST案例中对“0”-“9”手写体识别中，先让学生思考他们能想象出多少种的“7”，他们觉得识别出“7”需要什么过程，等等。然后给出人工智能的CNN（卷积神经网络）的设计理念和效果。

（六）体验参与式的寓教于乐教学方式

利用学生参与各种案例的体验，体会到人工智能的乐趣。

例如全班参与声控小恐龙游戏，不仅仅直接告诉学生“收集”二字，更是体验“收集”数据的过程和效果。

（七）以一条主线层层递进地展开人工智能众多的概念/原理

人工智能热潮的三大因素：数据+算法+计算力结合F（X）＝Y。以这个学生能了解的主线展开，如图2所示。

图2　以一条主线层层递进地展开人工智能众多的概念/原理

（八）让知识点与真实生活联系起来

让学生减少认知难度，加强记忆和理解。

例如：以“买香蕉”经验可用到“买橘子”类比迁移学习。

（九）结合视频案例的教学

通过使用电影片段等小视频片段来吸引学生的注意力，引发学生的学习兴趣。在学习过程中，学生可以将理论知识与生活联系起来，发现身边更多的人工智能，从而进一步提高了学生今后的热情。

例如：播放《猫狗大战》的电影，着重展示猫狗扫描识别的片段，展示人工智能在电影中的体现。

（十）学以致用的目标教学模式

让学生把学到的知识点用到生活或行业中去。