時間：2023-09-06 17:05:31
導語：在人工智能課程評價的撰寫旅程中，學習并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優秀范文，愿這些內容能夠啟發您的創作靈感，引領您探索更多的創作可能。
關鍵詞：人工智能技術；教學方法；編程能力
中圖分類號：TP3 文獻標識碼：A 文章編號：1009-3044（2014）16-3865-02
1 概述
2008年11月16日，中國科協成立50周年新聞會在北京召開。在新聞會上，“五個10”系列評選活動，即10位傳播科技的優秀人物、10部公眾喜愛的科普作品、10個公眾關注的科技問題、10個影響中國的科技事件、10項引領未來的科學技術評選結果揭曉。10項引領未來的科學技術是：基因修飾技術；未來家庭機器人；新型電池；人工智能技術；超高速交通工具；干細胞技術；光電信息技術；可服用診療芯片；感冒疫苗；無線能量傳輸技術。
人工智能技術學科是計算機科學中涉及研究、設計和應用智能機器的一個分支。指人類的各種腦力勞動或智能行為，諸如判斷、推理、證明、判別、感知、理解、通信、設計、思考、規劃、學習和問題求解等思維活動，可以用某種智能化的機器來予以人工實現[1]。
通過《人工智能技術》課程的學習，使學生對人工智能技術的發展概況、基本原理和應用領域有深入了解、對主要技術及應用有一定掌握，并對現代人工智能技術發展的方向有所研究。通過人工智能技術課程的學習與研究，啟發學生對人工智能技術的興趣，培養知識創新和技術創新能力，并能將人工智能技術融入到今后所開發的計算機軟件之中。
《人工智能技術》是一門眾多學科交叉的新興課程，其涵蓋范圍廣，涉及知識點多，知識更新快，內容抽象，不容易理解，理論性強，而且需要較好的數學基礎和較強的邏輯思維能力，這給該課程的講授帶來了一定困難。《人工智能技術》也是一門應用型學科，怎樣將理論運用到實踐中，使學生將學到的人工智能技術知識和思想運用到自己的實際課題，這也是該課程需要解決的問題之一。
因此，對《人工智能技術》課程教學來說，我們要了解課程的最新信息，把握課程的特點，幫助學生找到好的學習方法，使他們能充分發揮自己的創新思維能力，提高學習興趣，該文給出了《人工智能技術》課程的教學與實踐的探索。
2 教學與實踐的探索
2.1 教材和實驗教學內容的選取
1） 人工智能技術是整個計算機科學領域發展最快，知識更新最快，最前沿的學科之一。在教材選用方面，我們采用了蔡自興教授等主編，由高等教育出版社出版的《人工智能基礎》這本教材。蔡自興教授的主要研究領域為人工智能、機器人學和智能控制等。這本教材是作者在美國國家工程院院士、普度大學教授傅京孫先生的指導和鼓勵下編寫，借鑒了國內外人工智能技術研究領域專家的最新研究成果和學術書籍的長處，該書比較全面地介紹了人工智能技術的基礎知識與技術，材料新，易于理解，兼顧基礎及應用[2]。
此外，我們還給學生自主學習提供多種類型的學習資料，其中包括參考書目，如：Russel S， Norvig P.等編著的《Artificial Intelligence： A Modern Approach》一書，人工智能技術國內外期刊，如電子學報，計算機學報，人工智能與模式識別，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等人工智能技術會議，使學生能夠掌握人工智能技術的更多前沿動態，提高學習興趣。
2） 配套的實驗教學內容。《人工智能技術》是一門理論性和實踐性都很強的課程，實踐性教學環節對該課程尤為重要。除了完成課本上的作業之外，還注重實驗教學，培養學生的創新能力、算法設計能力和編程能力。首先，每個章節設置相應的實驗，而實驗內容經過嚴格的考慮，如：五子棋游戲，產生式系統，旅行商問題，傳教士和野人問題，BP神經網絡實現簡單的分類，遺傳算法、人工生命程序等，要求學生運用所學章節的知識，獨立地設計和實現實驗內容。實驗報告包括簡述實驗原理及方法，給出程序設計流程圖，源程序清單，實驗結果及分析等內容，通過這種方式，進一步加強學生的信息獲取能力和研究能力。
2.2 教學方法和手段的改革
人工智能技術課程交叉性強，涉及面廣，傳統的教學方法手段單一，缺少交流，課堂氣氛沉悶，激發不起學生的學習興趣，教學效果不理想。人工智能技術這門課程內容抽象，如何激發學生的學習興趣是本課程需要解決的主要問題，也是關系教學改革成敗的關鍵。本課程需采用多種方法進行教學，以此來激發學生的學習興趣。
1） 問題啟發式教學。《人工智能技術》這門課程中有很多似是而非、引人入勝的問題，主要是用計算機模擬人類的智能來解決這種問題。在教學中，有目的的提出這些問題，鼓勵學生思考，提出自己的想法和解決方案，并進行分析和比較，這樣強化學生的主動學習意識，提高學習積極性[3]。
2） 個性化學習和因材施教。學生中存在計算機專業和非計算機專業本科畢業的差別，由于他們每個人的基礎不同，有的計算機知識比較匱乏，因此有必要針對每個學生的學習進度，課堂作業和實驗報告情況進行及時評估，對學生提出個性化的教學。例如：在實驗教學中，要求有能力和興趣的學生可以做探究性和創新性的附加實驗，從而引導學生發揮個性的空間，而對稍微吃力的學生則要求完成基本的實驗，更注重基礎知識的學習和夯實，這樣就能達到因材施教的目的。同時對不同層次的學生進行分析，進一步提出學習建議，并進行有針對性的指導。
3） 多媒體使用和多學科知識的融合。本課程PPT課件圖文并茂，提綱挈領，便于學生理解。課堂講授、板書與PPT手段相結合，注重課程中的關鍵詞用英文表示，并適當指定英文參考書，使學生能夠接觸國外文獻資料，加深對學習內容的理解，獲得更寬廣的知識。PPT課件運用了大量多媒體技術，如動畫、聲音、圖像，通過動畫和視頻演示抽象的概念、算法和過程，使人工智能技術中抽象的知識形象化，在課件中融入了文學，歷史等其他學科的相關知識，便于學生較好地理解知識難點和重點[4]。
4） 師生互動和課內外答疑。在教學中，改變了傳統的老師講，學生聽的教學模式。針對人工智能技術的實用性，適當提問，收集學生學習情況，盡量使用實例進行講解。設置了實驗講解互動課程，對于實驗的講解，學生可以提出疑問，然后在課堂上展開討論，學生可以看到問題從提出、分析到解決的整個過程，讓學生自己在討論中總結結論。為了解決教學中存在的疑難問題，還設有課后答疑，使學生能將所有的問題都理解透徹。
5） 理論研究與實踐結合。在教學內容的安排上，注重學生的理論研究和動手能力，適當布置一些課程相關的論文和實驗編程。通過課程論文，可以培養學生鉆研問題的興趣； 通過查閱科技文獻使學生掌握如何查找相關文獻的技能，可以培養學生撰寫科技論文的能力。通過實驗實踐，使學生可以更加清楚地了解人工智能技術基本概念和難點，也能了解算法的設計具體運行過程，并對其進行驗證，提高了學生的編程能力和和學習興趣。
6） 考試考核方式改革。本課程的考核考試也是一個值得探討的問題，本課程應采用多種綜合考試方法，注重學生對基礎概念、知識和基本的技能的掌握以及理論聯系實際的能力。平時作業考核成績，實驗實踐教學成績、提交課程論文成績，以及最后的期末考試成績形成一種有效的考試考核方法，促進學生主動學習，提高教學質量。實驗的評價指標在于算法設計、編程的準確性和實驗結果及分析。課程論文評價指是選題是否嚴謹科學和具可研究性，論文結構、思路是否嚴謹，論文內容科學性、正確性，能否提出自己的見解。考查查閱科技文獻的能力主要通過是否查找到權威的、最新文獻以及撰寫是否規范。
2.3 學生學好《人工智能技術》課程的建議
《人工智能技術》是一門理論與實踐相結合的應用課程，學生如何學習這么課程，也是我們應該探討的問題。
學生應該正確看待《人工智能技術》這門科學的發展。人工智能技術孕育于20世紀30、40年代，形成于60、70年代，發展至今，人工智能技術只有短短60多年的歷史，它是一門不斷發展和完善的嶄新學科，還有許多課題處于探索中，理論和技術還遠未成熟，我們應該對它有科學的認識。
針對非計算機專業本科畢業的學生，除了課堂聽講之外，還應該課下自學該課程的先修課程，如：數據結構、離散數學等課程。人工智能技術中涉及到大量的數學知識，如：模式識別需要具有較好的概率論，數理統計知識，另外還會用到少量隨機過程、模糊數學的一些知識。人工智能技術是一門應用課程，編程語言的掌握必不可少，涉及到SVM算法，粒子群算法，免疫算法神經網絡，遺傳算法等算法，實現這些算法要求學生具有較強的編程能力。
學生應該多讀，多查閱資料，特別是國外的期刊文獻和重要國際會議論文，多了解人工智能技術最前沿的信息，理論聯系實際，加深對基本算法的理解，并將人工智能技術的知識運用到自己所研究的領域，以做到學以致用。
3 結論
人工智能技術在一定程度上代表著信息技術的前沿，該文對《人工智能技術》的課程教學進行了一些探討，教學與實踐效果有了顯著提高，但仍然有許多方面還需要我們繼續探討和改進。
參考文獻：
[1] 蔡自興，徐光佑.人工智能技術及其應用[M].北京： 清華大學出版社，2003.
[2] 蔡自興，肖曉明，蒙祖強，等.樹立精品意識搞好人工智能技術課程建設[J].中國大學教學，2004（1）：28-29.
關鍵詞:人工智能;研究型實驗教學;民族關系
人工智能是計算機科學的一個分支,是一門研究運用計算機模擬和延伸人腦功能的綜合性學科,對它的研究涉及控制論、信息論、系統論、語言學、神經生理學、數學、哲學等諸多的學科及領域,是一門綜合性的交叉學科[1]。
人工智能的研究、應用和發展,在一定程度上代表著信息技術的發展方向,同時信息技術的廣泛應用也對人工智能技術的發展提出了迫切的需求。今天,人工智能的不少研究領域如自然語言理解、模式識別、機器學習、數據挖掘、智能檢索、機器人技術、人工神經網絡等都走在了信息技術的前沿,有許多研究成果已經進入人們的生活、學習和工作中,并對人類的發展產生了重要影響[2]。
實踐教學環節在大學教育中是一個非常重要的教學環節,是提高人才素質與能力的重要途徑。人工智能課程除了具有較強的專業性之外,還具有突出的實踐性,為了能深入理解和掌握所學內容,必須把講授和實踐結合起來。本文結合該課程實驗教學,將研究型教學的理念引入到實驗教學,并對教學過程中的經驗和問題加以初步的總結。
1研究型教學模式背景
研究型教學是相對于以單向性知識傳授為主的傳統教學提出的,是指教師以課程內容和學生的學識積累為基礎,引導學生創造性地運用知識和能力,自主地發現問題、研究問題和解決問題,在研究中積累知識、培養能力和鍛煉思維的新型教學模式。研究性教學是對現有的大學課堂教學模式的突破。有利于開發大學生的創造潛能,提高學生適應社會需要的創造性和創新能力,充分展現現代大學培養人才、發展科學、服務社會的三大基本職能[3]。
19世紀初,德國著名教育家洪堡最早提出了教學與科研相統一的原則,為研究型教學模式的發展奠定了基礎。20世紀50、60年代,美國著名教育心理學家布魯納提出了著名的“發現教學模式”[4],成為后來探究性學習和研究型教學的先導。20世紀70年代,美國研究教學專家薩奇曼正式提出了研究訓練教學模式。他認為學生會本能地對周圍新奇事物發生興趣,并想方設法弄清這些新奇事物背后究竟發生了什么,這是一種進行科學研究的可貴的動力。
自此,研究型教學理念開始廣泛使用。現在,哈佛大學、牛津大學、劍橋大學等世界著名大學,都非常注重學生能力的培養,普遍采取了研究型教學模式。以美國高校為例,雖然美國高校83%的教師在課堂教學中主要采用講授法進行教學,但在整個教學過程中都滲透著研究型教學的方法,如積極引導學生參與教學過程,開設研究性課程,引導學生積極主動地參與科研活動等。我國自20世紀90年代初推出211工程建設以來,清華大學、北京大學、人民大學、復旦大學、浙江大學等一些重點大學都提出了建設世界一流的綜合性研究型大學的目標。這些高校在實現從單向知識傳授的傳統型教學向關注創新性教育的研究型教學轉變方面進行了許多有益的嘗試。
2研究型實驗教學
本科教學不僅要培養學生的應用能力,還要培養學生具備基本的科研素質。大學是培養未來一線創新人才的主要基地,必須從本科教學人手,深入探索研究型教學的手段和方法,才能滿足未來經濟增長和社會發展的需要,才能符合建設研究型大學的需要。特別是近幾年來我國對科研的投入不斷增加,研究生招生規模逐年增大,本科高年級學生打算繼續讀研的也不在少數。而人工智能是計算機相關學科非常活躍的研究課題,其涵蓋的分支非常廣泛,如模式識別、機器學習、數據挖掘、計算智能、統計學習理論等,都是目前國際和國內熱門的研究方向。
人工智能課程在計算機專業人才培養方案中占據著重要的位置。在專業理論方面,它承續了離散數學中的邏輯知識;在專業方法方面,是數據結構、算法分析與設計的繼續;在專業工具方面,是面向對象程序設計的生動實例。并且人工智能的每一部分內容都可以作為一個深入的研究課題,課堂上講解的內容不可能面面俱到,學生們也不可能對人工智能的每一領域都做很深入的學習。并且人工智能涉及很多的數理邏輯知識,有些顯得難以理解,并且往往讓學生感到比較枯燥,學生的學習興趣就漸漸淡薄,學生往往被動“聽講”,難以獲得預期的教學效果。
針對這一特點,在人工智能教學中,如何引導學生系統學習人工智能的知識、激發學生的研究興趣,樹立目標意識找準研究方向,為未來的科研工作打下基礎,研究型實驗教學就成為了人工智能課程教學的一個重要環節和必然選擇。
2.1實驗教學中加強學生的研究導向
在實驗教學中,如果照搬一些教材中的例子或習題教學,一方面學生們會缺乏興趣,另一方面學生對這個領域的知識缺乏全面的了解。應不斷提出一些學生們感興趣的開放性課題,比如基于支持向量機的人臉識別、基于膚色的人臉檢測,基于內容的圖像檢索等,培養學生們的學習興趣,讓學生們逐漸深入的學習某一領域的知識。比如BP神經網絡,在模式識別、經濟數據分析、生物信息學、數據挖掘等眾多領域都取得過成功應用,是一種具有強大的非線性學習能力的計算智能技術。然而BP神經網絡算法自身也存在著一些缺點,如會有局部最小解、解受初值影響較大、理論解釋不完善等,而支持向量機在這些方面具有顯著優點。我們可以設計一個人臉識別的實驗,用神經網絡和支持向量機分別實現,并作以比較。讓學生們在了解人工智能新技術的同時,也培養學生們如何分析問題、解決問題的科研能力。
2.2人工智能課程實驗
該課程是一門對實驗技術有較高要求的課程,對于基本原理和方法的實現,要求學生進行嚴格的計算機專業技能訓練和培養良好的科研工作作風。因此對課程中的技能及技術性內容,除單獨進行必要的基礎訓練外,還融入到綜合和研究型試驗中,通過多次反復實驗練習,達到牢固掌握人工智能原理和人工智能的問題求解技術的目的。
該課程的實踐環節主要是實踐項目,由具備較強工程實踐能力的任課教師和助教負責,學生可在全天候開放的專用機房完成。在實踐環節的設計上,我們嘗試把驗證性實驗和開發性實驗相結合,結合實驗教學進度,安排相應的開放實驗,開放性實驗以科學研究實驗為主。并在課程的教學過程中,不斷深化和擴展教學內容,結合人工智能學科的發展趨勢和本院老師的最新研究成果,對實驗內容進行更新。
課程主要設置三種層次的實驗:1)基本原理和算法編程,測試例設計及程序測試實驗;2)分析綜合實驗;3)研究型設計實驗。整個實驗包括課前討論、實驗操作、實驗報告、結果討論、總結提高等六個環節。對于綜合性和研究型實驗,把學生分成5個人一小組,每小組選做其中的一個。學生從指導老師處了解到實驗課題后,即著手查資料,研讀文獻,鉆研有關理論。在此基礎上,學生先提出實驗方案,經與老師討論后,即可開始實驗研究。
3實驗平臺的構建
民族關系問題對被訪對象,特別對少數民族被訪對象是非常敏感的問題,對民族關系的評價又存在個體層面、群體層面、不同階層人群之間的差異,因此,僅僅以傳統的文獻分析、問卷統計和現場觀察等民族學方法來進行調查,得到的數據會存在較多誤差。
因此結合本校的民族特色和民族學領域獨特的研究優勢,將信息認知技術引入民族關系研究,運用圖像、心電和腦電數據進行分析,將分析的結果和心理場景測試及民族學調查結果進行相互印證和參數修正,從而獲得盡可能客觀的數據,這些數據將有助于建立一個客觀、完備、科學的民族關系監測體系,并真實全面地評估民族關系,從而使決策機構及時做出正確的決策。基于多信息融合的民族關系監測預警系統總體框圖如圖1所示。
目前該平臺已經搭建,由北京市公共安全信息監測平臺建設、北京市公共安全信息監測平臺建設關鍵技術研究、基于多源信息融合的民族信任研究等多個重大項目支撐。在這個平臺的下面,涉及到人臉識別、表情識別,視頻監控、認識等領域,小波分析、神經網絡、支持向量機、模糊數學、信息融合等人工智能知識得到了具體的應用。學生可以根據自己的興趣愛好,自愿參加到該平臺下的某一項目,切實對自己所學知識有一個深刻的理解和掌握。
4結語
研究型實驗教學激發了學生的學習興趣,不但使學生更好地掌握了人工智能的基本概念、基本理論和基本技術,也切實提高了學生的實際動手能力和編程能力。研究型實驗教學在實踐過程中還有以下問題需要改進:
1) 研究型實驗教學的理念很難普及。很多教師對研究型教學模式的內涵未能準確把握,把研究型教學模式等同于學生實習或者寫論文。
2) 研究型實驗教學的輔導老師素養需要提高。研究型實驗教學作為體現創新教育要求的現代教學模式,需要的不是知識傳授型的教師,而是高素質的研究型教師。教師不僅是單一的教者,更應該成為一個學者,教師不僅要有研究型教學的教育觀念、快速接受新知識的能力和高超的教學技能,要能夠合理地規劃和設計實驗內容。
3) 需要建立一套合理的學生學業和教師績效的評價體系。
參考文獻:
[1] 王萬森. 人工智能原理及其應用[M]. 北京:電子工業出版社,2007.
[2] 蔡自興,徐光佑. 人工智能及其應用[M]. 北京:清華大學出版社,2004.
[3] 李得偉,張超,李海鷹. 大學工科專業課程實施研究型教學的探討[J]. 高等教育研究,2009(9):74-75.
[4] 彭先桃.大學研究性教學的理念探析[J].教育導刊,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)
關鍵詞：智能制造；智能科學與技術；人工智能技術；機器人；實驗平臺建設
智能制造是基于新一代信息技術，貫穿設計、生產、管理、服務等制造活動各個環節。具有信息深度自感知、智慧優化自決策、精準控制自執行等功能的先進制造過程、系統與模式的總稱。是信息技術和智能技術在裝備制造過程技術的深度融合與集成。加快推進智能制造，是我國在全球新一輪產業變革競爭背景下出臺的《中國制造2025》的主攻方向。廣東省作為國內制造大省和全球重要制造基地，也對接印發了《廣東省智能制造發展規劃（2015-2025年）》。針對廣東省制造業的創新能力、產業結構、信息化水平的缺乏競爭力的問題，大力實施創新驅動發展戰略，推動智能制造核心技術攻關和關鍵零部件研發，推進制造過程智能化升級改造，實現“制造大省”向“制造強省”轉變。創新驅動，智能化升級改造需要國際領先水平人才的引進和高等院校實戰型工程技術人才培養。我院智能科學與技術專業就是面向廣東智能產業的深度融合設置的。其專業實驗平臺的建設需要針對廣東省高端裝備、制造過程、工業產品智能化等領域的薄弱環節，以“機器智能”為方向，完善實驗教學體系、整合實驗教學資源，開設綜合性、創新性的實驗項目，培養學生實踐能力和創新意識。緊密聯系企業，針對智能制造關鍵技術協同創新。培養具有智能系統開發與設計、智能裝備的應用與工程管理能力；能在智能裝備、智能機器人、智能家居等領域從事智能系統的是開發與設計、應用于維護、運營與管理的“厚基礎、強應用、能創新”的高素質工程應用型人才。
1專業實驗平臺建設思路
面向智能制造專業實驗平臺的建設，依據《廣東省智能制造發展規劃（2015-2025年）》中發展智能裝備與系統，工業產品、制造流程智能化升級改造的任務，從智能科學與技術知識體系中提取專業發展方向的課程，建立完善專業實踐教學體系。以“機器智能”為方向建設人工智能與機器人實驗室為核心，以項目、科技競賽、緊密對接企業協同創新為手段，培養學生能夠運用工程基礎知識和專業理論知識設計工程實驗，分析實際問題的能力，培養學生查詢檢索資料文獻獲取知識的能力，培養學生能夠綜合運用自然科學知識、專業理論知識和技術手段設計系統和過程解決實際問題的能力。通過科技競賽等活動，培養學生在團隊里具有工程組織管理能力、表達能力和人際交往能力。通過與企業的合作，掌握基本創新方法，并讓學生具有追求創新的態度和意識，以培養學生的綜合素質和能力為重點。立足華軟學院電子系電子信息工程嵌入式專業、自動化專業、通信工程專業現有的平臺優勢，按照“整合、集成、共享、提升”的基本思路，完善支撐體系，優化驗教學資源配置，建設一個能夠與廣東智能產業深度融合的階梯形層次化實驗平臺。
2實驗平臺建設內容
智能科學與技術專業實驗實踐平臺的建設要依據實驗教學體系的構建，突出面向智能制造工程實踐為特色，按照學生的成長需要，建立階段化、層次化、模塊化的實驗教學體系。
2.1專業實踐課程體系建設
面向智能制造的智能科學與技術專業定位是以工程應用型人才培養為目標的，是在通識教育基礎上的特色專業教育。專業課程體系的建設首先還是以培養學生具有扎實自然科學基礎知識，人文社會科學知識和外語應用能力為基礎，其次是智能科學與技術專業技術基礎課程，如數字系統與邏輯設計、數字信號處理基礎、信號與系統、電路分析與電子電路；c語言程序設計與算法分析、數據結構、數據庫與操作系統、微機原理與接口、傳感器與檢測技術等。最后是專業方向類課程，也是專業的核心課程，如制造業基礎軟件中的嵌入式軟件、工業控制系統軟件，工業機器人中人工智能技術應用和智能控制技術。主要有知識獲取模式識別；數據通信與網絡；嵌入式系統移植和驅動開發；嵌入式應用開發；人工智能與神經網絡；智能控制技術；機器人學等課程。培養學生具備計算機技術、自動控制技術、智能系統方法、傳感信息處理等技術，完成系統集成，并配合專業實踐課程體系如圖1，完成電子工藝實習、技術基礎課程、核心課程的課程設計和綜合項目實驗，并在工程應用中實施的能力。
2.2實踐教學體系建設
依據專業實踐課程體系，構建主要包括計算機基礎、電路基礎、信息與控制基礎、嵌入式技術、機器智能系統五大模塊開展不同學習階段層次化的實驗教學體系。主要包括基礎類、專業實訓類、綜合創新類。
1）基礎類實驗注重開設與課堂教學中基本理論相結合的精品實驗項目，并逐步提升基礎實驗課時的比例。從實踐中啟發引導學生牢固掌握基礎理論知識。除此之外，還要注重工作方法和學習方法的能力培養，如收集信息查找資料、制定工作計劃步驟、從基礎理論到解決實際問題的思路以及獨立學習新技術的方法和評估工作結果的方法。培養學生厚實的專業基礎知識和能力。
2）專業實訓類實驗主要以項目教學、案例教學、情景教學方式培養學生利用專業知識及方法獨立解決行業領域內的任務和問題并能夠評價結果的能力。如智能傳感應用項目，人工智能技術實驗項目，知識表示與推理項目，計算智能項目，專家系統，多智能體系統；機器人項目，如最小機電系統組成，如何完成對電機的控制；利用單軸或雙軸控制平臺實現基本搬運裝配作業。
3）綜合創新類實驗注重培養學生從理解問題域開始，獲取數據和知識、開發原型智能系統、開發完整智能系統、評估并修訂智能系統、到整合和維護智能系統六個階段構建智能系統。如開展人工智能技術在智能制造中的應用包括產品設計加工、智能生產調度、智能工藝規劃、智能機器人、智能測量等；直角坐標機器人實現碼垛搬運、多關節串聯機器人、弧焊機器人實訓等。
4）科技競賽、與企業協同創新，通過觀察記錄待智能化升級的工廠生產過程，發現定義問題、提出假設、搜集證據檢驗假設、發表結果、建構理論等實驗過程設計的能力。培養學生掌握基本創新的方法，團隊協作管理能力、表達溝通能力等。如嵌入式設計大賽、機器人大賽等科技競賽；以及針對自動化生產線的嵌入式工業控制系統設計；針對原材料制造企業的集散控制、制造絳屑成應用；針對裝備制造企業的敏捷制造、虛擬制造應用；工業機器人在汽車、電子電氣、機械加工、船舶制造、食品加工、紡織制造、輕工家電、醫藥制造等行業的應用。
2實驗教學保障
智能科學與技術實驗平臺建設以人工智能與機器人實驗室建設為核心，結合目前學院嵌入式系統實驗室、自動控制實驗室、傳感器技術實驗室、通信原理實驗室資源，儀器設備共享共建的原則，系統化籌備購置。人工智能機器人實驗室主要針對智能系統設計開發和機器人應用，基于計算機系統的人工智能技術學習應用包括人工智能技術在智能制造應用和工業機器人仿真軟件ABB Robot Studio。基于“探索者”機器人系統控制實訓箱Rino-MRZ02（包含履帶機器人、雙輪自平衡機器人、5自由度機械臂、6自由度機械臂等）
可以開展的項目有：利用啟發式算法、遺傳算法、蟻群算法等模糊數學理論對工業產品設計進行性能模擬、運動分析、功能仿真與評價；利用人工神經網絡自學習、自組織構造產品加工過程新能參數預測模型。利用模式識別、機器學習、專家系統、多智能體系統進行感知、并對環境的改變進行解讀、動作進行規劃和決策；利用專家系統、遺傳算法、模糊邏輯集中式解決生產調度多目標性、不確定性和高度復雜性的問題，尋求最優規則，提高調度的速度；利用蟻群算法、遺傳算法分布式多智能體系統進行問題分解、彼此協商、任務指派、解決沖突。
履帶機器人可開展電機控制實驗；運動控制實驗；HD軌跡控制實驗；無線通信實驗。雙輪自平衡機器人呢可開展自平衡模塊實驗；倒立擺算法實驗；雙輪載具運動實驗。6自由度雙足機器人可開展雙足運動控制實驗；步態規劃實驗；雙足平衡實驗；機構改裝實驗。5自由度機械臂可開展機械臂運動控制實驗；顏色分揀實驗。可擴展為8自由度雙足機器人、輪腿式機器人等技能提高類課程設計。
通過ABB公司的機器人仿真軟件RobotStudio進行工業機器人的基本操作、功能設置、二次開發、在線監控與編程、方案設計和驗證的學習。
關鍵詞：信息技術課程；課外延伸；校本課程
中圖分類號：G622.3 文獻標志碼：A 文章編號：1673-8454（2013）22-0021-02
2003年國家了《普通高中技術領域課程標準（實驗稿）》，其中信息技術新的課程標準規定了高中信息技術的基本理念和總體培養目標。要求全面培養和提升學生的信息素養，培養學生運用信息技術解決問題的能力，培養學生實踐創新的能力。在這一標準規范下，課程標準規定高中信息技術課程包括必修與選修兩部分共六個模塊。其中包含了必修：“信息技術基礎”；選修1：“算法與程序設計”；選修2：“多媒體技術應用”；選修3：“網絡技術應用”；選修4：“數據管理技術”；選修5：“人工智能初步”。要求高中階段學生須完成至少4學分的學習任務（必修、選修各一模塊）。在各學科課程設置相對緊密，課程安排較滿的情況下如何拓展學生的信息技術知識成為值得廣大信息技術教師思考的問題。隨著我國新一輪的課程改革的實施，提出國家課程、地方課程、校本課程三者有機結合，這就為學校開發和建設適合學校發展特色的信息技術校本課程，全面培養和提升學生的信息素養，拓展學生的信息技術應用能力提供了契機，為信息技術課程提供了有效的課外延伸教學。
通過信息技術課程必修模塊與選修模塊的學習，學生基本掌握運用信息技術手段對信息進行采集、處理、加工、展示和評價的能力，學生具備一定的信息素養。在此基礎上，如何滿足不同的學生的興趣需求，延伸課程內容，拓展其課外知識，這就給校本課程開發提供了良好的基礎。結合我校的實際情況，在完成課程標準規定的學習內容之外，根據每位教師的專業能力，我們開發了符合學校特色和適合學生發展的四門校本課程。
一、信息學競賽之算法與程序設計
“算法與程序設計”是信息技術課程標準中選修1模塊內容，要求學生體驗算法思想，了解算法和程序設計在解決問題過程中的地位和作用；能從簡單問題出發，設計解決問題的算法，并能初步使用一種程序設計語言編制程序實現算法解決問題。在課堂上學生基本掌握課程標準提出的要求，而對于學有余力，對程序設計有較為濃厚興趣的學生來說這是遠遠不夠的。在全國信息學奧林匹克聯賽的推動下，開發符合競賽培養標準的校本課程為學生提供更為廣闊的學習領域勢在必行。
在校本課程設計上，選擇對于編程初學者較容易掌握的pascal語言作為課程語言，建立學習互助小組，通過教師的教授，小組成員間的互動探究，培養學生探究學習的能力。在課程內容的安排上，采取分階段、循序漸進的原則，從最基礎的程序設計語言到數據結構與算法藝術，針對每一位學生的特點，制定相應的課程計劃，注重培養和發展學生的自主學習能力、研究能力、創新能力。通過精心的課程安排，教師與學生的共同努力，我校的信息學奧林匹克競賽連續多年在全國信息學奧林匹克競賽中取得佳績，多人保送清華大學、浙江大學、國防科技大學、中國科學技術大學等名校，在培養學生興趣的同時，也使得學生得到了較好的發展。
二、人工智能與機器人競賽
“人工智能初步”是信息技術課程標準中選修模塊5的內容，介紹了人工智能的基本概念和人工智能領域。在模塊學習中，要求學生體驗若干典型人工智能技術的應用。在人工智能技術飛速發展的今天，智能機器人已經進入到我們日常生活、工作、學習的各個領域。學生對智能機器人的興趣較為濃厚，如何發揮學生的特長，開展有針對性的校本實際教學，借助中小學電腦制作大賽中機器人競賽單元及各項機器人競賽賽事，開設“人工智能與機器人競賽”校本課程尤為必要。
基于這一需求，我校開設了“人工智能與機器人競賽”校本課程，以機器人作為教學平臺，通過對機器人機械、控制、傳感器、控制軟件四大部分的教學學習，學生能夠通過設計、開發、組裝各類機器人完成指定任務，培養動手實踐能力以及創新能力。
三、數碼攝影與圖像處理、DV創作課程
“多媒體技術應用”是信息技術課程標準中選修2模塊內容，要求學生初步了解多媒體信息采集、加工原理，掌握應用多媒體技術促進交流并解決實際問題的思想與方法；初步具備根據主題表達的要求，規劃、設計與制作多媒體作品的能力。在數碼技術飛速發展的今天，數碼單反相機、DV攝影器材已經普及，成為學生課余生活中的必不可少的電子產品。但對于大多數人來說，如何使用手里的數碼器材，發揮數碼設備以及使用者最大的潛力，還需要通過較為專業的學習過程。
選修2模塊提供了信息采集、加工處理的基本方法，但課程內容仍顯過于簡單，這就給校本課程的開發提供了需求。結合我校信息課程教師的實際，發揮教師在攝影、圖像處理以及影視短片創作中的優勢，開發了“數碼攝影與圖像處理”、“DV創作”校本課程。在課程設置中，以數碼相機使用、攝影構圖技巧、圖像后期處理技術、DV攝像機使用，DV短片創作、影片編輯為主要教學內容，貼切學生的實際需求，以實踐創作為主，設定教學任務，在完成教學任務中強調學生的動手實踐能力的培養、培養學生的藝術鑒賞能力。通過近幾年的實踐，課程的開設迎合了學生的需求，拓展了學生的知識，同時，為學校校園電視臺培養了大量的學生骨干力量，豐富了校園文化生活。
校本課程開發是一個持續的、動態的、逐步完善的過程，是在信息技術課程標準的基礎上的創新與再加工，是信息技術課程的課外延伸。通過不同延伸課程的學習，學生在所學領域中取得較為優異的成績，提高了學生的信息素養，培養學生運用信息技術解決問題的能力，提高了學生的創新實踐能力。在校本課程的實際中，促進了教師的專業發展，提高信息技術教師的專業素質，有助于教師的個人專業成長。
參考文獻：
[1]李飛.信息技術課的課外延伸[J].陜西教育教學，2012，（10）.
[2]王麗君.高中信息技術校本課程與學生社團結合的探究[J].課外閱讀，2011，（2）.
關鍵詞： 人工智能；創新驅動；發展建議
人類對于智能機器的探索活動，古已有之。不過，以“人工智能”來命名這一探索并成為一個學科領域，卻發生于1956年夏季在Dartmouth舉行的一次小規模學術研討會上。因此，2016年是人工智能學科問世的60周年，在這個不同尋常的年份，世界各地的人工智能科技工作者都在密切關注人工智能的發展動向。
2016年3月，DeepMind研制的人工智能圍棋系統AlphaGo以4：1的戰績擊敗了韓國的圍棋高手李世石，把世界對人工智能的關注推向了前所未有的。各種各樣的議論噴涌而出。悲觀者大呼：“人工智能對于人類的潛在威脅太嚴重，應當通過立法限制甚至禁止人工智能的研究”；樂觀者高喊：“人工智能是人類的真正福音，只要把自己的思想意愿轉嫁給人工智能機器，人類就可以通過機器來實現長生不老的千年夢想”。在科技界，人們則在激動著、討論著：我們應當在什么樣的熱點技術上發力？是深度學習？是認知技術？還是類腦計算？
回想這些年來，互聯網、云計算、大數據、物聯網、移動互聯、智能制造、智慧城市、人工智能、機器人一波又一波的高新技術登臺亮相，中國科技界、教育界和產業界都在一個個地緊緊追趕。雖然在跟蹤追趕的過程中取得了不菲的進展，但是人們不禁都在思考：對于人工智能來說，當前社會的需求是什么？什么才是有效的創新戰略？怎樣才可以擺脫跟蹤追趕的被動局面，爭取到引領創新的話語權？
發展人工智能不應當是一種孤立性、局部性的行動，而應當是能夠帶動和引領整個科學技術的創新和發展。
1 人工智能是當代重要交叉科學群的創新前沿
為了闡明“人工智能是當代重要交叉科學群的創新前沿”這個論斷，需要逐個澄清相關的基本概念，包括：什么是人工智能？什么是當代的重要交叉科學群？以及什么是當代重要交叉科學群的創新前沿？
1.1 什么是人工智能
人工智能是一門“探索人類智能機理，創制人工智能機器，增強人類智力能力”的科學技術。從這個意義上可以理解，只要人類的智力能力得到了增強和擴展，人們從事各種科學技術以至各種經濟社會活動的智力能力就會得到有效提升，從而能夠有效促進各行各業的創新與發展。
那么，什么是人類智能？人類智能主要表現在人類主體為了不斷改善生存發展的水平而發現問題、定義問題、解決問題的能力。其中，發現問題和定義問題的能力依賴于主體的目的、知識、直覺、理解力、想象力、靈感、頓悟、審美等內在能力，因此被稱為“隱性智能”；解決問題的能力則主要依賴于獲得信息，生成知識，創生策略等外顯能力，因此被稱為“顯性智能”。
顯然，隱性智能十分抽象，幾近神秘，不僅研究起來甚為困難，就連理解起來也頗感玄奇，而顯性智能則相對可理解，可研究。因此，人工智能研究遵循的原則是：基于人類主體給定的問題、知識、目標（這就是人類發現問題和定義問題的能力）這些前提，研究如何利用信息、生成知識、創生策略來解決問題，達到目標。也就是說，人工智能的研究遵循人類智能與人工智能相結合的原則：人類智能負責發現和定義問題，人工智能則負責在人類所給定的問題框架下解決問題。這樣，人工智能機器就可以成為人類認識世界和改造世界的聰明助手。
由此可見，沒有生命，沒有目的，沒有靈感，也沒有審美能力的人工智能機器系統，原則上不具有隱性智能的能力，因而不可能獨立地發現問題和定義問題，只能在人類所發現和所定義的問題框架下去解決問題。因此，人工智能超越人類的恐懼缺乏科學根據。
1.2 什么是當代重要的交叉科學群
當今的時代是信息時代，認識信息資源和利用信息資源為人類服務的信息科學是當今時代的標志性科學。具體來說，信息科學是“研究信息的性質及其運動規律的科學”，也就是以信息為研究對象，以信息的性質及其運動規律為研究內容，以信息科學方法論為研究指南，以增強和擴展人類信息功能（全部信息功能的有機整體就是人類的智力功能）為研究目標的科學。換言之，信息科學的研究目標就是擴展人類的智力功能，而研究信息的性質及其運動規律和信息科學方法論都是為了實現擴展人類智力功能這個目標服務的。
由此就可以清楚地理解：人工智能的研究是信息科W的最高目標，也是信息時代科學技術發展的基本目的；而為了使人工智能系統能夠在人類發現和定義的問題框架下成功地解決問題，人工智能的研究必須從人類求解問題的能力中得到啟發。這表明，人工智能的研究需要向認知科學學習，因為認知科學就是研究人類自己是如何面對問題解決問題的。另一方面，認知科學所研究的人類解決問題的機理又建立在腦科學的基礎之上，因此，人工智能的研究必須理解腦科學的工作機理。再者，人類發現問題、定義問題、解決問題的能力并不是永遠固定不變的，而是不斷進化和發展的。因此人工智能的研究還必須學習信息生物學，后者深刻地研究和揭示了人類能力不斷進化的機制。可見，腦科學、認知科學、信息科學、信息生物學、人工智能是當代最具重要意義的交叉科學群。這個科學群還包含更多的學科，恕不一一闡述。
1.3 什么是當代重要科學群的創新前沿
雖然腦科學、認知科學、信息科學、信息生物學、人工智能各有各的研究內容，但是所有這些學科共同的目標都是智能，如人類的智能（腦科學）、生物的智能（信息生物學）、人類智能的物質基礎（腦科學）、人類智能和生物智能的工作機理（認知科學）、人類智能和生物智能的進化機制（認知科學與信息生物學）、人類智能的信息基礎和研究方法論（信息科學）、人類智能的機器模擬和實現（人工智能）等。
所以，人類智能和人工智能是當代這一重要交叉科學群共同的創新前沿。人們對于腦科學、認知科學、信息科學、信息生物學的理解深化了，就會促進人工智能研究的發展；反之，一旦人工智能的研究取得了突破和創新，也必然能夠帶動腦科學、認知科學、信息科學、信息生物學的突破與創新。
2 中國人工智能發展的現狀：差距與優勢
中國人工智能的發展現狀，大家平日都親身感受得到，應當比較熟悉，似乎無需贅言；但是國情是我們思考問題的基礎，因此不可不察。而且，我們對于中國在人工智能發展方面所存在的差距和優勢的認識，確實還有必要進一步深化。
2.1 差距：顯差距，隱差距
大家都意識到，中國在人工智能的發展方面確實存在不少的差距。普遍J為，由于中國缺失了工業革命這個歷史階段的洗禮，因此在工業基礎和工藝水平方面天然存在明顯的不足。特別是中國微電子工業領域的高性能芯片制造能力有待進一步加強，人工智能硬件系統的水平也有待進一步提高等，這些都是眾所周知的顯差距。
然而，更值得深思的問題是：在人工智能的科學研究方面，長期以來，中國同行普遍習慣于跟蹤學習，缺乏突破創新的民族自信心，更缺乏引領國際的強烈意識。無論是互聯網、物聯網、語義網、云計算、大數據、移動互聯這些大概念，還是深度學習、無人駕駛、類腦計算這些技術思想，都是外國學者率先提出，然后才是中國學者蜂擁而上。加上這些年滋長蔓延起來的急功近利和學術誠信缺失，往往在蜂擁而上之后的一夜之間就會冒出許多“新成果”！這是中國人工智能發展存在的隱差距。
需要指出的是，顯差距正因為“顯”，已經得到各有關方的高度重視，并且正在不斷地被縮小；但是，隱差距則因為“隱”，不容易被察覺，至今還沒有引起各方面必要的重視，因此仍然是實現突破創新和引領戰略的隱患。
2.2 優勢：現優勢，潛優勢
那么中國在人工智能研究中是否也存在什么優勢呢？表面看來，似乎中國在人工智能研究領域一直處于跟蹤學習狀態，談不上存在什么優勢；但是仔細考察發現其實不然，中國在人工智能研究中的確存在不可忽視的優勢。
中國目前雖然在整體上還處于相對落后狀態，但在某些技術研究上卻處于國際領先地位。例如：語音識別技術，中國已經在近期多次國際評測大賽中奪得世界冠軍；在汽車自動駕駛方面，中國的研發水平也與國際上旗鼓相當；特別是在理論研究方面，中國在人工智能通用理論研究方面的機制主義人工智能理論、人工智能邏輯理論研究方面的泛邏輯學、人工智能數學方面的因素空間理論都是國際領先的成果。這些都是已經涌現出來的現優勢。
更加重要的是，像人工智能這樣既十分復雜又極其深刻的科學研究，勢必自覺或不自覺地受到科學方法論的影響。幾十年來，國際人工智能的研究形成三大學派，就是受了以分而治之為特征的機械還原方法論的影響，把復雜的人工智能研究分為結構模擬的人工神經網絡學派、功能模擬的物理符號系統學派、行為模擬的感知動作系統學派，而且長久以來互不認可，不能形成人工智能研究的合力。科學論證充分表明，適于人工智能研究的科學方法論不是“機械還原論”的方法論，而應當是“信息生態論”的方法論。后者與中國歷來的“整體論”和“辨證論”思維傳統息息相通。因此，在人工智能的研究領域，中國握有方法論的潛在優勢（潛優勢），只要自覺地加以運用，這種潛在優勢完全可以轉化為強大的現實優勢（現優勢）。
3 人工智能的社會需求和發展中國人工智能的戰略建議
3.1 人工智能的社會需求
中國的信息化建設全面啟動于20世紀90年代，得益于現代信息技術的支持，取得了舉世矚目的輝煌成就，進入了迎接復雜問題的新時期，面臨著巨大挑戰。從整個經濟社會發展和全面改革的大局判斷，在多次講話中也明確指出，中國的改革開放進入了攻堅克難的深水區。眾所周知，人工智能技術是信息技術的高端前沿；因此，為了迎接復雜問題的挑戰，為了成功走出深水區到達勝利的彼岸，中國亟需人工智能科學技術的全面支持。
另一方面，縱觀當今的國際環境不難發現，一些發達國家在中國黃海、臺海、東海、南海不斷制造緊張局勢，企圖以武力遏制中國的和平崛起。他們聲稱要長期投資人工智能，要用人工智能武器戰勝中國，對此不能不高度警惕，并采取果斷措施。
3.2 加快發展中國人工智能的建議
為加快發展中國人工智能，從戰略性、系統性、可操作的角度出發提出5項建議。
（1）頂層規劃。
火車跑得快，全靠車頭帶。建議設立國家級智能科學技術發展規劃與協調專家委員會，負責研究和提出中國智能科學技術發展的中長期規劃，制訂智能科學技術產學研發展的實施政策，協調和促進中國智能科學技術的快速有序健康發展。
（2）人才培養。
萬事都緊要，人才是根本。建議國務院學位委員會把中國現有的“智能科學與技術”二級學科提升為一級學科，以形成系統完整的智能科學技術人才培養體系；同時建議教育部在中小學開設智能科學與技術基礎知識課程，開展課外興趣培育活動。
（3）創新研究。
跟蹤不可廢，創新更關鍵。在國家自然科學基金設置“智能科學技術基礎理論”專門領域，大力推進智能科學基礎理論的突破創新；同時在國家“十三五”規劃設立智能制造、智能農業、智能服務業、智能交通、智能網絡空間安全、智能教育等應用專項。
（4）產業標準。
創新是尖兵，產業是后盾。大力促進中國智能化產業的發展，并在國家標準委員會建立智能產品標準工作委員會，鼓勵有條件的單位和學術團體開展各類智能技術產品的測試、評價和檢驗標準的研究，引導智能化產業和產品市場有序健康發展。
（5）持續發展。
關鍵詞：小學；機器人教育；信息技術；技術教育
中圖分類號：G622 文獻標識碼：B 文章編號：1002-7661（2013）04-222-01
2003年教育部把“人工智能基礎”課程作為信息技術教學的技術選修模塊引入小學選修課程中之后，我國的人工智能教育在大眾化和普及化層面上進入了一個新的階段。智能機器人作為人工智能的重要應用領域， 在小學中獲得了迅速的發展。
一、在小學開展機器人教育的必要性
由于知識經濟的出現，知識正在成為經濟發展的基礎和經濟增長的驅動力；擁有先進技術和最新知識，尤其是擁有知識創新能力的人，也因此成為生產中決定性的要素，成為國家最重要的戰略資源。機器人技術涉及多門科學，是一個國家科技發展水平和國民經濟現代化、信息化的重要標志，因此，機器人技術是世界強國重點發展的高技術，也是世界公認的核心競爭力之一，很多國家已經將機器人教育列為學校的科技教育課程，在孩子中普及機器人學知識，從可持續和長遠發展的角度，為本國培養機器人研發人才。
二、新形勢下農村小學機器人教育的課程目標
小學機器人教育課程是為了進一步落實信息技術教育的選修課程，以培養學生良好的信息素養、創新精神和實踐能力為主要目標。機器人教育以培養學生邏輯思維為主線，以綜合性、實踐性和探究性為學習特征。不要求學生立刻參加各種機器人競技大賽和將來投身機器人開發行業，而是培養學生對智能機器人的興趣，讓學生了解和掌握以智能機器人為載體的通用技術與信息技術的基本知識和技能，了解技術的發展及其應用對人類生活和科學的深刻影響。還要使學生學會運用信息技術增進交流與合作，拓展視野，形成解決實際問題的能力和終身學習的能力。
三、新形勢下農村小學機器人教育的發展對策
1、教育部門在機制建設、政策完善和課程標準建設方面應切實發揮作用
教育部門要制訂明確的機器人教育發展規劃，在課程體系建設、考試評價和激勵機制等方面加以保障。從目前來看，課程標準和評價激勵措施的制定已經刻不容緩。課程標準是機器人教育發展的風向標，直接決定著教材開發、師資建設的進度，其重要意義不言自明。評價激勵措施對剛剛走上發展快車道的機器人教育更為重要，完善評價激勵措施不僅是對學校和教師勞動成果的尊重，也是不可或缺的行政推動舉措。筆者呼吁政府和教育行政部門盡快出臺相關評價激勵政策，將機器人教育納入中考范圍，提高學校和教師的積極性，使機器人教育常規化、普及化。
2、加大機器人教師隊伍建設力度
機器人教育的深入發展離不開教師隊伍的建設，教師隊伍建設離不開多層次的教師培訓。一般來說，培訓分為骨干培訓與全員培訓。骨干培訓由省、市教育部門組織，全員培訓則由縣、區教育部門組織，也包括各學校的校本培訓。我們應將骨干培訓與全員培訓相結合、集中培訓與日常學習實踐相結合，重點從教育思想、教學理念和技術素養幾個方面實現師資培養的突破。各學校要保持機器人研究團隊（包括機器人輔導教師和學生）的梯度發展，保證高質量的研究團隊和充足的研究時間，不斷為機器人教育注入活力 。
3、加強校本課程開發，探索機器人課堂教學
在三級課程體系下，校本課程的開發能夠有效地實現機器人教育的價值。各學校應該根據實際，在合理選擇機器人產品的同時，盡量學內容，逐步對機器人教材進行二次開發，將其轉化為適合學校機器人教學實際的校本教材，并在此基礎上開發校本課程。要加強校本課程開發，遵循學生的年齡特點，因材施教，使小學機器人教育教學成為青少年能力、素質培養的智能平臺。智能機器人教學內容可以借鑒北京景山學校的做法。在小學階段，學生注意新鮮、感興趣的事物，對周圍世界有強烈的好奇心和探索欲望，喜歡操作具體形象的物體。此階段主要使學生了解智能機器人的基本結構和工作方式。教學內容為：搜集機器人圖片、展示機器人的發展狀況，學習為一種智能機器人下載程序的方法。用現成的程序開展智能機器人的游戲和比賽項目。智能機器人教學安排在四年級較合適。
4、處理好機器人競賽與普及教育的關系
機器人競賽的根本價值是其教育價值，競賽是手段，而不是目的。在積極參加競賽的同時，更要注意大面積地對學生進行普及教育，實現競賽與普及教學相互依存、相互促進，避免機器人教育走入“競賽至上”的誤區。這要求我們，一方面要合理利用資源，學校可將競賽機器人和教學機器人分開使用，還可以使用機器人模擬系統或者自主研發一些適合學生動手制作的簡易機器人，解決競賽機器人數量有限導致的“小眾化”問題；另一方面，要積極開發課外學習資源，為大多數學生提供自主學習的平臺，提高學生的機器人素養。
結束語
我國小學機器人教育的深入開展，需要教育政府、小學學校、機器人廠商的協作與努力。探索機器人教育的理論與實踐問題，更好的服務于廣大學生，是教育工作者責無旁待的使命。機器人教育要與信息化教學相結合，全面體現課改精神，更好地培養21世紀人才的創新能力。
一、深度學習概念的提出
深度學習的概念，源于30多年來計算機科學、人工神經網絡和人工智能的研究。上世紀八九十年代，人們提出了一系列機器學習模型，應用最為廣泛的包括支持向量機（Support Vector Machine，SVM）和邏輯回歸（Logistic Regression，LR），這兩種模型分別可以看作包含1個隱藏層和沒有隱藏層的淺層模型。計算機面對較為復雜的問題解決訓練時，可以利用反向傳播算法計算梯度，再用梯度下降方法在參數空間中尋找最優解。淺層模型往往具有凸代價函數，理論分析相對簡單，訓練方法也容易掌握，應用取得了很多成功。①隨著人工智能的發展，計算機和智能網絡如何基于算法革新，模擬人腦抽象認知和思維，準確且高清晰度地進行聲音處理、圖像傳播甚至更為復雜的數據處理和問題解決等，在21世紀來臨的時候成為擺在人工智能領域的關鍵問題。
30多年來，加拿大多倫多大學計算機系辛頓教授（Hinton，G.）一直從事機器學習模型、神經網絡與人工智能等問題的相關研究，并在機器學習模型特別是突破淺層學習模型，實現計算機抽象認知方面取得了突破性的進展。2006年，他在《Science》上發表了《利用神經網絡刻畫數據維度》（Reducing the Dimensionality of Data with Neural Networks）一文，探討了應用人工神經網絡刻畫數據的學習模型，首先提出了深度學習（Deep Learning）的概念和計算機深度學習模型，掀起了深度學習在人工智能領域的新。這篇文章的兩個主要觀點是：第一，多隱藏層的人工神經網絡具有優異的特征學習能力，學習到的特征對數據有更本質的刻畫，從而有利于可視化或分類；第二，深度神經網絡可以通過“逐層初始化”（Layer-wise Pre-training）來有效克服訓練和優解的難度，無監督的逐層初始化方法有助于突破淺層學習模型。②基于深度置信網絡（DBN）提出非監督逐層訓練算法，為解決深層結構相關的優化難題帶來希望，隨后提出多層自動編碼器深層結構。③2012年，辛頓又帶領學生在目前最大的圖像數據庫ImageNet上，對分類問題取得了驚人的結果，將計算機處理圖像數據問題時排名前五的錯誤率（即Top5錯誤率），由最高26%大幅降低至15%，大大提高了人工智能圖像數據處理的準確性和清晰度，這是早先計算機僅僅依賴數學模型的表層學習和單層學習根本無法實現的水平。
在人工智能領域，深度學習其實是一種算法思維，其核心是對人腦思維深層次學習的模擬，通過模擬人腦的深喲緯橄筧現過程，實現計算機對數據的復雜運算和優化。深度學習采用的模型是深層神經網絡（Deep Neural Networks，DNN）模型，即包含多個隱藏層（Hidden Layer，也稱隱含層）的神經網絡（Neural Networks，NN）。深度學習利用模型中的隱藏層，通過特征組合的方式，逐層將原始輸入轉化為淺層特征、中層特征、高層特征直至最終的任務目標。深度學習可以完成需要高度抽象特征的人工智能任務，如語音識別、圖像識別和檢索、自然語言理解等。深層模型是包含多個隱藏層的人工神經網絡，多層非線性結構使其具備強大的特征表達能力和對復雜任務的建模能力。訓練深層模型是長期以來的難題，近年來以層次化、逐層初始化為代表的一系列方法的提出，為訓練深層模型帶來了希望，并在多個應用領域獲得了成功。
人工智能學者們認為計算機和智能網絡的這一深層的自動編碼與解碼過程，是一個從數據刻畫、抽象認知到優選方案的深度學習的過程。由于人腦具有深度結構，認知過程是一個復雜的腦活動過程，因而計算機和人工智能網絡模擬從符號接受、符號解碼、意義建立再到優化方案的學習過程也是有結構的；同時，認知過程是逐層進行、逐步抽象的，人工智能不是純粹依賴于數學模型的產物，而是對人腦、人腦神經網絡及抽象認知和思維過程進行模擬的產物。應該說，到目前為止，深度學習是計算機和智能網絡最接近人腦的智能學習方法。近幾年來，深度學習進一步嘗試直接解決抽象認知的難題，并取得了突破性的進展，AlphaGo的問世，便是明證。2013年4月，《麻省理工學院技術評論》（MIT Technology Review ）雜志將深度學習列為2013年十大突破性技術之首。④深度學習引爆的這場革命，將人工智能帶上了一個新的臺階，不僅學術意義巨大，而且實用性很強，工業界也開始了大規模的投入，一大批產品將從中獲益。二十世紀八九十年代以來，隨著學習科學的不斷發展，深度學習的概念和思想不斷在教育中得到應用。
二、深度學習在教育中的興起與發展
來自腦科學、人工智能和學習科學領域的新成就，必然引起教育領域研究者的深刻反省。計算機、人工智能尚且能夠模擬人腦的深層結構和抽象認知，通過神經網絡的建立開展深度學習，那人對知識的學習過程究竟應該是怎樣的一個腦活動過程和學習過程？學生的學習有表層和深層等層次之分嗎？從作為符號的公共知識到作為個人意義的個人知識究竟是怎樣建立起來的？知識學習過程究竟是一個怎樣的抽象認知過程？信息技術環境支持下深層次的學習如何實現？近十多年來，這些問題引起了許多教育研究者特別是教育技術學研究者的濃厚興趣，深度學習、深度教學的研究日益引起人們的重視。也正是在辛頓的“深度學習”概念明確提出后，教育學領域特別是教育技術學領域的深度學習研究日益活躍起來。
其實，早在1956年布魯姆在《教育目標分類學》里關于“認知領域目標”的探討中，對認識目標的維度劃分就蘊含了深度學習的思想，即“學習有深淺層次之分”，將教學目標分為了解、理解、應用、分析、綜合、評價六個由淺入深的層次。⑤學習者的認知水平停留在知道或領會的層次則為淺層學習，涉及的是簡單提取、機械記憶符號表征或淺層了解邏輯背景等低階思維活動；而認知水平較高的深層理解、應用、分析、綜合和評價則涉及的是理性思辨、創造性思維、問題解決等相對復雜的高階思維活動，屬于深層學習。1976年，美國學者馬頓（Marton，F.）和薩爾約（Saljo，R.）在《論學習的本質區別：結果和過程》（On Qualitative Difference in Learning： Outcome and Process）一文中，明確提出了表層學習和深層學習的概念。⑥這被普遍認為是教育學領域首次明確提出深度學習的概念。他們在一項關于閱讀能力的實驗研究中，明確探討了閱讀學習的層次問題。通過讓學生閱讀文章并進行測驗，發現學生在閱讀的過程中運用了兩種截然不同的學習策略：一種是試圖記住文章的事實表達，揣測接下來的測試并記憶，即表層學習（Surface Learning）；另一種是試圖理解文章的中心思想和學術內涵，即深層學習（Deep Learning），也被譯為深度學習。深度學習的學習者追求知識的理解并且使已有的知識與特定教材的內容進行批判性互動，探尋知識的邏輯意義，使現有事實和所得出的結論建立聯系。淺層學習和深層學習在學習動機、投入程度、記憶方式、思維層次和遷移能力上有明顯的差異。深度學習是一種主動的、高投入的、理解記憶的、涉及高階思維并且學習結果遷移性強的學習狀態和學習過程。之后 ，拉姆斯登（Ramsden，1988）、英推施黛（Entwistle，1997）以及比格斯（Biggs，1999）等人發展了淺層學習和深度學習的相關理論。⑦隨著信息技術的發展，近十年來，國外學者對信息技術支持下的深度學習及其在各學科領域、各類教育中的應用研究日漸廣泛。
2002年以來，從技術支持高等教育的深度學習、虛擬環境中的深度學習、形成性評估對深度學習的影響、學習環境對學生進行深度學習的影響、技術支持下的深度學習設計等方面研究成果日益豐富，但絕大部分是基于教育技術學視野的研究成果。2006年，辛頓教授關于深度學習的成果發表，進一步推動了深度學習在教育中的研究與應用。近十年來，在中小學深度學習研究方面最有影響的當屬加拿大西盟菲莎大學（Simon Fraser University）艾根（Egan， K.）教授領銜的“深度學習”（Learning in Depth，簡稱LID）項目組所進行的研究，其成果集中體現在《深度學習：轉變學校教育的一個革新案例》（Learning in Depth： A Simple Innovation That Can Transform Schooling）等著述之中。⑧該研究探討了深度學習的基本原則與方法，分析了深度學習對學生成長、教師發展和學校革新的價值與路徑，并在加拿大部分中小學進行實驗研究。其核心成果聚焦課堂學習和教學問題，即使是關于教師教育中深度學習的研究，也聚焦于教師的學習過程和學習方式。⑨艾根所開展的深度學習研究項目超越了單一教育技術學視野的研究，不僅僅是關于教學設計、學習技術和學習環境開發的研究，而是基于建立新的學習觀和知識觀，對教學活動與學習過程作出了新的闡釋。
總體上看，國內關于深度學習的研究最近十年才剛剛起步。2005年，我國學者黎加厚教授在《促進學生深度學習》一文中，率先介紹了國外關于深度學習的研究成果，同時探討了深度學習的本質。他認為深度學習是指在理解學習的基礎上，學習者能夠批判性地學習新的思想和事實，并將它們融入原有的認知結構中，能夠在眾多思想間進行聯系，能夠將已有的知識遷移到新的情境中，作出決策和解決問題的學習。⑩此文被認為是國內較早介紹并論及深度學習的研究成果，此后，關于深度學習的探討，特別是基于信息技術環境下的深度學習的相關研究論文逐漸增加。2006年10月，筆者在前期研究的基礎上，與臺灣成功大學教育研究所所長李坤崇教授聯合發起“海峽兩岸能力生根計劃”，推進能力導向的深度教學的理論研究與實驗研究，主張以價值觀、知識觀、學習觀、過程觀的重建為基礎，以發展學生的學科能力為宗旨，實施深度教學，克服課堂教學改革過于注重教學程序、教學技術、教學時間的淺層次改革和表層學習的局限性，深化課堂教學改革。2014年后，中國教育科學院院長兼教育部課程教材研究與發展中心主任田慧生研究員基于深化課程改革的需要，帶領一個團隊開始啟動深度學習的項目研究。直至今日，基于核心素養追求背景下的深度學習研究項目，如雨后春筍般涌現，“深度學習”成為教育研究中的一個熱詞。
盡管計算機、人工智能領域與教育學領域都提出了“深度學習”概念，但不難看出二者顯然具有本質差異。計算機與人工智能領域的深度學習是建立在機器模擬人腦深層結構的基礎之上的，是基于人腦結構的一種計算機算法思維和問題解決模型，是對人腦和認知結構的模擬。而教育學領域的“深度學習”概念，無論是布魯姆還是馬頓和薩爾約，都指向了“知識”和“學習”兩個核心，是關于知識學習的目標和過程的問題。布魯姆在教育目標分類學認知領域的目標構設中，認為認知目標是由了解、理解、應用、分析、綜合、評價六個不斷加深的層次構成的。這一目標明顯是關于知識學習和認知過程的目標，在2001年修訂版中，這一目標被精確表述為知識學習和認知過程兩個維度。馬頓和薩爾約在關于閱讀的研究中，基于學生對文本理解的層次和理解的深度提出了“深度學習”的概念，并認為學習的本質區別在于過程而不是學習的結果，是學生對文本知識學習的深刻程度決定了其學習結果的差異性。
艾根的研究實現了從深度學習向深度教學的轉向。艾根的深度學習（Learning in Depth）研究更明確地指向了學生對知識的學習所到達的深度，以及教師通過對知識的處理引導學生逐步到達一定的學習深度。這一深度學習的過程是一個逐步深化的學習過程，要求教師在教學過程中引導學生著眼于知識的深層次理解和深度處理。該項研究表明，深度學習的研究開始從單一的學習技術研究轉向了對教學過程的關注，注重深度學習與深度教學的關聯性和一致性，深度學習的研究呈現出向深度學習與深度教學相結合的轉向。
三、深度學習的核心理念
從深度學習走向深度教學，一方面是教與學的一致性決定的，另一方面是當前中小學課堂教學普遍存在的局限性Q定的。教與學的關系既不是對立關系，也不是對應關系，而是一種具有相融性的一體化關系，離開了教無所謂學，離開了學也無所謂教。學生真正意義上的深度學習需要建立在教師深度教導、引導的基礎之上。從本質上看，教育學視野下的深度學習不同于人工智能視野下的深度學習，不是學生像機器一樣對人腦進行孤獨的模擬活動，而是學生在教師引導下，對知識進行的“層進式學習”和“沉浸式學習”。“層進”是指對知識內在結構的逐層深化的學習，“沉浸”是指對學習過程的深刻參與和學習投入。離開了教師的教學和引導，學生何以“沉浸”？因此，深度學習只有走向深度教學才更具有發展性的意義和價值。同時，我國新一輪基礎教育課程改革以來，課堂教學改革依然存在著諸多表層學習、表面學習和表演學習的局限性，“學習方式的轉變”往往演變成了教學形式的改變，諸如教與學在程序上的簡單翻轉和在時間上的粗暴分配。其所體現出來的知識觀、價值觀、教學觀、過程觀依然陳舊落后，以學科知識、學科能力、學科思想和學科經驗的融合為核心的學科素養依然未能得到實質性的滲透。
深度教學的“深度”是建立在完整而深刻地處理和理解知識的基礎之上的。艾根在深度學習的研究中，首次從知識論的角度，論述了深度學習的“深度”（Depth）的涵義。他認為“學習深度”具有三個基本標準，即知識學習的充分廣度（Sufficient Breadth）、知識學習的充分深度（Sufficient Depth）和知識學習的充分關聯度（Multi-Dimensional Richness and Ties）。這三個標準，也是深度學習的核心理念。
第一，知識學習的充分廣度。充分的廣度與知識產生的背景相關，與知識對人生成的意義相關，與個體經驗相關，也與學習者的學習情境相關。如果教學把知識從其賴以存在的背景、意義和經驗中剝離出來，成為純粹的符號，便成為無意義的符號、無根基的概念知識。知識具有強烈的依存性，無論是自然科學的知識還是社會科學或人文學科的知識，都是特定的社會背景、文化背景、歷史背景及其特定的思維方式的產物。離開了知識的自然背景、社會背景、邏輯背景，前人創造的知識對后人而言幾乎不具有可理解性。隨著深度學習的興起，旨在以廣度促進理解的“無邊界學習”日益引起人們的重視。可見，知識的充分廣度，其實是為理解提供多樣性的支架，為知識的意義達成創造了可能性和廣闊性基礎。
第二，知識學習的充分深度。知識的充分深度與知識所表達的內在思想、認知方式和具體的思維邏輯相關，深度學習把通過知識理解來建立認識方式，提升思維品質，特別是發展批判性思維作為核心目標。所以說，深度學習是一種反思性學習，是注重批判性思維品質培養的學習，同時也是一種沉浸式、層進式的學習。深度學習強調學習過程是從符號理解、符號解碼到意義建構的認知過程，這一過程是逐層深化的。
第三，知R學習的充分關聯度。知識的充分關聯度，是指知識學習指向與多維度地理解知識的豐富內涵及其與文化、想象、經驗的內在聯系。知識學習不是單一的符號學習，而是對知識所承載的文化精神的學習。同時，通過與學生的想象、情感的緊密聯系，達到對知識的意義建構。從廣度，到深度，再到關聯度，學生認知的過程是逐層深化的。所謂意義建構，即從公共知識到個人知識的建立過程，都需要建立在知識學習的深度和關聯度之上。
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余凱等.深度學習的昨天、今天和明天[J].計算機研究與發展，2013，9.
⑤安德森.布盧姆教育目標分類學（修訂版）[M]. 北京：外語教學與研究出版社，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.促進深度學習的課堂教學策略研究[J].課程?教材?教法，2014，11.
⑧Kieran Egan. Learning in Depth： A Simple Innovation That Can Transform Schooling. London， Ontario： The Althouse Press， 2010.
[關鍵詞]互聯網金融；高等金融教育；SWOT；教學改革
[中圖分類號] G642 [文獻標識碼] A [文章編號] 2095-3437（2017）10-0008-03
2013年以來，互聯網金融快速崛起并深刻影響著金融學子的學習生活、社會實踐和思維觀念。一系列互聯網金融的新概念進入高等金融教育的視線：“大數據”、“云計算”、“社會征信”、“共享經濟”、“數字貨幣”、“機器學習”、“人工智能”等，讓金融專業的師生既興奮又備感壓力。互聯網金融相對于傳統金融的思維觀念已經改變，經濟和金融明顯可分的界限被打破。當前，互聯網“經濟”、互聯網“金融”和互聯網下的“大數據”高度融合，渾然一體，不可分割。一切資金支付活動均通過移動終端進行，幾乎不需要現實貨幣參與，點對點的資金流動使得“金融脫媒”趨勢來得異常凜冽，基于大數據的分析解決了信息不對稱的難題。受此影響，復合型人才和跨界發展不再是空洞的口號，傳統金融教育的專才培養模式不再可行。互聯網金融是新生事物，其實踐遠遠走在了當前高等金融教育的前面，對傳統高等金融教育產生強烈沖擊，但也帶來了變革和發展的機遇。因此，強化對互聯網金融教育的研究，通過互聯網金融思維重塑和再造高等金融教育勢在必行。
一、互聯網金融的優勢和特點
（一）大數據優勢
互聯網金融首先是從“草根金融”興起的，在民間金融“野蠻生長”和“亂象叢生”的時代中逐漸走向成熟，對傳統正規金融形成強大壓力。實際上，歷史上非正規金融發展緩慢的根源在于一系列困境的桎梏：信息不對稱導致嚴重的逆向選擇和道德風險、社會征信缺失、無足值抵押等。互聯網金融的出現，較好克服了這些頑疾，信息不對稱可以依靠大數據技術有效緩解，移動終端的廣泛使用結合人工智能使社會征信和債務催收都不再成為問題，在此基礎上進一步催生了眾籌、共享經濟等變革創業方式、生活方式的全新業態。
（二）人工智能優勢
與傳統金融相比，人工智能效率高，錯誤率低，模型不斷進行自主訓練和優化，大大提高了適應性，在量化投資、決策咨詢和風險控制等方面逐步取得優勢。人工智能的核心是機器學習，互聯網金融下每日新增的海量用戶數據，以及公司之間的數據共享使得感知機、決策樹、隨機森林、支持向量機、Logistic回歸、BP神經網絡等一系列機器學習的核心算法和模型不斷“學習成長”，在實踐中取代了傳統基于人工授信、核查和對客戶分類的工作模式。在不遠的將來，這種開放、大維度、多渠道的人工智能下的“智能”金融，必然取得對銀行依賴中央銀行建立的封閉客戶數據系統的優勢。
（三）“互聯網+”的后發優勢
“互聯網+”是一種全新的思維，智能化、去中心化、脫媒化、信息化以及便捷快速的推廣模式催生了各類體量巨大的新興業態，作為這些業態的基礎和共同體，互聯網金融擁有顯著的后發優勢，領先于傳統產業成為近年創新創業的最大落腳點。
（四）規模優勢
2008年以來，互聯網金融的交易規模迅速擴大，經營上的規模優勢日益明顯，各項交易成本明顯下降。與傳統金融業態不同，互聯網金融由一系列的產業鏈構成：征信、借貸、催收和服務等環節可分散于不同的公司，在業務模式上可以靈活分散也可有效整合，每一環節聚焦其優勢業務，可將規模優勢帶來的低成本優勢發揮到極致。
（五）雙創優勢
2013年以來，互聯網金融的交易成本低，可有效緩解信息不對稱問題，交易效率高等的優勢愈發明顯，不斷與其他行業形成跨界融合發展，催生創新，推動創業，極具雙創優勢。一是依托互聯網的移動支付業務的快速發展，不僅遠程支付場景不斷完善，近場支付也在爆發；二是支付產業鏈的受理端及其延伸的綜合金融增值服務——海量支付數據以及數據驅動的增值服務，為互聯網金融企業帶來了新的發展；三是區塊鏈技術的融合運用引爆了“跨境支付”的探索熱潮；四是在P2P等典型的互聯網金融業務模式上，從以往只提供信息中介服務平臺的模式創新發展出了引導P2P平臺與擔保機構合作、整合線上與線下服務以及增加債權轉讓等服務的新型模式；五是利用大數據、云計算和人工智能等技術幫助互聯網金融公司開展客戶的理財或量化投資業務；六是基于互聯網的共享經濟大大便利了人們的生活體驗和觀念。
二、當前高校金融教育應對互聯網金融沖擊的SWOT分析
表1是高校金融教育應對互聯網金融沖擊的SWOT分析矩陣，在理論和實踐兩個層面為當前高校金融教育如何應對互聯網金融的影響提供了分析思路和依據。
（一）優勢
首先，傳統金融教育具有雄厚的人才基礎和優勢。自20世紀80年代我國建立高等金融教育事業以來，到目前為止高等金融教育已取得質的突破，金融專業的品牌認可、高考招分、學生素質、國際化程度、畢業后的薪資水平、社會評價等各項指標均處于各行業的前列。同時，國內金融領域在國際一流期刊發表的論文數量也在整個社會科學領域處于領先地位。其次，當前高校金融專業的培養方案和課程設置一般采取模塊化搭建的思路，從公共基礎、學科基礎、專業培養、素質教育和實踐實習等方面進行模塊化管理，具有良好的可拓展性，互聯網金融的相關課程可根據不同專業需要，進行優化組合，體現功能性。第三，互聯網經濟和互聯網金融給高校師生帶來了良好體驗和觀感，高校師生有充分的積極性迎接新專業的建設和發展。
（二）劣勢
傳統金融教育是單一化的金融專才培養模式，一般分為貨幣經濟、金融市場、投資、金融工程、銀行經營與管理、公司金融、家庭金融等方向，注重對貨幣、投資、資產定價、股票、債券和財務等“純金融”知識的講授，對大數據、人工智能和機器學習等涉及計算機與統計學習等跨領域的知識鮮有涉及。在互聯網金融的沖擊到來之后，我們發現業界需要復合型的跨界人才，單一聚焦金融領域的教學思維和模式開始變得落后和陳舊，金融教育需要“混業發展”。另一方面，教材建設相對滯后。目前，比較缺乏互聯網金融的專業教材：一是自編教材的質量令人擔憂；二是優秀的互聯網金融的國外教材引用較少；三是互聯網金融跟風開設課程的現象比較突出，沒有因地適宜，教學內容和難度都過猶不及，影響了教學效果。 （三）機遇
互聯網金融是朝陽產業，帶來了巨大的發展機遇。當前，互聯網金融行業的人才極度缺乏，不得不采取“挖墻腳”的無奈之舉，導致銀行業人才流失嚴重。限于人才奇缺，互聯網金融目前的進入門檻較低，人員素質和水平良莠不齊，原因在于高校對互聯網金融人才的培養處于摸索階段，傳統金融教育畢業的學生青睞于在正規金融行業就業，對以民營企業為主的互聯網金融行業心存疑慮甚至偏見，人才供給嚴重不足。顯然，傳統金融教育向互聯網金融教育轉型發展的機遇巨大。不僅如此，互聯網金融還在科研立項、論文選題、學生的實習實踐、就業創業、高校金融教育的學科點申報、專業建設和師資培養等方面開拓了廣闊空間，前景可期。另一方面，相對于傳統的金融業而言，互聯網金融是典型的跨界金融，從一開始就在進行業務模式的細分和產品之間進行內部整合。互聯網金融也正在逐步通過用戶、大數據和場景的互動來實現對銀行、證券、保險、基金和資產管理等傳統金融機構進行強有力的整合運作。互聯網金融的跨界整合實現了不同行業功能的有機結合，推動了我國區域經濟在空間和深度上的拓展。互聯網金融需要既懂得信息技術又懂得金融業務、營銷和管理知識的跨界復合型人才，這就對高等金融教育提出了更高的要求。但是從高等金融教育實踐來看，金融、計算機及營銷和管理類專業的教育還是各自為政，獨立培養，忽略了跨界知識的構建，導致學生難以適應社會對復合型人才的需求。
（四）挑戰
首先，傳統金融教育“分業培養”的理念和當前互聯網金融“混業發展”的現實需求嚴重沖突，需要解決“并軌”發展問題。其次，傳統高等金融教育的課程設置和培養體系相對成熟，然而，互聯網金融的實踐遠遠走到了學校教育的前面。再次，互聯網金融教育強調“長尾性”。與傳統金融的“二八定律”正好相反，互聯網金融的優勢在于服務80%的小微客戶，推廣的是普惠金融的理念。但在傳統金融教育中關于普惠金融、微型金融的相關課程幾乎從不開設。消除“教育偏見”達到在正規金融和非正規金融之間的教育平衡，更加注重“長尾性”仍然任重道遠。
三、結語
高等金融教育承擔著為金融行業輸送急需人才的重任，也是社會和家長的關切所在。互聯網金融是未來金融行業的制高點，需要高校金融教育培養復合型人才，要求他們具備金融學知識，理解金融業務的原理，掌握信息化技術并能對大數據進行分析，還要具有一定的營銷和管理能力。因此，主要的啟示有如下幾點：（1）注重學科交叉，優化課程設置，培養復合型人才。（2）加強師資建設，促進傳統金融教育向互聯網金融轉型發展。（3）加強互聯網金融的“產學研”的合作，樹立“干中學”的務實求真精神。對此，高校金融教育是有優勢的，要秉持開放理念加強彼此合作，使研究向應用轉化。（4）加強對大數據和人工智能的關注，引入相關課程。此外，在互聯網金融風險高發的背景下，高等金融教育也要積極承擔社會責任，適時向社會進行互聯網金融知識的推廣和普及，提高民眾規避風險的能力，達到普及金融教育的目的。
[ 參 考 文 獻 ]
[1] 劉小銘.淺析互聯網金融現狀及風險[J].經營管理者，2016（23）：313.
[2] 楊竹清，張超林.互聯網金融對我國高等教育金融的啟示[J].金融教育研究，2016（5）：82-88.
[3] 劉源.論技術經濟學課程的分階段培養模式[J].中國市場，2016（48）：167-169.
[4] 謝水園.企業的業務骨干參與大學課堂教學常態化研究——以《國際貿易實務》為例[J].亞太教育，2016（30）：89.
[5] 謝水園.論外貿通關實務課程中多種教學方式的運用[J]. 中國市場，2014（22）：149-150.
[6] 胡燁丹，潘錫泉.互聯網金融語境下的金融職業教育模式創新[J].中國職業技術教育，2015（34）：93-95.
[7] 劉變葉.互聯網時代金融學專業人才培養面臨的挑戰及應對措施[J].工業和信息化教育，2015（5）：1-5.
關鍵詞：數據挖掘技術 數據處理技術 信息化管理 數據挖掘過程
中圖分類號：TP311.31 文獻標識碼：A 文章編號：1007-9416(2011)12-0210-01
數據挖掘(Data Mining)的概念，是伴隨著數據庫和人工智能這兩門技術一同發展起來的新興的數據處理技術。它利用了數據庫、人工智能和數理統計等多方面的技術，是一類深層次的數據分析方法。
1、數據挖掘
數據挖掘，就是從大量的、離散的實際數據中，經過提取、轉換、分析等處理技術，提取出隱含的、事先無法預測的、但又潛在有用的、有助于決策的關鍵性的數據，幫助決策者分析歷史數據以及當前現有的數據，從中發現隱含的關系或模式，進而預測出未來可能發生的行為。數據挖掘是一門涉及很廣的交叉性的新興學科，涉及到數據庫、人工智能、可視化、并行計算等領域，因此應用范圍也非常廣泛。
2、數據挖掘技術
數據挖掘技術是人們長期以來對數據庫技術進行研究和開發而得出的結果，其中數據挖掘與數據倉庫技術的發展有著密切的關系。大部分情況下，數據挖掘都要先把數據從數據倉庫中拿到數據挖掘庫中，數據倉庫會對數據進行清理，并解決數據的不一致問題，這給數據挖掘帶來很多好處。由于數據挖掘所發現的知識的不同，其所利用的技術也有所不同，數據庫、人工智能和數理統計就是數據挖掘技術的三大支柱。
3、數據挖掘的過程
數據挖掘的基本過程包括：數據收集和準備、數據整理、數據挖掘與分析、結果評估、分析決策等，數據挖掘的各過程不是線性的,不是一次就能完成的，而且是反復循環的，其中某些步驟或者全過程可能需要多次的循環反復，才有可能達到預期的效果，因此, 要充分分析歷史數據和現有數據, 從而發現隱藏在其中的具有決策作用的有價值信息。
數據挖掘的過程按照工作流程可以包括以下幾個步驟：
3.1 數據收集和準備階段
豐富的大量的數據是數據挖掘的前提，沒有數據，數據挖掘也就無從談起，因此，數據收集是數據挖掘的首要步驟。收集的數據可以來自于現有的數據處理系統，也可以從數據倉庫中得到。存儲在數據庫系統中的數據是經過長期積累而得到的，這些數據往往不適合直接使用和處理，那么在開始進行數據挖掘之前，需要對數據做準備工作，首先要消除噪聲或不符合要求的數據，這些操作一般包括數據的選擇、凈化、轉換、數據縮減等才能進行處理，廣泛收集用戶的各種信息，建立數據庫與數據表，生成數據倉庫，為數據挖掘做準備。
數據準備過程是否做好，將會影響到數據挖掘的效率和準確度，最終會影響到數據結果或模式的有效性。
3.2 數據整理和挖掘階段
數據整理階段是數據挖掘的必要環節，數據挖掘階段通過匯總或聚集方法將數據轉換或統一成適合進行數據挖掘的形式，可以利用各種數據挖掘方法對數據進行分析，選擇某個適當的數據挖掘算法用于搜索數據中的模式，挖掘用戶所需要的各種規則或模型等，為結果數據的分析做準備。
3.3 結果的分析和同化階段
由前面兩個階段得到的模式模型或數據，里面也可以存在對實際應用沒有意義或沒有使用價值的數據，因此對這些數據仍然需要評估，確定哪些是有效的數據、哪些是有用的模式，這樣對已經發現的規則或模型等信息進行評估，可以保證發現的模式或數據滿足有效性和正確性，決策者則根據數據挖掘得出的結果進行分析和評價，結合實際情況，調整相應策略，并將挖掘結果以可視化的形式展現在用戶面前，最終成為能夠被用戶所理解和接受的知識。
4、數據挖掘在高職院校信息化管理中的應用
教育同信息是密不可分的，因為教育從根本上來講就是信息資源的傳遞、接收、加工和識別。隨著科學技術的進步、社會文明的發展，以計算機多媒體和網絡通訊為基礎的現代化信息技術在教育中的應用越來越廣泛。
隨著信息化進程的推進,高校各種數據庫中已積累了大量數據,這些數據可以滿足人們的查詢、檢索、統計等日常事務處理的需要，在該過程中，數據挖掘技術將起到重要作用。運用數據挖掘技術對大量數據進行處理和分析，挖掘出有價值的信息,快速地對數據的發展方向做出判斷，有效提高了工作效率。例如通過數據挖掘技術可以進行新專業申報、課程優化設置、預測學生就業情況、評估學生的學習成績以及學生的綜合素質等。
數據挖掘技術在高職院校信息化管理中的應用還是一個很新的思路，從學生的報考志愿到學生的錄取，從學生的入學到學生的成績管理，從學生的生活到學生的學習，從學生的實習到學生的就業，這些涉及到數不勝數的數據，而這些數據目前在高職院校的信息化管理中很少有被連貫起來進行管理的，這對于高職院校的信息化管理是非常不利的。
如果能將數據挖掘技術用在高職院校的信息化管理上，對于高職院校的決策者來說是非常有利的，比如用在學生的就業信息管理上，可以得到專業設置的參考數據，從學生的報考志愿的數據中可以得到將來就業的發展方向等。
高職院校的教學管理工作常常需要處理大量重要數據，如果將數據挖掘中的關聯分析、分類與預測、類聚、決策樹等技術應用于在教學信息中，則可以幫助處理學生綜合素質測評、教師測評、課程合理設置和教學方法選擇、試卷評閱和試題質量的評價等大數據量工作，從而提高教學與管理工作的質量和效率。
5、結語
數據挖掘技術在高職院校信息化管理中應用，對高職院校信息化管理非常有利，通過數據挖掘技術可以獲得對決策者或管理者有價值、有決策作用的信息。因此, 采用科學有效的數據挖掘技術對提高高職院校信息管理的智能化水平具有重要作用，需要教育者及相關人士對此進行更深一步的研究。