时间：2023-08-17 17:41:59
引言：易发表网凭借丰富的文秘实践，为您精心挑选了九篇人工智能教学设计案例范例。如需获取更多原创内容，可随时联系我们的客服老师。
基于4MAT系统模式案例设计
4MAT系统模式又称为自然学习模式，它是由美国“学习公司”总裁麦卡锡博士在1979年创立的一个新型有效的学习框架。该模式将学习风格与脑科学研究结合起来，并根据人们感知和处理信息的方式，形成一种独特的、顺应个性学习需求的教学模式。图1为学习者以4MAT学习的一个简单实例。
第一阶段，Johnny看到他的哥哥们是骑自行车去学校。他注意看他们是怎样骑自行车的，骑自行车看上去很容易；第二阶段，他请他的哥哥们（骑自行车的专家）展示他是怎样骑自行车的；第三阶段，Johnny骑上自行车，并尝试骑行，他发现骑自行车并不像看上去那么容易；第四阶段，他调整了自己，回过来再次尝试骑自行车。在上述学习过程中，学习者的大脑经历观察反映、抽象假设、行动试验、形成具体经验四个阶段，即4MAT模式的四个象限，整个学习过程组成一个循环圆圈。
4MAT模式以关注学习者为出发点，结合左右脑的不同特点，将教学分解为八个环节（如图2所示），可较好地为学习者提供有意义的学习内容，学生有足够的练习机会，且可“灵活调整”学习内容，并在这一过程中发掘所学在生活中的应用价值。高中信息技术课程内容大致可分为“动手做、如何做、为何做及做了何”四个方面，与4MAT模式四个象限的特点较切合。现以高中信息技术必修模块中“信息的加工与表达――用智能工具处理信息”为主题，进行4MAT模式教学环节设计。
1.本课时教学目标。人工智能研究处于信息技术发展的前沿，它的研究、应用和发展在一定程度上决定着计算机技术的发展方向。高中人工智能课程目标的基本点定位在了解和体验上，让学生了解信息技术发展的前沿，体验若干典型人工智能技术的应用，感受人工智能对学习和生活的影响，激发对信息技术未来的追求。
2.本课时教学任务。《信息加工与表达》课程标准对应要求：通过部分智能信息处理工具软件的使用，体验其基本工作过程，了解其实际应用价值。通过课堂讨论、观看媒体资料、网络搜索、操作实践、学习教材等手段，学生能够：①了解人工智能技术的含义及智能工具的应用范围；②列举人工智能技术在社会、生活中的应用实例；③按功能对常见的智能应用进行分类；④在操作实践活动中，了解智能工具的基本工作原理及其应用价值；⑤树立辩证思想，客观看待人工智能技术对社会的影响，培养正确的信息技术运用观。
3.本课时教学内容：①人工智能、模式识别、自然语言理解、机器翻译；②智能工具的应用范围；③常见智能工具的操作（“小灵鼠”软件、OCR软件、在线翻译软件、机器人小I等）；④人工智能对人类生活、社会的影响及存在问题。
4.本课时教学安排见图3。
①联系，即让学习者将学习内容与相关生活经验建立联系。设计活动来表明人工智能就在我们身边以及它与信息技术学科前沿研究的联系。活动内容：以小组为单位研讨我们身边的人工智能应用例子。通过讨论，说明人工智能对人类生活、社会的影响。这个讨论有助于让学生将身边的经验与学习内容联系起来。教师提供自主学习资源网站，引导并帮助学生联系各人的经历了解人工智能的应用范围；通过让学生观看相关应用视频，让他们获得直观的感性认识。
②注意，即让学生注意个人体验以及与其他同学的经验分享。分析经验，小组讨论并将经验绘制成图表。分小组分享经验并用概念图示描述人工智能的含义。
③想象，即在向学生传授呈现概念时，让学生先将自己的理解描述出来。整合经验：在学习日记中描述人工智能对你及社会生活环境的影响。每个学生要在自己的日志中说明某一人工智能应用如何对个人生活和环境造成影响。
④告知，即由教师告知内行知识，学生接受内容并进行研究。学习内容：教师通过演示文稿介绍图灵测试及人工智能小故事，帮助学生了解人工智能含义。教师带领全班学生利用前面活动中获得的信息，创建人工智能思维导图，其中要包括人工智能含义、应用领域及它对人类社会产生的正面及负面影响。学生通过看视频、听讲、课堂讨论及小组研究等学习形式学习新知识。思维导图会逐渐发展为一个动态的图示。学生可随时添加其他信息和实例。比如，随着对人工智能技术的深入了解，其他内容也可以被添加到思维导图中，在不断形成的过程中，学生将学会如何有条理地收集信息。
⑤练习，即让学生通过练习来学习，以达到对知识、技能的熟练掌握。实践拼接活动：以“它”怎样看、“它”如何懂两组活动，制作设计新的思维导图。归纳智能工具的工作原理和存在的不足。各小组通过实践操作智能工具，分享有关知识和体验，以思维导图的形式描述模式识别及自然语言理解的工作原理并提出技术改进建议。教师在整个过程中对学生的表现给予反馈和建议。
⑥延伸，即是学生创新的开始，学生对所学的灵活调整，迁移运用。设计“人工智能会取代人类吗”游戏中要用的问题。在课堂内外以学习小组的形式开展活动收集更多信息。每个小组根据他们了解的情况设计10个问题，在“人工智能会取代人类吗”游戏中使用。比如，未来你心中的人工智能是什么样、机器人具有真正的智能吗、未来的智能工具将具备怎样的功能，等等。
⑦提炼，即学生进行自我适应、调整、修改和评价其学习是否适当。学生复习课堂记录、个人日志、实践体验、互联网上学习到的内容等，小组完成研究报告，为最后阶段做准备。
⑧展现，即让学生表现自己。帮助学生将所学与更广泛的知识联系起来。设计一个总结主要观点的演示文稿（用例子和视觉画面对人工智能应用作出说明）。为学校设计一个普及人工智能知识的网站。撰写一份“智能工具应用启示”的研究的可行性报告，并设计完成一个未来智能工具或提出一个智能应用的想法。
基于Feden-Vogel教学模式的案例设计
普莱斯顿・D・费德恩，罗伯特・M・沃格尔结合信息加工论，在4MAT系统及教师实践经验的基础上，提出了Feden-Vogel教学设计模式。该模式包含三个不同的工具：计划组织图、教学计划模板、教案格式。其教学分五个步骤进行设计：步骤一，引起学生注意并激活先前知识；步骤二，教授陈述性知识，不仅包含课时内容，还应涉及一些核心概念等；步骤三，给学生提供足够的时间和实践机会，形成程序性知识；步骤四，让学生运用所学知识解决不同问题，帮助他们以新的或不同的方式运用所学；步骤五，结束当前教学并启发学生关注知识和连续性，过渡到下一教学主题。在Feden-Vogel模式中，是从步骤二开始教学设计（即在课程目标与学习标准中让学生学习的陈述性知识），教学实施从步骤一开始。现仍以高中信息技术必修模块中“信息加工与表达”为主题，进行Feden-Vogel模式教学设计，课时教学目标与上例同。
1.《用智能工具处理信息》Feden-Vogel计划组织图（见图4）。
2.《用智能工具处理信息》Feden-Vogel教学五步骤设计。
步骤一，呈现先行组织图，让学生回顾先前的知识，提问前面几类信息加工与表达的特征及应用价值。这个练习可以让学生准备好学习下一个主题，即用智能工具处理信息。让学生联系和此问题相关的现实生活情境：如果你在写一份研究报告时，需要一本资料书上的三页内容，或者你想通过录音将你说的话转化成文字时，你将采用什么办法来完成？向学生提出这个问题，让他们设想解决的方案。通过这个问题可以将情境与新主题联系在一起。为了帮助学生解决此问题，可展示触屏手机手写输入信息的过程，让学生上网搜索相关资料。同时为学生提供多种体验工具软件（“小灵鼠”软件、OCR软件，语音识别软件等）。
步骤二，播放有关我们身边人工智能应用的视频，让学生上网查找人工智能应用领域及实例。介绍图灵测试，向学生提问，人工智能的含义是什么？学生建立人工智能概念图，并添加智能应用领域及实例。
步骤三，将学生异质分组，提出小组体验计划。当学生制定好计划后，就可以开始试着用智能处理工具（模式识别）进行操作实践。等他们完成体验后提问学生：识别的准确率高吗？影响识别率高低的主客观因素有哪些？接下来，引导学生思考分析模式识别工具处理信息的工作原理，引导他们针对体验中存在的问题提出改进建议。在建立模式识别思维导图过程中，通过提问学生生活中或未来还有哪些信息可以通过模式识别来处理，进一步加深学生对相关内容的了解。
步骤四，让全班一起讨论在进行模式识别智能工具体验中的感受。教师使用提问策略来帮助他们进入下一人工智能应用领域：自然语言理解。比如，可以问学生是否能通过工具将一段中文诗词翻译成其他语言，或者和机器人聊天时应该怎样设计智能处理工具。学生讨论，形成小组设计报告，并通过上网查找出相关工具软件名称。学生选择教师提供的工具软件进行体验操作，总结出其工作原理及存在的问题。
关键词：ICAI；系统模型；教学策略；综合集成方法论MSM；现代教育技术
中图分类号：G250.73 文献标识码：B 文章编号：1673-8454(2012)01-0030-04
计算机辅助教学（Computer Aided Instruction，简称CAI）是利用计算机来模拟教师的行为，通过学生与计算机之间的交互活动来达到教学的目的。即在计算机辅助下进行的各种教学活动，主要是以对话方式和学生讨论教学内容、安排教学进程、进行教学训练的方法与技术。CAI为学生提供一个个人化的学习环境，综合应用多媒体、知识库等计算机技术，这是传统CAI的主要应用方式。
在没有智能系统支持的情况下，传统CAI尽管可能具有良好的教学材料模型，但它往往仅借助于计算机来展示教学内容，并不能很好地根据它所教学生的学习特征，以不同的教学策略和教学方法来教授；只是盲目地传授知识给学生，如果某个学生不能接受提供的教学策略，系统没有为这个学生提供可供选择的另外的教学策略。目前使用的绝大多数CAI是将全部教学信息以编程方式预置于课件中，这样的CAI课件一旦制作完成，很难对课件进行更新和维护，尤其是在这样的CAI系统中，学生的学习仍然处于被动状态，即完全受计算机控制。
一、智能化计算机辅助教学概念
现代教育技术的日益发展以及与其他领先技术的结合，必然促使计算机辅助教学CAI的进一步发展。人工智能技术应用于CAI产生的基于网络环境的智能化CAI，就是现代信息化社会发展的产物，并在教育教学领域中有很好的发展前景。
人工智能是计算机科学的一个分支，它的目标是构造能表现出一定智能行为的，目的就是让计算机这台机器能够像人一样思考。人工智能的研究更多地是结合具体领域进行的，主要研究领域有专家系统、机器学习、模式识别、博弈、智能决定支持系统、人工神经网络等等。人工智能技术与专家系统的成就，促使人们把问题求解、知识表示这些技术引入CAI，并借助于网络环境来实施，这便是智能型计算机辅助教学。
智能计算机辅助教学ICAI（Intelligence Computer Assisted Instruction）属于人工智能的一个分支，是以认知科学和思维科学为理论基础，综合人工智能技术，教育心理学等多门学科的知识对学生实施教育的一门新的教育技术。ICAI通过研究人类学习思维的特征和过程，探索学习知识的模式，利用信息化网络环境使学生获得个别化自适应性学习的获取知识方法，从而使学生的学习更有针对性，更有效。
ICAI依靠人工智能技术的进步，主要应在因材施教方面取得进展。其主要特点是:
（1）能自动生成适合学习者程度的学习内容。
（2）能根据学生的不同认知水平与学习风格选择教学策略和教学方法。
（3）能评价学生的学习结果，并不断地在教学中改善教学策略。
二、智能化计算机辅助教学研究现状
现阶段，在一些发达国家，如美国、日本、加拿大、英国、法国、澳大利亚等，CAI已经普遍存在于学校和家庭中，正起着越来越大的作用。而ICAI的研究还处于初始阶段。目前国内在这一领域的研究主要集中在CAI和ICAI的优缺点比较，ICAI的理论来源、系统特征、模块建设、发展趋势等基础理论知识的研究，基于相关课程或学科的实践研究还比较少见。智能教学系统的设计和开发是一项复杂的系统工程，由于需要考虑的因素较多，系统比较庞大，同时也依赖于人工智能等技术的发展,因而要建立完善的ICAI还是比较困难的。[1]因此ICAI有很大的理论和实践发展空间。
完善的ICAI系统需能够充分调动学生的主动性，并能通过分析推理，对某具体学生做出适合的教学决策。使学生获得个别化自适应性学习的学习方法，达到因材施教的目的。人工智能技术的发展必将会对ICAI的发展起到巨大的推动作用。随着计算机科学的发展，21世纪的教育教学辅助手段将是以ICAI为主线，多学科、多方位发展的新技术的体现，越来越多的教育工作者会从更多的视角审视ICAI，并从事ICAI的研究。相信ICAI将会在现代教育领域中有更广泛的应用。
“现代教育技术”既是教育技术专业的必修课程，也是大中专院校广泛设置的选修课程，适用范围非常广泛。本文以《现代教育技术》这门课程为主要研究对象，来研究智能化教学系统设计在具体实践中的应用。
三、ICAI决策系统的理论依据
1.综合集成理论
教育是以人为主体参与的活动，而人本身就是一个复杂巨系统，因此以这种大量的复杂巨系统为子系统组成的系统――教育系统，是一个复杂巨系统。依据系统与其环境是否有物质、能量和信息的交换，将系统划分为开放系统和封闭系统来看，学生的学习受到教师、同学、家庭及社会等因素的影响，所以教育系统是一个开放的复杂巨系统。
钱学森的理论和实践研究表明：现在能用的、惟一能有效处理开放的复杂巨系统的方法，就是定性定量相结合的综合集成方法论。综合集成方法论（Meta-synthesis Methodology MSM）是方法论上的创新，它是研究复杂巨系统和复杂性问题的方法论。[2]定性定量相结合的综合集成方法是将专家群体(各种有关的专家)、数据和各种信息与计算机技术有机结合起来，把各种学科的科学理论和人的经验知识结合起来，发挥这个系统的整体优势和综合优势。[3]它把人的经验、知识、智慧以及各种情况、资料和信息系统集成起来，从多方面定性认识上升到定量认识，从而达到解决复杂系统问题的目的。在解决问题的过程中，专家群体和专家的经验知识起着重要的作用。
教学系统设计是一个复杂的系统，它是由教育系统的复杂性决定的。教育系统具有复杂系统的基本特点，它在结构与功能上表现为规模大、相关因素多且相关方式复杂、目标多样等；在运动上表现为随机性、非线性等。用一般的理论方法无法全面合理地解决这一不良结构的问题，本研究尝试用综合集成方法论来指导、分析教学设计智能化过程。因此，运用综合集成理论的方法来研究教学设计系统，探讨具体科目的教学设计在设计过程中遇到的复杂性问题，进而构建科学合理的教学设计系统，具有重要的理论和实践价值。
2.教学设计理论
本文采用“双主”教学模式作为ICAI的教学设计的理论基础。“双主”教学模式既能发挥教师的主导作用又能充分发挥学习者认知主体作用，是在教师主导下的课堂中能让学习者参与进来共同学习的一种教学模式。
基于“双主”的教学模式，要求根据学习者的特征、学习内容、学习策略、学习目标等多种因素的不同情况研究它们的结合方式，以使系统达到理想的教学效果。
基于网络环境的ICAI相对于传统的CAI来说，充分体现了“双主”的教学模式。ICAI中有专门分析学习者学习方式和认知水平的学生模型，有专门为不同的学习内容选择不同的学习策略的策略库模型（也称为教师模型），有评价学习效果并反馈给系统的评价模型。学生模型是对学习者的学习特征进行分析，包括学习者的学习风格、认知水平。策略库模型包含有丰富教学策略和有一个智能推理机，能根据学生模型的信息和学习目标为学习者选择合适的学习策略，指导学习者学习。
3.建构主义学习理论
当代建构主义者主张，世界是客观存在的，但是对于世界的理解和赋予意义却是由每个人自己决定的。建构主义者认为学习者要以自己的经验为基础来建构现实，或者至少说是在解释现实，每个人的经验世界是用自己的头脑创建的。
学习过程同时包含两方面的建构：一方面是对新知识意义的建构，同时又包含对原有经验的改造和重组。建构主义者强调学习者在学习过程中能够灵活地建构起用于指导实践活动的图式，这种图式是对概念的丰富理解，依据个人经验背景的不同而不同。
教学应当把学习者原有的知识经验作为新知识的生长点，引导学习者从原有的知识经验中，生长新的知识经验。教学不是知识的传递，而是知识的处理和转换。
ICAI伴随着这种理论的发展而发展，它注重的是由学习者来控制学习过程，重视学习内容的知识结构和学习情境，让学习者主动构建对自己有意义的知识的活动。基于网络环境的ICAI积极地为学习者创设学习情境，帮助学习者用他们已有的知识去建构、生成、整合新的知识。
4.教学处方理论
“教学处方理论”是郑永柏博士于1998年提出的一种新型适合于信息化教学设计的理论，他通过对教学系统设计理论和计算机辅助教学设计方面的研究，建构了一种新型的教学系统设计理论――教学处方理论。该理论主要包括：六个基本概念、一个理论框架、三条基本原理和两个关于教学设计的知识库。[4]
该理论指出教学处方可以看作是教学设计者(有时可以看作是教师)依据系统分析后使用的各种教学模式、教学方法和教学内容处理模式的组合；说明了在特定教学条件下对特定教学结果的教学，以不同的学习理论和教学理论为指导将会采用不同的教学方法，即教学处方，这也是本研究的核心内容，是该系统设计的指导理论。“教学处方理论”具有更好的包容性、开放性，能够吸收和容纳丰富的学习和教学研究成果。
四、ICAI系统的模块结构
1.前端分析模块：认知能力、学习动机、认知风格
前端分析是美国学者哈利斯（Harless，J．）在1968年提出的一个概念，指的是在教学设计过程开始的时候，先分析若干直接影响教学设计但又不属于具体设计事项的问题，本文主要指认知能力、学习动机和认知风格方面的分析。前端分析模块主要是建立相应的学生特征类型的数据库。
认知能力的测量采用认记、理解、应用、分析、综合、评价六个维度，每个维度有“优、良、中、差”四个选项。通过数据分析找出学习者的现状和期望之间的差距，确定需要解决的问题是什么，并确定问题的性质，形成不同层次的教学设计项目的目标。
学习风格和学习动机通过专门的量表来收集数据。
2.内容分析模块
教学内容分析就是在确定好总教学目标的前提下，借助归类分析法、图解分析法、层级分析法、信息加工分析法等方法，分析学习者要实现总的教学目标，需要掌握哪些知识、技能或形成什么态度。通过对教学内容的处理，确定学习者所需学习内容的范围和深度，确定内容各组成部分之间的关系，为以后教学顺序的安排奠定好基础。
对教学内容的处理主要包括：教学内容的选择、教学内容的编排、确定单元目标及对内容进行初步评价、分析教学内容类别及性质等四个基本方面。在构建规定性教学内容处理模式库时，应对上述四个方面提供具体的方法。[5]
3.决策模块
教学策略（处方）的制定就是根据特定的教学目标、教学内容、教学对象等条件，来合理地选择相应的教学顺序、教学方法、教学组织形式。在数据库中建立可供选择的不同的教学策略（处方），是本文所研究的ICAI系统的主要模块，也是特色模块。
教学策略（处方）的制定包括教学顺序的确定、教学方法的选择、教学组织形式的选择等。教学顺序的确定就是要确定教学内容各组成部分之间的先后顺序；教学方法的选择就是要通过讲授法、演示法、讨论法、练习法、实验法、示范模仿法等不同方法的选择，来激发并维持学习者的注意和兴趣，传递教学内容；教学组织形式主要有集体授课、小组讨论和个别化自学三种形式，各种形式各有所长，须根据具体情况进行相应的选择。教学策略的制定是根据具体的目标、内容、对象等来确定的，要具体问题具体分析，不存在能适用于所有目标、内容、对象的教学策略。
4.评价模块
在基于网络环境的ICAI的评价模块，要依据前面确定的教学目标，运用评价量表，分析学习者对预期学习目标的完成情况，主要收集三个方面的基本信息，一是要收集关于教师对教学设计方案和教学方案实施结果的满意度的信息数据，二是要收集关于学习者对教学过程、教学策略的适应性的信息数据，三是要看与其他方法相比，本处方中所采用的方法是否有独到之处，是否有不足之处。[6]在数据分析的基础上，对教学策略和教学内容的修改和完善提出建议，并以此为基础对ICAI各个环节的工作进行相应的修改。
5.ICAI系统模型框图
学习者前端数据采集数据库包括：认知结构测量及分析系统、学习动机测量及分析系统、学习风格测量及分析系统和学生基本信息系统。系统模型如图所示。
五、ICAI决策系统实验数据来源
本课题实践研究的调查对象来自云南大学，是2008届市场营销教育和财会教育本科生，共89人，课程设置为现代教育技术。学生调查表包括本科生基本信息表，所罗门学习风格量表，学习者认知能力调查问卷，学习者学习动机调查问卷四份表格组成。实际收到数据表89份，有效数据表75份。数据表中的信息选项根据所占权重，统一折合成百分制进行处理。
六、总结
本文把教学设计理论、方法与“现代教育技术”课程相结合，拟研发出一个基于综合集成方法论的广义智能网络教学设计辅助系统。主要研究成果如下：
（1）把综合集成方法论引入解决教学设计这一不良结构问题；
（2）结合数字化方法和数据挖掘技术，它能对学习者进行数字化的前端分析；
（3）它所自动化给出的教学设计方案，可为青年教师提供良好借鉴，有利于教师因材施教、因风格施教、因需要施教；
（4）它所自动化给出的学习者学习建议方案，有利于促进学习者自主学习。
现有的CAI存在的许多问题随着新技术的不断出现而显得越来越不能适应新环境的需求，因此以基于网络环境的ICAI为代表的新计算机辅助教学系统，将是教育教学研究人员在教育技术上需要不断探求、努力实现的发展方向。
参考文献：
[1]杨采坚，董玉铭.智能教学系统设计[J].中国电大教育,1993（3）.
[2]于景元,涂元季.从定性到定量综合集成方法――案例研究[J].系统工程理论与实践,2002.5.
[3]钱学森,于景元,戴汝为.一个科学新领域：开放的复杂巨系统及其方法论[J].自然杂志,1990(1).
[4]郑永柏.教学系统设计理论和方法研究:教学处方理论和ISD-EPSSS的设计与开发[D].北京师范大学博士学位论文，1998.
关键词：无人机系统；智能决策；自主控制；智能体系；任务规划；课程设计
0引言
无人机具有较强的机动性和较好的可操控性，能辅助人类在恶劣和危险的环境中执行复杂的任务。近年来，无人机系统迅速发展并广泛应用于环境监测、灾难搜救、反恐侦察等众多领域。无人机系统研究的一个关键问题是如何发展高度智能化的软件系统，提高无人机在动态复杂环境中自主决策的能力。目前，众多高校开设的无人机专业课程主要研究无人机的硬件平台、通信与测控、指挥控制、综合保障和实践等方面，然而对于无人机系统的智能决策问题研究尚不深入。
1无人机系统决策的内涵
1.1无人机自主控制系统概述
无人机自主控制系统是无人机实现自主飞行管理与自主任务管理的机载系统，如图1所示，它涵盖了机器人“观测一判断一决策一行动（observer-orient-decision-action，OODA）”的各个环节。
无人机自主控制能力是衡量无人机智能自主水平的一项重要能力。表1基于OODA分别对无人机自主控制能力进行了描述，其中，“判断”与“决策”部分评价的是无人机对战场态势的评估能力和对任务或行为的决策与规划能力，是衡量无人机自主决策能力的最重要指标，也是无人机决策课程设计与实践的核心。
1.2无人机自主决策子系统概述
自主决策模块位于智能无人机系统的顶层，它如同人类神经系统执行决策行为，产生计划并处理不确定性。自主决策模块主要包括顶层任务决策、顶层任务规划、底层行为决策和底层路径规划。顶层任务决策用于任务策略的在线生成；顶层任务规划用于任务计划的在线制定；底层行为决策用于运动行为的在线序贯决策；底层路径规划用于导航计划的在线生成，这些内容的教学与实践将贯穿课程的教学与实践过程。
2人工智能在无人机系统决策中的发展以及作用与地位
人工智能从孕育之初到现在，经历了“三起两落”，如图2所示。人工智能的发展也不断促进无人机自主决策能力的发展，甚至可以说，人工智能的发展决定无人机自主决策水平的高低。早期，无人机决策大多依托产生式规则或谓词逻辑技术，主要针对确定决策；20世纪六七十年代，知识表达引入到有人机辅助决策支持系统的设计与研发中，也逐步迁移到无人机智能自主系统中；随着概率统计的引入，基于贝叶斯的不确定推理决策方法得到大力发展；专家系统依据专家经验生成策略，用于解决离散事件不确定性，形成了一系列无人机智能自主决策成功案例；近年来，机器学习、多智能体理论的热潮将无人机智能水平推到了一个前所未有的高度，使无人机具备知识沉淀、知识挖掘、智能发育的能力，并将单无人机执行ISR任务拓展到多无人机协同遂行多任务领域。无论经典人工智能方法还是人工智能新思路，都是无人机智能自主决策的重要基础，在无人机系统智能决策课程教学与实践中具有举足轻重的地位。
3无人机智能决策课程教学总体设计
国防科技大学依托控制学科和仪器学科在自动化专业试办开设了“无人机工程”专业方向，培养掌握无人机工程相关领域基础理论和基本知识的学员，使其具有从事无人机系统及相关装备的分析、设计、研制、维护和管理等方面的实际工作能力和初步科学研究能力。
3.1教学目的与课程设计总体思路
设置无人机智能决策课程的目的是使本专业学生快速了解无人机决策系统组成、熟悉决策系统工作原理、掌握决策理论与实现方法。课程设计的总体思路是设置课堂教学和动手实践两个主要环节，课堂教学环节主要通过教师讲授的方式，基于无人机自主控制系统组织结构，介绍无人机决策系统的基本概念；实践环节则是在学生已经掌握智能决策算法基本原理和流程的基础之上，让学生参与到决策系统的设计与实现中来。
3.2课程教学主要内容
无人机智能决策是课程教学的核心内容，主要覆盖贝叶斯推理理论、最优化理论、智能搜索等基本决策理论和方法，主要讲解如何将其运用于无人机智能感知、任务规划的建模和优化方法，比如基于贝叶斯的不确定推理、基于启发式人工智能搜索算法的路径规划等。内容安排包括问题描述、基本原理、算法过程、输入输出设计、结果分析等；人机智能融合决策是课程的拓展部分，主要涵盖人机智能融合原理、脑机接口原理、融合决策机制等理论和方法，主要讲解如何将其运用于人在回路辅助的无人机智能自主决策、混合主动规划的接口设计与融合决策方法，比如基于脑机接口的人机智能融合决策、混合主动任务规划等；拓展内容安排包括资料查新、接口设计、融合机制设计、融合算法实现、结果分析等。
4无人机智能决策教学实践环节设计
4.1课程实践环节的必要性
4.1.1无人机系统智能决策课程对实践的需求
实践教学是高等学校教育非常重要的教学环节，是提高人才分析问题与解决问题的重要途径。无人机系统智能决策是一门实践性很强的课程，一是由于无人机系统是一门交叉性的学科，主要涉及空气动力学、无人机平台设计与制造、图像处理与智能感知、导航系统原理、无人机飞行控制、人工智能、机器学习、任务规划与分配、无人机系统体系保障技术等许多学科，所以该学科具有知识点多、涉及面广、理论性强，需要学生具备较好的逻辑思维能力和数理基础等特点，因此，必须通过实践才能加深对无人机系统知识的理解；二是智能决策技术不断走向实用，20世纪80年代随着人工智能基础科学的研究，智能决策作为一门新兴学科出现在国际科学舞台上，智能决策技术早期以研究经典的智力游戏问题和仿真实验来证明理论等为主流，随着互联网的普及和国际信息化进程的提高，智能系统和智能计算等也逐渐成为学者们的研究热点。从加强学生的实践能力出发，考虑到课程的建设需要，需要加强无人机系统智能决策课程的实践教学内容。
4.1.2无人机系统智能决策课程对实践的要求
根据智能决策的特点，进行实践教学需要达到以下几个目的：一是加强学生对基础知识的理解，对智能决策基本方法的掌握；二是加强学生将智能决策知识与方法用于解决实际问题的能力；三是增强学生对智能决策研究领域的兴趣，培养更多的专业人才。
智能决策的实践教学工作必须以高质量的科研内容为基础。通过瞄准国际前沿、集成创新和引进消化吸收、提升原始创新以及再创新能力，从而建设创新平台和创新团队，以高水平科学研究支撑高质量的高等教育。此外，智能决策的实践教学还要考虑因材施教，验证关键技术环节。目前学生的学习任务较重且水平参差不齐，在设计实践环节时，要把握如何能在较短的时间内让学生得到最大程度的能力锻炼。在这种情况下，教师必须进行充分的准备，事先搭好通用的硬件平台和软件框架，以减轻学生不必要的负担，营造良好的氛围，将学生的主要精力集中在创新实践上，这样才能提高实践教学的效率。因此，课程借鉴了无人机领域最具影响力的国际微小型飞行器赛会（IMAV）的比赛规则，结合智能决策的研究热点和当前承担的学术科研任务，引入无人机竞赛作为智能决策教学实践的平台。
4.2基于无人机系统智能决策的课程实践方案
在智能决策课程开始之际，教师向学生明确课程实践方案，即通过无人机竞赛的形式考核学生解决实际问题的能力。通过举办无人机竞赛，可以激发学生的学习热情和创新动力，达到寓教于乐的目的。学生带着思考主动学习理论知识，而不是为了应付考试被动学习；教师应当按照学生的综合能力合理组队，从而达到能力互补和团队协作。
无人机竞赛面向本校无人机工程专业方向的本科生，根据智能决策课程的需要，共设置3个科目。
第一个科目是自稳飞行，无人机需在3分钟内完成从出发点到指定目标点的飞行，要求单次滞空时间不少于30秒；本科目考查的是学生对无人机自主飞控基础知识的掌握。第二个科目是避障侦察，无人机需以尽可能快的速度穿越一排障碍门，并识别地面上的物品；障碍门的可通行区域各不相同，无人机需通过机载单目相机识别可通行区域，并自主规划路径；本科目考查的是学生对智能识别和任务规划基础知识的掌握。第三个科目是特级飞行，包括手抛无人机平稳飞行、8字飞行、伴随飞行等；本科目考查的是学生的创造力。比赛采用百分制，3个科目按照难度系数和重要程度评分占比分别为30%、50%和20%。
如图3所示，课题组提供比赛使用的无人机硬件和飞控软件平台并指导学生拼装无人机及使用软件。学生需在课程学习的过程中制定智能决策的算法设计及代码实现计划，并严格按照时间节点实现目标；每个小组的成员必须说明自己在团队中的贡献，从而作为教师打分的依据。
苏霍姆林斯基在《教育艺术》中认为，“在人的心灵深处有一种根深蒂固的需要，就是希望自己是一个发现者、研究者、探索者。在儿童的精神世界中，这种需要特别强烈”。我们要敢于打破传统的教学模式，运用现代教育技术培养真正适应于经济社会发展的创新型和国际化人才。现代教育技术是伴随现代科技的发展，特别是电子、通讯、计算机的飞速发展而产生的，也是现代教育理论发展到一定阶段的产物。
作为新一轮科技革命的代表，人工智能（AI）技术已经或正在颠覆性地改变着许多行业和领域，而教育就是其中之一。来自谷歌的世界顶尖的人工智能专家团队将AI的智能l展划分成了三级：第一级是“弱人工智能”，只能够专注在一个特定领域，如下围棋；第二级是“强人工智能”，能够达到或超过人类水准；第三级是比人类聪明1000万倍的人工智能。
目前，“弱人工智能”已经渗透到我们生活的方方面面：搜索引擎、实时在线地图、手机语音助手、智能客服等都运用了人工智能技术。尽管人工智能要从感知、行为和认知三个维度全面模拟甚至超越人类，还有很长的路要走，但目前的AI凭借强大的计算能力、存储能力和大数据处理能力，已经改变着传统教育模式与教育形式，在破解教育资源不均、提高教育效率和教学质量、提供个性化精准化教学、优化教育评价系统等方面将发挥重要作用。
浙江西湖高等研究院人工智能研究室主任于长斌认为，人工智能下一步应用可能是远程教育、自我强化教育，甚至是教育领域的机器换人。从人工智能现阶段研究成果来看，机器人做数学题、英语题完全没有问题，有科学家还成功用人工智能自动生成科研和学术论文，其中有一些甚至被期刊录用。
高考机器人
在今年6月7日的“高考”中，人工智能机器人AI-Maths在数学科目的两套试题考试中分别取得了105分和100分的成绩。整个答题过程中，机器人不联网、不连接题库、无人工参与，全由机器人独立完成解答。研究人员表示，由于AI-Maths在识别自然语言时遇到了一些困难，导致部分考题失分。
AI-Maths先后解答了2017年数学科目高考的北京文科卷和全国Ⅱ卷的试题，分别用时22分钟和10分钟，北京文科卷得分105分，全国Ⅱ卷（数学）得分100分。对这台机器人来说，解答一道题目的时间最快不到一秒。此前总共做了不到500套试卷，大约12000道数学题。而一个中国学生，按照每天10道数学题估算，到高考前已经做了大约30000道数学题。
考试结果显示，这台高考解题机器人在不依赖大数据的前提下，逻辑分析能力远超人类，但在文意理解、多样性思维上要比人类逊色得多。参与阅卷的资深数学老师表示，AI-Maths相当于中等成绩水平的高中毕业生，失分主要是因为“读不懂题目”，遇到一些人类语言（而非数学语言）时，无法理解。
专家指出，这次机器人不得高分的原因较多，首先这个机器人并没有代表机器人的最高水平，其次机器人没有联网，不能够联想自己的知识，这样得低分也是理所当然的了。经过更多的训练和学习以后，未来AI-Maths会取得更好的成绩。
该机器人是由成都准星云学科技有限公司研发的一款以自动解题技术为核心的人工智能系统，诞生于2014年。该公司参与了科技部的863“超脑计划”。
同时进行的另一场机器人高考测试中，学霸君的Aidam首次与6名高考理科状元在北京同台PK，解答2017年高考文科数学试题。Aidam的成绩为134分，6名状元的平均分为135分。Aidam答题耗时9分47秒。为了展示，Aidam当天答题放慢了六倍速度，平时每道题完成时间应该在7-15秒。
从2014年开始，国内人工智能引领者科大讯飞就联合了包括北大、清华等在内的超过30家科研院校和企业，共同开启了一项隶属国家863计划的“高考机器人”项目，他们希望通过这个项目的实施，研制出能够参加高考并在2020年考上北大、清华的智能机器人。“超脑计划”汇集了国内近60%的人工智能专家，其重点就是要研究突破机器的知识表达、逻辑推理和在线学习能力。
目前，高考机器人在英语学习方面也取得阶段性成果：一是翻译，已经能够让翻译能力达到高考入门水平。二是在广东地区的英语高考、中考场景中，在发音准不准、填空题选择题，判断你懂不懂知识上，机器已经超过人工。三是口语作文实现突破。比如给学生一个题目《My Mother》，现在AI机器的评测打分已经比人类打分更精准。
有人提出了一个十分滑稽的问题，那就是人工智能要是通过高考考上大学，是不是意味着我们的教育培养出来的就是考试的机器？这个问题的逻辑不一定严密，但巧妙地折射出了现行教育体制的一些问题。如果以应试为主的教育方式不改变，智能机器取代老师几乎是必然。更可怕的是，这样的教育培养出的人也将被智能机器淘汰。
AI阅卷批改作业
面对庞大的考生规模和多种多样的考试，专家和老师阅卷成为一个独特的景观。从传统的纸笔阅卷到网上阅卷，再到今天的机器智能阅卷，AI可以轻松解决繁重复杂的阅卷难题，大大提高阅卷的效率和质量。
通过对试卷进行数字化扫描、格式化处理，转换成机器可识别的信号，机器就能按阅卷专家的评判标准，进行自动化阅卷，还可以自动检测出空白卷、异常卷，并给出最终的评阅报告及考试分析报告。原来三个月的工作，现在一周就能完成，而且更准确、公正。
中国教育部考试中心对“超脑计划”的阅卷工作进行了验证，结果是，在“与专家评分一致率、相关度”等多项指标中，机器均优于现场人工评分。
除了代替人工阅卷，人工智能还可以帮老师做批改作业、备课等重复枯燥的工作，不仅节省大量时间，还可以减少工作量。
语音识别和语义分析技术的进步，使得自动批改作业成为可能，对于简单的文义语法，机器可以自动识别纠错，甚至是提出修改意见，这将会大大提高老师的教学效率。
今年两会期间，科大讯飞董事长刘庆峰在提案中提到，科大讯飞的英语口语自动测评、手写文字识别、机器翻译、作文自动评阅技术等已通过教育部鉴定并应用于全国多个省市的高考、中考、学业水平的口语和作文自动阅卷。而基于国家“十三五”863“基于大数据的类人智能关键技术与系统”阶段性成果构建的“讯飞教育超脑”已在全国 70% 地市、1 万多所学校应用。
国外也有多个智能测评公司和实践案例。GradeScope是美国加州伯克利大学一个边缘性的产品，它旨在简化批改流程，使老师们更专注于教学反馈。目前有超过150家知名学校采用该产品。MathodiX是美国实时数学学习效果评测网站，算法会对每一步骤都进行检查、反馈。
美国教育考试服务中心（ETS）是世界上最大的私营非盈利教育考试及评估机构，已经成功将AI引入SAT和GRE论文批改，同人类一起扮演评卷人角色。
计算机科学家乔纳森研发了一款可进行英语语法纠错的软件，不同于其他同类型软件的是，它能够联系上下文去理解全文，然后做出判断，例如各种英语时态的主谓一致，单复数等。它将提高英语翻译软件或程序翻译的准确性，解决不同国家之间的交流问题。
虽然人工智能可以阅卷、批改作业，但诚如《信息时报》刊发的《推广“机器人老师”可为广大教师减压》一文所言：教育需要尊重“异质思维”，同样的问题，学生会给出差异化、个性化的答案；目前“机器人老师”在阅卷、批改作业的时候会有明显的局限性，可能更适用于客观题却不适用于主观题。
不可否认，最初机器是用来辅助人工教学的，未来的趋势则是人辅助机器，而这个过程会一次次重塑考、学、教、管的服务流程。未来，当进入强人工智能和超人工智能时代，机器人更像是老甚至在许多方面超越老师。
机器人当老师
城乡、区域教育鸿沟，择校问题，学区房问题，都是教育教学资源不均衡导致的，归根到底是优秀教师的稀缺，而智能教育机器人则是解决这一问题的有力工具。“机器人老师”不仅有助于解决师资不足和师资结构不合理等难题，还能大大缓解社会矛盾，促进教育公平。
目前国内已涌现出像魔力学院这样的创业公司。几年前魔力学院创始人张海霞从北大毕业时，她的毕业论文是国内最早对人工智能教学进行研究的学术论文，同时在上大学期间，她就已经是新东方出国留学部最好的英语老师。这种雄厚的技术和教学背景，让她成为国内最早一批人工智能领域的创业者。
“与大多数互联网教育领域的产品不同，魔力学院从一开始，我们要解决的问题就是用人工智能机器替代老师进行讲课。曾经有很多投资人建议我们妥协一下，暂时用真人老师讲课，后面再一步步地进化到人工智能老师，但我们从来没有妥协。”张海霞说。
直到2016年3月，魔力学院第一个商业化的版本上线，企业开始有了第一笔收入，成为全球在人工智能老师这个领域第一家产品上线的创业公司，也是第一家实现了持续收入和盈利的创业公司。至今，在人工智能老师这个领域，魔力学院的相关产品仍然是惟一能从教、学、练、测各个维度提供人工智能老师教学的公司。
目前在新东方也开始这样的实验，教室里没有人类老师上课，机器人将重要知识点经过搜集和教学设计后，用非常幽默的方式向学生传授，从课堂效果来看，“学生很愿意听”。
新东方教育集团董事长俞敏洪认为，未来10年内，教师七成教学内容一定会被机器取代。不过，缺少人类老师的教学必然不完整，因为课堂教学不光是把知识点告诉学生，更需要对学生开展知识融合、创造性思维、批判性思维等能力训练。对于这些思维方式的训练教学，机器人老师还无法胜任。“未来的课堂将是机器人智能教学、老师情感和创新能力的发挥及学生学习的三者结合。”
除了民办教育在积极引入机器人老师，我国的“福州造”教育机器人已在部分城市的学校开始“内测”，今后有望向全国中小学推广。这款教育机器人除了帮助老师朗诵课文、批改作业、课间巡视之外，还能通过功能强大的传感器灵敏地感知学生的生理反应，扮演“测谎高手”角色。一旦和“学生机”绑定，可更清楚地了解学生对各个知识点的掌握情况。
对于机器人老师，国外早有应用。2009年，日本东京理科大学小林宏教授就按照一位女大学生的模样塑造出机器人“萨亚”老师。“萨亚”皮肤白皙、面庞清秀，皮肤后藏有18台微型电机，可以使面部呈现出6种表情。她会讲大约300个短语，700个单词，可以对一些词语和问题做出回应，还可以学会讲各种语言。“萨亚”给一班10岁左右的五年级学生讲课，受到新奇兴奋的孩子们的极大欢迎。
教育是塑造灵魂的特殊职业，教师是人类灵魂的工程师，面对的都是活生生的具有不同个性情感的学生，在价值观塑造和创新思维启发方面，“机器人老师”有着明显的局限性。尽管机器人老师不知疲倦，知识渊博，能平等地对待学生，加上它的特殊身份能激发学生的学习兴趣和动力，然而机器人永远无法完全替代“真正的人类教师”。
当老师们从繁重的重复性工作中解放出来，实际上可以将更多的时间和精力花在富有创造性的工作上。比如培养学生的素质和情商，激发学生对学习的热情，鼓励学生独立思考，形成自己的价值观和思想体系，成为有美好人格和创新能力的个体。
实际上，老师充当的是一个引导者、启发者的角色，老师做的应该是“准备环境-引导孩子-观察-改进环境-再引导-退出-再观察”。极少干预和不断引导，让孩子能最大限度地拥有独立性、专注度和创造力。
机器人进课堂是大势所趋。不久的将来，人类老师将负责进行情感、心理、人品、人格上的健康教育和品德教育，以及各类知识的融会贯通、学习方法的引导、创新能力的培养。而知识教育这部分，将会以“机器换人”的形式让渡给人工智能。这将对老师提出更高的要求，因为除知识教育外的这些教学内容，需要由真正有能力的老师来传授。“老师要避免被机器取代，就要先避免自己成为机器。”
可见，教师需要快速适应现代化教学需要，熟练使用各类领先科技产品，提升综合素质，这将决定教师本人的去与留，更是教育希望与未来的关键所在。
个性化教育
因材施教在我国已有2000多年历史，但在我国应试教育大环境下，根据学生不同的认知水平、学习能力以及自身素质来制定个性化学习方案，真是说易行难。当传统思想与尖端科技相结合，因材施教的可行性有了大幅提高。人工智能介入后，个性化教育有两条实现途径。
一是构建知识图谱。构建和优化内容模型，建立知识图谱，让学生可以更容易地、更准确地发现适合自己的内容。国外这方面的典型应用是分级阅读平台，推荐给学生适宜的阅读材料，并将阅读与教学联系在一起，文后带有小测验，并生成相关阅读数据报告，老师得以随时掌握学生阅读情况。
Newsela将新闻与英语学习融为一体。通过科学算法衡量读者英语水平，抓取来自《彭博社》《华盛顿邮报》等主流媒体的内容，由专人改写成不同难度系数的版本。LightSail也是相同应用，不过它的阅读材料是出版书籍，它收集了适合K12学生阅读的来自400多个出版商的8万多本图书。
2015年底Newsela用户量超过400万，LightSail和纽约市教育局、芝加哥公立学校、丹佛公立学校等机构达成了合作，而目前我国没有如此规模、与官方达成合作的个性化阅读学习平台。
二是自适应学习。人工智能可以从大量的学生中收集数据，预测学生未来表现，智能化推荐最适合学生的内容，最终高效、显著地提升学习效果。当一个学生阅读材料并回答题时，系统会根据学生对知识的掌握情况给出相关资料。系统知道应该考学生什么问题，什么样的方式学生更容易接受。系统还会在尽可能长的时间内保留学生信息，以便未来能给学生带来更多的帮助。
在美国乔治计算机学院，有一门课叫“人工智能概论”。这门课是艾萨克・格尔教授创建的。他有一个教学助理叫吉尔。这个课程的特点是以问答方式授课，学生提问，老师和助教回答。第一年就有大约1000多名学生参与，提出了超过1万个问题，其中40%的问题是由助教吉尔回答的。让学生惊奇的是，吉尔竟然是一个机器人，而且教了他们整整一个学期。格尔教授采用IBM沃森界面，创建了这个AI驱动的BOT交互系统，也开发了整个课程的内容和形式。
【关键词】 教育技术；信息技术；区别与联系
【中图分类号】G632 【文献标识码】A 【文章编号】2095-3089（2013）25-00-01
一、教育技术与信息技术的区别
（一）从发展历程来看
1、教育技术。教育技术的发展历程可以分为三个阶段：教育传统技术、教育媒体技术和教育信息技术。教育传统技术阶段是从教育技术的产生到十九世纪末。这时期的教育技术指的是教育者所运用的技巧、技能和操作方法。主要包括口语（演讲技能）、文字、黑板、粉笔、图片、模型、实物等等。教育媒体技术阶段从19世纪末开始，这一时期教育技术以各种现代教育媒体的使用为标志，主要包括：摄影、幻灯、投影、无线电广播、电影、电视、语言实验室等。教育信息技术阶段主要以微电子技术和计算机技术为基础，以信息处理为核心，更加注重人的作用。
2、信息技术。信息技术的发展历程的发展经历了五个阶段，即五次革命。第一次信息技术革命是语言的使用。第二次是文字的创造。第三次是印刷术的发明和使用。第四次是电报、电话、广播和电视的发明和普及应用。第五次是电子计算机的普及使用。我么现在所说的信息技术指的是第五次信息技术革命，是狭义的信息技术。
从两者的发展历程来看教育技术和信息技术的发展都伴随着技术的发展，知识教育技术中技术的发展是影响教育教学，二信息技术的发展是影响信息的传播方式。
（二）从研究领域来看
1、研究对象及范畴
（1）教育技术。教育技术是对学习过程和学习资源的设计、开发、利用、管理、评价的理论和实践。教育技术属于教育学科，其研究对象是有合适技术（所谓合适技术，包括现代技术、传统技术、有形的物化技术和无形的智能技术。研究范畴是对信息的获取、存储、分析、加工、变换、传输与评价研究范畴则是对有合适技术支持的教学过程与教学资源的设计、开发、利用、管理与评价。这就表明，教育技术能力是任何学科（包括文科、理科、医科、农科……）的教师都必须具有的能力，是大、中、小学每一位教师都必须具有的能力，也就是“如何进行教学的能力”（它相当于医生“如何进行治病的能力”、律师“如何帮人打官司的能力”）。
（2）信息技术。信息技术是以计算机技术、网络通信技术、微电子技术、传感技术等为基础的，对各种形态的信息进行处理的综合性技术。信息技术属于技术学科，其研究对象是信息，研究范畴是对信息的获取、存储、分析、加工、变换、传输与评价；信息技术的能力是指获取、存储、分析、加工、变换、传输与评价信息的能力。信息技术是解决信息时代教育问题的基本工具，但是教育技术不只限于信息技术的应用，教育也是一种传播过程，而信息技术就是研究优化信息传播、处理的技术，所以教育技术是信息技术在教育中应用的一个领域。
2、研究目标
（1）教育技术。教育技术能力培训的目标是使受训者具有教育技术素养，即具有运用教育技术的意识、能力与道德。其中，运用教育技术的能力是指对有合适技术支持的教学过程与教学资源进行设计、开发、利用、管理与评价的能力，也就是在有合适技术支持的教学环境下进行教学设计并有效地组织与实施教学的能力。
（2）信息技术。信息技术培训的目标是是要使受训者具有信息技术素养，即具有利用信息技术的意识、能力与道德。其中，利用信息技术的能力是指获取、存储、分析、加工、变换、传输与评价信息的能力。
3、研究内容
（1）教育技术。教育技术能力培训教材则是围绕教学设计和教学实施的各个环节展开。教育技术能力培训涉及信息技术的内容，但目的是利用这类技术优化教学过程以提高学习的质量与效率
（2）信息技术。信息技术培训教材围绕各种信息处理技术而展开，尽管信息技术培训中也涉及教学资源开发、教学软件利用和教学自动测评等教学应用的内容，但目的是通过这类教学应用作案例去验证相关的信息技术的实用性与有效性。
二、教育技术与信息技术的联系
以教学设计和资源处理为核心的教育技术培训与信息技术培训有一定的联系，但根本不同，具体如下：
（一）信息技术是教育技术的基础。信息技术和教育技术二者虽有较密切的联系，但却属于不同的学科，并有各自不同的研究对象和研究范畴。教育技术关注技术在教育中的作用，其研究对象是教学过程与教学资源，研究范畴则是教学过程与教学资源的设计、开发、利用、管理与评价。即教育技术关注的是应用于教育教学过程或作为教学资源的技术。而信息技术是指能够支持信息的获取、传递、加工、存储和呈现的一类技术。其中，应用在教育领域中的信息技术主要包括电子音像技术、卫星电视广播技术、多媒体计算机技术、人工智能技术、网络通信技术、仿真技术和虚拟现实技术等。
（二）教育技术是信息技术在教学中的有效应用。教育技术是解决教学问题，提高教学质量方法方式的总和，信息技术是教育技术解决问题的一种手段和方法。当然现在教育技术中很多研究是与信息技术相关的，所以也造成了信息技术与教育技术的概念的混乱。在教育技术中关注的信息技术现在主要包括：广播卫星电视技术，多媒体，计算机网络通讯，人工智能和虚拟仿真等方面内容。教育技术的核心是教学设计，不应把信息技术等同于教育技术，教育技术不只关注信息技术，其核心点在于如何利用信息技术及其它技术提高教学质量，达到教育的最优化。
总之，教育技术在很大程度上以信息技术为基础，但却并不等同于信息技术。信息技术和教育技术二者虽有较密切的联系，但却属于不同的学科，并有各自不同的研究对象和研究范畴，通过信息技术培训和教育技术能力培训所要达到的目标也完全不同。教育技术的有效应用，是要在先进的教育思想、理论等无形技术的指导下合理地选择有形技术，将其有机地组织在一起，应用到实际教学中。而信息技术是指一切能够扩展有关器官功能的技术，简单的说教育技术关注的是媒体的合理应用，而信息技术关注的是教育领域关于计算机和网路等知识的应用。教育技术比信息技术包含的内容更为广泛。
参考文献
[1]祝智庭主编.现代教育技术――走向信息化教育[M].北京：教育科学出版社，2002.
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】机电一体化 教学改革 专业特色 智能化
一、引言
随着现代化工业生产的发展，由气动技术、液压技术、传感器技术、PLC技术、网络及通讯技术等学科的强烈相互渗透而形成的机电一体化技术，已成为当今工业科技的重要组成部分。但是也存在不足之处，学生毕业后大部分被分配在生产第一线，所从事的工作不是研究、设计、开发、决策等，而是操作设备、制定工艺、筹划工装卡具、调整试车、查找故障和排除故障，在学校学的知识相当一部分用不上，而现场工作所必需的工作能力又不具备。
二、改革的必要性
随着国民经济的增长，社会对人才的需求也开始增长，社会对人才特别是机电一体化专业人才的知识结构提出了新的要求。旧的办学模式在人才培养的方法和途径上受到很大的制约，使毕业生在理论研究的领域里“缺乏理论”，在技术应用领域内“缺乏应用”。有的专业由于课时设置不合理、教学方法陈旧等诸多原因，学生理论知识学习不扎实，又缺乏必要的社会实践与动手能力，以至于课程结束后，了解的只是一些课本上的理论知识。
三、改革的思路
1 制定适应新形势的教学内容。制定符合现代化建设要求的机电一体化专业教学计划，遵循国家、省教委的有关文件精神，以综合素质培养为基础，以能力培养为主线。围绕培养目标，对知识、能力、素质等方面进行合理的综合安排，力求整体优化，培养实用的职业技术人才。
2 先进教学手段的应用。(1)运用多媒体进行直观教学。(2)联系生活，启发学生思维，理论与实践相结合。(3)与时俱进，激发学生的求知欲。
3 改革优化实践环节。为了培养学生专业技术能力，改革传统的实践教学模式，将实践教学分为三个阶段进行：(1)实验技能训练。实验技能训练主要包括专业基础课和专业课中的实验，使学生掌握基本实验仪器的使用，基本数据的测量、采集和基本实验方法的运用。(2)单项技能训练。单项技能训练主要包括金工实习、数控实训等，学生进行基本技能(钳工、机加工、电工)、职业基本素质(数控车、数控铣、加工中心的编程和操作)的训练。通过训练使学生掌握相应的技能，参加职业资格考核取得数控工艺员或数控车、铣、加工中心操作工等级职业资格证书。(3)综合技能训练。综合技能训练主要包括生产实习、顶岗实习等，学在实训中，采用边教、边学、边做的教学方法，通过典型零件数控加工案例引导教学设计，针对实际零件数控加工任务讨论工艺解决方案，并在加工现场实施，形成不同零件加工效果的直观比较和认识，有效培养学生的技术应用能力，毕业后实现“零距离上岗”。
四、机电一体化的智能化发展
机电一体化是集机械、电子、光学、控制、计算机、信息等多学科的交叉综合，它的发展和进步依赖并促进相关技术的发展和进步。未来机电一体化的主要发展方向有：
1 智能化。智能化是21世纪机电一体化技术发展的一个重要发展方向。这里所说的“智能化”是对机器行为的描述，是在控制理论的基础上，吸收人工智能、运筹学、计算机科学、模糊数学、心理学、生理学和混沌动力学等新思想、新方法，模拟人类智能，使它具有判断推理、逻辑思维、自主决策等能力，以求得到更高的控制目标。
2 模块化。模块化是一项重要而艰巨的工程。由于机电一体化产品种类和生产厂家繁多，研制和开发具有标准机械接口、电气接口、动力接口、环境接口的机电一体化产品单元是一项十分复杂但又是非常重要的事。这样，可利用标准单元迅速开发出新产品，同时也可以扩大生产规模。
3 网络化。20世纪90年代，计算机技术等的突出成就是网络技术。由于网络的普及，基于网络的各种远程控制和监视技术方兴未艾，而远程控制的终端设备本身就是机电一体化产品。
4 微型化。微型化兴起于20世纪80年代末，指的是机电一体化向微型机器和微观领域发展的趋势。国外称其为微电子机械系统(MEMS)，泛指几何尺寸不超过1立方厘米的机电一体化产品，并向微米、纳米级发展。微机电一体化产品体积小、耗能少、运动灵活，在生物医疗、军事、信息等方面具有不可比拟的优势。
5 绿色化。工业的发达给人们生活带来了巨大变化。一方面，物质丰富，生活舒适；另一方面，资源减少，生态环境受到严重污染。于是，人们呼吁保护环境资源，回归自然。绿色产品概念在这种呼声下应运而生，绿色化是时代的趋势。
关键词:贝叶斯公式;教学设计;商品质量检测
《概率论与数理统计》作为一门理学类专业课程又是学生必修的一门公共基础课程，课程介绍了处理随机现象的基本思想和方法，利用数学工具，运用概率统计方法分析和解决问题。这门课程不仅专业性强，而且具有很强的应用性，几乎遍及自然科学、社会科学、工程技术、军事科学及生活实际等各领域。它源于生活，应用于生活。在对这门课程进行教学设计的过程中，要结合《概率论与数理统计》的应用性最强、最为活跃的课程特点，教师要善于在课堂教学中以实际问题为依托，注重案例教学，从而激发学生的学习热情，培养学生的综合能力和创新能力。案例教学是美国哈佛大学法学院首先提出来的，它在培养学生开放性思维能力和自我分析、自我评价等方面具有显著的效果。所谓案例教学法就是通过展示一个典型的案例，然后启发学生用课堂知识对案例进行多角度深入的分析，从中得出一些有意义结论或者掌握某种解决问题的方法。它能较好地锻炼学生理论联系实际的能力，增强理论联系实际的意识，从而更好地把所学的知识内容运用到生活实际中去，体现“用数学”的思想。课堂中老师提出与生活密切联系的案例作为课堂教学内容，不仅能使枯燥的课堂充满活力和新鲜感，激发学生的学习兴趣和参与课堂的欲望，还能增强知识的说服力。同时一些典型案例还具有育人功效，对学生的科学观、价值观、理想信念、家国情怀等方面具有重要的培养作用。概率论与数理统计这门学科难度大而实用性又很强，在各行各业中都有举足轻重的应用，针对该特点，教师和学生要善于收集生活中的实际例子，找准与知识的结合点，将这些例子与课程知识有机结合起来，使得课堂变得生动有趣，使课本上理论性的知识变得容易理解，学生的学习兴趣和学习欲望也相对强烈，由此达到良好的教学效果。如果把上好一节课比作一道美味菜肴，那么教学内容是主料食材，教学技能是烹料手艺，教学手段是烹调用具，而案例是食盐。食材、手艺、用具再好，如果没有案例的加入，菜还是索然无味。在现在这样一个信息丰富的时代，每时每刻都有大量信息充斥着我们的大脑和眼睛。要善19于发现这些信息与课堂知识的有机契合点，对信息进行查找、分析、整理，找出切合教学点并适合课堂教学的案例，这需要付出很大的精力。上课分析案例时，要找准案例和课堂知识的切合点，通过开展小组讨论和案例分析，从中抽象出一些有助于我们理解并应用知识的认识和经验，从而学以致用。在一节课中，案例的分析要把握时长，不可拖沓使得学生觉得去知识性、去专业性，也不可过于粗略，使学生觉得理解不透，取得适得其反的效果。以案例教学法为主要教学手法的课程在实施过程中，要把握好“教师主导、学生主体”这个度，以问题驱动课堂，由表面到本质、步步设问、层层推进，引导学生主动思考并踊跃参与课堂，激发学生的学习兴趣，发散学生的思维，让学生在对案例的探索和实践中领悟知识的作用、掌握解决问题的办法和升华对知识的理解，培养学生活学活用，“用数学”解决实际问题、进行科学研究的意识和能力，体现“授人以渔”的思想。通过对实际问题案例的分析，让学生在发现问题、分析问题、解决问题的过程中，体验“用数学”的乐趣，培养“用数学”的能力，建立“用数学”的意识。使学生学会运用数学的思维方式去观察、分析，面对实际难题能主动尝试着从数学的角度运用所学知识和方法，寻找解决问题的最佳途径。近年来，涌现了一些基于案例教学法的教学设计，以《概率论与数理统计》第一章第三小节“贝叶斯公式”为例，文章［1］首先介绍了贝叶斯公式的本质，使学生掌握将信息与样本结合起来用于统计推断的思想，引入经典案例“狼来了”，对学生进行做人诚实守信的思想品德教育。文章［2］给出了“课程思政”指导下的贝叶斯公式的一种全新教学模式，充分发挥了课程和教师的主体责任。探讨贝叶斯公式的理论与实践，传统的教学往往注重课程的理论体系，学生学起来感到困难重重难以理解，本文的教学设计采用案例教学法，将贝叶斯公式应用到与我们日常息息相关的商品质量检测问题，活学活用，整体逐步推进，使学生在掌握知识的同时，培养良好的解决问题的概率思维。下面给出贝叶斯公式的课程教学设计:
1创设情境热点新闻引入
教师创设情境，利用多媒体播放图片，展示一则近日有关商品质量问题的新闻，引入商品质量检测的话题。对商品进行随机抽样检查，根据检查结果，教师引导学生思考“检测次品后显示该商品为次品的几率”这个问题。通过教师与学生的互动，引出本节课所要探讨的商品质量检测问题和解决问题的办法—贝叶斯公式。使学生对接下来要学习的贝叶斯公式产生极大的兴趣，迅速进入学习状态。
2定义贝叶斯公式
教师展示定理内容，给出贝叶斯公式［2］:设试验E的样本空间为Ω，B1，B2，…，Bn是它的一个完备事件组，且P(Bi)＞0(i=1，2，…，n)，则对任一事件A，且P(A)＞0，有由前面所学的条件概率公式出发，教师结合线路图对公式进行直观的推导。教师引导学生对定义进行理解，在上一节全概率公式的基础上，直观地将Bi看成是导致A发生的各种可能原因，且P(ABi)已知，如果A已发生，反过来要探究众多的原因中由Bi这个原因所引发的概率。它是一个“由果索因”的条件概率，并且在日常生活中有着广泛的应用。利用多媒体插入数学家贝叶斯的照片，介绍贝叶斯公式是1763年由英国数学家贝叶斯首次提出来的，并由此思想形成了后来的“贝叶斯方法”。通过引入贝叶斯公式相关的数学文化，开阔学生的知识视野。教师还可引申数学家积极探索，追求科学真理的精神，培养学生不畏挫折、勇攀高峰的学习精神。
3案例分析:商品质量检测
教师展示商品质量检测的一则案例:假设某商品的次品率为0．1%，而现有的检测手段灵敏度为95%(即发现商品确实为次品的概率为95%)，将好的商品判为次品的概率为1%。此时对商品质量进行随机抽样检查，检查结果显示该商品为次品。问仪器在检测次品后显示该商品为次品的概率。教师引导学生对案例进行分析，首先引入数学符号A表示“检测为次品”，B1表示“商品为次品”，B2表示“商品为正品”。由题目已知的条件可得:P(AB1)=0．95，P(AB2)=0．01，P(B1)=0．001，P(B2)=1－P(B1)=0．999，目的是求P(B1A)。为了更加清楚的理解题目，教师借助于全概率公式的路径图(如图1)来表示，有两条路径可以抵达“检测为次品A”的目的地。一条是商品本身就是次品，检测为次品;另外一条是商品本身是正品，检测为次品。检测为次品A的概率就是这两条路径的概率之和，即代入具体数据计算可得P(B1A)约等于8．68%。教师提问学生对这个结果数字大小是否感觉到意外，通过课堂实践发现大部分学生会觉得数字之小有点出乎意料。这个数字看起来非常荒谬且不切合实际，因为这样的结果告诉我们现有对于次品商品的检测手段极其不靠谱，误判的概率极大。教师对案例进行分析总结:由于实际商品的次品率很低，即实际送来的商品中绝大多数是没有质量问题的，也就是说1000个商品中，只有1个是次品，但是在检测中我们可以看到，仪器显示这1000个商品中存在着10．94个次品，结果相差了10倍。所以，这就告诉我们，在实际生产制造过程中，当一个商品检测出是次品后，必须要通过再一次的复检，才能大概率确定该商品为次品。
4小组应用讨论
[关键词]数字经济；物流管理；创新人才培养模式
在经济发展新常态下，消费模式的服务化、销售市场的分散化与智慧物流的普及化带来了复杂结构的物流需求，随着移动互联网技术成熟，在国家政策支持下，物流各项指标随着大数据产业发展呈现翻倍增长态势，同时，对于“大数据”技术的充分应用，物流路线、选址及仓储等，都有望得到进一步优化，从而达到即时服务的终极目标。数字经济作为经济的一个新业态，已经成为新旧动能转换中非常重要的驱动力，也是全球新一轮产业竞争的制高点。数字技术的快速发展同时改变着工作和职业的性质，2018年，中国数字经济领域提供的就业岗位为1.91亿个，占当年总就业人数的24.6%，同比增长11.5%，数字技术在提高劳动效率的同时，也会减少对于劳动力的需求，根据麦肯锡全球研究所估计，到2030年，可能有多达2.2亿中国工人需要换工作，占中国总劳动力的30%，而物流一直被视为劳动密集型行业，面临这样的冲击，势必需要快速的转型升级和新旧动能转换。由此可见，传统的教学空间布局、教学组织模式、教学方法与技术等已经无法适应工业4.0背景下物流创新型人才的培养，教育改革势在必行。
1.物流管理人才培养存在的问题
1.1物流管理专业教育模式创新体系缺乏系统性
国务院印发的《深化新时代教育评价改革总体方案》总体思想要求突出培养相应专业能力和实践应用能力，新文科建设要求通过跨专业、跨学科、跨界甚至跨域整合突破界限壁垒，运用“新”（新经济、新技术）、“融”（嵌入式、交融感）、“通”（跨学科、跨领域）、“特”（有特色、很特别）的新文科思维，创新运用互联网、云计算、大数据、人工智能等数字技术，产学合作协同优化、创新设计新时代文科的人才培养方案、课程内容体系、教育教学方法、科教融合模式和教学评价机制等，推动跨学科深入交叉互渗、跨领域深度融合贯通。这与物流产业发展对人才的需求标准不谋而合，因此融合新文科建设思路是深化物流管理教育改革的重要方向。但物流观看了创新教育需要将改革策略及具体举措集成在一个系统的、立体的、全面的适应性体系建设上，只是通过增加课程的实践环节无法形成一体化的课程计划；单纯运用一些类似翻转课堂、课堂APP等授课技巧也只是旧有教学模式的完善。
1.2物流管理人才培养目标设置与社会发展趋势没有保持一致
需求的刺激、市场结构优化和技术变革等改变促进了中国物流业的快速增长，“互联网+”促进了传统物流产业的变革升级，人工智能、物联网和区块链的结合，正在让物流行业发生一场效率革命，这些都带来了复合型专业人才的紧缺，从而制约了物流产业链的迭代更新。而物流管理教学的目标更多是旧有知识的输出，在这一背景下，需要更加关注课程的设置与质量，培养物流管理人才解决复杂问题的能力、竞争力、领导力、新技术开发能力及社会责任等素养。
1.3物流管理教改研究中对课程研究较多，创新人才培养体系研究较少
从中国知网CNKI数据分析结果可知，物流管理教改研究中“物流课程”的中心性最高，围绕该关键词，出现了“物流课程”，“国际物流”，“教学质量”，“教学改革”等高频词，也有结合行业发展背景进行物流人才培养模式研究，例如徐龙闪，肖红波（2021），吕雪（2020），潘鹏（2021）等学者主要研究了在互联网背景下物流管理专业人才培养目标和培养体系，但教改领域中针对数字经济背景下物流管理创新人才培养相关研究较少。
1.4国内外先进的教学理念、教学模式、教学方法等的应用不够
随着我国高等教育改革的不断发展以及国际交流与合作的持续深入，先进的教学理念、教学模式、教学方法等层出不穷，日益创新，发展迅速。其中典型的成果是北美地区高校教学技能培训机构CaffarellaRS（2002）提出的BOPPPS教学模型，因强调激发授课对象的主动性，被全球超过100所大学和产业培训机构所推崇。因为物流同时根植于工程和管理实践的，既体现了工程与管理门类学术研究主题的综合，也体现了物流实践中工程技术与管理方法的交叉融合，因此麻省理工大学创立的CDIO工程教育理念为物流管理教育提供了一个新的思路和研究方向，也为我国的物流管理新文科改革提供一些有益的借鉴。CDIO的核心思想在于鼓励学生以主动的、理论联系实践的、课程之间相互交融和有机联系的方式进行学习。CDIO理念与教育模式的创新在很大程度上逐渐成为中国高等工程教育界重要且具有巨大影响力的改革行动之一，迄今为止，CDIO在中国的发展已逾十年，但CDIO模式多数仍局限于机械、电气、化工、土木、农业类专业，因此结合物流管理人才需求现状，我们认为“BOPPPS-CDIO”教育模式更能够有助于复合型、多元化创新物流管理人才的培养。
1.5提高管理管理课程群教学效果的需要
物流在我国国民经济中占据重要的位置，物流行业的应用型人才需求和教学效果并不匹配。目前整个教学环节与实践中存在着重传授理论知识、缺乏系统化的学生能力培养，理论实践相互脱节、学生兴趣不浓的现象，教学模式难以匹配学生数学素养参差不齐等问题。
2.数字经济时代对物流管理创新人才的新需求
2.1数字经济时代对物流就业的影响
数字经济的概念最早是由DonTapscoti在20世纪末提出，中国信息通信研究院的《中国数字经济发展与就业白皮书（2020年）》中对数字经济的概念进行定义：“数字经济是以数字化的知识和信息作为关键生产要素，以数字技术为核心驱动力，以现代信息网络为重要载体，通过数字经济与实体经济深度融合，不断提高数字化、网络化、智能化水平，加速重构经济发展与治理模式的新型经济形态”。数字经济发展造成了物流管理劳动力市场两极分化。一方面，数字经济催生了很多新模式和新业态，例如尤其在消费市场创造了大量物流新就业机会，另一方面，由于人工智能的特点，物流业中重复性、机械性劳动更容易被机器和软件替代，此类岗位大幅减少，一线工人的工作日也将因自动化而重新配置。
2.2数字经济时代对物流管理专业人才的要求
我国非常重视物流产业人才培育，截至2018年，全国开设物流管理专业的高校就达396所，而物流智能化，物流平台，物流资本化，物流新零售等创新经济所需要的物流人才培养规模过小。从物流行业细分领域人才需求表（见表1）不难看出，数字经济时代对创新型物流专业人才的要求体现在以下几个方面：一是逻辑思维能力强、具备数字化思维和能力。二是熟悉物流服务行业的业务模式及流程。三是能通过数字的牵引，具备整合管理、业务和技术的能力。
3.数字经济时代物流管理创新人才培养路径
3.1基于数字经济背景建立物流管理创新人才分层教学模式
3.1.1融合数字经济设定层次化培养目标通过对政府、企业、科研院所的调研走访，研究数字经济背景下物流管理人才需求，对物流管理就业状况的数据收集分析整理，同时整理物流领域需要的数字技能，建立通用的数字技能分类，例如物流数字化开发类，物流数字化运营类等，根据技能分类和劳动力市场需求的指导，制定和实施具有针对性的培养计划。在教学目标上，融合数字经济设定层次化培养目标，促进知识、能力、素养的有机结合，按照培养目标和社会需求建立分层次教学体系，确定培养目标和知识能力体系，对学生进行基础层、应用层、创新层分层次分阶段教学的培养。通过层次化培养目标解决学生基础差异，教学与实际脱节的问题，帮助不同层次的学生将课程理论内容相互衔接与融合，形成较完整的解决问题的理论体系与思路。教学计划上，拟定培养高水平管理人才的教学计划，使课程的教学计划能够与宏观经济、产业发展、企业实际需求实现良好的对接。
3.1.2提升教师数字经济和专业知识水平当今的物流业很难避免数字化竞争，现代物联网，人工智能，云技术，区块链，流程自动化RPA等数字技术的加速创新迫切需要提升高校教师的数字经济相关知识和技能，因此，通过让教师参加数字经济及相关技术的培训、学习、讲座和研讨等方式，并通过校企合作项目，让教师进入相关企业进行实践锻炼，提升教师的数字经济素养。另一方面，高校可以建立双导师制度，引进企业教师，充分发挥丰富实践经验的优势，企业教师不限于物流行业，互联网、新零售、电子支付等高科技行业，这些导师一方面能弥补高校教师实践经验不足的缺陷，另一方面也能够生动还原企业营运环境。在高校物流管理专业建立专业教师、企业导师、职业指导三重师资队伍结构，进行通识教育，物流专业教育，职业教育培养教学，着力培养既具备物流知识技能又具备计算机、大数据知识技能的高素质物流人才。
3.1.3丰富物流数字经济教学内容教学内容上，坚持理论与需求、经济、技术、产业链等环境变化以及物流与金融，IT，工程学，建筑等其他学科的有效融合，增加物流数字化运营管理的知识体系与发展动态知识学习内容，保持知识结构的前沿性和时代性。在课程设置方面，应在设置经济、管理、工程等一般理论课程的基础上，针对不断更新迭代的细分领域，例如物流与金融学科的融合产生出的仓管质押、代收支付、货车信贷等细分领域；物流与IT的融合产生出的车货匹配、智慧物联网等领域；物流与工程学的融合产生出的AGV、无人机、自动化仓储分拣等领域，合理设置区块链、大数据技术与应用、智慧物流营销与管理、互联网金融与管理等课程方向，将物流与供应链的知识进行深度融合，突出智慧物流与供应链的发展特色。
3.2利用数字技术实现多渠道学习和教学
一是加强数据资源建设，搭建“数字技术+物流”教育平台，平台教程和案例数字资源库由教师和企业共同参与、设计和完成；运用“BOPPPS有效教学模组”作为线上线下混合式教学设计的“基本架构”，充分利用数字技术，通过在线课程，智慧课堂、学习通等方式丰富教学过程，并合理利用这些平台对学生学情等数据进行分析，营造参与式教学氛围，及时调整教学内容和手段提高教学质量。；教学实践上，持续丰富实践教学内容，达到“第一课堂”与“第二课堂”的有效契合，增加物流仿真实验等实践项目、企业实地研究和实习机会，激发学生对实用技能的兴趣，培养学生考虑数字经济背景下解决复杂物流管理问题的综合能力与高级思维；二是强化实践教学体系，丰富和完善教学实践。通过构建实验教学平台、学科交融讨论平台和课外实践平台，强化实践教学环节，实现课内与课外、理论与实践的对接。强化实验教学。结合理论讲解和案例教学，认真开展实验教学。教师充分应用实训场地、设备、软件指导学生在实验课堂上动手完成各项模拟业务操作，提高学生动手能力。组织学生参加各项竞赛活动。每年由学生组建团队，参加全国各项物流大赛，学生主动参与，提高学生的知识运用能力和合作意识。用“课程+兴趣+社会”的教学为学生创造有意义的学习经历，鼓励学生观察家乡或者身边的实际情况，综合运用物流成本、管理学、微观经济学等物流管理等文科知识提出解决方案。增加校企实习实践考核力度。企业实习不局限于熟悉物流日常操作，建立学校和企业双向沟通渠道，教师和企业导师共同指导同学物流实习，鼓励企业问题进课堂，课堂理论企业应用，利用APP，QQ，微信，腾讯课堂等数字手段，进行现场讨论并提出有建设性的方案。
3.3多维度考核评价机制，解决重结果轻过程的问题
实行过程性考核与多形式考核的有效契合，提高考核的全面性、实践性。构建多维度教学效果评价体系，重视学生参与度和过程考核，课程考核包括试卷考核，线上答题，线下调研，成果汇报等多种形式。评分采用试卷评分，课堂和线上讨论评分，同学互评等方式。优化评价方式。加大线上考核比例。线上考核内容应针对不同的学习内容进行权重设计，比如线上考勤，学情考核，课堂APP讨论等，提高学生主动性，鼓励学生观察身边现象，自发拟定讨论话题。线下学习布置进阶式任务，提高可操作性，增强学生物流方案设计能力。优化实践环节评分体系。除了考核学生现场实习表现，同时要求学生针对企业问题提出独立的方案，在最后的评选环节，由学校教师，企业导师和同学组成的评分组根据实际情况得出综合得分。该分数是小组间横向评比、集体评议的结果，能更加客观地反映学生学习和掌握知识的实际水平。
4.结语
