创新教育研究|人工智能背景下的机器学习课程递进式实验教学探索与设计

向上滑动阅览

本文提出的递进式实验教学改革路径如图2所示，通过构建层次化知识框架、设计递进式实验案例、重构三阶闭环实践路径、构建阶梯式评估体系，帮助学生掌握从模型选择、数据工程到系统集成的全流程实践能力，培养其在大模型时代所需的工程思维与创新能力。

本递进式实验教学设计的核心理论基础有： 布鲁姆认知目标分类学(修订版) 、建构主义学习理论、认知负荷理论。

这些理论相互支撑，共同指导后续教学设计的四个核心环节：知识体系分层(布鲁姆)、实验案例的主动探究(建构主义)、阶梯任务难度控制(认知负荷)、多维能力评估(布鲁姆 + 建构主义)。

结合修订版布鲁姆认知模型等核心教育理论与人工智能前沿技术发展需求，本文拟构建一套逻辑严密、可落地的递进式实验教学设计，如图3所示。

1. 重塑层次分明的动态知识体系

根据修订版布鲁姆认知模型的教育目标分类，认知层级包含6个层次，由低到高、由浅入深，依次是记忆、理解、应用、分析、评价和创造。根据这6个递进层次，围绕基本概念、重点内容、难点技术重构核心知识体系(如表1所示)。

2. 设计认知导向的递进式实验案例

认知导向的案例设计：以分类模型为例，如表2所示，基于认知层级理论的实验体系分为验证型(KNN)、探究型(ResNet)和综合创新型(Transformer)三类实验，逐步帮助学生从算法的理解走向系统的构建，实现“基础认知–能力培养–创新实践”的能力提升。

领域驱动的案例库建设：领域案例库则以垂直行业场景为基础，构建“SVM→U-Net→Diffusion模型”等贯穿传统与前沿技术的应用(如表3所示)，使学生在解决医疗影像分析、金融风控等真实问题的过程中，既掌握算法的迭代逻辑，又建立技术产业化应用的系统思维。

3. 创新三阶闭环的实验教学模式

具体实施路径如下：

(1) 课堂案例演示教学

(2) 扩展性课后实验

(3) 开放性综合作业

4. 创建多维阶梯式考核评估机制

基于布鲁姆认知目标分类学的“记忆–应用–创造”路径，并体现建构主义对协作、实践和问题解决的重视，本文构建了一种多维阶梯式评估体系，评估框架如表4所示。

本文依次通过重塑层级化知识架构、设计认知与领域双维实验案例、改革三阶闭环培养模式、建立多维阶梯式评估机制，解决传统教学中知识碎片化、实践脱节化、评价单一化问题，提高学生创新精神和解决复杂工程问题的能力，推动《机器学习》课程不断适应人工智能时代快速变化的需求。