摘要：人工智能不仅改变了知识的生产与传播方式，而且直接改变了高等教育的教学形态，已成为高校教育革新的技术驱动力与现实需求。针对传统计算机专业人才培养模式已不能适应智能时代产业发展需求的问题，分析人工智能知识体系和智能时代人才需求，对高校计算机类专业群建设进行革新，提出新计算机类专业群架构，并对其人才培养的生态环境、知识体系、教学方法及保障机制进行探索研究，可为智能时代计算机类专业人才的培养提供参考。
关键词：专业群建设；人工智能；计算机专业
以深度学习、大数据分析挖掘、机器人技术等为代表的人工智能时代已经来临，传统产业受到了巨大冲击，人才需求也发生了根本性改变。2018年4月教育部发布的《高等学校人工智能创新行动计划》全方位、综合性地确定了高校人工智能领域人才培养的指导方针。传统的计算机专业必须调整更新专业结构，重点强化与其他学科的交叉融合，多维度拓展计算机专业学科知识和实践体系，系统布局计算机类专业群，进一步促进资源集成与共享[1]。
一、新计算机类专业群架构
人工智能（ArtificialIntelligence，简称AI）是指采用人工方法模拟人类行为特征，研究人类智能活动规律，以智能计算机方式加以实现，替代某些人类行为的学科，同时也是一个高度交叉融合的学科，涉及计算机科学、信息论、控制论、神经心理学及哲学等[2]。李德毅院士认为“信息化时代我们有五个小兄弟”，将AI和控制科学和工程、计算机科学与技术、通信网络及电子工程等学科密切关联，认为他们是交叉融合关系；中国AI学会教育工作委员会王万森主任构建了核心层、衍生层、复合层与交叉层四层AI专业体系结构[3]。因此，单一知识领域的人才培养方式已不适应智能时代的人才需求，需将不同学科融合，建立包容的复合知识体系。计算机类专业以培养具备硬件设计、软件开发、网络维护和数据计算与处理等能力的应用人才为主，而AI是以模拟人类大脑思维，信息感知、认知与综合处理等能力为主，不仅是计算和数据处理能力。目前某些高校计算机类专业与AI的结合只是简单地加入几门AI课程实现形式上的拼凑，并未融入其核心内涵以实现本质上的提升。因此以AI为引导，面向其产业链和职业岗位群，构建以计算机科学与技术专业为核心，整合优化其他相关专业，融合课程体系、师资队伍、实践平台、校企合作等建设要素，以互联网与大数据为技术支撑，以大数据智能、机器人为软硬件应用方向的新计算机类专业群架构（见图1），实现计算机类专业间的共享与延伸，形成“软硬结合”的聚合裂变，优势互补，协调发展。
二、新计算机类专业人才培养的生态环境
人才培养生态环境构建关乎培养目标定位与质量。智能时代计算机人才需求可概括为三类：研究人员———AI发展的核心人才，奠定AI理论基础和推动相关技术进步；技术开发人员———推动AI发展的中坚力量，解决某些特定问题的AI算法、程序开发及智能系统设计；实践应用人员———AI实施的根本基础，负责特定环境下的操作程序执行及项目应用实践。计算机类本科专业群人才培养的目标定位为技术开发人员，构建“计算机学科素养+人工智能思维模式与技能+产业应用需求与实践”相融合的培养生态，培养的人才不仅具备较强的数学基础、知识工程、数据计算与处理和智能硬件等相关的知识与技能，还能熟练掌握大数据分析、数据挖掘与深度学习、传感网与物联网及机器人开发等专业知识，可以协同智能产品的设计研发与生产。人才培养定位为智能系统设计师、算法工程师、智能设备和无人系统研发师、智能服务应用工程师、大数据分析与处理工程师等[4]。培养人才的跨学科与领域的综合性思维、计算机学科相关的专业性思维和具体应用相关的功能性思维，营造培养具备颠覆性的创新能力、跨学科的快速自学能力及协调创造能力人才的生态环境。
三、新计算机类专业人才培养的知识体系
遵循“基础共享、核心分立、拓展互选”原则，注重整体性、层次性和关联性，构建“基础+平台+模块+拓展”的知识体系。计算机人才对数学与统计学、计算思维要求较高，除传统微积分、数理统计、线性代数等，还要掌握数学分析、矩阵运算、凸优化等相关知识，同时还应具备认知科学、语言学、心理学、仿生学等相关知识，强化计算思维能力与学科交叉融合能力训练，为创新能力的培养提供思维基础。围绕计算机软硬件与人工智能工程技术进行专业知识构建，专业知识包括信息系统设计、机器学习、模式识别及深度学习等。依据智能时代不同岗位的需求确定专业选修课程，要区别于其他专业核心课，与学生未来岗位技能直接对应，提供专业技术学习与训练机会并实现专业群间的综合技能协同训练。以产业与岗位能力需求为依据，直接面向行业应用开发与实践，进行知识融合与整体性系统研究与开发。依据新计算机类专业人才培养生态，知识体系以培养学生计算思维、学科交叉融合思维为核心，将金字塔结构式知识组织体系转变为扁平化网络知识体系。扁平化网络知识体系是一个网状知识集合体系，计算机学科素质、人工智能思维及行业应用都是一个个知识点，均处于网络的节点上。而智能时代计算机技术产业链是将多个知识点连接起来构建专业群式的网状模式，各知识点通过知识的传递、交流与创新，实现共享与协调，必要时对知识点进行结构重组和重构来实现体系内各层次专业知识之间的互动。灵活开放的、扁平的网络化组织体系有利于知识的传递和转化[5]。
四、人才培养的新教学方法与手段
AI为学生提供了快速获取知识的平台，学生能实现自适应式学习[6]。教学主要目的转变为培养学生探索知识的兴趣，启发学生寻求人生的价值与意义。可穿戴设备、虚拟现实与增强现实、语音图像识别、辅助学习智能机器等技术设备不断融入教育教学，构建更为丰富的教与学互动新空间，实现物理世界与虚拟信息世界交互，实现人机协作的高效学习。大数据、深度学习等分析技术能实时反馈学生学习效果，更加透彻地分析学生学习特性和习惯，以便教师及时调整教学策略，实现个性化培养，提高学生学习效率。基于“互联网+”实现泛在网络教学模式，采用慕课、微课、翻转课堂和个性化教学等交互认知手段，使教学过程以分散的形式在不同场景发生，形成集线上线下混合学习、课堂内外连贯教学于一体的教学过程[7]。
五、新计算机类专业人才培养的保障机制
（一）师资队伍建设
打破传统教师分属于不同教学单位的固化身份，与企业兼职教师成立课程组（群），构建多元化师资队伍结构，包括全岗教师、兼职教授、学术型导师和工程实践型导师。全岗教师由学院和其他学院全职教师组成；兼职教授为合作企业技术研发骨干，包括企业技术专家和创新创业导师；学术型导师由科研人员组成，指导科研和论文及讲授学科前沿与进展；工程实践型导师由技术研发骨干和技术系统开发专家组成，指导科研实践、讲授产业项目案例。队伍实施三层次构建机制。第一层为专业群负责人，具备多专业融合知识，指导专业群整体规划、多资源配置、课程群开发及专业间沟通协调；第二层为专业带头人，具备深厚的专业理论知识与先进技术能力，教研、科研能力，能凝聚团队力量，能起到统领和表率作用；第三层为骨干教师，是支撑专业群的主力，具有丰富的教学与实践经验，能结合社会、行业企业、学生的不断发展及时充实、调整自我，满足教学需求。专业群师资应保持相关专业知识的交叉融会和贯通，以专业群建设为核心提升自身业务素质，强化可持续发展能力，为专业群持续高效发展奠定坚实基础。
（二）教学资源建设
构建满足专业群各专业学习需求，全时段、全用户覆盖的网络学习平台[8]。汇聚高校和企业各方力量开发一批知识性和趣味性相结合的在线开放课程，开发虚拟仿真等技术创新实践教学方式，不断丰富网络资源并实现均衡、优质供给，公平共享，为学生、教师和管理者创造个性化的学习环境，为泛在学习提供无限可能，同时为学生配备由企业导师、创业导师、学术导师以及辅导员组成的导师组，保证学生问题的及时咨询与解决。
（三）质量保障与评价
在征求用人单位代表和校外专家在人才培养模式、培养目标、课程体系、教学内容、教学方法、学生技术水平等方面的意见或建议后，修订培养目标，不断改进人才培养模式，提高人才培养和社会需求匹配度，基于认知心理学、大数据、人工智能等技术建立学生成长过程记录和全程反馈系统[9]，以数据和事实描述学生特点和特长能力等，为毕业生提供全面学习档案和能力清单，使学生能够实现自我认知，明确自己能胜任和擅长的工作。
（四）产教融合协同机制
产教深度融合是提升理论水平与实践能力的必由之路。促进教育链、人才链与产业链、创新链的有机衔接，构建校企参与的深度融合机制，建立人才需求信息平台和人才培养数据平台，联合进行人才需求动态预测、专业布局调整、课程教学内容修订，促进人才培养质量提升，发挥企业的主体作用，促进学校人才培养和产业需求全方位融合；优化校内协同育人组织模式，通过跨专业交融等方式构建校企一体化、共享型协同育人实践平台；完善校企协同参与机制，建立由多方组成的专业群建设委员会，实施无缝链接对话的交流沟通机制，构建以区域产业为纽带、多主体参与的产教融合平台，借助“产业学院”“校企融合发展中心”等构建校企深度合作的协同育人机制。
（五）人才评价机制
AI为人才培养质量评价提供技术保障。依据大数据技术构建评价平台，通过大数据分析、深度学习等对培养质量提升全过程进行数据统计挖掘分析，实现人才培养的可追溯、可分析、可检验及可持续改进，建立更加精确有效的评价体系，减少传统评价因主观因素而产生的缺陷和弊端。通过对学生知识结构、实践技能、素质能力等方面的大数据分析，及时掌握学生的能力水平，根据分析结果对整个培养过程进行持续改进调整，以适应不断发展的行业需求，制订个性化培养方案，有针对性地提升学生素质能力，达到人才培养目标。综上所述，智能时代已经到来，AI技术本身还有待进一步完善。时不我待，计算机类专业群建设必须不断改革创新，以适应快速变化的AI技术和智能时代人才需求。
参考文献：
[1]黄荣怀,周伟,杜静,等.面向智能教育的三个基本计算问题[J].开放教育研究,2019(5):11-20.
[2]李开复,王咏刚.人工智能[M].北京:文化发展出版社,2017:5.
[3]王万森.人工智能类专业课程体系应该如何建设[EB/OL].(2018-04-19)[2021-05-12].
[4]杨博雄,李社蕾.新一代人工智能学科的专业建设与课程设置研究[J].计算机教育,2018(10):26-29.
[5]王颖.智能时代大学的发展之道[N].中国教育报,2019-04-18(7).
[6]赵斌,黄天元.人工智能时代的高等教育与变革[J].复旦教育论坛,2019(4):18-25.
[7]任增元,刘军男.人工智能时代高校人才培养变革的思考[J].大学教育科学,2019(4):114-121.
[8]蒋作,王新,周卫红,等.新工科背景下的计算机科学与技术专业建设研究[J].云南民族大学学报（自然科学版）,2020(2):110-114.
[9]涂家海.面向人工智能时代人工智能技术与应用专业群建设思考[J].湖北广播电视大学学报,2019(2):37-42.
作者：鲁慧民 王红梅 刘钢 赵辉
返回综合论文列表