［摘 要］在當(dāng)前人工智能大模型的新時(shí)代背景下，自然語(yǔ)言處理領(lǐng)域展示出了完全不同于以往的問(wèn)題解決路徑。在新時(shí)代的需求導(dǎo)向下，自然語(yǔ)言處理領(lǐng)域的人才不能局限于傳統(tǒng)方法的理論實(shí)踐，需要具有靈活使用前沿知識(shí)和技術(shù)來(lái)解決問(wèn)題的實(shí)踐能力。在這種背景下，本科自然語(yǔ)言處理課程出現(xiàn)了理論課知識(shí)過(guò)時(shí)且復(fù)雜、實(shí)驗(yàn)課實(shí)踐內(nèi)容門檻過(guò)高、課程內(nèi)容與工程實(shí)踐脫節(jié)等問(wèn)題。針對(duì)這些問(wèn)題，文章提出了本科自然語(yǔ)言處理課程的教學(xué)改革方案，通過(guò)簡(jiǎn)化理論課知識(shí)結(jié)構(gòu)、重構(gòu)實(shí)驗(yàn)課實(shí)踐內(nèi)容、加強(qiáng)理論與實(shí)踐融合等方法，使課程內(nèi)容符合當(dāng)前大模型時(shí)代的要求，培養(yǎng)學(xué)生對(duì)前沿技術(shù)的實(shí)踐能力。

［關(guān)鍵詞］實(shí)踐能力；自然語(yǔ)言處理；大模型；課程改革

［中圖分類號(hào)］G642.0 ［文獻(xiàn)標(biāo)識(shí)碼］A ［文章編號(hào)］2095-3437（2024）20-0052-06

近年來(lái)，我國(guó)人工智能產(chǎn)業(yè)發(fā)展迅速，政府陸續(xù)出臺(tái)多項(xiàng)政策，如《新型數(shù)據(jù)中心發(fā)展三年行動(dòng)計(jì)劃（2021—2023年）》《關(guān)于加快場(chǎng)景創(chuàng)新以人工智能高水平應(yīng)用促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展的指導(dǎo)意見(jiàn)》等，鼓勵(lì)人工智能行業(yè)發(fā)展與創(chuàng)新，積極推動(dòng)人工智能產(chǎn)業(yè)的持續(xù)發(fā)展。同時(shí)，人工智能產(chǎn)業(yè)已成為新一輪科技革命和產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力，積極推動(dòng)傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，并且催生了很多新興產(chǎn)業(yè)，對(duì)國(guó)民經(jīng)濟(jì)、國(guó)防和社會(huì)的發(fā)展至關(guān)重要。持續(xù)高速發(fā)展中的人工智能產(chǎn)業(yè)需要大量專業(yè)人才隊(duì)伍的支撐，高校作為人工智能人才輸出的重要陣地，承擔(dān)著培養(yǎng)人工智能人才的重要使命。教育部積極推進(jìn)新工科建設(shè)，發(fā)布了《教育部高等教育司關(guān)于開(kāi)展新工科研究與實(shí)踐的通知》《教育部辦公廳關(guān)于推薦新工科研究與實(shí)踐項(xiàng)目的通知》等，全力探索形成領(lǐng)跑全球工程教育的中國(guó)模式、中國(guó)經(jīng)驗(yàn)，助力高等教育強(qiáng)國(guó)建設(shè)。

自然語(yǔ)言處理（Natural Language Processing，簡(jiǎn)稱NLP）作為人工智能領(lǐng)域的重要分支，在推動(dòng)現(xiàn)代科技進(jìn)步方面發(fā)揮著不可替代的作用，是整個(gè)人工智能產(chǎn)業(yè)的重要組成部分[1]。因此，高校在本科階段開(kāi)設(shè)高質(zhì)量的、注重實(shí)踐能力培養(yǎng)的自然語(yǔ)言處理課程尤為重要。然而，自然語(yǔ)言處理課程通常是作為專業(yè)課程面向計(jì)算機(jī)相關(guān)專業(yè)的碩士研究生開(kāi)設(shè)，課程內(nèi)容多為偏向算法理論基礎(chǔ)，相對(duì)應(yīng)的實(shí)驗(yàn)課內(nèi)容也偏向機(jī)器學(xué)習(xí)相關(guān)算法的復(fù)現(xiàn)和優(yōu)化。此外，隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展和進(jìn)步，在NLP領(lǐng)域中傳統(tǒng)的機(jī)器學(xué)習(xí)模型逐步被基于深度神經(jīng)網(wǎng)絡(luò)的模型取代，而大語(yǔ)言模型的出現(xiàn)則進(jìn)一步改變了NLP領(lǐng)域一直以來(lái)的問(wèn)題解決路徑[2]。新時(shí)代對(duì)NLP領(lǐng)域的應(yīng)用型人才提出了不同需求，不再?gòu)?qiáng)調(diào)對(duì)NLP基礎(chǔ)處理以及傳統(tǒng)方法的細(xì)致理解，而是需要應(yīng)用型人才能夠深入掌握預(yù)訓(xùn)練語(yǔ)言模型的深度模型結(jié)構(gòu)和預(yù)訓(xùn)練技術(shù)，并具有針對(duì)具體任務(wù)進(jìn)行提示工程和微調(diào)訓(xùn)練的能力。

本科自然語(yǔ)言處理課程在具體教授過(guò)程中面臨著如下三個(gè)問(wèn)題：一是理論基礎(chǔ)知識(shí)學(xué)習(xí)需要較多前置知識(shí)，本科生難以學(xué)習(xí)和理解；二是復(fù)現(xiàn)算法的實(shí)驗(yàn)需要較強(qiáng)的代碼能力，本科生難以完成；三是以輔助學(xué)生研究為教學(xué)目的的課程內(nèi)容設(shè)計(jì)與工程實(shí)踐要求脫節(jié)，難以滿足本科生對(duì)課程的期望。本科自然語(yǔ)ID1GMCrqMfwhjrez1oTj0Q==言處理課程應(yīng)該更加注重對(duì)學(xué)生實(shí)踐能力的培養(yǎng)，側(cè)重讓學(xué)生在應(yīng)用實(shí)踐中深入理解理論知識(shí)和鍛煉工程能力。針對(duì)上述問(wèn)題，本文提出從如下三個(gè)路徑對(duì)本科自然語(yǔ)言處理課程進(jìn)行教學(xué)改革：一是簡(jiǎn)化并分解理論課中的核心內(nèi)容，以成體系的結(jié)構(gòu)教授相關(guān)知識(shí)；二是整理并重構(gòu)實(shí)驗(yàn)課內(nèi)容，以循序漸進(jìn)的方式調(diào)整實(shí)驗(yàn)課內(nèi)容；三是以優(yōu)化和改良的方式開(kāi)展實(shí)驗(yàn)課內(nèi)容教學(xué)，建立實(shí)驗(yàn)課與實(shí)踐過(guò)程的聯(lián)系。本文將基于教學(xué)改革結(jié)果進(jìn)行深入分析，探討改革過(guò)程中遇到的挑戰(zhàn)和取得的成效，相關(guān)經(jīng)驗(yàn)和教訓(xùn)可為其他高校的教學(xué)改革提供有益的借鑒和啟示，推動(dòng)人工智能教育的進(jìn)步和發(fā)展，以使人工智能教育的成果跟上時(shí)代且滿足業(yè)界的應(yīng)用需求[3]。

一、本科自然語(yǔ)言處理課程面臨的主要挑戰(zhàn)

自然語(yǔ)言處理通常是計(jì)算機(jī)科學(xué)及相關(guān)專業(yè)的專業(yè)選修課，屬于人工智能方向的核心應(yīng)用類課程。課程教學(xué)目標(biāo)是使學(xué)生掌握NLP領(lǐng)域的基礎(chǔ)知識(shí)并且能夠應(yīng)用一些核心技術(shù)解決NLP常見(jiàn)任務(wù)。以深圳技術(shù)大學(xué)為例，本科自然語(yǔ)言處理課程總學(xué)時(shí)為72學(xué)時(shí)，包括課內(nèi)實(shí)踐18學(xué)時(shí)以及課外實(shí)踐18學(xué)時(shí)。以應(yīng)用能力培養(yǎng)為核心導(dǎo)向，課程內(nèi)容通常涵蓋三個(gè)部分：第一部分為NLP基礎(chǔ)技術(shù)，例如分詞、序列標(biāo)注、命名實(shí)體識(shí)別、文本分類、文本聚類等；第二部分為NLP深度學(xué)習(xí)技術(shù)，包括基于深度學(xué)習(xí)的文本分類與文本生成技術(shù)、機(jī)器翻譯、QA（問(wèn)答）系統(tǒng)等；第三部分為NLP領(lǐng)域的預(yù)訓(xùn)練語(yǔ)言模型及相關(guān)技術(shù)。課程教學(xué)形式包括理論課講述與實(shí)驗(yàn)課實(shí)踐，通過(guò)指導(dǎo)學(xué)生完成一些實(shí)踐項(xiàng)目，讓學(xué)生在應(yīng)用實(shí)踐中深入理解理論知識(shí)并鍛煉工程應(yīng)用能力，最終使學(xué)生能夠運(yùn)用NLP相關(guān)技術(shù)來(lái)解決實(shí)際問(wèn)題。

通過(guò)調(diào)研、分析和反饋，教學(xué)團(tuán)隊(duì)對(duì)目前自然語(yǔ)言處理課程的教學(xué)內(nèi)容和教授方式進(jìn)行了分析和總結(jié)。以培養(yǎng)學(xué)生實(shí)踐能力和工程能力為目標(biāo)，新工科背景下的新時(shí)代本科自然語(yǔ)言處理課程面臨著如下三個(gè)問(wèn)題和挑戰(zhàn)。

（一）理論基礎(chǔ)知識(shí)學(xué)習(xí)需要較多前置知識(shí)，本科生難以學(xué)習(xí)和理解

在自然語(yǔ)言處理課程的理論課教學(xué)中，教師通常會(huì)先介紹語(yǔ)料數(shù)據(jù)的基礎(chǔ)處理，如分詞、命名實(shí)體識(shí)別、詞性標(biāo)注、句法分析等分粒度的階段工作；然后講授一些自然語(yǔ)言處理的基本任務(wù)的傳統(tǒng)算法基礎(chǔ)和知識(shí)，如文本分析、機(jī)器翻譯、信息檢索、問(wèn)答系統(tǒng)等具體任務(wù)的機(jī)器學(xué)習(xí)方法；最后逐步介紹自然語(yǔ)言處理的一些高級(jí)應(yīng)用方法，如預(yù)訓(xùn)練語(yǔ)言模型與微調(diào)訓(xùn)練、多模態(tài)信息處理等[4-5]。然而，對(duì)于上述內(nèi)容，學(xué)生需要掌握一定的前置知識(shí)才能理解。例如，在講授通過(guò)序列標(biāo)注方法進(jìn)行命名實(shí)體識(shí)別時(shí)，就會(huì)涉及隱式馬爾科夫模型、條件隨機(jī)場(chǎng)等復(fù)雜的前置知識(shí)。因此，在自然語(yǔ)言處理課程的理論課教學(xué)中，由于學(xué)生前置知識(shí)的缺乏和課時(shí)的限制，教師通常需要在有限的時(shí)間之內(nèi)講授大量理論復(fù)雜且關(guān)聯(lián)緊密的知識(shí)，容易出現(xiàn)教師難以講明白、學(xué)生難以聽(tīng)懂的問(wèn)題。針對(duì)這一問(wèn)題，教師應(yīng)該根據(jù)本科學(xué)生的特點(diǎn)，對(duì)課程內(nèi)容進(jìn)行簡(jiǎn)化和整理，以更加系統(tǒng)和易懂的方式組織理論內(nèi)容來(lái)進(jìn)行講授。

（二）實(shí)驗(yàn)課門檻較高，需要學(xué)生擁有較強(qiáng)的代碼能力，本科生難以獨(dú)立完成

自然語(yǔ)言處理的實(shí)驗(yàn)課通常要求學(xué)生復(fù)現(xiàn)理論課上所學(xué)的算法或機(jī)器學(xué)習(xí)模型并處理給定的數(shù)據(jù)集，最后通過(guò)觀察處理結(jié)果并進(jìn)行算法優(yōu)化來(lái)促進(jìn)學(xué)生對(duì)基礎(chǔ)知識(shí)的理解和運(yùn)用。然而，自然語(yǔ)言處理中，部分常用技術(shù)的復(fù)現(xiàn)門檻較高，要求學(xué)生具有較強(qiáng)的代碼能力，且難以在有限的實(shí)驗(yàn)課時(shí)中完成。例如，序列標(biāo)注主流的深度模型多為Bi?LSTM（雙向長(zhǎng)短期記憶）+CRF（條件隨機(jī)場(chǎng)）[6]的復(fù)雜結(jié)構(gòu)，本科學(xué)生難以獨(dú)立地在有限時(shí)間內(nèi)復(fù)現(xiàn)這種模型。因此，教師會(huì)提供參考代碼，僅要求學(xué)生完成模型的訓(xùn)練和驗(yàn)證，或直接舍棄部分模型不要求學(xué)生進(jìn)行實(shí)驗(yàn)。毫無(wú)疑問(wèn)，這兩種實(shí)驗(yàn)內(nèi)容的設(shè)計(jì)方式都難以實(shí)現(xiàn)預(yù)設(shè)的培養(yǎng)學(xué)生動(dòng)手能力的目標(biāo)。針對(duì)這一問(wèn)題，教師應(yīng)該根據(jù)本科生的能力對(duì)實(shí)驗(yàn)課內(nèi)容進(jìn)行調(diào)整和重構(gòu)，以循序漸進(jìn)的思路設(shè)計(jì)更有效的自然語(yǔ)言處理實(shí)驗(yàn)課方案。

（三）課程內(nèi)容設(shè)計(jì)與工程實(shí)踐要求脫節(jié)，難以滿足本科生對(duì)課程的期望

目前的自然語(yǔ)言處理課程中，理論課主要介紹諸如機(jī)器學(xué)習(xí)、模型結(jié)構(gòu)等自然語(yǔ)言處理技術(shù)，而實(shí)驗(yàn)課的內(nèi)容組織方式多為命題式，即給學(xué)生布置針對(duì)理論課的具體問(wèn)題，協(xié)助學(xué)生針對(duì)具體的理論知識(shí)點(diǎn)進(jìn)行練習(xí)和實(shí)踐。然而，這種以理解知識(shí)為目的的課程內(nèi)容組織方式與目前以解決問(wèn)題為目的的項(xiàng)目實(shí)踐過(guò)程之間存在一定的差距，導(dǎo)致本科生難以將所學(xué)習(xí)到的知識(shí)與實(shí)際項(xiàng)目的實(shí)踐過(guò)程有效地對(duì)應(yīng)，難以將理論知識(shí)運(yùn)用到項(xiàng)目實(shí)踐過(guò)程。例如，學(xué)生通過(guò)實(shí)驗(yàn)，能夠運(yùn)用序列標(biāo)注技術(shù)進(jìn)行命名實(shí)體識(shí)別的處理，但在面對(duì)從文本中挖掘特定種類的詞匯的實(shí)際需求時(shí)卻沒(méi)有想到可以同樣通過(guò)序列標(biāo)注技術(shù)來(lái)實(shí)現(xiàn)?？梢?jiàn)，學(xué)生面對(duì)具體問(wèn)題時(shí)的實(shí)踐能力和靈活創(chuàng)新能力不足。針對(duì)人工智能產(chǎn)業(yè)對(duì)傳統(tǒng)產(chǎn)業(yè)的優(yōu)化以及對(duì)新產(chǎn)業(yè)的催生，課程內(nèi)容應(yīng)該側(cè)重培養(yǎng)學(xué)生使用自然語(yǔ)言處理的知識(shí)對(duì)產(chǎn)業(yè)轉(zhuǎn)型過(guò)程中遇到的問(wèn)題進(jìn)行分析的能力，以及運(yùn)用自然語(yǔ)言處理技術(shù)進(jìn)行解決方案的探索和靈活創(chuàng)新的能力。

二、教改思路與方案

針對(duì)上述問(wèn)題，教學(xué)團(tuán)隊(duì)嘗試對(duì)自然語(yǔ)言處理課程所涉及的理論課知識(shí)結(jié)構(gòu)、實(shí)驗(yàn)課實(shí)踐內(nèi)容，以及理論與實(shí)踐相互融合等方面進(jìn)行課程設(shè)計(jì)和改革。為了適應(yīng)當(dāng)前新時(shí)代人工智能大模型技術(shù)的特點(diǎn)和要求，教學(xué)團(tuán)隊(duì)將本科自然語(yǔ)言處理課程分為“NLP概述與基礎(chǔ)處理”“NLP深度學(xué)習(xí)應(yīng)用”“NLP預(yù)訓(xùn)練技術(shù)”三個(gè)部分，其中，“NLP概述與基礎(chǔ)處理”部分相較于以往的課程將會(huì)進(jìn)行簡(jiǎn)化，留更多的課時(shí)用來(lái)教授“NLP預(yù)訓(xùn)練技術(shù)”，同時(shí)調(diào)整“NLP深度學(xué)習(xí)應(yīng)用”部分的課程內(nèi)容，讓深度學(xué)習(xí)部分的知識(shí)能夠更好地幫助學(xué)生銜接預(yù)訓(xùn)練相關(guān)的知識(shí)內(nèi)容。

教學(xué)團(tuán)隊(duì)所設(shè)計(jì)的自然語(yǔ)言處理課程具體細(xì)節(jié)如表1所示。下面具體說(shuō)明課程中各個(gè)具體細(xì)節(jié)的設(shè)計(jì)思路和設(shè)計(jì)目的。

（一）簡(jiǎn)化理論課知識(shí)結(jié)構(gòu)

簡(jiǎn)化NLP基礎(chǔ)處理的知識(shí)內(nèi)容，側(cè)重對(duì)深度學(xué)習(xí)與大語(yǔ)言模型相關(guān)技術(shù)的講解，著重從實(shí)用工具角度引導(dǎo)學(xué)生掌握NLP相關(guān)技術(shù)的使用思路與調(diào)優(yōu)方法。在此之前，在自然語(yǔ)言處理的理論課教學(xué)中，教師通常會(huì)花費(fèi)大量學(xué)時(shí)向?qū)W生講授NLP領(lǐng)域的基礎(chǔ)處理和一些基本任務(wù)。但在當(dāng)前的新時(shí)代，深度學(xué)習(xí)和大語(yǔ)言模型已經(jīng)成為幾乎所有NLP任務(wù)的首選方案。因此，從實(shí)際應(yīng)用與項(xiàng)目實(shí)踐的角度來(lái)看，已經(jīng)不適合再在課程中花費(fèi)大量學(xué)時(shí)來(lái)講授NLP基礎(chǔ)處理和基礎(chǔ)任務(wù)等內(nèi)容了。如表1所示，教學(xué)團(tuán)隊(duì)嘗試對(duì)自然語(yǔ)言處理課程的理論課內(nèi)容進(jìn)行調(diào)整和設(shè)計(jì)，減少NLP基礎(chǔ)處理和基本任務(wù)等內(nèi)容的課時(shí)數(shù)，回避NLP基礎(chǔ)處理中較為復(fù)雜的算法理論知識(shí)，將課程的重心放在深度學(xué)習(xí)與大語(yǔ)言模型相關(guān)技術(shù)方面。同時(shí)，在教授過(guò)程中著重引導(dǎo)學(xué)生以工具選型的方式挑選符合項(xiàng)目場(chǎng)景的NLP技術(shù)和相關(guān)工具。例如，在教學(xué)分詞處理時(shí)，減少關(guān)于詞典分詞、序列標(biāo)注分詞等分詞方法的理論講授，通過(guò)對(duì)比jieba、PKUSeg、Stanford Segment等常用分詞工具及方法的優(yōu)缺點(diǎn)，引導(dǎo)學(xué)生根據(jù)任務(wù)需求有取舍地選型。在教授序列標(biāo)注時(shí)，簡(jiǎn)化關(guān)于隱馬爾可夫模型[7]及LSTM（長(zhǎng)短期記憶）+CRF深度模型等序列標(biāo)注方法的原理講授，更多側(cè)重于對(duì)比傳統(tǒng)方法和深度學(xué)習(xí)方法的優(yōu)缺點(diǎn)。教學(xué)團(tuán)隊(duì)認(rèn)為可以通過(guò)這種工具視角來(lái)教授學(xué)生根據(jù)實(shí)際項(xiàng)目選擇合適的方法，并對(duì)技術(shù)進(jìn)行有效的優(yōu)化，以此來(lái)培養(yǎng)學(xué)生的實(shí)踐能力和問(wèn)題解決能力。

（二）重構(gòu)實(shí)驗(yàn)課實(shí)踐內(nèi)容

從模型視角設(shè)計(jì)從文本分類到文本生成的深度模型的實(shí)現(xiàn)路徑，引導(dǎo)學(xué)生循序漸進(jìn)地實(shí)現(xiàn)前文預(yù)測(cè)后文的文本生成模型。NLP課程的實(shí)驗(yàn)課通常會(huì)要求學(xué)生通過(guò)動(dòng)手編寫經(jīng)典常用的深度模型來(lái)完成NLP任務(wù)，但這有較高的代碼能力門檻，因此在實(shí)際授課過(guò)程中，教師通常提供相關(guān)代碼給學(xué)生，讓學(xué)生進(jìn)行簡(jiǎn)單的數(shù)據(jù)復(fù)現(xiàn)實(shí)驗(yàn)，而這明顯不符合鍛煉學(xué)生實(shí)踐能力的目的。針對(duì)這一問(wèn)題，教學(xué)團(tuán)隊(duì)通過(guò)對(duì)實(shí)驗(yàn)課內(nèi)容進(jìn)行細(xì)致的整理分析，最終考慮從模型視角設(shè)計(jì)從文本分類到文本生成的深度模型的實(shí)現(xiàn)路徑，讓學(xué)生能夠循序漸進(jìn)并完整地編寫出文本生成模型。具體而言，如表1所示，教學(xué)團(tuán)隊(duì)按照模型逐步復(fù)雜化并最終導(dǎo)向文本生成模型的課程設(shè)計(jì)思路，設(shè)置了“文本分類實(shí)踐”“序列標(biāo)注實(shí)踐”“文本生成實(shí)踐”3個(gè)實(shí)驗(yàn)內(nèi)容。其中，“文本分類實(shí)踐”通過(guò)簡(jiǎn)單的分類任務(wù)引導(dǎo)學(xué)生實(shí)現(xiàn)諸如輸入序列數(shù)據(jù)序號(hào)化處理、輸出唯一分類結(jié)果等基本框架；“序列標(biāo)注實(shí)踐”引導(dǎo)學(xué)生將序列標(biāo)注過(guò)程看成不同時(shí)刻上的多次文本分類過(guò)程，從而可以在復(fù)用文本分類模型的輸入處理的基礎(chǔ)上，通過(guò)引入按時(shí)序輸出分類結(jié)果等內(nèi)容的方式快速實(shí)現(xiàn)模型；“文本生成實(shí)踐”則進(jìn)一步引導(dǎo)學(xué)生將文本生成模型也理解為分類模型，通過(guò)在序列標(biāo)注模型基礎(chǔ)上調(diào)整標(biāo)簽集的方式快速實(shí)現(xiàn)文本生成邏輯。圖1展示了上述循序漸進(jìn)引導(dǎo)學(xué)生完成困難的文本生成深度模型的過(guò)程，即根據(jù)自然語(yǔ)言處理領(lǐng)域各任務(wù)常用深度模型的特點(diǎn)，通過(guò)復(fù)用之前的實(shí)踐結(jié)果的方式來(lái)盡可能減少各個(gè)實(shí)踐任務(wù)之間的跨度和代碼工作量，讓學(xué)生可以在有限時(shí)間內(nèi)得到充分的實(shí)踐鍛煉，并最終獨(dú)立編寫出完整的文本生成深度模型，為后續(xù)大模型與預(yù)訓(xùn)練相關(guān)內(nèi)容提供教學(xué)基礎(chǔ)。

（三）設(shè)計(jì)相互對(duì)應(yīng)的理論課內(nèi)容與實(shí)驗(yàn)課內(nèi)容

通過(guò)案例驅(qū)動(dòng)的方式鼓勵(lì)學(xué)生運(yùn)用理論課知識(shí)提升實(shí)驗(yàn)課上相關(guān)任務(wù)的完成效果，引導(dǎo)學(xué)生將理論課知識(shí)與相關(guān)實(shí)踐方法融會(huì)貫通。教學(xué)團(tuán)隊(duì)以貫穿整個(gè)課程的幾個(gè)項(xiàng)目案例作為驅(qū)動(dòng)，鼓勵(lì)學(xué)生靈活運(yùn)用理論課上學(xué)習(xí)的技術(shù)和知識(shí)來(lái)不斷提升實(shí)踐效果，以此來(lái)促使學(xué)生更好地理解和融合理論課內(nèi)容和實(shí)驗(yàn)課內(nèi)容。例如，如圖2所示，教學(xué)團(tuán)隊(duì)以“新聞文本分類”作為驅(qū)動(dòng)案例，在“NLP概述與基礎(chǔ)處理”的理論課上教授學(xué)生分詞方法、詞袋模型特征化等知識(shí)，實(shí)驗(yàn)課則對(duì)應(yīng)讓學(xué)生運(yùn)用理論課知識(shí)對(duì)新聞文本進(jìn)行分類。在“NLP深度學(xué)習(xí)應(yīng)用”的理論課中講授文本分類的深度模型，在實(shí)驗(yàn)課中則安排針對(duì)與之前一樣的新聞文本通過(guò)深度模型來(lái)執(zhí)行分類處理，引導(dǎo)學(xué)生分析前后兩次處理的區(qū)別并對(duì)比兩次分類結(jié)果的優(yōu)劣。在“NLP預(yù)訓(xùn)練技術(shù)”的理論課中講授BERT[8]模型及其微調(diào)技術(shù)，實(shí)驗(yàn)課則對(duì)應(yīng)安排學(xué)生使用預(yù)訓(xùn)練模型繼續(xù)對(duì)同樣的新聞文本進(jìn)行分類處理并再次對(duì)比分析分類結(jié)果。在講授了大語(yǔ)言模型及其相關(guān)提示手法技術(shù)的理論課之后，讓學(xué)生設(shè)計(jì)提示文本[9]來(lái)使用大語(yǔ)言模型完成同樣的新聞文本分類任務(wù)。教學(xué)團(tuán)隊(duì)認(rèn)為可以通過(guò)這種方法，讓學(xué)生充分理解對(duì)同一個(gè)NLP任務(wù)可以采用多種不同的解決方案，并通過(guò)對(duì)比分析實(shí)踐結(jié)果，充分理解理論課所教授知識(shí)的優(yōu)劣和選型邏輯，在動(dòng)手實(shí)踐應(yīng)用的過(guò)程中充分地鍛煉實(shí)踐能力。

三、結(jié)語(yǔ)

本文總結(jié)了教學(xué)團(tuán)隊(duì)在對(duì)注重實(shí)踐能力培養(yǎng)的新時(shí)代本科自然語(yǔ)言處理課程進(jìn)行教學(xué)改革時(shí)的思路和經(jīng)驗(yàn)：一是調(diào)整理論課知識(shí)結(jié)構(gòu)，簡(jiǎn)化NLP基礎(chǔ)處理的知識(shí)內(nèi)容，側(cè)重對(duì)深度學(xué)習(xí)與大語(yǔ)言模型相關(guān)技術(shù)的講解，著重從實(shí)用工具角度引導(dǎo)學(xué)生掌握NLP相關(guān)技術(shù)的使用思路與調(diào)優(yōu)方法；二是優(yōu)化實(shí)驗(yàn)課實(shí)踐內(nèi)容，從模型視角設(shè)計(jì)從文本分類到文本生成的深度模型的實(shí)現(xiàn)路徑，引導(dǎo)學(xué)生由淺至深地逐步實(shí)現(xiàn)前文預(yù)測(cè)后文的文本生成模型；三是設(shè)計(jì)相互對(duì)應(yīng)的理論課內(nèi)容與實(shí)驗(yàn)課內(nèi)容，通過(guò)案例驅(qū)動(dòng)的方式鼓勵(lì)學(xué)生通過(guò)理論課知識(shí)來(lái)提升實(shí)驗(yàn)課上相關(guān)任務(wù)的完成效果，引導(dǎo)學(xué)生將理論課知識(shí)與相關(guān)實(shí)踐方法融會(huì)貫通。

目前上述課程改革舉措已經(jīng)得到了實(shí)施和驗(yàn)證。通過(guò)調(diào)整課程內(nèi)容，自然語(yǔ)言處理課程主要包括三個(gè)部分，其中理論課部分包括如表1所示34學(xué)時(shí)的理論課授課部分與2學(xué)時(shí)的學(xué)生展示實(shí)踐成果部分，實(shí)驗(yàn)課部分包括18學(xué)時(shí)的課內(nèi)實(shí)踐部分，以及18學(xué)時(shí)的課外實(shí)踐部分。此外，教學(xué)團(tuán)隊(duì)利用百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司所提供的飛槳AI Studio人工智能學(xué)習(xí)實(shí)訓(xùn)社區(qū)平臺(tái)，首度讓學(xué)生能夠在線上平臺(tái)上完成人工智能課程的實(shí)驗(yàn)內(nèi)容，大幅減少了實(shí)驗(yàn)過(guò)程中協(xié)調(diào)算力資源與環(huán)境部署的困難，讓學(xué)生能夠?qū)Ｗ⒂趯?shí)驗(yàn)內(nèi)容本身。教學(xué)團(tuán)隊(duì)后續(xù)將嘗試將課程改革創(chuàng)新舉措有選擇地推廣到其他應(yīng)用型人工智能專業(yè)課程，為其在大語(yǔ)言模型時(shí)代的課程建設(shè)提供思路與經(jīng)驗(yàn)。

［ 參 考 文 獻(xiàn) ］

[1］ 車萬(wàn)翔， 竇志成， 馮巖松， 等.大模型時(shí)代的自然語(yǔ)言處理： 挑戰(zhàn)、機(jī)遇與發(fā)展[J]. 中國(guó)科學(xué)：信息科學(xué)，2023， 53（9）：1645-1687.

[2］ 張宜浩， 劉小洋.新工科背景下自然語(yǔ)言處理課程教學(xué)改革[J].計(jì)算機(jī)教育，2023（1）：96-99.

[3］ 高岳，楊小康.前沿導(dǎo)向的人工智能課程內(nèi)容重構(gòu)：以上海交通大學(xué)“人工智能理論及應(yīng)用”課程為例[J].高等工程教育研究， 2022（6）：52-55.

[4］ 鄔昌興，羅國(guó)亮.深度學(xué)習(xí)背景下的“自然語(yǔ)言處理”課程教學(xué)研究[J].教育教學(xué)論壇，2021（29）：137-140.

[5］ 吾買爾，買買提，汪烈軍.基于人工智能技術(shù)的“自然語(yǔ)言處理”課程教學(xué)模式改革與探索[J].無(wú)線互聯(lián)科技，2020，17（10）：92-94.

[6］ HUANG Z H，XU W， YU K. Bidirectional LSTM?CRF models for sequence tagging [DB/OL].（2017-11-16）[2024-02-26].https：//www.doc88.com/p?9929655991647.html.

[7］ EDDY S R. Hidden Markov models[J].Current opinion in structural biology， 1996，6（3）：361-365.

[8］ DEVLIN J， CHANG M W， LEE K， et al. BERT： pre?training of deep bidirectional transformers for language understanding[DB/OL].[2024-02-26].https：//arxiv.org/pdf/1810.04805.

[9］ BROWN T B， MANN B， RYDER N， et al. Language models are few?shot learners[DB/OL].[2024-02-26].https：//www.researchgate.net/publication/341724146_Language_Models_are_Few?Shot_Learners.

［責(zé)任編輯：周侯辰］