摘要：為響應(yīng)教育部針對新型工科人才的培養(yǎng)要求，對人工智能類課程“TensorFlow應(yīng)用與開發(fā)”進行了教學改革。主要以該課程為例，應(yīng)用PowerPoint軟件設(shè)計開發(fā)符合學生知識能力水平的教學動畫資源，并應(yīng)用于課堂教學實踐，通過采集相關(guān)教學數(shù)據(jù)進行評估分析，有針對性地提出優(yōu)化教學的對策建議，從而為其他人工智能類課程的教學提供參考和借鑒。

關(guān)鍵詞：新工科；TensorFlow應(yīng)用與開發(fā)；教學動畫

一、前言

隨著信息技術(shù)的發(fā)展，人工智能成為新一輪科技和產(chǎn)業(yè)變革的核心驅(qū)動力，我國已將人工智能發(fā)展放在國家戰(zhàn)略層面，而高校是培養(yǎng)人工智能人才的重要基地[1]。2017年教育部針對新型工科人才的培養(yǎng)提出了教育改革的號召。為響應(yīng)新工科對人才培養(yǎng)的要求，西安工商學院自2020年起先后開設(shè)了人工智能類的多門課程，如：數(shù)據(jù)分析與挖掘、機器學習、TensorFlow應(yīng)用與開發(fā)等。其中，TensorFlow應(yīng)用與開發(fā)是人工智能方向的一門專業(yè)選修課，課程內(nèi)容包括經(jīng)典機器學習算法（如邏輯回歸、線性回歸等）、主要的神經(jīng)網(wǎng)絡(luò)模型（如BP神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等）[2]，課程的理論性和實踐性都比較強。從開設(shè)至今，已有上千名學生選修了該課程。

由于該課程教授的知識較為前沿，所涉及的原理較為抽象和復(fù)雜，教師往往需要在網(wǎng)絡(luò)上尋找資源來輔助教學，但這些資源往往是零散的、未經(jīng)設(shè)計的、無法修改的，不能很好地與課程內(nèi)容以及學生的認知水平相匹配。而專業(yè)的動畫軟件往往功能復(fù)雜，對于沒有相關(guān)背景的教師來說，無法制作出高質(zhì)量的教學動畫資源。因此，教師在授課過程中，特別是在講解抽象的理論知識時，常常感到力不從心。對學生而言，由于課程內(nèi)容復(fù)雜抽象，教學方式單調(diào)枯燥，再加上數(shù)學基礎(chǔ)薄弱、計算機應(yīng)用能力不足，很多學生反映課程較難，聽不懂，學習效果不佳，由此也導致上機實踐時問題頻發(fā)。

因此，本文以“TensorFlow應(yīng)用與開發(fā)”課程為例，設(shè)計開發(fā)符合西安工商學院學生知識能力水平的教學動畫資源，并應(yīng)用于課堂教學實踐，通過采集相關(guān)教學數(shù)據(jù)進行評估分析，有針對性的提出優(yōu)化教學的對策建議，從而為其他人工智能類課程的教學提供參考和借鑒。

二、教學動畫的內(nèi)涵及作用

戴爾的經(jīng)驗之塔理論根據(jù)抽象程度將各種經(jīng)驗分為三大類，分別是抽象經(jīng)驗、觀察的經(jīng)驗和做的經(jīng)驗。經(jīng)驗之塔模型中最頂層的經(jīng)驗是抽象的經(jīng)驗、是最不易理解的經(jīng)驗，越是往下，經(jīng)驗越具體、越容易理解[3]。

教學動畫是一種以動畫的形式展現(xiàn)學科知識的教學資源，通過動態(tài)的畫面可以將抽象的概念、原理或過程以直觀的方式呈現(xiàn)出來。在“TensorFlow應(yīng)用與開發(fā)”課程教學中使用動畫來輔助教學，可以使教學內(nèi)容變得更為具體和直觀，從而幫助學生更好地理解，使學生的學習變得更加輕松。

三、“TensorFlow應(yīng)用與開發(fā)”課程典型知識點教學動畫設(shè)計

（一）學情分析

設(shè)計了調(diào)查問卷，對2022級30-33班111位學生，對個人情況、學習興趣、學習習慣、相關(guān)數(shù)學知識的掌握情況、Python編程語言的掌握情況等方面進行了問卷調(diào)查。

從問卷結(jié)果可以看出：

第一，學生的數(shù)學基礎(chǔ)普遍較差，84%的學生表示在高等數(shù)學、線性代數(shù)、概率論等數(shù)學知識方面存在不足。對于人工智能類課程的教學來說，數(shù)學基礎(chǔ)薄弱會影響學生對算法原理的理解和掌握。

第二，學生喜歡視覺化、動態(tài)化的教學資源，53%的學生表示喜歡“文字+動畫”類資源，43%的學生表示喜歡視頻資源，特別是簡短的小視頻。91%的學生對動畫輔助教學的模式十分感興趣。

第三，學生的自學能力不足，73%的學生表示由于知識儲備不足，在網(wǎng)絡(luò)上找到的一些資源看不懂，于是逐漸失去了自學的興趣和信心，知識的獲取以課堂為主。

（二）典型知識點教學動畫設(shè)計

在認真梳理“TensorFlow開發(fā)與應(yīng)用”課程內(nèi)容的基礎(chǔ)上，圍繞西安工商學院學生的知識能力水平，選擇了幾個學生不易理解的典型知識點，如梯度下降、邏輯回歸、BP神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等，使用PowerPoint軟件設(shè)計制作了教學動畫。下面以BP神經(jīng)網(wǎng)絡(luò)為例講解具體的設(shè)計思路。

1.BP神經(jīng)網(wǎng)絡(luò)的教學難點

在BP神經(jīng)網(wǎng)絡(luò)的實際教學過程中，教師發(fā)現(xiàn)學生不易理解的知識點包括：圖片是如何輸入神經(jīng)網(wǎng)絡(luò)的？神經(jīng)網(wǎng)絡(luò)如何識別圖片？神經(jīng)網(wǎng)絡(luò)中的權(quán)重代表什么？圍繞這些難點，用PPT制作了五頁教學動畫。

2.設(shè)計思路

第一頁動畫是為了讓學生理解圖片中像素的概念。動畫中有三張灰度圖，每張圖中有一個手寫數(shù)字，分別是數(shù)字1、數(shù)字2和數(shù)字3，圖片尺寸均為8×8（單位：像素）。將圖片放大到一定倍數(shù)，就可以清楚地看到一個一個的像素點，每張圖片都有64（8×8=64）個像素點。為了讓學生能夠更加直觀形象地理解像素的概念，在動畫中用一個8×8的表格來模擬這些手寫數(shù)字圖片，每個單元格代表一個像素，每個單元格中有一個0～55之間的數(shù)字表示亮度。學生點擊不同的手寫數(shù)字圖片，就會發(fā)現(xiàn)由于圖片中的手寫數(shù)字不同，對應(yīng)到表格中每個單元格里表示亮度的數(shù)字也不相同。

第二頁動畫是為了讓學生理解圖片是如何輸入神經(jīng)網(wǎng)絡(luò)模型的。動畫中每個單元格對應(yīng)神經(jīng)網(wǎng)絡(luò)輸入層中的一個神經(jīng)元，因此神經(jīng)網(wǎng)絡(luò)的輸入層一共有64個神經(jīng)元，將單元格中表示亮度的數(shù)字經(jīng)過歸一化處理后輸入其對應(yīng)的神經(jīng)元，由于每個單元格中的數(shù)字不同，因此每個神經(jīng)元的亮度也不同，這樣就激活了輸入層的64個神經(jīng)元。

第三頁動畫是為了讓學生理解BP神經(jīng)網(wǎng)絡(luò)識別圖片的基本原理。動畫中輸入層的64個神經(jīng)元被激活后，每個神經(jīng)元又把自己的值通過連接線傳遞給后面一層的所有神經(jīng)元，如此不斷傳導下去，直至輸出層的10個節(jié)點，分別代表0～9這10個數(shù)字。一般幾分類問題輸出層就設(shè)置為幾個節(jié)點，而中間隱藏層的層數(shù)和節(jié)點數(shù)可以自由變化。輸出層每個節(jié)點的值不同，均為0～1之間的一個數(shù)字，可以理解為每個類別的概率，概率最高的節(jié)點就是神經(jīng)網(wǎng)絡(luò)最終識別的結(jié)果。例如，圖3中的神經(jīng)網(wǎng)絡(luò)，其輸出層的10個節(jié)點中，第2個節(jié)點的概率值最大，所以神經(jīng)網(wǎng)絡(luò)模型對該圖片的識別結(jié)果為數(shù)字1。通過這個動畫，學生了解到神經(jīng)網(wǎng)絡(luò)可以識別圖片中的數(shù)字，并且對BP神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)有了清楚的認識，但神經(jīng)網(wǎng)絡(luò)是如何將亮度值轉(zhuǎn)換為概率的，對這個計算過程學生仍感到十分困惑。

第四頁動畫是為了讓學生理解BP神經(jīng)網(wǎng)絡(luò)的計算過程。神經(jīng)元之間的連線是信息傳輸?shù)耐ǖ?，但是每條通道的寬度是不一樣的，因此每條連接線都有一個權(quán)重。動畫中先用一個簡單的神經(jīng)網(wǎng)絡(luò)來演示具體的計算過程。這個神經(jīng)網(wǎng)絡(luò)的輸入層只有兩個節(jié)點（節(jié)點1和節(jié)點2），節(jié)點值經(jīng)過歸一化處理后分別為0.37和0.97，中間有一個隱藏層，隱藏層有兩個節(jié)點（節(jié)點3和節(jié)點4），輸出層有一個節(jié)點（節(jié)點5），節(jié)點之間連接線的權(quán)重如圖4所示。輸入層中與節(jié)點3相連接的有兩個節(jié)點，分別是節(jié)點1和節(jié)點2，連接線權(quán)重分別為-0.7和0.2。所以節(jié)點3的值為節(jié)點1和節(jié)點2的值加權(quán)求和，再通過sigmoid函數(shù)變換，最后計算等于0.48。通過動畫的形式，完成了神經(jīng)網(wǎng)絡(luò)計算過程這個知識點的講授。節(jié)點4和節(jié)點5的計算過程及結(jié)果在動畫中不呈現(xiàn)，由教師布置為課堂練習任務(wù)，學生要根據(jù)動畫中節(jié)點3的計算過程，自主思考并手動計算節(jié)點4和節(jié)點5的值，由此可以幫助學生進一步實現(xiàn)該知識點的內(nèi)化。

學生掌握了這個簡單的BP神經(jīng)網(wǎng)絡(luò)的計算過程后，第五頁動畫中再次呈現(xiàn)識別手寫數(shù)字圖片的神經(jīng)網(wǎng)絡(luò)，并將剛才的計算過程描述為通用形式，即某層節(jié)點的值（用行向量表示）等于該層的輸入（用行向量表示）右乘該層與輸入層之間的權(quán)重矩陣，每一層節(jié)點的值都可以通過這個公式進行計算。模型輸出層節(jié)點的值可以解釋為類別概率，因此哪個節(jié)點的值大，則模型預(yù)測結(jié)果就為該節(jié)點所代表的類別。例如，當輸入圖片為數(shù)字1時，由于輸出層節(jié)點中第二個節(jié)點的值最大，因此模型預(yù)測該圖片為數(shù)字1。通過這個動畫可以幫助學生進一步深化理解BP神經(jīng)網(wǎng)絡(luò)的計算原理以及模型是如何根據(jù)輸出層節(jié)點的值來識別圖片中的數(shù)字的。

這五個動畫結(jié)合實例，分階段地展示了BP神經(jīng)網(wǎng)絡(luò)識別圖片的基本過程。每個動畫都針對一個教學難點進行了詳細解析，這種直觀形象的方式不僅使得復(fù)雜的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和工作原理變得易于理解，而且也使學生感受到了BP神經(jīng)網(wǎng)絡(luò)在實際應(yīng)用中的效果，有助于學生將理論知識與實際應(yīng)用相結(jié)合。此外，動畫的生動性和直觀性有助于學生在大腦中形成深刻的印象，從而增強對BP神經(jīng)網(wǎng)絡(luò)基本原理的長期記憶，實現(xiàn)知識的內(nèi)化和固化。

四、基于動畫輔助教學的課堂實踐

選擇西安工商學院計算機科學與技術(shù)專業(yè)2022級30-33班111人、34-37班111人進行教學效果對比，前者實施動畫輔助教學的模式，后者采用傳統(tǒng)的教學模式。采用“測驗+上機”的方法檢驗“BP神經(jīng)網(wǎng)絡(luò)”這一知識點的教學效果。

（一）課堂測試

選擇BP神經(jīng)網(wǎng)絡(luò)的知識點制作了一份線上測試題，共5道題目，每題2分，內(nèi)容涉及BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、原理等。該知識點授課結(jié)束一周以后，對兩個對照教學班分別開展了自測。測試結(jié)果顯示，30-33班6分以上的同學占到90%，而34-37班的同學只占到46%。

（二）上機實驗

在“用BP神經(jīng)網(wǎng)絡(luò)識別MNIST手寫字”實驗中按照從易到難，設(shè)置了兩個層次的實驗?zāi)繕?。學生只需完成目標1就達到了基本的實驗要求。目標2需要學生對課堂所學知識內(nèi)化后并靈活運用才能實現(xiàn)[4]。結(jié)果顯示，兩個教學班中絕大部分學生都能夠完成目標1的實驗任務(wù)。而目標2的實驗任務(wù)，30-33班有69名學生完成，34-37班只有15名學生完成。

由此可見，動畫輔助的教學模式有效促進了學生對知識更深層次的理解和記憶，實現(xiàn)了知識的遷移、內(nèi)化和應(yīng)用。

五、基于動畫輔助教學的對策和建議

在實踐中應(yīng)用動畫輔助教學應(yīng)注意以下三個方面。

一是，動畫設(shè)計要以教學目標為導向。例如，教學目標是要求學生掌握BP神經(jīng)網(wǎng)絡(luò)的基本原理，那么動畫就應(yīng)該清晰地展示這個原理的運作過程，并通過直觀形象的效果來增強學生的理解和記憶。

二是，動畫設(shè)計要緊貼教學內(nèi)容。例如，在梯度下降這個知識點的教學中，通過動畫可以直觀地展示梯度下降算法從初始點開始，通過不斷迭代更新參數(shù)，逐漸接近最小值點的過程，有助于學生理解梯度下降的基本思想和工作原理。

三是，做好教學動畫與課堂教學的整合。授課前，可以先通過動畫激發(fā)學生的興趣，然后提出與動畫內(nèi)容相關(guān)的問題，引發(fā)學生思考。授課中，可以適時穿插動畫，以視覺化的方式補充或強化口頭講解。授課結(jié)束，可以讓學生反復(fù)觀看動畫，幫助學生更好地回顧和總結(jié)所學內(nèi)容，完成知識的內(nèi)化和固化。

參考文獻

[1]楊燾，付冬梅.人工神經(jīng)網(wǎng)絡(luò)課程與深度學習融合的混合式教學改革研究[J].大學教育，2024（08）：75-79.

[2]高希占，牛四杰.新工科背景下人工神經(jīng)網(wǎng)絡(luò)課程教學改革[J].計算機教育，2023（09）：92-96.

[3]王亭.《透視學原理》助學動畫的設(shè)計研究[D].上海：上海師范大學，2011.

[4]李錚錚，賈金娜，姜彥民，等.基于項目式教學的程序設(shè)計類課程翻轉(zhuǎn)課堂教學案例——以TensorFlow應(yīng)用與開發(fā)課程為例[J].計算機教育，2024（02）：100-105.

基金項目：2023年西安工商學院教學改革研究課題“新工科背景下TensorFlow應(yīng)用與開發(fā)課程教學動畫設(shè)計與應(yīng)用研究”（項目編號：23YJ21）

作者單位：西安工商學院信息工程學院

■ 責任編輯：王穎振 楊惠娟