浅谈说课在职业本科教学中的应用——以“深度学习”课程为例

◇南京工业职业技术大学计算机与软件学院 樊晓唯 蒋林岑 刘向东

说课是在教师备课的基础上，向同行或专家阐述其教学设想和理论依据的过程，目的是调动教师参与教学改革，学习先进教学理念，最终提升课堂教学效果。随着人工智能技术的发展，近年来越来越多的高校开设了人工智能专业，而“深度学习”则是该专业的一门非常重要的专业基础课。本文以“深度学习”课程为例，从说教材、说学情、说目标、说教法学法、说教学过程、说教学反思六个方面详细阐述说课的全过程。

说课的概念最早是在1987年由河南省新乡市红旗区教研室提出的，指的是由授课教师针对教学过程中的某一观点、问题或具体课题，表述其教学设计及其理论依据，简单说就是阐述教师准备教什么，如何教，以及为什么这样教[1]。其目的是调动教师积极参与教学改革，学习先进教学理念，尝试多元教学手段，以及提高教师教学能力及职业素养。

1 说课的要求

说课不同于讲课，主要目的是阐述清楚教师的教学设想，在内容上有标准的结构，主要包括以下内容。①说教材：说课程定位、教材简析、课时安排、教具准备等，目的是让听的人了解你要说的课的内容。②说学情：说学生的基本情况和知识基础，根据学情来设计教法和学法。③说教学目标：从多个维度来说课程的目标，包括知识层面、能力层面、素质层面等。④说教法学法：说根据学生实际准备采用哪种教学方法，以及为什么这样选择。⑤说教学过程：这是说课的重点，可以以某一个单元为例，详细阐述教学实施的过程及环节：如课程导入、新课教学、课堂练习、总结与作业安排等。⑥说教学反思：对于已经实施过的课程，说教学后的反思及可以改进的地方。

2 说课案例

本文以职业本科人工智能专业开设的《深度学习基础》课程为例进行说课，将从说教材、说学情、说目标、说教法学法、说教学过程、说教学反思六个方面展开，说课的总时间控制在15分钟左右。

2.1 说教材

《深度学习基础》课程是人工智能本科专业第三学年第一学期开设的专业基础课。其先修课程是《人工智能数理基础》《Python程序设计》《机器学习基础》等，后续课程包括《深度学习框架》《计算机视觉与图像处理》《计算机自然语言处理技术》等课程。本课程是学生从机器学习领域向应用更广泛的深度学习领域进军的最基础的课程，学好本课程可以为进阶课程打好夯实的理论和实践基础。

本课程学时安排是48学时，包含24学时理论课和24学时实验课。采用的教材是清华大学出版社的《TensorFlow深度学习及实践》。该教材内容涵盖了《深度学习基础》课程标准中的重点和难点，内容由浅入深，配合丰富的实践案例，具有较强的实用性，帮助学生在动手实践中进一步理解深度学习的运算原理。

2.2 说学情

首先是学生基本情况，由于是自主选择人工智能方向，学生对这门课程求知欲望和积极性较为强烈，但是班级同学之间仍然存在计算机编程水平以及数理基础的差异，所以教学时，要考虑方式方法，尽可能保障后进学生跟上课程。其次是学生知识基础，经过先修课程《机器学习基础》的学习，学生已经对机器学习的基本概念和算法流程有了初步的认识，对Python编码和算法实践也有了一定程度的锻炼。结合以上特性，本课程的教学设计除了要顾及学生的兴趣，还要考虑技能基础和个体差异。总体思路是通过深入浅出讲解原理，并配合动手案例，让学生自主揭开人工智能神秘的面纱。

2.3 说教学目标

根据学生的基本情况以及课程标准的要求，制定以下三维教学目标。

（1）知识与技能：掌握深度学习中全连接神经网络、卷积神经网络、循环神经网络、生成对抗网络的基本原理及基于TensorFlow 2.0的应用；掌握手写体识别、猫狗识别、新闻文本分类、MNIST数据自动生成等实验。

（2）过程与方法：培养动手能力，并在动手过程中加深体会深度学习的原理；培养主动观察、思考问题、借助网络资源，逐步形成自主学习且不断获取新知识新技能的能力；培养学生的创新能力、小组协作学习能力。

（3）情感态度与价值观：提高学生的辩证思维能力，客观认识人工智能深度学习对社会发展的影响；培养学生细致严谨的学习态度、不断突破的创新精神和坚持不懈的工匠精神；通过发现问题、解决问题的过程，培养学生合作精神，提高学生的求知欲和对人工智能背后的技术的热情。

2.4 说教法学法

由于《深度学习基础》是一门“知识与技能相结合"的人工智能专业基础课，而职业本科的学生普遍存在理解力偏弱而动手性较强的特点，所以采用“以问题为启发、以任务为驱动、讲授演练相结合”的方式进行授课。对于新提出的概念会以问题为启发，采用启发式教学法和演示法由浅入深，循序渐进，实例演示，学生试做，老师讲评，引发思考，自主探索能力。课堂上采用4～6人为一个学习小组，按小组为单位计算“课堂表现分”，每单元结束设置小组分享，对于主动发言和提问的小组设置相应的积分奖励。

2.5 说教学设计

针对《深度学习基础》的一个教学单元，以第二章“全连接神经网络结构“为例，对两节课90分钟的课程做详细的教学过程设计如下所示。

（1）创设情景，引入新课（5分钟）。结合先修课程《机器学习》中的线性回归和逻辑回归的算法原理，在黑板上画出一些节点，请学生讨论他们想象的神经网络结构，并上台分享。设计的目的是通过互动让课堂“热”起来，引出新的知识点：全连接神经网络。

（2）讲授新课（70分钟）。这部分是课堂的重点，根据本课程的目标和重点难点，我将本单元分解为三个小教学任务及若干知识点。

任务一：深度学习的最早形态：感知机（25分钟）：知识点一：神经元。通过播放人脑生物神经元的动画，讲述生物神经元包含的基本组件和运作原理，进而引导出深度学习中“神经元”概念以及和生物神经元的对应关系，通过“拟物联想”的方式，让学生理解神经元。其次以数字化的计算案例讲解计算过程，再抽象到公式和理论，用“归纳法”总结计算原理。知识点二：单层感知机。以二进制逻辑运算“与”和“或”为例，请学生开展小组讨论并动手设计一个单层感知机来实现逻辑与或。通过动手环节，加强对神经元知识点的掌握和运用。做完逻辑与或后，再提出逻辑XOR的设计，请学生思考。通过“误导式”教学，让学生无解，从而体会单层感知机存在的缺陷。进而引导出解决这一问题的多层感知机。知识点三：多层感知机。当从单层上升到两层网络后，XOR的问题就迎刃而解。这里留下一个思考为下节课铺垫：两层网络，4个节点，人工求解就已经很困难了，深度网络机器是如何求解的？同时引出一个思政点：当你身陷囹圄，觉得的无解的时候，不妨转换一种思路，换一个角度去看待问题，或许就豁然开朗了。人生中不要钻牛角尖，要学会变通和转换思维。任务一总结：感知机部分内容易理解，帮助学生建立信心。理论部分包含了深度学习中神经元的最基本操作，为学生之后的学习打好基础。

任务二：全连接网络求解思路（25分钟）：知识点一：全连接网络结构。使用具体案例来说明网络结构，以及每一层的作用和意义，化抽象为具象，让学生理解网络结构和正向传播的计算原理。进而请学生分组讨论，动手设计一个手写体0-9识别的网络结构，并分享设计的过程和思路。知识点二：损失函数。有了网络结构后，引导学生思考，怎样评价一个网络的好坏? 通过举例，让学生归纳总结可以使用的评价网络好坏的方法，然后老师点评，一般来说这里学生会想到用误差来反映网络好坏，最终引导出常用的计算误差的方法，也就是损失函数。知识点三：参数最优化。继续提问，既然能用误差来反映网络的好坏，那怎样才能找到一个最好的网络？引导学生思考和分享，只需使得误差达到最小即可。进而推导出是最优化问题，可以用最优化的解法。任务二总结：“诱导式提问”的方法，启发学生自主思考，帮助捋顺思路和建立知识之间的连结。

任务三：使用tensorflow框架构建神经网络（20分钟）：首先是老师演示，手写代码并逐行解释，引导学生跟练，然后留出时间让学生自主学习、团队合作。最后会留一些提升的内容，让学生做知识的迁移。任务三总结：通过实验让学生对所学内容进行“实例化”和“可视化”，加深对理论的理解。这里引出一个思政点：要有创新意识，突破框架，多尝试，在实践中检验真知。

（3）课堂小结（10分钟）。课堂总结以学生为主、教师为辅，目的是培养学生养成“回头看”的好习惯，阶段性总结自己的收获，有诸多意义：“回头看”不仅是复习新学知识，更是引导学生建构知识结构；“说出来的才是真正懂的”，引导学生完成吸收—内化—再输出的知识闭环过程，加深理解；鼓励发言，培养学生表达能力和自信心。

（4）布置作业（5分钟）。教师解读作业要求，作业内容应源于课堂，难度略高于课堂，教师引导学生通过实践操作和自主学习，加深对本节知识的理解。

2.6 说教学反思

本节课以三个教学任务为核心，采用多种教学手段，结合理论和实践，让学生在轻松愉快的氛围中学习新知识，并且实践新知识，为之后的深度学习内容打好基础。在教学过程中，重视与学生的互动，鼓励学生参与到课堂教学过程中，教师也要及时总结课堂情况，做好课后反思，适时调整授课内容。

3 结束语

说课是一种很好的备课形式，通过说课，可以让老师之间更好地分享和碰撞思想，也能让授课教师更好地吃透教材，提高教学理论水平，预设学习中的各种“教学事件”，反馈教学中的得失，并选择适宜的教学方法，最终达到提升课堂教学质量、促进教学研究的目的。