机器学习与模式识别课程思政探索与实践

刘莘　温鹏博　吕恩辉　康星星

［摘 要］随着人工智能的发展，机器学习理论已经深入渗透到信息处理各个领域，掌握基础的机器学习方法已成为对理工科专业学生的基本要求之一。打造机器学习与模式识别课程思政体系，对于培养高素质工科人才有着至关重要的作用。文章分析了机器学习与模式识别课程思政目标，并阐述了课程思政实施方案设计及具体实施案例，探讨如何将课程思政渗透至知识传授和能力培养的各个环节，构造全方位育人大格局。

［关键词］机器学习与模式识别；课程思政；新工科；剪枝算法

［中图分类号］ G641 ［文献标识码］ A ［文章编号］ 2095-3437（2023）10-0121-04

机器学习与模式识别课程是徐州医科大学医学信息与工程学院在第5学期开设的专业核心课程，开课专业包括智能医学工程、计算机科学与技术等。在新工科建设和应用型人才培养的背景下，随着大数据和人工智能时代的到来，机器学习算法的应用已经渗透到信息处理领域的方方面面，掌握基础的机器学习理论和方法可能是将来对每一位工科技术人员的基本要求之一[1-2]。任何课程的教学内容中都蕴含着丰富的思想政治教育元素，教学过程所涉及的方方面面，都可能与社会的发展、人类的进步以及文明的传承息息相关，因此在教学过程中不断挖掘相关知识点所蕴含的思政元素、强化立德树人的教育理念，对培养高素质工科人才有着至关重要的作用[3]。

一、课程思政目标

机器学习与模式识别课程在介紹机器学习的核心算法和理论、培养学生动手解决实际问题能力的同时，将课程思政渗透至知识传授和能力培养的各个环节，帮助学生塑造正确的三观，使其成为不仅掌握扎实的技能，而且具备高尚的情操、高度的责任感和使命感的复合型人才[4]。

笔者从家国情怀、专业素养和品格素养三个方面设计了机器学习与模式识别课程思政目标，构造了课程思政育人金字塔，如图1所示。

（一）家国情怀

中华民族是有着悠久历史的伟大民族。教师在教学过程中应通过家国情怀的培养增强学生对国家的认同感、归属感、责任感和使命感，引导学生树立科技报国的志向，增强学生为实现中华民族伟大复兴中国梦不懈努力的信心与决心。教师在教学中既可以挖掘古今中外仁人志士的感人事迹，也可以以当今国际社会的风云变幻为切入点，关键是要做到与专业知识教学自然融合，实现于潜移默化中培养学生家国情怀的目标。

（二）专业素养

机器学习与模式识别课程的授课对象为理工科学生，他们作为学科交叉型复合人才，应具备在医学领域研究和应用信息技术的基本能力，能够在医疗卫生、生物科学和医学工程等相关领域很好地发展。“中国智造”的新发展和新工科背景对学生的专业素养提出了更高的要求，学生不仅应具备扎实的专业知识，还应具备求真务实的科学态度，敢于探索、勇于实践、勇于创新。

（三）品格素养

品格素养主要包括具有远大的理想、高尚的品格和独立的人格。具有良好品格素养的人不仅受人尊重、爱戴，而且可以保持自我应有的精神品格，修身养性，区分荣辱。在当今国际环境复杂的背景下，良好的品格素养不仅关乎个人，还关乎家国、民族与天下。 品格素养与国家的文化渊源有着密切的关系，教师在课程教学过程中介绍我国悠久的文化、优秀前辈的先进事迹、工匠精神事例等，可以帮助学生塑造良好的品格。

二、课程思政的设计与实施

（一）课程思政实施方案设计

根据课程思政目标，笔者从家国情怀、专业素养、品格素养三方面着手，以机器学习与模式识别课程的具体算法为依据构建对应的课程思政素材库，力争实现“一算法一素材”，潜移默化地实现课程思政目标。课程思政框架设计如图2所示。

1.线性模型

线性回归看起来是比较简单的数学问题，一般作为入门级的算法进行讲授，便于学生理解。然而，模型的构建过程并非一蹴而就，在实际模型建立过程中会碰到很多不同的问题，例如针对训练模型过程中欠拟合和过拟合问题，线性回归算法通过多项式回归解决欠拟合问题，通过Lasso或者Ridge回归改善过拟合问题。对此，教师在教学中可以发动机焊接第一人——高凤林为例，强调精益求精的工匠精神在科学研究中的重要性。

2.决策树

在决策树算法学习过程中，很多学生认为属性划分指标是非常重要的知识点，却往往忽略剪枝算法的重要性。对此，教师可通过模型在测试集中应用失败的案例，让学生了解剪枝在构造决策树中的重要作用，以此渗透“实践是检验真理的唯一标准”的重要理念，同时教导学生做经得起考验的人、办经得起考验的事。

3.贝叶斯分类器

贝叶斯分类器相关知识点建立在贝叶斯定理的前提下，在因果推理方面有着较强的优势。虽然目前很多人对集成学习、深度学习耳熟能详，认为基于推理的算法不那么重要，然而在很多实际问题的解决过程中其可解释性是其他算法无法比拟的。由于贝叶斯分类器的学习对概率论的知识有一定的要求，因此学生在学习过程中容易出现畏难情绪。教师在实际教学过程中可以焦裕禄迎难而上的事迹鼓舞学生，让他们树立不畏艰难、迎难而上的信心，同时通过较为简单的案例增强学生的自信心，做到思政育人与教学育人完美融合。

4.集成学习

自古以来中华民族都有着团结合作的优良传统，而集成学习正是基于团结合作理念提出的。在教学中，教师可分别以Bagging和Boosting两种模型中的代表算法Random Forest（RF）和Adaptive Boosting（AdaBoost）为例说明集成学习的基本原理。在介绍RF算法的时候，强调基分类器选择的原则是“好而不同”，让学生知晓“团结就是力量”的前提是团结优秀的人；在介绍AdaBoost算法的时候，结合学生学习过程中复习错题的事例，强调知错就改的重要性。在最后，教师可点明中华民族有很多优良传统至今仍深刻地影响着科技、生活的方方面面，在各个领域仍散发着光芒，以此增强学生的民族自信心。

5.聚类算法

“物以类聚，人以群分”，聚类算法正是这一思想的完美体现。聚类算法基于特定的度量函数进行相似度度量，使得同一类数据的相似度尽可能贴近，不同类的数据尽可能分离，进而得到各个类的中心以及每个样本的类标签。通过聚类，不仅可以进行数据集的无监督分类，而且在数据预处理环节还可将其作为不平衡数据的处理方法。在这一知识点的讲授过程中，教师可通过将其和女排团结合作精神进行类比，说明团队合作的重要性。

6.深度学习

深度学习的基本理论并不复杂，在其学习过程中构建模型可能很简单，但调参会花费较多的精力，很多学生会因为调参过程的烦琐而气馁或者敷衍了事。对此，教师可采用红军万里长征中的英勇事迹让学生进行类比，一方面让学生感受当前困难的弱小性，另一方面让学生树立百折不挠、坚韧不拔的必胜信念。

（二）课程思政实施过程

下面以线上线下混合教学模式为例介绍机器学习与模式识别课程思政的具体实施过程，其整体实施流程如图3所示。笔者以学习通平台、腾讯会议以及线下课堂三者相结合的方式实施混合式教学，教学过程分为课前导学、课程促学、课后延学和实践教学四个部分。笔者首先在課前导学过程中，将提前设计和编辑好的课程思政案例通过学习通平台进行发布，激发学生的学习兴趣，促进学生独立思考；接着在授课过程中采用问题驱动、任务驱动、专题讨论相结合的方式，借助线上线下平台完成知识传授，同时渗透具体算法对应的思政主题；然后在课后延学环节通过在学习通平台布置课程思政作业等任务驱动形式帮助学生巩固所学；最后通过实验课程完成相关的实践教学，提升学生的编程动手能力，让学生在完成实验报告的同时以总结的方式完善心得体会，巩固课程思政效果。

在课程思政实施过程中，笔者通过完善及时的教学评价，形成教学过程的有效闭环。教学评价过程主要从课前反馈、课堂教授、随堂练习、在线讨论、课后答疑、课程作业、课程实践以及课程考核着手，打造全方位动态评价体系，实现“知行合一”的教学目的，最终打造具有良好科学素养、掌握数据分析能力、具有爱国情怀的交叉复合型人才。

（三）课程思政实施案例

在剪枝算法的教学过程中，笔者综合采用多种教学方法，将课程思政内容与教学内容进行有机融合，力争做到“课程思政化作雨，教书育人润无声”。详细流程如图4所示。

在剪枝算法的教学过程中，笔者在课前准备导入、课中探究提升以及课后巩固拓展三个环节均采取多种形式渗透课程思政内容，整体结构层层递进、有序展开，具体包括以下几个步骤。

在课前，通过学习通平台播放我国航空航天事业发展历程视频，让学生观看并反思。

在授课伊始，组织主题讨论，让学生分享所观所感，进而树立“百折不挠、严谨务实的科研态度才是制胜法宝”的意识。

在授课过程中，主要采用问题及任务驱动的教学模式培养学生的思辨能力以及实践能力。具体而言，先提出技术限定式问题“构造好的决策树是否可以直接使用？”，然后结合案例教学，让学生明白实践才是检验真理的唯一标准，进而引出剪枝算法的必要性，并讲述不同剪枝算法的原理。接着提出主题限定式问题“打游戏时如何选择武器？”，让学生结合自己的经历得出“知己知彼，百战不殆”的结论，进而引申出需要掌握每种剪枝算法的优劣，这样方能用得从容。之后，通过任务驱动检验学生的课程学习效果。

在课堂总结以及实践教学的反思环节中，通过提出开放式问题“本次课你有哪些收获和感悟？”，引导学生树立“做经得起检验的研究、经得起考验的人”等人生信条。

三、结语

在新工科背景下，机器学习与模式识别课程是人工智能领域人才培养的核心课程之一，教师在传授知识的过程中渗透思政内容可以帮助学生树立正确的世界观、人生观和价值观，在使学生增强民族自豪感和民族自信心的同时，激发学生的学习动力，培养学生的家国情怀，实现将知识传授与价值引领有机贯穿教育教学全过程。本文以线上线下混合教学模式为例，探讨基于算法的课程思政实施过程，以期探索工科类课程通过思政教育提高人才培养质量的途径，希望可以为其他高校的课程思政建设工作提供一定的借鉴。

［ 参 考 文 献 ］

［1］ 林健，郑丽娜.美国人工智能专业发展分析及对新兴工科专业建设的启示[J].高等工程教育研究，2020（4）：20-33.

［2］ 周志华.创办一流大学人工智能教育的思考[J].中国高等教育，2018（9）：52-53.

［3］ 黄泽文.“新工科”课程思政的时代蕴涵与发展路径[J].西南大学学报（社会科学版），2021，47（3）：162-168.

［4］ 梁满艳，曾平.专业课程思政建设的学理依据与内在优势研究[J].黑龙江教育（高教研究与评估），2022（10）：77-80.

［责任编辑：周侯辰］