教育部“关于改进和加强研究生课程建设的意见”(教研[2014]5号)中明确指出：“加强研究生课程建设，激发研究生主动性，培养研究生独立思考能力，提升研究生批判性思维和创新能力。”[1]。教育部“关于加快新时代研究生教育改革发展的意见”(教研[2020]4号)文件指出：“坚持教育创新，要提升研究生知识创新能力和实践创新能力”[2]。习近平总书记强调指出：“研究生教育对于培养具有创新能力的人才具有重要作用。研究生教育对于推进经济发展，建设社会主义现代化强国具有重要推动作用。” 建设社会主义现代化强国需要坚实的人才支撑，研究生课程教学是培养创新研究生人才的基础，对研究生课程进行改革，探索新的教学方法，对于提升研究生的思辨性、主动性和创新性能力的发展具有重要意义。

1、神经网络课程教学现状

人工神经网络是人工智能技术领域的研究热点，随着人工神经网络研究的不断深入，其研究成果已经成功地应用在电子、自动化、生物、医学等领域，并展现出良好的智能性。深度神经网络模型日新月异，飞速发展，伴随着大数据技术和硬件计算资源的提升，已经渗透到各个研究领域，各个应用行业，解决了图像处理技术、自然语言处理技术以及语音识别技术等多个领域的关键科学问题，成功应用到社区服务、智能制造等各个行业，引领社会经济飞速发展。“神经网络”课程的开设正是为人工智能的发展尤其是神经网络技术的发展提供了理论支持。“神经网络”课程是我校模式识别与智能系统专业研究生课程体系中一门专业学位课，该专业培养目标是：掌握本学科扎实的基础理论知识；掌握本学科科学计算能力；掌握本学科研究现状和发展趋势，具有良好的科学研究能力。因此“神经网络”课程对于培养本专业学生科学研究能力具有重要作用。其次，人工智能技术的飞速发展，对研究生教育提出了更高的要求，要求课程的建设要与时俱进，跟上时代的步伐，围绕科研学术问题和工业技术难题，改革和创新研究生课程教育。“神经网络”课程的改革对于培养适用于现代化科技强国人才、具有科技创新能力的人才具有重要作用。

“神经网络”课程涉及线性代数、微积分、数据结构、计算方法、数理统计等重要理论知识，具有公式多、算法难、理论强的特点。课程重点阐述人工神经网络的重要模型以及各个模型的拓扑结构等理论基础知识。如果采用传统“填鸭式”教学，势必造成学生听起来枯燥难懂并脱离实践。传统教学模式主要是教师作为课堂主体，学生被动听课。这种灌输的教学模式，无法调动学生的主动性、积极性和参与性，加上该课程理论知识较抽象，学生上课效果和获取知识的效果并不理想。目前存在以下问题：

1.1 教学内容单一

“神经网络”课程的讲授以教材为指导，教材内容重点讲述传统的理论基础，总课时32学时，主要包括以下四部分内容：1)神经网络主要模型理论知识；2)神经网络主要模型结构；3)基于Matlab/Python实现神经网络算法； 4)神经网络理论的发展与前沿问题。其中涉及到前沿技术发展的知识仅有3学时，而对近几年飞速发展的深度学习理论、技术等前沿知识涉及较少。深度学习[3]、深度神经网络等相关的新理论新技术[4]是当前、更是未来智能技术发展的方向。授课中，如果缺少深度学习相关研究成果这部分内容，势必造成学生知识受限，思维停滞不前，阻碍学生创新能力的发展。

1.2 缺少实践环节

目前“神经网络”课程授课只有理论教学，没有实践教学。教学中，基础理论知识和数学公式推导贯穿始终，占据大量课程时间；涉及到的实际应用，仅能在有限的时间里通过课堂举例加以说明，学生不能动手编程验证。例如，在第二章感知器这一教学内容中，要求掌握感知器的结构和功能、感知器的的学习算法、分析其优缺点，在此基础上进一步学习多层感知器，并可以运用Matlab/Python高级编程语言实现简单的感知器神经网络的算法实验。而教学中关于“运用Matlab/Python高级编程语言实现简单的感知器神经网络的算法实验”这部分实验内容只能要求学生课下完成，上述学习过程造成课程理论抽象难懂，实践过程不受重视，势必影响学生分析问题、解决问题的实践动手能力。

1.3 教学模式单一化

“神经网络”课程涉及“线性代数”“微积分”“数据结构”“计算方法”“数理统计”等课程基础知识，理论性强、公式推理多。课程教学中，以教师讲授为主，学生被动听课。这种教学模式下，学生的积极性和主动性尚未调动起来，听课效果并不理想，同时学生的学习能力和思考能力并未激活，势必影响学生的思辨能力和主动探索能力的培养。

1.4 教学考核片面化

“神经网络”课程是一门考试课。该课程理论性重要，实践性也不容忽视。但目前教学考核方式为闭卷形式，仅能考核该课程的基本概念和基本方法，缺少实践环节的考核，这种单一的传统考核方式，难以调动学生的主动参与性，势必影响学生自主学习探索创新能力的培养。

鉴于上述问题，提出项目/问题驱动的教学方法研究，该教学方法对于提升学生团队协作、共建项目、主动探求知识和自主创新的综合能力具有重要意义。

2、“项目+问题”教学法

项目驱动教学法(Project based Learning, PJBL)是由美国和加拿大教育学者凯兹、查得提出。该教学法以构建主义学习理论为指导，由具体学习内容构成，包括项目的设计、项目的实施和项目评价等主要内容。以学生作为认知的主体，以学生为中心，通过项目实践，理解和掌握课程的专业知识，调动学生的主动性和创新精神。项目驱动的教学模式是以项目任务为载体，以学生为主导，设置情境、问题、互动环节和成果展示等模式[5]。

问题驱动教学法(Problem-Based Learning, PBL)同样也是以学生为主导，围绕学习内容设置若干问题，围绕问题探索解决方案的学习方法，包括提出问题、分析问题、解决问题和结果评价等主要内容。问题驱动的教学模式是指将学习设置到相应的问题场景中，2-4名学生以组为单位，通过合作的形式解决具体场景中的问题，进而学习问题背后的科学知识，提高解决问题的能力[6]。问题教学法同样能够提高学生主动探求知识、自主创新思维的能力。

基于上述项目驱动教学法和问题驱动教学法的优势，结合“神经网络”课程特点，提出“项目+问题”双驱动的教学模式。“项目+问题”双驱动的教学模式以学生为中心，教师为指导者，围绕具体项目和项目进展中的具体问题展开学习，鼓励学生加强团队协作，让学生在项目学习和问题探讨中深刻理解并掌握所学专业系统知识，培养学生独立思考、团队合作能力，充分发挥学生在项目实施和问题探究过程中的主动性和积极性[7],进而提升学生勇于创新的综合能力。

3、“项目+问题”双驱动教学方法设计

3.1 课程改革目标

欧美研究生培养中不仅注重前沿知识和跨学科知识的课程内容，而且注重探究、批判性思维的教学方法。结合前沿科技、接触跨学科领域、以探究为基础的课程改革，对于培育研究生的综合知识和能力提供了保障。研究生课程教学目标要重点培养研究生的科研能力、思维能力，采用“研究性教学”的方法[8],把研究生课堂教学转变成“研究性教学”[9] ,学生获得批判性思维、创造性思维[10] 。

3.2 课程改革内容

以“项目+问题”为手段，以学生为主体，教师为引导者，围绕项目选题、项目设计、项目实施、成果展示、考核评价等环节展开，其具体思路如图1所示。学生通过项目实战演练，组成团队、分工协作、计划实施等环节，培养学生主动参与，积极思考，自主探索的意识，培养研究生思辨能力、创新意识，全面提高研究生课程教学质量。“项目+问题”双驱动的教学模式将以课程内容为根基，增设课程内容相关项目案例库和问题库，依据人工智能技术发展最新研究成果，设置课程相关的“深度学习新技术”内容，并依托新技术衍生课程相关的项目案例库和项目相关的问题库，以学生为主体，增设学生互动环节的评价内容，如表1所示，形成“课程内容-项目-问题-评价”相互关联、相互促进的良好教学环境。

图1 改革思路   

通过本课程的学习，学生不仅可以理解和掌握神经网络课程的基础理论知识，而且能够具备在实践中学、在实践中做、在实践中思考的科研素养能力。通过项目的实战演练，学生不仅能够学习到科研的基础知识，而且将获得科研技能的提升，例如科技文献查阅、科技论文写作以及科研实践能力将获得有效提高[11],提高学生的主动性、创新性，有效提升学生的综合素养[12]。

3.3 项目与问题的提出与设计

现有神经网络教材偏重于基础理论知识，对于新技术、新理论和新技术的应用以及实践环节涉及较少。针对目前这一教学状况，在保证课堂教学学时不变的情况下，则需要优化教学内容，即精简一些采用传统陈旧方法的实际案例，增加“深度学习新技术”这一部分教学内容。在“深度学习新技术”这一部分教学内容中，设计不同深度学习新技术项目案例，具体可以通过参考辅导教材、查阅文献、参与讲座等方式补充相关新内容[13],研讨深度学习新技术的最新发展趋势、最新研究动态以及最新技术典型应用，进而培养研究生的创新思维，为后期研究生科研创新能力的培养做好导向[14]。

针对近年来深度学习技术的突飞猛进，在新增的以项目形式的“深度学习新技术”这一教学内容，涵盖以下内容：深度神经网络技术、卷积神经网络模型、循环神经网络技术、残差网络模型、注意力机制、胶囊网络模型等最新技术，如表1所示。并设置如下项目案例库：语音识别、人脸检测、手写体识别，表情识别，股价预测等与科研密切相关的课题，要求学生结合具体项目重点理解神经网络技术从传统模型到深度学习模型发展、演变过程，培养学生从事科学研究并形成创新意识。

表1 “项目+问题”双驱动的教学模式设计方案

神经网络课程涉及到的理论知识较多。不论是传统神经网络模型，还是深度学习模型，均是采用数学建模的思想，对于研究生尤其是工科的研究生来说，能够从工科的角度去思考问题，采用抽象的数学建模方法，对具体项目、具体问题提出解决思路，并解决具体的实际应用问题，就显得尤为重要。因此，增加以“项目+问题”为主题，以解决具体实际应用为目的的实践教学环节，可以培养学生数学建模思维创新与实践相结合的能力，培养学生针对问题善于解决的能力。神经网络课程实践环节主题内容是以具体“项目+问题”展开，与我校土木、园林、机械、电子等学科领域应用问题进行交叉研究，要求学生能针对具体项目展开研究，在项目实施过程中设计项目，提出问题、提出解决方法、编码验证并形成演示模型。其项目实施过程安排在课下，要求学生分组以项目团队形式，协作完成，通过查阅文献、资料，完成项目，并在课堂上以PPT展示项目的总体报告。

3.4 师资队伍建设

“项目+问题”驱动的教学模式是以学生为主体，教师为引导，通过理论与实践相辅相成，使得学生更好地理解和掌握知识。这种教学模式对师资教学水平和科研能力提出了更高的要求[15]。教师作为整个教学过程中引领者，要具备先进的学术水平和丰富的教学经验，要充分调研和准备与项目相关的知识和内容，结合理论基础知识和科研实践经验能灵活应对项目实施过程中的各种问题，引导学生积极探索、思考，引领学生不断思辨、创新。本课程教学团队由四名教师构成，其中三名教师获得高级职称。该教学团队成员均拥有博士学位，拥有精湛的教学经验和科研经验。其中两名教师在美国高校进行过为期一年的访学工作，深入美国大学教学一线，汲取国外教学经验。同时，该教学团队一直工作在科研一线，科研能力较高，能够有效地保证教学效果。

4、“项目+问题”双驱动的教学方法实践

4.1 具体实施案例

以“项目+问题”驱动的教学方式，即在课程内容基础上，选择具体项目案例，提出问题，针对提出的问题探讨具体神经网络模型，并将该模型应用到具体项目案例，形成一个从项目出发，学生为主体，团队协作，“提出问题-分析问题-解决问题”的完整闭环。以深度学习技术内容之中的“胶囊网络模型”这一项目相关的教学内容为例。首先结合“手写体识别”这一项目案例，提出以下问题供学生讨论：

(1)卷积神经网络的优势和缺点是什么?

(2)什么是胶囊网络，其网络模型架构?

(3)数学模型构建

MNIST数据集[16]是一个手写数字数据库，每一张图片都是0到9中的单个数字，用于测试手写体识别效果。

4.2 教学案例分析

现设计一实例教学，针对上述问题2,学生反馈信息如下：胶囊网络架构如图2所示。一组学生搭建实验运行平台，提出采用胶囊网络模型对手写体识别项目进行建模，编码、运行并测试，其结果如图3所示，其中L代表标签，p代表预测值，r重构出的图片。测试结果如图3所示，其中部分测试结果正确。从图中展示出重构出的图像其形状和位置等信息和输入图像极其相似，验证了胶囊网络在位置形态上具有一定的作用。而后面两列是预测失败的，通过重构出来的图可以看出，由于3和5手写相似，识别错误。在项目实施过程中，学生找出了实验过程中出现的问题，并针对具体问题进行了探讨分析。教师针对上述情况引出 “预测失败的原因是什么”“本模型的优势是什么”“算法的效率如何”等具体问题供大家参与讨论，大部分同学积极发言，研讨了该模型预测失败的具体原因、模型的优势、算法的效率。教师进一步引导学生深入思考，深入探究，设置新问题“后期如何改进”供大家讨论，同学们不断深入挖掘知识，大家进一步研讨，交换意见，提出了不同改进方法。

图2 胶囊网络架构

图3 MNIST数据集识别结果

上述基于“项目+问题”驱动的教学模式，将深度学习新技术之一——胶囊网络模型应用到手写体识别这一实际项目案例中，可以让学生意识到理论知识联系实际问题，理论知识和实践检验缺一不可。引领学生在项目实践案例中中如何发现新问题、如何探索新问题、如何解决新问题，提升学生的在项目中做、在项目中学、在项目中创新的能力，提升学生综合素养能力。

4.3 教学效果评价

根据上述课程内容以及教学方式的更新，逐步形成以“学生为主题”,积极参与的互动模式，因此，考核上不仅限于闭卷考试，而是增加学生互动参与程度作为学生的互动成绩考核补充项，其中互动参与程度指标包括项目成果展示、问题的分析、问题的解决能力等，其课程互动成绩考核内容与指标分解如表2所示。依据上述指标内容，每一项考核指标满分4分，总分共计20分。将互动成绩分为优(>=17分)、良(>=15分)、中(>=12分)、差(<12分)四个等级，占总成绩20%,按照学生的参与度进行互动成绩评定，评价学生的综合能力，最终形成考核总成绩。

表2 互动成绩考核内容与指标分解

4.3.1 学生期末成绩较好

以2019级研究生“神经网络”课程成绩统计分析，如图4所示，学生互动成绩平均分为17.6分，最高分19.8分，最低分14分；学生总成绩平均分达到84.6分，最低分75分，最高分达到92分，成绩优秀率达到82%。互动成绩考核如表3所示，其中PPT项目汇报、和问题分析能力成绩较高，项目汇报思路和回答问题综合能力良好，还有待进一步提升。互动成绩评定为良以上的学生，其综合成绩较为优秀，大部分学生积极参与项目过程和问题探讨，总体成绩较往届平均成绩提高4-5分。“项目+问题”双驱动的教学方法可以显著提高学生的主动性和参与率，从成绩的统计情况来看，学生的学习效果较好。

图4 成绩统计分析情况   

表3 互动成绩考核

4.3.2 学生积极主动，融合贯通能力提高

在项目的实施过程中，学生采用最新的神经网络模型构建具体项目的学习模型，针对项目实施过程中遇到的问题搭建实验平台，编写实验代码、调试并运行实验程序，最终形成项目书。上述整个项目的过程中体现了实践与理论相结合，学生积极主动参与，将所学知识融会贯通。

教学考核中加入项目实施过程中互动参与度指标，经统计分析，学生参与率100%,其考核方式调动了学生主动思考、积极参与项目实施。让学生意识到理论与实践是不可分割的，以理论为指导的神经网络各方法的实践可以解决各个专业、各个领域的科学问题，对于培养跨学科、交叉学科人才具有重要意义。

4.3.3 批判性思维得到训练

在科技飞速发展的今天，思维教育显得尤为重要。学生学习不仅局限于掌握知识，更要发展思维技能。批判性思维是培养创新人才的重要举措，课程教学中把批判性思维教育贯穿始终，引导学生大胆提问，谨慎断言，能够大力提升学生的批判性思维能力。教学与科研一体化训练，引导学生积极思考，大胆讨论。在项目实践过程中引导学生进行大量文献阅读，在文献阅读过程中带着批判性思维去探索去思考去创造。在项目实施过程中，在老师的引导下，从问题出发，学生主动参与，积极参加讨论，深入探究知识，不断发现新知识，其批判性思维在课程的教学中得到有效提升[17]。

4.3.4 团队意识增强 ,创新能力提升

“项目+问题”双驱动的教学方法在神经网络课程教学设置中以项目为基础，适当引入项目相关的具体问题，让学生以项目团队形式参与研讨，积极开动脑筋，自主探索，鼓励学生大胆展现自己的看法。学生在项目实施中，需要项目协作、团队配合。在项目方案、项目实施、项目总结等过程中如何协作，该教学方式提高了学生课堂的主体能动性，培养了学生积极思考、勇于创新的综合能力。以“项目+问题”双驱动的教学方法不仅调动了学生的主动性，培养了学生的研究能力，而且锻炼了学生的团队协作能力。

5、结语与展望

建设社会主义现代化强国需要创新性人才，人工智能技术飞速发展的今天，需要研究生课程建设与时俱进。“项目+问题”双驱动的“神经网络”课程改革，加强教学队伍建设，优化教学内容，创新教学模式，引入多元考核方式。该课程教学模式改进和教学方法的创新可以有效体现课程先进性和创新性，增强了研究生实践能力，提升了研究生的思辨性、主动性和创新性能力。今后的教学中将进一步加强科技文献阅读能力的培养以提升研究生综合素养，更好地服务于社会主义现代化强国建设。

参考文献:

[1]中华人民共和国中央人民政府网.教育部关于改进和加强研究生课程建设的意见(教研[2014]5号)[EB/OL].(2014-12-05)[2022-03-01].

[2]中华人民共和国教育部.关于加快新时代研究生教育改革发展的意见.(教研[2020]4号)[EB/OL].(2020-09-23)[2022-03-01].

[5]胡敏,王晓华,唐益明,等.“项目教学+深度学习”为双主线教学模式的探索和实践:以研究生多媒体信息技术课程为例[J].合肥工业大学学报(社会科学版),2020,34(4):114-119.

[7]杨敏,李长河,刘永红,等.项目驱动的“金属工艺学”教学实践研究[J].教育教学论坛,2021(39):140-143.

[8]孙长永,李燕.建设一流研究生课程培养一流法治人才:西南政法大学法学专业研究生课程改革实践探索[J].学位与研究生教育,2017(8):9-15.

[9]杨正文,刘敏昆.研究生专业课程“研究性课堂”教学机制探析[J].研究生教育研究,2016(2):55.

[10]胡莉芳.教育性与研究性:一流大学研究生课程建设的内在逻辑[J].清华大学教育研究,2022,43(1):62-69.

[11]韩青松,郭啸,刘伟诚.“双一流”建设背景下高水平大学研究生教学质量评价的必要性和重要性探究[J].大学,2022(2):71-75.

[12]张天巍,李思成.面向科研能力养成的研究生课程教学改革研究与实践:以警察大学“自然科学研究方法”为例[J].武警学院学报,2021,37(4):78-82.

[13]郑崇峰.江西高校教育经济与管理专业硕士研究生培养比较研究[D].南昌:江西农业大学,2019.

[14]张强,邵思羽,牛天林,等.研究生课程教学模式改革实践 :以“神经网络理论与应用”课程为例[J].教育教学论坛,2021(51):57-60.

[15]张国财,赵博,张杰.在“双一流”学科建设背景下林业专业学位研究生人才培养模式改革与探索[J].黑龙江教育(高教研究与评估版),2022(2):38-40.

[17]刘美凤,吕巾娇,董丽丽,等.中美教育技术学专业课程设置比较研究[J].开放教育研究,2016,22(3):53-62.

基金资助:安徽省质量工程项目(2020jyxm0353);中国建设教育协会教育教学研究重点项目(2021008);

文章来源:王坤侠.面向研究生创新能力培养的神经网络课程教学改革与实践[J].忻州师范学院学报,2024,40(02):44-50.