隨著人工智能技術(shù)的飛速發(fā)展與工業(yè)機(jī)器人的廣泛應(yīng)用，高職院校機(jī)器人技術(shù)應(yīng)用專業(yè)群的人才培養(yǎng)面臨著新的機(jī)遇與挑戰(zhàn)。作為該專業(yè)群的核心課程之一，《人工智能應(yīng)用基礎(chǔ)》承擔(dān)著為學(xué)生奠定AI理論認(rèn)知與初步實(shí)踐能力的重任。本文結(jié)合教學(xué)實(shí)踐，以課程中“人工智能基礎(chǔ)軟件開發(fā)”模塊為例，探討該課程的教學(xué)設(shè)計(jì)與實(shí)施路徑。

一、 課程定位與目標(biāo)重構(gòu)：對接崗位，突出應(yīng)用

傳統(tǒng)的《人工智能應(yīng)用基礎(chǔ)》課程容易陷入理論講授過多、與專業(yè)結(jié)合不緊密的困境。針對機(jī)器人技術(shù)應(yīng)用專業(yè)群，課程定位需緊密對接智能機(jī)器人系統(tǒng)的感知、決策、控制等環(huán)節(jié)中涉及的AI軟件開發(fā)需求。教學(xué)目標(biāo)應(yīng)進(jìn)行重構(gòu)，從“知曉概念”轉(zhuǎn)向“解決微問題”。以“人工智能基礎(chǔ)軟件開發(fā)”為例，其核心目標(biāo)應(yīng)設(shè)定為：使學(xué)生理解常用機(jī)器學(xué)習(xí)算法（如分類、回歸）的基本原理；掌握使用Python及相關(guān)庫（如scikit-learn, OpenCV）進(jìn)行數(shù)據(jù)預(yù)處理、模型訓(xùn)練與評估的基本流程；能夠針對機(jī)器人應(yīng)用場景（如視覺識別、簡單路徑預(yù)測）完成一個基礎(chǔ)AI功能模塊的開發(fā)與集成。

二、 教學(xué)內(nèi)容設(shè)計(jì)：項(xiàng)目貫穿，軟硬結(jié)合

為實(shí)現(xiàn)上述目標(biāo)，教學(xué)內(nèi)容需打破按章節(jié)羅列知識的模式，采用以“項(xiàng)目”為主線的模塊化設(shè)計(jì)。

1. 基礎(chǔ)模塊：精簡必要的數(shù)學(xué)與算法理論，重點(diǎn)講解與后續(xù)開發(fā)直接相關(guān)的部分，如特征工程的概念、模型評估指標(biāo)等。同步強(qiáng)化Python編程與數(shù)據(jù)處理庫（NumPy, Pandas）的實(shí)戰(zhàn)訓(xùn)練。
2. 核心項(xiàng)目模塊——以“機(jī)器人視覺識別小程序開發(fā)”為例：

• 子任務(wù)一：環(huán)境搭建與數(shù)據(jù)準(zhǔn)備。學(xué)習(xí)配置Python AI開發(fā)環(huán)境，為機(jī)器人攝像頭采集的圖像數(shù)據(jù)（或標(biāo)準(zhǔn)數(shù)據(jù)集）制作標(biāo)簽并進(jìn)行預(yù)處理。

• 子任務(wù)二：模型訓(xùn)練與驗(yàn)證。選擇經(jīng)典的圖像分類模型（如SVM或簡單的CNN），使用scikit-learn或Keras進(jìn)行訓(xùn)練，并評估其準(zhǔn)確率。

• 子任務(wù)三：功能封裝與簡易集成。將訓(xùn)練好的模型封裝成可調(diào)用的函數(shù)或類，并嘗試與一個模擬的機(jī)器人控制程序（如使用PyGame模擬的簡單界面）進(jìn)行聯(lián)調(diào)，實(shí)現(xiàn)“識別物體-輸出指令”的閉環(huán)。

通過該項(xiàng)目，學(xué)生能將算法學(xué)習(xí)、編程實(shí)踐與機(jī)器人應(yīng)用場景直觀結(jié)合，理解從數(shù)據(jù)到智能功能的完整鏈路。

三、 教學(xué)方法與實(shí)踐：理實(shí)一體，階梯遞進(jìn)

教學(xué)實(shí)施采用“理論精講-案例演示-模仿實(shí)踐-拓展創(chuàng)新”的階梯式方法。

1. 理論精講：利用動畫、可視化工具直觀展示算法原理，避免復(fù)雜的公式推導(dǎo)。
2. 案例演示：教師演示一個完整的微項(xiàng)目開發(fā)過程，如“基于手寫數(shù)字識別的分揀指令生成”，邊編碼邊講解關(guān)鍵點(diǎn)。
3. 模仿實(shí)踐：學(xué)生分組，在教師提供的代碼框架和數(shù)據(jù)集基礎(chǔ)上，完成一個類似但參數(shù)或?qū)ο蟛煌娜蝿?wù)（如“交通標(biāo)志識別”），強(qiáng)化動手能力。
4. 拓展創(chuàng)新：鼓勵學(xué)有余力的學(xué)生嘗試優(yōu)化模型、改進(jìn)接口或?qū)⑵洳渴鸬綄?shí)體機(jī)器人仿真平臺（如ROS、CoppeliaSim）中進(jìn)行測試，培養(yǎng)解決復(fù)雜工程問題的初步能力。

四、 考核評價方式：過程導(dǎo)向，多元評價

改變“一考定論”的方式，建立過程性考核與終結(jié)性考核相結(jié)合的評價體系。過程性考核（占60%）包括：項(xiàng)目各階段的任務(wù)完成度、代碼質(zhì)量、實(shí)驗(yàn)報告、團(tuán)隊(duì)協(xié)作表現(xiàn)。終結(jié)性考核（占40%）可設(shè)置為一個綜合性的課程設(shè)計(jì)，要求學(xué)生獨(dú)立或小組完成一個與機(jī)器人相關(guān)的基礎(chǔ)AI應(yīng)用原型開發(fā)，并進(jìn)行答辯演示，重點(diǎn)考察知識應(yīng)用能力與工程思維。

五、 與展望

以“人工智能基礎(chǔ)軟件開發(fā)”為抓手的《人工智能應(yīng)用基礎(chǔ)》課程改革，其核心在于“應(yīng)用”與“集成”。通過項(xiàng)目化教學(xué)，將抽象的AI知識與具體的機(jī)器人技術(shù)應(yīng)用場景相融合，有效激發(fā)了學(xué)生的學(xué)習(xí)興趣，提升了其技術(shù)落地能力。課程建設(shè)還需進(jìn)一步深化產(chǎn)教融合，引入企業(yè)真實(shí)案例與開發(fā)規(guī)范；加強(qiáng)教學(xué)資源庫建設(shè)，開發(fā)配套的實(shí)訓(xùn)項(xiàng)目與在線學(xué)習(xí)模塊，以適應(yīng)人工智能技術(shù)快速迭代對高職人才培養(yǎng)提出的持續(xù)要求。