高质量人才是人工智能技术创新和产业发展的关键，如何培养并向社会输送更多优质、专业、高水平的人才，是高校AI教学的重要命题。当前，高校教师往往面临着如何更好地实现教学与工业实践紧密结合的问题，这一方面制约了高校学生的“实战能力”，另一方面，企业招聘也面临难题。产教融合、校企合作，显得尤为迫切。

百度飞桨作为我国首个自主研发、功能丰富、开源开放的产业级深度学习平台，一直以推动中国AI人才培养为己任。针对市场层面AI人才缺口现状，飞桨联合国内七所顶尖高校进行暑期师资培训活动，培训活动由教育部高等学校计算机类专业教学指导委员会和全国高等学校计算机教育研究会共同主办、七所高校承办，清华大学出版社与百度公司协办。

7月3日，2021全国人工智能师资培训在上海正式启动。开班仪式上，国家级教学名师、教育部高等学校计算机类专业教学指导委员会副主任委员蒋宗礼教授，做了题为“提高课程的教学站位”报告，从人才培养的高度上设计和实施课程教学的角度，阐释人工智能时代高质量、高水平人才的培养之道。

国家级教学名师、教育部高等学校计算机类专业教学指导委员会副主任委员蒋宗礼教授

主要内容如下：

我国近些年科技发展十分迅速，现在在人工智能领域的一些研究，特别是应用研究方面已经走在国际前列。我认为，我们在基础研究领域也可以开展更多的研究了。因为要想在未来占领制高点，除了坚守应用开发优势外，还需要投入一批人在基础研究领域做出成绩。归根到底，这个问题的本质是：我们要如何培养一批高水平的人工智能人才。

在高校的培养体系里，课程是主战场、主渠道。想要更好地抓住主战场、主渠道，就要站在更高的位置，摆脱课程的束缚。具体地讲，就是课程教学中要摆脱三个为本：课程为本、教师为本、教材为本。要时刻思考教育的终极目标，而非简单地传授知识，更非照本宣科。

我将从六个方面来讨论提高课程的教学站位问题。

首先从当前的形势来看，我国的高等教育正在迈向新阶段。国家发展对高等教育的需要，对科学知识和优秀人才的需要比以往任何时候都更加迫切。所以，我国的高等教育需要快速地走上内涵发展之路。就高等教育而言，走内涵发展之路，其关键是不断提高本科生培养质量和水平，这是根本。

对于信息领域人才培养来说，不仅要走内涵发展，还要继续扩大外延，扩大规模。例如，近几年，设置人工智能专业的高校从最开始的35所激增至345所，同期，智能科学与技术转页也从原来的40来个，增加到197个，而新的数据科学与大数据技术专业也增至681个，成为计算机类专业规模第二大的专业，计算机类专业点更是达到了4132个。这也引发了新的思考：我们该如何构建新专业的人才培养体系？每个专业点又应该设置怎样的培养目标？

我认为，AI、大数据等新专业建设要在吸收老专业办学经验的基础上，遵循高起点、高标准的原则，科学构建培养体系、科学施教、科学评价，通过提高人才培养的科学性来提高效率、水平和质量。此外，AI和大数据技术正在成为新兴专业的兴起、传统专业提升和改造的重要力量，需要重视学科交叉以及非专业学生的相关教育。

第二，要提升课程的教学站位。既然课程教学（包括理论课和实践课）是主战场、主渠道，首先就要在课程设置上强调课程存在的价值。按照现行的研究结果，人才培养需要先确立一个合理的培养目标，这与学校定位、专业资源条件、社会需求等紧密相关；然后提出符合标准要求、能够支撑培养目标达成的专业毕业要求；在此基础上构建能够有效支撑专业毕业要求达成的课程体系，同时给出合理、清晰的支撑矩阵和评价矩阵。评价的时候，对应专业毕业要求的每一个指标点（又叫观测点），选择3-5门最具代表性的课程来实施达成情况评价。每门课程针对支撑的指标点设计相应的课程目标，这些目标必须与课程内容密切相关，不可以脱离课程，必须是通过课程教学能够实现的，而且可以在课内可以完成达成情况评价的。当然，专业毕业要求的指标点要明确具体，要可衡量。

也就是说，每一门课、每一位老师都应该站在人才培养高度上去开展教学活动，要围绕支撑毕业要求的达成设定课程目标，瞄准各个课程目标的达成开展教学活动，科学评价各个课程目标达成情况，以这些方式来提高教学的效率。

第三，关系清晰。在设计课程目标时，要清晰关联毕业要求指标点。每门课可以有多个课程目标，具体几个根据课程来确定。课程目标与毕业要求指标点应该是多对一关系，反对一对多和多对多的关系，更不应该是双向全对应的关系。

第四，目标适宜。恰当的课程目标应该是可衡量、直接支撑且准确的，而非生搬硬套指标点、不符合课程教学基本追求、对指标点体现不到位、描述角度不对的。在教学过程中，我们需要既实实在在，又超越课程的目标。

第五，还需要明确的达成评价标准。比如在课程中，特别是在毕业设计等实践教学活动的教学结果评价中，目前不少专业还是沿用传统的评价体系，这些评价体系中的评价标准与课程目标并无直接关系，这种标准下获得的“评分”很难说直接体现了相应课程的教学目标的达成情况。尤其是现在，我们通常希望实践课程在支撑专业毕业要求达成中发挥更多作用，要想提高专业毕业要求达成评价结果的可信度，就必须改变传统评分标准和办法，特别是实践环节、实验，以及其他平时成绩。

最后一点，数据有效。相对来讲，考试成绩是衡量学生学习结果比较准确的数据，这使得在众多评价方法中，考试成绩分析的可信度更高。但其基础是考试成绩一定要真正体现学生关于课程目标的达成度。比如，出考题时就要明确以测量课程目标的达成为目标。本科教育聚焦的是培养学生聚焦复杂问题解决能力，所以，考题一定要摆脱原来特别喜欢出的那种简单的概念解释、填空、单选、多选、以及判断对错这种类型题目，减少、甚至不出这样的题目，一定要注意体现“复杂”。可以选择多种评测方式，标准只有一个，那就是能够针对课程目标的达成情况采集到的有效性数据。

还有一个问题，就是课程目标达成评价一定是用来评价课程目标的，不是评价指标点的。有的还在评价了各个课程目标的达成后，继续通过取极小值给出所谓“整个课程目标的达成度”，那么这个“整个课程目标的达成度”有什么用呢？就专业毕业要求达成评价来讲，是没有用的。如果老师们能按照要求做好课程评价，专业把好关，做好验收，包括对课程教学大纲的严格讨论审核，专业负责人对考题的审核批准等。例如，在审核考卷时，要能够说清楚为什么出这个题、这个题是为了测量哪个目标、这个题为什么能够实现对那个目标的测量……有了这些保障，课程目标的达成评价才算真正做到位了。以此为基础，评价专业毕业要求的达成就有基础了。

谢谢大家。