陈莉

（湖南工业大学，湖南 株洲 412007）

0 引言

人工智能发展是科技进步的产物，人工智能未来的应用趋势更加广泛，且具有很高的商用价值，人工智能在生产作业中价值突出，尤其是在部分重复度高的领域，将逐渐取代人力劳动，人工智能和自动化生产结合起来，促进整体生产工作发展，能有效节省人力物力。《数据结构》是计算机专业核心课程，其不仅仅是程序设计的基础，也是计算机与软件知识学习的基础，这一课程内容的繁琐性问题引起的新的弊端在于，课堂上主要以教师讲解为主，而学生在课堂中的教学也趋向于枯燥听讲，将《数据结构》课程与人工智能融合发展势在必行。

1 人工智能背景下的《数据结构》课程改革

1.1 人工智能

人工智能是建立在人工神经网络相关技术的基础之上，通过在网络上增加层数来实现深度思考的一种技术，层数越多越智能。人工智能最早的研究是10层，技术进步之后已经逐渐增加到几十数百层。近年来，人工智能的代表技术是深度学习[1]。深度学习模型层数的增加带来的问题包括学习参数的增加和学习过程中的收敛困难。这一特点也令其成功应用于教育、医疗、金融等领域，当下，人工智能的教育已经贯穿了整个教育体系。利用人工智能技术，可以为我们提供更快、更准确的智能算法，从而给予教学指导和信息检索。在人工智能的带动之下，程序可以建在人工智能算法之上，对具有指定标签数据进行深度学习。学习之后人工智能算法就可以脱离制定标签，进行无监督学习，通过这一流程，人工智能可根据数据的分布和特征，对数据进行整体的分类组合。

1.2 新工科发展下的《数据结构》课程发展目标

以布鲁姆学习目标分类法，对专业学生在《数据结构》课程中的学习能力评价指标来看，整体的教学目标如表1所示。

表1 整体的教学目标

在新工科的人才培养需求之下，计算机专业的学生更需要工程认证打底，学生需要具备一定的抽象建模意识，并进行持续地优化和改进，在这种培养需求之下，对学生的理论学习和实践学习产生的考验是巨大的[2]。而这也给学生的计算机及其相关专业的课程学习和毕业要求存在一定的映射相关关系，而《数据结构》的目标就需要符合此发展目标，重视提升学生的基本分析能力，做好综合设计的实现。在新工科人才培养需求之下，基于《数据结构》的课程教学之下，应当有效规划教学目标，尤其是在工程专业方面，其对学生的《数据结构》素养也会产生更好的应用要求。

2 《数据结构》课程和人工智能的融合发展

2.1 引入人工智能学习的背景

人工智能包含许多技术。在介绍人工智能研究背景和研究过程时，教师需要从学生认知基础考虑，分析学生接触到了哪些人工智能成果，然后建立在学生的认知之上，使学生深刻了解什么是人工智能、在哪些领域使用。人工智能学习算法是《数据结构》课程学习过程中的核心，在《数据结构》的课堂上，引入人工智能技术能有效利用图片和视频资源，打造良好的人工智能的展示效果台，并通过一个生动具象的教学环境，讲解其开发过程、加强学生对人工智能的未来发展的认识，以及对《数据结构》课程的认可。在了解其应用的前提下，熟悉人工智能技术的使用过程，对其中与《数据结构》相关的内容，如基于标签数据的学习和无标签数据的测试等内容进行有效认定[3]。

2.2 融合《数据结构》课程知识点

数据结构主要研究的是各类数据对象之间的关系和数据的处理以及相关操作。如果在其中有一些基本的算法，需要做好树和图相关知识的讲解，保证数据结构中人工智能相关知识点能得到有效扩充。在人工神经网络和深度学习的知识点学习中，需要扩展知识利用图的概念，将两者结合在一起，能实现课上学习知识点的融合，主要体现在，将数据结构中的树的知识点可以与人工智能中的决策树和随机森林相结合。我们把要学习的数据输入到神经网络的第一层。通过层间连接，输入数据通过神经元传输到第二层。以此类推，直到最终输出层产生结果。每个神经元都有一个权重和一个偏差，这个数值是通过学习得到的参数。它的正确性直接关系到它的学习任务，最终的输出是由这些权重和偏差值之和决定的。

2.3 人工智能案例设计

目前已经有较多的平台支持以深度学为基础，设计软件并进行个性化地调试，例如，Tensor-Flow是基于Google的神经网络算法库Dist-belience开发的一种基于数据流编程的符号数学系统，广泛应用于各种机器学习算法中。PyTorch是使用Python语言的Facebook深度学习框架。这些框架的最大优点是可以引导学生通过这种方式自行配置并做好系统的安装。然后建立在编程之上，做好深度模型的学习和测试。如果某些学生对编程感兴趣或已经具有很强的编程能力，老师可进行重点指导，引导学生做一些编写学习平台的尝试案例，这样一来就能将人工智能技术进行更深层次的理解，并将技术应用到项目中[4]。在实际的学生管理中，可以借助工程认证课程改革的平合、工具、软件，比加腾讯课堂，学习通、MOOC等，将所搜集的数据形成教育原始数据，后期买用大数据分析方法，进行学生兴趣、学习规律、学习效果等评价。

3 基于人工智能背景下的《数据结构》课程教学改革策略

3.1 调动学生学习积极性，寻求学生意见和建议

教师需要在日常的教学中，积极向学生传达《数据结构》课程对学生未来工作发展的重要性，且需要对学生有详细的了解，掌握每个学生的学习状况，基于这种情况提升《数据结构》的管理效能。同时利用人工智能技术将学生在学习过程中的作业、成绩等信息输入计算机，利用人工智能技术辅助课程分析，例如，传统教学，老师会对作业的批改和总结，建立在人工智能技术之下，通过输入相关算法，成为教师教学反馈和制定教学任务的辅助，通过人工智能的信息处理，可以安排计划。这样，借助人工智能技术，可以保证授课的效率和质量。同时，利用人工智能技术，可以统计分析每个学生的学习情况，对个别学生的问题进行定向处理。如果学生出现相关课程的学习问题，教师就可以快速反馈处理，利用人工智能分析学生的掌握劣势，进而开展有针对性的教学。教师可以建立整个教学安排的课程，制定合理的教学计划，使教师在面对面的教学中具有针对性并有所侧重。同时，为了提升课程开展效果，有必要向学生进行调研分析，了解学生对于人工智能的学习态度、了解情况、参与意愿，以保证整体课程教学的开展稳定高效。

3.2 转变教学观念，充分融合人工智能到教学当中

教师需要做好教学观念的转化，充分提升教学效能，打造《数据结构》课程新常态，首先，对于学生的课前准备，由于学生的学习基础和认知能力参差不齐，采取传统教学模式最大的问题在于，教师如果统一管理实施起来难度较高。然而，利用人工智能统计每个学生的教学内容，并通过分析来了解学生的掌握情况，利用计算机分发信息，告知每个学生应该做的准备工作做好教学定向安排，如此一来不仅可以减少教师统计和分析的繁琐流程，还可提升整体的教学效率。整体课程教学中，还可以利用人工智能技术，监控学生的学习情况和控制科目进度，依靠人工智能及时发布学习预警，让学生可以有效学习、认知自身发展中的问题，保证了教师教学的连续性。最后，人工智能可以在第一时间收集学生的解答情况并给出相应的指导意见，大大提高了教学效率，同时，根据试卷中的一些问题，反馈给教师，教师可以更有针对性地了解学生的学习问题并定向解答[5-6]。

3.3 尝试翻转课堂新模式，提升学生的自主管理能力

教师需要充分利用信息技术和人工智能技术进行教学规划，就需要保障实际的教学设计中，教师统筹兼顾整体教学工作，做教学管理者，因此教师需要建立教学“大局观”，围绕数据结构课程的整体特点和发展方向，将技术优势和学科特点有机结合，给学生构建一种更高效的学习环境。同时，考虑到面授教学中有时学生不理解的情况，我们需要不断地对学生进行引导和教育，利用人工智能设计自动答疑系统，并鼓励学生如果有不懂之处，通过网络渠道开展复习工作，能加深学习印象，让学生温故知新。学生自己着实解决不了的问题，可以通过课上反馈的方式，让教师统一解答。

4 结语

总而言之，《数据结构》课程是一门计算机科学和计算机技术融合的专业学科，在教学上也有较大的难度，而现阶段教学改革中，教师依然延续着传统的教学模式，这种模式之下导致教学模式僵化，且存在较大的教学压力。基于人工智能技术，将计算机技术与计算机学科教学结合在一起，能让学生更具针对性地学到一些知识，并强化教学管理效能。