唐敏，邓国强

（桂林电子科技大学 数学与计算科学学院，广西 桂林 541004）

0 引 言

桂林电子科技大学是以培养电子信息人才为核心目标的理工类高校。数学与计算科学学院承担了该校的数学基础课程，拥有国家级特色专业——信息与计算科学，在信息处理、大数据分析、网络安全等研究方面具有鲜明特色，既注重数学基础和科学研究，又注重实践应用。信息时代的“新工科”建设对高等院校的人才培养提出了新的要求，高校教学改革的目标是培养学生适应各种新兴产业，成为具备国际竞争力的人才。

1 新工科背景下的人才培养

2017 年2 月，教育部发布了《关于开展新工科研究与实践的通知》。《通知》中明确指出：新工科建设以互联网和智能为核心，以人工智能、云计算、机器人、大数据、区块链等用于传统工科专业的升级改造，相对于传统的人才，未来新兴产业和经济需要实践能力强、创新能力强的高素质复合型新工科人才。如何根据新工科背景下的人才导向，最大限度地利用算法设计与分析课程培养学生适应各种新兴产业，成为具备国际竞争力的人才，是高校教学改革中面临的一个重要问题。

2 信息类人才培养中存在的问题

2.1 传统教学手段使学生丧失学习兴趣与主动性，新兴教学手段实施效果不佳

当前，除基础理论课程（如高等数学）需要采用黑板进行公式的推导和计算过程的演算之外，大部分教师都是采用课件，很多同学感到老师是在念“PPT”，学习热情不高，非常被动。雨课堂等教学手段的使用（比如随机抽查、发表评论等）可以引起学生短暂的学习兴趣，但是缺少持续学习和内在学习的动力，学生易将注意力转移到电子设备上，不自觉地打开其他应用软件，雨课堂、智慧教室反而给了他们使用电子设备的借口。如何从根本上调动学生课堂积极性，至今是教学改革的难点。

2.2 教学内容选择与组织不合理，经典算法偏多，现代优化智能算法偏少

算法设计与分析课程一般讲授算法基本设计策略，针对每种策略给出若干求解问题。每种算法和求解问题的思想是独立而分散的，不像其他课程章节之间具有内在联系。现有的大部分教材还是以确定性的算法为主，没有把握目前很多主流算法的特点，比如动态规划法求解背包问题等。事实上，求解这类NP 问题已不再采用这些确定性算法，而是采用现代优化计算方法，比如神经网络、遗传算法、蚁群算法等。总的来说，适用新工科发展的并行算法、随机算法、近似算法、加密算法、智能优化算法介绍较少。不优化教学内容及合理组织，就无法与当前社会的实际问题相联系。

2.3 习题和实践教学内容缺乏现代应用元素，使学生丧失学习动力

目前，有部分高校教师常年讲授一门课程，课件、习题、授课内容基本不变或变化不大，实验和课程设计题目也常年不变，与智能科学、通信、控制、信息技术、通信技术等新工科内容联系不紧密［1］。而计算机信息类学科是日新月异的，若不紧跟时代需求，造成的后果是学习的知识和实际应用有一定脱节，无论是面向考研课程的复习，还是面向工作的刷题训练，都有无从下手的困惑。不进行实践教学改革，更新教学内容，改变知识陈旧的局面，就无法掌握计算机网络、人工智能等信息时代的新技术和新技能。

2.4 课程考核方式不完善，考核对学生正确的引导力丧失

课程的期末理论考核以笔试方式进行，学生一般只需掌握几个经典算法的流程和基本概念就可通过考试，缺乏课堂讨论以及项目成员间互动学习等过程性考核。由于教学计划不能轻易改动，因而作业内容也是常年一样，完全忽略了面向新工科的新型信息、互联网、智能等内容的设计性和综合性实验，并且由于程序冗长不易检查，很多学生都是复制代码，完全缺少创造性思维。

3 围绕新工科建设进行教学改革

3.1 线上学习与课堂讲授、研讨式相结合的混合式教学模式

在新工科背景下，理工科学生学习算法的目的不仅仅是理解算法理论，而且还要运用算法设计策略解决自身所学专业中遇到的问题。新工科建设必须不拘束于传统教学内容，在学习新知识、了解新算法的基础上促进多学科交叉和深度融合。教师在教学过程中应始终贯穿这条主线，做到重点突出、统筹兼顾。在传统的基本算法技术（比如贪婪算法、分治策略、树搜索策略、动态规划等）教学过程中积极引进当前的热点问题，务必保证计算机算法课程紧跟时代，从而激发学生学习兴趣。采用预习环节的线上学习、课堂环节的讲授与研讨式相结合、课后多元化作业的混合式教学模式，给予学生更多的参与和任务，可以培养学生的计算思维［2-4］。教师给学生预设可以发挥学科综合优势、面向未来新技术和新产业发展、推动学科交叉融合和跨界整合的主题。

3.2 优化教学内容，突出问题驱动，兼顾经典算法与现代优化计算方法

根据新工科人才培养要求，结合新兴专业和行业的发展状况，精选教学内容，突出重点、难点，简化抽象理论知识，突出问题驱动、工程案例教学，理论与实践紧密结合，对课程体系进行整体优化和融合。在具体的操作上，可以设定一些可用多种方法解决的问题，同时要求自学一到两个新工科背景下的算法和技术，比如模式识别算法、神经网络算法、遗传算法、网络优化、云计算等。让学生组成小组，实现具体问题的求解，每组的算法、编程环境或者硬件实现环境不同，从而从不同角度比较算法的优劣，比如三个不同的算法的比较，同一算法采用三种不同的编程语言，时间复杂度高的算法运行在好的机器上，而时间复杂度低的算法运行在差的机器上。

以算法分析与设计课程中经典算法与问题为核心，精选课程设计内容，结合移动互联网、云计算、大数据、定位导航、软件开发等设置多学科交叉融合的项目，严格控制选题人数（每课题3～ 4 组，每组2～ 3人），保证小组之间的竞争与交流合作。让教师成为“导师”，让课本成为“文献”和“参考书”，提高学生适应变化能力与工程创新能力。例如，结合“Voronoi 图的构造”和新工科内容，设置课题：基于Voronoi 图的近邻优化聚类算法、基于Voronoi 图的3D 打印轻量化结构设计、基于Voronoi 图与博弈策略的多无人机轨迹规划等。再例如，与云计算、互联网技术相关的求解无向带权图的最小割隐私保护问题、求解TSP 问题的量子计算算法设计、物联网下大数据隐私保护等。

3.3 建立研究型实践教学模式，开展持续性创新活动

大数据和AI 时代的到来，仅仅了解一些基本算法是远远不够的。更新优化实践环境和内容，引导学生了解智能时代和信息时代的流行技术，研究信息领域的前沿问题很有必要。设置多样化课题，学习物联网、人工智能、区块链等技术，培养学生在理解现有算法的基础上，进一步结合实际，设计算法、解决复杂问题。采用优秀学生的典型工作展示，经验共享，鼓励学生利用PPT、动画、录屏等方式向同学们展示自己的研究实践成果。学科竞赛对提高学习兴趣、激发学生潜能发挥着重要作用［5］，在竞赛和等级考试中不仅能充分体现学生的实践能力，而且目标更明确，同时有实际的利益驱动，学生更乐于参加这一类实践活动。

新工科背景下，要求学生在毕业时掌握全面深入的专业知识以适应人才市场的需要，持续性创新活动是保证学生具有较强的处理复杂问题能力的根本途径和方法。从本学院创新性实验，延续到算法课程设计，鼓励优秀学生申报大创项目、互联网+，参加软件大赛、数模竞赛，发掘具有科研潜质的学生进行科教协同项目，进行研究性学习［6］，撰写科技论文，最终在毕业论文中精化升华。

3.4 多元化作业任务

预习作业：布置学生了解算法课程的多个主题背景，了解数学家和计算机科学家的传记，对算法做出过的重要贡献等。课前列出本节的关键术语和结论。课后作业：巩固算法基本知识，结合实际应用，每周布置一次课后作业，采用比分级制更客观的百分制批阅方式。计算机作业：布置计算机课题，学习Maple 符号计算软件，编写程序，完成计算和探索性的问题。写作课题：完成一次写作课题，需要学生查找原始资料，参考数学文献，把数学概念和写作过程结合起来，帮助学生面对未来可能的研究领域。

3.5 完善考核方式，培养学生综合能力

传统考核通常以期末卷面成绩为主，结合考勤和课后作业，由于算法课程没法在最后的期末考试中考查学生的实践能力，大多还是以记忆性题目为主，学生缺少算法设计能力和思考创造能力也一样可以过关。为全面考核学生的学习能力，需调整期末考试成绩和平时过程性考核的比例，让学生更重视平时的学习和积累，不要产生大学考试都是最后突击的想法。比如出勤率、回答问题、阅读文献、论文综述、编程作业、竞赛等都可以作为过程性考核的内容。通过学术论文翻译大作业、算法设计问题程序设计大作业、视频报告等方式展示学生的学习成果。

3.6 课程形成性评价

加强教学过程管理，深化课程考核方式、方法改革，科学评价学生学习效果，引导学生从以知识学习为主向能力、素质为主的方向转变。全面了解学生的学习情况，及时给学生反馈，注重平时的学习和积累，对学生客观地进行过程性评价。

具体来说，为了解学生的知识学习情况，设计平时作业，可以采取问答题、简述题、小论文、研究报告等多种形式。为了及时了解学生的学习状态，在单元结束后开展阶段性的学习测验，可以采取期中考试、单元测试或随堂考试等。为调动学生学习的主动性，帮助学生多角度理解、运用知识，积极思考和解决问题，加强学生的综合思维分析能力，可以根据课程教学安排专门设计的综合性大作业，由于课程性质的不同，综合性大作业可以采取专题学术论文、专题调研报告、案例分析等多种形式。为关注学生课堂上的精神状态、专注度、互动性、积极性，可以对课程的重点难点进行课堂讨论或课堂提问。为培养学生的沟通表达合作能力，将学生组成若干个学习小组，设定学习任务，小组成员互相合作完成学习任务。为加深学生对理论知识的理解和运用，结合教学内容组织学生开展课内外实践活动，教师根据学生在活动中的综合表现、知识掌握情况、知识运用程度及动手能力等进行成绩评定。

注重课上和课下的教学过程考核，根据算法设计与分析课程的特点，采取多样化的过程性考核，包括线下作业、随堂算法设计、算法实践大作业、团队形式的人工智能问题求解、科技报告等。关注个体差异性，及时调整策略，帮助和促进学生更好地学习。

4 结 语

通过实施本项目，研究信息与计算科学专业算法设计及分析的理论教学和实践教学新模式和新内容，提高教学质量，尽可能地发挥算法课程在新工科人才培养过程中的基础作用。通过将算法分析、设计课程内容与创新实践活动相结合，利用信息与计算科学专业学生数学基础扎实等优势，培养学生自主抽象问题、解决问题、掌握新方法、学习新技术的能力，使其成为新一代信息技术产业复合型人才。