本课程是内容抽象、涉及多种学科的前沿课程，学生往往在学习开始兴趣很大，但当介绍课程涉及的推理、知识表示等难以理解的概念和算法时，学生学习接受的难度较大，学习的兴趣开始快速减退。

在教学过程中可通过各种途径和方法来提高学生的学习兴趣，如通过引用一些与教学内容相关的趣闻轶事来激发学生的兴趣，使学生在轻松愉快的氛围中学习 [ 2 ]。如可列举2016年3月在韩国首尔AlphaGO与韩国选手李世石人机大战和2017年在中国嘉兴乌镇其再次以3:1战胜世界排名第一的中国选手柯洁的比赛，来启发学生对人工智能和人类智能的思考。再如美国伊利诺斯大学两位数学家沃尔夫冈·哈肯和肯尼斯·阿佩尔利用人工智能自动证明了困扰数学界100多年的“四色定理”，这也是人工智能进行定理证明的最好例证。

在讲授时可适当引入电影元素，使学生更易接受并进一步思考。如在介绍人工智能概念及发展时可引入经典电影《AI》来引出人工智能的基本概念。在介绍人工智能重要的“图灵测试”概念时利用《模仿游戏》中点题戏份引出，解释对于机器是否具有智能的判断标准。

学生一般有过信息管理系统程序开发经验，很少有学生有利用人工智能相关技术解决实际问题的切身体会，所以学生很难真正去体会人工智能中各种方法的重要性以及它们解决实际问题的过程和产生的效果和给社会带来的效益 [ 3 ]。

对于人工智能中的一些经典问题，可采用问题驱动教学法来提升学生的切身体会 [ 4 ]。根据人工智能教学内容和重点提出问题，在教学过程中可以首先提出问题，鼓励学生进行大胆的思考，尝试给出问题的多种解决方案，教师对学生给出的方案进行点评并系统讲解问题的解题思路，抽象成理论，并对其进行延伸和推广。如在介绍状态空间搜索算法时，可以先提出“农夫和狼”的这个比较有趣的问题，请学生自行讨论并给出解决方案，教师对学生的方案进行讨论和总结，进一步提出更复杂的“农夫和狼”的问题，再请同学给出方案，并讨论该方案是否为最佳方案？共有多少种可能方案？如果问题规模在进一步提高，如何解决？随着问题规模的扩大，学生可能不能给出很好的解决方案了，从而引导学生如何对问题进行严格的描述，从而引出什么是状态空间搜索，可以解决什么样的问题，基本的原理和方法是什么。在整个教学过程中充分发挥“以学生为主体，教师为主导”的教学方法，引导学生积极主动参与到课堂中来，让学生主动获取知识，这样学生更容易理解方法的本质，并应用其解决实际问题。

虽然人工智能课程内容前沿，但是教学模式多采用“教师讲，学生听”的单一教学方法，加之内容理论性强，很多同学对知识点不是很理解，教学效果差。

将枯燥乏味的知识点转化为趣味性强的案例，有利于集中学生注意力，提高学习效果 [ 2 ]。教师在课前准备或从其他渠道获取案例，在案例选取上应难易适中、趣味性强，突出专业课程的重点和难点，将理论知识得到全面的应用。选择“案例–理论”和“理论–案例”的呈现方式将案例展现给学生，教师引导学生自主学习与案例相关内容，给出解决方案，教师对结果进行评价。如在知识表示部分引入“猴子摘香蕉”案例，在搜索部分提出“八数码问题”，在推理技术部分提出“杀人者问题”等。在进行推荐系统、图像情感识别、自然语言处理等人工智能应用专题的讨论时，更应该列举与学生生活密切相关的实例，比如在推荐系统专题的讨论中，可以通过同学熟知的搜索引擎，引出为什么提出推荐系统，以及根据学生日常网购的经验，使其亲身体会推荐系统的无处不在，进而给同学们讲解推荐算法。在自然语言处理中可以引出“九歌在线作诗”提高学生的兴趣，主动探索背后技术、原理。

由于学时有限，目前的人工智能教学只有36学时的理论教学，没有安排实验教学学时，而该课程理论教学内容涉及面广、抽象、概念性强，单一的理论学习很难使学生全面理解人工智能的思想和方法，实验环节的缺失不利于培养学生的实践能力和理性感知。

为了解决这样的问题，在教学过程中采用布置课外大作业的方式来弥补实验缺失带来的不利影响 [ 5 ]。由于每个学生的兴趣点不同，因此在大作业的布置上没有采用所有同学统一题目的方式，而是给了学生极大的自由权，学生可以自由组合3~4人一组，根据自己的兴趣选择某一算法，查阅相关文献，理解其在实际问题中的应用并代码实现具体解决问题的过程，给出运行结果。在课上抽出1~2次课进行师生角色互换，由学生来讲解某一算法在解决实际问题时的具体方案，教师和其他小组的学生可随时进行提问和讨论，通过这种方式加深对算法的理解。最后每组提交一份实验报告和源代码，注明小组分工。

在人工智能的教学过程中，采用PPT、图像、视频等多种多媒体手段及案例、实践、网站等相结合的立体化教学手段，以更好的展示各种方法，使学生更好的掌握相关原理和方法，提高学习效果。

1) 丰富多彩的多媒体课件

采用文字、视频、音频、图像等多种手段制作活泼、生动的教学课件。使枯燥乏味的知识以丰富多彩的形式展现，吸引学生的注意力，更好地讲解知识难点和重点，提高课堂利用率，在有限的课时内传授更多的知识。

2) 利用Bb网站

Bb平台为学生和老师构建了很好的交流平台。在网站上发布了课程的教学安排、教学大纲、教学内容、师资介绍、教案、课堂视频和大量相关参考文献，供学生随时查阅，使教学的课堂进行了有效的延伸。在Bb网上学生还可以随时与教师进行交流、讨论，将师生互动从有限学时变为全程互动。

通过教学过程中采用问题驱动式教学、案例教学、上课提问等多种方式引导学生深入的理解算法，使学生能够更好的掌握了人工智能基本方法和原理，使得抽象、复杂的人工智能方法更容易被学生理解、消化，极大的提高了学生的学习热情、积极性和主动性。通过大作业的设置使学生对人工智能中的方法解决实际问题有了更深的体会，能够运用所学算法解决实际问题。2016~2017年度，2017~2018年度及2018~2019年度期末考试成绩各分数段人数比例的统计，如图1所示。从效果上来看，近三年在考试难度相当的情况下，学生的平均成绩在提高，优良比例有所升高，不及格率在下降，说明学生对算法的了解在一定程度上有提高。

图1. 连续三年的学生成绩分布

三个年度平均分和标准差如图2所示。学生成绩平均值分别为68.8、74.42和77.36，平均分数有较大的提高，标准差分别为19.18、20.63和17.69，标准差比较大，主要是由课程性质决定的，对于理论性较强的人工智能课程，对于算法掌握了则分数会较高，不懂则无从下手。

图2. 分数均值和标准差

此外，在人工智能应用专题的讨论环节及大作业的讲解、答辩、演示等环节，同学们都展现了很高的积极性，讲解了很多人工智能中涉及的新技术、新应用，使同学们了解和掌握更多的人工智能的研究前沿和动态。