人工智能通识课“双核驱动”教学模式探索
2026-01-06
作者：
来源：
大众日报
【 查看PDF版】
□刘志猛
当前，人工智能日益成为引领新一轮科技革命和产业变革的核心技术，并正以前所未有的广度与深度重塑各行业生态，从基础科学研究到日常消费娱乐，其影响力无处不在。在此背景下，面向全体大学生，尤其是应用型本科院校中非人工智能专业学生，开展高质量的人工智能通识教育，已不再是“锦上添花”，而是培养其适应未来智能社会、具备跨界解决问题能力的“必修课”。然而，传统AI教学常面临两难困境：过于侧重数学理论与编程，易使基础薄弱的学生望而生畏，失去兴趣；而若仅停留在概念科普上，又难以培养学生真正的实践与创新能力。
为破解此困境，本文提出一种“双核驱动”教学模式：一核为“理论基石”，通过可视化、低代码的模块化方式，让学生亲手“搭建”并理解算法本质；一核为“工具赋能”，引导学生直接使用前沿的AI应用工具，在创造性项目中直观感受AI的魔力与边界。两者相辅相成，理论为工具应用提供原理性指导，工具应用则反哺理论认知，激发更深层次的学习动机。
理论核心：模块化与积木式教学，让算法思维“看得见、摸得着”
为破除非理工科学生对AI理论“深奥难懂”的刻板印象，应摒弃传统的讲授式教学，引入和鲸平台的模块化项目，将复杂的算法封装为功能清晰的“积木”，学生通过拖拽、连接、配置参数等直观操作，可视化完成一个完整的AI应用流程，在“做”中自然领悟原理。
分类算法的直观探索：以K近邻（KNN）、决策树、朴素贝叶斯这三大经典分类器为例。教学过程中，学生无需从零开始编写复杂代码，而是通过拖拽预置的“数据加载”“特征处理”“模型训练”“评估”等模块进行搭建。例如，在探索决策树时，学生可以直观地调整“最大深度”“分裂标准”等模块参数，并实时观察决策树结构图的变化及其对模型准确率的影响。通过对比实验，学生能深刻理解KNN基于距离的“惰性学习”、决策树基于规则的“分而治之”，以及朴素贝叶斯通过观察“词频统计”“条件概率计算”等模块的输出，理解其基于概率的“先验—后验”分类思想，并与前两种方法对比，认识不同算法在处理文本、离散数据时的优势。
回归算法的实践理解：线性回归是理解AI预测功能的绝佳起点。在模块化环境中，学生可以导入真实的经济或社会数据集，通过“散点图绘制”“损失函数计算”“梯度下降优化”等模块串联，亲眼见证如何找到那条“最佳拟合线”。更重要的是，他们可以尝试添加多项式特征模块，将线性回归拓展为多项式回归，从而理解模型的复杂度与过拟合/欠拟合现象之间的平衡关系。
这种“零代码”或“低代码”的交互式“做中学”方式，将抽象的数学公式转化为可视化操作流程，使学生在动手拼接中自然领悟算法的核心思想、适用场景与优劣所在，为后续工具应用打下坚实的原理基础。
“工具赋能”：生成式AI综合应用，在创意实践中融会贯通
当学生建立起基础的AI思维模型后，教学重点转向如何利用现成、易用的AI工具解决真实问题、激发创意。我们构建了一个覆盖“文—图—视频—音”全链路的生成式AI工具矩阵，并设计跨学科综合项目，让学生在实践中感受AI赋能各行业的无限可能。
自然语言处理（NLP）的阶梯式应用：通过“AI赋能的新媒体内容创作”，串联多个工具。包括：创意与文案（DeepSeek/豆包），学生利用大语言模型进行脚本撰写、文案优化。核心是学习“提示词工程”，学会与AI高效协作。视觉化（即梦/可灵），将文案中的关键场景描述，通过文生图以及图生视频工具转化为高质量视觉素材。学生通过调整提示词细节来控制生成画面的风格、构图与氛围，还可为视频添加转场与特效。音频化（魔音工坊），学生利用语音合成、音色选择、情感调节等技术，为脚本生成AI配音，或为视频配乐，完成内容制作的最后整合。
音乐与艺术创作：音乐是人文艺术领域的通用语言，利用AI进行音乐创作能极大激发非理工科学生的兴趣与共鸣。我们深度集成DeepSeek、Lyrics Into Song AI平台，开展“AI作曲工坊”专题项目。第一阶段是认知与体验，引导学生通过输入简单的歌词或描述，快速生成一首短曲，获得即时成就感。第二阶段是创作与定制，包括：利用“歌词生成器”获取灵感或完善文本，选择契合歌词情绪的流派，选定男/女声，调整节奏、情绪等参数，最后对不满意的乐段进行局部修改和重新生成，体验迭代优化的创作过程。第三阶段是拓展与应用。引导学生探讨其在本专业领域的应用可能，形成小型方案。例如广告与营销专业为特定产品创作广告歌或品牌旋律。通过这一项目，学生不仅掌握了AI音乐创作工具的使用，更完成了一次从“文本创意”到“多模态艺术成品”的完整数字内容生产实践，深刻理解了AI如何具体赋能创意产业。
面向应用型本科非理工专业的AI通识教育，其成功关键在于“降维理论、升维应用”。本文提出的“双核驱动”教学模式，通过和鲸平台的模块化项目将高深算法可视化、可操作化，有效构建了学生的AI认知框架；同时，通过以即梦、Lyrics Into Song AI等为代表的前沿工具矩阵，让学生在“玩中学、做中创”，实现了知识、能力与素养同步提升。实践证明，这种模式显著提高了非理工科学生的学习兴趣与自信心，不仅使学生系统掌握了人工智能的基础知识与实践技能，更重要的是使他们从AI技术的“旁观者”转变为积极的“使用者”与“思考者”，为其终身学习和适应未来智能化职业发展奠定了坚实基础。
（作者单位：山东工商学院计算机科学与技术学院）
当前，人工智能日益成为引领新一轮科技革命和产业变革的核心技术，并正以前所未有的广度与深度重塑各行业生态，从基础科学研究到日常消费娱乐，其影响力无处不在。在此背景下，面向全体大学生，尤其是应用型本科院校中非人工智能专业学生，开展高质量的人工智能通识教育，已不再是“锦上添花”，而是培养其适应未来智能社会、具备跨界解决问题能力的“必修课”。然而，传统AI教学常面临两难困境：过于侧重数学理论与编程，易使基础薄弱的学生望而生畏，失去兴趣；而若仅停留在概念科普上，又难以培养学生真正的实践与创新能力。
为破解此困境，本文提出一种“双核驱动”教学模式：一核为“理论基石”，通过可视化、低代码的模块化方式，让学生亲手“搭建”并理解算法本质；一核为“工具赋能”，引导学生直接使用前沿的AI应用工具，在创造性项目中直观感受AI的魔力与边界。两者相辅相成，理论为工具应用提供原理性指导，工具应用则反哺理论认知，激发更深层次的学习动机。
理论核心：模块化与积木式教学，让算法思维“看得见、摸得着”
为破除非理工科学生对AI理论“深奥难懂”的刻板印象，应摒弃传统的讲授式教学，引入和鲸平台的模块化项目，将复杂的算法封装为功能清晰的“积木”，学生通过拖拽、连接、配置参数等直观操作，可视化完成一个完整的AI应用流程，在“做”中自然领悟原理。
分类算法的直观探索：以K近邻（KNN）、决策树、朴素贝叶斯这三大经典分类器为例。教学过程中，学生无需从零开始编写复杂代码，而是通过拖拽预置的“数据加载”“特征处理”“模型训练”“评估”等模块进行搭建。例如，在探索决策树时，学生可以直观地调整“最大深度”“分裂标准”等模块参数，并实时观察决策树结构图的变化及其对模型准确率的影响。通过对比实验，学生能深刻理解KNN基于距离的“惰性学习”、决策树基于规则的“分而治之”，以及朴素贝叶斯通过观察“词频统计”“条件概率计算”等模块的输出，理解其基于概率的“先验—后验”分类思想，并与前两种方法对比，认识不同算法在处理文本、离散数据时的优势。
回归算法的实践理解：线性回归是理解AI预测功能的绝佳起点。在模块化环境中，学生可以导入真实的经济或社会数据集，通过“散点图绘制”“损失函数计算”“梯度下降优化”等模块串联，亲眼见证如何找到那条“最佳拟合线”。更重要的是，他们可以尝试添加多项式特征模块，将线性回归拓展为多项式回归，从而理解模型的复杂度与过拟合/欠拟合现象之间的平衡关系。
这种“零代码”或“低代码”的交互式“做中学”方式，将抽象的数学公式转化为可视化操作流程，使学生在动手拼接中自然领悟算法的核心思想、适用场景与优劣所在，为后续工具应用打下坚实的原理基础。
“工具赋能”：生成式AI综合应用，在创意实践中融会贯通
当学生建立起基础的AI思维模型后，教学重点转向如何利用现成、易用的AI工具解决真实问题、激发创意。我们构建了一个覆盖“文—图—视频—音”全链路的生成式AI工具矩阵，并设计跨学科综合项目，让学生在实践中感受AI赋能各行业的无限可能。
自然语言处理（NLP）的阶梯式应用：通过“AI赋能的新媒体内容创作”，串联多个工具。包括：创意与文案（DeepSeek/豆包），学生利用大语言模型进行脚本撰写、文案优化。核心是学习“提示词工程”，学会与AI高效协作。视觉化（即梦/可灵），将文案中的关键场景描述，通过文生图以及图生视频工具转化为高质量视觉素材。学生通过调整提示词细节来控制生成画面的风格、构图与氛围，还可为视频添加转场与特效。音频化（魔音工坊），学生利用语音合成、音色选择、情感调节等技术，为脚本生成AI配音，或为视频配乐，完成内容制作的最后整合。
音乐与艺术创作：音乐是人文艺术领域的通用语言，利用AI进行音乐创作能极大激发非理工科学生的兴趣与共鸣。我们深度集成DeepSeek、Lyrics Into Song AI平台，开展“AI作曲工坊”专题项目。第一阶段是认知与体验，引导学生通过输入简单的歌词或描述，快速生成一首短曲，获得即时成就感。第二阶段是创作与定制，包括：利用“歌词生成器”获取灵感或完善文本，选择契合歌词情绪的流派，选定男/女声，调整节奏、情绪等参数，最后对不满意的乐段进行局部修改和重新生成，体验迭代优化的创作过程。第三阶段是拓展与应用。引导学生探讨其在本专业领域的应用可能，形成小型方案。例如广告与营销专业为特定产品创作广告歌或品牌旋律。通过这一项目，学生不仅掌握了AI音乐创作工具的使用，更完成了一次从“文本创意”到“多模态艺术成品”的完整数字内容生产实践，深刻理解了AI如何具体赋能创意产业。
面向应用型本科非理工专业的AI通识教育，其成功关键在于“降维理论、升维应用”。本文提出的“双核驱动”教学模式，通过和鲸平台的模块化项目将高深算法可视化、可操作化，有效构建了学生的AI认知框架；同时，通过以即梦、Lyrics Into Song AI等为代表的前沿工具矩阵，让学生在“玩中学、做中创”，实现了知识、能力与素养同步提升。实践证明，这种模式显著提高了非理工科学生的学习兴趣与自信心，不仅使学生系统掌握了人工智能的基础知识与实践技能，更重要的是使他们从AI技术的“旁观者”转变为积极的“使用者”与“思考者”，为其终身学习和适应未来智能化职业发展奠定了坚实基础。
（作者单位：山东工商学院计算机科学与技术学院）