《新工科背景下的应用型本科工程教育中计算思维培养》-工学论文，计算机论文-论文范文参考-科学狗论文网

标题

新工科背景下的应用型本科工程教育中计算思维培养

范文

吴志泽王艳

摘要：计算思维是高等工程教育的关键。为应对以人工智能为核心的新一轮科技革命，“新工科”建设在我国全面启动，为应用型高等工程教育中的计算思维培养提出了新的挑战。本论文从回归计算思维本质出发，探讨新工科背景下的应用型本科工程教育中计算思维培养问题，提出从传统的计算思维到人工智能时代的计算思维的观念纠正，并以机器学习中的计算思维进行实例分析，最后提出应用型本科工程教育中计算思维培养建议。

关键词：应用型;工程教育;计算思维

中图分类号： G424 ? ? ? ?文献标识码：A

文章编号：1009-3044（2020）17-0101-03

1 前言

以人工智能为核心的新一轮科技革命正在孕育兴起，信息技术日益成为创新驱动发展的先导力量。以新技术、新业态、新产业、新模式为特点的新经济蓬勃发展，分享经济、大数据、虚拟现实、人工智能等新兴领域风起云涌，为应用型本科教育带来了新机遇、新挑战[1]。

应用型高等工程教育在我国高等教育中占有重要的地位，培养高素质应用型工程科技人才是支撑产业转型升级、实施国家重大发展战略的重要保障[2]。目前，我国已建成了世界上最大规模的工程教育体系，工科本科专业全国布点18000多个，在校生500多万人，形成了4200多万人的工程科技人才队伍。2016年6月，我国成为《华盛顿协议》组织的正式成员①，标志着中国工程教育质量认证体系实现了国际实质等效，为进一步深化工程教育改革奠定了坚实基础，提供了良好契机[3]。

为主动应对新一轮科技革命与产业变革，教育部2017年启动了“新工科”建设，从“复旦共识”“天大行动”到“北京指南”，提出了以实施“卓越工程师教育培养计划2.0 版”为抓手，把握工科的新要求，加快建设发展新兴工科的号召。新工科建设“三部曲”推动了我国工程教育改革持续走向深入，新工科已经成为高教战线的广泛共识和积极行动。

2019年1月，高等教育出版社出版了由“中国计算机教育20人论坛”发布的《计算机教育与可持续竞争力》[4]一书。融合国际最新的计算机教育领域观点，我国的计算机教育专家们站在了更为全面且更加符合中国国情的角度，阐述了可持续竞争力（或称胜任力）的概念，以及如何培养可持续竞争力。中国学者创新地提出了敏捷教学的概念与内涵[7]，并再次重申了计算思维的重要性和特征。

计算思维与核心课程、系统能力、产教融合、国际化能力是计算机教育（敏捷教学）的五大关键。本论文从回归计算思维本质出发，探讨新工科背景下的应用型本科工程教育中计算思维培养问题，提出从传统的计算思维到人工智能时代的计算思维的观念纠正，并以机器学习中的计算思维进行实例分析，最后提出应用型本科工程教育中计算思维培养建议。

2 计算思维定义

计算思维的概念在20 世纪70 年代末被提出，并在20 世纪80 年代成文，然后开始了一定范围内的探讨（如西蒙·派珀特博士（Seymour Papert）在1980 年的Mindstorms： Children， Computers， and Powerful Ideas一书和1996 年的“An Exploration in the Space of Mathematics Educations”论文）[7]。同一时期，诺贝尔物理学奖获得者Wilson 提出计算是所有科学的研究范式之一，區别于理论和实验，所有的学科都面临算法化的“巨大挑战”。所有涉及自然和社会现象的研究都需要借助计算，使用计算模型做出新发现和推进学科发展。Wilson的工作和对于计算方法的大力推荐，激发了人们对于计算科学的认识和重视。

然而，直到2006 年3 月，卡耐基梅隆大学的周以真（Jeannette Wing）教授在CACM 上发表文章[6]，才将计算思维的概念重新带入了大家的视线并引起了各界关注。她认为计算思维是运用计算机科学的基础概念进行问题求解、系统设计以及人类行为理解等涵盖计算机科学之广度的一系列思维活动。她同时提出了计算思维的特征及方法，使计算思维在世界范围内得到推广。周教授的这篇文章以及她后续作为美国国家科学基金会（NSF）计算机信息科学与工程学部（Computer and Information Science and Engineering， CISE）助理主任客观上推动了计算思维的NSF 基金立项，并且将计算学科的概念、方法、工具和技术融入中小学和大学本科教育中。

我国非数值并行算法研究的学科带头人陈国良院士，在2011年提出计算思维并不是仅仅为计算机编程，而是在多个层次上抽象的和工程的思维，是一种以有序编码、机械执行、和有效可行方式解决问题的模式。计算思维是一项根本能力，是每一个人在现代社会中必须掌握的。

例如，著名学者Alfred Aho在2011年提出计算思维是一个思想过程，涉及描述问题使得它们的解决能够通过计算步骤和算法，能够被信息处理装置有效实现，计算模型是核心概念。

美国国际计算机教师协会（ISTE）（2011）：计算思维是具有以下特征的问题解决过程：以一种能够使用计算机和其他工具帮助解决问题的方式制定规划;合理组织和分析数据;通过模型和模拟等抽象的表示数据;通过算法思维（一系列有序步骤）实现解决方案自动化;确定、分析和实施可能的解决方案，以实现最有效的过程和资源组合;将问题解决过程推广转化到其他各种各样的问题。

计算思维源于各个学科对于计算的需求和依赖。2017年，Peter J.Denning指出：计算思维是从不同的科学领域发育和成长的，并不只是从计算机科学中输入的，事实上，计算机科学是逐步地参加到这个思维的变革中来。一场安静但是深刻的已经在所有的科学领域发生，计算赋能的革命通过信息技术带来了各种类型的新的发现。

总之：计算思维是计算机科学的本质思维模式，是区别于物理学和数学的核心;计算思维是以计算为特征的认知世界和解决问题的基本思想;计算思维的核心是计算模型。

3 ?计算机与非计算机计算思维培养

计算思维是种以物质为本到以信息为本的思维转变。计算思维从信息运动和结构的角度重新定义经济活动和社会结构。例如电子政务、数字媒体、智慧城市、网络安全等，都是在信息观和算法观下的对于自然、社会乃至人类自身的重新认识。计算思维是从数据认知问题和解释问题的新角度和新模式，是不同于传统地从一般原理到具体实现的套路。而是从具体的事例到一般性规律的认知。

人工智能发展为计算思维提出了新的挑战。传统的算法设计是从一般到具体的求解问题的思路（即所谓具化）。而人工智能中面临着另一类算法，从具体到一般的求解问题的思路（即所谓泛化）。对于前者的算法，它的设计、评价和分析都具备了较为成熟的理论，对于后者，数学意义上的精确性基本是不存在的，必须容许某种不精确性和不确定性，对于这类算法的设计原则，评价标准和性能比较都需要有新的思路。

人工智能所要解决的是非确定性复杂问题，其求解过程如图2所示。这一过程对应用型高等工程专业人才在数理理论与计算思维方面提出了更高的要求：需要深厚的数理理论基础;扎实的计算与系统思维。人工智能时代的计算思维的关注点包括：可计算和计算复杂性、关注对象的信息特征、从数据中归纳原理、信息处理的算法设计、不同过程和对象间的可靠信息传递、可靠和可信的计算系统构建、复杂系统和智能系统的性能评价、多个自主智能实体间的有效配合和时序控制、机器知识与人类知识之间的关联、信息与知识的有效表示、存储和检索等。

限于编程的计算思维容易忽略计算思维的本质。计算思维既作为基本的科学对象，同时也具有学科的横向价值，从不同学科领域萌发的计算技术和方法，经过计算机学科的精雕细琢以后，又为解决其他学科的问题提供了新的思想和方法。“计算机科学家”的思维方式并不优于其他方式，只是提供了一种描述现实的新的和有用的概念范型。

计算思维的第一功能是提出问题和设计解决问题的模型，即如何实现计算过程，而不仅是具体实施计算过程。将计算思维理解为设计和实现“step by step”的编程过程，忽略了对于自然世界和人类行为的整体理解和科学建模（计算模型）所具有得更为深远和本质的内容。从设计思想理解程序比熟悉它的具体语句更重要，让学生对电脑编程，而不是电脑对学生编程（固化了思维模式）。

4 机器学习中的计算思维举例

4.1 可学习性与可判定性

推荐系统：S个团体Zi，每个团体的成员有相似的消费习惯;根据当前的消费情况，向相应的团队中每个人进行推荐（任务）;已知当前的消费实例（条件）。

学习：根据当前消费状态数据库D，进行学习训练，建立推荐模型，向所有潜在消费者进行广告投放。

学习算法与传统算法的思维区别在于：传统算法是自上而下的，由一般到个体，对于一类问题整体进行设计，对于其中每一个实例（instance），该算法调整个别参数，其计算的结果是精确的，对于近似计算，近似程度是一致的;学习算法是自下而上的，由个体到一般，通过具体的数据学习，实现对于一般情况的计算，其计算结果由两个概率度量，一个是误差的概率，一个是达到这个误差的概率。

换言之，学习算法可能近似正确算法（PAC算法），通过少量实例的学习，获得泛化的知识。模拟人类知识传承、机器人控制、知识获取、知识应用。因此对于算法的评价、实施以及设计原则，该两类方法都是不同的。

对于任意的消费群体组合，若有足够的历史数据，是否可以学习出合理的推荐系统吗？这就是可学习问题。答案是不确定的。那么，对于给定的任务，具体的数据库，具体的消费群体组合，它的可学习性是可判定的吗？这是个判定问题，答案是不能。

4.2复杂系统的线性化

聚类分析问题：对于复杂的数据集合，如何通过样本的学习，获取分类函数。要求快速而容错的分类，即数学方法标准精确，分类误差严格。例如PAC分类，以[1-δ]概率保证分类误差不超过[ε]（容错分类）。

针对聚类问题，数学思维会设计统一的算法出发，对于所有分类对象，采取统一的分类模型，达到整体一致的分类标准。标准的算法的复杂度为O（n2）， n是數据的个数。而计算思维会采取分而治之的方法，设计多个局部区域，每个局部区域采取线性分类模型，利用线性化方法实现复杂函数的计算。该类的标准方法是PAC。

该类方法不依赖总体数据量的聚类分析算法，当样本数量[m≥23ε-1logδ-1]，以[1-δ]的概率保证误差不超过[ε]的分类，与总体数量无关。图3为聚类挑选代表元例子：（a）显示的是原始点的分布，网格边长为[u2]，共有175个点;（b）[ε-]网及聚类，[ε=0.02， ε*175=3.5，]少于3个点的区域可能被忽略。

5 结论

运用计算机科学的基础概念进行问题求解、系统设计以及人类行为理解等涵盖计算机科学之广度的一系列思维活动。在信息社会中，最为活跃的创新领域都与信息技术联系紧密，计算思维成为数学思维、工程思维的重要补充，是许多重大创新的核心要素。计算思维展示了不同的解决问题标准和方法。这些标准和方法在人工智能中有强烈的背景基础和应用支持，掌握并习惯于新的方法有利于开发实用和有效的智能机器。对于应用型高等工程教育，计算思维是面向智能时代，优化计算机专业知识/能力培养体系的关键，也只有重构与优化计算机专业知识与能力体系，方能使得培养的计算机专业人才能够适应新时代发展需求。

注释：

①《华盛顿协议》于1989 年由来自美国、英国、加拿大、爱尔兰、澳大利亚、新西兰6 个国家的民间工程专业团体发起和签署。该协议主要针对国际上本科工程学历（一般为四年）资格互认，确认由签约成员认证的工程学历基本相同，并建议毕业于任一签约成员认证的课程的人员均应被其他签约国（地区）视为已获得从事初级工程工作的学术资格。2013 年，我国加入《华盛顿协议》成为预备成员，2016 年成为《华盛顿协议》组织的正式成员。

参考文献：

[1] 张龙，刘华：信息技术领域新工科建设与工程教育改革[J].计算机通讯，2019， 15（4）：26-28.

[2] 叶民，孔寒冰，张炜.新工科：从理念到行动[J].高等工程教育研究，2018（1）：24-31.

[3] 吴岩.新工科：高等工程教育的未来——对高等教育未来的战略思考[J].高等工程教育研究，2018（6）：1-3.

[4] “计算机教育20人论坛”报告编写组.计算机教育与可持续竞争力[M].北京：高等教育出版社，2019.

[5] 徐晓飞，李廉，战德臣，等.新工科的新视角：面向可持续竞争力的敏捷教学体系[J].中国大学教学，2018（10）：44-49.

[6] Wing J M.Computational thinking[J].Communications of the ACM， 2006，49（3）：33.

[7] 张科，张铭，陈娟，等：计算机教育研究浅析——从ACM计算机科学教育大会看国内外计算机教育科研[J].计算机通讯，2019， 15（4）：16-25.

【通联编辑：唐一东】

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。