人工智能背景下應用型本科數據庫課程設計的專創融合教學改革與實踐

  數據已經成為人工智能時代的重要生產要素,隨著大數據、云計算等技術的發展,數據開發與管理在各個行業中的應用前景廣闊,包括教育、醫療、金融、零售等領域,都在依賴數據支撐其智能化轉型。數據庫系統原理及相關實踐課程,是計算機類專業的核心基礎課程,既是對數據結構、算法原理、程序設計等課程的延伸,也是軟件工程、計算機科學與技術、信息安全、網絡安全等課程的基礎,還是人工智能與大數據等新興技術的重要支撐,具有承上啟下的作用[1]。數據庫作為人工智能時代的軟件“底座”,是數字化技術創新發展的關鍵,具有極強的實踐性。然而,傳統數據庫課程教學和實踐存在理論與實踐脫節、創新實踐不足、教學實踐案例缺乏、教師無法獲取學生實時學習反饋、忽視學生創新能力和創業意識的培養等問題,難以適應人工智能時代對人才的新要求。對于應用型本科院校來說,改革傳統課程教學模式,實現專業課教學與創新創業教育的深度融合(專創融合),既是解決上述問題的有效途徑,也是提升數據庫課程教學質量、培養創新型數據庫人才的關鍵舉措。
　　一、人工智能背景下應用型本科數據庫課程的變革需求
　　(一)技術迭代對教學內容的沖擊
　　大模型時代,數據管理已經從傳統的“存儲中心”轉向“價值”中心,促使傳統的結構化數據向文本、圖像、視頻等多模態數據轉變、從傳統企業升級應用轉向智能應用、智能推薦、智能服務等新場景。而當前多數應用型本科數據庫課程,仍以傳統的數據庫關系模型和SQL語言為主,缺乏對新興數據技術和應用場景的覆蓋,這種差距導致學生進入企業后難以適應實際工作需求,難以應對復雜多變的業務場景,因此,課程內容亟須更新,融入大數據、云計算等前沿技術,強化多模態數據處理能力,以適應智能應用新需求,培養具備創新思維和實踐能力的高素質數據庫人才[2]。
　　(二)技術融合對教學模式的影響
　　當前,隨著大語言模型的出現,人工智能發展進入密集活躍期,并推動了教育的改革。在知識隨處能學、隨時可學的背景下,傳統以傳授學生知識和培養基礎技能的教育模式已然不再適應,需要轉變為以培養學生創新能力、解決復雜問題能力為核心的教學模式。人工智能與數據庫課程的深度融合[3],一方面可以借助人工智能實現教學內容的個性化推送,另一方面學生能借助人工智能工具進行數據庫系統的開發和應用,實現從傳統的數據庫設計與維護,拓展到具備利用人工智能技術進行創新應用開發的能力,以滿足社會的實際需求。
　　(三)技術發展對人才能力結構的重塑
　　當前數據庫課程的教學目標比較單一,側重于數據庫技術的基本原理及技術、SQL語言查詢和編程技術、數據庫系統安裝與維護、簡單數據庫應用系統開發等基礎技能[4],而大語言模型時代,學生不僅需要掌握主流數據庫技術,還需要掌握數據挖掘、機器學習、數據分析等跨學科知識,并具備需求分析、系統設計、性能優化和發現數據價值和設計數據驅動的創新方案,以應對復雜的業務場景。這種能力結構的轉變,要求課程設計更加注重學生實踐應用能力和創新能力的培養。
　　二、人工智能背景應用型本科數據庫課程的專創融合教學改革路徑
　　專創融合教學改革是應用型本科教育改革的重要方式,本文以成果導向教育(Outcome　Based　Education,OBE)為指導,探索基于人工智能技術的數據庫課程的專創融合教學改革路徑,其改革前后對比,如圖1所示。
　　(一)結合專業特點,設定分層教學目標
　　專創融合的關鍵在于將創新創業教育貫穿于專業教學過程中,不斷培養同時兼具專業素養和創新創業素養的復合型人才[5]。因此,在人工智能背景下,根據學生專業學習需求和市場對數據庫相關崗位對人才的能力要求,在數據庫課程實施中,設置分層級的教學目標(如表1所示),以切實做到因材施教。
　　(二)融合前沿知識,改革教學內容
　　1.數據庫課程教材內容的改革
　　遵循基礎、提升、創新這一職業能力發展規律,開發數據庫課程的活頁式教材,該教材主要包括三個模塊:數據庫技術應用的理論和技能學習模塊、數據庫前沿技術探索模塊和人工智能數據庫創新創業實踐模塊,每個模塊中分為理論學習、技能學習、知識和技能測評、實踐項目設計、創新創業案例分析等多個任務活動,促進理論與實踐的結合。通過模塊化教學,學生不僅能扎實掌握數據庫基礎,還能緊跟技術前沿,提升實戰能力,實現理論知識與實踐應用的深度融合。
　　2.數據庫課程教學內容的改革
　　基于OBE理念的改革強調能力本位,專創融合教學強調以學生為中心,讓學生在實踐性場景中鍛煉解決問題的能力,并將易于忘記的信息和知識經過實踐內化吸收。針對當前數據庫課程停留在SQL和ER圖模型的現狀,根據2024年《中國數據合規人才缺口與培育白皮書》中數據合規人才的要求,融合ICT大賽、中國大學生計算機設計大賽、“藍橋杯”大賽、“互聯網+”大賽、挑戰杯等大賽內容,構建“底層筑基(20%)+智能升級(50%)+工程實戰(50%)”的數據庫課程體系,并將創新創業教育貫穿到各個板塊學習中,如表2所示。
　　(三)借助人工智能,重構教學過程
　　1.智慧平臺輔助理論教學
　　在專創融合教學實施過程中,針對課程體系中的每一個模塊,依托校企合作的智慧教學平臺,開展“課前—課中—課后”全過程融合式互動教學。其中,在課前環節中,教師提前發布課程視頻、課件等學習資源,學生自主學習,同時平臺通過智能分析學生學習情況,并為其智能推送涵蓋數據分析、數據挖掘、數據安全、數據治理等前沿領域的最新研究動態,以及豐富的慕課、學術論文、專業書籍等學習資料。課中環節,教師借助微課、人工智能工具等開展項目式、案例式教學,對案例進行分析、明確目標、知識解析、演示操作、突破知識重難點、發布任務,分析指導,點評作品和總結應用,學生分組討論、分成練習協助完成；課后環節,學生利用手機端便捷查看結構化課程資源,完成個性化作業,教師根據平臺反饋進行針對性輔導,形成閉環教學體系,提升教學效果。
　　2.人工智能輔助實驗教學
　　數據庫課程傳統的實驗教學模式下,由于班級人數眾多,教師無法實時響應和解答學生學習和編程實踐中的問題,導致學生實踐效果不佳。利用人工智能技術和openGauss開源關系型數據庫管理系統,輔助數據庫實驗教學,能夠較好地解決以上痛點問題。一方面,利用人工智能技術,可以為學生實驗提供思路啟發、問題解答等實時輔導,并完成對實驗報告的批閱。例如,AI代碼助手,可以隱藏關鍵代碼,通過引導學生自主探索,逐步揭示編程邏輯,培養獨立解決問題的能力；另一方面,openGauss的智能優化功能,能實時監測學生操作,提供性能調優建議,提升實驗效率,確保理論與實踐緊密結合,深化知識理解。此外,在學生實訓環節中,通過校企合作模式引入項目學習,根據企業真實需求設計數據庫實訓項目,學生在實際操作中提升實戰能力,企業導師全程指導,確保理論與實踐無縫對接,進一步強化學生的綜合素質和創新創業能力。
　　(四)優化評價體系,培養適應時代需求的高素質人才
　　為解決傳統課程考核方式通過一次性考核確定學生成績的片面性問題,針對人工智能背景下數據庫課程的專創融合教學特點,遵循OBE理念“產出導向”的基本原則,構建“診斷性評價(20%)+形成性評價(50%)+總結性評價相結合(30%)”的評價體系。其中,診斷性評價,主要借助智慧教學平臺的數據分析功能,對學生基礎知識掌握情況進行評估；形成性評價則包括學生線上學習的完成情況、在課堂上參與活動和任務活動完成情況、小組管理實踐情況等,全面記錄學生的學習過程和成長軌跡；總結性評價則通過期末考試、項目成果、實驗報告等多種方式評定學生的創新能力和綜合素養,確保評價結果客觀全面,激勵學生持續進步,培養適應未來挑戰的高素質人才。此外,在學生參與項目學習過程中,還由企業導師對學生的項目執行能力、團隊合作精神等創新創業能力進行綜合評價,進一步豐富評價維度,確保評價體系多元化和立體化。企業導師的評價結果占總結性評價的20%,結合校內教師評分,形成更全面的評價體系。通過這種多維度的評價機制,不僅有利于學生的專業技能,還培養了他們的創新思維和團隊協作能力,真正實現專業教育與創新創業教育需求的緊密對接。
　　三、結束語
　　綜上所述,在當今數字化時代,數據庫技術作為信息管理和處理的核心手段,廣泛應用于各個領域中。人工智能的崛起,為數據庫課程的教學帶來了新的機遇與挑戰。應用型本科數據庫課程設計的專創融合教學改革,一方面將人工智能與數據庫技術深度融合,提升學生創新應用能力；另一方面,借助人工智能平臺實現對學生學習的實時反饋與個性化指導,優化教學效果,有利于滿足人工智能時代對高素質創新創業型人才的需求,同時也為其他領域課程改革提供了可借鑒的模式,推動教育教學整體創新。

文章來源：  《經濟導報》   http://www.007hgw.com/w/qt/35712.html