摘要：汽車使用量的快速增長，在很大程度上解決了人們的出行問題，但同時也向環(huán)境保護提出了更大的挑戰(zhàn)。為檢測車輛排放的尾氣中污染物的種類與數(shù)量，設(shè)計汽車尾氣檢測系統(tǒng)，介紹了系統(tǒng)中軟件與硬件組成，基于C#語言開發(fā)上位機軟件對采集數(shù)據(jù)進行處理與顯示，并在檢測系統(tǒng)中加入基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型。通過實驗結(jié)果分析可知，該測量系統(tǒng)具有較強的檢測能力和較高的檢測精度，能夠?qū)?種氣體進行準確測量，此外，將BP神經(jīng)網(wǎng)絡(luò)模型應(yīng)用在該尾氣檢測系統(tǒng)中，使得預(yù)測系統(tǒng)具有更高的預(yù)測精度，收斂速度大幅度增加，能夠較好地適應(yīng)汽車尾氣預(yù)測系統(tǒng)，解決實際預(yù)測難題。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；汽車尾氣；檢測系統(tǒng)；C#語言

1引言

汽車尾氣中包含的有毒化合物對大氣污染的影響程度極高，檢測和控制汽車尾氣污染，已成為目前眾多學者關(guān)注的焦點[1]。在整治機動車尾氣污染的過程中，首先需要對污染物進行檢測與分析。除了在怠速和高怠速條件下對廢氣污染物測量方式的規(guī)定以外，國家標準還確定了不同型號汽車的廢氣污染物排放最值。汽車尾氣污染物檢測時涉及的檢測項目包括：CO、HC、CO2、O2、NO等[2]。

2檢測系統(tǒng)設(shè)計

2.1檢測系統(tǒng)硬件設(shè)計。本文設(shè)計的汽車尾氣檢測系統(tǒng)硬件組成方式如圖1所示。檢測系統(tǒng)硬件采用工業(yè)控制計算機作為上位機，工業(yè)控制計算機與LED顯示屏相連進行參數(shù)顯示，通過尾氣分析儀初步檢測尾氣中各項氣體含量并傳輸?shù)焦I(yè)控制計算機中進行數(shù)據(jù)處理，通過紅外光電開關(guān)對I/O口進行開關(guān)控制[3]。尾氣分析儀依據(jù)不同氣體對紅外光譜吸收能力不同來測定出汽車尾氣的污染物種類與數(shù)量[4]。本文所設(shè)計的檢測系統(tǒng)能夠檢測汽車尾氣中CO、HC、CO2、O2和NO五種污染氣體的含量，測量得到的數(shù)據(jù)在LED顯示屏中顯示，通過RS-485串行總線與工業(yè)控制計算機相連進行數(shù)據(jù)交換。實驗過程中配制不同濃度的氣體混合物進行實驗，將氣體與檢測系統(tǒng)泵體相連，從而使氣體通入傳感器陣列測試腔內(nèi)，將各傳感器采集的信號進行初步處理后，得到實驗數(shù)據(jù)初值，為縮短測量系統(tǒng)網(wǎng)絡(luò)的收斂時間，提高模型預(yù)測精度，本文建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型進行測量分析，并與設(shè)定值對比對該系統(tǒng)模型的測量精度進行驗證[5]。2.2檢測系統(tǒng)軟件設(shè)計。本尾氣檢測系統(tǒng)采用C#語言編寫上位機軟件，能夠顯示不同怠速下汽車尾氣有毒氣體的濃度，汽車尾氣檢測系統(tǒng)的上位機軟件界面如圖2所示。

摘要：基于深度學習算法設(shè)計教學質(zhì)量評價系統(tǒng)，系統(tǒng)自動生成教師教學質(zhì)量評價報告，分析教學過程中存在的問題，給出優(yōu)化建議。教學質(zhì)量評價系統(tǒng)包括用戶管理、網(wǎng)上評價、數(shù)據(jù)管理、評價結(jié)果查詢、教學質(zhì)量分析5個單元，用戶進入系統(tǒng)后為教學質(zhì)量打分?；诮虒W質(zhì)量評價指標體系內(nèi)容，卷積神經(jīng)網(wǎng)絡(luò)學習專家教學質(zhì)量評價樣本，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)教學質(zhì)量評價模型。將教學質(zhì)量評價測試樣本輸入模型，模型輸出結(jié)果即為教學質(zhì)量評價分析結(jié)果，主要分析教學存在的問題，提出改進建議。系統(tǒng)可統(tǒng)計不同學科教學質(zhì)量評價情況，統(tǒng)計不同學科教學質(zhì)量占比情況，智能化程度較高，值得推廣使用。

關(guān)鍵詞：深度學習；用戶；教學質(zhì)量；數(shù)據(jù)管理；評價系統(tǒng)；智能化程度

深度學習是機器學習研究領(lǐng)域的延伸，是實現(xiàn)人工智能的有效方式，近幾年，關(guān)于深度學習的研究成為人工智能領(lǐng)域的研究重點[1⁃2]。深度學習理論在圖像識別、語音識別、語言處理、數(shù)據(jù)挖掘等方面取得了優(yōu)異成績。深度學習算法實現(xiàn)方式較多，如卷積神經(jīng)網(wǎng)絡(luò)、多層神經(jīng)元的自編碼神經(jīng)網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)等[3]。教學質(zhì)量評價系統(tǒng)是對教師階段性教學效果的評估，為掌握教師教學能力、提升教學質(zhì)量提供有利分析依據(jù)[4]。評價教學質(zhì)量過程中，涵蓋評價指標較廣，形成大規(guī)模復(fù)雜數(shù)據(jù)，大部分教學質(zhì)量評價系統(tǒng)僅能顯示教師教學質(zhì)量，不具備智能分析教師存在的問題，制定合理建議的功能，或者這些功能需要人工完成[5⁃6]。以往實例研究顯示，深度學習算法可精準提取數(shù)據(jù)的隱含規(guī)律，處理復(fù)雜數(shù)據(jù)的多樣性，因此，深度學習算法應(yīng)用在教學質(zhì)量系統(tǒng)設(shè)計中較為合理。所以，本文采用深度學習算法設(shè)計教學質(zhì)量評價系統(tǒng)，智能評價教學質(zhì)量的同時提出合理化建議。

1教學質(zhì)量評價系統(tǒng)設(shè)計

1.1深度學習算法的教學質(zhì)量評價系統(tǒng)架構(gòu)?；谏疃葘W習算法的教學質(zhì)量評價系統(tǒng)基于B/S模式展開設(shè)計，如圖1所示?；贐/S模式設(shè)計教學質(zhì)量評價系統(tǒng)的優(yōu)點是：方便不同類型用戶操作，短期內(nèi)完成網(wǎng)上評價，系統(tǒng)維護便捷[7]。用戶端、應(yīng)用單元、數(shù)據(jù)庫是系統(tǒng)的三個重要組成部分。用戶端包括督導、管理員、教師、審核管理員、學生五種類型用戶，不同類型用戶操作界面與瀏覽器結(jié)合，顯示頁面操作等內(nèi)容[8]。系統(tǒng)應(yīng)用單元涵蓋用戶管理、網(wǎng)上評價、數(shù)據(jù)管理、評價結(jié)果查詢、教學質(zhì)量分析五個方面。教學質(zhì)量評價指標數(shù)據(jù)、評價主客體數(shù)據(jù)等有價值數(shù)據(jù)均存儲在數(shù)據(jù)庫中。1.2應(yīng)用單元設(shè)計。1）用戶管理單元。用戶管理單元分為系統(tǒng)登錄與安全管理兩個方面。不同類型用戶根據(jù)不同單元入口登錄教學質(zhì)量評價系統(tǒng)，用戶在各自權(quán)限頁面中執(zhí)行操作[9]。考慮用戶信息的安全性，將用戶分為教學督導、審核管理員、管理員、教師、學生五種用戶類型。2）網(wǎng)上評價單元。此單元的權(quán)限開放時間一般為期末或者特殊使用時期，由管理員開放教學質(zhì)量評價權(quán)限。網(wǎng)上評價單元中存在用戶身份的限制，用戶登錄所屬界面后進入不同權(quán)限界面，即審核管理員可審核錄入數(shù)據(jù)，有效管理數(shù)據(jù)庫；學生僅具備評價教師授課質(zhì)量、自身學習效果的權(quán)限。系統(tǒng)識別到學生用戶信息后自動給出待評價內(nèi)容，學生依據(jù)實際情況輸入教學質(zhì)量評價相關(guān)內(nèi)容[10]。各用戶處于不同界面時，系統(tǒng)數(shù)據(jù)庫的教學質(zhì)量評價指標體系向用戶智能提供待評價內(nèi)容。網(wǎng)上評價單元組成如圖2所示，由此可知，教學質(zhì)量評價的主體分別為學生、教師與專家。3）數(shù)據(jù)管理單元。數(shù)據(jù)管理單元的功能是維護教學質(zhì)量評價的相關(guān)數(shù)據(jù)，主要功能是控制系統(tǒng)的數(shù)據(jù)。控制兩方面內(nèi)容：一是操作管理數(shù)據(jù)源；二是管理教師與學生的基本信息。在此單元可修改、刪除數(shù)據(jù)。4）評價結(jié)果查詢單元。在查詢單元中，不同類型用戶可獲取教師教學質(zhì)量評價結(jié)果，還可以查詢課程等基本信息，用戶查詢到教學質(zhì)量評價結(jié)果的同時了解課程等相關(guān)信息，為管理評價過程提供有利條件[11]。學生通過查詢評價結(jié)果了解授課教師的教學質(zhì)量情況，幫助學生對教師做出客觀評價；教師根據(jù)不同課程、不同教學方面得分情況分析教學中存在的優(yōu)勢與不足[12]；管理員不僅可以查詢上述兩種內(nèi)容，還具備查詢后臺數(shù)據(jù)的權(quán)限，向教師提供正確的優(yōu)化教學質(zhì)量的依據(jù)。5）教學質(zhì)量分析單元。系統(tǒng)的教學質(zhì)量分析模塊基于深度學習算法學習教學質(zhì)量分析樣本后，可對教學質(zhì)量存在的問題展開分析，并給出相應(yīng)的優(yōu)化建議，此功能是系統(tǒng)的優(yōu)勢所在，無需花費大量人工與時間分析教師教學質(zhì)量情況。1.3基于深度學習算法的教學質(zhì)量評價與分析。學習樣本數(shù)據(jù)的內(nèi)在規(guī)律與表示層次是深度學習的功能，設(shè)計教學質(zhì)量評價系統(tǒng)時采用深度學習算法中的卷積神經(jīng)網(wǎng)絡(luò)模型評價教學質(zhì)量[13]。首先，構(gòu)建教學質(zhì)量評價指標體系；其次，采用卷積神經(jīng)網(wǎng)絡(luò)模型學習訓練樣本，學習樣本為專家教學質(zhì)量評價樣本，學習訓練樣本后構(gòu)建教學質(zhì)量評價模型；最后，輸入測試樣本，開始教學質(zhì)量評價與分析，流程如圖3所示。1）教學質(zhì)量評價指標體系構(gòu)建教學過程、教學環(huán)境、教學師資、教學質(zhì)量監(jiān)控是教學質(zhì)量評價指標體系的一級指標，一級指標下分20個二級指標，最終構(gòu)建的教學質(zhì)量評價指標體系如圖42）基于卷積神經(jīng)網(wǎng)絡(luò)的深度學習算法卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)成形式為一組（多組）卷積層+聚合層的模式，不同數(shù)量卷積器存在于卷積層中，卷積器功能是尋找教學質(zhì)量評價數(shù)據(jù)的局部特征[14]。聚合層減少模型復(fù)雜性的方式為縮減下一層輸入節(jié)點數(shù)量，具體方法為以固定窗長的方式聚合卷積層輸出節(jié)點[15]。大部分聚合層輸出為固定窗長內(nèi)節(jié)點最大值，綜合全部聚合層的數(shù)據(jù)值得到教學質(zhì)量評價結(jié)果。卷積神經(jīng)網(wǎng)絡(luò)聚合層與卷積層結(jié)構(gòu)如圖5所示。Di,k=θ()∑b=1s-1hb,kvTb+i+ak式中：vTb+i，hb,k分別表示第i組輸入特征矢量、第k個卷積器的權(quán)值參數(shù)；s與ak分別表示卷積器的寬度與網(wǎng)絡(luò)偏置。對第k個卷積器與第i組做加權(quán)平均，選用sigmoid函數(shù)作為函數(shù)θ，采用非線性函數(shù)θ計算卷積層的輸出節(jié)點值。卷積器輸出結(jié)果即為局部特征觀察結(jié)果，模型卷積完成后執(zhí)行聚合操作，將卷積結(jié)果的最大值作為聚合輸出結(jié)果，即圖5中，將D1，D2中的最大值作為結(jié)果M1輸出。經(jīng)過逐步聚合，卷積神經(jīng)網(wǎng)絡(luò)模型輸出節(jié)點逐漸減少，綜合多個卷積節(jié)點的聚合輸出值提取教學質(zhì)量評價特征的準確度更高。卷積神經(jīng)網(wǎng)絡(luò)學習以往專家教學質(zhì)量評價樣本后，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)教學質(zhì)量評價模型，輸入測試樣本后，得到教學質(zhì)量評價輸出結(jié)果。

2系統(tǒng)性能測試

摘要：為解決黨校系統(tǒng)缺乏對黨務(wù)工作數(shù)據(jù)進行深層分析的功能從而制約了黨校教學事業(yè)發(fā)展的問題，文章對深度學習技術(shù)在黨校教學和管理工作領(lǐng)域的應(yīng)用進行了深入探索。文章對黨務(wù)工作現(xiàn)狀進行了分析，對深度學習的概念與相關(guān)技術(shù)進行了介紹，從需求、數(shù)據(jù)、技術(shù)三個維度對深度學習技術(shù)在黨校工作中的應(yīng)用基礎(chǔ)進行了說明，文章列舉了深度學習技術(shù)在黨校工作領(lǐng)域的三個應(yīng)用場景，最后還對應(yīng)用過程進行了詳細闡述。深度學習技術(shù)的應(yīng)用對于提升黨校數(shù)據(jù)利用率、拓展相關(guān)功能、合理配置師資資源等方面具有積極的意義。

關(guān)鍵詞：深度學習；數(shù)據(jù)挖掘；黨校；模型構(gòu)建；模型訓練

1背景

黨校是我國教育培訓黨員干部的主渠道和研究宣傳馬克思主義的主陣地。黨校的職責是，通過一系列有計劃地培訓，來提高廣大黨員干部用馬克思主義的立場、觀點和方法來處理實際問題的能力[1]。黨校系統(tǒng)的信息化建設(shè)，是我國干部教育事業(yè)發(fā)展的必然要求，也是新時代黨員教育事業(yè)應(yīng)對科技快速發(fā)展形勢的必然選擇[2]。近些年來，我國黨校系統(tǒng)的信息化建設(shè)取得了跨越式發(fā)展，工作效率和教學能力都有了顯著提高，但在基于黨校需求方面的數(shù)據(jù)分析研究領(lǐng)域基本處于空白。目前，各黨政機關(guān)使用的應(yīng)用系統(tǒng)均缺乏對黨務(wù)工作數(shù)據(jù)進行深層分析的功能，各黨校的日常教學工作也是如此，制約了黨校教學事業(yè)發(fā)展。當前，黨校工作模式正由傳統(tǒng)經(jīng)驗?zāi)Ｊ较蛞越虒W與科研有機融合為核心的模式轉(zhuǎn)變，因此引入深度學習技術(shù)對于提升黨校數(shù)據(jù)利用率、創(chuàng)新黨校辦學機制、優(yōu)化黨校師資資源、加強黨校內(nèi)涵建設(shè)、提高黨校教學實效等方面具有積極的意義。

2深度學習介紹

深度學習（DeepLearning）這一概念是Hinton等人在2006年提出的，屬于人工智能研究領(lǐng)域中的一個新的分支。深度學習可以通過各種深度神經(jīng)網(wǎng)絡(luò)模型來對現(xiàn)實世界中的不同問題進行建模，依托大數(shù)據(jù)對模型進行訓練，從而進行數(shù)據(jù)間的相關(guān)性發(fā)現(xiàn)，以此來實現(xiàn)現(xiàn)實問題的預(yù)測分析和推理分析[3]。經(jīng)過多年的發(fā)展，以深度學習為代表的人工智能技術(shù)，已經(jīng)在很大程度顛覆了傳統(tǒng)學科的研究方法。依托強大的感知能力、擬合能力和推理能力，深度學習能適用于很多的應(yīng)用場景，例如：自然語言處理、計算機視覺、生物醫(yī)療、推薦系統(tǒng)等。鑒于深度學習在學術(shù)界和工業(yè)界的巨大影響力，2013年，深度學習技術(shù)被研究人員評為世界十大技術(shù)突破之首。深度學習從概念提出至今，15年的時間里經(jīng)歷了發(fā)展期、爆發(fā)期，中間新提出或衍生出了很多新的算法原理，這些算法在多項任務(wù)中都表現(xiàn)出色，典型的深度學習模型有：卷積神經(jīng)網(wǎng)絡(luò)(CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)、深度神經(jīng)網(wǎng)絡(luò)(DNN)、自編碼器(AE)等[4],其中CNN、RNN、DNN屬于監(jiān)督學習，AE屬于無監(jiān)督學習。目前，深度學習技術(shù)應(yīng)用正逐漸滲透到我們生活的不同領(lǐng)域，我們?nèi)粘Ｊ褂玫暮芏嗉夹g(shù)都融入了深度學習的相關(guān)技術(shù)，比如：圖像識別、醫(yī)療數(shù)據(jù)分析、文字翻譯、網(wǎng)絡(luò)購物、廣告推送等，且都取得了非常好的應(yīng)用效果。特別是2016年3月，Deep⁃Mind公司開發(fā)的AlphaGo與圍棋世界冠軍、職業(yè)九段棋手李世石進行圍棋人機大戰(zhàn)，以4比1的總比分獲勝。

【摘要】數(shù)學不僅是許多科學領(lǐng)域的基礎(chǔ)，同時也成為許多新興領(lǐng)域不可或缺的重要組成部分。為了適應(yīng)新人才的培養(yǎng)規(guī)律，以學生發(fā)展為中心融合數(shù)學基礎(chǔ)與專業(yè)素養(yǎng)設(shè)計激發(fā)學生熱愛數(shù)學是高等數(shù)學課程設(shè)計中必須考慮的因素。因此文章整理分析高等數(shù)學在人工智能領(lǐng)域的應(yīng)用案例，為高等數(shù)學的課堂教學豐富化提供助力。

【關(guān)鍵詞】人工智能；高等數(shù)學；應(yīng)用案例

數(shù)學不僅是許多自然科學、工程技術(shù)的基礎(chǔ)，也正日益成為社會科學的基礎(chǔ)，并且成為許多新興領(lǐng)域不可或缺的重要組成部分。根據(jù)新時期數(shù)學發(fā)展的新趨勢、新特點，及時調(diào)整大學數(shù)學的教學設(shè)計，適應(yīng)新人才的培養(yǎng)規(guī)律并最終服務(wù)于國家發(fā)展勢在必行。教學設(shè)計中與其他專業(yè)的融合顯得至關(guān)重要。

1以專業(yè)融合激發(fā)學生的學習興趣

大學人才的培養(yǎng)目標是為了服務(wù)于社會并利于國家發(fā)展，它不僅體現(xiàn)了大學辦學的使命和價值追求，同時也要順應(yīng)經(jīng)濟社會發(fā)展需求變化。因此，大學人才培養(yǎng)目標要具有導向性和激勵作用，這也是人才培養(yǎng)持續(xù)發(fā)展的基本依據(jù)。高等數(shù)學教育是培養(yǎng)學生綜合素質(zhì)的重要環(huán)節(jié)，以學生發(fā)展為中心融合數(shù)學基礎(chǔ)與專業(yè)素養(yǎng)設(shè)計綜合性問題要激發(fā)學生熱愛數(shù)學，欣賞數(shù)學，這是教師在課程設(shè)計中必須考慮的因素。對高等數(shù)學課程進行改革，提高學生的基礎(chǔ)課程同專業(yè)知識的融合度，催發(fā)高等數(shù)學的實用性，增強學生的競爭實力，為學生能夠更好地適應(yīng)社會打下堅實基礎(chǔ)。高等數(shù)學教學與人工智能的結(jié)合，讓學生理解人工智能中與數(shù)學相關(guān)知識的本質(zhì)。人工智能既能服務(wù)于課程學習，同樣課程改革也應(yīng)反作用于人工智能，促進人工智能的進一步發(fā)展。因此，在基礎(chǔ)課程學習中如果能夠很好的融入人工智能將有助于基礎(chǔ)課程的建設(shè)與發(fā)展，讓新技術(shù)助力于基礎(chǔ)學科的發(fā)展。目前高速發(fā)展的人工智能領(lǐng)域，在一些算法中用到的就是高等數(shù)學的思想和方法，將這些實際案例應(yīng)用于高等數(shù)學教學中將能更好的激發(fā)學生的興趣，也能讓學生對前沿問題有所了解。尤其對于信息專業(yè)的學生，人工智能是他們后續(xù)學習要接觸到的領(lǐng)域，先通過高等數(shù)學的教學理念讓其體會到人工智能中一些具體算法是怎么分析的，這樣為其后續(xù)的學習奠定一個良好的基礎(chǔ)。讓學生盡快從高中的填鴨式教學模式中轉(zhuǎn)換過來，養(yǎng)成良好的自主學習能力，這是大學教育的主要目的之一。從目前來看，高等數(shù)學在人工智能領(lǐng)域的案例還沒有進行過系統(tǒng)整理和分析，因此本文以此為出發(fā)點，通過高等數(shù)學在人工智能領(lǐng)域中的應(yīng)用案例對高等數(shù)學的實際應(yīng)用進行分析，從而為高等數(shù)學的課堂教學豐富化提供助力。從高等數(shù)學思想在人工智能中的應(yīng)用設(shè)計案例，讓學生體會利用高等數(shù)學的思維方式去解決問題，從不同層面去體會高等數(shù)學的用途。并結(jié)合目前的人工智能領(lǐng)域，將其中蘊含的高等數(shù)學的方法和思想提煉出來，即讓學生認識到高等數(shù)學“能干嘛？”，以及知道“怎么用？”。

2案例分析

摘要：本文就高職物流專業(yè)學生核心能力評價體系研究現(xiàn)狀及存在問題進行了深入分析，并在核心能力評價體系構(gòu)建基本原則的基礎(chǔ)上，建立了基于遺傳算法與小波神經(jīng)網(wǎng)絡(luò)的高職物流專業(yè)學生核心能力評價模型。

關(guān)鍵詞：高職學生；物流管理；核心能力；評價體系

隨著經(jīng)濟快速發(fā)展，我國產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級加速，人才競爭日益激烈，加強學生核心能力培養(yǎng)，提升人才培養(yǎng)質(zhì)量，已成為高職教育必須面對的一個重要課題。而作為強化學生核心能力培養(yǎng)關(guān)鍵環(huán)節(jié)之一的能力評價體系地研究就顯得舉足輕重。鑒于此，本文以物流管理專業(yè)為切入點，探討在產(chǎn)業(yè)轉(zhuǎn)型升級背景下基于遺傳算法和小波神經(jīng)網(wǎng)絡(luò)的高職物流管理專業(yè)學生核心能力評價體系相關(guān)問題。

一高職物流管理專業(yè)學生核心能力評價體系構(gòu)建的必要性

近年來，現(xiàn)代物流業(yè)發(fā)展成為建立在物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能技術(shù)等基礎(chǔ)上的高度信息化與數(shù)字化、知識與高端技術(shù)緊密耦合的創(chuàng)新智慧型產(chǎn)業(yè)。在物流產(chǎn)業(yè)大跨度轉(zhuǎn)型升級的背景下，高職物流專業(yè)學生核心能力培養(yǎng)重心也隨之發(fā)生變化。評價體系作為學生核心能力培養(yǎng)最重要的環(huán)節(jié)之一，一方面可以使高職院校進一步明確人才培養(yǎng)目標,全面、科學、準確地對學生核心能力做出評價；另一方面通過構(gòu)建有針對性地評價指標體系及評價自身地反饋功能，可以準確幫助高職院校厘清學生核心能力培養(yǎng)關(guān)鍵要素，有的放矢，將核心能力地培養(yǎng)動態(tài)地貫穿于高職教育全生命周期，有效提高學生崗位地適應(yīng)能力，強化就業(yè)核心競爭力。因而，建立一套科學高效、符合高職教育教學規(guī)律和行業(yè)需求特點的高職學生核心能力評價體系勢在必行。

二高職物流專業(yè)學生核心能力評價體系現(xiàn)狀及存在問題分析

［摘要］為貫徹課程思政精神，落實立德樹人根本任務(wù)，針對高校本科專業(yè)中的數(shù)據(jù)挖掘與機器學習課程，在梳理教學內(nèi)容的基礎(chǔ)上，深入挖掘課程當中蘊含的思政元素，全方位地將價值觀念引導蘊于知識傳授和能力培養(yǎng)之中，全面提高人才培養(yǎng)質(zhì)量。設(shè)計課程緒論和深度神經(jīng)網(wǎng)絡(luò)兩部分教學案例，采取三階段實施方式，真正將思政教育內(nèi)容融入專業(yè)課程教育教學的全過程。

［關(guān)鍵詞］課程思政；數(shù)據(jù)挖掘；機器學習；教學案例

一、引言

根據(jù)教育部印發(fā)的《高等學校課程思政建設(shè)指導綱要》（下文簡稱《綱要》）文件精神，《綱要》提出“圍繞全面提高人才培養(yǎng)能力這一核心點，圍繞政治認同、家國情懷、文化素養(yǎng)、憲法法治意識、道德修養(yǎng)等重點，優(yōu)化課程思政內(nèi)容供給，提升教師開展課程思政建設(shè)的意識和能力”[1]。為貫徹課程思政精神，落實立德樹人根本任務(wù)，武漢工程科技學院把課程思政作為重點工作，在全校范圍內(nèi)開展不同專業(yè)的思政課程建設(shè)和專業(yè)課思政建設(shè)，并取得了一些重要成果。本文以武漢工程科技學院數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)專業(yè)學生為研究對象，以數(shù)據(jù)挖掘與機器學習課程為例，著力構(gòu)建“知識教育”“能力培養(yǎng)”“價值引導”的人才培養(yǎng)模式，探討在大數(shù)據(jù)技術(shù)和應(yīng)用型人才培養(yǎng)的背景下，如何通過該課程承載的思政元素[2]不斷拓展思政教育邊界和課程教學內(nèi)涵，幫助學生樹立正確的世界觀、人生觀和價值觀，培養(yǎng)學生的自主學習和創(chuàng)新能力，逐步構(gòu)建起全員、全程、全課程思政育人格局，真正達到在專業(yè)知識傳授的同時，強化價值觀念層面的感化與引導[3]。

二、數(shù)據(jù)挖掘與機器學習課程概述

數(shù)據(jù)挖掘與機器學習課是大數(shù)據(jù)專業(yè)第5學期開設(shè)的專業(yè)核心課，是計算機與數(shù)學知識相交叉的應(yīng)用課程，與數(shù)據(jù)庫、人工智能、統(tǒng)計學等課程息息相關(guān)[4]。本課程旨在培養(yǎng)學生數(shù)據(jù)挖掘與機器學習理論分析與應(yīng)用實踐的綜合能力，使學生掌握數(shù)據(jù)挖掘與機器學習的一般原理與處理方法，會使用機器學習理論來解決實際問題，為發(fā)展學生的主體精神和變革能力奠定基礎(chǔ)，最終順應(yīng)大數(shù)據(jù)時代下社會市場對人才需求的改變。數(shù)據(jù)挖掘與機器學習課程的內(nèi)容涵蓋了數(shù)據(jù)分析基礎(chǔ)和實現(xiàn)人工智能的關(guān)鍵算法，主要包括4個模塊：Pandas數(shù)據(jù)分析基礎(chǔ)模塊、分類算法模塊、回歸模型模塊和深度神經(jīng)網(wǎng)絡(luò)模塊。融入思政內(nèi)容后，課程教學秉承德智融合、立德樹人的綜合教育理念，凝練全局思維、發(fā)展思維、民族振興、實踐創(chuàng)新、工匠精神等多個“思政主題”，在知識傳授、能力培養(yǎng)中引導學生樹立正確的世界觀、人生觀和價值觀，弘揚社會主義核心價值觀，傳播愛黨、愛國、愛社會主義的正能量，培養(yǎng)實事求是、勇于實踐、敢于創(chuàng)新的科學精神[5]。

農(nóng)業(yè)技術(shù)是促進農(nóng)業(yè)綜合生產(chǎn)力和競爭力的戰(zhàn)略因素,是提高農(nóng)業(yè)生產(chǎn)力和實現(xiàn)農(nóng)民生活富裕的重要保證。通過對我國省際農(nóng)業(yè)技術(shù)水平差異的定量評價,不僅可以把握我國農(nóng)業(yè)技術(shù)水平的空間格局及區(qū)域差異,還可以正確理解農(nóng)業(yè)技術(shù)水平區(qū)域差異的內(nèi)在機理及成因,從而為指導區(qū)域農(nóng)業(yè)優(yōu)化發(fā)展提供現(xiàn)實依據(jù)。

1農(nóng)業(yè)技術(shù)水平及其評價方法

1.1農(nóng)業(yè)技術(shù)水平

關(guān)于農(nóng)業(yè)技術(shù)水平,廣大學者從不同領(lǐng)域、不同角度進行了理論和實踐探討[1-3,5]。陳天佑、王紅伶等認為,農(nóng)業(yè)技術(shù)水平存在廣義和狹義之分,是農(nóng)業(yè)內(nèi)部各要素如固定資產(chǎn)、流動資金、勞動力投入的集中體現(xiàn),但是區(qū)域自然條件、農(nóng)業(yè)基建投資對區(qū)域農(nóng)業(yè)技術(shù)水平也有一定的影響。黃曉潮、程為國認為,農(nóng)業(yè)技術(shù)水平是反映一個地區(qū)或者區(qū)域利用自然和社會條件創(chuàng)造財富能力的綜合效應(yīng),是可以度量的。徐慧娜認為,農(nóng)業(yè)技術(shù)進步水平受各種因素的影響,但社會經(jīng)濟因素起主要作用。王武科、李同升等認為,農(nóng)業(yè)技術(shù)水平是地區(qū)農(nóng)業(yè)發(fā)展的綜合反映,集中體現(xiàn)在技術(shù)投入水平、基礎(chǔ)水平、外部影響力、技術(shù)產(chǎn)出水平、技術(shù)效率水平5個方面。綜上所述,農(nóng)業(yè)技術(shù)水平是區(qū)域農(nóng)業(yè)發(fā)展的綜合體現(xiàn),是區(qū)域內(nèi)外各要素共同作用的結(jié)果。它既是一個時間的概念,又是一個動態(tài)變化的概念,并直接影響區(qū)域農(nóng)業(yè)發(fā)展和農(nóng)業(yè)綜合生產(chǎn)能力。

1.2農(nóng)業(yè)技術(shù)水平評價方法

目前,國內(nèi)關(guān)于農(nóng)業(yè)技術(shù)水平測度的方法主要有以下幾種:①生產(chǎn)模型。這類方法依據(jù)技術(shù)進步、技術(shù)水平提高與經(jīng)濟增長的關(guān)系,從生產(chǎn)模型出發(fā),推導出廣義技術(shù)水平的實用測度模型[2-3];②超函數(shù)技術(shù)模型。這類方法運用描述超技術(shù)的超函數(shù)的概念,并把各個地區(qū)的技術(shù)與超技術(shù)作對比,具體反映各個地區(qū)與超技術(shù)的差距及各個地區(qū)之間的差距[4];③多指標綜合評價模型。這種方法主要采用主成分分析法、因子分析法、聚類分析法、綜合指標體系法,對描述對象的多項指標、信息加以匯集,用數(shù)學方法處理后,從整體上評測區(qū)域的農(nóng)業(yè)技術(shù)水平[1,5,6]。從現(xiàn)有的研究來看,生產(chǎn)模型和超函數(shù)技術(shù)模型等的定量分析限于農(nóng)業(yè)內(nèi)部諸要素,而對影響農(nóng)業(yè)技術(shù)水平的社會經(jīng)濟因素則缺乏嚴格的計量檢驗;多指標綜合評價模型固然是一種較好的評價方法,但是其在評價區(qū)域農(nóng)業(yè)技術(shù)水平時也存在一些問題,如需要行業(yè)專家對問題的各層權(quán)重賦值,因而不同程度地存在人為干擾。此外,距離法得出的分類結(jié)果也有可能存在局部差異?；谏鲜鲈?本文引入FA-SOM神經(jīng)網(wǎng)絡(luò)模型,其不僅很好地集成了因子分析法可對多指標進行簡約化處理,消除原始數(shù)據(jù)信息冗余的特性,而且繼承了自適應(yīng)神經(jīng)網(wǎng)絡(luò)非線性、無教師自組織、自學習的特點,較好地避免了主觀性和局部分類偏差。

自從2016年AlphaGo打贏了人類世界的圍棋冠軍，社會上對人工智能技術(shù)的關(guān)注熱度日漸提升。在人類理性工作領(lǐng)域，人工智能正在顛覆性地改變著許多行業(yè)，很多機械化的工作已經(jīng)被人工智能取代。；另一方面，人工智能也正在進入人類的感性的藝術(shù)領(lǐng)域，努力將藝術(shù)公式化（規(guī)范化），人工智能產(chǎn)品通過深度學習藝術(shù)家的筆觸，并依據(jù)一定的邏輯繼續(xù)創(chuàng)造藝術(shù)作品，再次讓經(jīng)典藝術(shù)家“復(fù)活”，以此陶冶人類的情操。未來，機器可以代替人類完成很多事情，很多可以被公式化的人類職業(yè)都可以被人工智能取代，人類從腦力以及體力方面都可以最大化地解放出來。然而對于人工智能是否能夠最終取代藝術(shù)這塊領(lǐng)地，業(yè)界的說法不一。下文將通過探討人工智能在數(shù)字化時代中的應(yīng)用，進一步分析探討人工智能與藝術(shù)設(shè)計之間的關(guān)系。

一、藝術(shù)設(shè)計的簡介與發(fā)展

（一）藝術(shù)設(shè)計的簡介。藝術(shù)設(shè)計是藝術(shù)家把自己的靈感、經(jīng)驗和感覺通過藝術(shù)作品為媒介表達出來并且與大眾交流的一個過程。藝術(shù)創(chuàng)作有三個動機要素，包括對事物的認識、目標意圖和欲望沖動，三者之間是相互聯(lián)系不可分割的。在這個過程中，藝術(shù)家用我們的五種感官去表達某種情緒和感覺，可能是好感覺，也可能是壞的感覺，美妙的又或者骯臟的……藝術(shù)家會把自己對事物的認識、目標意圖和欲望沖動以及生活經(jīng)驗、教育認知、生活環(huán)境、情感等因素融合到藝術(shù)作品中。不同人有著不同的生活經(jīng)歷、不同程度的美感識別力。所以，藝術(shù)設(shè)計產(chǎn)物是隨機的、感性的，無法用理性的思維去衡量，更無法將其公式化。（二）計算機對現(xiàn)代藝術(shù)設(shè)計的影響。在當代計算機科學的大力發(fā)展下，設(shè)計者可以借助大量的設(shè)計軟件將自己的靈感視覺化。相對于傳統(tǒng)的藝術(shù)創(chuàng)作所耗費長達幾個月甚至幾年的時間，計算機科學可以幫助設(shè)計師快速、高效地完成其創(chuàng)作，并且通過模具進行量產(chǎn)。例如，藝術(shù)家可以通過計算機建模，利用3D打印技術(shù)制造出人們所需要的產(chǎn)品；可以利用計算機中大量的色彩素材創(chuàng)作更加隨心所欲的作品，也可以通過計算網(wǎng)絡(luò)中海量的藝術(shù)設(shè)計資源，激發(fā)靈感，擴展藝術(shù)思維，把自己的思想與計算機科學有機的結(jié)合在一起實現(xiàn)設(shè)計創(chuàng)作。在作品呈現(xiàn)方面，隨著虛擬現(xiàn)實技術(shù)的日漸成熟，很多高校正在將虛擬現(xiàn)實技術(shù)應(yīng)用到藝術(shù)設(shè)計類專業(yè)教學領(lǐng)域，虛擬現(xiàn)實可以較好地展現(xiàn)藝術(shù)與技術(shù)相結(jié)合的設(shè)計作品，通過虛擬環(huán)境的體驗與交流，有效地傳達設(shè)計作品所表達的設(shè)計理念，藝術(shù)家可以利用此項技術(shù)更加真實地將作品展現(xiàn)出來，使人們可以身臨其境，更加直觀地觀賞藝術(shù)的細節(jié)。

二、人工智能的發(fā)展

（一）人工智能的簡介。所謂人工智能簡單概括通過運用機器去實現(xiàn)所有目前必須借助人類智慧才能實現(xiàn)的任務(wù)。目前人工智能有強人工智能與弱人工智能之分。強人工智能就像科幻片里面那樣，機器可以和人類一樣與世界進行交流，可以自我學習與記憶、推理和解決問題。但由于技術(shù)的限制，計算機并不完全具備以上能力。所以就出現(xiàn)了所謂的弱人工智能，指的是只能解決特定領(lǐng)域問題的人工智能，很難在各個領(lǐng)域都達到領(lǐng)先水平。這就是專家們所說的“遷移學習”。通俗地說，遷徙學習就是舉一反三，機器可以將某方面的能力應(yīng)用在其他領(lǐng)域。這一點人工智能還做不到。就像前文提到的AlphaGo，她已經(jīng)在圍棋方面達到了人類的頂峰，但是其他方面并不能超越人類。（二）人工智能的發(fā)展歷程。人工智能一詞在1955年達特茅斯學院舉辦的一次會議上由計算機專家約翰•麥卡錫第一次提出，至今已經(jīng)有長達60年的歷史。期間經(jīng)歷過兩起兩落，并且在2016年達到第三次高潮。1957第一款神經(jīng)網(wǎng)絡(luò)Perceptron的發(fā)明，使得業(yè)界對于人工智能的關(guān)注度驟升，人工智能達到第一次高潮。在此之后長達十余年的時間里，計算機被廣泛應(yīng)用于數(shù)學和自然語言領(lǐng)域，用來解決代數(shù)、幾何和英語問題。這讓很多研究學者看到了機器向人工智能發(fā)展的信心。1970年，人工智能面臨技術(shù)瓶頸，計算機沒能使機器完成大規(guī)模數(shù)據(jù)訓練和復(fù)雜任務(wù)，AI進入第一個低谷。第二次高潮是BP算法的提出，這種算法的出現(xiàn)使得大規(guī)模神經(jīng)網(wǎng)絡(luò)的訓練成為可能。因為現(xiàn)實任務(wù)中所使用的神經(jīng)網(wǎng)絡(luò)，只有在使用BP算法下才能進行訓練。BP算法由BP神經(jīng)網(wǎng)絡(luò)中的輸入層、輸出層和若干個隱層構(gòu)成。輸入信號經(jīng)輸入層輸入，通過隱層計算由輸出層輸出，輸出值與標記值比較，若有誤差，將誤差反向由輸出層向輸入層傳播，在這個過程中，利用梯度下降算法對神經(jīng)元權(quán)值進行調(diào)整。

作者:徐雙雙 丁偉 貝典徽 單位:華東理工大學

一、引言

人工智能（ArtificialIntelligence，簡稱AI）近年來成為了人們關(guān)注的焦點，最初這個概念是在1956年達特茅斯會議上提出，并被正式確立為一門學科，歷經(jīng)三次高潮三次低谷的發(fā)展。1997年，IBM開發(fā)的人工智能“深藍”打敗人類的國際象棋冠軍。2016年3月，谷歌開發(fā)的AlphaGo以4:1的明顯優(yōu)勢戰(zhàn)勝多次榮獲世界冠軍的李世石。自此人工智能在學術(shù)研究、行業(yè)發(fā)展和資本市場表現(xiàn)活躍。伴隨神經(jīng)網(wǎng)絡(luò)、腦科學研究的迅速進步，人工智能在云計算和大數(shù)據(jù)等相關(guān)技術(shù)的支持下，迅速被運用到各個領(lǐng)域。以人工智能為核心的新技術(shù)與教學融合將成為下一個核心驅(qū)動力。在2018年的《人工智能發(fā)展白皮書》[1]中，提到教育智能化將會成為教育領(lǐng)域的發(fā)展方向，人工智能將會引發(fā)教育理念和教育生態(tài)的深刻變革。全球主要發(fā)達國家當前都在加速教育教學創(chuàng)新，積極開發(fā)教育新產(chǎn)品，推進教育教學創(chuàng)新。2018年4月，《高等學校人工智能創(chuàng)新行動計劃》[2]提出了未來的人才培養(yǎng)新模式，要增設(shè)“人工智能+X”的復(fù)合專業(yè)培養(yǎng)，眾高校也相繼成立了人工智能學院和相關(guān)專業(yè)，如南京大學、中國科學院大學、西安電子科技大學、上海交通大學等，結(jié)合近幾年教育部“新工科”教育改革的背景，為外語教學與研究帶來了新的契機。傳統(tǒng)的外語教學中一直存在教學質(zhì)量和效果不理想的困境，我們要充分利用日趨成熟的人工智能技術(shù)開展一場深層次的變革，重塑外語教育的時代性、個性化的新形態(tài)。人工智能在神經(jīng)網(wǎng)絡(luò)、深度學習和蒙特卡洛數(shù)搜索法等技術(shù)使用后，逐步形成神經(jīng)網(wǎng)絡(luò)“大腦”來進行復(fù)雜精準的數(shù)據(jù)處理，初步有了人類高級智能的“學習能力”。人工智能在教育中所需用到的技術(shù)主要包括[3]：①自然語言理解技術(shù)，這讓計算機與人之間能用自然語言來有效溝通，包括機器理解、機器翻譯等。②人機交互技術(shù)，包括語音識別、語音合成、情感交互等。③知識圖譜技術(shù)，指建立語義網(wǎng)絡(luò)，使用網(wǎng)絡(luò)中的關(guān)系來分析解決問題。④生物特征識別技術(shù)，包括指紋識別、語音識別、人臉識別等。

二、人工智能支持下的外語教學改革

我國外語教學的整體效率近年來一直不高，大學生的英語學習效果主要是通過全國大學生四六級考試的成績來體現(xiàn)，雖然近年來加入了口語考試，但是學生的英語溝通交流水平總體還是令人擔憂，應(yīng)用能力遠沒有達到熟練實用水平。大學英語的發(fā)展方向是要提高質(zhì)量，增強實效。大學英語的改革目標是要將人文性、實效性、數(shù)字化與工具性相結(jié)合。隨著00后即將成為大學校園的主力軍，他們在學習和認知模式、信息技術(shù)運用習慣方面有著鮮明的特色，技術(shù)、閱圖、創(chuàng)新、急切成為了他們的標識，被認為是“數(shù)字原住民”[4]，他們更傾向于用智能化方式去獲取數(shù)字化資源學習。但是面對海量且品種繁多的外語學習資源，如何滿足個性化學習需求，提高學習效率，重構(gòu)有效適切的外語教學新模式成為了外語教師們探索科研的新目標。目前市場上比較普遍的在線教育大多是一對一視頻，或者把一些教師的課做成視頻放在線上播放，這其實只是教學場所的改變，教育方式并沒有發(fā)生本質(zhì)變化，如果學生不自覺，效果有時候還沒有線下的實體課程好。人工智能則可以使用語音識別和自然語言處理技術(shù)來解決口語語音和文本的詞法、語法分析和語義理解，增加多元交互的學習環(huán)境，極大提升學習效果[5]。隨著人工智能研究的日益成熟，“智慧學習”和“深度學習”被賦予了新的內(nèi)涵，智慧學習以建構(gòu)主義、混合學習和現(xiàn)代教學學習理論為理論基礎(chǔ)，整合增強現(xiàn)實、云計算、移動通信、大數(shù)據(jù)等先進信息技術(shù)的增強型數(shù)字學習[6]。深度學習可以通過神經(jīng)網(wǎng)絡(luò)來模擬人腦的學習過程來抽象表達現(xiàn)實世界的大量數(shù)據(jù)。目前典型的深度學習模型有遞歸神經(jīng)網(wǎng)絡(luò)（RNN,RecurrentNeuralNetworks）、卷積神經(jīng)網(wǎng)絡(luò)(CNN,ConvolutionalNeuralNetworks)以及深度信念網(wǎng)絡(luò)（DBN,DeepBeliefNet-works）等，其中由于RNN多用于處理時間序列，所以其較多應(yīng)用在口語訓練、口語測試等方面[7]。近幾年，從市場中已知的人工智能運用于外語教育的產(chǎn)品來看，主要分為幾類：英語語音測評、智能批改+習題推薦、教育機器人、智能陪練，其中前三類較多，而分級閱讀和智能陪練的較少。比如語音測評類的有科大訊飛、流利說、馳聲、朗播網(wǎng)等，智能批改類的有極智批改、批改網(wǎng)、作業(yè)盒子、貍米教育等，教育機器人類的有寒武紀智能、UBTECH、LEZHI、好兒優(yōu)等。1.英語語音評測———AI口語老師和智能口語考試系統(tǒng)。英語口語學習與測評是我國英語教育中的重要組成部分。為了測評學習者的口語語音語調(diào)、標準度、流利度以及口頭表達能力，通過NLP（自然語言處理）以及語音識別等技術(shù)開發(fā)，外語教學市場上出現(xiàn)兩類“英語語音評測”的產(chǎn)品：AI口語老師和智能口語考試系統(tǒng)。這兩類產(chǎn)品可以替代教師對學生的口語陪練、口語考試測評及評分統(tǒng)計等相關(guān)工作，通過機器輔助學習，極大提高了教師的工作效率，同時實現(xiàn)了口語自適應(yīng)學習。人工測評往往伴隨著一些主觀因素，智能評測可以有效地避免這類問題，更具客觀性、穩(wěn)定性，高效完成自動評分和成績統(tǒng)計以及學情分析任務(wù)。從目前英語語音測評產(chǎn)品的現(xiàn)狀來看，優(yōu)點是分析結(jié)果相對準確，覆蓋多種口語類型，從發(fā)音到對話、朗讀涵蓋多種口語學習和考試類型，包括音標發(fā)音、短文朗讀、看圖說話、口頭作文等。短時間可以做出反饋，快速給出評分，同時給出精細的分析。當然，這類產(chǎn)品也會有一定不足，受口語發(fā)音本身的不確定性和語音采集的設(shè)備條件等因素的影響，英語語音測評結(jié)果會出現(xiàn)一定的偏差，但總體結(jié)果相對準確?，F(xiàn)階段此類產(chǎn)品的測試結(jié)果是反饋學生發(fā)音中的單詞讀錯、遺漏或者語法有誤等問題，但是無法檢測出學習者的語調(diào)和連讀等錯誤。這類產(chǎn)品雖然會根據(jù)學生口語情況進行個性化教學和測評，但互動性仍不足，模式化明顯，長時間練習只是幾種方案方式在循環(huán)，多樣性和互動性還有待提高。以目前市場上較為知名的英語流利說為例，流利說開發(fā)了世界領(lǐng)先的多粒度和多維度的實時語音識別和評估引擎和游戲化教學，讓各水平語言愛好者輕松練口語。每日更新地道美語對話提供好玩上癮的對話闖關(guān)游戲，通過硅谷的實時語音分析技術(shù)，讓用戶輕松愉快練口語。目前有超過3000萬人使用流利說，積累了中國人2.75億分鐘口語數(shù)據(jù)。2.智能批改+習題推薦。智能批改如圖1所示，可以部分減輕教師批改作業(yè)的繁重任務(wù)。完整的流程是教師先從線上布置作業(yè)，系圖1智能批改圖統(tǒng)地利用豐富的語料庫資源，使用自然語言處理、圖像識別以及數(shù)據(jù)挖掘等人工智能技術(shù)把學習者的作業(yè)與語料庫進行檢測對比，進行自動批改，給出個性化的學情分析報告，對拼寫、語法、句型和搭配方面能夠迅速地標注錯誤部分和錯誤原因，在作業(yè)量巨大的情況下，會比教師的批改結(jié)果更為細致，教師和家長能在學習者的作業(yè)提交后馬上得到反饋并了解最新的學習進展，并據(jù)此來實時調(diào)整學習進度和難度并推薦合適的習題。當然，也會有一些美中不足，如學生作業(yè)的主題相關(guān)性、篇章結(jié)構(gòu)和內(nèi)在邏輯性、思想的創(chuàng)新性等方面提示還略有欠缺。iWrite2.0英語寫作與評閱系統(tǒng)，通過在大型語料庫中來挖掘聯(lián)想詞庫，運用大數(shù)據(jù)技術(shù)，同時探索基于人工神經(jīng)網(wǎng)絡(luò)的深度學習來提高作文評閱的智能程度[8]?？拼笥嶏w開發(fā)的產(chǎn)品在2015年某國家級英語考試中在翻譯題和作文題的評分準確度比大多數(shù)專家教師的評分準確度還要高，同時評卷系統(tǒng)還指出具體語法格式錯誤和措辭不當?shù)葐栴}。3.分級閱讀。英語分級閱讀，可以根據(jù)學生的不同認知水平來選擇階梯式的讀物，匹配適合學生個人的書目，解決了學生閱讀太難的書會失去閱讀興趣、閱讀難度低的書無法提升閱讀能力的問題，使其感受閱讀的樂趣。全世界時下有幾種熱門的閱讀分類體系：藍思分級（Lexile）、AR分級法（AcceleratedReader）、A-Z分級法（GRL/GuidedReadingLevel）。國內(nèi)目前在分級閱讀方面的產(chǎn)品主要有：ReadingPro、新東方旗下的多納學英語、嘰里呱啦、英語總動員、巴布閱讀等，各有其產(chǎn)品的優(yōu)勢和不足。在國外，以美國為例，已有70%的美國公辦學校使用Newsela，有40萬教師和超過400萬學生用戶，閱讀文章數(shù)超過5700萬。Newsela通過自適應(yīng)的真實內(nèi)容分級閱讀將新聞聚合并分級，為不同閱讀水平的學生提供閱讀內(nèi)容。人工智能的分級閱讀相較于傳統(tǒng)分級閱讀，可更為高效地測定分析，依據(jù)不同學生的興趣愛好和閱讀能力的學習數(shù)據(jù)挖掘行個性化精準閱讀，使學生閱讀興趣明顯提高，學生閱讀習慣大為改進，大大提高了教師的工作效率，把教師從收集和推薦書目，閱讀監(jiān)督學生等大量機械式重復(fù)性工作解放出來，同時實現(xiàn)了學生自適應(yīng)閱讀，達到了分級閱讀的核心目的。教師和家長也可快捷精準地全方位監(jiān)測分析學生的學習情況。4.智能學情分析和智能情緒識別。智能學情分析是指在積累了學生學習成績、學習進度、學習習慣等數(shù)據(jù)后，對其進行智能分析，并給出分析報告，協(xié)助教師對學生學習情況進行管理，設(shè)計個性化教學方案，為學生量身定制不同于他人的學習策略和學習方法，讓孩子更為有效地學習。做智能學情分析的如極客大數(shù)據(jù)的“極課EI（EducationIntelligence）”是采用“IPH適應(yīng)性教學模型”和“集中式動態(tài)學業(yè)檔案管理”兩大專利技術(shù)，采集作業(yè)和考試中動態(tài)化的海量數(shù)據(jù)并進行大數(shù)據(jù)智能算法分析，基于行為和關(guān)系數(shù)據(jù)的知識圖譜來制定學生的具體自適應(yīng)學習方案[9]。根據(jù)官方數(shù)據(jù)，“極客大數(shù)據(jù)”的活躍使用學校已超過1800所，收集3200萬份學生作業(yè)考試數(shù)據(jù)，180萬教師、學生及家長的使用習慣。每個孩子都是與眾不同的，有自己獨特的天賦特性、偏好和天生優(yōu)勢，也有不同于別人的弱點。解決孩子的學習問題，應(yīng)當用個性化的方法適應(yīng)其在學習上的要求。因而這種學習活動對于每個學生而言都是有意義的，因為是由學生自發(fā)的興趣來驅(qū)動的。智能情緒識別目前主要由教育培訓機構(gòu)和技術(shù)公司合作開發(fā)，如好未來、VIPKID,通過人工智能圖像識別技術(shù)，智能情緒識別可以識別學生課堂表情來判斷學生學習的興趣、困難點和集中度。2018年10月，新東方正式的首款A(yù)I類教育產(chǎn)品BlingABC“AI班主任”[10]，可以通過人臉屬性分析和檢測、語音識別、NLP（NaturalLanguageProcessing）等人工智能技術(shù)來發(fā)現(xiàn)學生在語言學習中的問題，根據(jù)學生上課時的參與度、回答時長、情緒表現(xiàn)和學習結(jié)果來進行量化分析。5.教育機器人。教育機器人除了在科學、技術(shù)、工程和數(shù)學（STEM）教育方面起著重要作用，在外語教學中的應(yīng)用也越來越普遍。機器人可以根據(jù)學生的認知能力來為其定制學習內(nèi)容，引導互動學習來營造母語式的外語學習環(huán)境，在潛移默化中提高外語語言能力。從早期2016年簡單的聊天學習機器人如著名語言學習AppDuolingo(多鄰國)的永久免費的外語學習chatbox[11]，開始只允許用戶打字對話，到擁有智能復(fù)雜功能的機器人，如科大訊飛的“阿爾法大蛋”，好未來旗下勵步英語聯(lián)合機器人領(lǐng)域領(lǐng)先的ROOBO公司推出的小布機器人[12]，與此配套的Let’sChat系統(tǒng)，可以進行進行語音識別、口語評測、繪本伴讀等功能，能夠智能適配學生的學習水平來進行因人施教。通過教育機器人的輔導和在線教育的講解，可以精準定位學生的薄弱知識點到納米級別來實現(xiàn)因材施教的“智適應(yīng)”的理想學習方式[13]。借助自然語言處理和情感機器人，通過陪伴學生的成長來增加其對人的關(guān)懷[14]。

三、人工智能在外語教育中的研究熱點方向

查閱各種資料發(fā)現(xiàn)，人工智能近幾年在外語教育中的研究熱點方向主要有：①知識表示與教育知識圖譜，其研究熱點是以知識點及課程為中心的圖譜和以教學及資源為中心的圖譜。②認知診斷，其研究熱點是使用大數(shù)據(jù)分析技術(shù)彌補傳統(tǒng)IRT模型的不足。③學習者建模，其研究熱點是針對學習主體對象的學習者進行建模，對學習者知識狀態(tài)的識別和診斷。④教育試題資源表征，其研究熱點是使用深度學習模型對多源異構(gòu)教育資源進行深度表征。⑤機器閱讀理解與批閱，其研究熱點是基于深度學習的機器閱讀理解。⑥智能教育系統(tǒng)，其研究熱點是教育機器人、游戲化教學、對話形式的學習，建立動態(tài)模型。⑦腦科學與教育的結(jié)合，其研究熱點是交叉學科研究，教師對“神經(jīng)神話”的認知，對腦科學的信念，以及教師自身的腦科學素養(yǎng)。人工智能在外語教育中的運用將推動外語學習的精準測評、個性教學和因材施教。配合直播、游戲、VR等技術(shù)的教育人工智能可以極大提高學生的興趣，提高外語的學習效率，有著巨大的應(yīng)用發(fā)展空間。如何融合教育測量、教育理論與人工智能，分析學生的學習效率、能力和水平及目前的知識狀態(tài)將成為教師學習研究的方向。

1大數(shù)據(jù)分析挖掘系統(tǒng)主要組成部分

大數(shù)據(jù)分析挖掘系統(tǒng)的主要組成部分，包括知識庫數(shù)據(jù)庫模式評估以及服務(wù)器等4個主要組成部分，通過這4個部分才能夠在海量無序的數(shù)據(jù)以及信息當中選擇出最為有效的信息，同時根據(jù)決策的方向而制定出一個較為有效的參考方案，其中在大數(shù)據(jù)分析挖掘技術(shù)內(nèi)容當中，數(shù)據(jù)庫主要的作為依托的對象，負責收集所需要的數(shù)據(jù)，同時對涉及到數(shù)據(jù)進行儲存以及進一步的分析，以及綜合從而更好的幫助決策者進行決策以及分析，而服務(wù)器則主要的提供相應(yīng)幫助有關(guān)數(shù)據(jù)的分析以及綜合，同時還能夠根據(jù)用戶發(fā)出的指令，對于信息進行提取，在進行數(shù)據(jù)的收集以及胎兒過程當中，主要來使用了知識庫，從而對于所需要的多個數(shù)據(jù)以及信息進行分析歸納以及整合而進行模式評估則是需要根據(jù)搜尋者之前所搜尋的，判斷出其大致的興趣之后進行度量而完成整個數(shù)據(jù)的尋找以及整合處理，從而確定出具體的評定參數(shù)。

2關(guān)于大數(shù)據(jù)分析挖掘技術(shù)的概述

數(shù)據(jù)分析技術(shù)者就是對于如今已有的數(shù)據(jù)挖掘以及積極學習技術(shù)不斷的進行改進，并且開發(fā)出一種新型的對數(shù)據(jù)進行挖掘的技術(shù)。比如說可以通過特殊組挖掘圖形挖掘以及數(shù)據(jù)網(wǎng)絡(luò)挖掘的方式達到這一目的，從而突破原有的數(shù)據(jù)連接以及相似連接的數(shù)據(jù)融合技術(shù)針對于用戶的網(wǎng)絡(luò)行為以及興趣，還有情感語義進行分析，等通過對于有關(guān)的領(lǐng)域進行研究，更進一步的改進數(shù)據(jù)挖掘技術(shù)，從而能夠在大量的模糊不完整以及隨機的數(shù)據(jù)網(wǎng)絡(luò)中提取出自己所需要的，但是隱藏極深，雖然說在廣大數(shù)據(jù)當中，這些信息以及知識始終處于隱藏狀態(tài)，并不能直觀的感受到，但是這也是一種潛在的信息，以及只是具有了一定的利用價值而在進行大數(shù)據(jù)分析挖掘過程當中所使用的技術(shù)可以大數(shù)據(jù)分析挖掘技術(shù)及其決策應(yīng)用文/陳宇展本文主要的闡述了在大數(shù)據(jù)分析挖掘技術(shù)當中，系統(tǒng)的主要組成以及在數(shù)據(jù)需求者進行決策時的具體應(yīng)用，為有關(guān)人員提供參考。

3大數(shù)據(jù)分析挖掘技術(shù)在決策過程當中的具體應(yīng)用

3.1在教育行業(yè)過程當中的應(yīng)用。大數(shù)據(jù)分析挖掘技術(shù)不僅僅能夠應(yīng)用于交通運輸系統(tǒng)以及企業(yè)的財務(wù)系統(tǒng)當中，其在教育系統(tǒng)當中也發(fā)揮著重要的作用。如今我國加重了對高等教育事業(yè)的發(fā)展力度，為了學生能夠自主的成長以及承載勝利的一個較為輕松并且自由的環(huán)境，但是在輕松所有環(huán)境的背后，也給學校的管理工作帶來了較大的困難，在如期重大高校都設(shè)置了學生卡管理系統(tǒng)，對于學生的日常簽到、宿舍住宿、飲食以及門禁等都通過校園卡來收集數(shù)據(jù)，判斷學生是否遵從學校規(guī)章制度，而通過對于校園卡打卡情況判斷數(shù)據(jù)的傳輸，將大數(shù)據(jù)分析挖掘技術(shù)應(yīng)用于其中，而構(gòu)建出大學生網(wǎng)絡(luò)數(shù)據(jù)中心以及大數(shù)據(jù)挖掘平臺，從而更好的完成教育管理工作。對校園卡數(shù)據(jù)進行分析，通過數(shù)據(jù)統(tǒng)計、人工智能以及可視化等方式進一步的挖掘數(shù)據(jù)，同時在很多領(lǐng)域當中使用數(shù)據(jù)挖掘技術(shù)都有著不同的分類，其中所涉及到的算法，其中要注重部分為輸入、輸出以及處理三大部分，而對數(shù)據(jù)進行挖掘的方法可以分為統(tǒng)計方法、神經(jīng)網(wǎng)絡(luò)方法、數(shù)據(jù)庫方法以及機器學習方法等四大方法，而在所獲取的數(shù)據(jù)庫以及數(shù)據(jù)源當中包含著各種種類，因此在對于大學生日常行為以及生活習慣進行數(shù)據(jù)挖掘過程當中，針對于其針對對象也有了不同的理解，可以將數(shù)據(jù)挖掘當中的各項分析方法進行詳細的分類，因為數(shù)據(jù)庫分析方法在數(shù)據(jù)分析以及化解過程當中是中心步驟，而神經(jīng)網(wǎng)絡(luò)方法則通過構(gòu)建起神經(jīng)網(wǎng)絡(luò)，進一步的對信息進行挖掘。對大學生使用校園卡通過對其日常簽到以及上網(wǎng)，還有宿舍出門等信息進行充分的挖掘以及分析，同時與學校當中的后勤及管理人員聯(lián)手，尋求相關(guān)的數(shù)據(jù)，而通過所設(shè)計出來的數(shù)據(jù)構(gòu)建其意見的模型，定期對數(shù)據(jù)進行分析整理及合并，從而做好大學生日常行為的有效管理，在學生出現(xiàn)失聯(lián)或者是離校的問題時，采取一定的預(yù)防措施及時發(fā)現(xiàn)，從而采取有關(guān)的措施及時應(yīng)對。如果在數(shù)據(jù)系統(tǒng)出現(xiàn)異常時，通過使用短信、微信以及QQ信息等方式，將信息發(fā)到輔導員處，并且在警報系統(tǒng)當中備案，進一步的歸納以及整理學生失聯(lián)問題的成因，從而為輔導員針對于這一問題提供了有效的依據(jù)，也能夠在學生實踐過程當中發(fā)揮良好的意見功能，做好高效的管理工作。在教育行業(yè)，使用大數(shù)據(jù)分析挖掘技術(shù)，能夠?qū)崿F(xiàn)教育資源向數(shù)據(jù)價值的最終轉(zhuǎn)變，從而更好的發(fā)揮數(shù)據(jù)挖掘的重要作用，從而使得教學領(lǐng)域當中的教學方式不斷的發(fā)生變革，并且不斷優(yōu)化課堂教學方式，獲取更高的教學效果，提高教學質(zhì)量。而通過對于教育過程當中所產(chǎn)生的大數(shù)據(jù)進行科學文化教育以及自適應(yīng)學習，從而闡明了大數(shù)據(jù)在教學領(lǐng)域當中具體應(yīng)用的重要意義，進一步的加快了教學領(lǐng)域當中大數(shù)據(jù)分析挖掘的進程，使得教學領(lǐng)域發(fā)生重大突破，然而由于大數(shù)據(jù)過程中存在了一定的技術(shù)缺陷以及人才缺失，這些問題可能會影響到大數(shù)據(jù)分析挖掘的廣泛應(yīng)用，延遲了教學領(lǐng)域發(fā)展的效果。因此就需要將數(shù)據(jù)挖掘結(jié)束以及教學大數(shù)據(jù)的應(yīng)用，保持著同一步伐進一步的提高最終的教學成果。3.2大數(shù)據(jù)分析挖掘技術(shù)運營與財務(wù)系統(tǒng)決策。在大數(shù)據(jù)背景之下，人們有著更為方便并且快捷的渠道獲取大量的數(shù)據(jù)，但是因為數(shù)據(jù)的量過于龐大，但是其中卻摻雜了大量的無用信息，因此人們迫切的需要尋求一種挖掘以及分析的方法，從而能夠在這段的時間之內(nèi)獲取自己所需要的大量的個性各異的數(shù)據(jù)，同時能夠根據(jù)自己的要求對數(shù)據(jù)進行分析以及篩選，最終獲取有一定參考以及利用價值的信息。而在這種情景之下，可以通過使用大數(shù)據(jù)分析挖掘技術(shù)，進一步的將大量的數(shù)據(jù)轉(zhuǎn)換為自己所需要的數(shù)據(jù)并且進行儲存，能夠從巨量的數(shù)據(jù)當中提取出自己需要的信息，并且構(gòu)建出一個智能分析體系，從而更好地進行算法的優(yōu)化以及數(shù)據(jù)模型的建設(shè)，使得數(shù)據(jù)挖掘技術(shù)應(yīng)用于財務(wù)系統(tǒng)當中。如今隨著信息化以及互聯(lián)網(wǎng)的快速發(fā)展，大數(shù)據(jù)分析挖掘技術(shù)應(yīng)用于各行各業(yè)當中，無論是事業(yè)單位教育部門還是行政單位當中，都構(gòu)建出了一個較為完備的電子化財務(wù)系統(tǒng)，從而使得對財務(wù)進行管理的效率得到了快速提升，進一步的解決掉財務(wù)決策的風險，而如今隨著各種信息樹木逐漸增多并且趨于不確定性，財務(wù)部門的有關(guān)人員可以通過使用大數(shù)據(jù)分析挖掘技術(shù)對于各種信息進行挖掘，同時建立企業(yè)模型進行分析及整合為后續(xù)的決策提供較為精確的信息以及數(shù)據(jù)支撐。比如說需要對投資進行管理時，可以在投資之前就使用大數(shù)據(jù)分析挖掘技術(shù)，對于外部的市場環(huán)境以及整體的市場導向進行探究，從而尋求在投資過程當中可能出現(xiàn)風險的種種因素，或者針對這些因素，制定出一個有效的符合如今市場經(jīng)濟的投資戰(zhàn)略，從而達到利潤最大化。同時在統(tǒng)籌決策的過程當中，也可以使用大數(shù)據(jù)分析挖掘技術(shù)，進一步的探究統(tǒng)籌的數(shù)據(jù)以及導向，從而盡快的達到最終的目的先去最合適的統(tǒng)籌方法，進一步的降低所投入的資金以及成本。3.3大數(shù)據(jù)中的算法分析。在大數(shù)據(jù)中，常見的算法分析有許多，具體為：（1）分類分析。在分類分析中，企業(yè)能夠利用大數(shù)據(jù)技術(shù)將不同類別、不同層級的客戶進行分類，幫助企業(yè)獲取到不同的算法。（2）回歸分析?；貧w分析是企業(yè)在大數(shù)據(jù)技術(shù)中應(yīng)用最多的數(shù)據(jù)技術(shù)之一，它能夠利用函數(shù)將相同數(shù)據(jù)表達的數(shù)據(jù)進行歸類處理，并反映出相同屬性之間的數(shù)據(jù)關(guān)系，為企業(yè)針對特定群體進行數(shù)據(jù)決策提供支持。（3）關(guān)聯(lián)規(guī)則。在關(guān)聯(lián)規(guī)則中，大數(shù)據(jù)技術(shù)能夠為用戶推送其目前瀏覽的數(shù)據(jù)的相似數(shù)據(jù)，并逐步分析客戶的具體需求，將數(shù)據(jù)推送更加精準。（4）神經(jīng)網(wǎng)絡(luò)算法。神經(jīng)網(wǎng)絡(luò)算法所應(yīng)用到的人工智能技術(shù)和AI技術(shù)是我國的最新科技，也是大數(shù)據(jù)技術(shù)未來的發(fā)展方向，它能夠針對不全的、模糊的信息進行分析，并將數(shù)據(jù)進行分類以及分析，并幫助企業(yè)分析用戶的實際需求，在企業(yè)的實際決策中發(fā)揮了重要的作用。