2026年10月29日下午，智能科学与工程学院智能工程系在B6-204开展课程元知识与根能力教研活动。围绕人工智能专业课程，相关课程组教师结合教学案例，交流原理理解、项目实践与能力培养的衔接。

这一主题与教育部等五部门印发的《“人工智能+教育”行动计划》（教科信〔2026〕1号）关于知识传授与能力培养相统一的要求相契合。元知识强调认识知识的来源、联系及其依据和边界，根能力关注支撑学生学习、判断与行动的基本能力。

图1 人工智能专业课程元知识与根能力研讨现场

《人工智能数学基础》课程组代表以特征值、特征向量的几何意义为例，介绍手工计算、NumPy编程与主成分分析（PCA）降维相结合的教学思路，说明数学概念与机器学习任务的联系。

如何兼顾原理理解与动手实践，是交流中的具体问题。《软件开发框架》课程组代表指出，过度增加原理讲授可能挤压实践时间，建议结合应用型人才培养要求，探索理论学习与项目实践的适当比例。《人工智能框架开发》课程组代表介绍从数据准备、模型训练到评估部署的完整流程，强调通过各环节的联系，帮助学生建立对项目的整体认识。

面对人工智能工具快速生成代码的现状，研讨进一步关注学生能否理解代码并核验结果。《Python网络爬虫和信息提取》课程组代表建议以项目任务为载体，通过设置错误代码、组织团队协作调试，训练问题分析与定位能力。《深度学习与机器视觉》课程组代表强调理解网络框架与运行机制，加强对生成代码的判别、纠错和调试，避免学习停留在获取工具输出的层面。

图2 课程组代表交流元知识与根能力的教学思路

在方法选择与能力评价方面，《语音信息处理》课程组代表以音频特征的选择与取舍为例，介绍如何依据任务判断方法是否适用，将实际问题转化为可计算、可观察、可验证的问题，培养抽象建模能力。《人工智能通识1》课程组代表结合应用案例与大模型提示词设计，强调认识工具的适用边界、核验输出结果，并通过完整作品考核观察学生的知识运用与行动能力。两门课程分别从方法取舍和作品评价出发，回应学生如何运用知识、检验实践结果的问题。

图3 人工智能专业课程研讨交流现场

本次研讨围绕原理理解、方法选择和结果核验，交流了项目实践、代码纠错与作品考核的教学思路。会中展示的课程PPT以照片形式留存，为课程组梳理知识与能力之间的联系、改进教学设计提供参考。

一审一校：梁灵巧

二审二校：田    霖

三审三校：蔡金材