引言

自动化专业涉及的范围非常广泛，包括但不限于控制理论、机电系统、电子电路、计算机技术等关键领域。这些技术为实现设备和工艺流程的自动控制提供了坚实基础。近年来，随着大数据技术的发展和计算能力的提高，人工智能取得了快速进展，其在改善和优化自动化系统中也显示出了巨大的潜力。通过引入人工智能，自动化系统能够实现更加高效、智能和灵活的操作，由此可见，自动化专业与人工智能技术的融合已成为当前技术发展的重要趋势。为了推动自动化技术与人工智能的结合、促进相关教育的发展，国家《新一代人工智能发展规划》明确提出要加强人工智能基础研究和人才培养，推动人工智能技术在各领域的应用。同时，《“十四五”智能制造发展规划》等政策也为工业自动化行业和相关企业提供了广阔的发展前景。这些政策不仅为自动化专业和人工智能技术的融合提供了有力的支持，也为相关教育的发展指明了方向。

在广东白云学院（以下简称“我校”）自动化专业教育中，“人工智能技术基础”课程旨在帮助学生掌握人工智能的基本原理和相关技术，拓展知识和技能范围，为解决实际应用中的问题奠定基础。然而，如何有效评估学生对该课程的掌握程度，以及如何通过课程目标来指导教学改进，是当前在自动化专业背景下该课程教学面临的重要问题。基于成果导向教育（Outcome-Based Education，OBE）是一种以学生的学习成果为导向的教育理念，该理念强调以学生的学习成果为中心，通过明确的学习产出、实现学习产出、评估学习产出和使用学习产出等步骤，来确保学生能够达到预期的学习目标。基于OBE理念，课程目标达成度分析成为一种有效的评估方法。因此，本文基于OBE理念，立足自动化专业课“人工智能技术基础”课程的教学实践，以我校2021级自动化专业学生为研究样本，检验其课程目标的达成情况。通过深入分析课程目标达成度，可以更好地了解学生学习情况，为教学改进提供数据支持，推动自动化专业与人工智能技术的深度融合，为培养应用型人才提供有力保障。

1 课程目标的确定

李志义等人提出：“设计课程教学目标的基本原则是，这些目标需紧密依据毕业要求（指标点）来设定，确保能够有效促进毕业要求（指标点）的实现”。由此可以得出，课程目标不仅引领教学内容的选择与组织方向，更是与毕业要求指标点对接的核心环节，故而科学合理地制定课程目标显得尤为重要。基于上述设计原则，“人工智能技术基础”教学团队根据自动化专业人才培养方案的12个毕业要求和32个指标点，确定了3个支撑毕业要求的课程目标，如表１所示。

课程目标		支撑毕业要求指标点	毕业要求
课程目标1 （简称“O1”）	能够理解人工智能、Python编程技术的有关基本概念、术语，熟悉人工智能各领域关键技术和建模方法，掌握运用Python编程实现基础的人工智能应用等。	1.4 熟练掌握自动化智能应用相关技术。掌握人工智能基本应用技术、智能设备交互技术，具备智能化产品规划、开发设计与应用和智能系统维护的能力。	毕业要求1 （工程知识）
课程目标2 （简称“O2”）	能够具有Python编程实现基础的人工智能技术应用的能力。初步具有数据分析、数据挖掘基本分析建模的能力和机器视觉简单建模的能力。并且能够在设计环节中体现创新设计思维，兼顾社会、健康、安全、法律、文化以及环境等因素。	3.3 能够利用人工智能基础知识与自动化设备结合，实现常用智能化产品的规划、开发设计、应用和维护。	毕业要求3 （设计/开发解决方案）
课程目标3 （简称“O3”）	能够基于人工智能和自动化相关背景知识进行合理分析，评价基于人工智能的自动化领域工程实践和实际自动化系统与产品的设计与开发对社会、健康、安全、法律以及文化所带来的影响，并清楚应该承担的责任。	6.2 能够将人工智能基础知识与自动化技术理论用于分析自动化领域工程实践和实际自动化系统与产品的创新设计与开发对社会、健康、安全、法律以及文化所带来的影响。	毕业要求6 （工程与社会）

2 课程目标的评价

2.1 评价方式

本课程的课程目标达成情况评价综合采用了形成性直接评价法，利用精确可量化的数据来评估并计算课程目标的达成度。学生成绩由人工智能基础（简称“F”）、人工智能实践（简称“P”）和综合性考核（简称“C”）3部分构成（简称“FPC”），考核内容与课程目标对应关系见图1。其中，人工智能基础占35%，主要考核学生平时出勤情况、知识掌握程度和作业完成情况等；人工智能实践占15%，主要考核学生实践情况；综合性考核占50%，主要考核学生综合运用知识的能力，本课程采用期末考试的试卷形式进行综合性考核。针对不同课程目标的达成情况，其评价应当依据各自的特点采取相应的考核方式，如O3可通过作业、实验报告和期末考试环节进行评价。

2.2 评价指标

由于一个评价环节可能涵盖多个课程目标，因此需要将课程目标进一步细化为具体的评价指标以清晰界定考核要点。根据每个评价指标对毕业要求的支撑强度，分配的对应目标考核分值和权重如图1所示。其中，O1占34%；O2占33.5%；O3占32.5%。这些评价标准为“FPC”形成性评价的有效实施提供了可行依据。

2.3 目标达成度计算

直接评价法主要采用了课程考核成绩分析法，其以课程教学大纲中支撑课程目标的各考核环节的考核成绩作为评价依据，对课程目标的达成情况进行评价。

假设课程有i个课程目标，若课程分目标Oi的达成度由N个考核点支撑，设第j个考核点的目标考核分为S_j，学生平均得分为A_j，权值为 ，课程分目标Oi的达成度计算公式如下：

式（1）中，支撑Oi达成度的所有考核点的权值之和为1，即：。课程总目标达成度由分目标达成度加权累计得出。

3 评价结果与分析

基于本课程参与评价的60名学生的实际学习成绩计算了各考核环节的课程目标达成情况，分为以下整体分析和个体分析两部分。根据课程及学生情况，教学团队通过研讨，设定达成期望的阈值为0.7。

3.1 整体课程目标达成度分析

整体课程目标达成度结果如图2所示，可以看出，学生的各项课程目标都达成期望。根据表1，课程目标1考核的是学生对理论知识的掌握程度，课程目标2考核的是学生的实验操作能力，课程目标3考核的是学生的跨学科综合能力和持续学习与创新能力。其中课程目标1的达成度低于课程目标2和3，仅达到了预设的基本期望值，说明在理论知识学习方面，学生尚未完全接收和理解相关知识，在今后的教学过程中，教师应尽量根据学生的实际情况调整授课方式，以更加贴近学生的理解能力和兴趣点。

3.2 个体课程目标达成度分析

由图3（a）可知，课程目标1仅有21名学生达到了期望值，占比仅为35%，这意味着超过六成（即39名）的学生在理论知识的掌握上尚未达到课程设定的标准。这一数据反映了自动化专业学生在人工智能基础理论理解上的薄弱，可能原因在于学生在数学、编程等方面的基础不牢固，而本课程涉及的知识体系较为广泛，导致学生在学习复杂的人工智能基础理论时感到困难。这也提示我们在教授这门课程时，需要更加深入地思考教学策略的有效性。

由图3（b）可知，课程目标2仅有4名学生未达到期望值，且有70%的学生达成度在0.8及以上，这表明大部分学生能够较好地掌握并应用所学的实验技能。这反映了本课程在实验设计、教学指导以及学生实践能力培养方面的有效性。通过实验，不仅能够提升学生的动手能力，还有助于他们更深入地理解人工智能技术的原理与应用，这与我校培养应用型人才的定位相对应。

由图3（c）可知，课程目标3仅有2名学生未达到期望值，达成率约为96.67%，但相较于课程目标2，达成度在0.8及以上的学生偏少，这表明，虽然大部分学生能够基本满足跨学科综合能力和持续学习与创新能力的要求，但仅有部分学生能够在这些方面表现出色，达到较高的达成度。这一现象反映出课程目标3所涵盖的能力要求相对更复杂和高级。同时，也意味着在课程设计和教学过程中，对于如何有效提升学生的跨学科综合能力和持续学习与创新能力，还需要进一步探索和优化。

（a）个体课程目标1达成度 （b）个体课程目标2达成度 （c）个体课程目标3达成度

4 改进及完善

针对课程目标1，为了帮助学生更好地理解和掌握理论知识，在之后的教学过程中，应尽量使用简单明了的语言来解释复杂的概念，避免使用过多的专业术语或复杂的句子结构，以降低学生的理解难度。同时，设立专门的答疑时间或平台，鼓励学生提问，并及时给予解答，帮助学生解决学习中的困惑，并有针对性地及时调整教学内容和方法。

针对课程目标3，应继续关注并提升所有学生的跨学科综合能力和持续学习与创新能力。在课程设计方面，尝试通过案例分析、项目实践等方式，提升学生解决实际问题的能力，并激发学生的学习兴趣和创新意识。鼓励学生主动探索新技术、新方法，并勇于尝试将其应用于自动化领域的问题中。

针对未达成个体，在课堂讲授与实验实践环节中，应特别强调并加强他们薄弱能力的培养，密切关注这些学生的课堂参与度及任务完成情况，确保他们能够得到针对性的辅导与支持。面对消极参与或不认真投入学习的学生，及时采取警示措施，并开展有效的心理疏导与教育引导工作，旨在激发他们的内在学习动力，提升其主动学习的意愿与能力。

通过这些策略，我们致力于促进每位学生的全面发展，确保他们都能积极参与到学习过程中，取得实质性的进步。

5 结语

综上所述，基于OBE理念的“人工智能技术基础”课程目标达成度分析为教学改进提供了重要的参考依据。通过采用形成性直接评价法，结合“FPC”评价体系，实现了对课程目标达成度的精确量化评估。经过对我校2021级自动化专业学生课程目标达成度的深入分析，发现学生在理论知识掌握和跨学科综合能力方面的薄弱环节，并针对性地提出了改进策略。未来，我们将继续关注学生的学习进展，不断优化教学策略和方法，以确保每位学生都能充分理解和掌握人工智能技术。同时，我们也将积极探索自动化专业与人工智能技术的更多融合点，为培养更多具有创新精神和实践能力的应用型人才贡献力量。

参考文献：

1. [1] 王锴,栾小丽,刘成林.自动化专业人工智能类课程教学内容整合与教学方法革新研究[J].无锡商业职业技术学院学报,2023,23(03):108-112.
2. [2] 王志宏,郝崇清,安国庆,等.人工智能背景下自动化专业培养体系的改革[J].中国现代教育装备,2023(23):141-143.
3. [3] 刘金梅,许骏,付浩海.新一代人工智能发展规划实施路径研究——以吉林省为例[J].长春工程学院学报(社会科学版),2020,21(04):40-43.
4. [4] 《“十四五”智能制造发展规划》政策解读[J].世界制造技术与装备市场,2022(01):32-35.
5. [5] 李红,陈亮,张自武,等.OBE理念下“概率论与数理统计”课程目标达成度评价研究[J].西部素质教育,2024,10(19):39-43.
6. [6] 李志义,王泽武.成果导向的课程教学设计[J].高教发展与评估,2021,37(03):91-98 113.