基于层次化认知模型的本科机器学习课程教学改革

针对本科阶段机器学习课程教学中存在的问题,分析学生在课程学习过程中的认知规律,提出层次化认识模型,并基于此模型,从教学内容、教学方法、考核方式等方面阐述教学改革的方法和过程,说明该方法可提升机器学习课程教学效果。

基于计算思维层次化认知的大学计算机教学改革实践

计算思维是大学计算机课程的核心培养目标。在大数据和人工智能的背景下,对计算思维的认识在不断发展,逐渐形成了迈向2.0版本的计算思维新认识。为了更加系统性地培养计算思维,本文在计算思维新认识的基础上,提出了计算思维的层次化认知模型,给出了基于计算思维层次化认知的大学计算机课程改革方案,设计了针对不同层次计算思维认知水平的混合式教学方法,提出了反映不同层次计算思维认知能力的评价机制。实践结果表明,该方法不仅使非计算机专业学生更加系统性地掌握计算机的核心基础知识,而且能够提高计算思维培养的质量和水平。

层次化认知在文科院校学生计算思维能力培养中的应用

针对文科院校计算思维能力培养中存在的问题,提出认知分层模型并阐述如何将其与课程设计相结合,通过线上线下混合式教学和多元化课程考核评价机制的引入,共同推动文科院校学生计算思维能力培养。以Python程序语言设计课程为例,介绍层次化认知应用于文科信息技术类课程中的实践及教学效果评价方法。

认知层次化规律对“国际贸易学”课程教学的意义探讨

人们的认知活动由低到高涉及感性化具体认知、初步理性化认知、系统理性化认知和理论创新认知等四个层面。教育工作者在课程教学中遵循这一认知层次化规律。学生对课程知识的学习、掌握与运用,也由具体到抽象、由感知到思维、由初级认知到高级认知的规律来进行。根据认知层次化规律,课程教师要科学设计教学方法,利用课程教学提升学生每个层次认知水平和能力,并保障学生开展自主性的层次化认知训练。