生成式人工智能背景下的弱监督学习教学法探索.pdfVIP

第1期计算机教育

1982025年1月10日ComputerEducation

地方院校教学探索

文章编号：1672-5913(2025)01-0198-06中图分类号：G642

生成式人工智能背景下的弱监督学习教学法探索

刘 江，聂秋实，王星月，肖尊杰，章晓庆

（南方科技大学计算机科学与工程系，广东深圳518055）

摘 要：针对生成式人工智能技术的快速发展与广泛应用给计算机专业课程教学带来的巨大挑战，提

出教育智能弱监督学习教学法，介绍具体的教学实践，最后通过学生问卷反馈结果说明教学效果。

关键词：生成式人工智能；弱监督学习教学法；批判性思维；教育智能；新质生产力

0 引 言知识，给计算机专业的课程教学与创新型人才培

养带来了前所未有的挑战。一个主要原因是当前

人工智能与教育结合的教育智能（Education教师在课程教学中主要注重对学生知识的教授与

Intelligence，EI）是指借助人工智能算法理解教记忆，往往忽视了学生的批判性思维能力和主动

育。近年来，以ChatGPT为代表的生成式人工学习能力的培养。

智能（GenerativeArtificialIntelligence，GAI）技

术快速发展及相关应用落地，加快了知识更新速1 人工智能弱监督学习范式与批判性思维

度并便捷了知识获取的途径，吸引了社会各界的

广泛关注[1-3]。值得关注的是，生成式人工智能1.1 人工智能弱监督学习理论

也是新质生产力的一种表现形式，并且在促进新在人工智能领域，弱监督学习（WeaklySu-

质生产力发展方面扮演着重要的角色[4]，然而，pervisedLearning）是一种常见的学习范式，包括

它在知识生成与理解方面存在不准确、不严谨、不完全监督（IncompleteSupervision）、不确切监

专业性和前瞻性差等缺点。UNESCO在2023年督（InexactSupervision）和不准确监督（Inaccurate

发布的《生成式人工智能教育和研究应用全球指Supervision）3种学习类型（如图1所示）。不

南》也指出了生成式人工智能技术对真实世界的完全监督指的是用于训练算法模型的训练数据中

理解十分缺乏，减少了多样性意见的出现，破坏只有部分数据带有标签，而大部分数据没有被标

了多元化观点的提出以及创新思维的培养[5]。注；该类型下常见的技术有主动学习和半监督学

最近，生成式人工智能技术及应用已被广习。不确切监督指的是用于训练算法模型的训练

泛用于辅助学生的专业知识学习和科研[6-8]，容数据虽然带有标签，但是标签可能是粗粒度的或

易让学生产生依赖心理并对一些知识产生错误理不精确的；其经常采用的技术是多示例学习。不

解。此外，计算机专业中许多知识点具有不断变准确监督指的是训练数据带有标签，但是标签可

化的特点。因此，在生成式人工智能背景下教师能不准确或存在噪声，这可能是由于标注者的主

如何教好计算机专业知识以及学生如何学有用的观性、错误或疲劳导致的。

基金项目：广东省高等教育教学研究和改革项目“基于主动学习的多媒体信息处理课程教学的探索与实践——从

‘多媒体’到‘真实世界融媒体’”（SJZLGC202202）；南科大研究重点项目“用科研与应用给教学赋能——南科

大交叉创新型本科生培养模式研究”（SUST23Z01）。

第一作者简介：刘江，男，教授，研究方向为人工智能、精准医疗、眼脑联动、手术机器人和教育智能，