“人工智能”一词最早是在20世纪50年代末期在Dartmouth学会上提出的。它是计算机技术的一个分支学科，但又同时包含了很多领域的不同学科，例如生物信息学、机械理论学、数理推论、语言文化等，它的研究领域非常的广泛，包括机器翻译研究、智能控制研究、专家系统学、机器人研究、语言和图像理解研究、遗传编程研究、自动程序设计研究、航天科学与应用、庞大的信息处理、储存、管理研究。此后，越来越多的科研人员开始了对人工智能技术的研究。国际上比较先进的研究机构有麻省理工学院、斯坦福大学、加州大学伯克利分校、宾夕法尼亚大学、耶鲁大学、德国人工智能研究中心、索尼公司等，中国的先进研究机构主要有清华大学、北京紫光优蓝机器人技术有限公司、中国科学院先进技术研究院、北京大学、南京理工大学、哈尔滨工业大学、中国科学技术大学、北京邮电大学等几十家机构。
1网络教育的现状
（1）在网络远程教育的过程中，支持学习的服务系统没有很好的满足学习者的要求，引导学习者学习的手段和给学习者答疑的方法都比较落后，服务的方式受到一些客观因素的限制；
（3）目前，虽然网络教育中进行的考试具有开放性，但是考试的公平公正性、考试类型的科学性、出题的权威性都很难保证；
（4）目前来看，网络系统本身具有了信息查询能力，但这种查询的能力是很有限的。
2人工智能在网络教育中的应用
2.1智能决策支持系统
智能决策支持系统是在1980年左右由美国的研究大师波恩切克提出来的，是决策支持系统与人工智能技术相结合的产物。目前，由于智能决策支持系统的不断发展和创新，在网络教育的应用和研究方面表现出很强的发展潜力。例如，智能决策支持系统在数字和移动图书馆中的得到了广泛的应用，该系统能够为数字图书馆的管理人员提供决策和管理所需的数据、信息，帮助他们明确决策和管理的目标，通过建立决策模型并加以修改或完善，为数字图书馆正确、有效的管理和决策提供必要的支持。
2.2智能教学系统
智能教学系统是在1970年以后迅速发展起来的，可以为学习者提供一种智能的授课环境，它将计算机的模拟功能来体现在整个教学过程中，使用人工智能技术和多媒体技术等先进的教学手段，共同形成一个交互式的开放的教学系统，在这个学习系统中，学生可以主动的获取学习知识，系统可以根据学习者的个人情况来进行合理和科学的教学，以达到最佳的、理想的教学效果。
2.3智能导学系统
支持服务是现代计算机网络教育系统的重要构成要素。建立和维持一个高效灵活、强有力的支持服务子系统是有效地开发、管理和实施计算机网络教育项目的保证。智能导学系统可以创造一个优良的学习环境，使学习者方便快捷地调用各种资源，以获得学习的成功。
2.4智能硬件网络
智能网是20世纪80年代初期兴起的研究课题。随着网络的日益普及，通过网络进行学习，不仅要求多媒体综合化的信息处理能力，而且要求网络能够提供高级信息处理能力。就目前的状况而言，对现有的计算机教育网络赋予其一定的“智能”，从硬件性能本身加以提升是一种不乏远见的选择。
3做好人工智能在网络教育中应用的有效措施
3.1加大资金的支持
3.2加快人员培训工作，建立技术研究团队
人工智能在网络教育中的应用工作具有技术性、专业性强等很多特征，因此，必须培养一批高素质的人工智能专业人才，同时还要对这些人员进行全面的业务培训，使得这些人员既要懂管理，又要精通人工智能的专业知识，通过全面的业务培训和人才引进，建立人工智能的技术研究团队，使得这些人的才能得到很好的发挥，在人工智能方面有所创新，保证人工智能在网络教育中得到更好的应用。
3.3加强和先进研究机构的合作
在人工智能技术研究方面，美国、英国、德国等国家都走在世界的前列，而我国的人工智能技术研究的能力较低，与上述发达国家相比还存在一定的差距。因此，如何缩小这种差距，实现人工智能在网络教育中更好的应用，就需要我们的研究人员加强专业知识的学习，和这些国家的先进研究机构进行有效的沟通和联系，借鉴其先进的研究经验，根据自己的实际需要，进行一些实际的合作。
4结束语
由于人工智能技术本身存在着巨大的优势，人工智能网络技术也会不断地进行发展而趋于成熟，这将极大地改善并且优化网络教育的学习环境，全面提升网络教育的整体教学质量，并有望增强网络教育的全面开放性。为了做好人工智能在网络教育中的应用，需要加大资金的支持，加快人员培训工作，建立技术研究团队，加强和先进研究机构的合作，使网络学习的支持服务更加人性化和拟人化，更加体现以人为本的关怀精神。
参考文献：
[1]吕生荣.浅谈人工智能在计算机辅助教学中的应用[J].科技资讯，2009（01）：198.
[2]张园.人工智能技术在计算机辅助教学中的应用研究[J].科技资讯，2007（34）：108-109.
[3]陆志一，吴学庆.计算机未来的发展趋势[J].黑龙江科技信息，2008（04）.
[4]张瑞.计算机科学与技术的发展趋势探析[J].制造业自动化，2010（08）.
[5]何月瑶.计算机技术发展态势分析[J].科技创业月刊，2007（05）.
人工智能技术的诞生，为人类探索计算机科技、便捷生活展望了美好的前景，提供了丰富的想象空间，在社会科学中的应用广泛。教育手段革新，需要一种新的技术作为保障和支持。人工智能技术应用的普遍性和网络教育技术发展的需求性一拍即合，成为一种新的教育发展模式。本文将对人工智能在网络教育中的应用进行探究。
【关键词】人工智能网络教育具体应用
1网络教育模式的发展现状
1.1网络教育的优势
1.2网络教育存在的问题
网络教育的问题主要体现在以下方面：
1.2.1操作平台的局限性
1.2.2教学方式的一致性
网络教学中，一般采用计算机程序设定好的流程，授课、复习、习题演练、期末考试、综合评估为基本程序，流程化操作，无法根据学生的学习特点和成绩要求制定相应的教学方式。教学评价流程过于死板，无法像教师一样考虑其他综合因素进行分析，这就容易导致考试系统的公平性、评分的合理性受到质疑，无法体现教学权威性。
1.2.3服务系统的落后性
网络教育是以计算机的软件程序为表现载体，将教学课程和学习方式相融合。随着知识体系更新换代的不断加快，学术纠错的发生，课程及时更新也是十分重要的。但是网络教育服务系统具有一定的落后性和延时性，传递的知识和答疑手段相对落后，影响着网络教育的准确性和科学性。
2人工智能在网络教育中的具体应用
网络教育缺陷的存在，其重要原因是教育流程系统的“刚性”无法符合学习者不同的教学需求，不懂得如何具体因人而异、因材施教；而人工智能“柔性”的工作特点，可以有综合考虑各种影响因素，并及时调节，恰好是对缺陷的补充。事实证明，人工智能在网络教育中的具体应用也取得了较好的效果，主要体现在以下方面：
2.1专家系统的应用
专家系统是对智能教学系统、决策系统、导学系统以及先进的智能化硬件设备的总称。传统的网络教育是流程化、规范化的，智能化教学系统是对每个流程应用智能化手段，促进教学过程的科学性。
2.1.1智能决策系统。
在课程开始之前，增设智能决策功能即智能决策系统，类似于学校的入学考试，对学生的学习能力、成绩水平、智力状况进行基本的分析和了解，以学生能力而不是教师要求为教学依据，制定合理的教学计划和学习方案；通过智能化设计，确定学习成绩分阶段测试计划、智力开发方案和考试模拟系统等，通过这些方式，实现对学生能力的充分开发。
2.1.2智能导学系统
这是通过对学生一定时期学习环境的营造，通过对环境内各影响因素施加措施，为学生的学习提供优质条件。影响因素包括教师、学习资源、外部因素等，一旦学生学习没有达到预定的目标，教师模块就会对学生的动态行为做出科学正确的指导，并向正确的学习轨迹纠正；学生学习所需要的参考资料、试卷分析、时事热点等，会根据学生的学习进展情况及时更新资料库；学生在学习中遭遇困境，系统会根据智能化发挥引导和提醒功能。
2.1.3智能教学系统和智能化硬件设备
智能教学系统和智能化硬件设备分别是智能学习系统的软件和硬件载体。智能教学系统是智能决策和智能导学子系统的综合，是几种不同模式的组合与搭配，最终出现适合学生自身的学习模式，并且让系统关系更加稳固；硬件系统是网络学习的基础和载体，包括传输设备中的路由器、交换机设备，终端的打印机、摄像头等。
2.2其他人工智能系统的应用
2.2.1语言处理系统
语言处理系统在人工智能领域是一种应用较为广泛的技术，系统内部拥有录音模块、语言识别模块、转换模块和输出模块。学生向录音系统发出声音，语言识别和转换模块将语言转化为文字显示在计算机界面上。就目前的技术来说，语言处理系统可以处理简单口语和书面语言，局限在普通话，随着语言库的升级，语言处理系统的功能会越来越强大。这一功能的出现，对学生学习语言口语和减少文字任务有很大的帮助。
2.2.2知识库系统
知识库系统是对知识和数据的整合、汇总和储存，学生仅依靠记忆中对知识的只言片语和残损记忆，发挥知识库强大搜索功能，自动分辨出关键词，并提供完整的数据。这对学生学习记录的查找和知识的复习有很大帮助，也有助于系统的升级和完善。
3促进人工智能在网络教育中应用的具体措施
3.1加大资金支持
3.2开展教学实施
参考文献
[1]冯佳.虚拟机技术在计算机网络课程教学中的应用[J].计算机光盘软件与应用，2011（17）.
[2]王世刚，王纪凤，尚玉莲，赵学军.计算机网络课程教学中的虚拟机技术应用[J].中国现代教育装备，2011（01）.
[3]刘健.人工智能在网络教育中的应用探索[J].计算机光盘软件与应用，2014（06）.
[4]陈建锋.人工智能及其在计算机网络技术中的应用[J].城市建设理论研究.2015（03）.
作者简介
侯燕（1981-），女，山东省济宁市人。硕士学历。现为齐鲁师范学院讲师。研究方向为计算机应用。
关键词：互联网+；会计；教育
一、“互联网+”会计的影响
“互联网+”会计，从思维到实际操作层面都对会计行业造成了巨大的影响，赋予了传统的会计工作更多的可能性。通过分析“互联网+”背景下，人工智能、大数据、云计算等新兴科技融合会计工作的现状与影响，能够帮助思考新时代会计人才的培育方向。
（一）会计信息处理效率大大提升
（二）会计工作内容变动整合
人工智能等新科技在会计行业的使用与推广一方面降低了会计工作的强度，节省了会计工作的用人需要，另一方面也势必会对传统的会计工作者产生冲击，尤其是工作内容简单且重复性高的初级管账人员。而大数据的整理分析、计算机软件的熟练操作与使用、人工智能的运用与管理等也逐渐将成为会计人员工作中的重点。
（三）会计信息更为真实可靠
（四）“互联网+”会计技术仍待进一步改进
人工智能、大数据等新兴科技引入会计行业后，在保证其能够快速获取、有效处理、精准转化决策信息的同时，确保人工智能系统可靠、安全、正常的运营是极其重要的工作。在激烈的市场竞争面前，会计技术的运营需要控制在稳定的技术及安全环境下，以防范财务数据的泄露或崩溃而给企业带来难以弥补的损失。人工智能等新兴科技在引入财务工作的过程中，其安全性、可靠性、稳定性等重要性能仍然需要进一步的研究、实践和优化升级。
二、传统会计专业教育的不足
“互联网+”时代对会计人才培养提出了新要求，传统的会计专业教育的缺陷逐渐暴露。具体问题如下：
（一）教育思维固化
在“互联网+”会计的背景下，会计专业人员不仅需要会计专业知识储备，在计算机软件、数据统计与分析等方面也需要具备一定的技能。但前者属于管理类学科，具有人文科学的特点，后者则属于理工科的内容，二者之间存在一定的隔阂，但绝不是泾渭分明、非此即彼的关系。而许多高校尚未完成从培养“专业性人才”到培养“复合型人才”的观念转变，没有将二者进行很好的融合，会计思维与数据、逻辑、计算机思维仍然互不沟通。
（二）课程设计缺陷
我国多数高校如今对于会计专业课程的设置不尽合理，会计与计算机的融合操作教学一般都只对高年级开设，且其比重与传统的理论教学相比只占学生专业课程中很小的一部分。而课程内容也主要在于培养学生会计系统的运用能力，让学生成为“应用型“会计人员，理论与实践没有实现深度融合，学习的更多的是操作应用而非创新创造，使得学生对会计信息开发系统仅仅处于一种肤浅的认知与操作阶段，缺乏对前沿会计信息技术的深入理解与运用。
（三）教学方式落后
当前许多高校的会计教学方法仍为传统的“理论解读和实务演练”。教师讲述个人对会计知识的理解，学生被动的接受知识与观点，但没有主动的对会计知识进行探索；而实务层面，也主要由教师进行示范演练，学生对示范进行单调的模仿学习，重复既定的规范步骤，这种教学方式拘束了学生的自我探索空间，难以培养学生的自主创新意识，虽然能够快速学习实务操作的程序步骤，但对于学生分析、解决问题与自主创新等能力的培养仍存有不足。
三、会计专业教育的发展方向
（一）培养学生自主学习与创新能力
在“互联网+”时代的大背景下，人工智能、大数据、云计算等技术高速发展，企业商业模式变化日新月异，在会计行业中只有时刻保持着对前沿知识技术的敏感、具备强大的自主学习能力与自主创新能力才能不被智能科技取代。因此在会计人才的培养教育中，应有意识的引导学生改被动接受为主动学习、改单调模仿为自发创造，不断提高学生的职业胜任素质。
（二）培养“互联网+”会计思维方式
（三）培养复合型会计人才
结合我国当前会计行业结合互联网技术后的发展现状进行分析，未来新技术的深入发展需要依据中国会计准则，不断完善会计信息化软件建设，丰富各类复杂业务的会计处理方式，因此高校需要加大“互联网+”会计的“跨界”复合型人才培养力度，使之兼具经济管理、数据分析、会计实务、信息技术等知识能力，迎合当前会计劳动力市场在快速发展的科技时代背景下的用人需要。
关键词：智能科学与技术；知识结构；应用型人才；人才培养；知识型能力本位教育
中图分类号：G64文献标识码：A
1引言
智能科学与技术主要包含智能科学和智能技术两部分内容[1]：智能科学是以人如何认知和学习为研究对象，探索智能机器的实现机理和方法；智能技术则是将这种方法应用于人造系统，使之具有一定的智能或学习能力，让机器系统为人类工作。目前，在本科专业目录中，智能科学与技术专业是计算机类之下的特设专业，在现有的人工智能专业群中，除了新设的人工智能专业外（2019年全国共有35所高校获首批人工智能新专业建设资格），智能科学与技术专业与全球范围大力推进与快速发展的人工智能关系最密切，契合度最高。一方面，智能科学与技术的专业发展和人才培养将为人工智能技术提供理论支撑、技术推进和人才支持，另一方面，人工智能产业现状和未来发展趋势直接影响着智能科学与技术的专业发展和人才需求。
2人工智能时代对人才的需求
站在国家战略的高度来看，人工智能将成为新一轮产业变革的核心驱动力，可以实现社会生产力的整体跃升，因此人工智能将成为引领未来的战略性技术，世界主要发达国家都把发展人工智能作为提升国家竞争力、维护国家安全的重大战略。
随着人工智能时代的到来，许多企业对具有智能科学与技术专业背景的人才有着巨大的需求。首先，IT企业纷纷涉足智能科学领域，提高产品智能水平；其次，许多传统制造业也在转型，从劳动密集型到知识密集型，进一步提升到智能制造型，并逐渐具备高精尖装备制造能力；此外，医疗、通讯、交通等行业也对智能科技人才有着迫切的需要。人工智能对各行各业的影响，充分体现了智能科技的高速发展，对人才数量和素质要求也越来越高。
3应用型人才培养模式分析
《中国制造2025》以推进智能制造为主攻方向，强调健全多层次人才培养体系，提到强化职业教育和技能培训，引导一批普通本科高等学校向应用技术类高等学校转型，建立一批实训基地，开展现代学徒制试点示范，形成一支门类齐全、技艺精湛的技术技能人才队伍。
通常而言，人才类型分为三类[2]：学术型人才、应用型人才、技能型人才。实际上从现代职业教育的发展和社会需求来看，应用型人才和技能型人才的界限相对模糊，可统称为应用型人才，即把成熟的技术和理论应用到实际的生产、生活中的技术技能型人才。从国家的层面来看，为了适应人工智能时展，人才需求数量基数最多、缺口最大的就是应用型人才，这也对众多高校培养人才的导向产生重大影响。这里我们重点讨论智能科学与技术应用型本科人才的培养，可从职能、知识结构、能力结构、行业（产业）导向四个方面来分析。
3.1职能
智能科学与技术应用型人才是培养面向各类智能科学与技术的工程设计、开发及应用，掌握各类现代智能系统设计、研发、集成应用、检测与维修、运行与管理等技术，具有扎实理论基础、较强工程实践和创新能力的高素质应用型工程技术人才。
3.2知识结构
智能科学与技术专业充分体现了跨学科的特点，其知识结构包含了三个并行的基础领域：电子信息、控制工程、计算机，也蕴含了电子信息工程、控制科学与工程、计算机科学与技术等学科的交叉和融合，体现了智能感知与模式识别、智能系统设计与制造、智能信息处理三个方面的专业内涵。
（1）智能感知与模式识别
属于电子信息与计算机交叉领域，主要定位在机器视觉与模式识别。包括三维建模与仿真、图像处理与分析、图像理解与识别、机器视觉、模式识别、神经网络、深度学习等。主要课程包括：电子技术基础、信号系统与数字信号处理、数字图像处理、模式识别等。
（2）智能系统设计与制造
属于控制工程领域，包括自动控制、无人系统与工程、精密传感器设计与应用等。主要课程包括：机械基础、工程力学、自动控制原理、传感器与测试技术、计算机控制技术、机电系统分析与设计等。
（3）智能信息处理
属于计算机领域，包括交通大数据、汽车与道路安全大数据等的分析与处理、信息处理与知识挖掘、信息可视化等。主要课程包括：智能科学技术导论、计算机程序设计、微机原理与接口技术、数据结构与算法、嵌入式系统设计等。
3.3能力结构
CBE是国际上较流行的一种应用型人才培养模式，主要代表国家为加拿大和美国。该模式以能力为人才培养的目标和评价标准，一切教学活动均围绕综合职业能力的培养展开，CBE人才培养模式主要有以下三方面的特色：能力导向的教学目标；模块化的课程结构；能力为基准的目标评价体系。该模式所培养的本科应用型人才具有较强的专业综合能力和职业能力[4]，在一定时期得到社会的广泛认可，但是单纯的CBE模式并不能完全适应人工智能时代对人才培养的需求，这是由于目前许多职业岗位在人工智能的冲击下，其形式和内容均会产生动态变化，要求现阶段的人才培养具有延伸性和前瞻性，既要兼顾眼前，也要考虑应对智能化浪潮，打好基础，提高自学习能力。因此，智能科学与技术应用型人才培养有一定岗位针对性，但并不是完全固化岗位内容及层次、固化知识属性，必须强化自我学习能力，才能实现能力可持续增长，岗位的向上流动性以及知识和经验的进化，才能真正适应人工智能时展的需求。
自我学习能力的形成与提高往往源于知识结构的构建[5]。为了塑造更合适的能力结构，需要CBE模式与知识结构的相辅相成，有鉴于此，将这种新型人才培养模式称之为知识型能力本位教育（Knowledge&CompetencyBasedEducation，简称KCBE）模式，这也意味着在人才培养过程中，将知识结构与能力结构放在并重的地位，既着眼于预期能力的培养，也必须让学生筑牢学科专业基础，在走向社会以后，在知识引擎的作用下，通过自我学习，具备并提升适应未来的、新的智能化岗位需求的能力。
3.4行业（产业）导向
从智能科学与技术专业的角度，培养的应用型人才以“智能化应用”为就业大方向，具体而言，包括：
（1）智能感知与模式识别领域
主要从事电子信息的获取、传输、处理、分析、应用等领域的研究、设计及应用，包括图像处理、机器视觉、工业视频检测与识别、视频监控、传感器设计及应用等。
（2）智能系统设计与制造领域
主要从事智能装备、智能制造、智能管理、智能服务等领域的设计、制造及应用，包括智能工厂、智能车间、智能生产线、智能物流、以及智能运营与服务等。
（3）智能信息处理领域
主要从事计算机数据处理、分析、理解、管理、以及服务等领域的研究、设计及应用，包括数据存储与管理、数据分析与预测、交通大数据分析应用、道路与汽车安全大数据分析、智能交通、智能电力、智能家居、智慧城市等。
涉及的产业领域主要包括智能制造，如工业互联网系统集成应用，研发智能产品及智能互联产品等。其他的领域还包括智能农业、智能物流、智能金融、智能商务等。
4KCBE模式人才培养的主要措施和途径
智能科学与技术专业应用型本科人才的培养模式一定是和人才需求、学校定位相適应的。培养应用型人才，应注重学生实践能力，从教学体系建设体现“应用”二字，其核心环节是实践教学。结合上述的KCBE培养模式，知识结构在能力培养过程中也占有非常重要的地位，因此在能力培养方面，知识和实践作为两大要素，不能偏废任何一方，必须齐头并进，既要固基础，也要重实践。
在本科的低年级阶段，应注重公共基础课，特别是数学和力学课程，还应充分了解智能科学与技术专业的内涵，让学生对所学专业有一个比较全面的认识。在本科中高年级阶段，重点强化专业基础，包括电子技术基础、自动控制原理、传感器与测试技术、微机原理与接口技术、数据结构与算法等。归纳地说，应该筑牢数理基础、计算机基础、机电基础和控制基础，因此对原理课程需要强化，这样对很多工作机理、来龙去脉的理解才能深刻。
（2）增强智能科学与技术专业的实践环节，构建以能力培养为重心的教学体系
按照KCBE模式，校企合作是强化实践的一种重要形式[6]。学校根据人工智能企业实际情况灵活设置实践课程内容，根据企业发展趋势及时调整课程体系以避免教学内容与企业需求相脱离。人工智能企业还可以参与学校教学目标和教学计划的制定，并为学校实践教学提供各方面支持，从而提高人才培养的针对性。
关键词：人工智能；研究生教学；教学内容；启发式教学
作者简介：于化龙（1982-），男，黑龙江哈尔滨人，江苏科技大学计算机科学与工程学院，讲师。（江苏镇江212003）
基金项目：本文系江苏科技大学引进人才科研启动项目（35301002）的研究成果。
人工智能是研究理解和模拟人类智能及其规律的一门学科，中心任务是通过编程赋予计算机部分的“人类智能”，从而使其可替代人类完成某些烦琐而危险的工作。自1956年人工智能学科诞生以来，其研究成果已广泛应用于政治、经济、文化、教育等诸多领域，并对社会发展产生了巨大的影响，[1]因而人工智能逐渐发展成了高等院校信息类专业广泛开设的一门核心课程。作为一门课程，其具有如下一些特点：涉及知识面广、研究领域广泛、内容抽象、实践性强。[2]
目前，高校“人工智能”课程普遍分本科和研究生两个教学阶段讲授，前者注重学生对基本概念、基础知识的掌握，并使其能应用所学知识进行简单的开发实践，而后者更加注重学生自主学习能力、创新能力以及科研能力的培养，因而二者的教学与培养目标是不同的。[3]本文针对“人工智能”课程自身特点和研究生培养目标，并结合笔者多年来的教学经验，分别从课程内容设定、教材选择、教学方法、考核方式等多个方面对该课程的教学改革进行了探索与研究。
一、“人工智能”课程教学内容的设计
当然，授课教师在实际授课过程中也应根据学科的研究进展，学生的基础﹑研究方向与兴趣等特点随时对教学内容作出调整，真正做到理论联系实际、与时俱进。
在教材选择上，笔者分析比较了目前已公开出版的数十本人工智能教材，并结合我校研究生的特点，选定了由清华大学出版社出版﹑蔡自兴和徐光祐编著的《人工智能及其应用》（第4版）作为教材，该教材在前一版的基础上做出了较大的改进与扩展，增加了本体论、蚁群算法、粒子群算法、强化学习、词法分析以及路径规划等很多新内容，具有知识覆盖面广、讲解深入浅出，实用性、可读性强等诸多优点。同时，该教材也是普通高校“十一五”国家级规划教材，辅有国家级精品课程建设网站，是一部经典的人工智能教材。
三﹑教学方法的改革
相比于本科生，研究生通常具有更强的理论基础、接受能力和求知欲，因而在教学过程中应避免传统“填鸭式”的教学方法，要充分突出学生的主体地位，注重培养学生的学习兴趣以及自主学习的能力。为此，笔者结合该课程的特点，对教学方法进行了如下探索。