产出导向的教学情境建构：以信息安全违规事件分析能力为例

段斌 曾晓琳 蒋萌 刘泽涛

[摘 要]在线上课堂火热开展之际，教师如何保证线上教学与线下课堂教学效果实质等效，实现基于产出导向的翻转课堂是值得探究的。文章以湘潭大学2017级通信工程专业信息安全课程的第四次探究式学习作业为例，介绍“以学生为中心，产出导向”的线上课堂如何融合“互联网+”“智能+”技术实现专业与工程伦理学习任务的演进与交互，结合学生信息安全违规事件证据推理实验的学习成果，展示教师如何构建面向产出的课程教学“智能+”评价。

[关键词]产出导向;专业课程;教学案例设计;课程质量评价

[中图分类号] G640 [文献标识码] A [文章编号] 2095-3437（2022）01-0049-06

2020年5月28日，教育部印发的《高等学校课程思政建设指导纲要》明确要求，工学类专业课程，要注重强化学生工程伦理教育，要在课程教学中把马克思主义立场观点方法的教育与科学精神的培养结合起来，提高学生正确认识问题、分析问题和解决问题的能力[1]。而如何实现工科类专业学生的工程伦理教育，如何将工程伦理准则内化为学生从事职业活动的行为准则是工程伦理教学中迫切需要解决的问题。本文将探究如何在工程伦理教学中建构产出导向教学情境。

产出导向（Outcome-based Education， OBE）自被提出以来就备受教育学界的普遍认可和高度重视，其核心要义是认为教学设计和教学实施的目标是学生通过教育过程所取得的学习成果（产出），即以预期学习产出为中心来组织、实施和评价教育的结构模式[2]。虽然OBE这一教育理念已有数十年的研究和践行历史，各层次的高等教育院校从不同角度进行了不同程度的教学改革，然而教学效果仍不甚理想，以教师为主导的传统讲解式教学方式仍未得到根本转变[3]。

例如为了实现教学方式由“以教师为主导”转变为“以学生为主导”，OBE课堂多采取互动式、研究型教学和情境教学，以提高学生的主观能动性。情境教学法是指教学实施过程中，教师结合教学目标、内容、对象等特点，有目的地引入或创设与授课内容相近的场景，生动具体地展示讲授内容，引导学生积极参与课堂活动，进而使得学生更好地理解教学内容，提高学习兴趣，激发学生主观能动性[4]。而如何实现产出导向的教学情境建构以及如何促进OBE理念在课程和课堂教学中落实，体现以学生为中心的教育价值，一直是教育工作者颇感困惑的一大难题。

鉴于此，本文针对教师如何在课程和课堂教学方面践行OBE理念，提出颇有前沿性的多重任务演化的专业工程伦理交互教学设计。以一堂“信息安全行为准则违反发现的人工智能方法”的在线课堂为例，介绍教师如何基于“以学生为主导”的理念采用情景教学法组织学生翻转课堂，介绍 “互联网+”“智能+”技术如何辅助实现工科类专业学生专业与工程伦理学习任务的演进与交互，实现师生在线课堂高效互动。

一、OBE理念教学设计

在传统教学中，教学内容往往高于教学目标并占主导地位;而在OBE教育中，教学目标高于教学内容并占主导地位，教学设计、实施、评价等活动都围绕预期目标展开。在OBE结构体系中，教学目标的确定要落到课程教学目标的制定上，按照自上而下的反向设计路径，以培养目标为最高导向，逐层分解，映射得到[2]。可见，OBE教育的核心和基石始终是课程和课堂教学。而要使课程目标真正发挥“制导”作用，就必须协同考虑教学系统的组成部分，逐层细化，控制每一个环节，最终与评价标准实现接轨。

（一）多重任务演化工程伦理教学设计

本文以湘潭大学2017级通信工程专业信息安全在线课程为例，此次课程贯穿“以学生为中心，产出导向”的教学理念，整合入侵检测技术专业知识和信息安全工程伦理学习内容，采用多重任务演化的教学设计，完成网络安全技术教学目标：运用入侵检测知识和人工智能技术分析信息安全违规事件问题，评价信息安全违规行为。如图1所示，通过底层教学任务Aj达成教学目标，即学生学习成果Cj，在学生完成每项教学任务期间保存学生学习的表现数据Dpj和場景数据Dsj，学生与任务之间的产生关联信息OIj，这些数据都均可以作为评估学习成果达成度的证据。随着课程的推进，学生的学习成果由浅入深，左边学习项目的达成结果数据和过程数据会对右边学习任务产生影响，即右边学习任务建立在左边学习任务达成的基础之上，最终达成网络安全技术教学目标要求。

多重任务演化的教学设计中，采用了两种教学法——直接教学法和间接教学法。直接教学法包括角色扮演、学生讨论、举出正例反例、完成活动、获得新知识、完成技能、进行实践等，其根本逻辑是让学生直接体验，自己得出结论;间接教学法包括道德榜样、典型事件、进行指导、改变氛围、可视化技术等，其根本逻辑是教师安排学长、学姐或助教演示，由学长、学姐或助教得出结论，学生间接领会掌握知识。在实际教学中，直接教学法和间接教学法都十分重要，应该配合使用[5]。对于直接教学法，学生从来不随意推翻和忘记自己得出的结论;而对于间接教学法，不同的案例对学生的刺激程度不同，越是学生熟悉的刺激程度越高。

为达到让学生具备分析信息安全违规事件问题能力的目标要求，本文采取“教师在对问题的研究中教，学生在对未知的探索中学”的模式，设置4个教学任务（A1～A4），4个教学任务在知识、能力和素质等方面呈现递进的能力关系。具体如下：

（1）教学任务A1利用线上平台慕课中SPOC精品课程讲解宏观网络安全预警、入侵检测等基础知识点，引导学生了解网络安全预警技术的概念、常见网络安全预警模型、入侵检测技术的概念和指标参数，掌握安全预警系统的结构、安全预警系统功能模块结构、预警技术的主要功能以及入侵检测技术的分类方法;通过课件学习使学生达到领会层面的学习效果。

（2）教学任务A2引入朋辈示范，邀请往届学姐引入前沿技术——人工智能问题（风电场异常停机威胁发现）录制抖音视频，简单介绍证据推理的基本原理与操作步骤，引导学生掌握如何选择底层观察事件，如何进行诱导推理、演绎推理以及使用Disciple-EBR软件归纳推理，培养学生高阶性学习能力，让学生面向工程问题在运用层面产生学习效果。

（3）教学任务A3引入工程伦理（自动驾驶伦理问责推理）以及科研成果，分析德國《自动驾驶道德准则》中与网络通信相关的条例，构建自动驾驶情境下的问责伦理问题，详细介绍基于证据辨析的学徒代理推理方法和推理软件（Disciple-EBR）的使用，引导学生迁移运用人工智能技术分析新情境问题（工程伦理问题），在分析层面产生学习效果，培养学生迁移学习能力。

（4）教学任务A4不同于前面3个任务的间接教学法，本任务采用直接教学法，布置研讨任务——信息安全行为准则违反发现的人工智能方法，提供学生5个有国际影响力的信息安全行为准则或规范资料，学生可结合教学任务A1～A3的学习，使用学徒代理工具软件（Disciple-EBR），设定底层观察事件，以及选定领域的工程伦理原则和规范，实施推理，构建推理树，发现对该领域工程伦理原则和规范的违反，并做出伦理道德决策。通过学生实践，实现知识能力素质相结合，引导学生运用人工智能技术解决专业与工程伦理交互问题，培养学生解决复杂工程问题的能力，将工程伦理准则内化为学生从事职业活动的行为准则，在综合评价层面产生学习效果。

（二）面向产出的“智能+”评价机制

为了保证教学活动始终不偏离教学目标并促进目标的更好达成，专业必须建立面向产出的评价机制——以教学目标为依据，运用有效的技术手段对教学过程和结果进行收集、分析和解释的活动。如果说课程是OBE教学体系中的薄弱一环，那么课程评价就是薄弱中的薄弱[2]。传统教学评价大多依赖于纸笔测试，常常忽略学生自身的思维能力和判断能力，并且教师常常对学生学习效果的关注不够，对课程目标实现情况缺乏分析。在产出导向教学情境中，虽然大多数教师能够从学生个体和整体的角度对课程目标达成度进行评价，但是仍然不知道“能力”到底应该如何评价。伴随着“互联网+”“智能+”技术的高速发展，如何利用“智能+”技术实现教师对学生解决复杂工程问题的能力的评价以及课程目标实现情况的问题分析是当前研究的难点。

本文中，教师从教学目标出发，对每一个教学任务设计具体、明确和能够观测和衡量的考核观测点。对学生“达成”考核观察点的情况，设计了标准细化、明晰并能体现层次差别的“智能+”评价机制。在教学任务A1到A4中，因为教学侧重点不同，每次学生任务的达成情况也会有所不同，相应的评价机制细节也会有所调整。本文以湘潭大学2017级通信工程专业信息安全课程的第4次探究式协作学习任务A4——“信息安全行为准则违反发现的人工智能方法”为例，教师依据教学任务A4提出教学目标，把教学目标当作顶层假设层层分解出子假设，最底层的子假设即为考核观察点，绘制推理树，并使用Disciple-EBR软件完成归纳推理，构建“智能+”评价机制。

假定该班共有25人，每组学生团队5人，共5组，分别为A、B、C、D、E组。本文针对教学任务（A4）制定8个考核观察点，根据考核观察点，制定证据索引表（见表1），演绎推理，构建推理树（见图2）。

课前，学生团队需要在教师的指导下，按照要求填写每个考核观察点的时间戳。在该组作品展示前，教师将该组展示团队填写了时间戳的证据索引表文档转换为可在线协作编辑文档，并利用线上平台分发给非该组展示学生;在学生作品展示过程中，教师和非该组展示学生观看该组学生作品视频，填写该组的证据索引表分数，但该组学生不可进行此次证据索引表打分。具体打分规则如下：

Rule1：非该组展示学生及教师，对展示作品索引表的证据相关性和可靠性进行打分，两项指标分值区间均为1-5分。其中，证据的相关性是指证据是如何与试图证明或反驳的假设联系在一起的，可靠性是指该证据所述内容的真实性[6]，分值越高，表示证据的相关或可靠程度越高;

Rule2：教师单独为一组，即教师填写一份证据索引表相当于一组人（此处为5人）填写证据索引表;

Rule3：打分结束后，教师收集填写完毕的证据索引表，将分值进行分析处理。

二、OBE理念教学实施

（一）学生学习成果展示

对于第4次探究式协作学习任务A4——“信息安全行为准则违反发现的人工智能方法”，每组学生结合前期A1到A3入侵检测技术、风电异常停机威胁发现、自动驾驶伦理问责推理以及信息安全工程伦理的学习，针对教师给出的5个有国际影响力的信息安全行为准则或规范资料，选择其中一个，使用学徒代理推理工具软件（Disciple-EBR），依据信息安全领域重大事件或自行设定一个观察事件E*，构建推理树，开展实验，实施伦理推理，发现事件对工程伦理原则和规范的违反，并做出伦理道德决策。课堂使用“智能+”评价机制对学生团队的作品进行评价。

以A组选题——美国“棱镜门”事件对信息安全国际行为准则违反的研究”为例：借助Disciple-EBR工具，A组学生基于联合国第69届会议中，中国联合5个国家带头发布的信息安全国际行为准则文件中第2、第3和第4条准则[7]，对美国信息安全事故“棱镜门”事件进行证据推理，设计了如下实验[6]：

Step1：以美国“棱镜门”事件违反信息安全国际行为准则作为底层观察事件E*。

Step2：向上诱导推理寻找能够解释底层观察事件E*的假设H11和H12。

Step3：继续向上诱导推理，寻找能够解释假设H11的假设H21和H22，重复上述操作，层层递进，绘制推理二分树。

Step4：对顶层假设进行演绎推理，搜集的证据得出新的可观察现象：美国“棱镜门”事件违反第2、第3和第4条准则，表现在6个方面。其中违反第3条准则具体表现在两个方面：“破坏美国经济”和“破坏他国知识产权”，推理树绘制见下图3所示。

Step5：根据推理树以及证据的相关性和可靠性，借助Disciple-EBR软件进行归纳推理，推理出每一个假设成立的可能性，表2详细列出了违反第3条准则的具体表现——“破坏美国经济”和“破坏他国知识产权”两方面的证据相关性、可靠性的概率设置情况，违反第3条准则的归纳推理实验仿真的结果如图4所示。

对于证据的可靠性概率设置，由于A组学生团队以在全网搜集的有关美国“棱镜门”事件的新闻报道作为证據，按照“该证据所述内容的真实性”这一标准，所有证据的相关性均设置为“certain”。对于证据的相关性概率设置，学生团队基于Python平台使用自然语言处理中的BM25算法[8]，将证据与假设之间的相关性进行量化，得出证据与假设间的相关性分数，并将分数归一化到[1，5]。最后以1为间隔，把分数从低到高划分成5个概率等级：no support、likely、very likely、almost certain和certain。

分析实验仿真结果：美国“棱镜门”事件违反准则2的推理力为very likely，违反准则3的推理力为almost certain，违反准则4的推理力为almost certain，违反信息安全国际行为准则的推理力为almost certain，这表明美国“棱镜门”事件对信息安全国际行为准则文件中第2条准则的违反情形是极大可能的，第3条准则和第4条准则的违反情形是几乎确定的。

（二）学生学习成果的“智能+”评价

A组学生团队展示结束后，教师收集非该组同学填写完的索引表，将分值按照“智能+”评价机制进行如下处理：

Step1：统计非该组展示学生及教师填写的索引表中证据i的相关性相应分值j的概率[P（xi ， j）]以及可靠性相应分值j的概率[P（xi ， j）， i[1，6]， j [1，5]];

Step2：求取每一项证据i的相关性、可靠性加权平均分的四舍五入值，如式（1）、（2）所示：

[xi=j=15（PYxi ， jY × j）+12]          （1）

[yi=j=15（PYxi ， jY × j）+12]          （2）

例如教师及学生对证据1的相关性、可靠性打分情况如下图4、5所示，则有：

[x1=4.68+0.5=5]

[y1=4.72+0.5=5]

对其他证据进行同样分析，可得由B组的所有索引表整理出的证据评价结果如下表4所示。

Step3：将所得四舍五入值按照表2中的规则，设置为Disciple-EBR软件证据推理实验中证据的相关性和可靠性;

Step4：根据推理树、相关性和可靠性，对每个小组的索引表中的各项证据均使用Disciple-EBR软件归纳推理;

Step5：将归纳推理结果按照表3的规则变换，得到该组的评价分数。

Disciple-EBR软件仿真实验结果见下图6，得到A组展示作品的评价结果为“certain”，即A组展示作品分数为5分（优秀）。

以往教师对学生的思政考评，大多着重对学生的政治觉悟、道德品质、理想信念等抽象内容进行总体评定，这些指标难以量化，因而一般进行质性评价方法[9]。而本文在工科类课堂背景中，教师充分融合了“互联网+”“智能+”技术，对学生专业工程伦理掌握程度的质性评价进行量化处理。如图6所示，使用Disciple-EBR仿真软件依据表4证据的相关性和可靠性分数，对教学目标的达成情况进行证据推理实验，可得A组学生对教学目标“专业知识与工程伦理交互”达成度是“certain”，得出其专业知识与工程伦理交互（思政）考评结果是优秀。

A组学生团队通过该任务的学习，掌握证据推理方法和证据推理仿真实验技能，掌握迁移学习等高阶思维能力，促进学生将工程伦理准则及规范内化为自己从事职业活动的行为准则。而A组学生团队的学习成果评价表明，教师的多重任务演化教学设计不但促进了学生对工程伦理准则及规范的内化，而且让学生真切感受到随着中国的强大，中国在国际舞台上彰显大国风采，发挥着越来越重要的作用，促进学生“四个自信”的增强。

“个体工程伦理与职业道德的形成机理”是当前工程伦理教学的难点内容。而如何教导学生有效增强工程伦理意识、掌握工程伦理规范、维护和遵守行业基本道德规范和职业规范，是高校培养新工科人才的重要环节。此次教学任务的创新性主要表现在：不同于通常思政课程案例教学模式的全文科特征，本教学任务融入OBE教学理念，构建专业知识与工程伦理学习任务交错演化的教学情境，设计面向产出的“智能+”评价机制，帮助学生提升工程能力显性知识、工程思维隐性知识的同时，将工程伦理准则内化为自我的工程实践规则。

三、结语

本文充分利用在线教学平台，融合“互联网+”“智能+”等技术，以信息安全违规事件分析为例，实现产出导向的教学情境建构，提出专业与工程伦理交互的多重任务演化教学设计案例，促进OBE理念在课程和课堂教学中落实，提升学生课堂参与度，加强师生间互动交流，实现高效的互动性。

本文结合证据推理和Disciple-EBR仿真软件，构建面向产出的课程教学“智能+”评价机制，并借助此方法对学生团队A组进行评价，验证了此方法的合理性和有效性。

针对工程伦理嵌入社会主义核心价值观的教学任务，本文不同于传统案例教学模式的全文科特征，提出了多重任务演化的工程伦理学习途径。专业与工程伦理学习任务的交错、演化，有效地促进了学生培养目标达成，使其适应社会需求，提高了学生学科知识水平与能力素质。

[ 参 考 文 献 ]

[1] 中华人民共和国教育部. 高等学校课程思政建设指导纲要[Z].2020-05-28.

[2] 王永泉，胡改玲，段玉岗，等.产出导向的课程教学：设计、实施与评价[J].高等工程教育研究，2019（3）：62-68，75.

[3] 刘小杏，刘晓萌.产出导向下大学英语SPOC翻转课堂教学模式构建与实践[J].昭通学院学报，2019（5）：94-98，114.

[4] 项凤涛，张万鹏.基于产出导向的情境教学方法研究探索[J].高教学刊，2020（6）：74-76.

[5] 郭勇.直接教学模式和间接教学模式的比较研究[J].新课程研究（中旬刊），2013（6）：103-105.

[6] Tecuci G， Marcu D， Boicu M， et al. Knowledge Engineering： Building Cognitive Assistants for Evidence-based Reasoning[M]. Cambridge University Press， 2016.

[7] 中华人民共和国外交部.信息安全国际行为准则[Z]. 2015-03-05.

[8] Jones K S， Walker S， Robertson S E. A probabilistic model of information retrieval： development and comparative experiments： Part 2[J]. Information processing & management， 2000（6）： 809-840.

[9] 张耀荣.信息化教学环境下高校思政课考核评价的科学化思考[J].教育观察，2019（39）：120-122.

[责任编辑：刘凤华]

作者简介及联系方式

作者简介：段斌（1966—），男，湖南人，博士，教授，研究方向：认知智能。

研究项目：1、湖南省新工科研究与实践项目（20209012）;2、湖南省学位与研究生教育改革研究思政项目（2020JGSZ016）。

2778500511345