基于算法驱动的实践教学模式在职业本科教育中的应用——以“数据结构”课程为例

　　文/孙志伟 深圳职业技术大学本科教育学院

　　摘要：职业本科教育强调“知行合一”，“数据结构”作为职业本科课程长期面临理论与实践脱节、职业适配性不足等问题。本文提出“案例导入-算法实现-项目实战”的实践教学模式，通过融合典型算法案例（如Dijkstra算法）与真实应用场景（智能导航系统），构建“学-练-用”闭环教学框架。本文为职业本科计算机类课程改革提供了可复制的实践范式。

　　关键词：数据结构；职业本科；场景嵌入；智能导航

　　引言

　　数据结构是计算机科学的核心基础，但其教学长期存在“重理论、轻实践”的困境。国内外研究表明，传统教学模式中知识孤立化、案例单一化问题显著[1-2]。尤其在职业本科教育中，学生须具备快速适应企业技术需求的能力，而现有课程设计难以满足“技能导向”培养目标[3-4]。国外经典教材如《算法（第4版）》（Algorithms, 4th Edition）注重通过实际案例引导学生理解算法设计[5]。我国教育部在职业教育改革中多次强调实践教学体系的构建以及产教融合的重要性[4-6]，这为数据结构教学改革提供了政策支持和方向指引。因此，探索一种结合实践、项目驱动、产教融合的教学模式，对于提升职业本科教育的教学效果具有重要意义。

　　本文旨在构建以算法为驱动、以职业场景为载体的实践教学模式，为职业本科教育提供可落地的课程改革方案，理论意义则体现在“算法-数据结构-场景”三元融合模型的创新性构建。

　　1. 现有教学模式不足与职业本科需求分析

　　1.1 现有教学模式的局限性

　　1.1.1 教学方法和模式僵化

　　在当前的计算机教育领域，尤其是“数据结构”课程的教学中，国内高校普遍采用“理论讲授+代码演示”的模式。这种模式虽然在一定程度上能够传授基础知识，但也存在诸多问题，难以满足职业本科教育对高素质技术技能型人才的培养需求[7]。在“理论讲授+代码演示”的模式下，学生往往只是被动地接受知识，缺乏主动参与和实践的机会。这种教学方式难以激发学生的学习兴趣和创造力，不利于培养学生的工程化思维和解决实际问题的能力。

　　1.1.2 知识割裂

　　传统的教学模式往往将数据结构分开讲解，导致学生难以理解二者之间的协同性[8]。例如，在讲解哈希表时，学生可能只学会了哈希表的结构，但对于如何设计冲突解决算法以及如何优化哈希函数却知之甚少。这种知识的碎片化使得学生在面对实际问题时，难以灵活运用所学知识进行综合分析和解决。

　　1.1.3 案例陈旧

　　现有的教学案例多集中于基础算法，如冒泡排序、快速排序等，这些案例虽然经典，但已难以满足现代计算机科学的前沿需求[9-10]。随着人工智能（AI）、区块链、大数据等新兴技术的快速发展，学生需要接触更多与这些前沿技术相关的案例，如AI推荐系统中的协同过滤算法、区块链中的默克尔树等。然而，目前的教学案例在这方面明显不足，导致学生对新技术的理解和应用能力受限。

　　1.2 职业本科教育的特殊需求

　　职业本科教育作为职业教育体系中的重要组成部分，肩负着培养高素质技术技能型人才的重任。根据《国家职业教育改革实施方案》[6]，职业本科教育需聚焦“技术技能融合”与“真实场景对接”，以满足社会对技术技能人才的迫切需求。

　　1.2.1 技能导向

　　职业本科教育强调技能培养，学生需要具备解决实际工程问题的能力。例如，在数据库索引优化方面，学生不仅要理解B+树的原理，还要能够将其应用于实际的数据库系统中。这种技能导向的教学模式要求课程内容更加贴近企业的实际需求，培养学生的实践能力和创新精神。

　　1.2.2 分层递进

　　职业本科教育注重课程内容的分层递进，以适应不同层次学生的学习需求。这种分层递进的教学模式能够帮助学生逐步建立知识体系，提高学习效果。同时，通过不同层次的项目实践，学生能够更好地理解和掌握所学知识，培养解决复杂问题的能力。

　　1.2.3 产教融合

　　中共中央办公厅、国务院办公厅印发的《关于推动现代职业教育高质量发展的意见》明确提出“深化产教融合”[4]，要求课程内容与企业需求无缝衔接。这意味着职业本科教育需要加强与企业的合作，引入企业的真实项目和案例，让学生在实践中学习和成长。通过产教融合，学生能够更好地了解行业动态和企业需求，提高就业竞争力。同时，企业也能够参与人才培养过程，为学生提供实践机会和指导，实现校企双赢。

　　2. 基于算法驱动的教学模式构建与实施——以“数据结构”课程为例

　　2.1 基于算法驱动的教学模式构建

　　2.1.1 理论框架与设计要点

　　2.1.1.1 理论框架

　　基于算法驱动的教学模式以算法作为知识串联的核心线索，构建了一个从理论到实践的完整闭环。具体而言，这一过程被划分为三个关键阶段：首先是“案例导入”，通过引入实际应用场景来激发学生的学习兴趣和求知欲；然后是“算法实现”，在这个阶段，学生将学习并掌握相关算法的具体实现方法；最后是“项目实战”，学生需要将所学的算法和数据结构知识应用到实际的项目中，从而实现理论与实践的紧密结合。

　　2.1.1.2 设计要点

　　首先，算法牵引。选择经典算法作为教学的切入点，如Dijkstra算法，通过对算法的深入分析，引导学生理解数据结构（如图和优先队列）的实现逻辑。这种以算法为核心的牵引方式，有助于学生建立对数据结构的直观认识，并理解其在算法实现中的关键作用。

　　其次，场景嵌入。将教学内容与实际应用场景紧密结合，如设计智能导航等案例。通过这种方式，学生能够在学习过程中感受到“数据结构”课程知识在现实世界中的重要价值，从而提高他们的学习动力和兴趣。

　　最后，分层递进。根据学生的认知规律和学习能力，将教学内容分为初级、中级和高级三个层次。初级项目侧重于基础数据结构（如链表）的实现，中级项目则引入更复杂的数据结构（如B+树索引优化），而高级项目则挑战性地涉及智能导航等复杂场景。这种分层递进的设计有助于学生逐步构建和完善自己的知识体系，同时培养他们解决复杂问题的能力。

　　2.2 基于算法驱动的教学模式实施

　　2.2.1 准备阶段——教学模块设计

　　围绕课程核心知识图谱，设计五大教学模块（如表1所示），形成从基础到前沿的梯度知识架构。每个模块包含典型算法案例、核心数据结构及对应工程场景，构建“知识-能力-应用”的映射关系。

　　2.2.2 实施阶段——教学模式的落实

　　“数据结构”课程作为人工智能技术应用专业的核心课程，蕴含了大量知识点。为验证“案例导入-算法实现-项目实战”这一实践教学模式的有效性，笔者从该课程中选取“智能道路巡检小车如何规划最短路径”这一知识点进行研究。

　　2.2.2.1 案例导入：问题驱动的知识锚定

　　以真实工程问题为切入点，构建算法学习的现实场景（场景嵌入）。通过具象化问题描述（如“智能道路巡检小车如何规划最短路径”），建立算法需求与实际应用的直接关联。引导学生从问题定义出发，分析关键技术点（如最短路径求解对应Dijkstra算法），明确数据结构选择的约束条件（如图的存储结构影响算法效率）。此环节侧重培养问题抽象能力，使学生理解“为何需要特定算法”，而非简单学习技术细节。

　　2.2.2.2 算法实现：数据结构与算法的协同建模​

　　在算法实现解析过程中，建立“数据结构决定算法效率”的核心认知。以Dijkstra算法为例，对比邻接矩阵与邻接表两种存储结构在空间复杂度上的差异[O(n2)与 O(n+e)]，分析优先队列优化对时间复杂度的影响[从O(n2)提升至O((n+e)logn)，其中，n表示图中顶点数量，e表示图中的边数量]。通过代码逐行注释、时空复杂度量化分析、不同实现方案对比等教学手段，揭示数据结构如何作为算法的底层支撑。

　　2.2.2.3 项目实战：工程化能力培养体系

　　采用“分组协作-需求拆解-迭代开发”的项目实施模式，以“智能道路巡检小车导航系统”等真实场景为载体，要求学生完成从需求分析到系统实现的全流程。

　　重点培养三项核心能力：（1）技术选型能力——根据项目约束（如嵌入式设备算力限制）选择合适的数据结构（如邻接表替代邻接矩阵）与算法优化策略（如启发式搜索改进Dijkstra算法）；（2）工程化实现能力——完成动态路径更新（实时处理传感器数据）、效率分析（基于Big Onotation评估算法性能）、可视化交互（路径规划结果图形化展示）等功能模块；（3）团队协作能力——通过Git进行版本控制，运用敏捷开发模式（Scrum）管理迭代周期，最终提交包含技术报告、代码仓库、演示视频的完整交付物。

　　该实施路径通过模块化知识组织、场景化问题导入、工程化能力训练，构建“理论认知-技术应用-创新实践”的递进式培养体系，为后续具体教学案例的落地实施提供可复用的方法论框架。

　　2.3 总结阶段——教学效果评估与反思

　　为了全面评估所提出实践教学模式的效果，笔者进行了对比实验。以下是具体的实验过程和数据。

　　2.3.1 实验对象

　　选取深圳职业技术大学人工智能技术应用专业120名大二学生作为调查对象，其中2023级60名学生为实验组，2022级60名学生为对照组。

　　2.3.2 实验设计

　　实验组：采用“案例导入-算法实现-项目实战”实践教学模式。

　　对照组：采用传统“理论讲授+代码演示”教学模式。

　　2.3.3 观察指标

　　知识掌握度：通过闭卷考试评估学生对最短路径的理解。

　　实践能力：通过项目评分评估学生的代码实现和优化能力。

　　课程满意度：通过问卷调查评估学生对课程的整体满意度。

　　2.3.4 实验结果

　　由表2可知，实验组知识掌握度的平均分显著高于对照组，“案例导入-算法实现-项目实战”实践教学模式在提高学生知识掌握度方面的应用价值较高。

　　由表3可知，实验组实践能力的平均分显著高于对照组，“案例导入-算法实现-项目实战”实践教学模式在提高学生实践能力方面的应用价值较高。

　　笔者自制调查问卷对深圳职业技术大学人工智能技术应用专业120名大二学生（2023级60名学生为实验组，2022级60名学生为对照组）进行课程满意度调查，调查结果如表4所示，其中实验组满意度显著高于对照组。

　　结语

　　在短期效果方面，“案例导入-算法实现-项目实战”的实践教学模式成效显著，极大地提升了学生的知识迁移能力。以“智能道路巡检小车如何规划最短路径”这一案例为例，在采用该教学模式后，学生对知识的掌握度以及实践能力均提高，主要得益于教学模式中案例导入环节，通过真实场景问题激发学生兴趣，引导学生主动思考；算法实现环节深入剖析数据结构与算法的协同关系，帮助学生理解知识本质；项目实战环节让学生在实际操作中运用所学知识，实现知识的有效迁移。此外，该教学模式创新性地将真实场景融入教学，有效解决了职业本科教育中数据结构课程理论与行业实际需求脱节的问题。在案例导入和项目实战环节，引入大量实际应用场景，让学生在学习过程中充分了解数据结构在行业中的应用方式和价值，填补了理论与实践之间的鸿沟。

　　未来展望中，计划进一步扩展案例范围，引入区块链中的默克尔树、元宇宙中的空间索引等前沿技术场景，以增强课程的前瞻性和实用性。同时，将课程思政融入算法设计，通过隐私保护算法与哈希脱敏技术等案例，对学生进行工程伦理教育。

　　参考文献：

　　[1]王小荣,张宏立,张文祥,等.新工科背景下“项目驱动式”创新教育模式探索[J].新教育时代电子杂志（教师版）,2024,(17):156-158.

　　[2]徐琳琳.算法设计与分析课程教学改革探索[J].计算机教育,2022,(5):161-165.

　　[3]张伟,郝永池.职业本科教育实践教学体系的构建[J].学周刊,2024,4(4):111-114.

　　[4]中共中央办公厅 国务院办公厅印发《关于推动现代职业教育高质量发展的意见》[EB/OL].(2021-10-12)[2025-04-25].https://www.gov.cn/zhengce/2021-10/12/content_5642120.htm.

　　[5]Sedgewick R,Wayne K.Algorithms,4th Edition[M].Boston:Addison-Wesley Professional,2011.

　　[6]国务院关于印发国家职业教育改革实施方案的通知（国发〔2019〕4号）[EB/OL].(2019-01-24)[2025-04-25].https://www.gov.cn/zhengce/content/2019-02/13/content_5365341.htm.

　　[7]中华人民共和国教育部.计算机应用工程专业教学标准（高等职业教育本科）[EB/OL].(2025-02-11)[2025-04-25].http://www.moe.gov.cn/s78/A07/zcs_ztzl/2017_zt06/17zt06_bznr/bznr_zyjyzyjxbz/gdzyjy_bk/bk_dzyxxdl/dzxxdl_jsjl/202502/P020250207565640134588.pdf.

　　[8]黄少年,李广琼,王莉.ChatGPT驱动下数据结构与算法课程教学改革与实践路径[J].电脑知识与技术,2025,21(2):134-136,140.

　　[9]游思思,戴华,鲍秉坤.大模型与OBE教育理念驱动的C语言算法与数据结构课程改革探索[J].汉字文化,2024(22):178-180..

　　[10]杨洋,孔敏,符茂胜,等.“算法与数据结构”课程教学方法的多元融合探究[J].皖西学院学报,2023,39(5):69-73.

　　作者简介：孙志伟,博士研究生，副研究员，smeker@szpu.edu.cn，研究方向：算法设计和职业本科教育。

　　基金项目：深圳职业技术大学2024-2025学年本科专业“揭榜挂帅”课程——数据结构一（编号：深职大校发〔2024〕151号）；深圳职业技术大学研究基金——量子安全通信协议设计与应用研究（基金号：6024310040K）。