人工智能教學分析
前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇人工智能教學分析范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。
人工智能教學分析范文第1篇
關鍵詞：智能科學與技術；課程體系；培養管理
1背景
智能科學與技術是當前科學研究和工程實踐的理論與技術發展的前沿領域，智能科學與技術專業是一個多學科交叉的跨應用領域專業Ⅲ。智能科學技術的發展將把整個信息科學技術推向“智能化”的高度，這正是當代科學技術發展的大趨勢，對于這方面人才的需求也越來越迫切。智能科學與技術培養掌握堅實智能科學與技術基本理論和系統專門知識，具備作為工程師或領導者及公民的良好人文修養，具有從事科學研究、工程設計、教學工作或獨立擔負本專業技術工作能力，深入了解國內外智能科學與技術領域新技術和發展動向，能結合與本學科有關的實際問題進行創新研究或工程設計的高級專門人才。
高校應穩妥發展與完善智能科學與技術專業的本科生教育，夯實本科教育基礎并積極創造條件，大力開展創新教學，努力培養學生的創新意識、創新精神和工程實踐能力，使之成為具有系統技術基礎理論、專業知識和基本技能，良好科研素質和較強創造能力的智能科學與技術工程師。
2教學計劃與教學管理分析
智能科學與技術屬于計算機類專業，其必修課程設計原則是使學生具備計算機科學與工程的基礎理論知識，尤其是大類專業招生教學的院校，通識課程主要是數學、物理文化基礎，強調扎實的自然科學基礎。專業教學的特色體現在專業必修和專業選修課程，專業必修課一般分為數學基礎和專業課程。計算機類專業數學基礎課程一般包括線性代數、微積分、離散數學、微分方程、概率與統計、數值計算等；專業課程一般包括程序設計基礎、高等程序設計、數據結構、操作系統、計算機組成與結構、數字電路與邏輯設計等。
2.1學分
本科培養計劃的學分中，國內外大學學分總數趨勢是逐步減少，追求少而精。國內院校一般在130～190學分之間，如北京大學為150學分，清華大學為1 70學分，東南大學與浙江大學均為160學分，還有16學時為1學分的，也有18學時為1學分的。
中國臺灣的大學一般在130學分左右。臺灣交通大學最低畢業學分為128學分，其中必修課程須達76學分（共同必修58學分+資工組核心須達分+（資工組副核心課程學分+另2組核心課程學分）），專業選修本系課程須達12學分，其他選修課程須達12學分，通識課程須達28學分（含外語課程必修8學分）。臺灣“中央大學”為136學分，臺灣“清華大學”為136學分，其中必修和必選學分126，其他與導師商量決定。
美國的大學各校差異較大。美國的學分計算有4學期制、兩長一短制及兩學期制，其中加州大學伯克利分校為120學分，麻省理工大學為90學分，加州大學洛杉磯分校為186學分，斯坦福大學為180學分。
2.2教學管理
在教學管理上，斯坦福大學給學生提供了非常寬松的自由發展空間。新生入校后不分專業、不分學院。除了醫學院和法學院學生需要經過一定的選拔程序外，本科生可以在入學后的前一個學期適當時候隨意選擇專業，并且選擇專業后允許更改，只要畢業時滿足專業培養方案即可。
國內的浙江大學是較早實行按大類招生的學校之一，分為大類培養、專業培養和特殊培養3類，前兩年不分專業，按學科分類集中培養。
臺灣的大學專業也是按大類完成前期的基礎課程，再分小專業完成各學程，包括基礎課、核心課和進階課。
教學分組是現在的主流課程架構，也是體現專業方向的主要形式，分組課程是體現專業特色的課程組。國內清華大學采用的是分組教學；臺灣的大學基本上采用的是以教學方向分組的方式，臺灣的大學教學分為課程與修業、學分學程。
2.3實驗與實踐教學
計算機類專業各大院校都強調課程實驗與實驗教學，而目前課程該如何進行教學？這不僅是實驗問題，如何以工程教育專業論證為目標，怎樣使教學目標達到畢業要求是關鍵。做中學是主流實驗教學方式，尤其是美國的大學，大作業體現的是實驗與理論教學的結合，是考查學生是否理解理論知識的重要途徑。學生不僅能夠學習扎實的數學和計算機專業知識，還進行大量的實踐創新訓練。麻省理工大學、加州大學伯克利分校、加州大學洛杉磯分校、斯坦福大學都屬于實踐創新性教學模式。例如，斯坦福大學程序設計范式課程重點比較C、C++、Java的特點和難點，每1～2周有一次大作業，針對不同的任務，要求學生用不同的語言實現，使學生加深理解各類編程語言的應用場合；麻省理工大學的課程計劃是必須先修12學分的實驗課程，再修3門或4門核心課程，最后選擇3門方向學科和1門關于該方向的實驗課、2門專業拓展課。
3智能科學與技術課程體系分析
智能科學與技術課程體系在智能基礎理論研究的基礎上，需要安排基礎性、通用性、關鍵性的智能技術研究，主要包括感知技術和信息融合技術；自然語言處理與理解技術；知識處理（認識）技術，包括知識提煉、知識分類、知識表示技術等；機器學習技術，特別是統計與規則相結合的學習技術；決策技術，即知識演繹技術特別是不確定推理技術等；策略執行技術，即控制與調節技術；智能機器人技術，特別是面向專門領域的智能機器人技術；智能機器人之間的合作技術；基于自然語言理解的智能人機交互與合作技術；智能信息網絡技術。
國內最早創辦智能科學與技術專業的學校包括北京大學，西安電子科技大學是第2批開始培養智能專業學生的院校。北京大學的本科教學計劃中，專業必修課程（2分）包括：①專業數學/理論基礎（15學分）：算法分析與設計、集合論與圖論、概率統計A、代數結構與組合數學、數理邏輯；②硬件與系統基礎（分）：數字邏輯設計、微機原理和信號與系統；③智能基礎（5學分）：腦與認知科學與人工智能基礎。專業限選課程（15學分）包括信息論基礎、計算方法B、數字邏輯設計實驗、微機實驗、數據結構與算法實習、機器感知和智能處理實驗、智能多媒體信息系統實驗。選修組合課程（29～32學分）：學生按照自己的興趣，參考智能的2個專業方向推薦專業課組合，自行選擇，至少選修20學分的智能專業課程。公共核心+專業方向+新技術及其他：①公共核心課程（分）：智能科學技術導論、模式識別基礎、生物信息處理、智能信息處理；②專業方向課程（11～15學分）：機器感知與智能機器人方向、智能信息處理與機器學習方向、新技術及其他。
西安電子科技大學智能專業主要課程包括電路分析理論、信號與系統、數字信號處理、數字電路及邏輯設計、模擬電子技術基礎、微機原理與系統設計、數據結構、軟件工程、人工智能概論、算法設計與分析、最優化理論與方法、機器學習、計算智能導論、模式識別、圖像理解與計算機視覺、智能傳感技術、移動通信與智能技術、智能控制導論、智能數據挖掘、網絡信息檢索、智能系統平臺專業實驗等課程及30多門選修課程。
建議各學校可以根據學院教學特色與實際需求，設計專業核心課程。北京大學偏重“信息處理”，湖南大學偏重“智能系統”，但需要強調的一個前提就是智能科學與技術專業屬于大計算機類，更需要大EECS專業的基礎。編程、電路、數學、數據結構、計算機系統這五大核心基礎就是大EECS；其次是專業，計算機以系統結構、操作系統、網絡、編譯、數據庫五大經典專業核心課為主，湖南大學的智能科學與技術專業強調系統，因此信號與系統、操作系統、嵌入式系統、人工智能是最基本的專業核心課，然后再分不同的分支。湖南大學智能科學與技術專業核心課程包括人工智能概論、機器學習、計算智能導論、模式識別、智能控制導論、智能數據挖掘、機器人學等；研究學位課程包括模式識別、人工智能等，主要體現為智能科學與技術基礎（人工智能概論、機器學習、計算智能導論、模式識別）、核心（智能控制導論、智能數據挖掘）和應用（機器人學）。
4結語
（1）在課程計劃實施過程中，教師需要遵循課程的時序圖，即描述課程的進階關系，從本科直到研究生，同時還可以實行一定的修課限制，如臺灣交通大學計算機概論與程式設計和面向對象程式設計兩科皆不及格者不得修數據結構與算法概論，若數據結構不及格不能修算法設計課程等。
（2）程序設計類課程用上機程序能力考試來設置合格條件，如臺灣交通大學基礎程式設計及格條件為通過“程式能力鑒定”，湖南大學則以CCF―CSP軟件能力測試作為程序設計課程通過的考核標準。
（3）鼓勵學生參與項目、競賽等課外科技活動，如臺灣“清華大學”的綜合論文訓練是由具有同等水平的項目訓練成果或SRT（student research training）計劃項目以及其他課外科技活動成果經認定后代替的。
（4）精煉的課程教學。核心課程應該精且必須加強課程實驗，只有對方法和理論有正確的認識才能掌握這門課程，而動手完成實驗才能真正融會貫通。麻省理工大學、加州大學伯克利分校、加州大學洛杉磯分校的學生具備扎實的數學和計算機專業知識后，都需要進行大量的實踐創新訓練。
人工智能教學分析范文第2篇
關鍵詞：人工智能；音樂教育；智能樂器；大數據
1引言
隨著人工智能技術的不斷進步，重新塑造音樂使得音樂教育的學科素養培育、審美感知、藝術表現和文化理解變得更有支持和創意。探索應用人工智能技術推進音樂教學的改革與發展有具有十分重要的意義。本文通過研究與實踐，引導學生學會用科學的方法培育計算思維創作音樂，用科學的意境欣賞音樂陶冶學生的音樂審美感，用科學的評價提升音樂課堂教學效率。通過這些措施，可以使學校音樂教育精準地開展因材施教差異化教學，彰顯音樂教育的特色。
2人工智能與音樂
人工智能技術與音樂教育有機融合，豐富了課堂教學資源，拓展了智能樂器的功能，提升了音樂教育技術手段。它支持個性化學習，可以觀察音樂課堂學習，分析音樂的旋律與節拍，有效評價教學效果，激發音樂教師運用人工智能技術創新音樂教學的熱情，發揮教師在課堂教學中的主導作用。
2.1樂器的智能化
樂器是學習音樂的重要工具。樂器植入人工智能技術，形成了智能化樂器。它能夠大量儲存多種樂器的音樂數據。尤其是在音樂鍵盤中運用，功能的提升特別突出，應用于音樂教學中引發了多種形式的教學模式。例如，圖1顯示了融合多媒體計算機、主控系統、音樂課堂教學智能評價系統將多部電子鋼琴連接起來的智能樂器實驗室。通過語音室方式授課，可以實現多種樂器的分組教學。這在傳統的音樂課堂上是無法完成的。
2.2智能化樂曲創作
智能樂器不僅能夠儲存樂器音色，而且還能用指令對各種音色播放進行控制，各種音色按照指令進行演奏。這種創作功能是以往其他樂器都無法比擬的[1]。例如，能唱出《月亮代表我的心》十七聲部的合唱團，很好聽，但很難。運用智能樂器按指令合成該十七聲部音樂則輕而易舉。2.2.1機器學習生成樂曲人工智能技術賦能智能樂器，使得機器學習的功能日趨進步。機器學習在音樂領域所做的事情，就是提取音樂作品的“數據”，輸入給定模型學習音樂的“特征”，再對音樂數據進行分析和編排。例如，如果輸入的是《梨園金曲》民族音樂，則機器就能學會民族音樂的曲調特征，生成掌握特征模型的民族音樂作品。2.2.2用軟件生成樂譜使用MuseScore3forMac軟件可以制作樂譜，在工具欄選擇對應時值的音符輸入音符。例如，在MuseScore3窗口輸入如圖2所示的“我和我的祖國”樂譜，再導出MP3文件進行播放。2.2.3代碼生成樂曲用Python代碼生成曲子，要借助音樂標準格式MIDI—樂器數字接口，運用Python-midi庫編寫程序，編譯MIDI文件生成音樂。例如，生成一個簡單樂譜的MIDI文件需要使用Python-midi，其中：Pattern對象表示樂譜；Track對象表示音軌，通常樂譜都有多條軌道組成，每種樂器是一個軌道；midi.NoteOnEvent表示每個音符的開端，在參數表中可以定義每個音符的音長和音高；midi.NoteOffEvent表示每個音符的結束。參考代碼如下：importmidi#定義patternpattern=midi.Pattern()#定義軌道track=midi.Track()#添加軌道到patternpattern.append(track)#音符開始，并定義位置、音量、音高on=midi.NoteOnEvent(tick=0,velocity=50,pitch=midiG_3)track.append(on)#音符結束off=midi.NoteOffEvent(tick-100,pitch=midi.G_3)track.append(off)#軌道結束eot=midi.EndOfTrackEvent(tick=1)track.append(eot)#存儲midi.write_midifile("example.mid",pattern)程序運行結果生成了如圖3所示的簡單音符：這樣如圖2的“我和我的祖國”樂譜，也可以通過Python代碼生成MIDI文件。
3AI賦能音樂課堂
在AI賦能的音樂教育環境，促使音樂教學實踐變革以及學生學習音樂方式。例如，圖4所示的集音樂創作教學及教學評價于一體的“智能化音樂課堂教學評價系統”，在教學設計的優化、教學方法的高效、教學手段的更新、教學評價的智能、教學策略的調整方面都具有借鑒意義[2]。
3.1大數據學習
大數據云計算可以將所有音樂家們音樂數據存儲在云中，運用人工智能技術為學生提供更多有價值的音樂數據。學生通過音樂云學習音樂知識，欣賞音樂魅力、體驗音樂節奏、理解音樂韻律。它使得優質音樂教學資源跨越校園，開放延伸音樂教學，遠程輻射共享資源。這樣就擴展了學生的視野，音樂知識的來源無限擴大，整個音樂云皆有學生的學習教材。特別是大數據音樂云不僅可以推送給學生更多的即興音樂和更多的音樂信息，還能指導音樂愛好者創作出雅正、健康的音樂作品。
3.2個性化學習
人工智能技術從音樂學習行為數據搜集、數據分析與運用、個性化學習評價多方位幫助學生定制個性化的學習成長路徑。推送在線音樂教育資源，指導表演建議樂器學習技巧。搭建音樂教育虛擬課堂，匹配音樂教學資源，實現因材施教的個性化學習，支持一對一的教學輔導和群組式討論。通過這些措施提高教學質量和效率。
3.3教學評價智能化
運用人工智能技術將多個音樂輔助教學設備連接的音樂創作教學系統，基于音樂課堂教學的學生學習特質分析與教學效果分析的音樂課堂教學管理系統，來實現音樂教學的全程智慧管理，使音樂學習更有效率。例如，在虛擬音樂課堂樂器教學可以變成一對多的自選教學模式，使課堂變得輕松、愉快。教師可以開啟課堂教學觀察模塊，捕捉每位學生同步練習的音準、節奏、力度數據，分析判斷將評價信息同步反饋，給出學習指導建議。3.3.1創作教學模塊“智能化音樂課堂教學評價系統”中的音樂創作教學模塊，集視、聽、練和反饋評價為一體，適時演示教師教學作品和評價學生練習作品。例如，在進行《我和我的祖國》授課時導入電影片段，欣賞“我和我的祖國”音樂的表現形式、演唱形式以及歌曲風格，可以使學生更好地體驗作品的創作意境，激發創作意識。使用MuseScore創作“我和我的祖國”三聲部習作音樂，并能儲存、刻錄，編輯等二度創作。3.3.2課堂教學評價模塊音樂課堂教學評價有著傳統音樂教學評價無法比擬的靈活性、客觀性和實用性。從大數據分析角度獲取音樂課堂教與學相關數據，對學生的音樂基本素養與學習態度進行科學分析判斷。例如，以創作《紅河谷》中的和聲與音樂作品風格內容的“編配伴奏音樂”教學過程為例。課前在“課堂教學評價模塊”上安排學生根據作品風格完成伴奏的音樂；播放制作好的《紅河谷》MIDI音樂（在第二和第六個小節缺失編配和弦）；使學生感受、探討大小三和弦的表現力，形成對大小三和弦的感知。然后要求學生試著用MuseScore為《紅河谷》缺失的兩小節選配和弦，以適合歌曲的伴奏風格。學生需要邊哼唱歌曲邊試著套用不同的伴奏風格，找到他們認為最恰當的和弦伴奏風格，說出理由并提交[3]。評價系統將學生提交的作業比照音樂要素進行評價。及時反饋學習評價的信息，并對學生的學習進程制定一個個性化的學習方案[4]。同時通過教學反饋深度優化決策模型，促進教師實時改進教學策略，提高教學效率和效果，提升教學質量。
4結語
人工智能技術在音樂教育領域中的廣泛應用，為傳統的音樂教育模式注入了活力，為音樂教師創新音樂教學理念開辟了新思路[5]，為因材施教提供了新的適合學生學習的音樂教學模式。人工智能在音樂教育模式方面的探索，不僅給音樂教育教學的發展帶來了物質技術層面的進步，還從音樂教學層面促進計算思維培育開辟新途徑。這對音樂教育理念、教學手段、教學方式和方法以及拓展學生音樂視野、學習音樂、享受音樂、創造音樂等都帶來深刻的變化和積極的影響。
參考文獻
[1]鄒孟雨.人工智能及其在音樂教育中的應用.北方音樂,2018(15):254-255
[2]郭文進.“互聯網+教育”運行模式探究.決策與信息（下旬刊）,2015(9):63
[3]段曉軍.電腦音樂系統與中小學音樂教學實踐.中國音樂教育,2006(6):26-28
[4]王迪.淺析娛樂教育中元學習能力的培養.河北廣播電視大學學報,2007(1):79-80
人工智能教學分析范文第3篇
關鍵詞：智能科學與技術；畢業生情況；北京科技大學
從2004年國內開始招生至今，全國已有不少高校設立了智能科學與技術專業。我校是較早設置該專業的院校，于2007年在信息工程學院設置其為第7個本科專業，并開始招生。2009年9月，學生進入相關專業課程的學習，第一屆學生于2011年7月畢業。日前，該專業學生已經完成本科階段的學習。
在專業開設過程中，我們完成的主要工作如下。
1) 調研國內外相關院校智能科學與相關專業的培養目標和培養方案。
2) 形成智能科學與技術學科的知識體系和能力要求。
3) 制定2010版智能科學與技術專業的教學大綱。
同時，在辦學過程中，我們選擇了腦科學與認知科學概論，人工智能基礎，微機原理及應用、課程設計(微機原理)，可視化程序設計、智能計算與應用四個課程組進行教學模式改革。
1首屆畢業生知識結構
因為是首屆學生，我校大多數課程安排參考了國內兄弟院校的課程設置，也參考了我校自動化專業的部分課程設置。學生的知識結構主要由5個方面組成[1]，如圖1所示。
1) 數理基礎課程群：工科數學分析、高等代數、復變函數與積分變換、概率與數理統計、數學實驗、大學物理、物理實驗、應用力學基礎、離散數學等。
2) 電工電子技術課程群：電路分析基礎、電路實驗技術、模擬電子技術、模擬電子技術實驗、數字電子技術、數字電子技術實驗等。
3) 機電技術基礎課程群：工程制圖基礎、程序設計基礎、信號處理、計算機網絡、微機原理及應用、嵌入式系統、數據庫技術及應用、面向對象程序設計、現代檢測技術、電機控制技術、現代通訊技術、DSP處理器及應用、機械設計基礎等。
4) 專業主干課程群：信息論與編碼、控制工程基礎、腦科學與認知科學概論、人工智能基礎、機器人組成原理、計算智能基礎、模式識別基礎、虛擬現實技術、智能控制及其應用。
5) 實踐創新課程群[2]：計算機應用實踐、電子技術實習、MATLAB編程與工程應用、Linux系統與程序設計、自動控制系統設計與實現、微機原理課程設計、嵌入式系統設計與實現、專業(生產)實習、畢業設計(論文)等。
除了專業課程的學習，學生還參與了很多課外科技活動和競賽，并取得了良好成績，內容如下。
1)“基于Matlab的智能五子棋人機博弈系統”在北京科技大學第十一屆“搖籃杯”課外學術作品競賽中獲三等獎。
2) 第八屆校機器人隊隊員在第八屆亞太機器人大賽國內選拔賽中獲十六強。
3) 在全國大學生電子設計大賽中獲成功參賽獎。
4) 在智能車校內賽中獲二等獎。
5) 在北京市機械創新大賽中獲三等獎。
6) 在北京市大學生電子設計大賽中獲二等獎。
7) 在“飛思卡爾”智能車競賽的校級賽中獲三等獎。
8) 在校級機器人競賽中獲季軍。
9) 在全國大學生節能減排大賽科技類中獲三等獎。
10) 在北京科技大學計算機博弈錦標賽中獲最佳程序設計獎。
11) 在北京科技大學“閃我風采”Flash大賽中獲最佳細節獎。
在參加課外競賽及各種活動之余，首屆智能班還自組織了以小組為單位的指紋識別考勤計時系統編程比賽，歷時一個月，比賽結束后評出了最優編程獎。然后返回給每個小組，再討論再修改，最終確定了最優版，申請了國家軟件著作權，于2010年5月份獲得審批。此次比賽成果是全班學生辛苦勞動的果實，凝聚了24位學生的智慧和努力。圖2展示了該系統的計算機軟件著作權登記證書。
2首屆畢業生畢業設計情況
2010年底，首屆學生進入本科畢業設計環節。在大家的共同努力下，全部學生通過了本科畢業設計。畢業設計的題目如表1所示。
3首屆畢業生去向
智能科學與技術專業首屆24名學生是2009年9月進入大三學習專業課的。目前，我們統計的畢業生去向，專業第1名放棄了保研指標，選擇出國留學，另外有4人保送本校讀研究生。選擇考研的學生還有12人，另外有3人選擇出國留學，還有2人選擇就業，如表2所示。
4經驗和教訓
我們對2007級智能科學與技術首屆畢業生的總體情況還是比較滿意，通過一系列教學改革，取得一定的成效，內容如下。
1) 人工智能基礎。此課程為智能科學與技術專業的理論基礎性課程，具有涉及的面比較廣、內容較多、變化較快的特點。我們結合人工智能學科的發展，在保證課程完整性的同時，盡可能增加學科發展的前沿內容。
2) 微機原理及應用、課程設計(微機原理)。微機原理及其應用是一門實踐性很強的課程，特點是計算機軟硬件結合非常緊密，需要經過大量的實踐環節學習。在充分分析本門課程特點的基礎上，我們對該課程作了如下教學改革：自行研制開發了一套實驗裝置，開發了配套的實驗項目，編寫了相應的實驗講義。圖3是我們使用的微機原理與單片機實驗裝置。
在教學方法上，教師讓學生在學習已有實驗項目的基礎上，做一些由簡單到復雜的新改動，直至最后設計出新的應用電路，并用相關器件實現。為了鼓勵學生親自動手制作電路板，教學團隊花費近3 000元，購買了各種電子元器件和電路制作工具，包括單片機芯片、集成穩壓電路芯片、各種傳感器、小鍵盤、電阻電容、印刷電路板、萬用表、電烙鐵等，保證每位學生都能設計并制作完成一個單片機控制系統。在課堂管理方面，我們實行小班授課，每班不超過30人。學生都很遵守課堂紀律，幾乎沒有遲到早退現象，為該門課程的學習營造了良好的學習氛圍。
3) 可視化程序設計。小班在實驗機房上課，課程將講解部分與上機練習結合起來，教師對每一個知識點進行講解后，讓學生立刻練習，提高學生的動手實踐能力。通過教師的課堂講解和學生的課堂練習，使學生達到融會貫通的程度。
4) 數據結構與算法分析。針對智能科學與技術專業對計算機軟件能力要求高的特點，我們壓縮了計算機專業的數據結構和算法分析兩門課程的學時，保證學生應用能力的培養，并編寫了相應教材。
5) 根據國內外高等教育的最新發展，我們對研究思路、內容、方法進行必要調整。英國、美國、馬來西亞等國近幾年開設了AI相關專業，并且多數與機器人結合。在2010版教學計劃中，我們也將機器人作為學生學習過程中的實驗平臺和設計實現對象，為此探討設立機器人組成原理課程[3]，并在準備教材。我們還與南開大學、河北工業大學合作開發智能科學與技術專業的系列教材[4]。
另一方面，我們在辦學過程中也感覺到一些問題，和南開大學[5]的問題較為類似。
1) 專業宣傳方面的問題。
2) 沒有形成統一的教學指導委員會，各學校還處于單兵作戰階段。
3) 學校的重視程度不夠，經費投入有待加強。
4) 師資結構對其他學科的依賴程度較大，還未形成完整的師資隊伍，多數教師來自其他專業。
5結語
通過兩年的專業課學習，首屆智能科學與技術專業的全體學生在各方面都取得了不錯成績。多門基于專業課程開設的課程設計不僅增強了學生的動手實
踐能力，還加深了學生對專業知識的理解及掌握程度，很好地將理論學習與實踐教學結合起來。特別是在畢業設計階段，學生的論文題目都很有新意，充分體現出智能科學與技術專業的“智能”特點，而且學生在論文答辯環節全部順利通過。首屆畢業生中，出國和保研率達到54.17%，就業率達到45.83%，有很好的發展前景。通過研究首屆畢業生情況，我們認為智能科學與技術專業是一個很有發展潛力的專業，能夠將人工智能科學、計算機技術、智能控制等專業性較強的學術領域綜合起來，培養出具有綜合能力的優秀畢業生。
總結首屆畢業生情況，我們將在隨后的教學過程中進行如下改進：結合人工智能學科的發展，盡可能增加學科發展前沿的內容；針對學有余力的學生，布置學科前沿的自學內容；在教學中嘗試以作業的形式安排實驗內容[6]。同時，我們繼續保持小班授課方式，營造出良好的學習氛圍。在考核方面，結合平時、考試和答辯3種形式，來客觀、公正地評定學生，促進學生的全面發展。通過總結已有的教學經驗，吸取教訓，發展優勢，我們相信智能科學與技術專業一定會一步一步成為更加完備的、更有優勢的、更具時代特征的新型專業。
參考文獻：
[1] 劉冀偉,石志國,王志良. 北京科技大學智能科學與技術專業建設概況[J]. 現代大學教育,2010(6):1-4.
[2] 石志國,劉冀偉,王志良.“智能科學與技術”本科專業軟件實踐類課程建設探討[J].計算機教育,2009(11):93-97.
[3] 石志國,劉冀偉,王志良,等. 機器人組成原理課程規劃[J]. 計算機教育,2010(15):86-90.
[4] 楊鵬,張建勛,劉冀偉,等. 智能科學與技術專業課程體系和教材建設的思考[J]. 計算機教育,2010(19):11-18.
[5] 方勇純. 智能科學與技術專業畢業生情況分析與專業建設[J]. 計算機教育,2010(19):51-54.
[6] 魏秋月. 關于智能科學與技術專業人才培養和學科建設的思考[J]. 教育理論與實踐,2009,29(9):18-19.
The Situation of the Major in Intelligence Science and Technology
in University of Science and Technology Beijing
LIU Jiwei, SHI Zhiguo, WANG Zhiliang
(College of Information Engineering, University of Science and Technology Beijing, Beijing 100083, China)
人工智能教學分析范文第4篇
關鍵詞：智能科學與技術；專業；發展戰略；思考；大聯合；大發展
1現狀分析
我國的智能科學與技術(intelligence science and technology，ist)專業創辦至今已有8年歷史了。它從無到有，逐步壯大，現在全國已有近20所大學試辦這個新專業[1-2]。應該說，智能科學與技術專業的8年征途并不平坦，開拓者們也為之付出了艱辛和心血。現在，我們至少可以說，智能科學與技術專業已再不是“嬰兒”，而是“小學生”了。然而，我們需要繼續努力，上好中學、大學以及研究生課程，邁上專業建設的新征途，攀登學科建設的新高峰。
在ist專業建設上，北京大學信息科學技術學院等起了重要的帶頭作用，中國人工智能學會及其教育工作委員會等工作委員會和專業委員會發揮了很好的組織作用[3-4]。他們齊心協力，默默奉獻，做了大量有目共睹的開創性工作，值得充分肯定。現已有北京大學、首都師范大學、北京郵電大學、南開大學、西安電子科技大學等高校培養出ist專業的畢業生。也就是說，我們有了ist專業的第一代“產品”了。然而，我們的ist專業還是有些不盡人意之處，特別是發展速度比預料的要慢，發展規模不如預期的大，發展目標還有待進一步明確。筆者試圖概括我國ist專業發展的喜與憂，探討發展戰略，為ist的專業建設和學科發展出謀獻策，供同行討論與參考。
2喜憂參半
如上所說，我國ist專業的發展既取得可喜成果，又存在某些憂慮，即喜憂參半。下面擬就ist專業的辦學成績和存在問題進行探討。
2.1主要成績
歸納起來，8年來，我國ist專業建設取得的主要成績包括下列各點。
1) 申報并獲準試辦ist專業，促進信息科學和智能科學的發展，為國內外信息科學學科建設開辟了一個新的增長點。
2) 在調查研究和科學分析的基礎上，制定了ist專業教學大綱和教學計劃，為專業建設建立了基本框架[5-6]。
3) 結合ist的專業特點和教育發展要求，初步規范了ist專業課程設置，開展專業建設和課程教學等方面的改革，取得一大批成果[7-8]。
4) 編寫了一批具有明顯特色的相關教材，為新專業教學和學科建設提供必要的資源，起到較好的示范和輻射作用[7,9]。許多學校在實驗教學上進行了一些探討，并積累了不少經驗，值得推廣與借鑒[10-12]。
5) 聚集了一群有志于智能科學技術教育的教師，形成了一支熱愛教育、樂于奉獻、熟悉業務的師資隊伍，為ist專業的人才培養和學科發展打下重要基礎。
6) 經常組織本專業的教育與教學研討會和座談會，進行全國性或校際間的交流，總結心得體會，共同提高，使ist專業沿著正確的方向發展。
7) 培養出一批基本掌握智能科學技術基礎理論和專門知識，具有從事本專業工作能力的本科畢業生，為國家輸送有特色的急需的建設人才。
8) 為爭取我國智能科學與技術一級學科博士學位授予權做了大量工作，并取得重要進展，為ist學科的進一步發展創造重要條件[13]。
2.2瓶頸問題
概括地說，ist專業建設和發展面臨的問題主要涉及如下幾點。
1) 專業規模和發展速度沒有達到預期結果，仍停留在“試辦”狀態。
到目前為止，全國試辦ist專業的學校已近20所，已初具規模，“閃亮登場”[2]。然而，本專業的規模和發展速度不盡人意，離“大發展”的預期結果尚有較大差距。
2) 辦學主體存在一定的局限性，缺乏跨學科大聯合的氛圍。
如前所述，北京大學和中國人工智能學會等對ist專業建設發揮了重要的帶頭和組織作用。由于ist專業具有高度跨學科等重要特點，單純依靠某一兩個現有專業來“派生”和由一兩個學會來“催生”ist新專業，是難以快速發展和如愿以償的。現有專業或學會都有一定的局限性，與其他學會間的交流合作也需要有改進之處。
3) 教學大綱與《國家中長期教育改革和發展綱要》要求存在差距，有待更新。
《國家中長期教育改革和發展綱要》[14](以下簡稱《綱要》)是我國“優先發展教育，建設人力資源強國”的重要戰略部署。《綱要》中許多新思路是我們以前沒有想過的。ist的教學大綱需要按《綱要》的要求進行大刀闊斧的修訂，力求符合《綱要》精神。
4) 實驗教學和網絡教學亟待加強。
在新專業建設初期，實驗室建設投入經費有限，這對開展實驗教學有些不利影響。一些學校的實驗未能滿足ist專業各課程教學的基本要求。
5)ist專業的產學研結合模式急需探討與建立。
產學研結合是高等教育的一項經驗。《綱要》也強調“創立高校與科研院所、行業、企業聯合培養人才的新機制”對本科生教育的重要性。雖然有許多企事業行業適合ist專業就業，但該專業不像機電、化工、通信、冶金等專業那樣有比較對口的實習和就業企業。因此，探討與建立ist專業的產學研結合模式，也是一項比較艱難的急需解決的問題。
3發展策略
針對上述存在問題，以下特就智能科學與技術專業的發展戰略提出若干思考。
1) 樹立“大智能科學技術”思想，突破單個學會的局限性，通過大聯合、大合作，實現大團結、大發展。
一個專業要在全國產生較大影響，發揮該專業的特有作用，沒有足夠大的規模是不行的。例如，自動化、計算機、通信、電子信息等專業，全國有數以千計的大學開設。我們是否可以設定ist專業發展規模的第一個目標，即爭取在5～10年內，有50～100所大學開設該專業？如果能夠實現這個目標，ist專業就走上了“可持續發展”的大道。到那時或者更早一些時日，“試辦”也就必然被“正辦”所取代。
值得指出的是，目前大多數大學強調“辦學資源有限”，不大愿意支持申報新的專業，這對ist專業的發展也產生一定的負面影響。我校的ist專業就是經過3年努力，才向國家教育部呈交《高等學校增設專業申請表》的。
我們需要把圈子搞大些，進行跨學科的大聯合，集思廣益，合作共贏，謀求ist專業的發展大計。基于中國人工智能學會(caai)的學科特色，由caai牽頭組織申報ist專業及其一級學科博士學位授予權，是順理成章的。同時，單個學會也有局限性，雖不能說是“勢單力薄”，但力量不如合作的強大。提倡和實現多學會聯合舉辦智能科學技術教育教學研討會，以及多學科聯合申報與建設ist專業，將克服原有局限性，并以大聯合促進大發展，應視為一種可行策略。在今后的ist辦學過程中，我們需要主動加強與相關學會(含一級學會和二級學會)和高等學校(含重點學校和一般學校)的聯系與合作，力爭辦好已有的ist專業，創造經驗，擴大輻射作用和積極影響，爭取有更多的高校申報與加入ist專業行列。
2) 再接再厲申報一級學科博士學位授予權，力爭獲得批準。
在全國同行及多個學會有代表性的專家建議和支持下，中國人工智能學會及其教育工作委員會積極組織一批有識之士，從事“智能科學與技術”博士學位一級學科授予權的論證和申報工作，并取得重大進展。由于一些原因，申報工作在最后階段未獲通過與批準，需要大家繼續努力。“智能科學與技術”博士學位一級學科授予權的獲得，必將為ist專業提供更為寬闊的發展空間，使ist專業攀登新的高峰。
3) 申報成立“高等學校智能科學與技術教學指導委員會”，并爭取改“試辦”為“正辦”。
目前，國家教育部的專業設置分為“一般”專業和“試辦”專業兩種。絕大多數專業屬于“一般”專業，只有少數專業為“試辦”專業。顧名思義，“試辦”者為“試驗辦學”，經過一定時間的試驗后，成功者就可“轉正”為一般專業；不成功者就可能被取消“試辦”資格。當務之急，是要把“試辦”的ist專業辦好，辦出水平，辦出特色，力爭早日去掉“試辦”帽子。同時，作好必要和充分的準備，盡早向國家教育部申報成立“高等學校智能科學與技術教學指導委員會”，以便得到教育部相關部門的更多指導，并通過“教指委”與兄弟專業交流，更好地學習兄弟專業的辦學經驗。
4) 高標準嚴要求，全面修訂ist專業的教學大綱和教學計劃，以適應國家對智能科學和智能自動化高層人才的需要。
《綱要》中提出的“優化學科專業、類型、層次結構，促進多學科交叉和融合”；“重點擴大應用型、復合型、技能型人才培養規模”；“促進高校、科研院所、企業科技教育資源共享，推動高校創新組織模式，培育跨學科、跨領域的科研與教學相結合的團隊”以及“促進科研與教學互動、與創新人才培養相結合”等思想和教改措施，對于我們轉變辦學觀念和進行教學改革都具有很強的針對性。我們需要以高屋建瓴的姿態認真深入學習，聯系ist的專業實際，注重創新，進一步修訂教學大綱和課程體系，以期更好地滿足國家對專業人才培養的要求。各校在修訂專業教學大綱和教學計劃時，要注意保持不同學校的共性與本校的個性特色。
5) 樹立精品意識，創建更多的精品課程，編寫富有特色和體現創新的ist各類教材。
由于辦學歷史較短，辦學規模較小，ist專業的教材建設遠未達到精品境界。隨著時間的推進和辦學規模的不斷擴大，加上在教材使用中積累的經驗和吸取其他相關專業精品課程教材的編寫經驗，這個問題可望逐步獲得解決。我們一定要對ist專業的精品課程建設及其教材建設，包括基礎教材、專業基礎教材、專業教材和實驗教材等給予高度重視。
6) 下大力氣加強實驗教學和網絡教學。
ist專業是一門前沿交叉學科，也是一門理論密切聯系實際的學科。無論是學習和深入理解課程的基本理論知識，還是培養學生的實際動手能力，都離不開實驗教學和網絡教學。我們可以把網絡教學看做是一種更加先進的實驗教學，它對學生提出了更高要求，能夠讓學生獲取更多的知識，獲取更強的能力。
在新專業建設初期，實驗室建設的投入經費有限對開展實驗教學有些不利影響。為了解決這個問題，我們一方面要因地制宜地設計好實驗項目，充分發揮有限的實驗室建設經費的作用，盡可能開設出本專業教學急需的實驗內容；另一方面要積極利用其他“傳統”專業實驗室或公共實驗室，以彌補現有ist專業實驗室的不足。
建設與發展智能科學與技術專業，還有許多需要考慮的問題，如建設一流教師隊伍、轉變教學觀念、改進教學方法、改善教學管理、探索產學研結合模式、加強校際交流與合作等。這些問題也是十分重要的，都是ist專業發展值得思考的內容。
4結語
我國智能科學與技術學科建設和專業建設已取得可喜成績，但與整個學科和專業的長遠發展目標相比，仍存在較大差距和不少問題。如果能夠突破現有中國人工智能學會和智能科學與技術專業的局限性，樹立智能科學技術大學科思想，實現更廣泛的大聯合，并采取切實措施擴展智能科學與技術專業，我們的學科和專業就有望獲得更快的發展。
一級學科博士點對于學科的發展至關重要。我們要群策群力，集思廣益，繼續申報智能科學與技術一級學科博士點授予權，并在申報過程中最廣泛地團結相關學科和學會的專家學者，爭取理解與支持。
上述兩方面是相輔相成的關鍵問題，需要我們轉變觀念，樹立本專業的科學發展觀。如果在這兩方面
能夠取得突破性進展，那么專業發展的其他問題，如改變專業“試辦”為“正辦”、申報成立智能科學與技術專業教學指導委員會、貫徹執行《國家中長期教育改革和發展綱要》以及課程與教材改革等，就可能迎刃而解。
只要我們再接再厲，團結一心，求真務實，科學發展，我們的ist專業就一定能夠越辦越強，越辦越好，辦成有特色、有影響的專業，辦成一流的專業。
注：本研究得到國家教育部精品課程“人工智能”(2003年)和“智能控制”(2006年)、全國雙語教學示范課程“人工智能”(2007年)、國家級“智能科學基礎系列課程教學團隊”(2008年)、國家級精品視頻公開課“人工智能”(2011)以及湖南省和中南大學精品課程和其他教改項目的支持，謹表感謝。
參考文獻：
[1] 王萬森,鐘義信,韓力群,等. 我國智能科學技術教育的現狀與思考[j]. 計算機教育,2009(11):10-14.
[2] 蔡自興. 智能科學技術課程教學縱橫談[j]. 計算機教育,2010(19):2-6.
[3] 謝昆青. 第一個智能科學技術專業:回顧在北京大學六年來的創建歷程[j]. 計算機教育,2009(11):16-20.
[4] 鐘義信. 智能科學與創新教育[j]. 中國大學教育,2006(1):28-30.
[5] 鄧志鴻,謝昆青,譚少華,等. 智能科學技術專業建設探索[j]. 計算機教育,2010(19):48-50.
[6] 張彥鐸,王海暉,劉昌輝. 地方工科院校“智能科學與技術”專業建設的若干思考[j]. 計算機教育,2009(11):38-42.
[7] 楊鵬,張建勛,劉冀偉,等. 智能科學技術專業課程體系和教材建設的思考[j]. 計算機教育,2010(19):11-14.
[8] 谷學靜,王志良,黃曉紅.“智能科學與技術”專業課程體系建設的思考[j]. 計算機教育,2009(19):108-111.
[9] 祝長生,王志良.“人工情感”教材建設與教學實踐[j]. 計算機教育,2009(11):98-101.
[10] 方勇純,劉景泰. 南開大學“智能科學與技術”專業教學體系與實驗環境建設[j]. 計算機教育,2009(11):21-25.
[11] 彭書華,李鄧化. 智能科學與技術實驗室信息化建設探討[j]. 計算機教育,2010(15):100-103.
[12] 陳以,王改云,楊青. 智能科學與技術專業實踐環節改革與建設[j]. 計算機教育,2010(15):119-122.
人工智能教學分析范文第5篇
歌唱聲音質量客觀評價的研究是以聲樂藝術科學化研究為前提的,這種科學化的研究始于歐洲,它的研究歷史最早可以追溯到18世紀。
(一)輕緩起步階段
早在1703年,法國醫生杜達(Dydart)發表了《發聲原理的研究報告》(MemoiresSurlacausedelavoix)一書,提出了“旋渦”(Vortex)理論,從生理學的角度對歌唱發音的科學性進行了開創性的研究①。1854年,西班牙著名聲樂教育家和理論家瑪努埃爾?加爾西亞(M.P.R.Garcia,1805-1906)發明了喉鏡,促進了人們對嗓音生理學的研究,同時也開創了以人體發聲機理作指導的新的教學方法(機理教學法),使人類聲樂發展史進入了一個嶄新時代。1863年德國海德堡大學教授亥姆霍茲(HermannVonHelmholtz,1821-1894)發表了近代世界聲學史上劃時代的巨著《作為音樂理論生理基礎的音的感覺》(又譯《聲音感覺論》),將基礎生理學及解剖學的研究和數學與物理學分析結合起來,驅使吸引人們運用聲學的普遍原理去解釋歌唱發音的現象,在聲樂界產生了強烈反響。經過一個半世紀的發展,對聲樂演唱和教學領域的研究,終于從純粹的以人的主觀意識為主的經驗主義進入了以生理學和物理學原理為基礎的客觀科學主義研究的新高度。
(二)快速發展階段
自20世紀20年代蘇聯國立莫斯科大學物理學教授爾謝夫金(SergeyNikolayevitchRzhevkin)和卡贊斯基(VladimirSergeyevitchKazansky)發現歌手共振峰以來,西方學者對歌唱聲音質量進行實證性評價研究進入快速發展的階段。美國的巴索洛繆(WilmerT.Bartholomew),威廉?范納德(WilliamVennard),瑞典的桑德柏格(JohanEmilFredrikSundberg)等是這一研究領域的代表。我國自20世紀80年代開始,包紫薇(1981)、王士謙(1986)、韓寶強(1996)、吳靜(2007)、于善英(2010)等學者相繼在此研究領域取得了一系列的成果。他們的研究主要是運用頻譜分析等技術,為歌唱聲音的不同形態找到相對應的聲學評價參數,并探索在歌唱評價和聲樂教學中的應用價值。這一時期,王建群(2005)、劉加林(2006)等學者還從基頻、標準化噪聲能量、聲強等方面研究影響歌唱發聲質量評價的相關參數。以上相關研究為基于人工智能技術的歌唱發聲質量客觀評價研究奠定了基礎。
(三)縱深拓展階段
21世紀以來,計算機信息處理技術與神經生理學、非線性動力學、模糊數學等學科的快速發展,為基于人工智能技術的歌唱聲音質量評價研究提供了更為豐富的研究手段。我國有關基于人工智能技術的歌唱聲音質量評價研究始于2007年,迄今成果單薄,其中代表性的成果有:王修信等(2007)、羅蘭娥(2008)、李文娟等(2009)、袁劍(2010、2011)。這類研究或利用語音分析技術對藝術嗓音進行聲音樣本提取,并與標準化聲音或專業評委的主觀評價進行比較;或制定涉及多項評價標準的評價方案,然后利用計算機、人工智能、模糊數學等知識原理對不同聲音評價參數進行分析,最后在此基礎上建立歌唱發聲質量客觀評價機制。以下本文將以主流研究中的兩種體系———基于歌唱聲音評價參數提取的和基于主觀評價標準量化的客觀評價機制為研究對象,分別以研究思路和方法、研究內容、研究結果、存在問題等方面對其研究成果作出歸納梳理和評價。
二、基于人工智能技術的兩種評價體系
之所以確定為兩大體系,是因為前者的研究基礎是歌唱聲音,后者是建立在主觀評價標準量化指標的基礎之上的;之所以都確定為客觀評價體系,是因為二者均運用了人工智能技術。
(一)基于歌唱聲音評價參數提取的客觀評價研究
直接以歌唱聲音本身作為評價參數的客觀研究目前主要采用兩種方法———神經網絡研究方法和特征匹配研究方法。
1.利用神經網絡方法建立評價機制的研究
此種研究方法以廣西師范大學計算機科學與信息工程學院的王修信、物理與電子工程學院的羅蘭娥為代表。(1)研究思路與內容王修信等先后發表了《幾種聲學參數在藝術嗓音客觀評價中的應用》(2007)、《藝術嗓音歌聲客觀評價初探》(2007)兩篇文章,提取歌聲平均能量(表征相同環境下歌聲信號的相對大小)、平均頻率誤差(判別測試者的歌聲頻率與標準頻率中心是否對準)、平均音域誤差(表征測試者音域與曲譜音域的偏離程度)作為客觀評價的3個聲學參數。在MATLAB計算機培養編寫程序②環境下,使用BP(backpropaga-tion)神經網絡方法③客觀評價藝術嗓音歌聲質量。后篇文章較前篇文章有所深化,將聲源分析樣本從36人增加到48人,明確了性別比例(其中女31名,男18名);在分析方法上增加了多元線性回歸方法。研究認為,使用BP神經網絡方法和多元線性回歸方法基本都能正確客觀評價歌聲質量,且與資深專業教師的主觀評價一致。BP神經網絡方法誤差在4%之內,線性回歸方法誤差在6%之內,BP神經網絡方法(模型)客觀評價效果較優。羅蘭娥與王修信為師承關系,其研究以王修信的研究為基礎。因此,羅蘭娥在研究方法和觀點上與王修信有不少相似之處,包括如錄音環境、錄音設備(軟件、硬件)、聲音樣本提取標準、存儲格式、MATLAB分析程序的選擇等方面。相對于王修信等的研究,該文的創新之處在于:①明確了歌唱聲音信號采集的類型,使該研究與歌唱實踐更加契合;②聲音評價提取的參數由原有研究的3項增加到8項,對被評價聲音的反映更加全面;③評價網絡建立所依據的類型增加了評價精度更高的小波神經網絡。研究認為,神經網絡方法能正確客觀地評價歌聲質量,評價分數最高的歌唱者聲學參數呈規律變化;小波神經網絡方法較BP神經網絡方法評價精度更高;聲學參數對評價結果影響度排序依次為第三共振峰、第一共振峰、音域、基頻、平均能量、第三共振峰微擾、第一共振峰微擾、基頻微擾等。(2)評價及存在問題王修信等的研究在歌唱聲音采樣時對于錄音環境、錄音設備(軟件、硬件)、聲音樣本提取標準、存儲格式、被錄制對象的年齡、人數、唱法等方面都有明確的界定,在規范性和嚴謹性方面達到了較高的要求。該研究對被錄制對象的性別和聲部在(2007)中不明確,在(2007)中區分了男女性別,對歌唱者的聲部依然未見說明。遺憾的是,兩項研究對歌聲信號采集類型(單音、練聲曲、歌曲片段)及演唱音域未作說明,在歌唱藝術實踐中,以上內容都是對歌唱發音評價產生影響的重要因素。羅蘭娥(2008)中涉及到一些與音樂相關的概念值得商榷。分析結果中有:“1號歌唱者E、F、G三種調試的第一共振峰均接近450Hz,第三共振峰均接近2500Hz,音域3.5個八度左右,明顯寬于其他歌唱者”。這里存在兩個問題。首先,這句話中提及到兩個音樂概念———“調試”和“音域”。在音樂術語中沒有“調試”這個概念,結合多次提到“調試”的上下文可以推斷,作者指的應該是“調式”。但“調”和“調式”的概念在樂理中的含義是不同的。一般來說,孤立的一個音或毫無邏輯關系的若干個音無法構成音樂語言,只有把若干個音按照一定的關系組織起來才能塑造音樂形象,表達思想感情。主音與它構成一定的關系(主要是傾向性關系,音程關系與和弦關系)的若干個音所結合成的音的體系叫做“調式”。“調”主要是指主音的音高,亦即整個調式的音高。④作者在文中實際要表達的意思應是用E、F、G三種不同的調來演唱歌曲。其次,此句提到歌唱者的“音域3.5個八度左右”。這個3.5個八度如何解釋?以男高音聲部為例,理論上說,男高音音域的應用范圍一般在C1-C3的兩個八度之間。歌唱實踐中,因為嗓音條件和高音技術原因,能達到這個音域范圍的男高音也并不多見。羅蘭娥(2008)的研究中,歌唱聲音樣本錄制對象為音樂學院聲樂專業19名21歲-25歲的本科大學生,就國內的聲樂教學現狀分析,這些學生的演唱音域如果能達到兩個八度已經進入優秀的行列了,而結果顯示1號歌唱者的音域達到3.5個八度左右是不可能存在的。
