《神经网络与深度学习》是信息管理与信息系统专业的核心课程，兼具理论抽象性与实践应用性。传统教学偏重模型原理与算法推导，缺乏真实、复杂、可操作的科研案例支撑，学生难以理解抽象概念的实际应用价值。为此，本课程基于卷积神经网络的公众核能态度分析实践案例，实现科研反哺教学的深度融合。

科研反哺教学

一是科研成果向教学案例转化，将已发表的公众核能态度分析研究成果，拆解为“问题提出—模型构建—结果解释—能源政策启示”四个教学模块，形成可执行Notebook实践任务，发布至AIstudio平台，累积覆盖学生500人次。

二是浸润式科教融汇教学实施，在讲授模型卷积、池化、全连接等核心原理时，同步引导学生基于真实公众微博文本进行情感分类建模。学生在代码实现中理解特征提取与模型学习过程，并在“技术精度”与“社会态度复杂性”之间进行批判性反思。

三是跨学科问题导向研讨，设置“模型准确率是否等于公众情感判断可靠”“如何从情感分布中识别核能接受度的关键障碍”等开放问题，引导学生在技术实现基础上，形成对能源政策、风险管理及公众沟通的跨学科认知。

教学实践成效

提升科研体验与原理理解：学生在真实科研问题中完成从数据到模型再到解释的完整流程，让神经网络原理不再抽象、科学研究不再枯燥。课堂测验显示，模型构建和结果可解释性相关知识点得分提升32%。

激发创新意识与批判思维：超过90%的学生主动调整网络结构或优化数据预处理方式以提升情感分类效果，并在实验报告中质疑单一情感标签的局限性。

增强能源视野与社会关切：学生能够结合情感分析结果，讨论核能项目选址、信息披露与公众参与策略，体现信息管理专业学生在能源数字化转型中的独特价值。

育人创新体系

科研—教学双轮驱动，将课程负责人的科研成果直接转化为可复用的神经网络实践案例，实现“从科研成果到课堂教学”的快速迁移。

技术学习与能源议题深度融合，在深度学习教学中嵌入核能公众情感这一真实且具有社会复杂性的能源问题，培养学生在“技术可行”与“社会接受”之间的批判性与跨学科思维能力。

平台化开放实践生态，依托百度AIstudio平台发布案例，支持代码在线运行、任务自动评测与学情分析，实现低门槛的科教融汇教学闭环。

该案例已在学校《神经网络与深度学习》课程中完成实践，学生反馈“通过代码实现过程真正提升了编程水平”。案例资源通过AIstudio平台向校内教师及兄弟院校开放共享。下一步将把该模式推广至数据科学与智能决策微专业《深度学习》等课程，形成面向能源场景的AI教学案例群。