新工科背景下的模式识别课程教学改革探索

陈磊 邓杏叶 刘朝华 张红强

[摘 要] 随着人工智能和大数据时代的到来和新工科建设的推行与实施，社会对高校本科人才培养提出了新要求。模式识别课程作为自动化、计算机等领域的核心专业课程，对培养新工科背景下人工智能和大数据处理新型人才至关重要。目前高校的模式识别课程教学存在课程设置不科学、课堂内容局限、教学方式单一、教学评价和学生考核机制不完善等问题，无法适应新工科背景下新型人才培养需求。为此，通过尝试转变教学模式，将科研元素引入教学中，从课程体系、教学内容、教学方式、教学评价和学生考核机制四个方面进行探索，提出了切实可行的模式识别课程改革方向与策略。

[关键词] 新工科;模式识别;教学改革

[基金项目] 2018年湖南省普通高等学校教学改革研究项目“新工科背景下地方高校自动化专业人才培养体系研究与实践”（湘教通[2018]436号-362）;湖南科技大学校级教学改革研究项目“基于‘互联网+的《计算机网络》课程新型教学模式探索研究”（G31908）

[作者简介] 陈 磊（1986—），男，四川眉山人，工学博士，湖南科技大学讲师，主要从事模式识别研究;邓杏叶（通信作者）（1986—），女（壮族），广西南宁人，经济学硕士，湖南科技大学讲师，主要从事课程探索等研究;刘朝华（1983—），男，湖南衡阳人，工学博士，湖南科技大学副教授，主要从事新能源研究;张红强（1979—），男，河南新乡人，工学博士，湖南科技大学讲师，主要从事人工智能研究。

[中图分类号] G642    [文献标识码] A    [文章编号] 1674-9324（2020）36-0177-02    [收稿日期] 2019-11-25

一、引言

大数据时代，人工智能、数据挖掘与知识理解等技术已成为推动全球产业变革的重要驱动力，而模式识别课程对人工智能、數据挖掘和知识理解三个领域至关重要。目前，模式识别已成为自动化、计算机等专业的核心课程，其目的是培养大数据时代人工智能新型人才，使其能够利用人工智能技术对大数据时代的海量数据进行处理和挖掘，从而分析和理解大数据中的特定知识。为了适应大数据、云计算、人工智能等新兴产业需求，新工科理念应运而生。新工科背景下，实践能力强、创新能力强已成为高校本科人才培养的新目标[1]。

为了适应新工科背景下人才培养新需求，扭转当前本科院校重科研轻教学的现状，本文分析新工科背景下模式识别课程教学存在的问题，围绕实践能力和创新能力的要求探索了模式识别课程的教学改革方向。

二、新工科背景下模式识别课程教学存在的问题

1.课程设置不科学。目前，模式识别课程设置不科学，表现在课程安排、教材选择、授课内容、授课投入度等方面。模式识别课程有各种概念和公式，理论极强，内容抽象，若授课教师对课程不熟练，将难以胜任教学。国内虽有大量模式识别教材，但没有结合学生实际情况，导致学生难以跟上学习进度。部分教材出版多年，相关知识缺乏前沿性，课程内容远远滞后于学科发展。理论教学与实际应用脱节，跟不上新工科对人才能力的需要。

2.课堂内容较局限。模式识别课程是一门理论性极强，同时又与工程实践结合十分紧密的学科。然而，当前模式识别教学中，教师授课局限于书本教案，忽视了人工智能、大数据处理等新兴知识，与学科前沿发展相脱节，导致教学知识滞后，严重阻碍了新工科的建设。

3.教学方式单一。模式识别课程大多采用传统的多媒体教学模式，教学方式单一。教学过程中，教师一般围绕课堂及教材展开，机械讲解知识，忽视案例/项目讲授，导致学生难以理解。此外，教师只注重教学讲解，缺乏教学互动，导致课堂氛围较差。新工科背景下，模式识别课程更应注重考查学生的实际动手能力，单纯对学生进行理论知识灌溉，无法让学生掌握课程精髓，也会影响学生的学习积极性。

4.教学评价和学生考核机制不完善。包含模式识别在内的所有高校课程的教学评价和学生考核大多流于形式，无法适应新工科和大数据时代的新要求。对教师教学评价当前大都采用期末学生打分、督导听课等进行评价。对学生学习效果的考核缺乏标准的学生考核机制，无法对学生是否学到位、是否学得深入、是否能够有所创新进行系统考核[2]。因此，当前的教学评价和学生考核机制尚不完善，无法适应新工科背景下大数据和人工智能新型人才的培养需求。

三、新工科背景下模式识别课程的教学改革方向

1.优化课程体系，增强实用性。面向新工科背景下网络化人才培养需求，模式识别课程体系需优化，增强实用性。首先，要选对教材，安排专业授课教师。其次，不仅要讲解教材的内容体系，还应对重点问题和重点知识进行强化教学，让学生清晰易懂。再次，应以社会实际需求为指引，围绕工程应用这个目标，不断更新实用性知识内容和课程案例库，优化课程体系。

2.适当融合科研和教学，深化教学内容。模式识别课程教师大都以模式识别、数据挖掘、人工智能为研究领域，并主持或参与过多个与模式识别领域前沿问题相关的科研项目。因此，新工科背景下，可将科研与教学融合，在模式识别教学中适当引入科研元素，将传统的书本知识传授模式转为新型的教研融合模式，从而丰富教学内容，培养高素质本科人才。

首先，设置科研专题讨论课。从如何发现模式问题、如何查阅文献、如何寻找解决方案、如何制作PPT提交报告等方面开展教学;其次，分享科研项目，将部分科研成果和体会穿插进课堂教学中，引导学生探究知识，激发学生创新能力;最后，鼓励学生参与科研课题，将科研课题进行分解，例如分解成大学生创新创业项目、竞赛项目、毕业设计等，鼓励学生共同参与教师的科研课题。

3.改进教学方式，培养学生学习主动性。传统灌输式的教学方法，无法激发学生自主学习和探索的热情。针对新工科建设的实际需要，教师需借助各种信息化手段创新教学方式，避免枯燥的教学，进一步培养学生学习主动性。

首先，增强学生课堂参与度。在实际教学中，教师应引入一些新颖的教学方式，如翻转课堂、MOOC等，或借助新型的信息化教学手段，如雨课堂、超星学习通等，实现多场景教学，使学生真正融入课堂，提高学生参与学习热情，进而激发其主动性。其次，加强课后指导。鼓励教师通过微信、QQ等沟通方式，加强对学生的课后指导，提高学生的自主研究性。最后，强化项目实践操作。为学生设置多个工程项目，通过分组研究，培养其团队协作和自主创新能力，提升学生在实践项目中的学习主动性。

4.建立教学评价和学生考核机制，提升教师教学和学生学习质量。教师教学和学生学习是两个紧密关联的部分。新工科背景下模式识别课程应坚持“以评促改，以考保学”的原则，建立合理、有效、灵活的教学评价和学生考核机制，通过二者相互监督与激励提升教师教学和学生学习质量。

首先，建立综合教学评价指标体系。学生通过定性/定量方式从教学内容、教学形式、教学能力、教学态度等方面对教师进行综合评价，实行定期评价，利用学生来督促和激励老师。同时，规范落实督导听课制度。通过督导的针对性听课，及时向授课老师提出改进意见和建议，提高课程教学质量。其次，建立学生考核机制，既注重理论考核也注重实践考核。教师每讲完一个专题，及时进行单元测试。整个课程结束，再进行综合性的知识点测试。同时，教师为学生设置多个工程项目，通过分组研究，考查其团队协作能力、自主创新能力和实际解决问题能力。

四、结论

大数据和人工智能时代下，模式识别课程教学迫切需要改革以适应新工科建设。围绕新工科对人才培养的新需求，本文以模式识别课程为对象，剖析了新工科背景下模式识别课程教学存在的诸多问题，从更新课程体系、深化教学内容、丰富教学方法、建立教师教学评价和学生考核机制四个方面对模式识别教学进行改革探索。

参考文献

[1]秦华锋，王兴琼.高校模式识别课程改革与探讨[J].电脑知识与技术，2019（15）：160-162+165.

[2]马家君，张利，谢泉.基于大数据技术的模式识别课程教学改革[J].教育文化论坛，2019（4）：137-140.