人机混合增强的智能汽车新工科课程实践

唐晓峰

摘 要：培养具有研究学习能力的创新型人才是车辆工程专业发展的重要推动力，智能汽车课程作为车辆工程的专业课程具有十分重要的地位。针对智能汽车课程特点，结合本科生教学培养及课程内容现状，对基础理论知识、核心内容以及高水平试验教学过程等体系进行教学方法改革，提出基于“人机”智能增强的混合研究型本科教学方法，探索提高学生研究学习能力的混合研究型教学方法。

关键词：“人机”智能增强 智能汽车 混合研究型本科教学 研究学习能力

一、研究背景和问题提出

智能汽车课程是车辆工程专业课程体系中重要的专业课程，涉及多种复杂学科。为适应车辆工程专业发展对智能汽车创新型人才的迫切需求，智能汽车课程要贯彻讲透基础、明确技术开发过程、重视实践原理设计原则，培养能够在智能汽车领域进行开发的高水平技术人才。智能汽车课程具有概念多样、理论抽象、算法较多、公式推导过程较为复杂等特点，其教学改革主要集中在对多学科知识的灵活运用上，将通信技术、视觉原理、人工智能技术等多学科用于车辆通信以及环境感知等领域开发。传统的灌输教学模式降低了学生的积极主动性，重视知识传授而轻视实际运用，造成学生无法很好地解决实际问题。因此，提高本科教学课程的创新应用，让学生掌握实际开发能力是智能汽车课程教学改革的重要目标。

二、研究型教学改革方法

研究型学习属于情境学习方式，包括探究式学习、基于问题/项目的学习，是能够让学生在实践中运用多学科知识能力的学习。美国普渡大学研究表明：研究型学习若能实施恰当，不仅能改善学生的学习态度，而且还能让学生所学知识和技能保持时间更长。[1]

智能汽车专业课程的特点是理论性和实践性强，教学模式的选择要综合考虑该课程特点。

（一）研究型教学模式合理选择

研究型教学模式大致分为问题解决模式、项目研究模式以及任务驱动模式等三种。[2]问题解决模式以问题为学习过程的出发点，意味着学生调查和研究特定问题的相关知识、方法和理论，而不是专注于狭隘的学科主题或任务，尤其对于交叉学科课程，这是充分理解问题的先决条件。通常这些问题不是由学习计划或教师预先确定的，而是需要学生自己发现和定义他们希望进一步调查的问题。[3]在调查问题时，需要掌握智能汽车课程各相关学科知识背景，并且逐渐构建与最初问题相关的知识过程，当达到将问题描述为一个明确定义的研究问题时，问题解决模式的研究型教学便起到了良好的效果。[4]然而，智能汽車课程内容复杂多样，每个环节都具有复杂性，问题导向也很多，各个环节之间相互衔接。如果采用问题解决模式进行授课，会出现多个待解决问题和复杂的逻辑内容，导致问题无法解决。因此采用问题解决模式的研究型教学本身不可取。项目研究模式是基于项目本身用既定的方法进行高质量研究，特点是将问题的情境性直接传到项目中，不是基于方法论阐述，不必论证所有问题的必要性，使用可行的研究方案实现过程教学，这种模式通常需要团队协作完成。智能汽车课程具有系统性和开放性，其中大量的基础性概念以及原理理论都在不断更新，会产生不确定性问题，这会导致原本以项目研究模式的教学出现难以理解的复杂概念和逻辑，此外还会限制学生从各个角度展开论述问题。任务驱动模式的课程教学方法通常是指在学生累积了大量基础知识的基础上，通过给予学生某种任务或者某种参赛的标准开展任务教学。这种模式对学生的自学能力和掌握基础学科的综合课程有着较强要求。

（二）交叉学科课程特点

由多学科知识构成的智能汽车课程具有以下特点。

1. 交叉学科知识的多样性

此重要表现在知识点上不断延伸，例如采用毫米波雷达实现对行人和车辆检测，通常不仅需要概率论知识，而且还需要机器学习分类器知识，然而要学习分类器相关知识，又要学习数值分析课程等知识的应用方法，具有交叉学科特点的智能汽车课程呈现知识的多样性。

2. 交叉学科知识的交融性

交叉学科知识之间的交融性体现在整个智能汽车课程中，例如智能汽车的路径规划层，需要的不仅是数学理论，而且还需要车辆动力学的知识，在做全局路径规划时，还需要各种信息，例如导航信息、定位信息、地图信息和多种融合后的传感器信息，数据的输入作为路径规划的起点，多学科知识不仅是简单的罗列，而且融于智能汽车开发中。

3. 交叉学科知识的复杂性

智能汽车课程最大的特点是多学科知识交叉于任何一个技术环节中，同时也会体现出更为复杂的未知问题。要让学生更好地理解和掌握智能汽车课程，需要认真面对其复杂性，选择更为合适的教学模式，保证学生真正掌握课程的核心内容。

4. 交叉学科知识的分散性

多学科交叉的课程的分散性体现在高校的课程体系中，课程内容宽泛，且难以倾向于智能汽车课程。以机器学习分类器知识点为例，在讲授这门课程时，如何将具有分散性算法特点的学科知识集中于智能汽车课程中，是比较关键的问题。

5. 交叉学科知识的可延伸性

交叉学科往往针对不同对象呈现不同的理论算法，每一种算法在实际对象研究中呈现不同的理论延伸。以智能汽车课程为例，采用基于深度学习的环境感知技术，深度学习有多种网络训练模型，每种网络训练模型又会根据智能汽车的行驶环境进行可持续延伸，学生要学会深度学习系统性算法才能够突破技术。

6. 交叉学科知识的问题具有探索性

交叉学科通常用于一门新型工程课程开发，理论内容和算法解释通常会呈现不可解释性，由于智能汽车面对的道路场景是复杂多样的，多学科知识往往无法解决智能汽车的某个难点，导致问题呈现不可解释性。

基于上述对交叉学科知识问题分析可知：交叉学科理论丰富，采用单一研究型的教学模式无法让学生学好多学科知识。因此，我们针对此门课程特点提出一种有效的“融合传统基础理论知识的混合研究型教学方法”来完成授课。结合传统的师生教与学的关系，无法满足智能汽车多问题导向，所以提出教学与研究辩证的模式，有助于促进跨学科专业课程需求导向，不仅可以调整新的思维方式，而且还可以促进以学习为中心的教学模式改革，完全摒弃死记硬背式的灌输式教学，有助于学生真正掌握智能汽车知识。

（三）本科生对具有交叉学科特点的智能汽车课程的可接受度

跨学科学习智能汽车课程的挑战在于建立和管理各种学科相关知识的学习进程，以实现对多学科理论知识的吸收。[5]对于大多数学生而言，将如此繁多的课程内容嵌入到智能汽车课程学习中，并解决一系列跨学科相关问题，需要克服以下难点。

1. 掌握复杂多学科理论知识及其应用原理

确切来说，无论采用传统或研究型教学方法，随着深度学习、计算机视觉、导航原理、概率论、机器学习、高精度地图等多学科复杂理论的增加，学生对于智能汽车课程内容的理解都是具有难度的。因此，只有把相关学科所用理论建构在系统框架里，并且有针对性地讲授这些理论知识，才能使得学生具备解决实际问题的能力。

2. 多学科交叉产生的新思维方式与传统课程的思维方式的差异性

智能汽车课程属于新学科课程，其人工智能技术等多学科知识也呈现出新学科特性。智能汽车课程的新思维方式是倾向于通过编程实现它的某种功能，这与大多基于机械设计建构的传统思维方式不同。学生需要接受新的思维方式和逻辑性，才能更好地学好智能汽车课程。

3. 掌握新技术开发工具的学习方式

由于智能汽车课程理论知识的难度系数较高，学生因此需要掌握一些软件技术开发工具，例如python（编程）软件，或者学习提升技术的其他方式，例如通过虚拟现实技术学习智能汽车的某些有难度的知识点。

综上，智能汽车是一门有难度的课程，学生想要充分掌握智能汽车课程，在大量学习各类相关学科课程的前提下，还需要有针对性地对各类可应用性的学科知识进行管理，才能有效利用相关学科知识解决智能汽车问题。对于教师而言，单纯采用传统授课方法和研究型教学方法未必能确保学生完全理解智能汽车的知识点，需要运用“增强的混合型研究型教学方法”，并且结合信息技术来完成智能汽车课程。

三、“人机”智能增强的混合研究型教学方法

近年来，随着人工智能技术的发展，以人为中心的人工智能2.0概念得到蓬勃发展，其重点研究方向是人机混合的增强智能、数据智能、跨媒体智能和自主智能系统。[6]其中，人机混合的增强智能是从机器智能到人机混合的增强智能，更适合创新平台课程从理论学习到应用、算法原理到研究、技术到产品开发等的快速学习过程，有助于更好打造智能汽车创新人才培养工程。

人机混合增强智能是将人的认知模型引入人工智能中，通过采用机器智能和人类智能两种方法，提高系统在面对复杂环境时解决问题的能力。人机交互技术是人机混合增强智能的主要实现手段之一，其特点是以人为中心的交互模式，通过相关人员，对所要执行任务进行初步操纵。人机交互技术在高等院校一些复杂的新工科课程中，对复杂问题的理解以及如何实现复杂过程，具有十分重要的指导作用。针对智能汽车课程，提出人机混合增强智能技术实现混合式研究课程教学，借助人机交互接口技术，实现对某个知识点的表述，便于学生对智能汽车理论知识的理解，具体教学实施过程如下。

1. 对于智能汽车基础概念性理论，采用传统基础性教学方法教学

对于有难度的基础性概念，例如，智能汽车的传感器构成和实现原理等，可以采用图片或短视频来表述，借助智慧教室的人机显示屏，可以更好地实现这种问题的教学。

2. 对于智能汽车核心技术的过程性开发，采用研究型教学方法教学

由于智能汽車课程是强烈的实践特殊性学科，如果只采用研究型教学模式，未必能让学生真正理解。例如，城区复杂道路环境和园区道路环境的传感器系统是不同的，不同的道路场景安装智能汽车传感器的位置有很大区别，这都需要明确各个传感器对环境感知的要求及坐标变换。

为更好地让学生理解理论，需要采用人机混合智能增强的问题解决式研究型教学方法，将多种智能汽车传感器知识，放入智慧教室的显示屏终端设备等。通过采用多模态交互技术和自然语言处理技术，使教师在讲授过程中所表达的意图、所提出的算法，都能精确地传输到相应的智能汽车系统中，让学生更好地理解知识，做到活学活用。

3. 对于智能汽车算法教学过程，采用“人机”智能增强的混合研究型教学方法

例如，智能汽车决策算法教学过程，先采用传统的基础理论方法将必要的决策概念及算法原理讲授清楚后，再采用问题解决式研究型教学方法讲授在实际应用开发过程中所运用的具体算法，并采用“人机”智能增强技术实现算法在实际开发中的应用。

4. 对于智能汽车部分试验课的教学过程，采用混合现实技术实现教学

当前的智能汽车开发过程大多体现在特定的园区场景中，对于简单的道路场景，可以进行实车试验的过程教学。对复杂的道路环境场景的试验讲授，更多采用混合虚拟现实技术来实现，采用混合现实技术的实验室台架的试验过程教学模式。对于智能汽车课程而言，采用混合现实技术可以更好地再现真实道路场景，将知识融入某种情境中，能让学生充分掌握理论知识，大幅提升学生掌握知识的能力，从而不仅可以提升教学质量，而且可以快速提升学生对交叉学科知识的学习和应用能力。

四、“人机”智能增强的混合研究型学习评价体系

学生的学习评价体系通常从学科与学习效果的关系来阐述。基于“人机”智能增强的混合研究型学习评价更应注重学生的自主学习能力，学生对核心知识点的理解层次，学生能否根据自我兴趣借助所学知识进行继续创造和运用知识的能力。这个体系更多体现在对学生参与研究过程的考核，诸如自主学习多学科知识的方法、思考问题的切入方法、参与项目的问题解决能力、查阅相关科技文献资料的水平等。

例如，针对优秀学生，可以考核其是否具备开发智能汽车的能力，是否能自主完成复杂的试验测试过程等，通常表现在学生可以直接参与完成解决某一问题或项目的某个知识点，针对项目进行研究与解决问题等。对这部分学生力求培养其一定的研究能力。对于中等学生，主要可以通过让他们参加一些比赛，通常表现在考查学生参与完成其中某一项技术或者运用知识完成某些指标的能力。也可以将体现在平时考试、课堂讨论中、平时研究型报告或论文以及团队式完成试验测试过程的能力等纳入考核体系。对于一般的学生，通过考试、平时的课堂讨论、作业完成情况以及撰写研究报告等形式对其进行考核。通过三位一体的评价体系，激发学生自主学习新知识和提升解决问题的能力。

五、总结与展望

智能汽车课程是一门多学科交叉、创新性强的新工科课程，其多学科复杂结合也是教学的难点。采用混合研究型教学方法提高学生学习新知识的兴趣和能力，培养创新型人才是本课程教学改革的重点。具体可以通过人机智能增强的方法，借助于智慧教室的多终端功能，实现在课堂教学中的实践应用，使教师要表达的观点准确地应用于教学中，让学生更好地理解复杂难点，可以促进学生深刻了解课程的具体试验过程，从而满足试验的要求，提升学生的学习兴趣，从而掌握智能汽车课程。

参考文献：

[1] 张治，刘小龙，余明华，等.研究型课程自适应学习系统：理念、策略与实践[J].中国电化教育，2018（4）：119-130.

[2] 田霖.“工程热力学”研究型教学方法改革与探索[J].教育教学论坛，2019（51）：105-106.

[3] Annie Aarup Jensen， Diana Stentoft， Ole Ravn. Problem-Based Projects， Learning and Interdisciplinarity in Higher Education[M]. Berlin：Springer， 2019.

[4] Norman Reid. Making Sense of Learning A Research-Based Approach[M]. Berlin：Springer， 2020.

[5] Rashad Ahmed， Abdu Al-kadi， Trenton Hagar. Enhancements and Limitations to ICT Based Informal Language Learning：Emerging Research and Opportunities[M]. Hershey：IGI Global， 2020.

[6] 张俊，李灵犀，林懿伦，等.虚实系统互驱的混合增强智能开放创新平台的架构与方案[J].智能科学与技术学报，2019（4）：379-391.