“双高计划”建设背景下工业机器人专业群Python编程课程教学改革探索

柴艺，黄佳伟，高淼

（武汉软件工程职业学院，湖北 武汉 430205）

0 引言

随着“双高计划”政策驱动，高职院校迎来了具有中国特色、高水平发展的内涵式变革，专业群建设成为未来高职院校改革与发展的切入点和突破口[1]。为加速传统制造业转型升级，工业机器人专业群建设致力于打造智能制造领域技术技能人才培养高地，助力制造业智能化、网络化、数字化、融合化发展。为打造高水平专业群，需要构建对接职业岗位群的课程体系，加强专业群特色课程建设，建成线上线下混合教学资源库，同时普及项目式教学、模块化教学改革。依托智慧职教平台建设在线精品课程，将成为推动高职教学改革的重要引擎。现阶段传统高职机电类专业课程体系、教学内容缺乏智能控制、人工智能等智能制造领域要求的技术要素，以此为契机，Python 编程与应用课程作为工业机器人专业群的特色融合课程，旨在培养学生的计算思维和数据分析能力，训练通过编程解决实际问题的能力，为今后进一步使用数据采集、分析及可视化，开展智能制造技术开发、集成应用打好基础。本文围绕Python 编程与应用课程的教学内容重构、教学模式创新、教学过程设计以及教学评价实践等方面开展精品在线课程的教学改革探索与实践。

1 Python编程课程教学问题分析

1.1 教学内容偏离实际

Python 作为一种面向对象的解释型编程语言，具有语法简洁、免费开源、扩展库丰富等特点，广泛应用于网络爬虫、科学计算与数据可视化、机器学习与人工智能等领域。而非计算专业学生普遍缺乏计算编程思维，从大一开设的C 语言程序设计课程情况来看，整体学习效果不佳，学生对计算机编程学习积极性不高，存在一定畏难情绪。目前，Python 编程课程理论知识点包含基本数据结构、程序流程控制、函数和类、文件读写操作、文件异常等基础知识，没有充分考虑到专业的特性和Python 语言的丰富性来制定适合和满足专业需求的教学内容[2]。教学内容包含的语法语义知识点存在“多散杂”的问题，对于计算机编程、英语基础差的学生只能靠死记硬背程序语法结构，难以深入理解应用、缺乏创造性思维和举一反三的能力。教学所用案例存在通用性太强的问题，与智能制造专业领域关联性不大，偏离了社会、行业发展的实际需求，更难以对接岗位能力的培养，计算机信息技术与专业学科知识无法做到有效交叉融合。

1.2 教学模式传统单一

Python 编程课程采取传统的先讲后练、理论教学和上机实验相结合的形式，理论部分多停留在讲解Python语法知识点，实践环节则通过基本案例验证语法正确性。在理论教学过程中，课堂的重点容易集中在对语言语法的描述和解读上，由于知识点繁多且受限于上课时间，往往采用填鸭灌输式的教学模式，既使有代码的演示也通常浅尝辄止，学生课堂参与度低，在教与学之间很容易产生“壁垒”[3]。学生被动式听讲，没有切实体会代码编写的过程，造成听课时“都懂都会”的错觉。真正留给学生独立思考、发散思维的时间相对较少，不利于主观能动性的培养。

针对理论知识内化吸收的上机实验通常安排在一个章节的理论教学之后，主要检测单章知识点的掌握情况，实验内容也多为公共类问题通用性太强，与专业关联性不大，且缺乏应用性、拓展性强的综合训练，难以实现知识点的融会贯通，导致学生学习效率不高、学习目标不明确，更不具备系统性运用Python语言编写程序解决工程实际问题的能力。

1.3 考核形式

课程评价方面存在考核内容片面和考核形式单一的问题。目前，过程性考核和终结性考核（期末考试）各占50%比例，其中过程性考核仅包含考勤和平时作业，课后作业多采用同一套习题统一发布，作业抄袭乱象层出不穷，失去了检验学生对理论知识的掌握以及实践应用情况的目的，教师无法通过课后作业了解学生实际学习情况。同时，教师批阅作业时效性难以保障，学生也无法及时获取有关学习过程的反馈以及有针对性的成果诊断。而终结性考核采用纸质期末试卷的形式，实则变相鼓励学生考前突击性学习，对知识点、编程语法死记硬背，考核内容片面直接造成试卷高分不等同于编程应用能力强，与教学目标严重背离。

2 Python编程课程教学改革路径

2.1 教学内容重构

Python 编程作为一门应用性、普及性极强的课程，也常作为通识课在非计算机专业广泛开设。针对工业机器人专业群开设的特色融合课程Python 编程与应用主要教学目标是培养学生借助计算机编程在工程实践应用中分析问题、解决问题的能力。因此，在教学内容的选择和设计上必须兼顾先进性和实用性，充分与专业学科知识结合，让学生能够学以致用。

近年来，随着工业物联网和大数据等新兴技术的快速发展，智能制造相关企业面临着海量生产数据，将数据转化为有价值的信息成为企业数字化、智能化转型的推动引擎。车间数据可视化就是利用计算机技术将生产数据以直观的图表形式呈现给决策者，是对企业生产车间进行全面实时监控、帮助企业洞察生产过程、做出决策和调整的一种手段。Python语言的灵活性和强大的数据可视化能力完全满足车间数据可视化的要求，基于工业数据采集技术，通过实时监测设备的运行状态、生产参数，识别生产过程中的瓶颈、挖掘优化空间，提高企业管理效率和生产效益。

通过深入调研智能制造相关企业对岗位的能力需求以及毕业生信息反馈，结合Python编程与应用课程的性质和特点，以工业数据采集与可视化、工业机器人编程调试等岗位职业能力为导向明确课程教学目标，引入智能制造领域相关实际案例，整合重构教学内容，修改完善课程标准。其中，教学内容设计分为基础通用知识点和专业应用知识点两部分，如图1所示。通过基础知识点学习掌握程序设计的基本步骤和通用方法，再结合工业数据采集与可视化岗位职业能力培养，基于requests、openpyxl、numpy、matplotlib等第三方库，从数据采集、存储、处理及可视化等模块进行教学内容设计，循序渐进形成综合性项目学习和实践，提升编写程序解决实际问题的能力。

图1 Python教学内容设计

2.2 教学模式创新

基于智能制造领域产业人才需求及职业能力分析，以“掌握概念、强化应用、培养技能”为重点，构建模块化课程体系。结合高职学生来源多元化、乐于动手操作等特点，灵活采用任务驱动、项目导向、案例教学、分组协作等教学方法，以教师为主导、学生为主体，形成交互式教学课堂和多元化学习情境，实现教师与学生、学生与学生间的高效交流。

依托智慧职教平台和精品课程线上资源，将信息技术深度融入教学全过程，实现线上线下混合式教学模式，充分落实“双高计划”中关于提升学校信息化水平和师生信息素养的要求。针对Python 编程与应用课程教学内容多、课时量少的问题，结合实际授课情况采用MOOC、翻转课堂等教学方法，课中环节主要通过头脑风暴、小组讨论的方式完成案例分析、任务分解、知识点串联、代码编译等，编程语言基础理论知识可安排学生在课后通过精品课程教学视频和练习题加强学习[4]。依据课程标准和教学大纲，将Python课程慕课资源上传至智慧指教平台，学生可根据自己需求在课前、课后观看视频学习及完成练习，使学生学习不再局限于固定的时间和地点。依托信息化技术，实现学习教学数据化、交流互动立体化、评价反馈及时化，大幅度提高教育教学质量，巩固学习成效。

“双高计划”明确提出高职院校要落实好立德树人的根本任务，通过对智能制造行业思政元素深入挖掘，不断创新课程思政教学模式，加强学生爱国主义情怀，增强民族自信，提高学生专业自豪感。结合工业机器人产业特点，专业课程融入“工匠精神”元素，引导学生养成严谨专注、精益求精和追求卓越的品质。

2.3 教学过程设计

基于高职学生乐于动手操作，喜欢游戏互动等特点，充分遵循高职学生“螺旋式上升”的学习认知规律，以学生“学”为中心进行反向教学设计，利用信息技术为学生构建多元化学习情境，在教学实践中有的放矢[5]。本小节以车间数据可视化为例，围绕任务发布、分析、实施、评价与提升进行教学过程设计，如图2所示。

图2 Python教学过程设计

2.3.1 课前微课预习

为培养学生的自主学习能力、激发学习兴趣，同时解决课堂基础知识点讲解时间过长的问题，课前在智慧职教平台发布课程资源，包括微课视频、PPT、实训任务书、参考代码等，明确工作任务。针对微课视频内容有针对性地设计基础知识测试题，检验学生课前预习效果。微课视频应具有简短精练的特点，每个视频仅针对一个知识点讲解，时间不超过十分钟，突出重点内容精准，让学生能够利用碎片化时间观看学习，同时方便学生在无法理解时能够快速查找反复观看[6]。通过平台数据掌握学生课前学习完成情况以及基础知识掌握程度，有效提高微课视频利用率、加快学习进程。同时，发布课程任务及思考问题，学生带着问题进课堂，带动课堂探究性学习。

2.3.2 课中案例教与学

课中以提问、小组讨论、头脑风暴等形式创设情境、讲解知识点、编程设计实操演练、归纳总结设计思想及重难点。以车间数据可视化项目为例，引入制造企业车间生产管理看板的案例，基于课前预习，学生已经明确本节课任务，但对如何利用专业知识解决问题还没有明晰思路。车间生产管理看板能为企业解决哪些问题？各类型图表有哪些特点？如何使用Python编程实现数据可视化？以提问、小组讨论的形式“暖场热身”，让学生迅速参与到课堂教学中，同时基于思考问题引导学生进行案例分析、任务分解及重难点探索。

在任务实施环节，遵循“做中学、学中做”的教学理念，理论知识讲解与编程实操并行。基于任务驱动，小组协作逐步推进实施、细化完善，从数据分析处理，图表选择及绘制，再到设置图表标题、坐标轴标签和图例，实现车间生产管理数据可视化。结合线上教学平台针对知识点发布测试题，让学生更为有效的参与到“教与学”双向沟通的教学活动中来，同时可以当堂检验学习效果，根据反馈结果适时调整教学进程。

在任务评价与提升环节，通过教师点评、学生自评、小组互评等多元化方式对学生课堂表现进行考核评价，成果展示让学生获得专业认同感和成就感。思维导图帮助学生梳理总结教学重难点、编程易错点，加深学生对数据可视化模块的理解，培养严谨专注、精益求精的工匠精神。

2.3.3 课后巩固提升

智慧职教平台发布拓展资源和课后提升任务，将一些难以理解的概念、定义、编程语法等内容，以图片、逻辑图、思维导图等形式呈现，同时上传了包括单选、判断、填空等1000 道题的线上题库，强化训练Python 语言理论基础知识。学生根据参考资料完成拓展编程作业，培养学生高阶思维能力和编程实践能力，促进高质量教学。课后巩固提升环节，学生能及时得到有针对性的诊断和反馈，充分了解自身的学习状况查漏补缺，教师也能基于平台实时获取学生课后学习动态。

2.4 教学考核实践

“双高计划”建设对构建多元化课程评价体系也提出了更高要求，注重过程性考核，从而对学生综合素养、能力和技能进行进行全面、客观、公正评价。传统的Python 课程考核体系更偏向于Python 语法知识点，学生往往通过死记硬背、机械刷题的方式应付考试，采用同一套纸质试卷的考核形式更是让抄袭作弊乱象层出不穷。Python 课程考核评价体系势必破旧立新，将终结性考核与过程性考核按照各占一半的比例相结合，评价考核要求及权重如表1 所示。其中，过程性评价内容包括考勤、线上学习、课堂表现、作业练习等，以考核职业能力为主。终结性考核采取上机方式替代传统纸质试卷，借助智慧职教平台题库随机生成多组考核试题，理论部分侧重Python 语法知识点，题型包括选择、填空、判断，实操部分考察学生编程应用及分析、解决实际问题的能力。

表1 Python课程评价考核要求及权重

3 结束语

本文基于Python 编程课程现状分析了现有的教学问题，针对问题从教学内容、教学模式、教学设计以及考核评价等方面提出了相应的教学改革策略。依托智慧职教平台和精品课程线上资源，构建线上线下混合式教学模式，以学生“学”为中心进行反向教学设计，有效培养了学生的计算编程思维和实践创新能力。在今后教学改革探索过程中，设计更多和专业相关案例，在教学实践中因材施教、有的放矢，激发学生学习兴趣与热情，让学生切实体会到编程能够解决工程实际问题，学以致用，真正落实“双高计划”对工业机器人专业群特色课程建设提出的要求。