唐曉峰

摘 要：培養(yǎng)具有研究學(xué)習(xí)能力的創(chuàng)新型人才是車輛工程專業(yè)發(fā)展的重要推動(dòng)力，智能汽車課程作為車輛工程的專業(yè)課程具有十分重要的地位。針對(duì)智能汽車課程特點(diǎn)，結(jié)合本科生教學(xué)培養(yǎng)及課程內(nèi)容現(xiàn)狀，對(duì)基礎(chǔ)理論知識(shí)、核心內(nèi)容以及高水平試驗(yàn)教學(xué)過程等體系進(jìn)行教學(xué)方法改革，提出基于“人機(jī)”智能增強(qiáng)的混合研究型本科教學(xué)方法，探索提高學(xué)生研究學(xué)習(xí)能力的混合研究型教學(xué)方法。

關(guān)鍵詞：“人機(jī)”智能增強(qiáng) 智能汽車 混合研究型本科教學(xué) 研究學(xué)習(xí)能力

一、研究背景和問題提出

智能汽車課程是車輛工程專業(yè)課程體系中重要的專業(yè)課程，涉及多種復(fù)雜學(xué)科。為適應(yīng)車輛工程專業(yè)發(fā)展對(duì)智能汽車創(chuàng)新型人才的迫切需求，智能汽車課程要貫徹講透基礎(chǔ)、明確技術(shù)開發(fā)過程、重視實(shí)踐原理設(shè)計(jì)原則，培養(yǎng)能夠在智能汽車領(lǐng)域進(jìn)行開發(fā)的高水平技術(shù)人才。智能汽車課程具有概念多樣、理論抽象、算法較多、公式推導(dǎo)過程較為復(fù)雜等特點(diǎn)，其教學(xué)改革主要集中在對(duì)多學(xué)科知識(shí)的靈活運(yùn)用上，將通信技術(shù)、視覺原理、人工智能技術(shù)等多學(xué)科用于車輛通信以及環(huán)境感知等領(lǐng)域開發(fā)。傳統(tǒng)的灌輸教學(xué)模式降低了學(xué)生的積極主動(dòng)性，重視知識(shí)傳授而輕視實(shí)際運(yùn)用，造成學(xué)生無法很好地解決實(shí)際問題。因此，提高本科教學(xué)課程的創(chuàng)新應(yīng)用，讓學(xué)生掌握實(shí)際開發(fā)能力是智能汽車課程教學(xué)改革的重要目標(biāo)。

二、研究型教學(xué)改革方法

研究型學(xué)習(xí)屬于情境學(xué)習(xí)方式，包括探究式學(xué)習(xí)、基于問題/項(xiàng)目的學(xué)習(xí)，是能夠讓學(xué)生在實(shí)踐中運(yùn)用多學(xué)科知識(shí)能力的學(xué)習(xí)。美國普渡大學(xué)研究表明：研究型學(xué)習(xí)若能實(shí)施恰當(dāng)，不僅能改善學(xué)生的學(xué)習(xí)態(tài)度，而且還能讓學(xué)生所學(xué)知識(shí)和技能保持時(shí)間更長。[1]

智能汽車專業(yè)課程的特點(diǎn)是理論性和實(shí)踐性強(qiáng)，教學(xué)模式的選擇要綜合考慮該課程特點(diǎn)。

（一）研究型教學(xué)模式合理選擇

研究型教學(xué)模式大致分為問題解決模式、項(xiàng)目研究模式以及任務(wù)驅(qū)動(dòng)模式等三種。[2]問題解決模式以問題為學(xué)習(xí)過程的出發(fā)點(diǎn)，意味著學(xué)生調(diào)查和研究特定問題的相關(guān)知識(shí)、方法和理論，而不是專注于狹隘的學(xué)科主題或任務(wù)，尤其對(duì)于交叉學(xué)科課程，這是充分理解問題的先決條件。通常這些問題不是由學(xué)習(xí)計(jì)劃或教師預(yù)先確定的，而是需要學(xué)生自己發(fā)現(xiàn)和定義他們希望進(jìn)一步調(diào)查的問題。[3]在調(diào)查問題時(shí)，需要掌握智能汽車課程各相關(guān)學(xué)科知識(shí)背景，并且逐漸構(gòu)建與最初問題相關(guān)的知識(shí)過程，當(dāng)達(dá)到將問題描述為一個(gè)明確定義的研究問題時(shí)，問題解決模式的研究型教學(xué)便起到了良好的效果。[4]然而，智能汽車課程內(nèi)容復(fù)雜多樣，每個(gè)環(huán)節(jié)都具有復(fù)雜性，問題導(dǎo)向也很多，各個(gè)環(huán)節(jié)之間相互銜接。如果采用問題解決模式進(jìn)行授課，會(huì)出現(xiàn)多個(gè)待解決問題和復(fù)雜的邏輯內(nèi)容，導(dǎo)致問題無法解決。因此采用問題解決模式的研究型教學(xué)本身不可取。項(xiàng)目研究模式是基于項(xiàng)目本身用既定的方法進(jìn)行高質(zhì)量研究，特點(diǎn)是將問題的情境性直接傳到項(xiàng)目中，不是基于方法論闡述，不必論證所有問題的必要性，使用可行的研究方案實(shí)現(xiàn)過程教學(xué)，這種模式通常需要團(tuán)隊(duì)協(xié)作完成。智能汽車課程具有系統(tǒng)性和開放性，其中大量的基礎(chǔ)性概念以及原理理論都在不斷更新，會(huì)產(chǎn)生不確定性問題，這會(huì)導(dǎo)致原本以項(xiàng)目研究模式的教學(xué)出現(xiàn)難以理解的復(fù)雜概念和邏輯，此外還會(huì)限制學(xué)生從各個(gè)角度展開論述問題。任務(wù)驅(qū)動(dòng)模式的課程教學(xué)方法通常是指在學(xué)生累積了大量基礎(chǔ)知識(shí)的基礎(chǔ)上，通過給予學(xué)生某種任務(wù)或者某種參賽的標(biāo)準(zhǔn)開展任務(wù)教學(xué)。這種模式對(duì)學(xué)生的自學(xué)能力和掌握基礎(chǔ)學(xué)科的綜合課程有著較強(qiáng)要求。

（二）交叉學(xué)科課程特點(diǎn)

由多學(xué)科知識(shí)構(gòu)成的智能汽車課程具有以下特點(diǎn)。

1. 交叉學(xué)科知識(shí)的多樣性

此重要表現(xiàn)在知識(shí)點(diǎn)上不斷延伸，例如采用毫米波雷達(dá)實(shí)現(xiàn)對(duì)行人和車輛檢測(cè)，通常不僅需要概率論知識(shí)，而且還需要機(jī)器學(xué)習(xí)分類器知識(shí)，然而要學(xué)習(xí)分類器相關(guān)知識(shí)，又要學(xué)習(xí)數(shù)值分析課程等知識(shí)的應(yīng)用方法，具有交叉學(xué)科特點(diǎn)的智能汽車課程呈現(xiàn)知識(shí)的多樣性。

2. 交叉學(xué)科知識(shí)的交融性

交叉學(xué)科知識(shí)之間的交融性體現(xiàn)在整個(gè)智能汽車課程中，例如智能汽車的路徑規(guī)劃層，需要的不僅是數(shù)學(xué)理論，而且還需要車輛動(dòng)力學(xué)的知識(shí)，在做全局路徑規(guī)劃時(shí)，還需要各種信息，例如導(dǎo)航信息、定位信息、地圖信息和多種融合后的傳感器信息，數(shù)據(jù)的輸入作為路徑規(guī)劃的起點(diǎn)，多學(xué)科知識(shí)不僅是簡(jiǎn)單的羅列，而且融于智能汽車開發(fā)中。

3. 交叉學(xué)科知識(shí)的復(fù)雜性

智能汽車課程最大的特點(diǎn)是多學(xué)科知識(shí)交叉于任何一個(gè)技術(shù)環(huán)節(jié)中，同時(shí)也會(huì)體現(xiàn)出更為復(fù)雜的未知問題。要讓學(xué)生更好地理解和掌握智能汽車課程，需要認(rèn)真面對(duì)其復(fù)雜性，選擇更為合適的教學(xué)模式，保證學(xué)生真正掌握課程的核心內(nèi)容。

4. 交叉學(xué)科知識(shí)的分散性

多學(xué)科交叉的課程的分散性體現(xiàn)在高校的課程體系中，課程內(nèi)容寬泛，且難以傾向于智能汽車課程。以機(jī)器學(xué)習(xí)分類器知識(shí)點(diǎn)為例，在講授這門課程時(shí)，如何將具有分散性算法特點(diǎn)的學(xué)科知識(shí)集中于智能汽車課程中，是比較關(guān)鍵的問題。

5. 交叉學(xué)科知識(shí)的可延伸性

交叉學(xué)科往往針對(duì)不同對(duì)象呈現(xiàn)不同的理論算法，每一種算法在實(shí)際對(duì)象研究中呈現(xiàn)不同的理論延伸。以智能汽車課程為例，采用基于深度學(xué)習(xí)的環(huán)境感知技術(shù)，深度學(xué)習(xí)有多種網(wǎng)絡(luò)訓(xùn)練模型，每種網(wǎng)絡(luò)訓(xùn)練模型又會(huì)根據(jù)智能汽車的行駛環(huán)境進(jìn)行可持續(xù)延伸，學(xué)生要學(xué)會(huì)深度學(xué)習(xí)系統(tǒng)性算法才能夠突破技術(shù)。

6. 交叉學(xué)科知識(shí)的問題具有探索性

交叉學(xué)科通常用于一門新型工程課程開發(fā)，理論內(nèi)容和算法解釋通常會(huì)呈現(xiàn)不可解釋性，由于智能汽車面對(duì)的道路場(chǎng)景是復(fù)雜多樣的，多學(xué)科知識(shí)往往無法解決智能汽車的某個(gè)難點(diǎn)，導(dǎo)致問題呈現(xiàn)不可解釋性。

基于上述對(duì)交叉學(xué)科知識(shí)問題分析可知：交叉學(xué)科理論豐富，采用單一研究型的教學(xué)模式無法讓學(xué)生學(xué)好多學(xué)科知識(shí)。因此，我們針對(duì)此門課程特點(diǎn)提出一種有效的“融合傳統(tǒng)基礎(chǔ)理論知識(shí)的混合研究型教學(xué)方法”來完成授課。結(jié)合傳統(tǒng)的師生教與學(xué)的關(guān)系，無法滿足智能汽車多問題導(dǎo)向，所以提出教學(xué)與研究辯證的模式，有助于促進(jìn)跨學(xué)科專業(yè)課程需求導(dǎo)向，不僅可以調(diào)整新的思維方式，而且還可以促進(jìn)以學(xué)習(xí)為中心的教學(xué)模式改革，完全摒棄死記硬背式的灌輸式教學(xué)，有助于學(xué)生真正掌握智能汽車知識(shí)。

（三）本科生對(duì)具有交叉學(xué)科特點(diǎn)的智能汽車課程的可接受度

跨學(xué)科學(xué)習(xí)智能汽車課程的挑戰(zhàn)在于建立和管理各種學(xué)科相關(guān)知識(shí)的學(xué)習(xí)進(jìn)程，以實(shí)現(xiàn)對(duì)多學(xué)科理論知識(shí)的吸收。[5]對(duì)于大多數(shù)學(xué)生而言，將如此繁多的課程內(nèi)容嵌入到智能汽車課程學(xué)習(xí)中，并解決一系列跨學(xué)科相關(guān)問題，需要克服以下難點(diǎn)。

1. 掌握復(fù)雜多學(xué)科理論知識(shí)及其應(yīng)用原理

確切來說，無論采用傳統(tǒng)或研究型教學(xué)方法，隨著深度學(xué)習(xí)、計(jì)算機(jī)視覺、導(dǎo)航原理、概率論、機(jī)器學(xué)習(xí)、高精度地圖等多學(xué)科復(fù)雜理論的增加，學(xué)生對(duì)于智能汽車課程內(nèi)容的理解都是具有難度的。因此，只有把相關(guān)學(xué)科所用理論建構(gòu)在系統(tǒng)框架里，并且有針對(duì)性地講授這些理論知識(shí)，才能使得學(xué)生具備解決實(shí)際問題的能力。

2. 多學(xué)科交叉產(chǎn)生的新思維方式與傳統(tǒng)課程的思維方式的差異性

智能汽車課程屬于新學(xué)科課程，其人工智能技術(shù)等多學(xué)科知識(shí)也呈現(xiàn)出新學(xué)科特性。智能汽車課程的新思維方式是傾向于通過編程實(shí)現(xiàn)它的某種功能，這與大多基于機(jī)械設(shè)計(jì)建構(gòu)的傳統(tǒng)思維方式不同。學(xué)生需要接受新的思維方式和邏輯性，才能更好地學(xué)好智能汽車課程。

3. 掌握新技術(shù)開發(fā)工具的學(xué)習(xí)方式

由于智能汽車課程理論知識(shí)的難度系數(shù)較高，學(xué)生因此需要掌握一些軟件技術(shù)開發(fā)工具，例如python（編程）軟件，或者學(xué)習(xí)提升技術(shù)的其他方式，例如通過虛擬現(xiàn)實(shí)技術(shù)學(xué)習(xí)智能汽車的某些有難度的知識(shí)點(diǎn)。

綜上，智能汽車是一門有難度的課程，學(xué)生想要充分掌握智能汽車課程，在大量學(xué)習(xí)各類相關(guān)學(xué)科課程的前提下，還需要有針對(duì)性地對(duì)各類可應(yīng)用性的學(xué)科知識(shí)進(jìn)行管理，才能有效利用相關(guān)學(xué)科知識(shí)解決智能汽車問題。對(duì)于教師而言，單純采用傳統(tǒng)授課方法和研究型教學(xué)方法未必能確保學(xué)生完全理解智能汽車的知識(shí)點(diǎn)，需要運(yùn)用“增強(qiáng)的混合型研究型教學(xué)方法”，并且結(jié)合信息技術(shù)來完成智能汽車課程。

三、“人機(jī)”智能增強(qiáng)的混合研究型教學(xué)方法

近年來，隨著人工智能技術(shù)的發(fā)展，以人為中心的人工智能2.0概念得到蓬勃發(fā)展，其重點(diǎn)研究方向是人機(jī)混合的增強(qiáng)智能、數(shù)據(jù)智能、跨媒體智能和自主智能系統(tǒng)。[6]其中，人機(jī)混合的增強(qiáng)智能是從機(jī)器智能到人機(jī)混合的增強(qiáng)智能，更適合創(chuàng)新平臺(tái)課程從理論學(xué)習(xí)到應(yīng)用、算法原理到研究、技術(shù)到產(chǎn)品開發(fā)等的快速學(xué)習(xí)過程，有助于更好打造智能汽車創(chuàng)新人才培養(yǎng)工程。

人機(jī)混合增強(qiáng)智能是將人的認(rèn)知模型引入人工智能中，通過采用機(jī)器智能和人類智能兩種方法，提高系統(tǒng)在面對(duì)復(fù)雜環(huán)境時(shí)解決問題的能力。人機(jī)交互技術(shù)是人機(jī)混合增強(qiáng)智能的主要實(shí)現(xiàn)手段之一，其特點(diǎn)是以人為中心的交互模式，通過相關(guān)人員，對(duì)所要執(zhí)行任務(wù)進(jìn)行初步操縱。人機(jī)交互技術(shù)在高等院校一些復(fù)雜的新工科課程中，對(duì)復(fù)雜問題的理解以及如何實(shí)現(xiàn)復(fù)雜過程，具有十分重要的指導(dǎo)作用。針對(duì)智能汽車課程，提出人機(jī)混合增強(qiáng)智能技術(shù)實(shí)現(xiàn)混合式研究課程教學(xué)，借助人機(jī)交互接口技術(shù)，實(shí)現(xiàn)對(duì)某個(gè)知識(shí)點(diǎn)的表述，便于學(xué)生對(duì)智能汽車?yán)碚撝R(shí)的理解，具體教學(xué)實(shí)施過程如下。

1. 對(duì)于智能汽車基礎(chǔ)概念性理論，采用傳統(tǒng)基礎(chǔ)性教學(xué)方法教學(xué)

對(duì)于有難度的基礎(chǔ)性概念，例如，智能汽車的傳感器構(gòu)成和實(shí)現(xiàn)原理等，可以采用圖片或短視頻來表述，借助智慧教室的人機(jī)顯示屏，可以更好地實(shí)現(xiàn)這種問題的教學(xué)。

2. 對(duì)于智能汽車核心技術(shù)的過程性開發(fā)，采用研究型教學(xué)方法教學(xué)

由于智能汽車課程是強(qiáng)烈的實(shí)踐特殊性學(xué)科，如果只采用研究型教學(xué)模式，未必能讓學(xué)生真正理解。例如，城區(qū)復(fù)雜道路環(huán)境和園區(qū)道路環(huán)境的傳感器系統(tǒng)是不同的，不同的道路場(chǎng)景安裝智能汽車傳感器的位置有很大區(qū)別，這都需要明確各個(gè)傳感器對(duì)環(huán)境感知的要求及坐標(biāo)變換。

為更好地讓學(xué)生理解理論，需要采用人機(jī)混合智能增強(qiáng)的問題解決式研究型教學(xué)方法，將多種智能汽車傳感器知識(shí)，放入智慧教室的顯示屏終端設(shè)備等。通過采用多模態(tài)交互技術(shù)和自然語言處理技術(shù)，使教師在講授過程中所表達(dá)的意圖、所提出的算法，都能精確地傳輸?shù)较鄳?yīng)的智能汽車系統(tǒng)中，讓學(xué)生更好地理解知識(shí)，做到活學(xué)活用。

3. 對(duì)于智能汽車算法教學(xué)過程，采用“人機(jī)”智能增強(qiáng)的混合研究型教學(xué)方法

例如，智能汽車決策算法教學(xué)過程，先采用傳統(tǒng)的基礎(chǔ)理論方法將必要的決策概念及算法原理講授清楚后，再采用問題解決式研究型教學(xué)方法講授在實(shí)際應(yīng)用開發(fā)過程中所運(yùn)用的具體算法，并采用“人機(jī)”智能增強(qiáng)技術(shù)實(shí)現(xiàn)算法在實(shí)際開發(fā)中的應(yīng)用。

4. 對(duì)于智能汽車部分試驗(yàn)課的教學(xué)過程，采用混合現(xiàn)實(shí)技術(shù)實(shí)現(xiàn)教學(xué)

當(dāng)前的智能汽車開發(fā)過程大多體現(xiàn)在特定的園區(qū)場(chǎng)景中，對(duì)于簡(jiǎn)單的道路場(chǎng)景，可以進(jìn)行實(shí)車試驗(yàn)的過程教學(xué)。對(duì)復(fù)雜的道路環(huán)境場(chǎng)景的試驗(yàn)講授，更多采用混合虛擬現(xiàn)實(shí)技術(shù)來實(shí)現(xiàn)，采用混合現(xiàn)實(shí)技術(shù)的實(shí)驗(yàn)室臺(tái)架的試驗(yàn)過程教學(xué)模式。對(duì)于智能汽車課程而言，采用混合現(xiàn)實(shí)技術(shù)可以更好地再現(xiàn)真實(shí)道路場(chǎng)景，將知識(shí)融入某種情境中，能讓學(xué)生充分掌握理論知識(shí)，大幅提升學(xué)生掌握知識(shí)的能力，從而不僅可以提升教學(xué)質(zhì)量，而且可以快速提升學(xué)生對(duì)交叉學(xué)科知識(shí)的學(xué)習(xí)和應(yīng)用能力。

四、“人機(jī)”智能增強(qiáng)的混合研究型學(xué)習(xí)評(píng)價(jià)體系

學(xué)生的學(xué)習(xí)評(píng)價(jià)體系通常從學(xué)科與學(xué)習(xí)效果的關(guān)系來闡述?；凇叭藱C(jī)”智能增強(qiáng)的混合研究型學(xué)習(xí)評(píng)價(jià)更應(yīng)注重學(xué)生的自主學(xué)習(xí)能力，學(xué)生對(duì)核心知識(shí)點(diǎn)的理解層次，學(xué)生能否根據(jù)自我興趣借助所學(xué)知識(shí)進(jìn)行繼續(xù)創(chuàng)造和運(yùn)用知識(shí)的能力。這個(gè)體系更多體現(xiàn)在對(duì)學(xué)生參與研究過程的考核，諸如自主學(xué)習(xí)多學(xué)科知識(shí)的方法、思考問題的切入方法、參與項(xiàng)目的問題解決能力、查閱相關(guān)科技文獻(xiàn)資料的水平等。

例如，針對(duì)優(yōu)秀學(xué)生，可以考核其是否具備開發(fā)智能汽車的能力，是否能自主完成復(fù)雜的試驗(yàn)測(cè)試過程等，通常表現(xiàn)在學(xué)生可以直接參與完成解決某一問題或項(xiàng)目的某個(gè)知識(shí)點(diǎn)，針對(duì)項(xiàng)目進(jìn)行研究與解決問題等。對(duì)這部分學(xué)生力求培養(yǎng)其一定的研究能力。對(duì)于中等學(xué)生，主要可以通過讓他們參加一些比賽，通常表現(xiàn)在考查學(xué)生參與完成其中某一項(xiàng)技術(shù)或者運(yùn)用知識(shí)完成某些指標(biāo)的能力。也可以將體現(xiàn)在平時(shí)考試、課堂討論中、平時(shí)研究型報(bào)告或論文以及團(tuán)隊(duì)式完成試驗(yàn)測(cè)試過程的能力等納入考核體系。對(duì)于一般的學(xué)生，通過考試、平時(shí)的課堂討論、作業(yè)完成情況以及撰寫研究報(bào)告等形式對(duì)其進(jìn)行考核。通過三位一體的評(píng)價(jià)體系，激發(fā)學(xué)生自主學(xué)習(xí)新知識(shí)和提升解決問題的能力。

五、總結(jié)與展望

智能汽車課程是一門多學(xué)科交叉、創(chuàng)新性強(qiáng)的新工科課程，其多學(xué)科復(fù)雜結(jié)合也是教學(xué)的難點(diǎn)。采用混合研究型教學(xué)方法提高學(xué)生學(xué)習(xí)新知識(shí)的興趣和能力，培養(yǎng)創(chuàng)新型人才是本課程教學(xué)改革的重點(diǎn)。具體可以通過人機(jī)智能增強(qiáng)的方法，借助于智慧教室的多終端功能，實(shí)現(xiàn)在課堂教學(xué)中的實(shí)踐應(yīng)用，使教師要表達(dá)的觀點(diǎn)準(zhǔn)確地應(yīng)用于教學(xué)中，讓學(xué)生更好地理解復(fù)雜難點(diǎn)，可以促進(jìn)學(xué)生深刻了解課程的具體試驗(yàn)過程，從而滿足試驗(yàn)的要求，提升學(xué)生的學(xué)習(xí)興趣，從而掌握智能汽車課程。

參考文獻(xiàn)：

[1] 張治，劉小龍，余明華，等.研究型課程自適應(yīng)學(xué)習(xí)系統(tǒng)：理念、策略與實(shí)踐[J].中國電化教育，2018（4）：119-130.

[2] 田霖.“工程熱力學(xué)”研究型教學(xué)方法改革與探索[J].教育教學(xué)論壇，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] 張俊，李靈犀，林懿倫，等.虛實(shí)系統(tǒng)互驅(qū)的混合增強(qiáng)智能開放創(chuàng)新平臺(tái)的架構(gòu)與方案[J].智能科學(xué)與技術(shù)學(xué)報(bào)，2019（4）：379-391.