大数据在“智慧农作技术”课程教学中的应用探索

［摘 要］ 农业大数据技术为智慧农业学科发展和人才培养带来了机遇与挑战。“智慧农作技术”课程教学是智慧农业人才培养的重要环节，但现有的课程教学模式存在局限性，难以适应大数据时代的人才培养目标和需求。通过提出了农业大数据在“智慧农作技术”课程教学中的应用方案，包括数据驱动教学、融合大数据思维提高课程教学信息化水平、通过创新创业竞赛项目实现融合创新、农业大数据前沿科研反哺课程教学内容和模式等措施。基于以上措施的实践，利用大数据时代带来的新机遇，将促进智慧农业教育教学资源建设更加全面和高效，培养更多具备大数据分析能力和智慧农业素养的综合创新型人才。

［关键词］ 农业大数据；智慧农作技术；课程教学

［基金项目］ 2022年度扬州市“绿杨金凤计划”优秀博士项目“土壤大数据技术集成及应用”（YZLYJFJH2022YXBS137）； 2023年度国家自然科学青年基金项目“基于红边和光谱不变量的水稻叶片氮含量定量解析”（42301365）

［作者简介］ 李振旺（1988—），男，山东菏泽人，博士，扬州大学农学院讲师，主要从事智慧农业研究；刘 涛（1987—），男，江苏徐州人，博士，扬州大学农学院副教授，主要从事农业信息化、作物图像分析和无人机遥感研究；孙成明（1973—），男，江苏宿迁人，博士，扬州大学农学院教授，主要从事作物系统模拟、作物表型监测和智慧农业研究。

［中图分类号］ G642.0 ［文献标识码］ A ［文章编号］ 1674-9324（2023）51-0113-04 ［收稿日期］ 2023-09-06

引言

当前，新一代信息技术迅猛发展，农业信息化正朝着智能化、智慧化方向发展。我国农业经历了传统农业、生物-化学农业和机械农业，亟须进一步与现代信息技术深度融合，大力发展智慧农业［1］。智慧农业对促进新农科建设起着非常重要的作用，也体现了信息科学、农业科学与管理科学在智慧农业领域的高度交叉融合［2］。因此，合理建设智慧农业专业课程对革新农业学科教学管理水平，培养具有多学科背景、高素质的复合应用型农林人才等具有十分重要的意义。

农业大数据是指大数据技术、理念、思维在农业领域的应用，通过利用数据挖掘技术从海量的数据中提取潜在有用的信息，为农业智能管理提供专业技术支持［3］。农业大数据体现了信息化技术的最新技术成果，也反映了未来农业发展的必然趋势。智慧农业是农业大数据运用的一种高级阶段，大数据技术的应用也是支撑智慧农业发展的前提。大数据时代对智慧农业人才培养提出了更高的要求，也为高等教育人才培养的革新带来了机遇。“智慧农作技术”是扬州大学农学和智慧农业专业的主干课程，课程主要内容有农业信息技术进展、农业数据库、农业模拟模型、全球导航技术、农业地理信息系统、农业遥感技术、农业决策支持系统、智能农机技术、数字农业技术等内容。通过课程学习，使学生掌握智慧农作技术的基本内涵、研究内容及发展趋势［4］。在这一背景下，以农业大数据为基础，充分运用大数据环境中的农业信息化教学资源，在保持学科课程体系完整性的基础上，关注学科前沿领域的进展，优化“智慧农作技术”课程教学内容，为课程课堂教学和人才培养提供新的改革思路。

一、大数据时代“智慧农作技术”课程教学的机遇与挑战

农业大数据为智慧农业的发展与教学带来了新的机遇。首先，有助于促进教学内容和方法更新。随着互联网的发展，农业大数据应用场景无处不在。将大数据技术融入本科“智慧农作技术”课程教学，在课程讲解过程中以具体案例为载体，有针对性地引入3S、移动互联网、人工智能、云计算、物联网等先进的大数据处理及计算方法，从而使得本科生能够系统、全面地了解国内外农业大数据的发展和应用现状，并让他们积极参与到数据的采集、处理、应用等环节。其次，促进学科交叉和传统农科专业改造升级。农业大数据来源广泛、结构复杂、类型多样、应用场景丰富，产生了许多新的交叉学科方向。在“智慧农作技术”课程中结合不同应用场景，注入多学科的知识背景，既有助于拓宽学生的知识面，促进多学科的交叉，也符合当前不同学科融合式发展的新趋势。最后，有利于培养综合性创新人才，提高人才竞争力。大数据人才在具备传统农业学科要求的专业知识的同时，要具备农业大数据采集、数据建模、数据挖掘、数据可视化等知识和技能，能够从事农学、生命科学、信息科学、农业智能等领域，这都是传统人才培养体系无法实现的［5］。同时，大数据技术的应用和落地将催生出新产业和新业态，未来对大数据高端人才和复合人才的需求越来越大。因此，加快智慧农业大数据人才的培养，有助于促进学生就业和农业大数据的应用，把握农业大数据所带来的机遇与挑战。

目前，“智慧农作技术”课程教学模式不太合理，难以满足大数据时代的人才培养要求。首先，教学内容更新速度较慢，对前沿发展动态的吸收较为缺乏。当前教学核心内容仍然以传统的农业信息技术为主，未能突破传统农业学科单一知识结构的人才培养模式。智慧农业专业是在农业科学的基础上，紧密结合现代信息技术、现代生物技术、现代工程技术、智能制造技术等多学科交叉融合的新型专业。传统农业教学虽然融入了信息技术、生物技术等方面的课程，但融合程度较低，不能达到智慧农业的要求。其次，课程实验的设计不尽合理，教学方式较为单调。智慧农业是一门对专业理论认识和实践教学要求极高的专业。大多数“智慧农作技术”课程以理论讲授为主，缺乏典型案例和实验实践，未能充分运用大数据时代下丰富的信息化教学资源，导致课堂气氛沉闷，学生不能完全消化、吸收所学知识。最后，对大数据思维能力的训练和培养较为缺乏。目前，“智慧农作技术”课程的教学内容与互联网时代的农业大数据脱节严重，导致学生无法及时获取大数据领域前沿知识、数据分析工具及手段，造成对大数据的认知较为模糊和片面。

二、农业大数据辅助“智慧农作技术”课程教学策略

（一）数据驱动教学，优化人才培养计划和培养方案

随着智慧校园的建设，教师和学生的各种行为数据均将以数字化的形式存储下来，这为数据驱动教学的实时提供了基础。借助教育数据挖掘与学习分析技术，利用大数据思维对学生的学习生活数据进行关联分析，挖掘教学数据有价值的信息，如知识缺陷的发现、教学目标的达成度、学科能力的诊断等，找寻影响学生综合素质的关键因素，进而为教师调整教学方案以及学生制订学习计划等提供更精准、更全面的支持，推进数据驱动的精准教学和精准学习［6］。另外，高校可以借助现时、行业、地区的教育及社会和政策等数据，预测智慧农业行业发展演变趋势，盘点社会对智慧农业创新人才能力需求分析，进而不断完善人才培养方案，及时调整人才培养目标，减小社会需求随政策和市场随时改变的滞后性，避免人才培养与社会实际需求脱节，培养市场需求的农业大数据人才。

（二）充分融合大数据思维，提高“智慧农作技术”课程教学的信息化水平

大数据时代智慧农业创新人才的培养，需要在教学内容、教学方法与手段上都进行改革，将大数据思维融入课程教学，培养学生大数据背景下的智慧农业专业思维和认知。随着智慧农业的发展，农业数据逐渐向大数据化、信息化、平台化方向发展，如国家农业科学数据中心、Google earth engine、PIE-Engine、GEOVIS Earth Brain、地球大数据科学工程数据共享服务系统等，都可实现智能化的农业大数据可视化或即时计算分析。在课堂上针对课程相应章节穿插进行视频讲解以及现场操作，让学生了解农业大数据的类型，理解农业多元异构数据融合以及利用人工智能等手段对农业大数据进行数据挖掘和分析。这不仅有助于拓宽学生的视野，也有助于学生形成适应时代发展需求的农业大数据知识结构和方法能力。

为了提高学生对“智慧农作技术”课程学习的兴趣，掌握大数据、云计算、人工智能、物联网等概念和研究方法，了解智慧农作技术前沿理论知识，建立智慧农作技术典型教学案例数据库十分有必要。在课程教学前期，以图片或短视频的形式将智慧耕作、智慧播种、作物指标智慧获取、土壤指标智慧获取、病虫草害智慧监测、智慧灌溉、智慧施肥、智慧收获、大数据、云计算等方面的教学案例融入课程教学中，使智慧农作技术理论知识变得简单、易学，提高学生学习的兴趣，引导学生的科研创新意识与探索精神；在课程教学后期，增加农业资源环境监测、作物病虫害预警、农业智能装备和智能化生产、农产品质量安全追溯、农产品产销信息监测等前沿技术案例的讲授，以提升课堂教学层次，培养学生的创新思维。

（三）鼓励学以致用，提升学生创新实践能力

在“双新双创”的大背景下，应鼓励农学专业学生与计算机、信息工程、生物技术、农业机械等专业学生相互交叉组成团队，参加国家及学校等各个层面的创新项目和竞赛，通过发挥各自专业的特色和优势，将大数据、云计算、人工智能、物联网、移动互联网等技术与农业领域紧密结合，培育新产品、新业态和新模式，以竞赛的方式将课堂理论与实际问题相结合实现多学科的融合创新。此外，从入学开始，扬州大学实行四年一贯制本科生导师负责制，在开展专业理论知识学习的基础上，通过指导相关专业学生深度参与研究课题和应用项目，围绕农田精准化管理、温室智能控制、智能育种和智能农机等前沿研究进行选题，并鼓励学生以创新性成果为内容发表论文、申请发明专利和计算机软件著作权等，积累大数据与智慧农业的实践经验。

（四）农业大数据前沿科研对课程教学内容和模式进行反哺

农业科学发展日新月异，社会经济发展对农业科学不断提出了新的需求以及相关学科最新成果不断为农业科学注入新的活力，大数据时代的“智慧农作技术”课程教学需要充分融合学科前沿进展［7］。一方面，及时把握学科发展的前沿动态，将最新的理论和知识成果引入课堂，包括科学前沿技术讲座、师生交流分享以及学术研讨会，引导学生全面地了解国内外最新进展。另一方面，对“智慧农作技术”课程在教学中的问题进行分析，利用大数据前沿科研方法对本科课程教学模式进行反哺，加深学生对“智慧农作技术”课程中方法原理知识的了解与掌握。在智慧农业定制化服务方面，加入个人实时体验服务、不断迭代的创新智慧农业服务模式，如尽可能尝试低门槛、大众式应用，让智慧农业真正落地，提供智慧农业模式。比如针对土壤监测过程中传统土壤理化性质分析方法长周期、高成本、空间不连续、更新慢等问题，利用地面光谱、探地雷达、伽马射线测土车、无人机和卫星遥感等技术，通过人工智能大数据挖掘算法，可满足对不同空间尺度和精细水平的土壤制图，有效地降低土壤数据获取和服务成本，从而为实现农作物精量播种、水肥管理、病虫害防控、农情调度监测等农事信息提供解决方案。

结语

综上所述，大数据时代对高校人才培养提出了新要求，传统的农业课堂教学不足以支撑和培养学生的综合创新能力。“智慧农作技术”是一门交叉性和实践性双重结合的课程，以农业大数据为基础，充分运用大数据环境下提供的农业信息化教学资源，在保持学科课程体系完整性的基础上，关注学科前沿领域的进展，将大数据分析思维引入“智慧农作技术”课堂，丰富“智慧农作技术”课程教学内容、教学方法和教学手段，提高学生的农学思维、大数据思维和创新思维等能力，为课程课堂教学和人才培养提供新的改革思路，为学科和行业培养高素质的复合应用型人才。

参考文献

［1］赵春江，李瑾，冯献.面向2035年智慧农业发展战略研究［J］.中国工程科学，2021（4）：1-9.

［2］王平祥，徐小霞，刘辉.智慧农业专业建设与创新发展路径［J］.黑龙江高教研究，2023（6）：156-160.

［3］王文生，郭雷风.农业大数据及其应用展望［J］.江苏农业科学，2015（9）：1-5.

［4］高辉，孙成明，谭昌伟，等.农业信息技术课程群建设的研究与实践［J］.农业网络信息，2013（10）：133-135.