车辆工程专业人工智能课程教学改革与探索

摘  要：针对工程教育认证下车辆工程专业人工智能课程如何改革的问题，经过长期的教学实践和探索，结合人工智能课程的特点和车辆工程专业学生的实际需要，提出一系列教学改革措施，旨在培养学生的科研思维，突出专业性内容且注重过程考核，可提升学生的创新能力、科研能力及科学素质，从而达到高质量、高效率教学的最终目标。

关键词：人工智能课程；工程教育；专业认证；教学改革；车辆工程

中图分类号：TP18        文献标志码：A          文章编号：2096-000X（2023）07-0033-04

Abstract： In view of the problem of how to reform Artificial Intelligence course of vehicle engineering under the certification of engineering education， through long-term teaching practice and exploration， combined with the characteristics of Artificial Intelligence course and the actual needs of vehicle engineering students， we put forward a series of teaching reform measures. The reform aims at cultivating students' scientific research thinking， highlighting professional content and paying attention to process assessment. These reform measures can improve students' innovation ability， research ability and scientific quality， so as to achieve the ultimate goal of high quality and efficient teaching.

Keywords： Artificial Intelligence course; engineering education; professional certification; teaching reform; vehicle engineering

工程专业认证旨在为工程和相关技术人才提供全面的预备教育和稳定的质量保证，以保证毕业生可快速进入行业工作[1-5]。工程官方认证实质为工程教育标准水平的评估，并且工程师资格认证为取得国际认可提供更多的重要主流平台。2013年中国加入华盛顿协议，这更多是代表对中国工程认证的鼓励和肯定。学校通过工程教育认证的专业，学生的文凭在所有的协议缔约国内都是互相认可的，学生的就业从国内扩大到国际市场，而且工程教育认证有助于工程专业的建设与国际接轨。在当前工程教育专业认证的大环境下，通过工程中教育认证的车辆工程专业需要保证教学师资、培养方案、专业课程新体系设置及学校设备配置等都能围绕加强学生理论和实践能力这一核心任务开展，并着力为系统地建立专业培养体系及维持改进激励机制注入活力，以保证专业教育模式的质量。人工智能课程是机电类学生一门重要的基础选修课[6-7]，人工智能希望达到以智能去拓展或者代替人的器官，提高人类各种活动的效率，解放生产力，最常见的例子就是智能机器人、AlphaGo的学习推理、智能化城市的设计等。由于人工智能领域的跨学科特点，课程组体系设置较为复杂[8-9]，人工智能课程大部分章节的内容高度模块化，章节间耦合度较低。为了适应车辆工程专业学生的知识架构特点，需要明确车辆工程专业学生未来的实际需求，再与人工智能教学课程体系相结合，对该课程在教学内容、模式和方法上进行优化，对人工智能课程整体教学安排做针对性地调整具有重要的实际意义[10-13]。

一  课程支撑指标点设计

在工业互联网大数据时代的推动下，人们在网络上获取信息变得更加丰富多元。但因为数据量过大，很难获得有用信息，先进的人工智能算法提供了数据分析或模型搭建的基础，未来基于人工智能平台的开发任务会越来越多，相关技术人才的需求量也会越来越大。紧跟时代技术发展的趋势，从车辆工程专业学生的理论和实践教学需求两方面考虑，并结合人工智能课程的教学现状，提出了课程结课指标，见表1。课程目标及能力要求具体如下。

1）使学生对人工智能有一个系统的理解，掌握人工智能的理论原理及设计方法等，使学生了解当代人工智能总体的发展概况和人工智能的内容及研究应用领域，掌握相关概念及方法、不确定性推理方法、智能计算及其应用、确定性演绎推理、机器学习、深度神经网络及其应用等。在考虑社会、文化及环境等潜在因素的条件下，对课程的环节进行创新。

2）通过对人工智能中知识表示、推理方法、智能计算、专家系统、机器学习、人工神经网络及其应用的讲解，结合工程相关背景知识并进行合理地数据分析，能够对车辆系统等复杂工程问题进行人工智能知识表示、算法设计、方案分析。使学生可以掌握人工智能基本原理和前沿内容，从而启发学习思路，培养学生利用新理论解决工程问题的能力，为学生在相关领域开展人工智能技术的工作奠定必要的基础。简单了解如何运用机器感知、机器学习、神经网络、自然语言处理和智能信息获取技术等来完成各类系统信息获取、传输、处理、优化、控制、组织。

3）使学生了解人工智能领域的国际发展现状，了解机电领域及行业中主要的人工智能技术体系、环保法规要求等；熟悉人工智能领域中的新方法，了解人工智能走向各个领域的发展过程及技术的优势，发展过程中技术创新对社会影响；对人工智能技术发展水平及当下面临的挑战有正确认知，不断提升适应社会发展的重要能力。

二  课程内容安排及要求

为了在学生掌握基本人工智能相关理论的基础上，培养学生的科研素质、学生计算思维能力及解决实际问题的能力，本章节设计了项目研究及翻转课堂的课程安排。

（一）  项目研究

计算机专业更多的是学习或研究软件编程、智能计算机系统等，是以计算机科学、数学、工程学为基础。相对于计算机专业的学生，车辆工程专业学生编程能力基础相对薄弱。本课程作业选择较为简单的Python语言作为编程语言，Python是目前初学者接触人工智能学习的主流语言，有更好的面向对象的编程方法，相比于C++等基本语言，又有好学习和好上手的特点，代码简洁。另外，Python中一系列高质量的开源库也对人工智能学习提供了很好地辅助，比如NumPy，Pandas、matplotlib、SciPy和机器学习库scikit-learn，而且其在人工智能领域也有非常广泛的应用，可以参考的案例也相对比较多。

在教学中，重点应该放在场景应用分析上，所有使用的技术，包括人工智能技术和其他技术，是为实现分析结果服务的。为了增强学生专业实践能力，成立系统分析小组，合理设计了如下研究性专题，并定期进行相关专题的课堂讨论。由于本课程的操作需要与专业领域的应用模式保持一定程度的一致性，本课程的主题与车辆专业的常见场景密切相关。

研究性专题1：汽车控制模糊推理系统设计研究。实际应用中模糊逻辑系统涉及到模糊控制器的设计，包括模糊化过程、知识库、推理决策等5个主要内容，学生可从这5个内容中任意选择1个研究应用。

研究性专题2：基于神经网络的城轨车辆故障模式识别研究。神经网络在模式识别领域主要承担分类器任务，模式识别分为数据预处理、特征提取和判决分类这3个步骤。神经网络可以用于模式识别3个步骤中的任意一个，如数据预处理中的压缩、滤波、去噪，特征提取阶段中的特征选择和提取。

研究性专题3：以机械故障诊断和信号处理为主题的算法应用研究。主要考察学生的实际操作和应用能力，涉及人工神经网络和聚类分析等[14-15]。故障诊断及信号处理本质上是处理采集的振动数据。在故障诊断过程中，尽可能地获得足够数据样本，从样本数据中提取对故障冲击，比如可以将测试数据输入到深度学习模型中得到故障诊断结果，深度学习模型需要用原始数据和对应的标签进行训练。

因为涉及到很多数学知识，探寻人工智能的具体算法对学生的要求过高，很难开展。在安排项目作业时，应该将人工智能课程的重点放在算法思维能力的培养上。对于项目作业，不是让学生从头开始构建整个软件系统，而是由教师提前构建整个软件的框架算法，学生主要进行关键算法编写及实现，这样既锻炼了学生的编程能力又提高了学习的效率，不会给学生带来过多的作业负担。这种作业安排可以保证学生既掌握了理论知识也锻炼实践动手能力，最终能够扎实掌握人工智能课程的核心内容。

（二）  翻转课堂

翻转课堂用群体最高效率的方式教授给他人，知识的转化率可达90%，通过提升效率，把节约出来的时间用于达成更高阶的学习目标，比如实际应用等等。学生通过自学确保把简单的东西学会，老师不需要把课堂时间浪费在简单、学生能搞定的事情上，更多是培养学生运用和理解能力，达成人人自主学习的目标。让学生从被动学习向主动学习翻转，把“灌输式”教学现状转变为让每个学生找到自己的学习方式和节奏，循序渐进[16-18]。

首先推荐学生利用网络上精品公开课程或老师自行录制的“微课”进行自主学习，再布置相关课后作业来辅助学生理解人工智能相关授课内容。在学生掌握了Python语言的基本用法之后，可以让学生课后进一步学习机器学习知识，同时机器学习本身的知识体系是比较庞大的，安排学生从一些常见的算法入手，比如决策树、朴素贝叶斯等。可以通过课前预习和课后作业来完成奠定学生对于数据、算法的理解，这个过程也会补学一些相关知识。然后安排学生进行内容准备以及做好相关PPT进行20 min课上讲解，再进行10 min同学提问，问题探讨，激发学生课上互动交流的积极性。最后翻转课堂老师依然要讲，并且可以针对之前学生学习情况进行查缺补漏，讲得更有针对、有重点、有深度。老师主要负责讲解难的内容、大部分学生自学无法理解的内容以及解决学生自学遗留的问题，课程时间充足的情况下进行知识的应用、拓展的讲解，加深学生的学习内容记忆，使其更好地掌握知识点。

在教学过程中通过“开放知识引导、学生互助讨论、教师适时讲授”的翻转课堂复合教学法，效果明显好于传统的单一教学方法，可让学生主动参与课程，提高学生的科研能力及科学素养。

三  课程考核及课程完成度评价

为了保证学生在课程学习过程中各类环节的完成度，设计课程考核在各个环节的评分标准，见表2。过程性考核主要包括课后作业、项目作业考核、翻转课堂考核、课内提问与小测试和期末考试等。课程考核会在课程开展期间根据学生的需求持续改进和优化，以保证考核的全面性和规范性。

教科书的内容不能涵盖所有知识点，学生阅读论文的时间也是有限的。本文围绕主要章节教学重点内容的选择，将科研课题研究和课程教学相结合，设计了论文阅读报告撰写的作业，以鼓励学生更好地学习感兴趣领域的知识。例如很多课都有讨论课，针对一些具体问题，学生发表自己的想法。本科、研究生阶段有很多课是要求读论文和报告论文的，报告论文由学生做的，这样的环节是有意义的，能培养学生读论文的能力，以及让学生能更好地了解前沿的成果。论文作业的主要内容是根据学生的兴趣或结合自己的研究方向，任意选择人工智能领域的相关主题，并通过网络数据库的文献调研内容进行报告撰写，这一挑战将帮助学生更好地了解人工智能领域并激发学生的学习热情。在实践中，不仅要注重培养毕业生实现基本算法的能力，还要注重培养运用理论知识解决实际问题的能力。更重要的是，这个工作能提高学生文献阅读和写作的能力，为其今后的工作打下基础。