人工智能与生态文明建设学科交叉教学实践与改革

摘  要：未来五年是美丽中国建设的重要时期，要深入贯彻新时代中国特色社会主义生态文明思想，全面推进生态文明建设。大学生是生态文明建设的践行者和主力军，尤其在人工智能、“物联网+”等高新技术快速发展的时代，培养具有人工智能和生态文明建设学科交叉融合知识背景的复合型人才是目前生态环境类高等教育专业的一项重要任务。通过开设人工智能与生态文明建设学科交叉创新课程，采用线上线下深度融合的教学模式，提高学生解决实际问题的能力，培养与时俱进、多元思维的复合型生态文明建设者和接班人。

关键词：人工智能；生态文明建设；环境科学与工程；学科交叉融合；教学改革

中图分类号：G642        文献标志码：A          文章编号：2096-000X（2023）33-0042-04

Abstract： The next five years will be a crucial period for Beautiful China Constriction. It is imperative to thoroughly implement the ecological civilization thought of socialism with Chinese characteristics in the new era and comprehensively promote the ecological civilization construction. College students are both practitioners and main force in the ecological civilization construction， especially in the era of rapid development of high-tech such as artificial intelligence and the Internet of Things+. Cultivating versatile talents with interdisciplinary integration of artificial intelligence and ecological civilization construction has become one of the important missions of higher education in ecological environment major. By offering interdisciplinary innovative courses on "Artificial Intelligence and Ecological Civilization Construction"， we adopt a teaching model that combines online and offline learning and enhancing ecological civilization education to elevate the students' ability of solving practical problems and the innovative  ability. The purpose of the study is to train them to become the complex builders and successors of ecological civilization who keep pace with the times and think in multiple ways.

Keywords： artificial intelligence; ecological civilization construction; environmental science and engineering; interdisciplinary courses; educational reform

党的十八大以来，我国将生态文明建设提高到新高度，与经济建设、政治建设、文化建设和社会建设并列，形成中国特色社会主义五位一体新布局。当前，生态系统面临严峻形势，包括资源约束趋紧、环境污染严重、生态系统退化等现状，生态文明建设任重而道远。大学生作为生态文明建设的践行者和主力军，肩负着建设美丽中国的时代重任，面对当前科技创新与产业升级日新月异的发展形势，培养与时俱进、德才兼备、兼具科研创新和专业实践能力的生态文明建设接班人已成为高校环境类人才培养的重要目标之一[1]。近年来，人工智能技术的突破性进展引领了新一轮的科技和产业变革，其关键性技术在环境污染预警、生态保护及修复、生态环境管理等方面崭露头角[2]。生态文明建设中许多重大科技问题的突破需要打破原有学科边界，融合多学科知识加以解决，如何通过交叉学科课程的设置提升大学生作为生态文明建设核心力量的能力已成为高校特别是环境、生态类专业的重要任务。

一  学科交叉融合课程的建设综述

学科交叉融合是高等教育尤其是工科专业，应对新的科技革命和产业变革的重要举措，为培养引领未来科技和产业发展的人才需要提前布局。习近平总书记在中共中央政治局第三次集体学习时强调，要优化基础学科建设布局……推动学科交叉融合和跨学科研究。突破学科界限束缚、促进学科交叉协同已上升到支撑国家创新驱动发展的战略高度，而交叉学科融合课程的教学是接轨社会需求与高校教育最基础的环节和最核心的基石[3]。学科交叉课程的设置可提高学生对多学科知识体系间关联的理解，以及灵活运用多学科知识解决工程实际问题的能力，助力复合型、创新型人才的培养。

发达国家针对学科交叉与融合的研究和课程建设起步较早，且已形成相对完备的人才培养体系[4]。早在1926年美国学者R.S.Woodworth就提出了交叉学科（interdisciplinary）概念，即超越一个学科边界且涉及两个或两个以上学科的实践活动，并在美国哥伦比亚大学开展了历史、经济等多学科交叉融合的项目，提高学生了解世界、认识世界的能力[5]。但直到20世纪70年代这一概念才在全世界范围内引起学术界、教育界的广泛关注，并在80年代引入我国，国务院《关于科学工作的六条方针》首次提到团队合作、交叉学科等问题，为我国学科交叉在理论和实践方面的发展提供了政策指引[6]。近年我国对学科交叉的重视达到新高度，通过不断推进学科交叉融合，实现科学研究范式的深刻变革，提升科技创新与国际竞争力[7]。

学科交叉融合的内涵不仅是在知识、信息、数据、观点和理论上的交叉和融合，还是科学方法、技术与工具的相互渗透、借鉴、扩散、转移和交换[8]。学科交叉的方式主要包含四个层面：①不同学科内部知识的交叉分析；②不同学科之间的知识和信息的互换、转移；③利用聚类分析等手段的交叉学科可视化；④学科交叉融合程度的指标测度[6，8]。其中人才培养是学科交叉研究的主体，学科交叉课程设置及建设则是高等教育的重中之重[5]。M.F. Orillion通过案例研究发现大学教育中，交叉课程的数量与学生综合成绩呈现正相关；蔡菲等[3]以化学生物学为例，通过教学内容交叉、教学组织与方法交叉、教学支撑体系交叉等方式，贯彻“多元交叉融合”的教育改革理念，在化学生物交叉课程上取得卓越的创新型成果；宋剑等[9]基于生物学、力学、材料学、机械学和统计学等学科交叉，将生物仿生设计与生物摩擦学课程进行了深入浅出的讲授，为培养高素质工科创新型人才提供了范例。目前，生态文明建设的理论和技术发展势头迅猛，而环境科学、环境工程、生态学等相关学科的课程更新速度远落后于行业发展速度，存在知识结构单一、学科间关联度低、与新兴技术融合度差等现状，因此本课程借助学科交叉的理论与方法，建设并优化了以人工智能为代表的创新技术与生态文明建设的交叉融合课程。

二  人工智能与生态文明建设学科交叉融合的教学模式

人工智能与生态文明建设学科以习近平生态文明思想为指导，以培养具有家国情怀、使命担当、创新实践能力的德才兼备大学生为目标，将人工智能技术与生态文明建设有机融合，引领学生树立生态文明建设意识、增强生态环境保护的使命感。通过人工智能学科和生态环境学科的深入融合，激发学生的学习力、思想力、行动力和创新力，将其培养为基础知识扎实、创新实践兼具的复合型工科人才，肩负起生态文明建设的时代使命。

（一）  课程内容与方法

生态环境领域从信息采集到加工处理均已进入信息化、数字化、智能化时代，仅靠人力实现环境监测、治理、管理已经不能满足生态文明建设的发展需求。人工智能与生态文明建设作为通识选修课，将从人工智能应用概述、生态文明建设简介出发，到人工智能（包括物联网技术、智能机器人、大数据分析方法和机器学习应用等）在大气污染治理、水环境监测与水污染治理、土壤污染治理、固体废弃物污染治理和生态城市建设中的应用，最后总结并展望中国环保产业未来需求，以及人工智能与生态文明建设的有机融合。

课程总计18学时，由环境学院和人工智能学院两个院系的教师共同授课，向环境类、生态类、计算机和人工智能类等专业的本科生开放选课，采用“小班教学+师生讨论+案例研讨”相结合的方式，其中10学时用于教师的理论和案例的课程教授，其他8学时主要用于师生互动讨论和学生分组案例展示。课程采用“以学生为主体、以教师为指引”的翻转课堂形式，积极探索传统学科与新兴学科的交叉融合方式，以机器学习、深度学习、大数据分析、计算机视觉、智能多模态信息处理与融合等人工智能技术在生态文明建设中的应用为切入点，综述人工智能在生态文明建设中的应用现状，展望人工智能助力生态文明建设的发展趋势，引领学生树立生态文明建设意识、增强生态环境保护的使命感，并提升学生个人职业素养和综合能力。

（二）  人工智能与生态文明建设学科群交叉融合的教学案例

随着社会经济的不断增长和城市化进程的推进，污水处理厂的出水水质监测和控制变得愈发重要。然而，传统的污水处理模型在应对日益复杂多变的进水水质和工艺参数时，由于需要花费大量时间测定大量复杂指标、调整模型参数，逐渐显现出局限性[10]。与此同时，机器学习方法在数据挖掘领域崭露头角，为污水处理领域的模型改进和优化带来了崭新的前景。正是在这个挑战与机遇并存的背景下，我们选择将污水模型作为课程研究内容，引导学生们利用先进的技术手段来实现污水处理厂水质预测并以小组单位尝试实现。其中某个小组选择将“基于机器学习的污水处理厂出水水质预测”作为他们的研究主题，收集并清洗了污水处理厂的历史数据，对污水处理厂出水水质进行了预测。

在“基于机器学习的污水处理厂出水水质预测”的项目中，小组成员先是收集了某污水处理厂连续3年的历史监测数据，选取了其中包含进出水水质指标和过程工艺参数的10余项数据作为原始数据集，实施三个数据预处理步骤：①时滞性调整。根据该污水处理厂的工艺流程计算各个处理单元的水力停留时间，累加计算得到位于不同处理单元的数据指标的滞后时间，并调整其在数据集中的位置。②重复数据去除。由于水质监测仪器的精度与性能的限制，会出现连续重复的数据行，建立预测模型前需要将其去除，避免数据泄露、模型无法学习到数据指标间的复杂耦合关系的现象。③异常值去除并标准化。采用箱线图识别异常值，并借助贝叶斯回归插值法填补缺失值，应用Box-Cox变换与Min-Max标准化，将数据分布调整为接近正态分布，并映射至0～1之间。完成数据预处理后，该小组学习了Python编程语言及机器学习算法的相关理论知识，将总计17 703份的数据集按80∶20的比例划分为训练集和测试集，利用训练集数据构建并优化（五折交叉验证方法）基于决策树算法的多目标预测模型，对优化后的模型利用测试集进行外部验证，预测结果如图1所示。