新工科背景下自动化专业人工智能课程群建设研究

摘  要：在新工科背景下如何突出学校行业特色、培养具备人工智能技术的自动化领域高素质复合型人才正成为自动化专业人才培养亟需解决的关键问题。课程是人才培养的核心，该文探索新工科背景下自动化专业人工智能课程群建设。围绕西北工业大学航空、航天、航海国防特色，提出凸显国防智能化的教师、学生、学校、研究院所及社会等“五位一体”课程思政建设；绘制知识图谱可视化课程内容以制定个性化选课方案，实现人工智能类不同课程知识点无缝衔接；设计“数据+需求—算法—应用”的闭环教学模式，强化学生知识理解；结合感知、控制与决策中国防需求，建立多学科交叉实践案例，提升学生工程创新能力。拟为具有行业特色的工科专业人工智能课程群建设提供借鉴。

关键词：新工科；自动化；行业特色；人工智能；课程群

中图分类号：G640      文献标志码：A          文章编号：2096-000X（2025）10-0019-04

Abstract： Under the background of new engineering， how to cultivate high-quality and inter-disciplinary undergraduates in the field of automation owning artificial intelligence technology， which also highlights industry characteristics of the university， has become the key issue to be solved in the automation specialty. Since course is the core of undergraduate training， this paper discusses the construction of the course group of artificial intelligence. Focusing on the features of aeronautics， astronautics， marine science and technology， the ideological and political education in the curriculum which involves teachers， students， universities， research institutes and society as the "five-in-one" is proposed to show intelligence characteristics of defense application. It is suggested to draw knowledge graph and visualize the course content to formulate the personalized course selection scheme， in order to realize seamless connection of knowledge from different courses. The closed-loop teaching mode of "data+demand-algorithm-application" is designed to strengthen students' understanding in class. Based on military demands in perception， control and decision-making， the interdisciplinary experimental projects with practical availability are designed to improve students' engineering innovation ability. This paper aims to provide useful references for the construction of course group of artificial intelligence for engineering majors with industry characteristics.

Keywords： new engineering; automation; industry characteristics; artificial intelligence; course group

当前，新一轮科技革命和产业变革正处在实现重大突破的历史关口，我国正在从工业大国向工业强国稳步迈进，如何在此百年未有之大变局中把握机遇、应对挑战，成为各国共同关注的焦点，也为以培养中国工程人才为使命的高等院校工科人才培养提出变革需求[1]。近年来，教育部曾多次召开高等工程教育相关研讨会，提出新工科建设要求[2-3]，以加快培养新兴领域工程科技人才，改造升级传统工科专业，主动布局未来战略必争领域人才培养。

人工智能作为新一轮科技革命的标志性技术和产业更新变革的重要驱动力，推动着产业生产的智能化、自动化、类人化[4]。为支撑我国加快发展人工智能、逐渐从“追赶”到“领导”，迫切需要各高等院校结合自身学科发展、办学特色，制定与之适应的人工智能课程体系结构[5]，让人工智能加速融入新工科建设的进程中。

国外众多著名高校结合自身特长，制定相应的人工智能课程体系及人才培养计划。麻省理工学院依托电气工程与计算机科学学院开展人工智能领域教学，并借助其计算机科学与人工智能实验室、信息与决策系统实验室等科研平台开展跨学科人才培养[6]。斯坦福大学将人工智能和传统工科相结合进行改革，并在生物学、语言学、机械制造等领域进行跨学科交叉培养[7]。哈佛大学在人工智能人才培养过程中重视算法分析与软件设计创新能力培养，并开设自动驾驶、生物、医学等跨学科课程[8]。康奈尔大学以解决重大工程技术问题为出发点，将通识课程与专业课程相结合，培养跨界交叉融合的人工智能领域创新工程领军人才[9]。同时，我国众多理工科院校结合自身专业特长及发展定位，也分别制定了不同层级的人工智能专业/领域的课程计划及培养方案[5]。

人工智能技术的蓬勃发展为自动化领域迎来了重要的技术革新和产业升级，其对新工科背景下自动化专业人才培养带来了新的挑战和机遇[10-11]。曹建福等[11]讨论了工业4.0 背景下自动化新工科建设及教改思考，常艳超等[12]探索了新工科背景下自动化专业控制类课程体系重构，罗家祥等[13]研究了新工科下自动化控制类课程的贯通型案例设计。同时，在人工智能专业人才培养方面，樊超等[14]研究了新工科背景下人工智能专业核心实验教学项目设计，朱琎等[15]开展了人工智能与新工科背景下研究生创新能力培养模式研究，邓立为等[16]和门志国等[17]分别探讨了新工科背景下人工智能领域学生创新创业能力培养模式和协同培养模式的研究，莫宏伟等[18]讨论了新工科人工智能导论课程思政体系建设。然而，现有新工科背景下人才培养教学改革往往从自动化专业[11-13]或人工智能专业[14-18]单一角度出发进行探讨与研究，人工智能作为一门交叉学科，与自动化专业紧密结合且在自动化领域大放光彩，因此，亟须探索新工科背景下自动化领域特色与人工智能技术融合的人才培养教学改革研究。

课程是人才培养的核心，自动化专业课程教学涉及人工智能类诸多课程，如模式识别、机器学习、数字图像处理等。然而，自动化专业人工智能类课程开设往往存在以下问题：第一，人工智能类课程开设与讲授常常从知识体系出发而缺少自身鲜明的办学特色及思政元素；第二，人工智能类课程种类多样、课程衔接松散，且更倾向于通识教育，与自动化专业的特色研究方向不密切；第三，人工智能类课程讲授大多以理论教学为主，基础扎实但自动化领域应用实践能力不足。

基于上述考虑，立足西北工业大学（下文简称“本校”）自动化学院自动化专业本科生培养，以社会需求和国防领域重大战略应用为牵引，结合本校“三航”（航空、航天、航海）国防特色，本文开展新工科背景下面向自动化专业的人工智能课程群建设研究，以支撑“人工智能+X”方向上具有创新精神的自动化领域专门人才的培养。

一  凸显学校国防特色底蕴加强课程思政建设

课程思政是培养并激发学生学习兴趣的基石，如何挖掘人工智能课程群“智能化”的鲜明特征，结合学校“三航”国防特色，加强课程思政建设是高质量课程建设的先决条件，也是教育教学改革中的关键突破点。

利用本校“三航”特色优势，聚焦国家战略需求和世界科技前沿，基于人工智能+自动化，图1给出了结合国防应用的“五位一体”（教师、学生、学校、研究院所及社会）人工智能课程群课程思政建设示意图。

图1  结合国防应用的“五位一体”课程思政建设示意图

针对授课教师，通过文献查询、调研，总结归纳人工智能技术在重大国防项目、重点型号中有关感知、控制与决策等方面的应用，并与课程知识点一一关联，穿插于课堂知识讲解中。同时，鼓励学生在业余时间积极参加本校或其他高校/学术协会举办的各类具有国防特色的人工智能学术活动，邀请研究院所专家通过线上线下结合的方式与学生交流国防应用中的智能化。

针对学生，在课前或课后，结合自身学习兴趣，查询、阅读并与同学交流有关人工智能+自动化在国防应用中的科普知识。

通过教师、学生以及学校、研究院所、社会等各方面努力，培养学生扎根国防事业、实现自我价值的家国情怀，在潜移默化中向学生灌输爱国主义教育，以“润物细无声”的方式将课程思政融入人工智能相关课程教学中，同时也促进学生热衷于人工智能技术的学习。

二  绘制知识图谱可视化课程内容以制定个性化选课方案

针对人工智能类课程种类多样、结构分散导致课程衔接困难的问题，如何向学生展示可视化、层次化的课程知识结构，以便学生有针对性地进行课程选择，是人工智能相关知识高效获取与快速掌握的必要条件。

围绕人工智能课程群课程，从编程开发、理论基础、理论前沿和前沿交叉四个方面对课程属性进行划分。以2021版本科生培养方案为例，表1分类统计了本校自动化专业人工智能课程群课程开设情况。

在此基础上，为学生搭建编程开发—理论基础—理论前沿—前沿交叉的层次化课程选择模式，以确保学生从理论到实践的全方位培养。

进一步地，针对每门课程，绘制可视化的课程知识图谱，利用图2所示结构层次展示课程内容以便学生清晰理解课程目标。针对不同课程，了解课程间的侧重点，根据自身需求，选择合适课程，实现不同课程无缝衔接，尽量避免重复知识点的学习，提高学习效率。

同时，授课教师借助课程知识图谱可以对不同课程内容一目了然。通过教学团队之间的协商，对相关知识点进行不同需求、数据或理论的侧重，对缺失内容进行适当增补，确保学生所学知识结构的完整性。

三  设计“数据+需求—算法—应用”闭环教学模式强化知识理解

围绕人工智能类技术以实际应用为导向，如何将“以需求+数据为驱动”的思想始终贯穿算法/模型的课堂教学过程，是强化学生知识理解的重要途径，也是培养自动化领域“人工智能+X”的复合型人才的关键环节。

相比于自动化领域经典控制类算法，人工智能类算法在“以需求为驱动”的同时，强调“数据”是算法的“饲料”，也是算法的核心要素之一。为了让学生充分理解人工智能类算法的本质内涵，构建了如图3所示的“数据+需求—算法—应用”的闭环教学模式。

针对课程知识点（即算法/模型），教师在授课前围绕学校国防特色研究领域，从科研项目或公开文献入手，提出应用需求，并整理或仿真生成相应数据集。在课堂教学过程中，从算法/模型理论、设计、实现等多层次进行知识讲授。同时，通过国防应用示例或课后算法仿真验证加深学生对经典算法的理解与掌握。

此外，在课堂讲授中，要紧密结合实际需求与数据集。以长短期记忆网络模型为例，以语言序列翻译或机动目标跟踪为示例的不同授课教师，会因应用需求不同，构建结构各异的数据集，造成网络层数、参数等不同，并获得完全不同的算法结果。因此，人工智能类算法不仅要让学生掌握模型结构，更要让学生理解数据集的重要性并学会针对特定数据集进行模型训练与参数优化。