SCI论文（www.lunwensci.com）
摘要：文章首先分析了“计算机视觉”课程教学现状，然后论述了基于研究导向型模式的“计算机视觉”课程教学实践，最后阐述了基于研究导向型模式的“计算机视觉”课程教学成效。
关键词：“计算机视觉”课程教学；研究导向型模式；人工智能
计算机视觉技术是人工智能领域的重要研究方向。随着当前我国经济社会的高速发展，特别是机器学习、语音识别、图像理解、自然语言处理等在人们生产及生活中的广泛应用，作为人工智能领域主要组成部分的计算机视觉技术，其课题研究作用和影响力在实践中尤为突显，由此高校科技人才培养的需求也与日俱增。计算机视觉技术具有技术迭代更新快及面向实际应用的特点，因此如何基于传统教学模式，探索“计算机视觉”课程教学的新模式，提升课程的教学质量，引导学生增强课题研究及解决实际问题的能力[1-3]，已成为当前高校电子信息及计算机专业科技人才培养亟待解决的问题。
计算机视觉研究领域包含诸多前沿的方法技术，并具有极强的实际应用性，其特点是常在生产及生活应用场景中不断发现问题、解决问题，以提出更先进的方法模型。高校“计算机视觉”课程的教学目的和任务旨在系统地介绍机器视觉的常见问题、基础知识和典型方法，最终促使学生能够初步具备分析和设计机器视觉系统的课题研究及工程实现的能力。该课程的授课对象为高年级本科生及硕士研究生，授课内容具有理论与实际应用结合紧密、方法技术发展快等特点，讲授内容主要包含以下六个方面：①机器视觉硬件技术；②数字图像处理基础；③灰度变换及图像滤波；④特征提取及图像分割；⑤立体视觉技术；⑥视觉识别和深度学习方法。以上各授课内容既具有相对独立性，又相互支撑。从计算机视觉系统的底层摄像头硬件的搭建，到传感器采集视觉数据后的信号处理，再到中高层信息特征的提取，最后完成视觉数据的语义识别任务，上述各技术模块相互连接、承前启后。由此可见，“计算机视觉”课程涉及的知识内容联系紧密，但传统教学按章节顺序讲授的教学模式难以有效建立各知识点的关联，特别是缺乏学科前沿方法的研讨学习。针对当前“计算机视觉”课程教学中存在的问题，本文拟引入研究导向型模式，即通过引领学生对学科热点及前沿专题的学习研究，系统关联课程知识点，开阔学生的学科视野，增强学生学习的积极性，这是一种高校培养人工智能领域创新人才可借鉴的教学模式。
一、“计算机视觉”课程教学现状
（一）缺乏前沿技术的研讨，难以充分调动学生的学习主动性
在目前人工智能广泛应用的大背景下[4-7]，计算机视觉技术飞速发展，该研究领域通常每2—3年就有显著优于前期性能的方法提出。与计算机视觉技术高速发展的现状相比，现有“计算机视觉”课程往往仍采用传统的教学模式，授课过程偏重基础原理的介绍，与当前该领域技术发展前沿存在明显的鸿沟，从而导致高校培养的学生难以适应技术发展的需求。鉴于此，该课程教学应区别于其他专业基础类课程教学，即除了介绍基本的概念及方法，还应引入最新的前沿热点课题的研讨，以培养紧跟技术发展步伐的高校人才。笔者在该门课程的实践教学活动中，通过课程反馈和问卷调查发现，强化课程内容涉及的前沿方法技术的探讨，能有效调动学生的探索欲及学习主动性，提升学生的课程参与度并激发其创新意识。
（二）学生停留于理论知识层面，动手实践能力薄弱
“计算机视觉”课程不单有理论，最终还需落到应用实践上。学生在整个课程学习中，要经历公式推导、模型设计、算法编程及性能测试各个环节，从而逐渐培养科学思考及学术研究的能力。然而传统教师讲授的授课方式缺乏学生针对实际应用场景提出并解决问题能力的培养。另外，虽然现有课程配备了相应的实验环节，但学生往往仅根据教师设定的题目及步骤依葫芦画瓢，模仿完成基本实验内容。这种传统的验证及模仿性的实验[8]难以培养学生从实际应用中提炼、分析及解决问题的科学思维素质。同时，课程实验本身的设计也主要源于基本知识点的综合，无法扩展到生产和生活场景中的具体问题上，导致课程实验内容与实际应用存在脱节[9-10]。可见，传统授课方式难以适应“计算机视觉”课程面向实际应用的特点，导致学生的实践动手能力未得到有效的锻炼。
（三）学生处于被动学习状态，师生间互动交流少
传统教学模式以教师讲授、学生听课为主，此教学模式难以有效调动学生的积极性和主动性，学生听完课后与教师的互动交流少，导致难以培养发现及解决问题的思考能力。特别是“计算机视觉”这门交叉学科课程，知识覆盖面广，既包含数学方面的微分方程、矩阵分析、优化算法，又包含算法编程方面的C++、Python、数据结构等，同时课程涉及的技术的发展也日新月异。针对该课程以上特点，如何利用有限的课程时间，通过教学模式的创新和授课方式的改变，引导学生从“观众”转变为“演员”，以增加教师与学生的互动交流，最终激发学生学科专业的探索欲与研究兴趣，是值得教师探索的问题。
（四）课程考核方式单一，未能全面反映学生的知识掌握情况
前文提到，“计算机视觉”这门人工智能类课程要求学生不仅应掌握基本的概念原理，还应锻炼编程动手能力，同时能在特定场景中发现问题，并应用计算机视觉相关原理提出解决方案。比如，怎么发现实际生产及生活中能用视觉模型解决的问题点；如何将实际案例分解为各个子问题；如何利用编程工具实现算法的高效编译；构建的方法框架怎么进行性能测试；等等。由此可见，“计算机视觉”课程的人才培养目标具有全面性，且最终要落在解决实际问题上。基于以上原因，在人才培养的评价方面，传统单纯以理论考核为主的方式过于片面，不能全面客观地反映学生在整个课程活动中的学习情况。为此，需通过教学模式的创新，自然地引入多元化的综合评价方式，以科学地考查学生综合能力的达成情况。
据上，传统“计算机视觉”课程的授课模式侧重教师单向地讲解基础概念及方法，缺乏对当前该领域前沿研究技术的研讨，导致学生处于被动学习状态，学习积极性难以得到充分调动，同时还造成师生间互动交流少，从而在学生科学研究方法的指导及创新思维的培养方面存在明显不足。另外，传统的“计算机视觉”课程考核方式单一，配套的课程实验缺乏实际应用背景，导致培养的学生在科研及工程实现能力方面存在欠缺。而本文介绍的基于研究导向型模式的“计算机视觉”课程教学，通过前沿研究专题的优化选择，教师对学生进行系统的学术引导，以及全面的学生能力考核方式的实施，能有效解决该门课程人才培养存在的突出问题，并对其他课程教学具有借鉴意义。
二、基于研究导向型模式的“计算机视觉”课程教学实践
基于研究导向型模式，“计算机视觉”课程教师在教学过程中首先要根据课程大纲及人才培养目标要求，结合当前该课程研究方向的最新发展动态，优化授课内容，提炼出与知识点紧密相关的课程学习专题。然后学生以小组为单位，通过相互协助的方式，针对某一选定的学习专题开展文献调研、科学问题思考，以及团队成员间的沟通交流等学习活动，并在教师的指导下逐渐分析和理解学习专题的内涵，提出解决方案及实现算法的性能测试。完成以上课程内容后，各小组整理专题学习活动涉及的技术方法、实验数据及测试结果，演讲并汇报研究学习成果。最后教师根据学生在整个课程专题过程中的表现情况进行综合评价。在以上基于研究导向型模式的授课环节中，一方面，通过课程前沿研究内容的引入，激发了学生对学科知识的兴趣和探索欲，开阔了学生的知识视野，促进了学生科研思维的形成；另一方面，学生在专题学习研究过程中也增强了与教师的双向交流，培养了小组协作的团队精神，有利于形成轻松活跃的课堂学习氛围，最终提高了课程人才培养质量。为了将研究导向型模式充分应用于“计算机视觉”课程教学，笔者通过具体的教学实践总结出以下四个要点。
（一）包含课程知识点的研究专题的科学设定
根据“计算机视觉”课程各章节的教学内容，教师首先需要思考并设定包含课程基本知识点的研究专题。专题的选择应结合当前学科研究的热点及前沿方向，难度要适宜，并应具有较强的探索性。设定专题题目时，要考虑与章节知识内容的关联，并应注重各知识点间的联合应用，以考查学生的知识综合运用能力。笔者结合“计算机视觉”课程的实践教学，根据课程各章节的教学内容，提炼出了如表1所示的教学计划表，以有效地将研究导向型模式应用于该课程。另外，在“计算机视觉”课程的前序章节，由于学生对本领域的背景知识储备还不足，教师可结合传统讲授及基于研究导向型模式的教学，让学生充分掌握课程的基本知识概念，从而顺利地进入后续章节的学习。比如，针对课程涉及的数字图像处理、视觉特征提取等基础概念，如表1中序号1、2所示，应先通过传统讲授方法，细致地对基础概念知识进行讲解。在学生掌握了课程的基本概念原理后，教师在专题题目的设置上应考虑学生的适应性，如可以选定“图像恢复及超分辨技术”和“特征提取及视觉匹配”等基础性研究专题，以此强化学生对课程基本方法的掌握。总体上，前序课程章节专题题目的选定不应过难，且应结合传统讲授及基于研究导向型模式的教学方式，从而为后续各章节知识点，如视觉分割方法、无监督学习、对象检测、深度模型等表1中序号3—6对应的内容，实施研究导向型模式的教学奠定基础。
（二）学生团队协作的有效引导
基于研究导向型模式的教学是以学生小组（5—6人一组）为单元开展。然而学生在传统授课活动中，往往习惯以独立个体的形式学习，面对团队这种新的形式，难免会出现不适应的情况。因此，“计算机视觉”课程教师应引导学生充分参与团队内的协作，以促进小组成员及学生与教师之间的交流，从而高质量地完成课程专题的研究学习。以下是笔者在教学实践中总结出的三点有益建议。第一，教师应协助完成学生的分组，并在各小组中选定一名组长，由组长负责协调组内各成员的专题研究分工、监督小组课程专题研究的进展完成情况，并向指导教师及时反馈。第二，小组内要明确每位学生的工作内容，以避免出现仅有少数成员做事的情况。另外，组内学生的成绩评价可采用权重分配的方式，以细化每位学生的工作量。第三，教师须定期参与小组的专题研讨环节，以直接掌握小组成员的实际学习状况，从而发现学生在学习研究过程中存在的问题并及时进行纠正和引导。特别是针对课题文献的查阅、方法创新点的提炼、现有方法局限性的分析、算法的代码实现方面，学生缺乏前期相应专业能力的培养，教师应在基于研究导向型模式的授课环节中给予其积极的引导。值得注意的是，教师指出学生问题的同时，应给予学生更多的鼓励与支持，以培养学生在后续工作或研究学习中面对困难并解决困难的心理素质和专业能力。
（三）专题学习研究过程的监督与指导
基于研究导向型模式的“计算机视觉”课程教学强调学生针对课程研究专题主动进行思考及学习，其中教师的监督与指导尤为重要。具体而言，为完成研究专题内容，学生在整个学习探索中将经历科技文献的查阅、团队内的分工协作、研究实施方案的设计、程序代码的编写和调试、数据采集和性能测试、成果报告撰写及演示等环节，教师在以上每个阶段须注意关注学生的进展情况并有针对性地给予指导，如如何基于传统模型框架，改进现有方法，以培养学生的创新思维；如何实现硬件及软件模块功能的划分；现场视觉数据采集及标注的一般原则；如何根据小组的学习研究成果撰写课题报告及进行演讲汇报等。可见，相比传统讲授型的教学模式，研究导向型模式对教师的学术专业水平有较高的要求。为此，教师平时需要在科研业务方面跟踪学习最新技术方法，不断提高自身的学术能力。研究导向型模式下，在教师指导学生及双向的交流学习中，充分实现了“教学相长”，突显出教与学相辅相成的科学规律，是一个教师与学生相互学习、共同促进的过程，有利于构建平等和谐的师生关系。
（四）学生课程成绩的综合考评
在“计算机视觉”课程成绩的考核方面，由于基于研究导向型模式的教学注重学习过程的考核，因此，教师须构思多元化的成绩评价指标，从不同角度考查学生在课程中的学习质量。比如，在平时考核方面，可量化学生专题研究活动的参与度，且应包含指导教师及小组成员间的评价。同时，针对小组课程专题的阶段性汇报，应体现各成员完成的工作内容，以公正评价学生的学习进展；在课程最终考核方面，应包含小组成员课题成果的多媒体汇报、专题研究题目的文献撰写、现场数据的实时测试等环节。“计算机视觉”作为一门面向实际应用的工科课程，教师应以对现有方法的改进程度、现场方法性能演示为主要考核指标，检验学生的科学思考及程序实现的综合能力。另外，教师除了客观点评各小组的课程学习质量，还可引入其他小组的评论，如增加现场汇报演示环节，并鼓励其他小组的学生积极提问、大胆发言。教师在整个过程中要分析评价各小组的问题回答情况，特别是要指出研究学习过程中尚存在的不足，并给出有针对性的建议，以便学生不断改进自己的学习方法。通过以上多元化的考核环节，客观全面地评价学生该门课程知识的掌握情况，可促进人工智能类专业人才培养质量的提高。
三、基于研究导向型模式的“计算机视觉”课程教学成效
（一）充分激发了学生的学习兴趣，提高了学生的学习积极性
笔者在“计算机视觉”课程教学实践中发现，基于研究导向型模式的教学在提高学生的学习兴趣、积极性方面起到了显著的作用。特别是在当前该领域高速发展的大背景下，教师在向学生讲授基础概念后，可引导学生以一种研究的思维探索热点及前沿课题，并鼓励其利用最新技术，解决生产及生活中的实际应用问题。在此过程中，学生的学习兴趣得到了充分的激发，并积极地主动思考、分析问题，能结合实际应用场景，提出可行的解决方案，并获得初步的效果。笔者通过对所教班级（40名学生）进行问卷调查，发现92.4%及95.2%的学生对研究导向型模式在激发学习兴趣、提高自学能力方面表示赞同，如表2所示。结合笔者教学及学生反馈情况可知，该教学模式对于激发学生积极性及培养学生学术探索精神起到了明显的推动作用。
（二）有利于师生交流，构建和谐的关系
教学应是一种教师与学生相互交流的双向过程，但传统的教学方法是一种侧重于学生被动学习的单向模式。区别于传统教学方式，基于研究导向型模式的“计算机视觉”课程教学要求教师深入参与学生的课程学习活动，细致地对学生在文献调研、研究方法、程序实现及文档撰写等方面进行指导。教师通过加入学生的学习活动，不仅能有效地掌握学生学习过程中出现的薄弱点并有针对性地改善，由此提高人才培养质量，也有利于构建师生间自由交流、相互学习的平等和谐关系。通过师生间的交流互动，学生的思路能得到启发，教师也能从学生活跃的思维中获取科研及教学创新的灵感，从而更好地体现寓教于学、教学相长的教与学的辩证关系，最终可构建和谐的师生关系，促进教学质量的提高。
（三）拓宽了学生的知识面，增强了学生的科研能力
“计算机视觉”课程是人工智能领域的重要研究方向，其知识的频繁更新决定了学生在学习完该门课程后，不仅应掌握基本的原理方法，还应对该领域的热点及前沿课题有一定的了解，并逐渐提高学科专业方面的自学能力，形成初步的科研思维。本文将研究导向型模式引入“计算机视觉”课程教学，为该课程教学目标的达成提供了一条切实可行的路径。笔者通过对学生进行问卷调查发现，学生均反馈此教学模式在提高文献调研能力，了解学科前沿课题，以及开阔视野方面起到了非常突出的效果，验证了研究导向型模式是一种值得推广并行之有效的新型授课模式。
（四）有利于全面客观成绩评价体系的形成
“计算机视觉”课程归属于电子及计算机信息类专业，该工科类专业的特点是理论与实际结合紧密，此特点在该门课程中尤为突出，具体体现在学生不仅需要掌握基本的理论原理、概念方法，还应在科学问题的提出、模型的数学推导、程序软件的编程、性能验证等方面具有相应的专业素质。然而传统偏重理论的课程考核方式不能全面反映学生的知识掌握情况。为此，本文提出的研究导向型模式由于自然地涉及了以上各学生能力培养的环节，并注重学习研究活动中的实际成效，因此能顺利地引入更科学及多元化的考核方式，拓展了传统的成绩评价体系。最后通过对学生知识掌握情况进行多方位评价，有效激发了学生的学习主动性及科学思维。
四、结语
为了适应当前人工智能技术高速发展对高校科技人才培养的需求，本文首先指出了传统“计算机视觉”课程教学的局限性，并进一步提出了将研究导向型模式引入该课程教学的必要性和有益的实施方法。结果表明，研究导向型模式一方面能显著激发学生的学习兴趣，提高学生的学习主动性，有效拓展学生的知识面，增强学生的科研能力，另一方面能构建和谐的师生关系，并促进全面客观成绩评价体系的形成。本文提出的研究导向型模式不仅适用于“计算机视觉”课程，也可为电子信息及计算机专业其他课程的教学改革提供借鉴参考。
参考文献：
[1]郝志军,杨颖东.人工智能与教学的合理性融合:优势、挑战与策略[J].人民教育,2022(20):51-54.
[2]张海燕,周海涛.人工智能与教学的交集:历程检视与路向选择[J].当代教育科学,2020(5):20-24.
[3]李洪修,吴思颖.人工智能背景下大学教学思维的审视与回归[J].高校教育管理,2020,14(2):29-36.
[4]黄荣,怀李敏,刘嘉豪.教育现代化的人工智能价值分析[J].国家教育行政学院学报,2021(9):8-15.
[5]黄荣怀,王运武,焦艳丽.面向智能时代的教育变革:关于科技与教育双向赋能的命题[J].中国电化教育,2021(7):22-29.
[6]宋妍.网络化教育教学模式的勃兴与传统课题教学模式的转型[J].中国成人教育,2019(8):65-67.
[7]吕婷婷,石志国,冀燕丽.国内人工智能教学研究热点及趋势分析[J].高等理科教育,2019(6):98-107.
[8]张果,赵艳花.“现代控制理论”课程教学改革[J].西部素质教育,2022,8(1):169-171.
[9]李镇,付帅,彭伟功,等.“可靠性工程”课程教学改革[J].西部素质教育,2022,8(1):160-162.
[10]鲁海帆.人工智能时代高校会计人才培养模式[J].西部素质教育,2022,8(2):159-161.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！ 文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/75569.html
