智能科学与技术学科评估范文

导语：如何才能写好一篇智能科学与技术学科评估，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

关键词：智能科学与技术；培养体系；本科生

北大是“常为新”的，特别是在信息科学这样一个引领着时代最前沿科技发展的学科领域里。上世纪八十年代中期，北京大学一批具有长远发展眼光的有识之士倡议建立一个多学科交叉研究中心，以数学系、无线电(电子学)系和计算机系为主，联合心理学、中文、遥感等共十个系所，宗旨是在信息科学领域开展多学科交叉研究，充分发挥北大的综合优势。中心的建立牢牢把握住了时展的方向，获得了快速的发展。很快，北大在中心的基础上建立了第一个国家实验室，并取得了丰硕的成果。2002年9月，在信息中心和国家重点实验室的基础上，北京大学智能科学系组建完成，并与次年并入北京大学最大的学院――信息科学技术学院，翻开了发展进程中崭新的一页[1]。

智能科学系的诞生是改革和创新的产物，它的发展也是与时俱进的。智能科学与技术被认为是当今信息科学领域最重要的创新点和增长点之一，它正在成为关系到国民经济发展，国家安全稳定的新兴领域。正是在这样的大背景之下，智能科学系的老师们深入调研，精心准备，于2003年向教育部申报“智能科学与技术”本科专业，并获得了教育部的批准，于次年开始招收本科生，这也开了全国智能科学本科教育的先河。目前，已经有4届智能科学系本科生顺利完成了他们的本科学业，迈入了新的人生阶段。我们也在不断探索和尝试中，初步建立了一套适合北大学生成长成才的智能科学系本科生培养体系。

1北大智能科学系本科生培养体系概述

在培养智能科学系本科生的过程中，我们的老师始终坚持“以学生为本”的原则，多方面关注学生发展，把握智能科学技术的新兴前沿领域，面向国家建设重大需求，确立具有创新精神和实践能力的多层次复合人才的培养格局。为了实现这样的培养目标，我们在本科生培养过程中牢牢抓住招生、教学、育人这三个重点环节，充分尊重学生的个性化发展，因材施教，力争将学生培养成为具有国际视野的行业领军人才，具体为具有原创能力的研究型人才，具有集成能力的工程型人才和具有组织能力的管理型人才。在我们的主要培养思路如下[2]。

1) 把好分流关，吸引真正对智能科学感兴趣的学生选择智能科学专业。

2) 创新课程体系，优化课程内容，建立和完善智能科学技术学科体系。

3) 完善本科生导师制，加强课外引导，建立全方位的培养体系。

2智能科学专业分流

从2004年开始，在北京大学“加强基础，淡化专业，因材施教，分流培养”这一原则的指导下，信息科学技术学院开始按照大类招生，即本科一年级学生在进入学校后不分具体专业，统一学习信息学科基础课程。在一年级下半学期期末，按照“计划指导，自愿优先，排名调剂，加强疏导”的方针，由学生自主选择专业。

与学院其他3个老牌系(电子学系50 年历史、计算机和微电子系30年历史)相比，智能科学系创立时间短，基础条件薄弱，缺乏毕业生记录的宣传说明，所以，分流过程中并无优势可言。为了吸引优秀的学生选择智能科学系，我们充分利用学院在专业分流前期安排的宣传引导工作阶段，通过制作专业手册、举办专场讲座、举行网络讨论、安排导师专场指导等方式向大一学生宣传智能科学系；在学院统一的开放日里，我们将自己最引以为傲的科研成果通过通俗易懂的形式展现给学生，并且安排资深研究人员现场咨询，帮助同学们了解智能科学系的特点。通过这些扎扎实实的工作和细致有效的宣传，同学们逐渐领略到了智能科学的魅力，越来越多的人选择智能科学。图1为智能科学系分流人数的趋势图。

从图1中可以看出，2004级至2009级，信息学院大一学生中选择智能科学系的学生数量逐年上升。另外，需要特别指出的是，2008年学院第一届智能科学本科生顺利毕业，并且取得了良好的成绩。2008届智能科学系本科生全班学习成绩在学校综合评估中优良率达到了93%，34名同学中有22名继续保送本校读研，4 名同学获得了大型国有企业和知名外企的工作机会，8 名同学获得出国深造机会，在欧、美一些名校攻读博士，其中有一名学生同时拿到了包括哈佛、MIT、CMU、UCLA在内的著名大学的全额奖学金(最后选择MIT)。表1所示为2004级―2006级智能科学系本科毕业生去向。

良好的成绩使智能科学系在学院内部和北大校园内的影响力不断扩大，北大其他学院的优秀学生也开始申请转到智能科学系学习。2008年，北大最好的元培计划实验班有4名学生选择了智能科学专业，医学部和光华管理学院也有学生申请转入智能科学系。

但是，需要看到的是，2010级本科生分流时只有34名学生选择了智能科学系，相对前几年来讲是明显偏少的。在这一年，学院有一半的大一学生选择了计算机专业。学院针对专业分流的问卷统计显示，超过70%的学生在入学前对各个专业了解程度很低，即使经过一年的学习，绝大部分学生对于各个专业也只停留在基本了解的程度。同时在高考前已经考虑好专业选择的学生中有71%选择的专业是计算机专业，近60%的受访学生将兴趣作为选择专业的第一决定因素。从这样的统计数据可以看出，作为信息技术的老牌专业，计算机专业在学生入学前的被认知程度远远高于智能科学。同样作为偏“软”的专业，智能科学由于建立时间短，被公众认知程度低，在专业分流时难免会有些“吃亏”。这就要求我们进一步加强对智能科学的宣传，让更多的人，特别是对信息科学有兴趣的学生了解智能科学的内涵和主要研究特点，以吸引高素质的人才加入到智能科学的研究队伍中来。

3本科生课程体系创新

3.1指导原则

作为一所综合性大学，北京大学特别注重对学生的通识教育，注重学生综合素质的培养，要求学生广泛学习不同领域的知识，学习不同学科的研究方法。北大人才培养的基本原则可以归纳为“加强基础，淡化专业，因材施教，分流培养”。

智能科学作为一个新兴的，多学科交叉的领域，我们在培养学生的时候，不仅要求学生具有坚实的数学、物理、计算机和信息处理的基础知识以及心理生理等认知和生命科学的多学科交叉知识，更要求学生系统地掌握智能科学技术的基础理论、基础知识和基本技能与方法，同时侧重科学思维、科学实验和初步科学研究的训练，以使得学生在毕业时具备智能信息处理、智能行为交互和智能系统集成方面研究和开发的基本能力。

篇2

（1．南开大学计算机与控制工程学院，天津300071；2．天津市智能机器人技术重点实验室，天津300071）

摘要：针对智能科学与技术新兴本科专业建设过程中缺乏能够突出专业特色，体现课程内容连贯性的实验教学问题，提出“空地一体化多机器人协调控制”智能化特色实验教学内容，介绍如何以引导学生通过分组协作的方式进行实验，增强其对分布式部署的飞行与地面移动机器人系统的控制、通信、规划、协调等相关技术的了解与掌握。

关键词 ：智能科学与技术；特色实验；机器人；空地一体化；多机器人协调控制

基金项目：南开大学2014年新专业建设立项项目；南开大学2014年本科重点教学改革项目。

第一作者简介：王鸿鹏，男，副教授，研究方向为智能机器人技术，hpwang@nankai．edu．cn。

0 引言

“智能科学与技术”专业是一个新兴的交叉学科专业，需要不断完善专业建设和深化教学改革，既要注重加强学生的综合素质，也要注重培养学生的特色专业能力，从而将学生的跨学科知识转化为综合实践创新能力。

我们所探讨的智能化特色实验教学，是通过建设分布式部署的飞行与地面移动机器人系统，构建多机器人／多智能体协调控制实验平台，指导学生进行分组研发与实验，将智能技术、智能工程等课程中所讲授的人工智能、机器视觉、机器学习、智能计算、复杂系统控制等内容纳入到本实验教学中，促进专业课程教学内容之间的有效衔接，启发学生的科学研究思维，提升技术研发能力。

1 智能化特色实验的开设时机

南开大学“智能科学与技术”专业始建于2005年，首届本科生于2010年毕业。在10年发展历程中，智能科学与技术专业借助于南开大学文理并重，基础宽厚的学科优势，以及发展现代工学、突出应用与创新的办学特色，依托于计控学院自动化与智能科学系、机器人与信息自动化研究所、计算机科学与信息安全系等单位，在课程体系设计、教材建设、专业实践等方面均取得了长足的进步，目前已培养出5个年级的具有光、机、电系统综合知识、具备较强适应能力、能够在相应领域从事科研、开发、管理工作的高级工程技术人才，学生毕业后去向较为理想。

在智能科学与技术专业的课程体系方面，南开大学近年来将“智能技术”课程调整为“机器视觉”“机器智能”两门专业必修课程，分别安排在二年级下学期与三年级上学期，在三年级下学期安排“智能工程”“机器人学导论”专业必修课程，以及“智能移动机器人导论”英文特色选修课程。

为加强学生实践环节与扩大学校的国际交流，从2013年开始南开大学实行夏季小学期，我们所设计与开展的“空地一体化多机器人协调控制”实验已纳入到开设于大三夏季小学期的“智能专业实践”特色课程中，在4周时间里集中进行。此时学生已经掌握自动控制原理、现代控制论、计算机数据结构等自动化、计算机相关课程与机器视觉、机器智能、智能工程、机器人学等智能专业特色课程知识，这些知识的学习与能力的训练为学生进行智能化特色实验奠定了理论与实践基础。

“空地一体化多机器人协调控制”实验能够增强学生对分布式部署的飞行与地面移动机器人系统的控制、通信、规划、协调等相关技术的了解与掌握。学生们可以将该实验课程所掌握的技术进行延伸，既可以与“国家级大学生创新训练计划（国创）”“本科生创新科研百项工程（百项）”等大学生创新项目与“华为杯中国大学生智能设计大赛”等智能专业特色竞赛相结合，也可以在四年级继续进行智能系统方面的本科毕业设计，激发学生的创新性设计与实现的热情。

2 智能化特色实验的内容设置

“空地一体化多机器人协调控制”智能化特色实验主要由飞行与地面移动机器人、网络通信系统、协调控制系统组成。南开大学智能科学与技术专业利用2013年度新专业建设经费采购了8台地面移动机器人平台，利用2014年度新专业建设经费采购了14台多旋翼无人机飞行实验平台，基本上构建起一套能够支持40名本科学生分组研发、联合调试的综合性实验平台。

本试验中学生所要实现的协作机器人系统是由多个具有一定智能的自治机器人组成，机器人之间通过网络通信的方式实现相互间的协作以完成联合探索与建图等复杂的任务。学生首先实现单个飞行或地面移动机器人的飞行控制与视觉检测，然后建立分布式多机器人系统的通信网络，最后进行多机器人系统的协调控制，如图1所示。

我们建议在开展实验时，每个机器人系统安排2名学生，分别负责飞行控制与视觉检测；通信网络系统共安排2名学生进行网络设计与程序开发；协调控制系统安排2名学生进行算法设计与程序开发，该实验平台按照2个飞行机器人与2个地面移动机器人的最简配置，可组织8名学生进行联合实验，更多的学生也可以通过增加机器人数量、各小组增加人数的方式参与到实验教学中来。

2.1 飞行与地面移动机器人系统

移动机器人控制技术是智能专业本科生需要掌握的核心技术之一，本试验所选用的移动机器人系统包括了多旋翼无人机实验系统与轮式移动机器人实验系统，每台机器人均配备了网络摄像机用于进行图像采集与视觉伺服。在飞行机器人方面选用了DJIS1000型8旋翼无人机平台与3DR-IRIS4型4旋翼无人机平台，两种平台有侧重，8旋翼无人机平台上搭载了可控自稳云台与高能微单相机，主要引导学生进行视觉SLAM方面的实践；4旋翼无人机平台选用的是开源飞行控制系统，主要引导学生进行无人机飞行稳定性控制方面的实践。两种无人机平台均具备自主飞行与视频图像采集的能力。在地面移动机器人平台方面，选用了QBot轮式移动机器人系统，学生可以基于MATLAB控制机器人和网络摄像机。

2.2 网络通信系统

通信是各机器人之间进行交流和协作的基础，本实验采用基于无线局域网的多机器人通信平台，学生应设计基于TCP/IP协议簇的网络模型，以Ad hoc方式组建基于移动自组网的多机器人通信网络，进行联合搜索与建图。

2.3 协调控制系统

本实验采用分布式的在线规划方法来进行多移动机器人的运动协调，实验任务是多个机器人共同完成一个现场环境下的联合搜索与建图任务，学生实验中要学习与体会多机器人体系结构设计、机器人自主定位、多机器人协调协作机制等技术，并通过编程方式加以实现。

3 特色实验与课程体系的结合

智能化特色实验教育的目的在于培养学生在智能系统设计与分析方面的能力，“空地一体化多机器人协调控制”实验涉及学生在多门专业课程中所学习到的知识与技能。学生可以从自动控制原理、机器人学导论、智能移动机器人导论等课程中学习到对行或地面移动机器人的控制与编程；从机器视觉课程中可以学习到对机载网络摄像机的应用技术，包括摄像机标定、图像采集与分析、主动视觉技术等知识；从机器智能课程中可以学习到对机器人与环境知识的描述、空间搜索与路径规划、基于学习方法的视觉识别、多机器人协调控制等知识；从智能工程课程中可以学习到如何分布式复杂智能系统设计、研发中的相关技术问题。

4 结语

智能科学与技术专业的“智能专业实践”课程采用大三小学期集中授课的方式，学生能够利用4周时间通过分组研发，协作实验的方式完成一个较大规模的综合性实验。我们所提出的“空地一体化多机器人协调控制”智能化特色实验可以使学生们综合运用在基础性课程与特色专业课程中所学到的知识，根据个人兴趣选择开发模块，共同实现一个分布式复杂系统的协调控制任务。

设计与开展智能化特色实验能够突出智能专业特色，促进专业课程教学内容之间的有效衔接，今后我们将在所提出的“空地一体化多机器人协调控制”进行效果评估的基础上，总结经验并进行示范，促进智能化特色实验教育工作开展，深化教学改革与技术创新。

参考文献：

[1]方勇纯，刘景泰，南开大学“智能科学与技术”专业教学体系与实验环境建设[J]计算机教育，2009 (11): 21-25．

[2]杨鹏，张建勋，刘冀伟，等．智能科学与技术专业课程体系和教材建设的思考[J]．计算机教育，2010(19)：11-14.

[3]许林．智能科学与技术专业本科实践课程的建设[J]．计算机教育，2011(15): 120-123.

[4]许林．机器人课程在智能专业本科教学中的探索[J]计算机教育，2012(18): 78-81．

[5]许林，智能科学技术专业实践课程内容设计[J]．计算机教育，2013(19): 76-79．

篇3

关键词：模式识别；教学内容；授课方式；评价方式

模式识别是60年代迅速发展起来的一门学科，该技术用于自动将物理对象或抽象的多维模式分类到已知或可能未知的类别。目前，市场已经存在一些能进行字符识别、手写体识别、文档分类、指纹分类、语音和说话人识别、白细胞分类以及其他军事目标识别的商业模式识别系统。低成本、高分辨率传感器(如CCD摄像机、麦克风和扫描仪)和互联网上共享的数据为我们提供了关于文本、语音、图像和视频的巨大数字化资源库，对这些资源进行有效的归档和检索，极大推动了模式识别算法在新领域的应用，例如文本、图像和视频检索，生物信息学和面部识别等。

由于模式识别是一门理论与实践紧密结合的学科，理论基础涉及高等数学、线性代数、数理统计、小样本统计学习理论、模糊数学等学科，因此该课程具有一定的抽象性和难度，学生不容易理解所学内容。为了使学生从抽象中理解具体，更好地、自主地、创新地学习，教师要在知识的传授过程中注重学习方法的传授，故教学探索成为模式识别课程中重要的研讨内容之一。随着社会的发展、国际交流的频繁及网络技术的完善，如何借鉴先进的国外教学理念，更好地培养具有创新能力的学生，也成为教学探索的一个主要问题。

1国内外教学比较

下面就从教学内容、授课方式和学生评价方式三个方面来阐明国内外模式识别教学。

1.1教学内容

模式识别领域的国内外研究者和学者已编著了大量优秀教材，由于篇幅关系，下面仅对部分教材进行简要介绍。

Richard O. Duda等编写的《Pattern Classification》清晰地阐明了模式识别的经典方法和新方法[1]。Sergios Theodoridis编写的《Pattern Recognition》全面阐述了模式识别的基础理论、最新方法以及各种应用[2]。Andrew R. Webb编写的《Statistical Pattern Recognition》对统计模式识别的基本理论和技术作了全面且详尽的介绍[3]。J.P.Marques de Sá编写的《Pattern Recognition：concepts，methods，and applications》详细介绍了有关模式识别的概念和方法，并附加多个领域的实际应用案例[4]。M.Narasimha Murty等编写的《Pattern Recognition：An Algorithmic Approach》讲解了模式识别在算法中应用的主要原则，并对模式识别的概念和最近取得的进步进行了详细介绍[5]。Brian D.Pipley编写的《Pattern recognition and neural networks》对模式识别和神经网络进行了介绍，并给出了模式识别领域的许多实际例子[6]。Satoshi Watanab编写的《Pattern recognition：human and mechanical》为模式识别提供了一个统一的标准，并介绍了该学科的广阔前景[7]。Robert J.Schalkoff编写的《Pattern Recognition：statistical，structural，and neural approaches》探究了模式识别的核心概念、方法和应用[8]。Keinosuke Fukunaga编写的《Introduction to statistical pattern recognition》，每章都含有大量习题[9]。

清华大学的边肇祺教授等编写的《模式识别》主要讨论了统计模式识别理论和方法，还介绍了人脸识别、说话人语音识别及字符识别等应用实例[10]。干晓蓉教授编写的《模式识别》主要内容包括贝叶斯决策理论、概率密度估计、线形判别函数、无监督学习和聚类、特征选择与提取、模糊模式识别、人工神经网络、线形代数、多维随机变量[11]。王碧泉教授等编写的《模式识别：理论、方法和应用》介绍了特征选择、聚类和判别等方面的常用模型和算法，模式识别在地震学、数字图像处理和决策管理等领域中的应用[12]。杨光正教授等编写的《模式识别》介绍统计识别方法和句法方法的基本理论[13]。张学工教授编写的《模式识别》系统地讨论了模式识别的基本概念和代表性方法[14]。齐敏教授等编写的《模式识别导论》按照统计模式识别、句法模式识别、模糊模式识别法和神经网络模式识别法四大理论体系来组织全书[15]。蒋先刚教授编写的《数字图像模式识别工程软件设计》介绍图像模式识别的基础理论和程序实现技术，从工程应用的角度全面介绍了图像模式识别应用软件设计的基本方法和实用技术[16]。孙即祥教授等编写的《模式识别》系统地论述了各类经典的模式识别的理论与方法，较全面地反映了本学科的新近科技成果[17]。

2.2授课方式

国外的授课方式往往注重内容的学习、知识的掌握和学生独立思考。课堂教学理念重参与性、积极性、创造性和灵活性。课堂相对活跃，讲授和讨论相辅相成，学生能积极地参与到课堂教学中，学生参与发问或发表个人意见，课堂上的参与往往是学期分数的一部分，被认为是评估学生所学习的知识的方法，并注重学生是否有能力与教师和同学进行知性的对话。

国内的课堂教学主要以教师讲授为主，学生被动接受，留给学生的自主空间较狭窄，课堂教学理念注重系统性、完整性、逻辑性、生动性、计划性。课堂相对平静，讨论较少，学生加入到课堂教学中的情况不多，学生参与发问或发表个人意见少。

2.3评价方式

国外对学生的培养重经验、过程、体验和运用。学生的学习过程只是其成长的一部分，教师评价学生时十分注重多渠道收集学生在校、在家和参加社会活动的情况，通过综合分析，对学生进行全方位的、细化的评价，其中不仅有教师对学生的评价，还包括学生的自评、学生之间的互评、家长的评价和学生参加社会活动获得的评价。

国内的教学目标是追求知识、结果、记忆和会考试。由于教学中以教师为主，往往只注意知识的传授，忽略了学生能力和全面素质的培养。学生能牢固地掌握知识，但知识运用能力差，主动和创新能力欠缺。教师对学生的评价注重期中、期末考试，忽略了学生参加社会活动的情况。

3教学探索

基于如下的研究结果：有效教学本质上取决于教师建立能够实现预期教育成果的学习经验的能力，而每个学生都参与教学活动是实施有效教学的前提[18]，我们从教学内容、授课方式、评价方式三个方面进行模式识别课程的教学探索。

3.1教学内容

教学内容的安排应与本科学生的学习特点和目前所掌握的知识程度相吻合，才能使学生牢固掌握知识。借鉴国内外教学内容情况，我们的模式识别课程的教学内容共分9个章节，分别介绍模式识别纲要、贝叶斯决策理论、极大似然估计和贝叶斯参数估计、隐马尔可夫模型、统计语言模型、支持向量机、最大熵模型、人工神经网络、决策树。

第1章 通过提出问题“智能科学与技术专业的学生为什么要学习模式识别”和“应当怎样学习模式识别课程”展开，具体介绍内容包括模式、模式识别、有监督的分类、无监督的分类、模式识别的主要方法和模式识别系统。

第2章 “贝叶斯决策理论”介绍了在概率结构都知道的理想情况下的模式分类问题。虽然这种情况在实际中很少出现，但它为我们提供了一个能够与其他分类器进行对比的评价依据，即“最优贝叶斯分类器”，帮助我们预测推广到新模式时的最小误差率。

第3章 主要围绕“极大似然估计和贝叶斯参数估计”来展开。在先验概率和类条件概率密度已知的情况下，我们可使用“贝叶斯决策理论”来设计最优分类器。但是在实际应用中，通常不能得到和问题相关的全部概率结构知识，因此我们利用已有的信息，对问题中涉及的先验概率和条件概率函数进行估计，并把估计结果当做实际的先验概率和条件概率，再来设计分类器。

第4章 “隐马尔可夫模型”在解决一些与时间序列相关的问题，即某一过程随着时间的流逝而进行，而且某个时刻发生的事件受到前一时刻发生事件的直接影响中得到了很好的应用，隐马尔可夫模型在语音识别领域的应用是最成功的例子。

第5章 “统计语言模型”是用来计算句子概率的模型，在很多自然语言处理的任务，如机器翻译、语音识别、印刷体或手写体识别、拼写纠错、汉字输入中都有广泛的应用。在独立假设的前提下，句子的概率公式可被简化，并被计算出来。

第6章 “支持向量机”的基本思想是寻找一个能够将d维空间的样本数据准确地分为两个类别的超平面。但是，由于样本数据经常是不可以被线性分割的，所以通过引入核函数，将样本数据映射到一个可以线性分割这些数据的高维特征空间。而将数据映射到这样的一个空间，通常会引起计算和过度适应问题，但是支持向量机在高维空间中不需要直接处理，这就消除了前面提到的顾虑。并且支持向量机不像神经元网络等其他的学习算法，很难衡量其学习的性能，我们能够清楚地计算出其在未知数据集上的VC维。

第7章 “最大熵模型”在对一个随机事件的概率分布进行预测时，满足全部已知的条件，而对未知的情况不进行任何主观假设。因为在这种情况下，概率分布最均匀，预测的风险最小，概率分布的信息熵最大，所以被称为最大熵模型。

第8章 “人工神经网络”是在现代神经科学研究的基础上提出的，它并没有完全真正反映大脑的功能，只是对生物神经网络进行某种抽象、简化和模拟。人工神经网络中的信息处理是通过神经元之间的相互作用来实现的，知识与信息的存储表现为网络元件互连分布式的物理联系，各种神经元连接权系数的动态演化过程决定了人工神经网络的学习和识别。

第9章 “决策树”是一种广泛应用的归纳推理算法，它采用逼近离散值函数的方法，具有很好的健壮性，能根据训练数据学习出析取表达式。决策树学习方法通过搜索一个完整表示的假设空间，从而避免了受限假设空间的不足。

3.2授课方式

遵循学生的认知规律和和学习特点，结合作者从事的模式识别课程教学，我们对模式识别的授课方式给出了如下建议。

首先，教师将不再单纯地讲解，而是引导学生进行学习和组织学生进行课堂活动，使学生由原来的单纯听讲、被动接受灌输转变为主动参与课堂教学，亲自去发现结论和规律，使学生学会思考和善于思考，培养学生分析和解决问题的能力。通过教师和学生互相提问和共同讨论，来发挥学生的主动性，使两者在教学过程中相互联系和作用，教学过程成为双方主动介入的过程。由于模式识别具有一定的抽象性和难度，因此教师讲解时要尽可能通过实例引出问题，让学生亲睹实例，增加感性认识，通过图像、动画和视频的生动画面和声音吸引学生的注意力，将抽象的理论形象化，使学生印象深刻而又便于理解。

其次，教师在传授知识的同时也应该力所能及地帮助学生解决在生活、学习过程中遇到的疑问，对他们提出的问题给予认真、耐心的解答，帮助他们克服困难。教师在教学过程中留出一定的时间，以朋友的身份和学生交流，了解他们的想法，从中获得一些好的意见和建议。

再次，在讲解理论部分时，教师应该理论联系实际，注重学生实践能力的培养。适当引入一些实际生活的例子，帮助学生理解所学知识，如介绍最大熵模型，可使用“投资时不要把所有的鸡蛋放在一个篮子里，这样可以降低风险”的例子，使学生对模型的认识不再抽象。简要告诉学生下次课的内容，鼓励学生课后查阅相关资料，并对遇到的问题进行分析和解决，带着问题参与下一次的课堂教学。针对每一章的授课内容，教师应精心设计和安排相关实验，加深和巩固学生所掌握的知识。

3.3评价方式

模式识别是智能科学与技术专业的一门重要专业基础选修课，对学生将来的学习、工作都起着非常重要的作用。该课程不仅仅是让学生掌握知识，更重要的是培养学生的能力。因此，教师应该积极鼓励学生多参加社会实践，评价时应从多渠道和多方面收集学生在校和参加社会活动的信息，通过综合分析，对学生做出全方位的、细化和合理的评价，促进学生全面素质的培养，最终提高学生的创新能力。

4结语

模式识别是一门理论与实践紧密结合的学科，教与学的方式值得我们研究和探索。在今后的教学工作中，我们要多从模式识别理论涉及的学科广泛，而本科生目前还没有完全掌握这些知识等特点出发，不断改革、实践和创新。同时，教师也要不断提高自身素质和业务水平，不断提高课堂教学质量，为国家培养更多合格的应用型本科人才。

参考文献：

[1] Richard O. Duda, Peter E. Hart, David G. Stork. Pattern Classification[M]. Ventura：Academic Internet Publish, 2006.

[2] Sergios Theodoridis. Pattern Recognition[M]. San Diego：Academic Press，2006.

[3] Andrew R. Webb. Statistical pattern recognition[M]. The Atrium：John Wiley and Sons, 2002.

[4] J. P. Marques de Sá. Pattern Recognition: concepts, methods and applications[M]. Berlin：Springer, 2001.

[5] M. Narasimha Murty, V. Susheela Devi.Pattern Recognition：An Algorithmic Approach[M]. Hyderabad: Springer，2001.

[6] Brian D. Ripley. Pattern recognition and neural networks[M]. Cambridge：Cambridge University Press,2008.

[7] Satoshi Watanabe. Pattern recognition：human and mechanical[M]. San Francisco：Wiley，1985.

[8] Robert J. Schalkoff. Pattern Recognition：statistical，structural，and neural approaches[M]. San Francisco：J.Wiley, 1992.

[9] Keinosuke Fukunaga. Introduction to statistical pattern recognition[M]. San Diego：Academic Press, 1990.

[10] 边肇祺,张学工. 模式识别[M]. 2 版. 北京:清华大学出版社,2007.

[11] 干晓蓉. 模式识别[M]. 昆明:云南人民出版社,2006.

[12] 王碧泉,陈祖荫. 模式识别:理论、方法和应用[M]. 北京:地震出版社,1989.

[13] 杨光正, 吴岷, 张晓莉. 模式识别[M]. 合肥:中国科学技术大学出版社,2001.

[14] 张学工. 模式识别[M]. 3版. 北京:清华大学出版社,2010.

[15] 齐敏,李大健,郝重阳. 模式识别导论[M]. 北京:清华大学出版社,2009.

[16] 蒋先刚. 数字图像模式识别工程软件设计[M]. 北京:水利水电出版社,2008.

[17] 孙即祥, 姚伟, 滕书华. 模式识别[M]. 北京:国防工业出版社,2009:1-280.

[18] 华荣宝.“有效课堂教学”学习材料(一)[EB/OL]. (2008-02-29)[2011-03-10]. /Article/ShowArticle. asp?ArticleID=1545.

Pattern Recongnition Teaching Exploration

TAN Yongmei, WANG Xiaojie, ZHONG Yixin

(Department of Intelligence Science, Beijing University of Posts & Telecommunications, Beijing 100876, China)

篇4

【关键词】工程力学；建模技术；研究

近年来，随着计算机辅助技术不断的应用到机械设计当中，制造业传统的生产模式发生了翻天覆地的变化，其专业技术体系已经日趋形成。目前， 建模与仿真技术正向“数字化、虚拟化、网络化、智能化、集成化、协同化”为方向发展。我国建模技术尤其在复杂系统建模技术、智能系统建模技术和基于智能科学的建模技术、定性与定量组合的实体建模技术、复杂分布建模环境等方面取得了较大的进展。在建模与仿真支撑系统技术研发方面， 我国在实时仿真算法、各类系统的并行算法、视化算法与软件、分布仿真运行支撑平台、虚拟样机工程支撑平台、仿真网格等方面取得了一批高水平研究成果。相继研制和生产了多种型号的模拟计算机、混合模拟计算机及混合计算机系统、全数字并行仿真计算机，并正从局部、分散的研究向实用化、自动化、规范化、集成化发展。工程力学建模在我国现阶段的制造业中得到了广泛的应用，可以有效的缩短产品生命周期，提高产品的性能、多样化、高质量、人性化，很大程度上满足了现在多元化的竞争市场。加强对工程力学建模是我国制造业的一大重要任务，也是满足多元化市场增加竞争力的必然要求。

1.建模技术的基本原则

传统的优化技术需要工程设计人员将设计问题用数学方程的形式全面准确地描述，即确定设计变量、目标函数和约束函数， 因此要求设计人员不但要熟悉产品的设计， 还要掌握一定的优化理论和数值计算方法。对大多数的机械产品设计人员来说，做到这一点是很困难的。这在一定程度上影响了优化设计的应用。对于复杂机械产品来说，数学模型建立的好坏对优化设计成功与否起着决定性的作用。多学科产品建模的总体原则可分为：①支持产品的更新。无论是开发新产品，还是对老产品的改进，建模技术必须考虑到产品的更新设计，这就要求建立基于参数驱动的产品模型。②支持产品设计的进程。一般的设计进程包括功能设计、原理设计、详细设计和施工设计等多个阶段。在每个阶段都包括概念设计、详细设计、分析评价到重设计等一系列反复过程。建模就是要支持产品从整体设计到局部设计、从概念设计到详细设计的不断反复、迭代的进程。③支持产品模型转换的全过程。机械产品的多学科优化建模的最终目标是生成优化任务数学模型。产品模型是对产品物理结构的真实反映， 而计算机能对优化任务的数学模型进行寻优计算。全性能优化建模不仅要实现产品全系统和全性能的描述，还要根据不同的要求转换为不同的优化任务数学模型， 实现物理模型和数学模型的自动转变。

2.建模技术分析与处理间的相互关系

完美的设计已成为当今制造行业追求的关键问题，为了达到这一境界人们提出了多学科建模技术。多学科优化建模应综合考虑产品多方位的全系统结构和产品技术性、经济性和社会性等各方面性能的统一，以及全面考察从设计、制造、使用到回收整个产品的全生命周期过程。工程力学建模是后期计算的基础，所建立的模型既要保证后期的分析计算结果不失真，也要保证后期的分析计算能够在实际中可以实施，就要同时把握两个原则“可靠性”和“经济性”。建模技术研究的具体内容包括：功能方案、产品建模、优化规划、优化算法、寻优搜索和结果处理等。计算精度能够达到工程要求，它直接影响工程能否正常运行。以工作规范以及国家标准系列等为依据，保障力学分析计算的可靠性。可以把其中占主导作用的内容归纳为：初步建模、寻优搜索和耦合分析与处理三方面，它们构成了建模设计优化的主体，也是产品设计优化不同于传统优化的关键所在，而其它方面的内容则是该主体的延伸及支撑。这三方面的内容是相互依存、相互统一不可分割的，不同的建模方式导致了相关技术领域间不同耦合关系的产生，而不同的耦合关系又需要不同的搜索策略和方法，不同的搜索策略和方法又必须有合适的优化数学模型与之相匹配。

3.现代建模方法介绍

3.1元建模技术和产品建模技术

一直以来，人们对建模方法学进行了大量的研究，具有代表性的是元建模技术和以功能为核心的产品建模技术。基于产品物理本质的元建模技术，认为各种应用模型难以沟通的原因在于不同的领域所涉及的知识域不同，而现有的模型缺乏这些知识域之间的联系，因此无法进行信息的重用与共享。他们把产品中那些反映物理本质的信息如质量、力等属性作为信息元，用符号来描述不同抽象程度、不同粒度、不同近似度以及不同对应关系上各信息元之间的物理依赖关系，用由这些信息元及其依赖关系构成的元模型来建立起知识域之间的联系，最后通过定性推理从元模型中导出各应用分析模型，而各应用模型的变化也能通过元模型传播到其它应用模型。但建立基于物理本质的元模型需要开发人员对产品的各种物理规律有清楚的了解， 这在产品开发过程的初始阶段是十分困难的。用功能单元来描述产品既可以使设计人员避免从设计一开始就面临着对设计对象物理规律的抽象，又可以满足概念设计的需要。然而，多学科建模需要解决的任务是多方位的，随着产品开发过程的推进“功能单元”描述需要不断深化。如何由基础的功能单元衍生出各种应用所需要的新的功能模型，保证多学科建模各阶段模型一致性、可扩充性、可集成性以及可重用性是各种建模方法所需解决的核心内容。

3.2现代网络协同建模技术

高水平建模工具开发平台是实施多学科建模技术的基础，它需要把计算机、网络、操作系统、分布式数据库和一些专用方法、工具集成起来，构建一个适应并行工作方式的计算机环境；把不同地点， 使用不同学科的多学科小组成员集成起来构建一个分布式协同建模平台，各个学科小组成员通过共享产品信息模型进行信息交互和协同设计。这种产品建模方式是基于网络、支持异地并行、协同及面向产品全生命周期的设计模式。这样各个研究机构或公司可以利用自己的学科或产品领域优势，按照标准创建自己的设计问题模型，并在网络上相应的设计模块。设计人员在面对一个复杂的设计问题时，不需要关注自己不了解的学科领域，只需在网络上寻找到相关的设计模块，然后将他们与自己创建的本地设计模块连接起来， 就可以形成一个集成设计系统。这不仅可以大大缩短产品的开发时间，降低产品开发成本，同时也可以使设计人员集中于自己关注的领域，从而更好地进行产品的创新设计。基于网络协同和UG NX 实现的框架平台是一种高水平的建模工具平台，它是并行、协同及分布式产品开发的模式与CAD 软件集成的具体体现。

篇5

先给大家重点推荐一本期刊：中国职业技术教育

中国职业技术教育杂志征稿信息

《中国职业技术教育》杂志是由中华人民共和国教育部主管，教育部职业技术教育中心研究所、中国职业技术教育学会和高等教育出版社共同主办的一份综合性中文期刊，集政策指导性、学术理论性和应用服务于一身，是教育部指导全国职业教育工作的重要舆论工具，是服务各级各类职业教育机构的主要阵地。

中国职业技术教育投稿栏目：主要有职教要闻、专稿专访、综合管理方略、课程教材、教研与教学、师资队伍建设、研究与探讨、职业指导、职业培训、高等职业教育等栏目。

再给大家推荐职业教育范文：人工智能背景下职业教育变革及模式建构

董文娟1，黄尧2(1.天津大学教育学院，天津300350；2.北京师范大学国家职业教育研究院，北京100875)

摘要：顺应人工智能时代的浪潮，基于新兴技术的职业教育变革及新模式建构势在必行。该文从职业教育智慧化、经济发展、政策保障、信息化生态重构四个方面，剖析了人工智能时代职业教育变革的现实诉求，并进一步分析了当前职业教育外部环境及其自身发展的困境。人工智能背景下职业教育的变革体现出融合、创新、跨界、终身化的新特征。基于此，从课程、教学、学习、环境、教师发展、评价、教育管理及组织等方面，探究职业教育的变革路径及模式建构。最后探讨了职业教育模式变革还面临回归教育本质、规避技术弊端等挑战，并提出“适应—引领人工智能”的发展目标。

关键词：人工智能；职业教育变革；模式建构；智慧化

“人工智能的迅速发展将深刻改变人类社会生活、改变世界。特别是在移动互联网、超级计算等新理论、新技术及经济社会发展强烈需求的共同驱动下，人工智能发展呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。”[1]人工智能作为新一轮产业变革的核心驱动力，为我国供给侧结构性改革下的“新常态”经济发展注入新动能，使人们的思维模式和生活方式发生了深刻变革。近年来，国家高度重视与社会经济发展联系最为密切的职业教育，积极推进职业教育信息化，运用人工智能改革教学方法和人才培养模式，构建新型智能职教体系，提升信息技术引领职业教育创新发展的能力。

一、人工智能背景下职业教育变革的现实诉求

人工智能对传统教育理念产生了革命性冲击，职业教育结构不断调整，劳动力素质与市场需求的矛盾、学习方式与自我价值实现的矛盾等促使职业教育向智慧化、智能化发展。目前，我国处于教育信息化2.0、工业4.0的新时期，全球范围内新一轮的科技革命和产业变革正在加速进行。“一带一路”“中国制造2025”人工智能等重大国家战略的提出，及以新技术、新产业为特征的新兴经济模式要求教育领域，尤其是职业教育培养行业、产业急需的技术技能型、智慧型人才，具备更高的创新创业能力和跨界整合能力，促进智慧化发展，助力经济转型升级。

(一)职业教育智慧化诉求：职业教育信息化发展的必然选择

“智慧教育是以物联网，大数据等信息技术为依托，创造智慧教学环境，转换教育方法，内容与手段，注重教育网络化，个性化和智能化的一种教育新模式。”[2]智慧教育作为“一种由学校、区域或国家提供的高学习体验、高内容适配性和高教学效率的教育行为(系统)”，被视为教育信息化发展的高端形态[3]。因此，职业教育的智慧化并非简单的数字化，强调信息技术推动职业教育教学模式和方法的变革，改变思维模式，创建价值等方面共享的学习共同体，培养创新型、智慧型人才。

职业教育智慧化是职业教育信息化发展的必然选择。目前，我国的职业教育信息化水平正在稳步提高，投入持续增加，各种智能信息技术应用于教育教学、实习实训、测量评价等领域，并逐步成熟，正在努力打造一个信息化、智慧化的现代职业教育生态系统。新时期我国很多地区及职业院校积极提升现有信息化系统的智慧化水平，积极创建智慧校园、智慧社区等，逐步实现了组织管理的智慧化、资源环境的智慧化和服务评价的智慧化。

(二)经济发展诉求：人工智能时代的新兴经济需要高技能智慧型人才

人工智能时代职业教育运用移动互联网、大数据等新兴技术，与经济及其他部门跨界融合，不断创造新产品、新业务，推动职业教育模式创新，形成了以互联网为基础设施、人工智能为实现手段的经济发展新常态。人工智能时代是以现代科学技术为支撑的新时代，各行各业的运作发展和对知识技术的掌握要求达到了更高层面，相应的教育需求也有所提升，市场环境渴求勇于创新、个性化的高技能智慧型人才。职业教育要应对行业上升发展的劳动力需求问题，基于人工智能应用，提高技能培养层级，以适应新的社会劳务需求。现代企业生产依托互联网科技，与智能化设备直接联接，通过数据分析和应用，促进科技成果转化为生产力。劳动密集型企业已不适应现代行业、产业发展，需升级为网络智能型，与此同时，职业院校的课程模式、专业设置、实习实训、师资结构等也做出相应的调整和革新，既促进了职业教育的智慧化、智能化，又推动了产业升级和工业变革。

(三)政策保障：国家从宏观层面保障人工智能时代的职业教育发展

2016年是我国人工智能元年，2017年我国颁布了《新一代人工智能发展规划》，提出了“将发展人工智能放在国家战略层面进行系统谋划和布局”，这预示着我国人工智能时代的全面到来，为我国职业教育的发展提供了良好的宏观政策环境。人工智能给职业教育带来了符合时代精神的新内容，积极融合信息技术，整合职业教育资源，提升公共服务水平，影响和改变了原有的教育生态。紧密依托信息共享平台，突破时空限制，让学习者自我选择，更加人性化和智能化。我国很多职业院校已经开启了智慧校园的行动计划，一些大中城市也在积极制定实施智慧城市的发展规划，在良好的政策保障中提升智慧化水平。

(四)信息化生态重构诉求：人工智能时代的职业教育变革是对职业教育信息化生态系统的重构

“依据《2006-2020年国家信息化发展战略》，我国正在有序推进数字教育向智慧教育的跃迁升级和创新发展。”[4]在新兴智能信息技术的催促下，技术变革带来了职业教育系统的颠覆性创新改革，打破现有的条条框框，改革传统教育模式，再造教育业务新流程。在职业教育领域创新应用物联网、大数据、人工智能等先进技术，提升各科各门教育教学业务，打造各级各类智能实训部门、培训机构，覆盖贯通中高职院校，整合系统内外现有资源，推进智慧教育生态有序发展，为各类用户提供最适合、最智能的职业教育资源和服务，完成对职业教育信息化生态系统的重构。

二、当前职业教育发展的现实困境

人工智能对各行各业的影响具有革命性和颠覆性，可能带来新的发展机遇，也可能带来不确定性的挑战，比如可能会改变就业结构、影响政府管理、威胁经济安全等，还可能会冲击法律与社会伦理，影响社会稳定乃至全球治理。当前，人工智能与“大众创业、万众创新”浪潮席卷而来，职业院校既是人工智能应用的战场，又是培养技术创新型人才的“梦工厂”[5]。人工智能时代的职业教育信息化发展迅速，影响是广而深的，对职业教育外部环境及其本身都造成了极大的冲击。

(一)职业教育外部环境发展困境

“据联合国教科文组织预测，到2020年，人工智能将替代20亿个工作岗位”[6]，那些技术含量低、重复性强的技能将被智能机器、数码设备所替代，工业机器人也将大面积应用。智能设备替代行业劳动力，能够降低劳动成本，且具有高效、易操作等竞争优势。传统职业教育培养模式很难适应未来行业、产业的发展需求，人工智能冲击职业教育就业岗位，撼动其所依附的岗位基础，对职业教育的生存与定位产生了威胁。因此，根据智能时代职业教育的岗位特征与需求，提升职业人才的知识结构和专业技能，是新形势下职业教育的发展方向。

(二)职业教育自身发展困境

近年来，人工智能在职业教育领域内的应用和提高是目前职业教育的发展趋势。我国重视职业教育信息化、智能化发展，各级各类职业院校在信息化基础设施建设、校园信息化管理等方面都有了显著提升，但信息技术与职业教育的深度融合仍不够紧密，表现出信息化管理效率低、科学决策水平低等现象。人工智能背景下职业教育自身发展的困境表现在：

1.课程与教学困境

职业院校新课程改革提倡构建智慧课堂，制定个性化学习计划，注重课堂实施效果。但目前的实际课程教学仍是以教师为中心，强调知识的灌输，重视统一性和计划性，与教育改革提倡的个性化教学相去甚远。教学方法、教学理念更新慢，很难激发学生的内在学习动力，创新性思维弱，使得个性化教育的无法实现。近年来，中央、省、市、县四级教育平台逐步建立起来，课程与教学的层级设计逐步完善，但在实施的过程中，各级平台之间存在沟通不畅等问题，各级资源内容不系统，不衔接，导致无序叠加和资源的重复浪费，“精品课程”等项目丰富了课程资源，但质量不高。在线课程与教学以传统的科目、章节为单元，构建系统性的在线教育内容，为用户提供专业化的知识选择，但由于受时间条件等限制，大多数受教育者习惯于碎片化学习，连贯性和整体性差，缺乏对课程与教学体系的系统性学习。

2.认知困境

随着人工智能时代的到来，许多职业院校将“未来教室”“智慧课堂”定位为未来发展方向，进行了多种尝试和改革，如MOOC混合教学、翻转课堂、多屏教学等，但“管理者和施教者对智慧教育的理解多停留在‘智慧课堂=多媒体+传统教学的层面’，教学观念和思维依然固化，并没有因为新技术的参与而得到实质改变”[7]，缺乏对多媒体网络架构和智能学习平台的深层认识，更缺乏对管理评价和互动交流等模块的理解与掌握，虽投入大量人力财力采购了数量巨大、设备精良的多媒体设备和智能服务设备，但没有充分有效使用，大大限制了智慧教育的发展潜力。

3.用户困境

传统教学以群体教育为基本单元，教师和学习者作为学习共同体，在管理、学习的互动过程中形成强大的群体约束力，促进双方共同进步。在信息化教育时代，学习者自由掌握学习时间和进度，遇到问题可能无法及时解决并获得反馈，无法进行面对面交流，因此，基于人工智能网络化学习平台，学习者需要高自控力、高学习能力才能适应这种全新的学习方式。

4.评价困境

传统的评价方式多依靠经验和观察，智慧型评价则是基于学习过程的一种发展性评价，以采集到的学习数据为客观基础。在人工智能、数字信息化环境下教育效果的评价实际要受到很多因素的影响和局限，在信息技术与职业教育融合的过程之中，许多智能技术应用于教育教学实践，难以进行定性定量的智慧评价，如互动交流及深层次的学习评价等。

三、人工智能背景下职业教育变革的新特征

人工智能带来了思维模式的创新，改变了人们认识问题、思考和解决问题的方式，越来越多地依赖人与智能网络的协同创新。人工智能背景下的职业教育变革围绕经济社会发展大局，“主动服务国家重大发展战略，加大虚拟现实、云计算等新技术应用，体现校企合作、知行合一等职教特色，以应用促融合、以融合促创新、以创新促发展。”[8]人工智能背景下职业教育的变革必将加速推进职业教育的现代化、智能化进程，表现出了融合、创新、跨界和终身化的新特征。

(一)融合

人工智能技术科学应用于当前职业教育，在最短的时间内整合、重组大量的知识信息，形成科学的技术技能知识体系，为职业教育资源、企业资源、产业资源、社会资源等一切有可能联结的资源融合提供了可能。为促进职业教育的智慧化发展，在现有的合作模式、集团模式、产教融合模式等实体协作发展的基础上，建立智能互动的智慧教育供给平台、常态化智慧课堂和大数据化智慧教育生态系统，为我国新兴经济发展提供高技能、智慧型人才支撑。

(二)创新

信息化时代下“变”为创新立足之要点。创新时代最需要提升的就是创造智慧。“由知识的理解记忆，转向知识的迁移、应用并最终指向创造发明”[9]，以提高学习者的学习能力和应用能力，提升其创新思维和智慧思维，不断开拓人类社会发展的高度和宽度。智能化、信息化的时代是创新不断的时代，是原有知识不断被更新、技术不断被升级的时代。人工智能促使社会化协同大规模发展，促进职业教育体系核心要素的重组与重构，创新生产关系，呈现出新的协作架构，开创了新的教育供给方式，增加了教育的选择性，推动了教育的民主化。学习者能够按照自己的价值观、兴趣与爱好等选择适合自己个性发展的学习方式和学习内容，促进学习者个性化、多样化发展，最终实现教育公平。

(三)跨界

智能科学与职业教育连接起来，搭建起两者沟通的桥梁，跨越了人工智能虚拟教育和线下实体教育的界限，实现了两者之间的融合。教育供给由竞争资源转变为协同合作，直线型的中心组织管理转向去中心化、泛化管理。通过大数据智能技术平台、远程教育平台等对职业教育资源进行整合共享，跨越教育边界，与市场、行业、企业以及职业教育培训机构对接，提供更加便捷的智慧化服务。

(四)终身化

人工智能时代职业教育的变革坚持“以人为本”的教育理念，满足学习者在任意时间、任意地点、以任意方式、任意步调终身学习的需求[10]。打破了地域和时间的限制，体现了教育的泛在化、个性化和终身化，与终身教育理念的发展目标不谋而合。人工智能时代社会经济发展加快，人们追求高层次自我价值的实现，充分体现出终身学习的必要性和紧迫性。目前，我国正在积极创建泛在学习环境，致力于构建终身化学习型社会，努力创造有利条件向全民提供终身教育与学习的机会。

四、人工智能背景下职业教育发展的模式建构

人工智能背景下职业教育的变革预示着全新思维意识形态、社会发展形态的变革，重塑职业教育可持续发展的新思维，重构信息时代职业教育的价值链和生态系统。智能化技术科学将现代职业教育内部各要素，以及内部要素与外部环境之间，通过虚拟技术和智能化手段互联贯通，突破传统教育价值的链状模式，使职业教育由传统模式走向“人工智能+职业教育”模式的建构。人工智能对职业教育课程、教学、评价、管理、教师发展等方面产生系统性影响，为职业教育提高教育质量和提升服务水平提供了技术支持和现实路径，解决不能兼顾职业教育规模和质量的矛盾问题。下面将从课程、教学、学习、环境、教师发展、评价、教育管理及组织等方面来探究职业教育的变革路径及模式建构。

(一)人工智能背景下职业教育的课程模式

人工智能时代的信息知识、科学技术正在以前所未有的速度增长、更新和迭代，呈现出了碎片化、多元化、创新性、社会性的特征。人工智能背景下职业教育的课程模式是为学习者提供按需可随时选择的知识储备智能模式，解决了传统职业院校课程教学的滞后性，呈现的是现代职业教育的前沿信息和内容。课程革命愈演愈烈，灵活多样的微课、慕课等形式层出不穷，在线课程将成为常态，信息传播媒介、知识获取方式等都发生了巨大改变，课程内容和结构的表现形态、呈现方式、实施及评价等也都进行了相应变革。智能化信息科学技术为课程的设计、架构、实施提供了快捷和便利，为学习者的个性化、终身化选择提供了多种渠道。人工智能背景下职业教育的课程模式的建构表现为：首先，线上线下融合的大规模开放课程融入现代职业教育，课程的表现形态和实施途径呈现出智能化、数字化、立体化的特征，成为学校常态课程的有机组成部分，为学习者提供了更多的可选择机会，使实施个性化课程成为可能。现代职业教育的课程内容强调学术性与生活性相互融合与转化，融入社会资源，立足于我国社会经济的新常态和学习者的全面发展，实现社会化协同发展，共赢共创；其次，课程实施的空间得以拓展，跨越了社会组织边界、职业院校边界，将从班级、年级、全校扩展到网络社区以及更大的空间。课程的整体结构从分散走向整合，以技术为媒介，形成跨学科、多学科整合的课程；最后，课程内容的组织、课程的实施逐步模块化、碎片化、移动化与泛在化，社会化分工更加精细，教师也将承担教学设计、技术开发、在线辅导等不同的角色。

(二)人工智能背景下职业教育的教学模式

人工智能时代将信息技术有效地融合于职业教育各学科的教学过程，从知识的传递转变为认知的建构，从注重讲授和内容，转变成重视学习过程[11]，构建“以教师为主导，以学生为主体”的以数字化、智能化为特征的智慧教学模式，重视学生的主体地位，引导学生“自主、探究、合作”。人工智能背景下职业教育的教学模式的建构表现为：首先，人们的学习方法、认知方式和思维模式已经发生了巨大的转变。信息化教学使得信息技术已成为学习者认知的必要工具，认知方式也由“从技术中学”转型为“用技术学”。其次，信息化教学的重点从“面向内容设计”转变到“面向学习过程设计”，更加重视学习者发现问题、分析和解决问题能力的培养，关注学习者的学习过程，以及其获得学习活动的体验。同时，信息化教学要将课堂内的学习知识和课堂外的实践活动联结互动，按照学习者的个性化需求和认知方式自主选择学习内容。第三，智慧教学将成为课堂教学的新重点。日常教学工作形态不再是点线面的连接，而是呈现为智能化、立体化的教学空间，智慧课堂将会促进学习者的深度学习、交互学习和融合学习，智能备课、批阅以及个性化指导等也将成为教育者新的教学工作形式。从机械评价学习结果转变成适应性评价学习结果。第四，在线教学、整合技术的学科教学法将成为新的教学形态，促进教育均衡发展，实现跨学校、跨区域的流转。移动学习、远程协作等信息化教学模式，能够实现教师的“教”与学生的“学”的全面实时互动，最大限度地调动学习者的主观能动性，提升教学质量与人才培养质量。

(三)人工智能背景下职业教育的学习模式

智能系统和互联网络为学习者提供了丰富多元的学习资源和环境，推进了教育教学活动与学习环境的融合发展，人工智能背景下职业教育的学习模式也逐步建立起来，具体表现为：首先，智能时代的互联网络全面覆盖每一个人、每一个角落，活动空间由课堂内拓展到课堂外，学习与非正式学习正在互相补充、互相与融合，导致学习者的学习行为变化、学习方式的革新。其次，基于互联网出现了一批创新的学习方式，借助情景感知技术及智慧信息技术，进行真实过程体验的情境学习，促进学习者知识迁移运用的情境化和社会化。第三，借助互联网云技术和各种应用工具，学习者可根据自身学习需求，选择最优学习方式，也可利用数据分析技术，追踪记录学习路径和学习交互过程，随时随地获取个性化教学服务和量身定制的学习资源，拓宽了智慧教育视野。第四，各职业院校开始拓展校园智慧学习的时间和空间，以实现虚拟和现实相互结合的智慧校园育人环境。推进网络学习空间建设，加强教与学全过程的数据采集和分析，“引导各地各职业院校开发基于工作过程的虚拟仿真实训资源和个性化自主学习系统”[12]，强化优质资源在学习环境中的实际应用。

(四)人工智能背景下职业教育的环境模式

智慧教育环境是以大数据、多媒体、云计算等智能信息技术为基础而构建的虚实融合、智能适应的均衡化生态系统。信息技术与职业教育的深度融合，为师生的全面发展提供了智慧化的成长环境，如智慧云平台、智慧校园。人工智能背景下职业教育的环境模式的建构表现为：首先，智慧教育环境将信息技术与职业教育服务结合、面对面教学和在线学习结合，形成数字化的、虚实结合的职业教育智能服务新模式。其次，智慧教育环境将促进各种智能化、数字化信息技术融入职业院校的各个业务范围和业务领域，与系统内的其他业务横向互联、纵向贯通，且信息能够适时生成和采集，全过程实现数字化与互联化。第三，智慧教育环境能够感知学习者所处的学习情境，理解学习者的行为与意图，满足学习者的个性化需求，提供多元化的适应服务和智能感知的信息服务。互联网应用基于智能数据分析，实现智能调节与自动监控，为学习者提供定制式的学习服务和个性化的学习环境。未来教室必将变成“虚拟+现实”的智慧课堂，在网络空间中参与线上课程、线下活动，实现线上线下互动交流。同时，智慧校园的创建和管理，能够对每个班级、学区进行动态管理，构建出一个以问题、任务为线索，学生实现自主学习的知识体系和促进师生互动、生生互动的智慧管理平台。到2020年，“90%以上的职业院校建成不低于《职业院校数字校园建设规范》要求的数字校园，各地普遍建立推进职业教育信息化持续健康发展的政策机制”[13]，以学习者为中心的自主、泛在学习普遍开展，精准的智能服务能够满足职业教育的终身化定制。

(五)人工智能背景下职业教育的教师发展模式

人工智能背景下职业教育的变革对教师的专业发展、素质能力提出了新要求，改变了教师的能力结构和工作状态。教育信息化大背景下，互联网技术、多媒体手段的产生、智能化设备的使用极大提高了教师的专业发展和能力素养，以适应新课程改革与教育信息化的要求。人工智能背景下职业教育的教师发展模式的建构表现为：首先，新时代教师专业发展的内在要求和外在环境都要求教师能够认识、了解和应用互联网新技术工具，促使教师专业发展能力和素养的提升和丰富。其次，教师的专业发展要面向实际、情境化、网络化的教学问题，教师需要在多变的教育情境中综合运用核心教学技能，将信息技术知识、学科内容知识、教学法知识很好地融合并迁移运用。新时代的教师要学会掌握使用智能化设备和数字化网络资源，积极加强与其他专家、教师的合作，或远程工作，形成基于智慧教育技术的多元化的学习共同体。教师的工作状态由个体的单独工作转变为群体的共同协作，大大提升了教师的工作效率。第三，信息化背景下教师的教学理念要发生转变，由促进学生“接受学习”转变为“主动建构”，由“被动适应”转变为“主动参与”，越来越强调以学生为中心的过程体验，从了解信息技术转变为掌握智慧教育技术，保持学科知识，教学方法，核心技术的动态平衡，促进学生智慧学习的发生。第四，信息化教师要学会使用智能化教育技术，积极开发数字化学习资源，创设丰富多元的教学活动，鼓励学生掌握智能信息工具，学会探究和解决问题，发展提升学生的创新思维能力和信息化学习能力。教师的信息化教学能力和素养全面提升，信息技术应用能力实现常态化。

(六)人工智能背景下职业教育的评价模式

现代教育价值趋于多元，以互联网为基础的智能化信息技术使教育评价在评价依据、评价内容、评价主体等多个方面实现了全面转变。人工智能背景下职业教育的评价模式的建构表现为：首先，互联网信息技术应用于学习过程使得伴随式评价成为可能，更加关注学习者的个体差异和特点。强调过程评价和多元共同评价，更加客观全面，重视评价过程的诊断与改进功能，以促进学习者的个性化发展。其次，互联网、大数据、智能云技术的出现使得评价的技术和手段多样化、智能化，节省人力物力财力，提高了评价的科学性、针对性。第三，以大数据为基础的适应性评价因人而异，可获得及时反馈，可真实地测评学习者的认知结构、能力倾向和个性特征等，从知识领域扩展到技能领域、情感、态度与价值观，构建以学习者核心素养为导向的教育测量与评价体系，促进学习者发展。

(七)人工智能背景下职业教育的管理模式

智能化信息技术、云计算技术、大数据技术等能够促进大规模社会化协同，拓展教育资源与服务的共享性，提高教育管理、决策与评价的智慧性，因此，基于互联网的教育管理必将逐步走向“智慧管理”模式。人工智能背景下职业教育的管理模式的建构表现为：首先，互联网将家庭、学校、社区等紧密、方便地联系在一起，拓宽了家长和社会机构参与学校管理的渠道，各利益相关者可共同参与现代职业院校的学校管理，协作育人。其次，新时代的职业院校管理模式通过可视化界面进行智能化管理，业务数据几乎全部数字化，能有效降低信息管理系统的技术门槛，使管理工作更加轻松、高效。通过深度的数据挖掘与分析，能够实现个性化、精准资源信息的智能推荐和服务，为管理人员和决策者提供及时、全面、精准的数据支持，以提高决策的科学性。第三，通过互联网信息技术可以实现全方位、随时的远程监督与指导，从督导评估转变为实时评估，可以实现大规模的实时沟通与协作，促进社会化分工，促进职业院校内部重构管理业务流程，使管理智能化、网络化、专业化。

(八)人工智能背景下职业教育的组织模式

人工智能时代信息科学技术的蓬勃发展冲击着学校内部的组织结构向智能化、网络化的方向发展，各职业院校需要合理调整内部组织结构和资源分配，通过互联网加快信息流动等方式，提高各职业院校组织管理的效率和活力。人工智能背景下职业教育的组织模式的建构表现为：首先，当今时代人工智能的产生不可能替代学校教育，但可以改变学校教育的基本业务流程。人工智能推动了学校组织结构向网络化方向发展，教学与课程是提供信息数据的重要平台，学校组织则构成了教育大数据生态系统。其次，“互联网+职业教育”的跨界融合将打破学校的围墙的阻隔，互联网将学校组织与企业、科研院所等社会机构紧密联系起来，提供优质教育资源供给，共同承担知识的传授、传播、转化等功能，促进学校组织体系核心要素的重构。第三，建设“智慧校园”，实现线上线下融合的智慧校园育人环境，实施一体化校园网络认证，推动智能化教育资源共建共享，实现职业教育信息化建设的均衡发展。

五、人工智能背景下职业教育的模式变革面临的挑战及发展目标

人工智能将推进大数据、云技术等智能信息技术深层次融入职业教育课程与教学、组织与管理、评价与反馈等领域，形成社会化多元供给，为学习者提供多样化的参与方式、自主选择的学习形式和及时获得反馈的评价途径，有利于实现职业教育的共建、共享、共治。但其全面实现，还面临着诸多挑战。

(一)挑战

首先，职业教育的新模式建构需要充足的资金支持。各职业院校积极建构智慧校园，努力实现智慧化产学研环境，打造一体化智慧城市网络等核心技术的开发，都需要资金的根本保障。政府要给予资金政策保障并加强监管，资金管理部门要合理规划，合理利用，专款专用，落到实处。其次，职业教育的新模式建构的成果表现离不开学习者对技术的理解、掌握和应用。在实际实施过程中，教育工作者既要利用信息技术优势变革职业教育，也要避免技术中心主义倾向，“避免一味追赶技术新潮而不顾学生身心健康等，技术本身是一个祸福相依的辩证法。”[14]第三，“目前的教育实践中，仍未能充分实现人机合理分工和双边优势互补。人工智能终端系统擅长逻辑性、单调重复的工作，而人类则更适合情感性、创造性和社会性的工作。”[15]现阶段，信息化技术水平还有待提高，智能机器不能完全胜任知识传播、数据处理等工作，有待于进一步开发和完善，绝对依赖互联网络和设备，还存在一定的风险。

(二)发展目标

人工智能时代职业教育变革重新架构了职业教育发展模式，完成了对资源的重新整合配置，改变了人的思维方式、学习方式和生活方式。人工智能时代下没有职业教育模式的改革，就不可能建构真正的现代化职业教育。人工智能背景下职业教育的发展目标可以概括为个三方面：

1.“智慧脑”与“智能脑”融通

随着第四次产业革命的到来，信息技术爆发式发展，造就了以电脑、互联网为基础的智能脑。职业教育智慧化发展的一个目标就是如何让学习者发挥人脑“智慧脑”与机器设备“智能脑”的“双脑”共同协作[16]。人工智能时代职业教育与信息技术的深度融合，就是要通过“智慧脑”和“智能脑”的协同作用，发挥互补优势，进行融通式学习，而不是简单地人脑与电脑的技术对接。

2.“现实世界”与“虚拟世界”结合

在人工智能时代，网络虚拟技术的发展使人类拥有了真实与虚拟两个世界，虚拟信息技术的兴起在一定程度上会影响职业教育的实体教育，实体教育的发展也需要虚拟技术的支撑。但在具体的学习实践中，还会存在利用这两个世界时顾此失彼、难以平衡的问题。目前，虚拟化教育技术在职业教育领域不断应用与推广，职业教育的发展模式不断优化，使得职业院校线上线下的边界逐渐消融，“现实世界”与“虚拟世界”更好地结合。人工智能时代职业教育的本质没有发生根本改变，学习者要学会利用这两个世界虚实融合、高度互动，充分发挥出自身的优势，更好地学习与生活。

3.职业教育“适应人工智能”发展为“引领人工智能”

人工智能为职业教育带来了强大的技术支持，为职业教育带来了便利。初始阶段的职业教育基本知识和技能被数字化和智能化，通过人工智能相关课程，云教育模式，个性化学习计划等，适应并应用人工智能，以提高职业教育的效率和质量。职业教育重在技术创新，对于行业技术发展具有一定的引领性作用。未来人工智能将成为职业院校快速发展和转型的技术支撑。“如某些职业院校基于自身优势专业与相关行业的智能自动化企业合作，实现以职业教育发展引领人工智能。”[17]目前，人工智能处于适应性大发展阶段，随着信息化技术的提高和智能化设备的普及，人工智能时代必将由专用人工智能时代步入通用人工智能时代。在通用人工智能时代，人工智能与职业教育深度融合高效协作，职业教育完全适应且完美应用于人工智能，进一步引领人工智能发展，由“人工智能+职业教育”发展为“职业教育+人工智能”的时代。