基于科研素养培养的《智能计算》课程教学改革与实践

《基于科研素养培养的《智能计算》课程教学改革与实践》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于科研素养培养的《智能计算》课程教学改革与实践　　摘要：以研究生《智能计算》课程为例，分别从教学模式、教学内容、教学方法、教材建设和教学效果等方面探讨课程建设与改革。重点分析课程教学中科研素养培养的方法和途径，通过构建多元化教学方法，培养学生创新意识及科研素养。　　关键词：智能计算；科研素养；课程教学改革；教学模式　　DOIDOI：10.11907/rjdk.161991　　中图分类号：G434　　文献标识码：A文章编号：1672-7800（2016）012-0180-02　　0引言　　大学教育不仅仅是向学生传授学科专业知识，还要教授学生终生受益的技能，充分挖掘学生各项潜能。研究生教育是高

2、等教育的重要组成部分，更加注重创新能力培养。强化研究生培养过程管理是有效提高其培养质量的重要手段。在研究生培养过程中，课程教学环节尤为关键，直接关系学生综合能力培养[1]。6　　智能计算已成为人工智能领域的研究热点，其理论与方法已成功应用于科学与工程领域以及诸多战略性新兴产业[2-3]。近年来，越来越多的高校开设《智能计算》课程。本文以研究生《智能计算》课程为例，结合教学实践，从教学模式、教学内容、教学方法、教材建设和教学效果等方面探讨教学改革，重点分析教学过程中科研素养培养的方法，将知识传授、能力和素质培养融为一体，强调创新意识和科研素养的培养。　　1合理设置课程定位，制定课程教学模式　　

3、与本科教学不同，研究生教学更注重培养学生研究、分析和解决问题的能力。研究生分为学术型和专业型两大类（简称为学术硕士和专业硕士），不同类型的研究生分开授课。笔者所在学校面向学术硕士开设的该课程除了介绍智能计算基础知识外，还注重培养学生的科研能力；而面向专业硕士开设的该课程则强调在工程领域中的应用与实践，采用“授课―项目实践―研讨（项目开发交流+学术交流）”的方式。其中，“授课”即按照教学大纲要求讲授课程基础理论知识；“项目实践”是培养学生动手解决实际问题能力的重要环节，着重培养学生的研究能力和创新意识。需紧密结合学科前沿和教学内容，设计出解决实际问题的项目，学生在完成项目的过程中体验创新，项目

4、完成情况作为学生成绩评定的主要依据；“研讨”即教师组织学生进行课堂讨论，专业硕士重点交流项目实施的方法和心得，学术硕士重点交流学术前沿。通过多个学期的教学实践，该教学模式教学效果良好，普遍受到师生好评。　　2注重科研素养培养，构建多元教学方法　　经过多年的建设和发展，笔者所在学校《智能计算》课程积累了丰厚的学科基础和教学经验。为适应智能制造2025、互联网+、智慧城市等新形势的发展及要求，立足于科研能力和科研素养培养，课程组构建了多元化教学模式。6　　（1）通过探究性学习突出学生主体地位，培养学生科研能力。将研究生创新能力和科研能力培养贯穿于授课教学环节始终。通过课堂问题研讨拓展知识领域，为

5、学生提供前沿领域技术动态方面的学习内容，提高学生探索新领域、新知识的能力。改革传统的教师、学生、教材三者间的关系，强调以学生为主体，采用项目驱动式、问题讨论式、案例分析式教学，提高学生的科研能力。　　（2）延伸性平台拓展课堂范围，培养学生科研素养。通过畅通师生交流渠道、优质教学资源共享和实践反馈拓展课堂广度和深度。教学资源平台包括：①智能计算领域国际杂志和协会资源，如Spring出版的《SwarmIntelligence》、IEEE出版的《IEEETransactionsonEvolutionaryComputation》及《IEEE/ACMTransactionsonComputation

6、alBiologyandBioinformatics》等国际学术刊物；②组织学生参加先进制造业、工业自动化、互联网+、智能计算等领域国际会议；③优质教学资源平台共享，学生紧密结合自身科研兴趣，积极探索前沿领域。通过课堂延伸，逐步提高学生科研素养，学生发表高水平论文的数量逐年增加。　　（3）通过高水平学科竞赛营造创新氛围，提升学生创新创业素质。鼓励学生积极参加高水平学科竞赛，努力培养研究生团队协作能力、创新思维和实践能力，充分营造良好的创新氛围和创业环境；邀请知名专家作专题讲座，开拓学生视野，掌握前沿科技，提升科研素养。　　3改革教学内容与方法，培养学生科研兴趣6　　智能计算是一门交叉学科，课

7、程主要系统讲授智能计算有关理论、技术及其应用，全面介绍智能计算前沿技术与最新进展。要求学生系统掌握智能计算的基本内容与方法，了解智能计算主要应用领域。主要内容包括：进化算法、蚁群算法、粒子群算法、鱼群算法、文化基因算法、量子优化算法、多目标优化问题及应用。　　（1）进化算法。以教材为主，重点讲解进化计算的基本原理、生物基础、算法框架、基本要素、深度学习的本质优点及其适用领域；从个体编码、群体初始化、个体评价、