智能控制课程教学中的思维启迪和兴趣激发

《智能控制课程教学中的思维启迪和兴趣激发》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、智能控制课程教学中的兴趣激发和思维启迪汇报人师黎清华大学自动化系总结教学面临的问题和挑战思维启迪和兴趣激发作用及意义教学探索与实践主要内容1.面临的问题和挑战建设“具有中国特色的新型工业化道路、建设创新型国家、建设人才强国”等一系列国家发展战略，对我国工科高等教育提出了新的更高要求，同时也带来了许多前所未有的问题和挑战。目前我国人才培养方面存在的突出问题：许多学生延续了高中时的学习方法和习惯，缺乏科学探索的热情和激情，积极主动学习的劲头不高，被动式学习、盲目式学习成为高等学校学生学习中的突出问题。学生缺乏学习的热情和激情1.面临的问题和挑战我国的工科教育由于受传统教育观念、经费投入等诸多因

2、素制约，高校工科专业结构设置不尽合理、教师队伍建设薄弱，从而导致培养的学生动手能力差、实践能力薄弱，不能很好地适应企业向高效化、产业化、国际化方向发展的要求。填鸭式的教学使得学生视野不够开阔，思维不够活跃，还没有形成从事科学研究和生产实际的思维方式和方法论，所培养的学生还无法很好满足社会和经济快速发展的需求。学生缺少创新性思维学生实践动手能力差1.面临的问题和挑战为此我们在国家精品课程《智能控制基础》（已升级为国家优质资源示范课）的教学中，在激发学生学习的积极性和启迪创新性思维方面进行了实践，做了一些探索。在此，我们抛砖引玉，希望通过各位同仁的共同努力，为中华民族复兴培养出一批又一批充满探

3、索激情的创新性人才。2.兴趣激发和思维启迪的作用和意义孔子曰：“知之者不如好之者好之者不如乐之者”。人对感兴趣的事物可以持久而集中注意，保持清晰感知，引起丰富想象和积极思维，产生愉快情绪体验，并能够用意志去克服困难而不感到疲劳。学习兴趣能有效地诱发学习动机，强化学习动力。学生的学习兴趣直接影响到学习质量和智力发展，是学生学习活动获得成功的先导和曙光。因此，兴趣激发是调动学生学习积极性的最有效方法，是提高教学效果和质量的重要途径。2.激发兴趣和启迪思维的作用和意义现代科技迅猛发展，使得教师在教学过程中的作用不仅是授业解惑，更重要的作用是激发兴趣，启迪思维，传授和培养创新性的思维方式，培养学生

4、获取新知识、创造新知识的能力，这是“授之于渔”的长远之计。郎加明在《创新的奥秘》中指出：创新首先是一种由创新者的素质和创新者的思路组成的运行机制，它是一个由创新者的素质转化为创新者的思路、再由创新者的思路转化为创新者的行为的复杂过程。对于创新来说，方法就是新的世界，最重要的不是知识，而是思路。由于智能控制理论和技术还远未成熟，还有许多课题处于探索中。因此，我们在讲课中不可能穷尽智能控制的所有内容，要求我们必须面对问题和困难激发学生主动探索的兴趣，使得学生能够自主获取新知识。为了使学生具有自主获得知识的能力，我们就必须强调思维的启迪。也就是在实施教学的过程中，在教授知识的同时我们要讲授科学研

5、究的思路和方法，使得学生在获取知识的同时了解掌握一定的科学研究的思路和方法，让学生不仅知其然而且要知其所以然。2.激发兴趣和启迪思维的作用和意义启迪思维的作用就是在教授知识基础上总结、提炼方法，开阔、升华思路。因此，启迪思维不仅直接关乎受教育者高素质培养和个人发展潜力及前途，而且启迪思维在创新性思维、创新型人才培养方面的作用更是无法取代的，是新时代赋予高等教育不可推卸的责任。2.激发兴趣和启迪思维的作用和意义3.探索与实践智能控制是自动控制发展的高级阶段，是人工智能、控制论、系统论、信息论、仿生学、神经生理学、进化计算和计算机等多种学科的交叉综合，是当今国内外自动化学科中一个十分活跃和具有

6、挑战性的领域，代表着当今世界控制理论和技术的前沿和发展方向。《智能控制基础》课程是国家精品课、国家双语教学示范课程、国家优质资源共享课程。相关教学研究成果荣获国家教学成果二等奖，团队获得国家优秀教学团队，负责人被评为国家教学名师，教材获得国家“十二五”规划教材。3.探索与实践《智能控制基础》课程的特点《智能控制》课程属于交叉前沿学科，具有以下特点：（1）涵盖知识面非常广泛。课程主要包括模糊控制、人工神经网络、专家控制系统及遗传算法、DNA计算、蚁群算法、粒子群算法和免疫算法等智能计算。（2）新理论和技术发展迅速，内容更新快。智能控制学科正式成立仅有20多年，目前对这一学科还没有一个非常严格

7、权威的定义，原因很多也很复杂。例如，学科发展很快，定义被不断否定更新，多学科交叉也使得对这一学科的理解仁者见仁智者见智，很难有统一定义。3.探索与实践造成学生在学习过程中易产生畏难、厌学情绪，学习积极性不高。对理论知识理解不透彻，实践和理论知识学习脱节，造成工科学生实践动手能力不强，创新意识薄弱。（3）理论知识抽象难懂难学。例如，智能控制对象具有以知识表示的非数学广义模型和以公式表示的数学模型混合过程，并以知识进行推理，