模式识别课程混合式教学设计

郑彩侠，张 洁，孔 俊，郭羽婷

（东北师范大学信息科学与技术学院，吉林长春 130117）

0 引言

模式识别是一种能够自动识别数据模式和规律的技术，是人工智能的一个重要分支。近年来，模式识别技术已被广泛应用于图像与视频分析、信息检索、生物信息学、机器人、无人驾驶、智慧医疗等领域，成为推动该领域进步和发展的关键动力之一。尤其，随着人工智能2.0 时代的到来，社会各领域对模式识别专业人才的需求大幅增加［1］，为适应时代发展和社会需求，各高校先后为高年级本科生及研究生开设了模式识别课程［2］。

模式识别是从事计算机、人工智能、自动化等相关专业领域所不可或缺的一门核心课程。该课程具有较强的理论性、交叉性和应用性，若仅采用线下课堂教学形式，难免会导致学生课堂满意度不高、学习兴趣较低，难以深入掌握所学知识，更无法灵活运用模式识别技术解决实际问题。因此，提高学生的学习兴趣、促进学生对模式识别知识的深度理解和整合、培养学生的实际动手能力是目前教学工作中亟需解决的问题。

近年来，为提升模式识别课程的教学质量，国内外教育工作者已提出了许多切实有效的教学改革与实践方法。本文在2022 年1 月的中国知网数据库中，以“模式识别”和“课程教学”为主题词检索2008-2021 年间发表的相关文献，共检索出约91篇文献，发文量趋势如图1所示。

Fig.1 Number of publications related to pattern recognition course teaching图1 模式识别课程教学相关文献发文量

从图1 可见，发文量总体成逐年递增趋势，表明提高模式识别的教学质量已逐渐引起了教育工作者的关注，但总数发文量仍然较少。因此，有必要进一步深入研究和实践。

通过对现有相关文献进行分析发现，目前教学质量和效果提升策略主要分为对教学内容进行改革［3-4］、设计教学案例［5-6］、注重课程实践［7-9］、改革教学评价方式［10］、建设科学的教学团队［11］、开发教学平台［12］等，但少有文献深入研究如何基于混合式教学策略设计模式识别教学模式。例如，在图2 所示的现有文献的主题分布图中，并未包含“混合式教学”。此外，目前本科模式识别教学中存在的问题［3，5，9］主要包括：①在教学理念上，未充分突出学生的主体地位，无法有效培养学生主动学习、积极思考和创新思维能力；②在教学内容上，仅包含模式识别的基础理论，很少涉及前沿技术，导致学生无法了解模式识别的发展脉络及最新技术；③在教学方式和手段上，主要采用线下课堂讲授课程的基础理论，教学方法较为滞后，忽视了实践教学的重要性，未有效利用科研引导和促进教学；④在课程考核上，主要采用期末笔试进行理论考核，考核方式相对单一，无法全面考察学生的创新思维及解决问题的能力。

Fig.2 Theme distribution of literatures related to pattern recognition course teaching图2 模式识别课程教学相关文献的主题分布

目前，《国家中长期教育改革和发展规划纲要》指出要建立新型信息化教学观念，创新在线和传统线下合理混合的新型教学模式［13-14］。因此，为解决模式识别教学过程中存在的问题，本文基于对前人的相关研究及东北师范大学信息科学与技术学院教学团队在模式识别教学过程中积累的经验，设计了一种混合式教学模式，旨在突破传统课程教学难点、提高学生对课程的学习兴趣、使学生能够通过实践更好地掌握模式识别的相关知识，全面提高学生的实践能力、知识深度整合能力及创新思维。

1 混合式模式识别课程教学设计

在智慧教育背景下，具有交互性、自主化和个性化特征的线上与线下相结合的混合式教学模式已成为现代教学方式的发展趋势［15-16］，并已逐渐成为提高教学质量的重要手段［17］。混合式教学可充分发挥传统课堂教学与线上学习的优势，提高学生的自主学习能力和解决问题能力。

从内涵上而言，混合式教学与何克抗等［18-19］倡导的“主导—主体相结合”的教育思想内涵基本相同，不仅是一种新的教学模式，更是一种新的教学理念，反映了国际教育界关于教育思想、教学观念的提高和改变。

从教学观念而言，混合式教学要同时兼顾“传授—接收”和“自主—探究”两个方面［18］。其中，“传递—接收”要实现“有意义的传递”，即要将新知识、新概念和学生原有的认知结构建立起实质性联系；“自主—探究”要实现“主导下的探究”，即教师要成为课堂教学过程中的组织者和主导者，对学生的自主学习任务进行必要的引导、启发、分析等，同时也要进行适当的课堂讲授，使学生能够高效、高质量的完成学习任务。

基于混合式教学的内涵和观念，构建了一种线上、线下相结合的混合式教学模式，该模式的主要特色和创新在于有效结合了计算机视觉领域的实际科研项目，以设计恰当、有趣的实践任务，而非仅让学生对课本上的例题进行计算或编程模拟验证。

本文以东北师范大学信息科学与技术学院教学团队中与图像或视频分析方向相关的科研项目中存在的问题为切入点，设计了基于图像或视频的场景识别、人脸表情识别等实践任务，从而深度融合模式识别各方面的知识点。例如，让学生将“特征提取”和“分类决策”知识相互整合完成一个实际场景的识别任务。

基于科研项目设计课程实践任务，不仅使得学生对知识进行深度整合和迁移，还能让学生切身体会一个项目实施的具体过程，进而充调动学生的学习兴趣和主动性，培养学生的创新思维，提高其运用所学知识解决新产业、新技术等实际问题的能力。

1.1 教学目标与难点分析

模式识别课程的目标是使学生能够理解、掌握模式识别的基本概念、基本理论和典型方法，能够运用模式识别方法分析、归纳、解决人工智能领域中的相关实际问题，同时培养学生的实践动手能力和创新思维。该课程不仅理论性、交叉性强，还是一门注重实践的的课程。因此，教学改革具有较大的难度和挑战性［20］。

传统基于线下课堂的模式识别教学主要面临以下难点［9，21］：①教学内容相对较陈旧，且包含大量繁杂的理论公式推导；②重理论轻实践，理论与应用实践存在一定的脱节；③教学内容多但教学课时少。

为了解决上述问题，本文首先对教学内容进行重新筛选和优化，使教学内容能够与时俱进、详略得当、适应人工智能时代对人才培养的新要求。然后，构建一种线上、线下混合的教学模式提升教学的质量和活力。

1.2 教学内容优化

基于强化创新、注重实践的教学设计理念，结合模式识别技术的发展动态与图像或视频分析与理解相关的科研项目，对模式识别教学内容进行重新梳理和优化。优化后的教学内容（见表1）打破了原有章节限制，引入了模式识别的最新技术，使该课程能够更加适合混合式教学，并且也更加注重培养学生对知识的整合能力和实践动手能力。

1.3 混合式教学模式设计

通过结合线上信息化教学与传统线下课堂教学手段，引导学生线上自主学习和协作学习模式识别课程的基础知识，教师则主要在线下承担启发、引导、解惑和强调课程重点内容的作用。通过线上、线下混合式教学模式，实现知识“有意义的传递”及“主导下的探究”，提高学生的学习兴趣，强化学生的实践动手能力和创新思维，使学生的学习方式从知识接受型转变为知识自我建构、能力充分发展的深度学习型。本文构建的混合式教学模式如图3 所示，主要分为课前、课中和课后三个阶段。

1.3.1 课前阶段

课前阶段采用线上教学方式，引导学生基于线上课程资源对各知识点进行自主学习。课程教学资源来源于MOOC 平台，并通过该平台按课程时间发布课程视频，让学生在规定时间内完成线上学习任务。此外，通过MOOC平台上的线上问答、作业和讨论等方式可在一定程度上深化学生对所学内容的理解，便于学生将未理解的内容及时反馈给任课教师。然后，教师可根据反馈信息及平台的统计数据进行有针对性的备课，以便于及时调整线下教学内容及教学节奏。

Table 1 Optimized teaching content system of pattern recognition表1 优化后的模式识别课程教学内容体系

1.3.2 课中阶段

课中阶段采用线下课堂教学方式。此时，教师将不再单一地进行授课，而是与学生之间进行相互交流和讨论。因此，线下课堂教学主要包括知识点总结和答疑、重难点强化解析、实践成果展示及分析三个部分。

（1）知识点总结及答疑。教师首先对线上学习内容进行概括和总结，帮助学生深入了解所学知识点，形成完整的知识体系。同时，集中解答学生课前提出的问题，并根据线上平台学习数据及学生的反馈对线上学习情况进行点评，指出学生现阶段存在的问题，引导学生进行更有效的线上自主学习。

Fig.3 Online and offline hybrid teaching mode of pattern recognition course图3 模式识别课程线上线下混合式教学模式

（2）重难点强化解析。由于模式识别课程理论性强，且内容包含大量公式，以致于即使学生先前进行了自主学习，也存在无法完全理解和掌握的部分内容。因此，教师需要在线下课堂中对重点、难点内容再次进行深入讲解，但不再采用按照教材进行讲解，而基于具体实例对算法原理和过程进行演示和讲解，引导学生深入思考，让学生充分理解和掌握算法的原理、应用及优缺点，促进学生对知识进行深度整合，提高学生的学习兴趣及动手能力。在设计具体实例时，教师将主要基于图像或视频分析与理解任务相关的科研项目。例如，门禁系统的刷脸解锁项目可让学生体会如何利用特征提取与选择算法进行人脸识别。

（3）实践成果展示及讨论。组织学生对实践成果进行分组展示、互点互评及交流讨论，以训练学生的高阶思维。在展示实践成果时，需要重点引导学生分享自身所遇到的问题及解决方法，并对任务完成情况进行自我评价，锻炼学生的表达能力、逻辑思维能力及对问题的分析和归纳能力。在学生交流讨论的过程中，教师不仅需要进行及时引导及点评，还需要密切观察每一位学生的表现状态来掌握其真实学习情况，以便于进一步因材施教、实施个性化教学。

1.3.3 课后阶段

教师将知识点总结材料发布至课程群，便于学生课后查看、及时巩固知识点，并在群内布置具体实践任务。通过实践任务培养学生的创新思维、知识整合能力、实践能力及与人协作的能力。同时，适当在课程群内推送模式识别的最新技术，拓展学生的视野，激发学生的学习兴趣。此外，教师还需根据学生的线上学习情况及线下课堂表现，进行自我总结和反思，以便于后期为学生提供有效的个性化指导。

2 多元化的课程考核与评价方式

对课程进行科学、客观、全面的考核和评价，对于及时改进教师教学手段、激励学生学习兴趣、调控学生学习过程及诊断学生学习效果，均具有十分重要的作用［22］。

由于模式识别是一门应用性极强的课程，课程考核与评价方式应侧重于过程性和应用能力评价，使其符合人工智能时代的人才培养目标。因此，本文构建了一种多元化、过程性、面向混合式教学的课程评价方式。该评价方式如图4 所示，主要包括“过程性考核与评价”和“结果性考核与评价”两部分。其中，“过程性考核与评价”贯穿课前、课中和课后三个阶段；结果性评价则主要通过期末试卷进行考核。

由图4 可见，课前阶段主要通过MOOC 平台线上的学习数据（观看视频时长、线上作业、线上问答和线上讨论等）进行考核打分；课中阶段主要通过课堂出勤、课堂表现、实践任务展示与讨论情况进行考核打分；课后阶段主要通过实践任务和作业完成情况进行打分；期末成绩主要通过试卷进行打分。

Fig.4 Diversified course assessment and evaluation methods图4 多元化的课程考核与评价方式

通过这种考核方式，不仅可较为准确地评价学生对基础知识的掌握情况和运用所学知识解决实际问题的能力，还能在一定程度上反映学生对该课程的学习兴趣。因此，教师可根据评价结果适当调整课程的教学内容或手段。

3 实践效果

通过东北师范大学信息科学与技术学院教学团队的实际教学，已对所设计的混合式教学模式进行了初步验证。通过“过程性考核与评价”发现，相较于传统教学方法，学生的学习积极性显著提升，课前线上学习完成度达到了85%以上，课中讨论十分积极，课后学生与教师之间的交流和互动显著增加。并且，学生对所设计的科研实践项目都表现出了极大的兴趣，通过主动思考和实际操作，有效提高了学生的创新思维和实践能力。通过“结果性考核与评价”发现，学生试卷的简答题和算法题的平均得分显著提高，证明学生灵活运用知识解决问题的能力得到了有效提升。

4 结语

混合式教学模式可在最大程度上融合线上、线下教学的优势，有利于拓展教学的深度和广度，并促进学生进行有意义的、高阶的学习活动［23］。此外，本文基于对前人的研究及东北师范大学信息科学与技术学院教学团队在模式识别课程教学过程中积累的教学经验，设计了一种基于混合式教学的模式识别课程教学模式，并且依次从教学内容优化、混合式教学模式设计、多元化的课程考核与评价方式等方面对该教学模式进行了阐述。在下一步工作中，将重点研究实践验证结果对混合式教学模式的影响，以进行进一步调整和完善教学模式。