“纺织人工智能技术导论” 模块化课程思政内涵挖掘与实践探索

钟跃崎, 方宝红, 温 润, 沈 华, 马颜雪, 郭珊珊, 李 明

(东华大学 纺织学院, 上海 201620)

高校的思想政治教育关系到高校培养什么样的人、如何培养人以及为谁培养人这个根本问题[1-2]。2020 年5月,教育部印发的《高等学校课程思政建设指导纲要》进一步明确了课程思政建设的重要意义、目标要求和内容重点,提出要将思想政治教育贯穿人才培养体系,并由此全面推进高校课程思政建设[3]。其中,针对研究生开展的课程思政建设,是对“育人为本、德育优先”教育理念的落实,是思想政治教育领域的新探索,在教育发展过程中占有举足轻重的地位[4]。对于工科类专业课程而言,需特别注重强化学生工程伦理教育,培养学生精益求精的大国工匠精神,激发学生科技报国的家国情怀和使命担当[5-10]。

“纺织人工智能技术导论”是在上海高校市级重点课程“纺织服装专业人工智能技术导论”(在线课程),以及上海高校一流本科课程“人工智能概论”(线上线下混合式课程)的基础上,专门面向纺织专业等非计算机类研究生开设的人工智能技术教育课程。在“面向新工科学科交叉的人工智能教学与创新人才培养”的教学过程中,将思政元素有机地融入课程教学中,使该课程被评中国纺织工业联合会纺织高等教育教学成果奖(一等奖),从而取得了较好的教学成果。

一、“纺织人工智能技术导论”课程思政模块与内容

“纺织人工智能技术导论”课程针对我校(东华大学)培养高层次应用型创新人才的办学定位,以掌握现代人工智能技术基本构成原理,特别是深度学习与数据科学原理为课程教学的知识目标,以培养具备应用人工智能技术解决纺织服装领域实际问题的人才为课程教学的能力目标,以立德树人为第一要素。旨在培养学生的钻研精神、合作精神以及坚韧不拔的探索精神,通过科研反哺教学的方式,让学生领会科技强国的实践精神和精益求精的工匠精神,同时在教学中强调科技向善的人文思想。

按照上述目标,课程采用模块化课程思政建设与教学方式,将国策宣讲、人格培养以及开拓创新三方面的内容,通过十四个育人要点的强化教学予以贯彻,使得学生在思政要素解析的过程中与之共情,自觉投入到国家与民族伟大复兴的建设事业中。“纺织人工智能技术导论” 课程思政专业知识与育人要点如表1所示。

二、“纺织人工智能技术导论”课程思政教学案例设计

“纺织人工智能技术导论”课程思政教学案例设计主要围绕着三个主题模块展开。

1.模块一:国策宣讲

(1)思政教学目标。深入体会国家层面人工智能弯道超车理念的内涵。2017年7月8日,国务院发布了《国务院关于印发新一代人工智能发展规划的通知》,提出了面向 2030 年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施,部署构筑我国人工智能发展的先发优势,加快建设创新型国家和世界科技强国。从社会需求的角度而言,包括纺织服装行业在内的诸多传统行业,正在走向“互联网+”和智能智造的大变革时代,这就需要纺织服装专业的学生了解并掌握人工智能技术,从而在毕业后投身于产业的升级改造。在这样的背景下,教学团队将国家层面通过人工智能技术实现弯道超车的理念融入到课程第一阶段(1～8周)的教学实践中,在讲授专业知识的同时,从实操层面使得学生对上述国策产生共鸣,从而自觉地投身到攻坚克难的学习中去。

(2)教学举措与案例。以深度神经网络为范例,多角度地探讨其中的思政内涵。例如,通过讲解神经元间的相互关联,引申出现代社会中个体与整体之间的微妙关系;或者借助神经网络的优化过程,阐述社会结构的调优原理。又以代价函数为类比,将社会比作神经网络,那么国家富强、民族复兴的路径,就是不断降低错误代价,逐步趋向全局最优的过程;而人与人之间的和谐相处,则如同正则化的过程,旨在达到一种均衡状态。在疫情期间,课程转为线上进行,面对社会上多元的思潮,教师着重引导学生深入思考现象背后的本质。通过在线思政教育活动,如“家是你的家,国是你的国”等主题,激发学生的家国情怀,鼓舞其振奋精神,为中华民族的伟大复兴而努力。

2.模块二:人格培养

(1)思政教学目标。培养学生勇于面对困难、坚韧不拔的科学研究精神。真正掌握人工智能技术原理及其应用范式,需要大量的编程练习与实践。课程涵盖人工神经网络的基本原理,网络优化过程中的超参数设置,以及卷积神经网络的基本概念与常见架构。在此基础上,详细介绍了深度学习技术在目标检测、图像分割、少样本学习、风格迁移以及生成对抗等常见任务中的应用原理,并结合相关研究领域的最新进展,介绍了深度学习在相似纤维鉴别、织物悬垂形态分析、三维人体建模以及服装推荐系统中的应用。然而,仅仅掌握教学内容的概念、术语和基本思想是远远不够的,无法真正理解和应用相关知识。鉴于此,本课程特别安排了三周的编程实践环节。这一环节的目的在于培养学生的钻研精神、合作精神和坚韧不拔的探索精神。通过实践,学生能够深入领会精益求精的工匠精神内涵,不断提升自身的技能水平和解决问题的能力,为日后的学习和工作奠定坚实的基础。

(2)教学举措与案例。在具体实施时,课程依托超星、爱课程、雨课堂等在线教学平台与教学工具,从学生的在线学习参与度(考核占比为20%)、自测题与课后作业(考核占比为30%)、课程大作业(考核占比为50%)等多角度构筑综合评价体系,其中的课程大作业包含七个阶段性项目,需进行耗时2～6小时的编程与调试。此外,为强化编程实训能力,在课后自测题部分,通过程序片段填充的方式考核,以培养学生动手编程的能力。说明部分给出解题思路与可能用到的参考语句,题目部分则要求学生在离线环境中动手编写代码并调试完成。这些练习均来自人工智能应用实践,学生除了需要掌握原理,还需要不断地试错。例如,在编写Sigmoid函数的过程中,需要调用指数函数,对于这一步骤,学生可以选择自行编写方式实现,也可以借助第三方函数库来完成。这种细节处的实践,使学生能够在潜移默化中学会如何提出问题、解决问题,并不断优化方案,从而培养其工匠精神。类似地,在培养矢量化编程思想方面,也存在类似的案例。传统的迭代遍历方法通常需要使用循环语句,然而,在神经网络中,如果采用矩阵的表达形式,整个神经网络向前和向后的传播过程可以通过不到十条语句来实现。这种方法既充分利用了Python编程语言自身的优势,又展示了矩阵形式在大规模数据处理和表征方面的魅力。通过为期三周的强化训练,学生不仅能够适应高难度、高强度的挑战,还能深入理解编程的精髓,并学会运用科学的方法优化代码,为培养学生良好的科研素质奠定基础。

3.模块三:开拓创新

(1)思政教学目标。培养科技向美,科技向善,不断创新的开拓精神。课程学习,不仅使学生从零基础逐步达到全面掌握,激发了其专业兴趣,还实现了其在高等数学、现代统计学、机器视觉、数据挖掘与纺织服装传统学科等相关知识方面的交叉融合。在这一过程中,教学的核心思政内容就是“开拓进取,向美向善”。这一目标鼓励学生以科技为手段,追求美和善的价值,同时培养他们的创新精神,使他们能够在未来的工作中不断开拓创新,推动社会的进步与发展。

(2)教学举措与案例。羊绒/羊毛的自动识别,属于图像分类任务;而与之对比,包含山羊/绵羊场景的实例分割任务则将研究对象从整幅图像变为单个像素,重点关注像素的分类与回归问题。 尽管两者在表面上看似只是关注对象和方式的差异,但实际解决任务的方法却有很大区别。通过深入剖析这类问题,学生能够领悟到人工智能技术作为数据分析手段的核心在于如何确定研究对象并设计有效的优化算法,进而在实际应用中实现一通百通的效果。

进一步地,以神经风格迁移为例,通过知识点讲解和案例分析,引导学生体会神经网络如何以两个函数来表征绘画作品的内容与风格,使学生能够从科学的视角审视艺术,同时从艺术的角度从事科研。例如,在纺织品图案设计过程中,学生可以利用神经风格迁移对设计进行优化,实现更为理想的视觉效果。这样的教学举措不仅促进了学生对知识点的掌握,更培养了他们跨学科融合与创新的能力。

在上述三个模块的基础上,研究以学生为中心,通过线上线下混合式教学,充分利用慕课和即时通信工具,提高学生自主学习和独立实践水平,突出了学以致用的过程考核。在授课环节,强化了技术主线及原理的讲解,弱化了公式的推导;在练习环节深化了基本概念的理解,并辅之以课堂练习与课后自测项目,形成与教学理念相匹配的立体化教学模式。具体实施过程:①进一步完善了在线课程教学资源建设,提升了教学视频的可视性,从而进一步提升在线教学质量;②拓展教学视频、教学课件的覆盖面与配套资源,丰富了教学案例,扩大题库容量,做到随机出卷与考核;③在线教学平台的讨论与问答互动更活跃,在线学习的立体管理得到加强,取得了良好的教学效果。编写并出版的双一流学科建设教材《人工智能技术原理与应用》,获批省部级优秀教材,实现了面向纺织服装专业人工智能高等教育领域教材零的突破。此外,相关在线课程的选修生除本校学生外,还有青岛大学、西安工程大学、天津工业大学、浙江理工大学、新疆大学、绍兴文理学院、江南大学等多所院校的学生,与课程配套的相关在线资源的浏览数与学习次数居同类在线课程前列,在新课程、新教材、新资源的新工科项目建设方面,具有良好的示范意义。

三、结语

“纺织人工智能技术导论”以模块化的方式进行课程思政的内涵挖掘与案例探索,综合运用超星、爱课程、雨课堂等多种平台与数字化工具,将人工智能与新工科课程建设中的产品设计、工艺、检测、应用等深度融合,形成独具特色的知识体系。与此同时,课程对标“两性一度”的建设标准,以“强科研,强思政”为教学理念,以立德树人为第一要素,通过十四个育人要点的强化,使学生领会与掌握科技强国的实践精神和精益求精的工匠精神,同时在教学中强调科技向美、科技向善的人文思想;学生在掌握前沿技术的同时,树立正确的人生观、价值观,成为符合新时代要求的新工科人才。