基于Python 的混合型学习平台在数字信号处理教学中的应用

代 萌，刘锐岗，付 峰

（空军军医大学军事生物医学工程学系，西安 710032）

0 引言

数字信号处理课程是生物医学工程专业的核心课程，具有抽象概念多、学习难度大等特点[1-2]。目前，该课程普遍采用以教师为主导的教学模式，该模式虽具有良好的系统性及可操作性，但缺乏针对学生自主学习的激励机制，也未能充分考虑到受训者的个体差异。

“互联网+教育”技术的发展及其与教育领域的深度融合，在教育风格、培训方式、教育资源等领域引起了诸多变革。例如：随教育信息化技术衍生而来的混合型教学模式目前已应用于数字图像处理[3]、网络数据分析[4]、线性代数[5]等课程的教学，并取得了良好的应用效果。该模式可将传统课堂与线上教学相结合，遵循以教师主导、学生为本的方针，既发挥了传统教学系统性的优势，又可融合线上-线下教学模式，激发学生的学习热情。

基于上述背景，本文基于Python 语言开发信息化平台，将混合型教学模式引入数字信号处理课程中，并依托该平台在教学活动中进行了应用尝试。

1 数字信号处理课程及传统教学特点分析

数字信号处理课程是医学图像处理、医学仪器原理与应用、生物医学信号检测与处理等后续专业课程的学习基础，在工作实践和科学研究中也有广泛的应用。但该课程要求学生具备扎实的理论基础和熟练的实践能力，具有学习内容繁多、概念抽象、理论推导复杂等特点，是生物医学工程专业教学中的难点[6]。

目前，以课堂授课为主体的传统数字信号处理教学存在以下问题：（1）教学过程单方面以教师为主导，不利于调动学生的主动性和积极性；（2）课堂教学模式注重理论概念及知识条目陈述，忽略深层因果探究及实践应用训练；（3）教学形式单一，无法充分利用课余时间，教学内容缺乏扩展性；（4）教学评价常采用单一的定量考核方式，忽视了对学生实践应用能力的评价。

如何提高学生课程参与感、学习主动性，成为教学改革的首要内容；同时，如何结合学生及课程特点，优化教学媒介及教学方式，降低课程学习难度，强化知识掌握，提高学生利用数字信号处理方法解决实际问题的能力，进而培养创新思维成为亟须解决的关键问题。

2 混合型学习平台的框架设计

混合型教学模式是一种将教学媒介、教学环境、教学内容协同组织的教学模式，该模式基于建构主义[3]、教育传播[4]、首要教学理论[7]，将传统课堂教学与线上教学相结合，激发学生主动构建知识体系[8-9]。

因此，本研究设计了传统课堂教学结合线上式教学的混合型学习平台（以下简称“平台”），如图1所示。平台明确了教学总体目标与阶段目标，完成教学目标设计后，依据学生特征分析结果设置学习计划，在传统课堂教学的基础上结合浸入式分组项目教学[10]，并采用辅助教学工具及多维度教学资源管理，为教学提供技术保障。最后，结合课程考核成绩及学生日常反馈实施教学评估。根据教学评估与平台使用效果，教师可进一步对教学平台进行改进与优化。

图1 混合型学习平台框架

平台通过对学生学习特征的分析，按照纵向分层教学理念建立个性化学习策略，在教授基本课程大纲内容的基础上，以学生为中心，将学习基础（学科成绩、学业成绩、专业认知、学术能力）、社交能力（同伴协作、师生互动）及心理状态（学习动机变化、兴趣、注意力、自信心、创造性思维、信念）等作为评估特征，多方面综合衡量，推送相应的扩展教学内容及分组实践项目。在课前阶段，注重课前预习及当堂知识扩展，主要内容包括：第一，提供课程内容概要、课前测试，帮助学生在预习的基础上回顾知识点，教师可根据课前测试结果及在线互动及时掌握学习难点，针对学生存在的共性问题重点讲解及集中答疑。第二，从上述特征出发，构建教学内容推荐系统（learning recommender system，LRS），为学生推荐扩展学习内容，例如：可结合学生高等数学、复变函数、积分变换等前置课程的考核成绩及自我基础评价，为基础薄弱的学生推荐课程相关的基础内容。在授课阶段，将传统课堂教学与平台在线实验相结合，为学生提供在线提问、知识点释义等课堂互动，学生可通过点击电子教案对应链接获得扩展内容。在课后阶段，平台按照难度将作业库题目设置为高、中、低3 级，学生可结合自身学习效果选择从低至高渐进式完成课后作业。最后，学生可结合课堂体验进行课堂评价，为教学效果评价提供反馈。在教学评价方面，采用基于纵向分层的数据包络分析（data envelopment analysis，DEA）法实现学习效果评价，评价指标包括学生成绩及能力评估、课程满意度评价及教师课程评价等方面。其中，学生成绩评价包括学生平时成绩、作业完成状况、随堂测试、项目完成评价、课程考试，能力评估包括研究能力、协作能力评估，采用学生自我评价、教师评价及学生研究成果综合考量。

3 基于Python 的混合型学习平台实现

基于混合型学习平台设计理念，前后端分别采用Vue.js 组件及Flask 网络应用框架实现，具有易于构建、开发快捷、组件搭建灵活等优势[11-12]。在教育资源管理方面，基于Python 语言在云存储环境下构建混合型学习平台，利用云平台提供服务，可突破时间与空间的限制访问各项资源，并通过数据兼容性接口及开放性服务建立资源访问模式，丰富教学资源。

存储层采用MySQL 及Neo4j 实现，构建学生特征库、专业知识库、项目库、推荐系统知识图谱，提取学生特征构建学习风格分类模型，采用Python 语言按照学习分类特点为学生构建个性化教学计划，设计学习推荐系统，结合教学进度向学生推送针对性教学资源，并对学习效果进行周期性评估，适时调整教学形式及教学内容。

3.1 个体化学习计划制订

平台基于以下策略实现个体化学习计划制订功能：第一，采用系统用户信息设置、问卷调查、学生自我评价、教师评价等方式，提取学生学习主动性、兴趣方向、基础知识、学习能力等特征信息，并将特征标签化。第二，基于Honey&Mumford 学习风格模型及用户画像技术[13]，建立学习风格分类模型，从自学能力、学习风格、学习基础、学习主动性及专业兴趣等维度建立用户画像，按照不同的个性维度建立学习指导机制，例如：从学习风格特征维度出发，面向理论型学习风格的学生时，系统应以理论讲解类资源推送为主，并配置逻辑性较强的作业、项目训练计划；面向行动型风格的学生时，平台可以减少理论性较强的学习内容推送，并通过增加项目教学的方式将理论教学内容融入实践应用过程，使学生在项目实践中掌握知识点[14]。第三，在学习过程中，采用课堂反馈、随堂练习、师生互动、课后作业等方法建立持续反馈，在平台中有目的地调整教学计划，优化教学效果。平台可通过跟踪动态特征库并针对学生学习效果展开趋势性分析，对学生的学习效果不断实施评估，动态调整学习计划。例如：平台将监测到的学生学习时间段、时长、频次、知识点、考核结果、资源评价、项目进度、作业得分、教学功能评价、教师反馈等作为评价学生学习成果、衡量学生学习特征的数据来源，并据此进一步调整下一阶段的学习计划，帮助学生提高学习兴趣、巩固专业知识、培养学习能力。

3.2 针对性资源推送机制

按照教学计划设置推荐策略，为学生推送不同的教学资源。平台采用图嵌入和规则抽取融合法实现资源推荐功能[15]：第一，采用自动抽取结合教师复核的方法，分析并总结知识点、教学资源、学生特征、教学策略等关键词，并将上述内容归纳为知识图谱结构的实体标签，用于描述资源特征。第二，采用聚类方法将不同标签合并到实体标签，并与具体知识点建立对应关系。由教师结合教学经验，将资源实体标签映射至学生特征，根据学生特征评分、学习风格、对应知识点标签找到对应表现形式的知识点，先采用多维相似度评价算法，发现相似性知识点集合，再将结果按照关联性排序，从中选择并形成相似知识点推送给学生。按照不同知识点所需要的前置条件排列学习顺序，进而基于知识图谱网络为知识点关联相关教学资源形成资源网络，可按照教学需求，查询教学资源网络，提供针对性教学资源。

4 基于Python 的混合型学习平台应用及教学效果评价

4.1 平台应用

将平台应用于2022 级空军军医大学生物医学工程专业14 名学生的数字信号处理教学中，学生可在电子阅览室、网络实验室等场所通过计算机、平板计算机及手机移动端进行访问。

4.1.1 在线上线下联合教学中应用

教学组完成教学设计后，采用线上教学与传统课堂教学相结合方式，按照课程内容划分为基础模块、流程控制模块、频谱分析模块、数字滤波模块。按照时间顺序将课堂教学模式划分为课前、课堂及课后，如图2（a）所示，课前由平台提供对应课堂教学的扩展教学资源及课前测试，学生可结合推荐资源预先了解授课内容、历史背景等，提高学习兴趣，扩展学习内容；在课堂上可基于Python 教学组件快速完成算法实现、理论验证、样例演示等，提高课堂互动性，提升教学效果；课后，平台可为学生提供作业布置及评阅功能，并允许学生反馈课堂评价。

图2 基于Python 的混合型学习平台界面

4.1.2 在情景式教学模式中应用

平台基于建构主义理论，构建情景式教学模式，以解决实际问题为学习的起点，结合模块内容及学生特征设置专题项目任务，模拟出真实应用场景，激发学生的学习热情。学生以项目小组为单位，采用互动交流、协作配合完成项目任务，在合作解决问题中巩固知识，并深化教学内容。项目实施过程中，指导教师发挥引导作用，并对最终的结果进行评价，学生根据课堂评价，总结经验，巩固学习内容。图2（b）为学生培训项目管理界面，进入该页面可查看当前项目概要、工作条件及目标，当接受并启动该项目后，还可显示协作团队成员、项目进度等信息。在教学过程中，教师可基于情景式教学模式，结合传统课堂教学进度，增加学生线上自主学习、互动和项目参与内容，形成渐进混合型教学模式。

4.2 教学效果对比

采用问卷调查、学生成绩对比、项目应用评价等方法比较应用平台前后的教学效果。通过对比发现，约71.4%的学生在问卷中反映采用平台使得学习兴趣得到显著提升，64.3%的学生认为采用平台对于课程学习有很大帮助，50%的学生反映平台提供的相关教学资源对学习有很大的帮助。考核难度参照2018～2021 级空军军医大学数字信号处理课程结业考试，考核结果如图3 所示，平台应用组（2022 级）与既往4 a 内其他届学生（2018～2021 级）比较，学生课程期末考核平均成绩、优秀率均高于各对照组，作业平均得分也高于各对照组。在项目应用评价中，采用平台学习前仅21.5%的学生有应用项目经历，采用平台学习后全部学生均经历过完整项目实施经历。

图3 考核结果对比图

值得一提的是，项目管理模块是该平台的重要特色，该平台可为项目应用提供全流程管理，例如：可为学生项目研究提供计划制订模板，并按照计划实施进度管理，帮助学生熟悉科研流程，有助于培养科学的研究习惯；将业务工作规范和管理工作规范内置到平台中，实现自动线上业务流转，自然衔接各工作节点，引导工作规范的“无感”执行和制度落地。基于系统流程化的管理基础，在项目在线推进的过程中，平台自动识别项目及任务进度和状态，同时在对应的统计页面自动更新可视化的项目实时数据，并通过邮件通知方式，对特殊阶段或者事件进行提醒，实现实时项目任务信息自动更新、快速发布共享；可为学生提供项目立项、实验记录、代码版本管理、档案归档、记录检索等功能，降低科研成本，提高科研效率；以任务方式指定成果管理负责人进行任务分配和管理，可实现任务分解和任务改派[16]。通过平台应用组与各对照组教学效果对照，使用编程方法解决实际应用问题的学生占比从应用平台学习前的50%提升至100%；问卷调查结果显示，约64.3%的学生反映采用平台对团队协作能力有较大提高，约71.43%的学生认为采用平台增强了自身学习兴趣，同时学习效率也有所提高。

同时，在教学效果评估时发现，基于Python 的混合型学习平台仍存在以下问题：35.7%的学生认为平台需要提高操作的便捷性。在教学过程中，课时有限，学生通常需要1 周时间方可熟练掌握平台操作，延迟了教学计划。28.6%的学生在调查中期望平台能增加资源库中应用项目的数量。目前资源库中包括63 项学习项目，其中36 项为研究项目，10项为理论重现项目，仅17 项为操作应用项目。在进一步的研究中，将结合教学特点深入调研学生操作习惯，提高软件的易用性，降低应用难度；同时将进一步丰富教学资源类型及数量，提高平台应用的可操作性。

综上所述，在混合型教学模式中，教师从教学主导者角色转变为引导者，积极引导学生，激发其学习热情，通过设置课程相关应用研究场景，并采用互动协作等方式，让学生在研究过程中巩固知识[10]。基于混合型学习平台，教师在教学活动中能够结合学生特征制订针对性教学计划，并设置渐进式研究任务，培养学生科学探索及研究协作精神，激发学习主动性，在研究与应用中提高专业认知；并可为学生提供丰富的扩展资料及关联信息，提高知识的广度及发散度[17]。

5 结语

数字信号处理课程是生物医学工程专业重要的基础课程，但该课程对学习者基础有较高的要求，同时课程抽象概念多，难以掌握学习内容，具有较高的教学难度；加之传统的教学模式缺乏对学生自主性的激发，忽略了不同学生间基础的差异，难以调动学生的主动性和积极性。本文将混合型学习理念引入数字信号处理教学之中，同时采用Python辅助教学工具，并基于网络云平台构建了专项学习平台，既保留了传统教学系统性的优势，又发挥了互动式教学方式的特点，融合线上、线下教学，激发了学生的学习热情，并将抽象的课程可视化，提高了学生将所学理论转化为实践操作的能力，加深了对课程的理解，降低了学生学习的难度，提高了教学效率，对其他相关性课程教学的开展具有一定的借鉴作用。