吴晓璇,李正茂,张新,郭昌建
(合肥学院人工智能与大数据学院,安徽合肥 230601)
党的十六届五中全会将提高自主创新水平当作调整产业结构,改革经济发展方式的中心环节,这也给当前高等教育教学工作提供了方向,即大力发展创新型教学,注重培养研究生的创新能力。
但是,就教育实践状况分析,目前中国高等教育在教学实践的开展过程中面临着现实不足,部分研究生还是存在着被动式教学,习惯于接触、了解和掌握现有的理论知识,难以实现创新性研究成果,更不必说具有独特的教学视角和独创性的研究方法了。培育创新实践能力扎实的研究生并不是一蹴而就的,也是个循序渐进的过程,学生必须在实践中不断尝试和摸索。
地方高校研究生的培养应动态地与地方经济社会发展的高层次人才需求相结合,在明确地方高校研究生教育改革目标导向的基础上,从探索课程设置和教学方式创新入手,在推进地方高校研究生教学改革中,走差异化、特色化、多样化的研究生培养之路。
虽然中国高校在研究生教育中开展适当的课程教育对于学生理论素养与科学研究水平的提升具有一定的意义,但目前中国研究生课程教育的内容、教学方法、项目设计和课程与研究的主次关联等方面上还存在一定缺陷。
针对工科类研究生来说,授课的内容与方式应与本科生教学有所区别。不能仅限于最基本的工程理论知识,还应紧随专业领域发展方向,结合案例分析,着重介绍理论知识的实践应用[1]。但是,现阶段很多高校的电子信息专业,研究生的课程内容体系相对陈旧,具有一定的滞后性与重复性,与专业学术发展的前沿水平相对脱节,使得学生的知识结构还赶不上新时期技术知识更新的速度。
电子信息专业是一个将理论指导与工程实际应用紧密结合的应用型学科,因此在研究生的教学和训练过程中,应将课程内容与工程实际高度融合。但是,由于现阶段电子信息专业研究生的课程教学主要处在传授理论基础知识的层次上,从而导致了学生在所掌握的基础理论教学与现实工程实际运用过程中出现了一定的脱节现象。同时传统的教学方法也不能将理论基础知识与工程实践知识系列化、理论化,因而把学到的基础知识有效运用到工程实际中,缩短二者差距是当前电子信息专业研究生教学改革的重点所在。
机器视觉作为人工智能应用领域的一项重点研发方向,目前已被广泛应用在智慧交通、航空航天、生物医药和工程测试等领域[2]。数字图像处理作为机器视觉方向的基础课程,目前在国内外许多高校的信息电子类及有关学科中均已面向研究生开设,该课程对于培养学生的科研创新能力和工程实践能力意义重大[3]。
目前,传统的数字图像处理课程讲授往往囿于基本理论与方法原理,而实验课多以测试型实验为主。从传统课堂教学角度看,学生往往只了解了该课程中的基本概念,掌握了课程中的基本原理,并能够基于此解决一些单一、简单的实际问题,但针对复杂性实际问题,多数学生往往无法着手。由此可见,传统的教学方法无法实现培养与提升研究生创新思维及实践能力的目的,因此变革该课堂教学方式已势在必行。该课程目前在本校电子信息专业已开设一届,课程组根据课程评价结果及导师反馈,进行了相关教学内容及教学形式的思考。
根据学科基本知识,穿插或引入了当下的研究重点和方法,构成了内涵较丰富的一系列课题,并在教学活动中采用多种教学形式,激发课堂氛围,提升教学效果。在教学方法上对以往填鸭式的教学模式进行改革,把课堂教学与研究内容有机整合。其中,在课堂教学上突破了重、难点问题,即在图像加强、图像还原和图像分割这三个方面知识的基础课程上,采取延伸课程的形式把学科范围的新科技动态和成果进行整理归纳,拓宽学生眼界和思维。
在课程教学中,可以根据应用型与学术型研究生培养的特征,实施分类指导,提出不同完成目标。以讲授的图像复原为例,可以设想一个图像复原案例:实现了一张小尺度、低清图片的高清放大以及复原功能。在对影像处理,一般采用了最近邻插值算法、双线性插值方法以及双三次插值方式,而这种方案尽管进行了图像尺寸放大,但在清晰度上却并不理想。为介绍更好的图像还原算法,在介绍时把基于深度学习的EDSR 方式引入来,并和传统的处理方式进行了对比。这个案例的基本特点就是,使用了基于经典方法的空间插值算法进行了对图像的还原,从而使用EDSR 算法就达到了既保证图像尺寸放大,又保持图像清晰度高的目的。案例的导入,增强培养他们处理现实问题的意识和动手能力。
针对应用性与学术型两类研究生提出差异化的评价要求,设置附加项目,让学有余力的学生在完成基础培养的基础上能够挖掘自身潜能,增强自我创新与实践能力。具体来说,要针对教学方法与讲授内容的差异,制定针对性的考核要求、评价办法。
在课程教学过程中,老师应该充当推动、支持和指导的角色,明确课程的人才培养目标,以“提出问题”为引导,以培养创造性思维为主线设计教学内容,引导学生自主学习。“师-生双主体”的以“教师为中心”的PBL 学习模式,旨在帮助学生更好地理解和掌握知识,同时也有助于学生更好地提升创新思维和分析实际问题的能力。
在研究生课程学习过程中,应不断增强导师的职责意识和指导能力。导师的指导应贯穿于研究生培养的整个阶段,并不简单体现于科研实践和毕业论文写作中。在研究生入学初期,导师应根据自身研究方向和承担项目情况及学生自身情况,介绍其可以从事的研究领域,让学生对研究方向有一定了解,从而帮助研究生确定研究选题。后期,导师应间歇性的考查学生对基础知识的理解与掌握情况,为学生定制选课计划,实现查缺补漏,在此过程中不断培养学生的创新思维和实践能力,为科研创新打下坚实的理论基础。
高校研究生旨在培养学生的创新思维能力和实践能力。针对培养不同目标的研究生需求,培养过程应突出侧重点。对于培养学术型学生,应侧重在对新理论知识和方法的理解和掌握上,因而教学比较强调培养学生的创新思维能力;而对于培养应用型学生,应根据实际应用领域,在教学过程中强调训练学生的实践能力。所以,根据不同类型研究生的不同培养目标,通过研究不同教学模式,把培养学生的创新思维和实践能力进行融合。国内外各高校针对专业培养要求的不同,教学侧重点也各有千秋。
数字图像处理课程教学重难点包括:图像增强、图像复原、图像分割及图像特征表示和描述等北荣[4],如图1所示。
图1 数字图像处理课程主要内容
各高校根据专业的不同需要,课程讲解侧重点略有不同。以合肥学院人工智能与大数据学院电子信息专业为例,《数字图像处理》课程共设置40学时,教学重点主要放在数字图像的增强、复制、分类、特征提取、描述等几个方面。为满足学术型与应用型的硕士研究生的不同课程要求,本专业分别设计了高度相关的实践性练习。
以当下的研究热点为核心,结合专业的基本概念,构建出一套完整的专题,并以激励、激情、挑战性的方式,让课堂教学富有活力,进而实现更好的教育目的。这个全新的教育模式,不仅摒弃以往的死记硬背的传授,而且还能够让讲解与实践紧密结合。通过引入多种形式的讨论,特别是以图像增强、图像复原、图像分割为主的课程,旨在帮助学生深入了解相关的知识,并且利用多种形式的讨论,把当前的科技动向、研究成果以及未来的发展趋势,全面地传播给他们,进而使他们更好地了解数字图像处理的历史、现状以及未来的可能性。通过深入的探究,我们可以提高课堂的有趣性。课前,学生需要进行充分的预习,课中,老师尽可能地提供一些问题,帮助学生进行深入思考。
为了更好地帮助学生掌握解决实际问题的技巧,教师将精心挑选最接地气的案例,并且积极鼓励学生探索各种新的思路,并且通过深入的对比,让学生更清楚地了解不同方法的优缺点,从而提升学生的综合素质。为了更好地满足应用型与学术型研究生的需求,根据需求量身定做相关课程[5]。一个有趣的案例是:如何使用最近邻插值、双线性插值和双三次插值来进行图像复制。尽管使用这些技术可以让图片变得更加细腻,但是它们的精确性仍有待提升。通过应用EDSR方法,可以更有效地复原原始图像,而且满足复原效果。该方法不仅可以有效地提升复原效果,而且还可以通过精确地调整参数,使得复原结果更加准确、可靠。
在课堂上,通过案例导入,实现让学生自主探究,激发学生的创新思维,鼓励学生通过尝试各种方法来解决实际情况。对应用型研究生,应重点考查学生根据具体问题是否具备选择合适方法的能力;对于学术型研究生,应重点考查学生对原理、算法的不同理解和分析,积极鼓励学生探索创新。
为了更好地评估以上两种硕士研究生培养模式的学习效果,根据实际情况,采取适当的评估标准,设计体系完善的评估内容,以帮助学生挖掘个人潜力,增强学生的创造性思维和实践技能。在进行评估时,应该结合教学目标、教学内容和授课对象,有针对性地设计出适合学生的考核内容及评估标准。
本文以工科类课程《数字图像处理》为例,通过分析目前高校研究生培养过程中课程教学的主要问题,系统性给出了以创新实践能力培养为导向的研究生教学实践的具体措施,同时在合肥学院电子信息专业研究生教学过程中进行实践,取得了较好的结果。