面向新农科的“Seminar+PBL”复合型教学模式研究与实践

王 超，焦 俊，辜丽川，时国龙

（安徽农业大学信息与计算机学院，安徽 合肥 230036）

1 研究背景

新农科建设强调传统农林学科与其他学科的交叉融合，培养农业产业链全程参与的一专多能的复合型农业人才。复合型农业人才培养既是新农科建设的重要目标，也是农业农村振兴的关键支撑[1]。新农科建设要求高等农林院校在专业设置上深度融合农业产业链，实现多学科的交叉融合，优化和拓展专业知识体系结构，服务农业新业态；在教学模式、手段和方法上也同样需要创新优化，主动对接新农科人才培养要求，强化学生的实践能力、创新能力和主动学习能力的培养。

在新农科建设目标的指引下，农林高校在人才培养体系、课程教学改革、教学资源优化整合等方面开展了大量卓有成效的工作。多种教学模式和方法被广泛应用于理论和实践教学，如研讨式（Seminar）、项目式（Project-Based Learning，PBL）、探究式（Inquiry-based learning，IBL）、问题式（Problem-Based Learning，PrBL）等教学方法，培养学生自主学习和主动学习意识，拓展学生的专业知识和科技素养，提高学生发现、分析及解决实际问题的能力。在基于研讨式（Seminar）的教学模式改革和应用方面，王芬等人将Seminar 教学法引入家畜生态学的教学实践中，阐述了在家畜生态学教学中Seminar 教学法的实施及应用的优点[2]。梁志宏等人将教学与科研相结合，探讨了基于食品科学专业的Seminar 课程建设，加强研究生创新思维和综合能力的培养[3]。潘雅琼梳理了Seminar 教学法和多师同堂的内涵及实施现状，从校企多师同堂Seminar 教学法的组织实施和创新方面，探究两者协同教学模式的设计方案[4]。郭永峰等人提出了Seminar 教学模式在学科教学论中持续发展应做好的三项工作：提高教师对Seminar 教学模式的认识，完善Seminar 教学模式的组织和评价，配备符合Seminar 教学模式的资源和设施[5]。范文翔等人以翻转课堂的理念为指导，构建了基于翻转理念的Seminar 教学模式，能够有效地提升教学成效，培养学生的综合能力[6]。在基于项目式（PBL） 的教学模式改革和应用方面，尹晓明等人以研究生“环境污染控制技术”课程为例研究了项目式教学法在高等农业院校实验教学中的应用[7]。Yang 等人在教授集成电路设计课程时，通过引入与行业相关的项目对EDA工具和设计方法进行培训，可以有效的弥合行业需求和学习成果之间的差距[8]。王顺宏等人研究了PBL 教学模式的实施条件，实施步骤以及项目的设计原则[9]。在基于问题式（PrBL）的教学模式改革和应用方面，董俊斌等人将虚拟仿真软件与家畜病理生理学的问题式教学模式相结合，提高学生的学习积极性[10]。陈祥等人将问题式教学模式应用于家畜繁殖学实验教学中，提升实验教学的创新性和趣味性[11]。

安徽农业大学农业工程与信息技术专业的培养目标是培养可在农村发展、农业教育等事业单位、政府机关、企业和相关领域从事教学、科研、生产、推广和管理工作的应用型和复合型人才。《高级人工智能》课程作为农业工程与信息技术专业的基础核心课程，课程知识的熟练掌握，以及与农业产业链的融会贯通是学生后续研究工作顺利开展的关键支撑。但是，目前《高级人工智能》课程的教学模式主要是以讲授为主，教学内容更多的是从信息技术的角度介绍课程的理论知识和相关技术，缺乏与农业产业链融合的广泛性，以及与传统农科研究领域融合的深入性，导致理论知识与应用实践的割裂。因此，本文针对《高级人工智能》课程在农业工程与信息技术专业研究生教学过程中存在的相关问题，设计了一种基于研讨式和项目式相结合的教学方法，将学习过程评价与学习结果评价相结合，将《高级人工智能》课程的理论知识和相关技术与农林专业的项目研究实践相融合，构建“研讨式+项目式”的复合型教学模式，对挖掘学生的问题意识、创新农林项目的科研实践，提升农业工程与信息技术专业的人才培养质量具有重要的促进作用。

2 农林院校《高级人工智能》课程特征

《高级人工智能》课程内容丰富、覆盖面广，将教学内容与传统农林学科的科研项目相结合后，又使其具有实践应用专业性强的特点。因此，需要充分了解和分析农林院校《高级人工智能》课程的特点，才能设计合理的教学内容，优化和控制教学过程，全面深入的掌握相关理论知识和技术应用。

2.1 深度与广度相结合的课程知识体系

《高级人工智能》课程覆盖的知识面广，包括知识表示方法、确定性推理和非经典推理技术，深度神经网络，强化学习等内容，涉及计算机科学、数学等学科的交叉融合应用，仅掌握基础理论和技术，是无法将人工智能技术运用到农业的实际生产和经营过程中的。因此，对于农业工程与信息技术专业的研究生，不仅要掌握人工智能的基础知识、算法架构分析和设计能力，还要根据研究方向学习和了解相关的农林学科的理论和知识，应用自然语言处理技术、计算机视觉技术等先进的人工智能技术解决农林学科研究中存在的问题，在知识的广度和深度上实现多学科的科学、合理的交叉融合。

2.2 理论与应用相结合的课程实践体系

充分利用农业院校的特色教学资源，从农林学科实践应用领域的需求入手，注重人工智能基本理论与农林学科的研究实践有机结合，完善和优化传统农林学科的相关研究问题，如将计算机视觉技术与育种结合起来，通过深度学习技术开发自动化种子计数工具进行产量预测和种质判别，提高育种效率。探索农业大数据决策支持、农业智能装备开发、农作系统模拟、农情监测与应用等领域的结合方式与路径，构建成熟完善的理论与实践相结合的框架体系，体现新农科的办学特色与目标。

3 “Seminar+PBL”复合型教学方法设计

Seminar 教学法是一种以学生为中心的研究型教学模式，通过师生之间平等地交流沟通，以及自由互动地学术研讨，引导学生形成自主探究的创新思维，培养学生发现、分析和解决问题的创新能力。Seminar 教学法可以分为研讨主题的设计和准备阶段、研讨过程的控制阶段、研讨结果的评价和控制阶段三个主要阶段[12]。通过教学与科研的紧密结合，教师和学生在每个阶段都可以通过不同的形式的研讨积累知识、培养能力和锻炼思维。

PBL 教学法是一种项目引导的教学方法，师生通过共同参与探索和实现一个完整的、真实的、个性化的项目来完成教学活动和知识积累。PBL 教学法也是一种以学生为本的教学方法，将学生的能力培养与社会需求紧密结合起来，引导与培养学生创新意识、创新思维、创新能力。PBL教学法包含建立课堂文化、设计与计划、对应课标、管理教学活动、评估学生的学习、搭建学习支架，以及参与和指导等七个核心要素[13]。在PBL模式中，强调学生的解决实践问题的主观能动性，教师则从知识的讲授者转变为项目实践过程的教练和引导者[14]。

从Seminar 教学法和PBL 教学法的基本内涵及其特点可以看出，二者的教育理念和核心思想具有一定的相似性，都强调以学生为本，同时教育方式和手段也可以互融共促。因此，本文面向农业工程与信息技术专业研究生的《高级人工智能》课程按照智慧农业的研究领域设计了一种融合Seminar 和PBL 模式的教学方法，以农科领域的实践项目为导向，引导学生积极参与项目的研讨和实现，使教学内容更契合学生的科研和应用需求，提升学习效果和科研实践技能，如图1所示。

图1 Seminar+PBL 复合型教学方法

3.1 Seminar 研讨准备

在研讨准备阶段，按照PBL 的项目设计与计划、对应课标和构建学习支架三个核心要素进行Seminar 的研讨项目准备。其中，在项目的设计与计划上须与教学内容、教学对象和考核标准等课标对应，并能够准备支撑项目正常开展的必要的学习资料和支撑工具，构建项目研究支架。研讨任务应能够按照项目的进度安排进行分解，每一个分解阶段都需有可呈现的项目阶段性成果，以便于项目研讨过程的参与和控制。

3.2 Seminar 研讨控制

在研讨控制阶段，以PBL 的管理教学活动、参与和指导两个核心要素为准则对Seminar 研讨过程进行控制和管理，建立一种开放式探究的课堂文化，培养学生的团队精神和创新意识，树立注重项目成果质量和科研细节的态度。在教学活动的管理中，教师与学生一起确定项目任务的分工与组织，交流研讨的方式和形式，以及项目成果的表现形式。同时，教师与学生一起参与到项目的研讨和实践中，确定学生何时需要何种知识和技能，并通过现场质询等方式不断优化和完善项目方案，在项目成果形成的全过程中给与及时的指导。

3.3 Seminar 评价与反馈

在研讨评价与反馈阶段，评价研讨全过程的学习效果，对基础知识储备、学习态度、科研能力、团队合作、专业素养等进行全面评估，并反馈到教学活动管理中，实时调整参与和指导方式方法，控制教学活动的有序开展。从项目成果的完整性、适用性、创新性等不同维度对最终成果进行综合评定。同时，对学习过程、知识掌握和技能应用情况进行形成性和总结性评估，反馈到Seminar 研讨准备阶段，进行项目内容的修正和项目方向的重定向。

4 “Seminar+PBL”复合型教学方法实践

本节以《高级人工智能》课程中的“深度神经网络及其应用”专题为例说明Seminar+PBL 复合型教学方法的具体实践方式与过程。深度神经网络技术广泛应用于语音识别、计算机视觉、自然语言处理等领域，涉及基础理论知识广，工程实践性强，是《高级人工智能》课程中的重要内容。

在Seminar 研讨准备阶段，针对农业工程与信息技术专业的人才培养目标和相关教学内容安排，将人工智能的基础理论和前沿科技融入到教学过程中，因此我们在“深度神经网络及其应用”专题下设计了“基于深度神经网络的农作物害虫识别与分类”项目。该项目主要利用各种深度神经网络模型和算法对实验室拍摄的农作物害虫图像进行自动分类，要求尽可能的提高分类的准确率。项目学习资料的准备以农作物害虫图像的自动识别和分类为应用背景和技术主线，涉及到传统机器学习方法（KNN，SVM 模型等）、深度学习方法（CNN，Transformer 模型等）、图像处理技术等人工智能领域的理论知识，基本的昆虫学知识和农业害虫分类知识，以及支撑项目实现的相关软硬开发工具（Pytorch，TensorFlow 等）。项目的进度计划分为基础知识学习、项目方案设计、项目实施、项目总结与提升等4 个部分，每个部分都对应不同的任务和可展示的阶段性成果。

在Seminar 研讨控制阶段，以建立团结协作、教学相长、创新探究的课堂文化为目标，将学生分为5 人一组，每个人都负责和参与整体方案制定、害虫图像数据标注、深度学习模型设计、模型算法的实现和成果报告撰写等具体任务。由于农作物害虫种类繁多，物种数量差异大，大规模害虫图像数据存在噪声大、样本不均衡等问题，增加了项目的难度。因此，教师需要做好教练和引导者的角色，深度参与到项目的研讨过程中，强化组内组间分享交流，提取各组的共性问题，进行集中解答；深入探讨每组的个性化问题，不断优化和完善项目方案，解决具体的实践问题，促进高质量成果的形成。

在Seminar 研讨评价与反馈阶段，建立全过程多维度的评价体系，评价学生对相关学习材料和专题项目的理解、分析、执行、实施、总结和思考的全过程情况，评价学生的学习投入时间、参与讨论的积极程度、提出问题的层次、表达的逻辑性、项目成果质量等多维度表现情况；在评价方式上，既要有教师的点评，又要有组内组间互评，综合评价学生的理论知识掌握情况、实践技能熟练情况等。评价结果应及时反馈到Seminar研讨准备和控制阶段，指导专题项目的设计与调整，及时完善和调整教学活动的管理和控制，形成整个教学活动的闭环优化。

5 总结

“Seminar+PBL”复合型教学方法的设计和实践，契合了新农科建设和复合型人才培养的目标，强化了课程的实践导向性，促进了传统农林学科与信息学科的深度交叉融合，推动了农林院校的信息类课程的教学改革。“Seminar+PBL”复合型教学方法的实践过程将《高级人工智能》的理论知识和技术工具与传统农林学科的研究领域紧密结合起来，通过全过程的多维度评价体系，着力培养了学生发现问题的深度、分析问题的全面性和解决问题的适用性能力，培养了学生自主学习和团队协作攻关的能力。但是，在整个教学方法的实践过程中，学生对教师的依赖程度依然很高，形成批判性思维的能力不够，这也是“Seminar+PBL”复合型教学方法下一步需要优化和完善的方向。