人工智能在新工科“传感器与检测技术”教学中的应用

姚克明 俞洋 罗印升 潘玲佼

摘要：隨着以人工智能技术为代表的新技术正推动全球科技产业革命，人工智能技术也正与新工科人才教育培养深度融合。该研究将人工智能技术应用于新工科“传感器与检测技术”教学中。通过将人工智能强大的认知推理和数据再生产能力力应用于教学过程数据分析处理、智能虚拟实验平台、教学过程智慧管理、学生注意力和精神状态识别、教与学立体评价等环节中，大幅提升课程的教学实践效果，满足新工科背景下创新工程实践人才的培养要求。

关键词：人工智能 认知推理 新工科 教学应用 技术融合

中图分类号：G712    文献标识码：A

Application of Artificial Intelligence in the Teaching of "Sensor and Detection Technology" in New Engineering

YAO Keming  YU Yang  LUO Yinsheng  PAN Lingjiao

（ School of Electrical&Information Engineering， Jiangsu University of Technology， Changzhou， Jiangsu Province ，213001 China）

Abstract： As new technologies represented by artificial intelligence technology are driving the global sci-tech industry revolution， artificial intelligence technology is also deeply integrated with the education and cultivation of new engineering talents. This study applies artificial intelligence technology to the teaching of "Sensor and Detection Technology" in new engineering. By applying the powerful cognitive reasoning and data reproduction capabilities of artificial intelligence to the data analysis and processing of the teaching process， the intelligent virtual experimental platform， the intelligent management of the teaching process， the recognition of students’ attention and mental state， and the three-dimensional evaluation of teaching and learning， the teaching practice effect of the course is significantly improved， and the training requirements for innovative engineering practice talents in the context of new engineering are met.

Key Words： Artificial intelligence; Cognitive reasoning; New engineering; Teaching application; Technology convergence

当今世界，正经历百年未有之大变局。随着微电子、新材料、人工智能、新一代信息技术的迅猛发展，第四工业革命已经引领全球工业、产业以及人才创新的革命[1-4]，以人工智能技术、互联网技术、区块链技术、虚拟现实技术以及5G通信技术等一系列等技术也正在推动全球的科技革命。全球各行各业都在发生翻天覆地的变化。社会各行业对人才的素质也提出了更高的要求。近年来，国际工程教育改革的方向一直在朝着提升工程实际技术创新能力为目标的方向前进。美国斯坦福大学提出了“开环大学”[5-6]，采取自定义学习节奏、目标性学习以及轴翻转等手段来提升能力培养，从而实现目标导向学习。 此外，欧洲主要国家、韩国和日本都在积极探索适应工业与科技变革需求的面向未来的工程创新人才培养方法。国内自2017首次提出新工科建设以来， 虽然精确覆盖其全部内涵的定义仍然比较苦难[6-7]，但是，新工科建设是国家高等工程教育为了培养能够满足新一轮 科技产业革命的工程创新人才而采取的有力措施。新工科面向的是以新为核心要素的技术、产业以及模式的工程教育改革[8]。新工科将面临全新的挑战和机遇。随着人工智能技术的快速发展，人工智能+应用场景已经赋能许多行业，并大幅推动各行业的飞速提升。同样，人工智能也可以为新工科教学赋予“新能量”，人工智能能够使得跨专业/跨学科的知识深度融合，从而实现教学的智能化。同时相较于传统的教学模式，人工智能技术的应用使教学活动完全突破时间和空间的限制，使资源和内容更加丰富，互动信息更加智能以及教学方法更加灵活。人工智能技术的智能性、交互性、虚拟性和实践性，使其能够为具身化教学提供所需的认知、交互和环境支持[9]，从而更好地实现工程实践人才的创新培养。

2  人工智能在教学中的应用发展现状

人工智能（ArtificialIntelligence，AI）是研究开发用于模拟、延伸和拓展人的智能的理论、方法、技术以及应用系统的一门技术科学。人工智能是一门综合性的学科，融合了计算机科学、控制论、信息论、心理学、语言学等多个学科[10]。人工智能的本质是通过数学的方法来模拟人类相对低级的认知行为，往往通过大量的计算得到一定约束条件下的统计学上的最优解，从而做出判断或结论。国外将人工智能应用于教育领域的研究开始较早。杨珩[11]在“人工智能+教育”背景下市场营销专业混合式教学模式的构建与应用研究中便说明SUSANNE P L 和 MARTIAL V在2000年指出人工智能具有为学生提供开放学习环境、探索和协作的新机会。Popenici， Stefan A. D. 和 Kerr， Sharon 于2017年通过研究新兴技术对学生学习方式的影响，为高等教育中开展人工智能教学奠定了理论基础。国家教育部于2018年提出了《高等学校人工智能创新行动计划》。中共中央、国务院2020年印发的《深化新时代教育评价改革总体方案》明确提出：“创新评价工具，利用人工智能、大数据等现代信息技术，探索开展学生各年级学习情况全过程纵向评价、德智体美劳全要素横向评价”。国内不少学者对人工智能在高等工程教育中的应用作了研究和探讨。比如：刘影将人工智能技术应用Android应用开发课程的教学中，取得一定的效果[12]。孙明思[13]對将人工智能技术应用于线上平台教学的中，取得一定的效果。郑晓俊、吴静雨[9]将人工智能应用于具身认知的现状和推进策略分析，提出将学生置于在环境、内容、 身体互相契合的学习生态系统中，学生将能获得更加 立体、深刻的学习体验，从而实现深度学习。彭烨研究了“传感器与检测技术”课程教学改革以适应人工智能人才的培养[14]。任佑平对于人工智能背景下的传感器技术的教学做了初步的探讨，但总体比较笼统，没有具体环节和措施，也没有结合新工科的人才培养需求[15]。车玲，王滟利用人工智能技术对传感器与检测技术教学课后理论作业方面做了一些探讨[16]。总之，目前人工智能技术在“传感器与检测技术”教学应用研究还比较少，特别是在结合新工科背景下的教学应用更少。

3   人工智能技术在传感器与检测技术课程教学环节中的应用

3.1实践与理论并重，加强数据获取、分析与挖掘能力

以江苏理工学院传感器与检测技术课程为例，该课程共40学时，其中理论学时为32学时，实验8学时。受到传统教学思维的影响，教师在往往教学过程中，师生活动往往受制于传统的教学方法和技术，缺乏有效的课程内容和中间数据信息的获取、分析和挖掘能力[17]，同时还容易不由自主的重理论教学而轻实践教学。传感器与检测技术是实践性非常强的课程，必须转变教学思维，将实践和理论并重。基于人工智能技术，将课程理论和所有实践内容（包括课内实验和相关实践案例等）的收集到人工智能处理系统，同时将师生教学过程中以及课后交互产生的高价值数据及时获取收集到系统。随着数据量的增大，特别是中间师生交互信息的大量增加系统就会变得越来越“聪明”。这样人工智能系统就可以在相当程度上了替代老师与学生在课后进行互动，并能有效识别学生的学习情况与存在的问题。比如：在样本的计算中，需要至少做2次粗大误差判别，最终计算的结果的概率有没有和所选判别标准的概率保持相适应，人工智能系统不仅能够准确发现问题，还能准确知道学生为何会出现这样的错误。除实验课外，在理论课时中，强化实际工程案例分析，实际工程项目设计技能的培养。例如：在讲解应变式传感器章节时，可以和学生一起分享专业体育运动员过程训练用的仪器设备的设计案例。这些所有的课程内容与实际工程案列不断迭代形成的数据以及师生互动常年累月形成的中间数据是十分宝贵的财富，人工智能技术的应用可以让这一数据大放异彩，让新工科背景下的“传感器与检测技术”课程教学效果实现新的质的提升。

3.2 基于人工智能的智能虚拟实验平台

实验平台对培养学生的工程实际创新能力起着非常重要的作用，物理实验平台往往只能在课内时间使用，课外使用有诸多不便，比如管理和安全问题等。传统的实验平台往往只有单纯的数据存放功能，缺乏对数据的分析、挖掘能力。将人工智能技术与虚拟仪器技术相结合建立传感器与检测技术虚拟实验平台，并与是实体实验平台融为一体，虚实相结合，有效地解决了培养创新型工程实践人过程中面临的实践锻炼平台之间的无缝衔接问题。利用人工智能的认知、学习和推理模型，将获取的理论与实践数据、校内与校外实践数据、工程实际案例数据以及当年横向数据与历年纵向数据经过大量训练，虚拟实验平台能够依旧每个学生自身特点，推荐针对的实践项目，实践过程中可以与学生智能交互，能够有效识别学生的文字表述和实践情况，客观准确地给出回答或建议。学生的实践活动不仅不再受时间和空间的限制。人工智能强大的认知推理学习能力还让虚拟实验平台成为学生的“知心”朋友，让学生课后在趣味中，锻炼自身的工程实际创新能力。

3.3 基于人工智能的过程智慧管理、学习主动性与注意力分析

人工智能强大的认知、学习与推理能力，通过大量教学的数据学习训练，能够输出大量精准化管理数据，利用这些数据教师实时准确的知道学生的学习状态，及时采取针对性的教学措施。将人工智能深度学习技术与机器视觉技术相结合，通过相机拍摄学生的面部图像，通过表情识别算法判别学生此时的注意力以及精神状态。具体识别过程如图1所示。

笔者所带领的技术团队已经对表情识别算法展开了多年的研究，目前已经能够实现多个应用场景下多个表情状态的准确识别。将人工智能技术应用识别学生的注意力和精神状态，可以有效即时干预，从而提高学生创新能力培养的效果。

3.4 基于人工智能的教与学立体评价体系

以往我们对学生评价过于简单，主要依据是考试、平时作业以及课堂的提问。这样的评价方式名曰过程考核，实际依旧呆板，依旧还是各环节的结果定论，并且缺乏科学维度。利用人工智能技术的强大认知、学习、推理能力，特别是数据再生产能力[9]，从而可以对学生进行真正意义上的立体式全过程评价，建立学生立体评价模型。该模型的输入参数包括平时和期末的各项成绩，每次作业的评价、每次理论和实践课的效果、每次课中的注意力与精神状态情况、课后参与实践和互动情况等。通过人工智能深度学习技术和大量数据训练出来的评价模型，能够在全方位输入参数的支持下，准确立体评价每个学生的课程学习情况和课程的教学成效，更能动态即时完善人才培养措施。

4 结语

人工智能技术强大的自我学习和认知推理能力，能够有效地赋能传感器与检测技术的教学实践，更能实现新工科的创新人才培养。将人工智能技术应用于新工科的专业课程教学，不仅能够提升人才对专业课程和人工智能技术的理解，更能培养满足以人工智能技术为代表的新技术引起的科技产业革命所需的高层次工程实践创新人才的需要。

参考文献

[1] 徐铂淞，张恒旭，石访，等.支撑自定义专业的新工科课程体系逻辑分析可视化：以山东大学全球能源互联网新工科特色班为例[J].高等工程教育研究，2022（1）：23-28.

[2] 林健第四次工业革命浪潮下的传统工科专业转型升级[J].高等工程教育研

究，2018（4）：1-10，54．

[3] SUNG T K.Industry 4.0： a korea perspective[J].Technological Forecasting and Social Changge，2018，132：40-45

[4] 苑大勇，徐亚楠．第四次工业革命背景下加速主义与终身学习的发展愿景[J].成人教育，2020，40（10）：9-13.

[5] Standford University.Open Loop University-Standford  2025[R].2100Standford University Press，2013.

[6] 刘吉臻，翟亚军，荀振芳.新工科和新工科建设的内涵解析：兼论行业特色型大学的新工科建设[J].高等工程教育研究，2019（3）：21-28.

[7] 乔建永.面向新工科的“三贯通”教学改革[J].中国高等教育，2021（17）：21-23.

[8] 徐晓飞，沈毅，钟诗胜，等.新工科模式和创新人才培养探索与实践：哈尔滨工业大学“新工科‘Π型’方案”[J].高等工程教育研究，2020（2）：18-24.

[9] 鄭晓俊，吴静雨.面向具身认知的人工智能教学应用现状与推进策略研究[J].中国现代教育装备，2022（22）：49-53.

[10] 王明昇.人工智能技术在现代教育教学中的应用[J].农业开发与装，2022（4）：48-50.

[11] 杨珩.“人工智能+教育”背景下市场营销专业混合式教学模式的构建与应用研究[J].上海商业，2022（11）：172-174.

[12] 刘影.人工智能背景下“Android应用开发”课程教学模式研究[J].安徽电子信息职业技术学院学报，2022，21（6）：64-67.

[13] 孙明思.人工智能技术在高等院校线上教学过程中的应用研究[J].长春大学学报，2022，32（2）：105-108.

[14] 彭烨.人工智能背景下的《传感器与测试技术》课程教学改革[J].科学咨询（教育科研），2019（3）：31-32.

[15] 任佑平.基于人工智能背景下的传感器技术教学探析[J].中外企业家，2019（36）：157.

[16] 车玲，王滟.基于人工智能的传感器技术教学探索[J].纺织科技进展，2017（12）：54-55.

[17]叶民，孔寒冰，张炜.新工科：从理念到行动[J].高等工程教育研究，2018（1）：24-31.