農林院校“人工智能”課程體系建設研究

朱婷婷 倪超

摘要：人工智能技術的快速發展，開啟了各行業的信息化與智能化之門。然而，相比發達國家的高校教育，我國的人工智能教育還處在起步階段，與實際工程需求相比還有很大差距，尤其是在工科發展和投入相對較小的農林院校。因此，本課題開展農林院校人工智能課程體系建設方面的研究，重點分析國內農林院校在人工智能課程體系建設方面存在的主要問題，并結合南京林業大學自動化專業給出了一種解決問題的實踐途徑，為農林院校建立健全人工智能課程體系提供新的思路，進而提高高校新工科人才的培養質量。

關鍵詞：農林院校;人工智能;課程體系;特色教學;自動化專業

1 問題的提出

在信息爆炸、科學技術迅猛發展的新時代，人工智能技術已經廣泛運用到各個領域，并通過物聯網、大數據、云平臺、區塊鏈等新技術，加速了各行業的信息化和智能化發展。相比工業的快速發展，農林的信息化和智能化進程還比較慢，但我國出臺了多項政策推進農林業信息化的發展，目前已取得了不錯的進展[1]。

人工智能的快速發展和運用，得力于各大高校對相關人才的培養和技術的研究。近年來，國內各高校如清華大學、南京大學、東南大學等，先后成立了專門的人工智能學院。人工智能在工科類高校得到了較好的發展，已培養了數以萬計的大學師生和科技人員，從事不同層次的人工智能相關研究與學習，人工智能或互聯網行業也已成為廣大電子信息類學生就業的首選。同時，人工智能作為一門交叉性前沿學科，其發展也促進了其他學科的發展[2]，綜合運用到各行業，成為各行業創新的重要生長點，對我們生活的方方面面產生了重要的影響。

相比工科類或綜合類高校，國內農林高校的人工智能專業發展相對較晚，目前還處于起步階段。目前，國內農林高等院校在自動化、計算機科學等本科階段以及相關專業的研究生階段陸續開設人工智能方面課程（如人工智能導論、模式識別、機器學習等），同時不斷加大該類課程的比重[3]。但是，在農林院校工科學科基礎相對薄弱的情況下，具有高度綜合性和交叉性的人工智能特色學科，其教學和科研活動大多散落在其他多個一級學科中[4]，缺乏統一有效的規劃，這嚴重制約了相關學科的發展，難以培養農林類復合創新型技術人才，不利于促進農林業信息化和智能化的發展，因此需要進一步加強和完善農林院校的人工智能課程體系的建設[5]。

本文通過對國內多所農林高校的調研，分析了目前國內農林院校人工智能課程體系建設中普遍存在的問題，并結合農林院校中“雙一流”大學——南京林業大學自動化專業的人工智能課程體系建設的多項舉措，提出了一種解決問題的實踐途徑。

2 農林院校人工智能課程體系存在的現實問題

2019年，南京林業大學自動化系課題組成員分赴北京林業大學、東北林業大學、福建農林科技大學等國內多所農林高校實地走訪，就農林院校人工智能課程體系和人才培養體系建設問題，與各高校工科學院、教務處等相關職能部門展開了較為深入的調研。調研發現，工程類專業建設在農林院校面臨發展困境。因為農林院校的學校發展思路一般以農林學科為主，致使工程學科長期得不到應有的重視，相比綜合院校，農林院校的工程學科基礎普遍較薄弱。人工智能作為工程學科中新的學科，其課程體系在農林院校普遍存在如下四個問題。

2.1 專業學科師資短缺

由于農林院校工科投入相對較少，且相關工程項目申請缺乏條件優勢，因此人才引進和師資建設難度較大，尤其是高水平領軍人才缺失，進而導致工科科研能力不足，人工智能學科的科研產出與新技術、新經濟融合不夠，其工程應用優勢難以發揮。

此外，人工智能學科的教師經常面臨兼顧共性的同時又要突出農林特色的問題，對其與新工科、新農科建設結合方面的思考不夠深入[6]。這主要是因為新進人才大多數是信息類人工智能學科的專業人才，掌握且可熟練運用人工智能技術，但缺乏農林方面的專業知識，且難以獲得大量的相關數據，因此難以在農林院校中發揮人工智能技術的優勢。

2.2 農林特色教材匱乏

目前出版的人工智能課程方面的教材主要分兩類，一類針對信息計算機專業，重點介紹人工智能技術涉及的相關算法原理、網絡架構等;另一類針對非計算機專業，具有較強的普適性和科普性，著重講解人工智能技術的應用，通常以日常生活遇到的問題（如房價、購物、影視推薦等）為案例。對農林院校的本科生而言，前者內容過于深奧，后者其實驗案例未和農林業相結合，缺乏農林業類特色，未充分利用農林院校現有的資源和特殊背景。因此，在未充分開設相關計算機類基礎課程的情況下，農林院校工科類直接使用現有的教材，增加了農林院校學生學習的課業負擔，也增加了院校在工科建設上投入的成本。

2.3 人工智能課程難度大

人工智能課程內容涉及很多高級、復雜的算法，需要具有一定的編程能力，掌握一定的算法理論和架構相關知識，對非計算機類專業學生來說難度過大[7]。例如，深度學習算法在人工智能領域廣泛應用，且取得了不錯的研究成果，但對于沒有編程基礎和系統算法學習的本科生而言，很難通過一兩門課程掌握該類算法的設計和靈活運用。

此外，農林院校的主管部門通常重點發展農業或林業特色學科，部分通識課程向農林專業傾斜，導致部分工科院系難以深入開設交叉性強的人工智能課程。各農林院校之間以及工科院系與學校主管部門的思想難以統一，人工智能課程難以形成合理統一的體系架構。

2.4 特色實驗環節少

在農林院校中，工程學科大多屬弱勢學科，人力和資金投入不足，實驗設備和空間嚴重不足。同時，人工智能課程又屬于新興課程，其課程實驗對應的實驗室需要考慮計算能力、數據集、算法及框架[8]，而大多數農林院校還沒有配置相應的實驗設備，導致理論教學和實踐教學聯系不緊密，缺乏對科學研究和實踐應用能力的培養。

此外，由于專業師資和特色教材的匱乏，人工智能課程在農林院校中還處于起步階段，課程內容未與農林院校自身優勢較好地融合，從而缺少與農林相關的創新特色實驗環節。

3 農林院校人工智能課程體系建設的實踐途徑

針對上述農林院校中人工智能課程體系存在的四大主要問題，必須加強農林院校人工智能課程體系建設，突破發展困境，建設的突破口主要在于課程平臺、課程設置、實驗教學和創新實踐這四個方面。下面以南京林業大學自動化專業人工智能課程體系建設為例，提出農林院校人工智能課程體系的建設途徑。

3.1 “由普到精”的課程平臺

南京林業大學自動化類包括自動化專業和測控技術與儀器專業，在機械電子工程學院下進行培養，修業四年。第一年實施通識教育，按照自動化大類培養，其中包含計算機基礎課程，為后續人工智能課程提供預備知識。第一學年末按照“志愿優先，成績排序”原則進行專業分流，后三年按照專業培養。學生分別進入自動化專業和測控技術與儀器專業，執行相應專業培養方案。自動化專業學生進入大三后，課程主要為專業教育和拓展教育，包括學科與專業基礎課程、專業核心與專業特殊課程和集中實踐教學環節，其中選修課又分模式識別方向和控制工程方向，有針對性地培養學生對自動化領域某些復雜工程問題的理解、分析和解決能力。

為了學生更好地掌握必要的理論知識，并鍛煉其編程能力，南京林業大學開展了線上線下結合的教學方式。自動化專業的本科生除了通過線下課堂教學，在通識教育中掌握人工智能課程所需的基礎知識，設計相關上機實驗，培養一定的編程能力，還在專業教育中根據個人選擇的專業方向，系統地學習人工智能相關課程，保證完成培養大綱規定的學分。同時，基于“雨課堂”“超星”等平臺，開設了線上課程和慕課，學生可以針對自己的專業方向，尤其是模式識別方向的本科生，有選擇地學習人工智能相關課程，且可以針對自己薄弱的知識點進行多次學習，充分發揮信息網絡的優勢。線上線下結合的教學形式，讓學生在線下課堂掌握必要的基礎知識，在線上課程復習和深入學習人工智能專業知識，進而彌補了農林院校工科學生相關知識缺少而導致直接學習人工智能課程難的問題。

3.2 “共性與特色”的課程設置

南京林業大學2020版最新自動化類本科人才培養方案的教學計劃進程表，包含人工智能導論、模式識別基礎、數字圖像處理、Python程序設計、機器學習、農林信息化工程等專業核心與專業特殊課程，這些課程不僅包含傳統的人工智能課程，而且增加了其在農林類領域應用的講解。如機器學習課程中增加了“木材缺陷識別”“地板木質識別”等和林業生產加工有關的案例，打造具有林業特色的自動化類“人工智能”課程體系。

此外，相關任課教師與實驗指導教師一起，結合科研項目、挑戰杯、創青春競賽，深入挖掘各課程之間的交叉與聯系[9]，對單一性實驗課程與設計性實驗、綜合性實驗進行再設計，并編寫相關農林特色人工智能教材和實驗指導手冊，從專業模塊和課程群層次考慮綜合知識的運用，構建跨課程實驗教學體系。

3.3 “虛實結合”的實驗教學

南京林業大學機械電子工程學院擁有現代林業技術裝備國家虛擬仿真實驗教學中心，注重虛實結合的教學理念，設計具有農林業特色的自動化虛擬仿真教學實驗課程。通過虛擬現實技術和仿真手段，對農林業需要大場地、長周期、高危害的生產加工環節，進行原理和技術的直觀呈現，提高人工智能方面專業授課的直觀性和趣味性，實現課堂教學與實踐教學的密切結合。“虛實結合”手段將生硬的理論知識與實例操作相結合，學生更加容易掌握和運用所學知識。

同時，在虛擬仿真教學實施的過程中，注重教與學的融合，建立及時的跟蹤和反饋機制，做到及時發現問題、如實記錄問題并解決問題，不斷提高虛擬仿真教學的質量，提升其應用價值。

3.4 “以賽促學”的創新實踐

一方面，通過校級、省級的大學生創新訓練計劃項目，培育和選拔優秀學生;另一方面，申請協同育人項目，聯合企業打造科研實驗教學基地，為培養學生的創新實踐能力提供基礎設施條件。近三年，南京林業大學自動化系成功申請產學合作協同育人項目五項，構建了產教融合、校企合作的良好生態。協同育人通過項目制，拉近學校與企業的距離，使學校了解社會需求，使企業將學校作為其培養人才的基地，達到雙贏的結果[10]。在此基礎上，鼓勵學生參加各類電子信息類比賽，如“挑戰杯”全國大學生課外學術科技作品競賽、“藍橋杯”全國軟件和信息技術專業人才大賽、全國大學生電子設計競賽、全國大學生機器人大賽等。通過各類比賽，培養學生的綜合能力和創新能力，以及解決復雜工程問題的能力。圍繞“中國制造2025”對高層次人才的需求，在智能機電系統與機械、電氣、控制等知識體系的綜合運用，系統考慮課程群之間的關聯性，通過項目比賽等多種形式培養綜合性農林類工科專業人才。

4 結語

在人工智能技術快速發展的當代，人工智能課程體系建設在農林院校主要存在師資短缺、教材無特色、課程難度大、特色實驗環節少四大問題。針對這四大問題，本文以南京林業大學自動化專業的人工智能課程體系建設為例，從課程平臺、課程設置、實驗教學和創新實踐四個方面，詳細介紹了人工智能課程體系建設的實踐途徑。通過“分層培養、層層遞進、逐步提高”夯實工程基礎，建立專業特色鮮明、創新創業遞進的實踐教學體系，形成了桌面虛擬、仿真訓練、虛實結合、校企聯動的實踐教學新模式，旨在為其他農林院校的工科建設提供新思路。

參考文獻：

[1] 焦方源，焦小洋，李薇.農林區域特征信息智能采集與生態預警系統設計與實現[J].西華師范大學學報（自然科學版），2018，39（02）：217-222.

[2] 吳飛，楊洋，何欽銘.人工智能本科專業課程設置思考：厘清內涵、促進交叉、賦能應用[J].中國大學教學，2019（02）：14-19.

[3] 陳愛斌，蔡自興，李建軍.林業院校人工智能課程教學的思考[J].計算機教育， 2016（10）：80-82.

[4] 牛軼峰，張國忠，朱華勇.高等院校人工智能課程體系建設芻議[J].高等教育研究學報，2010，33（02）：52-53+63.

[5] 李洪修，吳思穎.人工智能背景下大學教學思維的審視與回歸[J].高校教育管理，2020，14（02）：29-36.

[6] 胡偉.人工智能時代教師的角色困境及行動策略[J].現代大學教育，2019（05）：79-84.

[7] 陶泓杉，郄海霞.高校人工智能本科專業需要怎樣的課程體系——基于卡耐基梅隆大學和南洋理工大學的比較分析[J/OL].重慶高教研究，http：//kns.cnki.net/kcms/detail/50.1028.G4.20201020.1134.002.html，2020-10-23.

[8] 吳湘寧，彭建怡，羅勛鶴，等.高校人工智能實驗室的規劃與建設[J].實驗技術與管理，2020，37（10）：244-250.

[9] 劉君，王學偉，梁靜.人工智能時代“教研賽訓”工作室人才培養模式的實踐[J].實驗室研究與探索，2020，39（07）：258-263+269.

[10] 羅成翼，王琦.湖南省應用本科高校產教融合發展現狀、問題及對策研究[J].當代教育論壇，2020

作者簡介：朱婷婷（1989—），女，江蘇鹽城人，工學博士，副主任，講師，系本文通訊作者，研究方向：模式識別與智能系統、林業信息化。

倪超（1979—），男，江蘇江都人，工學博士，教授，副院長，博士生導師，研究方向：人工智能與林業信息化。