面向新農科的“Seminar+PBL”復合型教學模式研究與實踐

王 超，焦 俊，辜麗川，時國龍

（安徽農業大學信息與計算機學院，安徽 合肥 230036）

1 研究背景

新農科建設強調傳統農林學科與其他學科的交叉融合，培養農業產業鏈全程參與的一專多能的復合型農業人才。復合型農業人才培養既是新農科建設的重要目標，也是農業農村振興的關鍵支撐[1]。新農科建設要求高等農林院校在專業設置上深度融合農業產業鏈，實現多學科的交叉融合，優化和拓展專業知識體系結構，服務農業新業態；在教學模式、手段和方法上也同樣需要創新優化，主動對接新農科人才培養要求，強化學生的實踐能力、創新能力和主動學習能力的培養。

在新農科建設目標的指引下，農林高校在人才培養體系、課程教學改革、教學資源優化整合等方面開展了大量卓有成效的工作。多種教學模式和方法被廣泛應用于理論和實踐教學，如研討式（Seminar）、項目式（Project-Based Learning，PBL）、探究式（Inquiry-based learning，IBL）、問題式（Problem-Based Learning，PrBL）等教學方法，培養學生自主學習和主動學習意識，拓展學生的專業知識和科技素養，提高學生發現、分析及解決實際問題的能力。在基于研討式（Seminar）的教學模式改革和應用方面，王芬等人將Seminar 教學法引入家畜生態學的教學實踐中，闡述了在家畜生態學教學中Seminar 教學法的實施及應用的優點[2]。梁志宏等人將教學與科研相結合，探討了基于食品科學專業的Seminar 課程建設，加強研究生創新思維和綜合能力的培養[3]。潘雅瓊梳理了Seminar 教學法和多師同堂的內涵及實施現狀，從校企多師同堂Seminar 教學法的組織實施和創新方面，探究兩者協同教學模式的設計方案[4]。郭永峰等人提出了Seminar 教學模式在學科教學論中持續發展應做好的三項工作：提高教師對Seminar 教學模式的認識，完善Seminar 教學模式的組織和評價，配備符合Seminar 教學模式的資源和設施[5]。范文翔等人以翻轉課堂的理念為指導，構建了基于翻轉理念的Seminar 教學模式，能夠有效地提升教學成效，培養學生的綜合能力[6]。在基于項目式（PBL） 的教學模式改革和應用方面，尹曉明等人以研究生“環境污染控制技術”課程為例研究了項目式教學法在高等農業院校實驗教學中的應用[7]。Yang 等人在教授集成電路設計課程時，通過引入與行業相關的項目對EDA工具和設計方法進行培訓，可以有效的彌合行業需求和學習成果之間的差距[8]。王順宏等人研究了PBL 教學模式的實施條件，實施步驟以及項目的設計原則[9]。在基于問題式（PrBL）的教學模式改革和應用方面，董俊斌等人將虛擬仿真軟件與家畜病理生理學的問題式教學模式相結合，提高學生的學習積極性[10]。陳祥等人將問題式教學模式應用于家畜繁殖學實驗教學中，提升實驗教學的創新性和趣味性[11]。

安徽農業大學農業工程與信息技術專業的培養目標是培養可在農村發展、農業教育等事業單位、政府機關、企業和相關領域從事教學、科研、生產、推廣和管理工作的應用型和復合型人才。《高級人工智能》課程作為農業工程與信息技術專業的基礎核心課程，課程知識的熟練掌握，以及與農業產業鏈的融會貫通是學生后續研究工作順利開展的關鍵支撐。但是，目前《高級人工智能》課程的教學模式主要是以講授為主，教學內容更多的是從信息技術的角度介紹課程的理論知識和相關技術，缺乏與農業產業鏈融合的廣泛性，以及與傳統農科研究領域融合的深入性，導致理論知識與應用實踐的割裂。因此，本文針對《高級人工智能》課程在農業工程與信息技術專業研究生教學過程中存在的相關問題，設計了一種基于研討式和項目式相結合的教學方法，將學習過程評價與學習結果評價相結合，將《高級人工智能》課程的理論知識和相關技術與農林專業的項目研究實踐相融合，構建“研討式+項目式”的復合型教學模式，對挖掘學生的問題意識、創新農林項目的科研實踐，提升農業工程與信息技術專業的人才培養質量具有重要的促進作用。

2 農林院校《高級人工智能》課程特征

《高級人工智能》課程內容豐富、覆蓋面廣，將教學內容與傳統農林學科的科研項目相結合后，又使其具有實踐應用專業性強的特點。因此，需要充分了解和分析農林院校《高級人工智能》課程的特點，才能設計合理的教學內容，優化和控制教學過程，全面深入的掌握相關理論知識和技術應用。

2.1 深度與廣度相結合的課程知識體系

《高級人工智能》課程覆蓋的知識面廣，包括知識表示方法、確定性推理和非經典推理技術，深度神經網絡，強化學習等內容，涉及計算機科學、數學等學科的交叉融合應用，僅掌握基礎理論和技術，是無法將人工智能技術運用到農業的實際生產和經營過程中的。因此，對于農業工程與信息技術專業的研究生，不僅要掌握人工智能的基礎知識、算法架構分析和設計能力，還要根據研究方向學習和了解相關的農林學科的理論和知識，應用自然語言處理技術、計算機視覺技術等先進的人工智能技術解決農林學科研究中存在的問題，在知識的廣度和深度上實現多學科的科學、合理的交叉融合。

2.2 理論與應用相結合的課程實踐體系

充分利用農業院校的特色教學資源，從農林學科實踐應用領域的需求入手，注重人工智能基本理論與農林學科的研究實踐有機結合，完善和優化傳統農林學科的相關研究問題，如將計算機視覺技術與育種結合起來，通過深度學習技術開發自動化種子計數工具進行產量預測和種質判別，提高育種效率。探索農業大數據決策支持、農業智能裝備開發、農作系統模擬、農情監測與應用等領域的結合方式與路徑，構建成熟完善的理論與實踐相結合的框架體系，體現新農科的辦學特色與目標。

3 “Seminar+PBL”復合型教學方法設計

Seminar 教學法是一種以學生為中心的研究型教學模式，通過師生之間平等地交流溝通，以及自由互動地學術研討，引導學生形成自主探究的創新思維，培養學生發現、分析和解決問題的創新能力。Seminar 教學法可以分為研討主題的設計和準備階段、研討過程的控制階段、研討結果的評價和控制階段三個主要階段[12]。通過教學與科研的緊密結合，教師和學生在每個階段都可以通過不同的形式的研討積累知識、培養能力和鍛煉思維。

PBL 教學法是一種項目引導的教學方法，師生通過共同參與探索和實現一個完整的、真實的、個性化的項目來完成教學活動和知識積累。PBL 教學法也是一種以學生為本的教學方法，將學生的能力培養與社會需求緊密結合起來，引導與培養學生創新意識、創新思維、創新能力。PBL教學法包含建立課堂文化、設計與計劃、對應課標、管理教學活動、評估學生的學習、搭建學習支架，以及參與和指導等七個核心要素[13]。在PBL模式中，強調學生的解決實踐問題的主觀能動性，教師則從知識的講授者轉變為項目實踐過程的教練和引導者[14]。

從Seminar 教學法和PBL 教學法的基本內涵及其特點可以看出，二者的教育理念和核心思想具有一定的相似性，都強調以學生為本，同時教育方式和手段也可以互融共促。因此，本文面向農業工程與信息技術專業研究生的《高級人工智能》課程按照智慧農業的研究領域設計了一種融合Seminar 和PBL 模式的教學方法，以農科領域的實踐項目為導向，引導學生積極參與項目的研討和實現，使教學內容更契合學生的科研和應用需求，提升學習效果和科研實踐技能，如圖1所示。

圖1 Seminar+PBL 復合型教學方法

3.1 Seminar 研討準備

在研討準備階段，按照PBL 的項目設計與計劃、對應課標和構建學習支架三個核心要素進行Seminar 的研討項目準備。其中，在項目的設計與計劃上須與教學內容、教學對象和考核標準等課標對應，并能夠準備支撐項目正常開展的必要的學習資料和支撐工具，構建項目研究支架。研討任務應能夠按照項目的進度安排進行分解，每一個分解階段都需有可呈現的項目階段性成果，以便于項目研討過程的參與和控制。

3.2 Seminar 研討控制

在研討控制階段，以PBL 的管理教學活動、參與和指導兩個核心要素為準則對Seminar 研討過程進行控制和管理，建立一種開放式探究的課堂文化，培養學生的團隊精神和創新意識，樹立注重項目成果質量和科研細節的態度。在教學活動的管理中，教師與學生一起確定項目任務的分工與組織，交流研討的方式和形式，以及項目成果的表現形式。同時，教師與學生一起參與到項目的研討和實踐中，確定學生何時需要何種知識和技能，并通過現場質詢等方式不斷優化和完善項目方案，在項目成果形成的全過程中給與及時的指導。

3.3 Seminar 評價與反饋

在研討評價與反饋階段，評價研討全過程的學習效果，對基礎知識儲備、學習態度、科研能力、團隊合作、專業素養等進行全面評估，并反饋到教學活動管理中，實時調整參與和指導方式方法，控制教學活動的有序開展。從項目成果的完整性、適用性、創新性等不同維度對最終成果進行綜合評定。同時，對學習過程、知識掌握和技能應用情況進行形成性和總結性評估，反饋到Seminar 研討準備階段，進行項目內容的修正和項目方向的重定向。

4 “Seminar+PBL”復合型教學方法實踐

本節以《高級人工智能》課程中的“深度神經網絡及其應用”專題為例說明Seminar+PBL 復合型教學方法的具體實踐方式與過程。深度神經網絡技術廣泛應用于語音識別、計算機視覺、自然語言處理等領域，涉及基礎理論知識廣，工程實踐性強，是《高級人工智能》課程中的重要內容。

在Seminar 研討準備階段，針對農業工程與信息技術專業的人才培養目標和相關教學內容安排，將人工智能的基礎理論和前沿科技融入到教學過程中，因此我們在“深度神經網絡及其應用”專題下設計了“基于深度神經網絡的農作物害蟲識別與分類”項目。該項目主要利用各種深度神經網絡模型和算法對實驗室拍攝的農作物害蟲圖像進行自動分類，要求盡可能的提高分類的準確率。項目學習資料的準備以農作物害蟲圖像的自動識別和分類為應用背景和技術主線，涉及到傳統機器學習方法（KNN，SVM 模型等）、深度學習方法（CNN，Transformer 模型等）、圖像處理技術等人工智能領域的理論知識，基本的昆蟲學知識和農業害蟲分類知識，以及支撐項目實現的相關軟硬開發工具（Pytorch，TensorFlow 等）。項目的進度計劃分為基礎知識學習、項目方案設計、項目實施、項目總結與提升等4 個部分，每個部分都對應不同的任務和可展示的階段性成果。

在Seminar 研討控制階段，以建立團結協作、教學相長、創新探究的課堂文化為目標，將學生分為5 人一組，每個人都負責和參與整體方案制定、害蟲圖像數據標注、深度學習模型設計、模型算法的實現和成果報告撰寫等具體任務。由于農作物害蟲種類繁多，物種數量差異大，大規模害蟲圖像數據存在噪聲大、樣本不均衡等問題，增加了項目的難度。因此，教師需要做好教練和引導者的角色，深度參與到項目的研討過程中，強化組內組間分享交流，提取各組的共性問題，進行集中解答；深入探討每組的個性化問題，不斷優化和完善項目方案，解決具體的實踐問題，促進高質量成果的形成。

在Seminar 研討評價與反饋階段，建立全過程多維度的評價體系，評價學生對相關學習材料和專題項目的理解、分析、執行、實施、總結和思考的全過程情況，評價學生的學習投入時間、參與討論的積極程度、提出問題的層次、表達的邏輯性、項目成果質量等多維度表現情況；在評價方式上，既要有教師的點評，又要有組內組間互評，綜合評價學生的理論知識掌握情況、實踐技能熟練情況等。評價結果應及時反饋到Seminar研討準備和控制階段，指導專題項目的設計與調整，及時完善和調整教學活動的管理和控制，形成整個教學活動的閉環優化。

5 總結

“Seminar+PBL”復合型教學方法的設計和實踐，契合了新農科建設和復合型人才培養的目標，強化了課程的實踐導向性，促進了傳統農林學科與信息學科的深度交叉融合，推動了農林院校的信息類課程的教學改革。“Seminar+PBL”復合型教學方法的實踐過程將《高級人工智能》的理論知識和技術工具與傳統農林學科的研究領域緊密結合起來，通過全過程的多維度評價體系，著力培養了學生發現問題的深度、分析問題的全面性和解決問題的適用性能力，培養了學生自主學習和團隊協作攻關的能力。但是，在整個教學方法的實踐過程中，學生對教師的依賴程度依然很高，形成批判性思維的能力不夠，這也是“Seminar+PBL”復合型教學方法下一步需要優化和完善的方向。