大數據驅動下的資源勘查工程專業儲層地質專題實習教學思考

宋金民 施澤進 張小兵 王佳蕊

摘 要：目前以互聯網、人工智能、大數據為核心的信息技術融入教育教學行業勢在必行。通過構建巖心薄片AI識別模塊和孔隙結構三維可視化模塊，實現“芯-片-電”學習、“電-巖-相”輸出的智能化過程；在此基礎上搭建開放式、沉浸式數字化網絡教學平臺，能夠有效提升課堂趣味性，激發學習興趣，推動教學方式的改革，實現從“灌輸式”向“沉浸式”、從多媒體向富媒體的轉變，推動中國高校實踐教學智慧化探索，助力資源勘查工程專業的儲層地質專題實習課程進行大數據驅動下的教學方式改革。

關鍵詞：大數據；網絡教學平臺建設；儲層地質專題實習；資源勘查工程；“雙一流”學科建設

中圖分類號：G642

文獻標志碼：A

文章編號：1672-0539（2023）03-0106-07

一、引言

人工智能是新一輪技術和工業革命的主要推動力，也是我國重大技術發展戰略的重要支撐。2020年3月3日，我國教育部、國家發展和改革委員會、財政部共同印發《關于“雙一流”建設高校促進學科融合 加快人工智能領域研究生培養的若干意見》，推動人工智能相關學科發展，加快相關人才的培養。智能計算是人工智能系統的核心部分，內容包括神經網絡、遺傳算法、模糊邏輯等在圖像識別、自然語言處理等前沿技術，目前已成為人工智能教學體系的重要分支^[1]。

黨的二十大把教育、科技、人才進行三位一體統籌安排、一體部署，首次將“推進教育數字化”寫入報告^[2]，賦予了教育在全面建設社會主義現代化國家中新的使命，明確了教育數字化未來發展的行動綱領。當前，國內外高校正在經歷著人工智能與大數據融合的教育教學范式轉換，如耶魯大學、東京大學和多倫多大學等多所世界知名大學已建立了共享的教育平臺^[3]。2020年3月，國家智慧教育平臺正式上線，分為中小學教育、職業教育、高等教育三個次級平臺，其中高等教育平臺包含普通課程、虛仿實驗、院士講堂等多項內容。同年5月，華南理工大學與華為技術有限公司聯合開展人工智能技術的機器人的開發，目前人工智能教育教學應用技術已覆蓋教學活動的各個環節。新一代人工智能教學技術將數據收集、圖像識別與深度學習等應用于教學和評價等教育場景，這將會重構傳統教育教學中的各方配置關系^[4-10]。

二、儲層地質專題實習概況

成都理工大學資源勘查工程是國家級特色專業、教育部卓越工程師教育培養計劃專業，2017年通過中國工程教育專業認證；2019年獲批四川省一流本科專業，2020年獲批國家級一流本科專業建設點。

儲層地質學是成都理工大學最具特色的研究方向之一。儲層地質專題實習是一門實踐課程，選取鄂爾多斯盆地寧東地區延安組和四川盆地普光地區長興組，針對碎屑巖和碳酸鹽巖兩大類儲層，從宏觀的巖心到微觀的薄片，通過巖心編錄、薄片鑒定和實習報告的撰寫，進行沉積相、儲層特征、成巖作用和儲層控制因素分析。通過該課程的學習，旨在讓學生了解儲層評價的實驗方法，熟悉儲層地質研究的基本流程，掌握儲層評價的基本方法。

儲層地質專題實習實行教師講授、學生動手操作和課堂討論相結合的教學方法，教學方式為課堂教學和實驗室集中教學相結合，教學流程有如下五步：①理論知識講解，教師使用多媒體進行理論講解；②碎屑巖巖心描述，選取典型巖心照片讓學生觀察描述，進行沉積環境分析；③薄片鑒定，學生在顯微鏡下觀察巖石薄片，填寫鑒定報告，分析其儲集空間特征、成巖作用和儲層主控因素；④小組討論，學生對巖心與薄片信息綜合分析，進行儲層巖石學、沉積相、成巖作用、孔隙類型及孔隙結構分析，對儲層進行綜合評價，分組討論報告；⑤實習論文撰寫，綜合文獻資料和實習材料，完成實習論文的撰寫。因此，學生動手實踐在本課程教學中占主導，目的是改變傳統教學模式，促成學生為中心的教學范式轉移，從而實現培養儲層地質思維和掌握儲層評價方法的教學目標（見表1）。

三、大數據背景下儲層地質專題實習課程虛擬平臺建設

在教學實習開展的過程中，傳統教學模式越發暴露出局限性，在創新性、嚴謹性和可重復性等方面存在不足，主要體現為：①單一的程序式資料儲存方式對教學的限制，薄片實物資料的損耗與不可復制性、巖心資料與薄片照片的孤立、各種鏡下現象的問題等；②教學資料之間缺乏多元交互的媒介平臺，妨礙了實習的可循環性和可查閱性，科技感體現度不夠（見表2）。

在大數據背景下建設儲層地質專題實習的教學資料數據庫，學生可以隨時隨地進入數據庫查閱資料，開展線上鞏固學習。通過巖心描述、薄片鑒定和測井數據的整合，完成信息的編錄，而后進行AI智能學習與識別，實現“芯-片-電”學習、“電-巖-相”輸出的智能化過程；構建儲層地質教學的“看得到、摸得到、點擊得到、鞏固得到”的大數據驅動虛擬教學平臺（見圖1），實現全天候可循環教學過程。主要過程如下：

（1）資料收集。進行巖心觀察與測井曲線分析，使用徠卡DM4500P偏光顯微鏡拍攝典型的鏡下薄片照片，對照片進行分類梳理，錄入巖石結構、成分、古生物與孔隙結構等信息。

（2）AI識別。基于Python程序設計語言的神經網絡模型對薄片圖像進行學習，加入監督學習模塊，在深度學習與機器學習算法支撐下，對儲層巖性、孔隙結構、沉積微相和儲層段等信息進行AI高精度、智能化學習與輸出。

（3）孔隙結構可視化。對于識別出的儲層段，通過鑄體薄片、壓汞和氣測孔滲等分析手段，完成其二維孔隙結構表征；通過場發射掃描電鏡和微米CT掃描電鏡分析，獲取三維孔隙結構特征信息。對采集的坐標系x-y-z不同方向的圖像進行二值化閾值分割，構建儲層三維孔隙模型。

（4）虛擬教學平臺建設。集成AI識別和孔隙結構三維重構模塊，構建“沉浸式教學-智能化講解-學習效果檢驗”的開放式教學平臺，開發平臺軟件。采用模塊化的設計理念，設置“巖心描述”和“薄片觀察”一級目錄，根據巖性設置次級目錄和三級目錄，在平臺主頁上設置模塊導航，確保簡明扼要與目標精準（見圖2）。

四、基于虛擬教學平臺的儲層地質專題實習課程目標達成度評價

工程教育專業認證是國際通行的工程教育質量保障制度^[11]。我國于2016年6月成為《華盛頓協議》的第18個正式會員，標志著我國工程人才培養正式邁入國際化和標準化^[12-13]。2022年7月15日中國工程教育專業認證協會發布的《工程認證標準》提出了人才培養在知識、能力和素質上必須涵蓋的基本要求，規范了培養目標、畢業要求、持續改進、課程體系、師資隊伍和支持條件的通用標準。

課程目標達成度評價是指教師根據人才培養方案和課程教學大綱規定，對課程教學效果是否達到預期的教學目標進行合理性評價^[14]，是工程教育專業認證體系的重要評價指標。

儲層地質專題實習課程目標達成度計算式如公式（1）所示：

其中：N_i表示課程所支撐的畢業要求第i個指標點的達成度評價值；n表示課程支撐該指標點的考核環節個數；j=1表示支撐該指標點的考核環節j的初始值為1；M_j表示第j項考核環節支撐該畢業要求指標點的得分率；H_j表示第j項考核環節在該指標點總考核環節中的百分比。

虛擬教學平臺使用后，實現了線下線上教學的有機融合，在公平、合理選取樣本的基礎上，進行基于虛擬教學平臺的儲層地質專題實習課程目標達成度分析（見圖3）。結果顯示，五個課程目標均達成，目標達成度表現為目標2＞目標5＞目標1＞目標3＞目標4＞預期值（0.7），平均值為0.796，課程總體達成度為0.926。目標1的達成度為0.787 4，表明通過課程學習，學生已建立地質思維方式；目標2的達成度為0.844 6，高于課程平均達成度，表明在巖心觀察描述的工作方法與流程方面，學生具有較好的沉積現象綜合分析能力；目標3的達成度為0.783 3，表明學生較好地具備了成巖作用和儲層主控因素的分析能力；目標4的達成度為0.767 2，表明學生在小論文撰寫時語言表達能力有待提高；目標5的達成度為0.798 7，高于課程平均達成度，表明學生對儲層評價方法的掌握度較好。

五、大數據背景下儲層地質專題實習虛擬教學平臺的應用效果

（一）提升課堂教學的趣味性，改善傳統教學難點

儲層地質專題實習虛擬教學平臺的建設，解決了教學素材不足的問題，增添了趣味性、科技性與可重復性，充分調動學生積極性，避免了教與學的過程中低效重復的現象，這進一步改善了教學范式和學習方式，達到了教學相長、溫故知新的教學效果。通過兩年課程目標達成度評價數據對比，上一年課程總體達成度為0.873，應用基于大數據背景的儲層地質專題實習虛擬教學平臺教學后，課程目標達成度增長到0.926，總體增長幅度達到6%，5個小目標的增長幅度均大于5%，有力體現出該虛擬平臺能夠促進教學模式創新，改善傳統教學難點，顯著提升教學質量。

（二）全新教學方式促進課堂改革

將AI學習引入儲層地質專題實習的教學過程中，是對傳統的教學方式的改革。通過交互式虛擬教學平臺建設，實現教學的開放性和可持續性，達到學生學習的主觀能動性和可循環性，推動了新時代高校實踐課程的教學改革。

成都理工大學資源勘查工程專業儲層專題實習虛擬教學平臺的建設具有示范性和可推廣性，平臺中心數據庫為教學提供了豐富的資料，將傳統的巖心、薄片圖像、成巖現象的面授教學模式轉化為面向用戶的虛擬教學模式，實現從“有芯”到“無芯”、從傳統化到數字化、從二維參數描述向三維形態結構、從二維平面化向三維可視化、從“灌輸式”向“沉浸式”、從多媒體向富媒體的轉變。

（三）推進教育數字化，加速人才建設

黨的二十大報告指出要深入實施科教興國戰略，強化現代化建設人才支撐。高校應當深入貫徹落實黨的二十大精神，努力開拓中國特色世界一流大學高質量發展新局面。基于大數據背景構建巖心薄片AI識別模塊和孔隙結構三維可視化構建模塊，構建開放、共享的教學平臺，能夠有力支撐新時代中國高校“觀念更新、模式改革、關系重構”的教育體系轉變。資源勘查工程專業人才培養計劃進一步實現維度拓展，課外創新創業實踐活動屢獲佳績。以此為依托，相關項目獲得第七屆四川省國際“互聯網+”大學生創新創業大賽銀獎；逐步實現了學生的專業知識體系立體化，專業實踐能力提質化、專業教學體系開放化、教學過程全方位互動化。同時以該平臺為合作紐帶，推進與其他高校和科研院所的合作與交流。綜上，大數據背景下儲層地質專題實習虛擬教學平臺較好地促進國家“雙一流”學科的建設和發展，推動新時代創新型人才的培養。

六、結語

成都理工大學資源勘查工程儲層專題實習課程，通過大數據資料收集、AI識別、儲層可視化、平臺搭建四個步驟，建設交互式虛擬教學平臺。這增添了課程的趣味性、科技性與可重復性，有效地提升了教學質量、提高了工程教育專業認證體系的目標達成度，具有示范性和可推廣性。大數據驅動的教學模式是精準教學2.0的典型代表，大數據驅動的交互式虛擬教學平臺的建設，勢必會引領教育創新的范式轉換，推動高校實踐課程的教學改革，助力國家“雙一流”學科建設和新時代創新型人才培養。

參考文獻：

[1]管青， 刁明光， 姚國清. 融合地球科學專業內容的“智能計算”課程教學與實踐[J]. 中國地質教育， 2021， 30（3）： 38-42.

[2]習近平. 高舉中國特色社會主義偉大旗幟， 為全面建設社會主義現代化國家而團結奮斗——在中國共產黨第二十次全國代表大會上的報告[J]. 共產黨員（河北）， 2022， （Z1）： 2-24.

[3]李輝， 趙月月， 孔令富. 大數據時代高等教育教學新模式探討[J]. 計算機與網絡， 2019， 45（17）： 43.

[4]徐文婷. 信息技術課程中創新教育研究——以“數據收集與編輯”教學設計為例[J]. 科學大眾（科學教育）， 2019，（4）： 50.

[5]朱振宇， 吳淑群， 顧亞楠，等. 基于STM32的高壓放電圖像識別系統開發與教學實踐[J]. 實驗技術與管理， 2022， 39（1）： 178-181.

[6]李玉霞， 何磊， 徐永鑫. 基于圖像識別的“無人機遙感概論”教學實驗平臺設計[J]. 實驗室研究與探索， 2018， 37（5）： 50-53.

[7]常瑞雪， 張思平. 圖像識別技術在皮膚性病學教學中的應用[J]. 實用皮膚病學雜志， 2021， 14（1）： 45-47.

[8]鐘燁， 王琨， 王其軍， 等. 具有圖像識別功能的驅替模擬實驗教學平臺構建[J]. 中國現代教育裝備， 2020，（11）： 52-54.

[9]陳雯， 許鴻文， 江立華. 高校思想政治理論課堂注意力與教學模式改革的有效性研究——基于圖像識別跟蹤技術的Cox回歸生存分析[J]. 思想理論教育導刊， 2018，（9）： 84-89.

[10]顧添笑. 基于深度學習的高職院校課程思政教學設計的思考[J]. 職教論壇， 2022， 38（6）： 122-128.

[11]陳益林， 何小其， 馬修水. 應用型大學特色工程教育專業認證體系的探索與實踐[J]. 現代教育科學， 2011，（3）： 105-107.

[12]劉麗， 顧雪祥. 資源勘查工程專業認證及改革的思考[J]. 中國地質教育， 2015， 24（4）： 83-85.

[13]葉益信， 方根顯， 鄧居智， 等. 工程教育認證背景下勘查技術與工程專業的課程體系構建——以東華理工大學為例[J]. 東華理工大學學報（社會科學版）， 2018， 37（2）： 189-191.

[14]吳湯婷， 盧立果. 面向測繪工程專業認證的課程達成度軟件設計與應用[J]. 實驗室研究與探索， 2022， 41（2）： 188-192.

Reflections on the Teaching of Reservoir Geology Themed Internship for

Resource Exploration Engineering Majors Driven by Big Data：

Case study of Chengdu University of Technology

SONG Jinmin， SHI Zejin， ZHANG Xiaobing， WANG Jiarui

（college of Energy， Chengdu University of Technology， Chengdu Sichuan 610059， China）

Abstract：At present， it is critical to incorporate information technology， with the internet， artificial intelligence， and big data at its core， into the field of education and teaching. We have enabled the intelligent process of core-thin section-well log data learning and well log data-lithology-facies output through the AI identification module for thin sections and the 3D visualization module for pore structures. Based on this， weve developed an open and immersive digital internet platform for the specialized reservoir geology practice course， which can effectively enhance classroom engagement， stimulate students learning interest， and encourage the reform of teaching methods. This has enabled a shift from traditional cramming and multimedia methods towards immersive learning and the use of rich media. The goal is to foster intelligent exploration in practice teaching courses for Chinese universities and support the reform of teaching methods driven by big data， specifically for the reservoir geology special practice course at Chengdu University of Technology.

Key words： Big-Data; Internet Teaching Platform Construction; Reservoir Geology Internship; Resource Exploration and Engineering; Double First-Class Discipline Development

編輯：李春燕