OODA與AI雙驅動應用型自動化專業人才培養研究

中圖分類號：G461 文獻標志碼：A

0 引言

在科技飛速發展的當下，自動化技術已深度融入工業、交通、醫療等各個領域，成為推動社會進步與經濟發展的關鍵力量。隨著自動化行業的持續革新，對于具備創新能力和實踐技能的應用型自動化專業人才的需求日益迫切。如何培養出適應時代發展需求的自動化專業人才，成為教育領域亟待解決的重要課題。以往關于自動化專業人才培養的研究，主要聚焦于課程體系優化、實踐教學強化等方面。姜萍等提出構建“面向工科人才工程創造力培養”的自動化專業課程群建設，以提升學生的綜合能力，但在應對快速變化的行業需求時，這種傳統培養模式稍顯滯后。在新興技術融入人才培養方面，有學者探索將智能制造理念引入自動化專業教學，如鄭秀娟等[闡述了智能制造背景下自動化專業課程改革的方向，然而在如何高效整合前沿技術并轉化為教學實踐方面，仍缺乏深入研究。李建雄等[3依據學生實踐能力培養的客觀規律，提出一種模塊化、進階型的創新實踐平臺模式，但是該模式在實際應用中可能面臨一些挑戰，不同模塊的教學重點和教學方法差異較大，若缺乏有效的整合機制，學生在從一個模塊過渡到另一個模塊時，可能會出現理解和應用上的困難。

近年來，OODA（觀察-定位-決策-行動）循環理論在軍事、管理等領域展現出強大的適應性和決策優勢，逐漸被引入教育領域。劉建勛等[4]探討了OODA循環在教學過程優化中的應用，為教學模式創新提供了新思路。同時，AI技術憑借其強大的數據處理、分析和預測能力，在教育領域的應用也日益受到廣大教育研究人員關注，如智能教學系統、個性化學習輔助等，顯著提升了學習效果[5-7]]

盡管OODA與AI在教育領域各自取得了一定的研究成果，但將二者有機融合并應用于應用型自動化專業人才培養的研究尚顯不足。如何基于OODA循環的動態決策機制，結合AI的智能化分析與支持，構建一套創新的自動化專業人才培養模式，實現人才培養與行業需求的精準對接，是當前研究的空白與關鍵問題，也是本文致力于探索和解決的核心所在。

1OODA循環與AI技術融合的理論基礎

1. 1 OODA循環理論內涵

OODA循環由觀察（Observation）、判斷（Orientation）、決策（Decision）和執行（Action）4個環節構成，如圖1所示，最早由軍事戰略家約翰·博伊德（JohnBoyd）提出[8]。在教育領域應用時，觀察環節聚焦于收集學生的學習行為、知識掌握程度等多方基金項目：廣西高等教育本科教學改革工程項目;項目名稱：應用型本科高校產教融合實踐教學模式構建研究——以自動化專業為例;項目編號：2023JGB498。廣西高等教育本科教學改革工程項目；項目名稱：基于“ 1+1+X^′ ”的電氣信息類專業“雙創”基地建設的探索與實踐；項目編號：2021JGB491。作者簡介：王一波（1981—），男，教授，博士;研究方向：教育教學信息化，工業控制。? 通信作者：黃秋勇（1979一），女，副教授，碩士；研究方向：多模態學習。

面信息；判斷環節依據觀察所得數據，分析學生的優勢與不足，明確其發展方向；決策環節根據判斷結果制定個性化的教學策略和課程方案；執行環節則是將教學計劃付諸實踐，并通過反饋不斷調整優化。這種循環迭代的模式能夠有效適應不斷變化的教育環境和學生需求[9]

1.2AI技術在教育中的作用

人工智能技術包括大規模模型、知識圖譜、大數據分析、人工智能生成內容（AIGC）以及智能交互技術等多個領域，在教育領域展現了巨大的應用前景。大規模模型技術能夠輔助教師制定個性化學習方案，并生成定制化的教學材料；知識圖譜技術有助于學生構建全面的知識架構，并理解不同知識點之間的邏輯聯系；大數據分析技術通過對學生學習行為數據的深入分析，為教學決策提供了科學的支持；AIGC技術促進了教學資源的自動化和智能化生成；智能交互技術通過虛擬實驗室、互動式課件等工具的應用，增強了學生的學習興趣和效果，推動了跨越時空限制的協作學習[10-12]

1.3 融合的優勢

將OODA循環與人工智能技術深度整合，能夠充分釋放兩者之間的協同效應，為教育與教學改革注入新的動力。人工智能技術為OODA循環的各個階段提供了強大的數據支撐和智能決策輔助功能：在“觀察”階段，人工智能通過大數據分析和智能感知技術，實時采集學生學習行為、知識掌握程度等多維度數據，使觀察過程更加精確和全面；在“判斷”階段，人工智能通過機器學習和模式識別技術，對數據進行深度挖掘和分析，輔助教師科學評估教學效果和學生能力發展；在“決策”階段，人工智能通過智能推薦算法和預測模型，為教學策略優化和個性化學習路徑設計提供依據，使決策過程更加高效和科學；在“執行\"階段，人工智能通過智能教學系統和自適應學習平臺，精準推送學習資源，動態調整教學節奏，使執行過程更具針對性和實效性。與此同時，OODA循環為人工智能技術在教育中的應用提供了清晰的框架和流程，確保技術的應用始終圍繞人才培養目標，避免技術應用的盲目性和碎片化。這種深度整合不僅能夠提升教育與教學的智能化、個性化水平，還能通過持續迭代和閉環管理，不斷優化教學效果，全面提高人才培養質量，為應用型本科教育的高質量發展提供有力支持。

2基于OODA與AI融合的應用型自動化專業人才 培養體系構建

2.1 ?00DA+AI 驅動的專業雙循環專業質量保障體系

構建0ODA雙循環架構（見圖2），外循環聚焦于行業需求與市場反饋，以優化專業培養目標與課程體系，及時整合行業對復合型技術架構師的能力要求至專業培養過程中；內循環則基于教學過程中的數據采集與分析，持續進行教學質量的改進，確保專業人才培養與行業標準及企業需求保持一致。

專業建設外循環借助AI技術，運用自然語言處理等抓取分析行業新聞、論文等信息，把握前沿趨勢與人才需求變化，再通過AI模型算法判斷現有培養體系與行業差距，經專家研討明確AI-自動化融合培養方向及課程模塊，據此制定優化方案，突出學生AI應用能力、課程融人AI技術，執行中借助AI教學工具個性化教學、強化實踐，以AI輿情監測反饋助力后續觀察，如表1所示。

教學中借助AI智能監測系統，融合多源數據全面評估師生情況，經AI數據分析模型精準診斷問題，依此利用AI技術為學生提供個性化學習支持、助力教師優化教學策略并構建評估體系，再通過AI教學工具落地實施，依學生實時數據動態教學，持續采集數據評估，借AI持續提升專業人才培養質量，滿足行業和企業需求，如表2所示。

2.2 00DA+AI 驅動的課程優化體系

全面梳理應用型自動化專業的課程體系，構建“類智能系統”的OODA閉環課程體系，如圖3所示。在課程設計上，除了考慮傳統控制系統的反饋控制“小閉環”，更注重突出“感知-認知-決策-執行”的大閉環。在感知層面，除了設置傳感器技術、檢測技術等課程，還可增加AI與數據科學相關的感知技術課程，如數據采集與預處理等，培養學生從海量數據中感知關鍵信息的能力，這對于設備預測性維護、缺陷檢測等實際場景至關重要。在認知層面，借助自動化控制理論、機器學習等課程，提升學生對系統數據的分析和理解能力，同時強化跨學科知識的融合，如通過數理筑基課程，加深學生對線性代數、統計學在優化算法中的應用理解。在決策層面，開設智能決策算法、優化理論等課程，讓學生掌握制定科學決策的方法，并且結合行業Know-How（如半導體封裝、電池工藝），使學生在決策時能制定更貼合生產需求的技術方案。在執行層面，通過自動化生產線設計、機器人編程與控制等實踐課程，鍛煉學生將決策轉化為實際操作的執行能力，同時增加走進工廠一線實踐的環節，讓學生在真實的設備調試、故障診斷中積累經驗，理解技術落地的真實痛點。

2.3 Ω_00DA+AI 驅動的項目式理論教學

在自動化專業理論教學領域，普遍存在的問題包括教學內容陳舊、與實際應用脫節以及教學方法單一。多數課程仍以傳統講授法為主，未能及時更新前沿技術和行業需求，造成學生所學知識與實際工程應用之間存在顯著差異。此外，理論教學往往忽略對學生創新能力和實踐能力的培養，難以滿足應用型本科教育對高素質技術技能人才的需求。為解決上述問題，本文提出了一種創新的教育模式，即結合OODA（觀察、判斷、決策、執行）循環與人工智能（AI）驅動的項目式學習和小組協作學習。在此模式下，教師設計具有實際應用背景的自動化項目，學生則以小組形式參與項目。在項目的觀察階段，小組成員共同搜集項目需求和相關資料，引導學生關注行業內的自動化技術應用，例如人工智能與數據科學在智能家居、智能工廠的應用案例。在判斷階段，學生分析項目的技術難點并提出解決方案，鼓勵他們運用跨學科知識和新興技術，如軟硬件結合、物聯網技術等。在決策階段，學生確定項目的整體架構和實施計劃，綜合考慮成本、技術可行性及預期效果等因素，并運用智能決策算法優化方案。在執行階段，學生分工協作完成項目的設計、開發和測試工作，同時鼓勵他們在項自中運用多模態傳感器進行設備數據采集，并通過邊緣計算在設備端實現實時決策。通過這種教育模式，旨在培養學生的團隊協作能力、項目管理能力和解決實際問題的能力。本文以自動化專業核心理論課程“自動控制原理”為例，開展“OODA + AI”驅動項目式教學，具體步驟如表3所示。

2.4 00DA+AI 驅動的實驗教學

實踐教學是應用型本科自動化專業人才培養的核心環節，它能夠將理論知識與實際工程應用緊密結合，培養學生的動手能力、創新思維和解決復雜工程問題的能力。當前自動化專業實踐教學普遍存在實踐環節薄弱、設備資源不足、與企業需求脫節等問題，綜合性、創新性實踐項目缺乏，難以培養學生的工程實踐能力和解決復雜問題的能力。以培養學生創新能力和實踐技能為自標，開展OODA驅動的實驗教學改革，加強校企協同育人，優化實踐教學內容與資源配置，是適應產業轉型升級、提升學生就業競爭力的關鍵舉措。本文通過構建表4所示的“ Δ00DA+AI^′ 驅動實驗教學模式，將自動化人轉型所需能力納入培養目標，形成具有特色的實驗教學體系，提高學生的實踐能力和創新能力，為學生未來從事應用型自動化工作奠定堅實基礎，助力學生實現從“螺絲釘\"到“系統架構師”的轉型。

3教學改革成效

OODA循環理論與自動化專業人才培養體系高度契合。該理論的持續迭代和閉環管理特性，使教師能及時洞察自動化行業的技術演進和人才需求變化，精準剖析現有培養體系的不足，據此靈活調整教學內容、優化實踐環節、創新教學模式，讓學生在不斷優化的教學環境中，全面提升專業知識、實踐技能和創新思維，培養出契合行業動態發展需求的自動化專業人才。以筆者所在學校自動化專業為例，該專業經過一段時間的實踐，基于“OODA+AI”的應用型自動化專業人才創新培養模式取得了較為顯著的成效。

在教學改革方面，教師積極參與教學研究和改革項目，承擔的教改課題數量和質量均有明顯提升。近5年，學校自動化專業教師牽頭獲批省部級教改項目4項，校級教改項目9項，在探索新的教學方法和課程體系改革方面取得了重要成果。

專業建設成果突出，自動化專業人選省級一流專業建設點，專業的社會影響力和競爭力不斷增強。課程建設成績斐然，1門課程入選省級一流本科課程，1門課程入選校級一流課程，4門課程入選校級課程思政示范課程，10門課程建設為線上線下一體化課程，課程教學質量得到顯著提高。教師團隊在教學實踐中，不斷按照4 Δ00DA+AI^′ 提升教育教學水平，獲得省級教育教學信息化大賽二等獎1項。

實踐教學成果豐碩，學生在各類學科競賽和實踐活動中屢獲佳績。近5年來，學生在全國大學生電子設計大賽、機器人及人工智能大賽、“西門子\"智能制造挑戰賽、“挑戰杯\"等中，獲得國家級獎項11項，區級獎項36項，學生的實踐能力和創新能力得到了企業和社會的高度認可，畢業生的就業率和就業質量明顯提升，許多畢業生成為企業的技術骨干和創新人才。

4結語

融合OODA循環與AI技術的應用型自動化專業人才創新培養模式，為解決當前自動化專業人才培養面臨的問題提供了一種有效途徑。通過構建科學的培養體系、優化專業和課程體系、創新教學方法以及加強實驗教學改革，能夠全面提升學生的專業素養、創新能力和實踐技能，培養適應時代發展需求的應用型自動化專業人才。

然而，人才培養是一個長期而復雜的過程，需要不斷地探索和改進。在未來的實踐中，應持續關注行業發展動態和技術創新趨勢，進一步完善“OODA ?+ AI\"培養模式，加強師資隊伍建設，提高教學資源質量，為自動化行業的發展培養更多高素質的創新型人才，推動我國自動化產業的創新升級和可持續發展。

參考文獻

[1]姜萍，孟麗，付磊.聚焦工程創造力的自動化專業核心課程群建設[J].高教學刊，2024（34）：37-40.

[2]鄭秀娟，熊凌，吳懷宇，等.智能制造視域下自動化專業學生工程創新能力培養[J].中國冶金教育，2024（2）：17-21.

[3]李建雄，呼忠權，馬鍇，等.地方高校自動化專業創新實踐平臺建設[J].教育信息化論壇，2024（1）：99-101.

[4]劉建勛，金宏斌，鄧衛強，等.OODA理論在空天目標特性與作戰方式課程教學中的應用[J].空天預警研究學報，2023（6）：458-461.

[5]王晗.基于“ AI+ 教育”的高校人機協同教學模式路徑探索及應用研究[J].移動信息，2024（7）：114-116.

[6]周夢麗.AI深度賦能高校教育教學智能化革新路徑研究[J].中文科技期刊數據庫（文摘版）教育，2024（10）：0188-0191.

[7]唐偉為.“AI+智能”賦能高校智慧教學生態體系構建研究[J].移動信息，2024（1）：92-94.

[8]王琰，韓苗苗.東方謀略的西方詮釋[J].濱州學院學報，2021（3） ：26-30.

[9]湯羅浩，劉毅，丁兆云，等.“指揮與控制原理”的課程思政實踐[J].現代職業教育，2023（7）：41-44.

[10]趙翔.知識圖譜賦能高等教育教學數字化轉型探索[J].中國現代教育裝備，2024（5）：3-4，7.

[11]吳蘭岸，閆寒冰，黃發良，等.大型語言模型在高等教育中的應用分析與現實挑戰[J].現代教育技術，2023（8） ：29-37.

[12]林健，楊冬.工程教育智能化：系統設計與整體實現[J].高等工程教育研究，2024（2）：1-11，96.

（編輯 李春燕）

Research on the cultivation of application-oriented automation professionals driven by both OODA and AI

WANG Yibo， ZHAO Liangkai， ZHANG Kun，LIANG Weishan，HUANG Qiuyong* （College of Information Science and Engineering，Liuzhou Institute of Technology，Liuzhou 545616， China）

Abstract：Inthecurrnteraofrapidtechnologicaladvancement，there isanincreasingdemandforapplication-oriented innovative talents inthefieldofautomation.Thispaper drawsontheconceptof integrating OODAlooptheory withAI technology toconstruct a brandnew innovativetraining system forapplication-orientedautomation professionals.By constructing anOODAloopmigrationmodel，itisintegrated intotheprofesional qualityasurancesystem，curriculum system，and teaching practice.Thetalent training system isoptimizedaccordingtothefour stagesofobservation，judgment， decision-making，and execution，andcombinedwith AI technology empowerment，thequalityof talent training is comprehensively enhanced.Theaim is toprovide theautomation industry with high-qualityapplication-oriented talents equipped with innovative and practical skils，thereby promoting the innovative development of the industry.

Key Words： application-oriented undergraduate; automation major; OODA loop； AI technology