彭真明
也谈工科专业类教师的课程思政
2021-1-24 20:59
阅读:2694

培养什么人,怎样培养人,为谁培养人,成为中国高等教育必须回答的根本问题。工科课程也并不是“冰冷”的专业说教,同样可以做有温度的教育。

“课程思政指以构建全员、全程、全课程育人格局的形式将各类课程与思想政治理论课同向同行,形成协同效应,把立德树人作为教育的根本任务的一种综合教育理念。”关于工科课程思政,已有不少鲜活的案例,都值得我们学习。但不同课程,又需要任课教师去深入挖掘,去思考和设计。生硬照搬的课程思政模式,则可能走入僵化,对学生的代入感不强。

以图像处理、机器视觉类课程为例。授课中,将核心价值观厚植于课程内容的思政元素比比皆是。

课程绪论中,以图像处理、机器视觉在遥感、气象、航空航天、生物医学工程、军事、公共安全、工农业生产及日常生活等各个领域的广泛应用为切入点,讲述我国航天事业、军事技术的发展,激发学生的中国道路自信和科技进步的信心。

涉及以某个学者命名的算法时,都会有一段传奇的励志故事。Sobel算子、Marr算子、维纳(Wiener)滤波,Garbor滤波等,则可以激发学生献身科学、服务人类社会的决心。

有点偏纯理论的图像变换,如傅里叶变换、小波变换等,也可以引申到从不同视角、不同尺度观察事物的本质,不至于思考问题时的片面性、主观性。

图像复原,本质上是退化的逆运算,但完全恢复却很难。就如生态环境破坏很容易,要完全恢复就要付出更高的代价。让学生深刻领会到“绿水青山,就是金山银山”理念的重要性。

图像处理中整体与局部处理的思想,连续与离散的概念,积分与微分的建模方式等,也都可以把学生带入方法论的思维高度。

图像的边缘检测及视觉特征提取中,从简单差分到Sobel梯度,从LoG算子到Canny确定量化判据的检测思路,从Harris检测器到SIFT特征等一系列算法,无一不是从简单到复杂,从定性到定量的发展过程。这就将“量变质变规律”“发展观”等元素自然融入到了专业课堂。

讲到当今炙手可热的深度学习(Deep Learning)时,因为有大量开源代码和数据,大部分同学觉得搞机器学习容易了,不需要懂数学,不需要经典图像处理、机器学习等基础性知识,也可以轻松上手玩出自己喜欢的精彩。但是仅仅把这当工具,调调参数,改改接口,那只是有限的应用场合,复杂的识别就需要深入研究深度学习的识别机理,这就离不开数学、机器学习等底层知识,而这些才是真正的“卡脖子”技术,需要我们的年轻一代去发展和深入等。从而激发学生真正意义上的科研热情,引导他们对未来的思考和潜心探索的方向。

谈到现今人工智能(AI)飞速发展给社会带来利好的同时,科技也是一把双刃剑,隐私保护、伦理道德、人类威胁等都是科技发展中的基本约束力。

AI chess.jpg

(注:图片来源于网络)

总之,每堂课都是专业知识与科学方法论、核心价值观、家国情怀的有机体。知识是肌肉,方法引导是骨架,核心价值观和人文情怀是魂。将思政元素自然而然地融入到教学内容中,既深化了知识,又发挥了育人功能。

end.jpg

my2dcode.png

长按/扫一扫二维码,敬请关注“闻道研学”

相关博文:

[1]未来课堂,做好未来教师

[2]十年磨一“课”

[3]大学专业课课堂教学随笔

转载本文请联系原作者获取授权,同时请注明本文来自彭真明科学网博客。

链接地址:http://wap.sciencenet.cn/blog-425437-1268756.html?mobile=1

收藏

分享到:

当前推荐数:20
推荐到博客首页
网友评论4 条评论
确定删除指定的回复吗?
确定删除本博文吗?