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。
（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。
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：https://wap.sciencenet.cn/blog-425437-1268756.html?mobile=1
收藏
