朱宗曉　楊怡

摘要：通過對課程教學(xué)和競賽輔導(dǎo)兩種模式識別人才培養(yǎng)模式的比較和分析，提出在網(wǎng)絡(luò)背景下創(chuàng)新型人才培養(yǎng)應(yīng)實現(xiàn)教師角色從知識的布道者到問題的輔導(dǎo)者，知識傳授從教師講、學(xué)生記到學(xué)生講、教師評，學(xué)生學(xué)習(xí)從個體學(xué)習(xí)到團隊學(xué)習(xí)3個重大轉(zhuǎn)變，從而培養(yǎng)出符合時代需求和具有創(chuàng)新能力的復(fù)合型人才。

關(guān)鍵詞：模式識別；培養(yǎng)模式；教師角色；組織管理

0、引言

高等教育的目的在于培養(yǎng)符合時代需求、具有創(chuàng)新能力的復(fù)合型人才。當(dāng)代高等教育在互聯(lián)網(wǎng)沖擊下在全世界范圍內(nèi)都出現(xiàn)了明顯兩極分化的趨勢。一方面，傳統(tǒng)教育模式下培養(yǎng)出來的大學(xué)生越來越難以找到工作，深層次原因在于現(xiàn)代經(jīng)濟對于受教育勞工的需求正在被重新分配。計算機能做的工作越來越多，使得大量的中端職位被智能機器扼殺，而高端職位需求增長緩慢。另一方面，在互聯(lián)網(wǎng)時代學(xué)生依靠自學(xué)，令上了鎖的科學(xué)大門不斷為少年敞開。因此，從事高等教育的每一位教師都應(yīng)該認真思考和重新定位自己的角色，從而在網(wǎng)絡(luò)背景下更好地完成創(chuàng)新型人才培養(yǎng)工作。

模式識別是自動化、計算機等專業(yè)的一門新興學(xué)科，源于自動控制與計算機科學(xué)，又和機電一體化、人工生命等學(xué)科密不可分，涉及計算機技術(shù)、控制與決策、電子信息、機電一體化、生物信息等眾多研究領(lǐng)域。人才市場對具有模式識別項目背景的求職者需求旺盛。為了適應(yīng)這種人才需求，從2012年上半年開始，筆者嘗試比較兩種截然不同的模式識別人才培養(yǎng)模式，前者為2012年4-6月期間針對2009級大三30名自動化專業(yè)本科生按教學(xué)大綱規(guī)定的36課堂學(xué)時、12實驗學(xué)時講授模式識別課程，完成教學(xué)任務(wù)后收集、整理、分析學(xué)生的反饋意見；后者為從2012年3月開始，指導(dǎo)3名在模式識別方面零基礎(chǔ)的2009級大三計算機科學(xué)與技術(shù)專業(yè)本科生參加2013年4月舉行的代表全球手寫漢字識別最高水平的自然手寫漢字識別大賽，記錄整理指導(dǎo)歷程和參賽經(jīng)過。通過對這兩種培養(yǎng)模式的實踐、比較與思考，筆者對培養(yǎng)模式識別人才中教師所應(yīng)扮演的角色、知識傳授的方式以及學(xué)習(xí)中人員的組織管理有了一定的新認識。

1、教師的角色——從知識的布道者到問題的輔導(dǎo)者

在講授模式識別課程的過程中，筆者作為知識的布道者，盡管已經(jīng)盡最大努力將該課程講得通俗易懂，但是在課程結(jié)束后的問卷調(diào)查中，筆者發(fā)現(xiàn)90%的學(xué)生認為模式識別這門課程比較深奧，理論原理太多；49%的學(xué)生建議在上這門課前先復(fù)習(xí)講解部分概率論、線性代數(shù)知識；34%的學(xué)生認為這門課有一定難度，希望增加課程學(xué)時，從而能對該課程有更透徹的理解；32%的學(xué)生希望能夠增加實驗課時，將理論與實際更好地結(jié)合起來，加深實踐理解，同時希望把機器人識別、數(shù)字信號識別、人臉識別等貼近生活的、有啟發(fā)性的例子加入實驗。

這表明學(xué)生僅僅依靠課堂上的有限學(xué)時很難真正掌握模式識別這門課程，而教師也無法在有限學(xué)時中將模式識別全部專業(yè)知識充分有效地灌輸給學(xué)生。與此不同的是在指導(dǎo)另外3名沒學(xué)過模式識別課程的本科生參賽時，筆者從網(wǎng)絡(luò)公開課中挑選清華大學(xué)林學(xué)闇教授為本科生錄制的模式識別課程視頻供其觀看，并讓他們自己思考要參與自然手寫漢字識別大賽中的特征分類識別、脫機字符識別、脫機文本識別3個比賽項目，需要用到視頻中講過的哪些技術(shù)，經(jīng)歷一個怎樣的流程，每一步取得一些什么樣的階段性成果。此外，學(xué)生通過上網(wǎng)、用智能手機或iPad聆聽教學(xué)課程會有很多優(yōu)勢，他們用不著因為要多看幾遍課程視頻而感到不好意思，可以按照自己的節(jié)奏安排學(xué)習(xí)。

筆者在每周一次的討論會上把重點放在對學(xué)生作一對一的指導(dǎo)上，解決那些真正阻礙學(xué)生運用這門課程的問題。類似的教學(xué)方法在比爾·蓋茨資助的Khan學(xué)院中得到廣泛推廣，該學(xué)院免費提供從數(shù)學(xué)金融到化學(xué)歷史等學(xué)科的2400多個教學(xué)視頻給美國的合作學(xué)校，以一種顛覆傳統(tǒng)教學(xué)方法的模式進行教學(xué)。這種模式是學(xué)生利用課下時間聽課，用上課時間作輔導(dǎo)或做作業(yè)。這一教學(xué)方式正在以美國為中心向全世界傳播。

2、知識傳授的方式——從教師講、學(xué)生記到學(xué)生講、教師評

無論在網(wǎng)上還是在課堂上，以教師為中心的課程都只能起到有限的教學(xué)效果。研究表明，人腦主要是通過在互動中不斷回憶以接受新鮮概念。這也就是說高質(zhì)量的教學(xué)必須像物理學(xué)諾貝爾獎得主，也是奧巴馬總統(tǒng)的顧問Carl Wieman說的那樣，要“弱化教師授課，著重鼓勵學(xué)生主動解決問題”。在講授模式識別課程時，為了按照教學(xué)大綱要求完成規(guī)定的教學(xué)任務(wù)，筆者在課堂上只能盡可能引導(dǎo)學(xué)生思考、理解一些問題，無法把學(xué)生的積極性真正調(diào)動起來解決問題，而模式識別恰恰是一門實踐性很強的科學(xué)，涉及大量抽象的算法、公式，如果不真正應(yīng)用這些算法、公式解決一些具體的問題，很難對其有深刻的理解。

在指導(dǎo)學(xué)生參加自然手寫漢字識別大賽的13個月中，筆者最初提供給3名參賽學(xué)生的僅僅是一套較為簡單的用于印刷體彝文識別的算法平臺，之后就再也沒有幫助學(xué)生編過一行代碼。學(xué)生要先把這套平臺看懂，然后移植到手寫漢字的數(shù)據(jù)庫上，最后逐步改進提高。于是，每周一次的進度匯報完全以學(xué)生為中心，每名學(xué)生先對上一周的工作進行總結(jié)和匯報，把其中遇到的問題拿出來集體討論。在項目開始的最初幾個月，學(xué)生會問到在學(xué)習(xí)印刷體識別平臺中一些算法的原理和實現(xiàn)方法時遇到的問題，如對印刷體字符如何提取特征、1024維的特征如何壓縮到128維、三層歐式距離分類器如何建立等，筆者可以有針對性地對這些問題進行詳細解答。到了2012年暑假，學(xué)生發(fā)現(xiàn)印刷體識別算法用于自然手寫漢字識別，無論是字符分割還是字符識別都性能低下，與文獻中代表世界先進水平的分割準確率和識別率相差很大，此時筆者就和學(xué)生一起分析原有算法用于自然手寫漢字的局限性，鼓勵學(xué)生閱讀學(xué)習(xí)IEEE Transactions on Pattern Analysis andMachine Intelligence、Pattern Recognition、IEEETransactions on lmage Processing這些世界頂級期刊上相關(guān)文獻所采用的方法，并把自己的理解，無論正確與否，都在進度匯報會上講出來。endprint

接下來的幾個月，學(xué)生不斷將文獻中最新的方法用自己的語言講出來，而筆者則負責(zé)指出講述過程中存在的邏輯漏洞和沒有講清楚的地方，而這些往往恰好是學(xué)生對原文理解出現(xiàn)偏差的地方，從而促使學(xué)生不得不一遍一遍地重新仔細閱讀論文，加深對論文思想的理解。實踐證明，盡管這3名本科生不能完全達到使用這些文獻中最新方法的水平，但是可以在論文思想的啟發(fā)下，建立出自己能夠理解的可以顯著提高原有分割準確率和識別率的算法，最大程度地縮短了與世界先進水平的差距。

3、學(xué)習(xí)中的人才組織管理——從個體學(xué)習(xí)到團隊學(xué)習(xí)

在模式識別課程教學(xué)中，所有學(xué)生接收到的教學(xué)內(nèi)容、思考任務(wù)都是統(tǒng)一的，考核的載體——試卷也是統(tǒng)一命題的，也就是說學(xué)生接受到的是同一種教育。這種方式盡管有助于學(xué)生之間相互交流、理解知識，但卻抹殺個性，短時間內(nèi)難以形成一支有解決問題能力的工作團隊。事實上，參與課程教學(xué)的學(xué)生也很希望以團隊的方式開展學(xué)習(xí)并解決一些實際問題，如54%的學(xué)生希望增加課程設(shè)計并且能夠自己選擇有興趣的題目；33%的學(xué)生希望能夠以小組為單位進行實驗，并且對實驗原來程序進行優(yōu)化，這樣能夠增加難度，培養(yǎng)學(xué)生的創(chuàng)新能力。

在指導(dǎo)學(xué)生參賽的過程中，從項目組成立開始，每名成員就有了自己明確的任務(wù)分工。整個小組要解決自然手寫漢字識別這個模式識別領(lǐng)域里的大問題，每個成員又要解決諸如自然文本分割、字符非線性規(guī)范化、特征提取、特征壓縮、分類器設(shè)計、字符識別這樣一些子問題。每個成員平時針對自己的子問題展開研究，每周則把研究的成果拿到會議上讓大家進行集體學(xué)習(xí)。這樣既發(fā)揮了每名成員的特長，使他們對整個自然手寫漢字識別項目產(chǎn)生了強烈的責(zé)任感，又可以增強團隊解決實際問題的整體能力，拓展了每名成員的知識面，增加了間接經(jīng)驗，同時也符合當(dāng)今社會對復(fù)合型人才專業(yè)分工、緊密合作的要求。相對于千篇一律的課堂教學(xué)，這種團隊學(xué)習(xí)的模式在培養(yǎng)人才方面具有明顯優(yōu)勢。最終，在參與模式識別課程教學(xué)的30名自動化專業(yè)本科生中，僅有一名學(xué)生考上模式識別方向的研究生，其他本科生均未從事與模式識別有關(guān)的工作，而在2013自然手寫漢字識別大賽中，筆者指導(dǎo)的3名本科生成功完成了特征分類識別、脫機字符識別、脫機文本識別3個比賽項目。

國內(nèi)大學(xué)中僅有清華大學(xué)和哈爾濱工業(yè)大學(xué)兩支以教師為主體的隊伍和我們一同參賽，其他7個參賽隊伍分別來自中國、英國、法國、瑞士、日本的一些著名高校、研究所和公司。我們的特征分類識別準確率為92.44%，比最高水平的哈爾濱工業(yè)大學(xué)低2.74%；脫機字符識別為77.71%，比最高水平的Fijitsu中國公司低了17.06%。我們的脫機文本識別由于還處于起步階段，與最好的哈爾濱工業(yè)大學(xué)相差甚遠，但其中的行分割算法在HIT-MW中文自然手寫文檔數(shù)據(jù)庫上的召回率為99.60%、錯誤率0.46%，與最新文獻中召回率99.52%、錯誤率0.32%的水平基本相當(dāng)，這對于一名中南民族大學(xué)的本科生來說難能可貴。

4、結(jié)語

在目前國內(nèi)的教學(xué)環(huán)境和教學(xué)條件下，類似參加自然手寫漢字識別大賽這樣的模式識別人才培養(yǎng)模式還無法完全取代模式識別的課程教學(xué)，但在課程中有意識地參考和借鑒其中的做法，以問題為牽引，鼓勵學(xué)生制訂目標，圍繞課題組成團隊主動學(xué)習(xí)，適當(dāng)減少知識傳授的比例，應(yīng)該能夠更好地激發(fā)學(xué)生學(xué)習(xí)的積極性，達到更好的學(xué)習(xí)效果。在畢業(yè)設(shè)計、課程設(shè)計以及課外學(xué)術(shù)活動指導(dǎo)的過程中，類似的人才培養(yǎng)模式有一定的實用價值和參考意義。endprint