智能控制課程中英雙語教學(xué)方法研究與教學(xué)案例設(shè)計

尹 鐘，陳 瑋，付東翔，傅迎華，孫 紅

（上海理工大學(xué) 光電信息與計算機(jī)工程學(xué)院，上海 200093）

0 引 言

由于智能控制技術(shù)融合了控制論、自動化技術(shù)和人工智能科學(xué)等諸多重要知識[1]，智能控制課程在智能科學(xué)與技術(shù)專業(yè)本科培養(yǎng)計劃中占有重要地位。一方面，該課程幫助學(xué)生有重點地回顧了自動控制系統(tǒng)的基本結(jié)構(gòu)、功能原理和性能指標(biāo)；另外，學(xué)生可從多種智能理論體系（如模糊推理系統(tǒng)、機(jī)器學(xué)習(xí)、進(jìn)化計算等[2]）了解人工智能方法在控制問題中的具體應(yīng)用案例，學(xué)習(xí)解決復(fù)雜、時變、不確定輸入輸出過程的數(shù)據(jù)驅(qū)動建模和控制器設(shè)計問題[3]。

智能控制課程內(nèi)容涵蓋范圍較廣、應(yīng)用場合多，由于課時數(shù)受限，教師可能無法詳盡解釋個別理論方法的內(nèi)在機(jī)理。學(xué)生需在課后查閱相關(guān)參考文獻(xiàn)，或在研究生學(xué)習(xí)階段學(xué)習(xí)進(jìn)階課程。在此過程中，學(xué)生將不可避免地接觸英文文獻(xiàn)和教材。為了提高學(xué)生在課后獨(dú)立閱讀中英文資料的效率，教師需幫助學(xué)生準(zhǔn)確掌握不同智能控制方法原理的雙語表述和概念思想。具體來說，教師需在采用易于理解的中文課程教材授課的同時，將針對具體方法的國際優(yōu)秀教材作為補(bǔ)充，設(shè)計切實可行的智能控制課程雙語教學(xué)方法，幫助學(xué)生高效且精確地掌握授課內(nèi)容，為進(jìn)階學(xué)習(xí)打下牢固基礎(chǔ)。

考慮到大學(xué)英語教學(xué)內(nèi)容并未完全涵蓋智能科學(xué)涉及的技術(shù)英語，智能控制課程的中英教學(xué)方法可先采用較為保守的“中文為主、英文為輔”模式，在教授過程中循序漸進(jìn)地提高/降低英文內(nèi)容的所占比例。這種雙語教學(xué)模式的特點和新意在于，授課內(nèi)容的中英文比例或知識結(jié)構(gòu)特點可隨學(xué)生的學(xué)習(xí)效果自適應(yīng)調(diào)節(jié)，其難點在于，中英文授課內(nèi)容比例的精確量化和教學(xué)效果的定量評估的實現(xiàn)。為了研究雙語教學(xué)方法中的這兩個問題，需設(shè)計有代表性的案例進(jìn)行驗證。從上述動機(jī)出發(fā)，筆者在以往教學(xué)和文獻(xiàn)閱讀工作的基礎(chǔ)上[4]，針對智能控制課程，探索了切實可行的中英雙語教學(xué)模式，針對關(guān)鍵知識點設(shè)計了可評估授課效果的教學(xué)案例，并將其運(yùn)用于教學(xué)實踐環(huán)節(jié)。

1 自適應(yīng)雙語教學(xué)方法框架設(shè)計

圖1 為智能控制課程自適應(yīng)雙語教學(xué)方法框架，目的是針對本科三年級學(xué)生的平均數(shù)學(xué)、英語、編程水平。首先，基于中文教材和教學(xué)大綱，依據(jù)不同章節(jié)的授課內(nèi)容確定合適的英文教材，保證中英術(shù)語嚴(yán)格準(zhǔn)確地對應(yīng)。表1 列舉了不同章節(jié)對應(yīng)的英文教材信息和適用知識點。第二步，利用分治策略，針對具體授課章節(jié)，設(shè)計切實可行的教學(xué)案例，案例包括理論授課和上機(jī)實驗兩個環(huán)節(jié)。對于前者，雙語模式可幫助學(xué)生掌握智能控制技術(shù)中文術(shù)語的英文表達(dá)；對于后者，該模式可輔助學(xué)生理解相關(guān)智能算法的運(yùn)行原理和編程命令。第三步，教學(xué)實踐并評估不同授課章節(jié)的教學(xué)效果。最后，通過學(xué)期期末考試成績，評估當(dāng)前中英文授課比例下教學(xué)模式的效果，優(yōu)化教學(xué)方法。

圖1 展示了智能控制課程自適應(yīng)雙語教學(xué)方法的框架結(jié)構(gòu)，其流程包含一個前饋路徑和兩個反饋回路。首先，基于制定的中文教材，分析智能控制課程知識結(jié)構(gòu)；再依據(jù)表1 確定模糊推理系統(tǒng)、專家系統(tǒng)、遞階控制、神經(jīng)網(wǎng)絡(luò)等章節(jié)分別對應(yīng)的英文參考書目；之后，基于教學(xué)大綱選擇一個授課知識點，備課并設(shè)計相關(guān)教學(xué)案例，進(jìn)行教學(xué)實施，評估章節(jié)授課效果；此時，需分析反饋局部授課效果，改進(jìn)中英文內(nèi)容比例，同時，選擇下一個知識點，繼續(xù)上述流程；當(dāng)學(xué)期結(jié)束時，分析考試成績，作為評估學(xué)期內(nèi)整體授課效果的基礎(chǔ)，基于這些反饋信息改進(jìn)雙語授課案例、實驗案例、教學(xué)實施方法等細(xì)節(jié)，為下一學(xué)年教學(xué)工作做準(zhǔn)備。

2 雙語教學(xué)案例設(shè)計

圖1 智能控制課程自適應(yīng)雙語教學(xué)方法框架結(jié)構(gòu)圖

以智能控制課程人工神經(jīng)網(wǎng)絡(luò)章節(jié)的部分內(nèi)容為例，基于感知器和多層感知器知識點分別設(shè)計了兩個講授案例和兩個上機(jī)實驗案，見表2。針對雙語內(nèi)容，案例1 幫助學(xué)生掌握感知器（組成前饋神經(jīng)網(wǎng)絡(luò)的基本元素）的相關(guān)中英文術(shù)語；案例2 在此基礎(chǔ)上引入感知器訓(xùn)練算法，幫助學(xué)生掌握機(jī)器學(xué)習(xí)模型評估指標(biāo)的術(shù)語；案例3 引入多層感知器誤差逆?zhèn)鞑ニ惴?，幫助學(xué)生掌握鏈?zhǔn)椒▌t、梯度、最小二乘法等術(shù)語的英文表達(dá)和描述，同時引導(dǎo)學(xué)生閱讀多層感知器模型的誤差逆?zhèn)鞑ニ惴ǔ绦颍话咐? 以鳶尾花和MINST 手寫體數(shù)字識別數(shù)據(jù)集為基礎(chǔ)，引導(dǎo)學(xué)生調(diào)研文獻(xiàn)中該問題的歷史最優(yōu)識別精度，提高英文資料的檢索和閱讀理解能力。

表1 智能控制課程知識點對應(yīng)的中英文教材和參考書選擇

表2 感知器和多層感知器知識點雙語教學(xué)案例設(shè)計

2.1 課堂講授案例

借助表1 中智能控制教材第五章節(jié)、神經(jīng)網(wǎng)絡(luò)章節(jié)參考書第一章節(jié)“Rosenblatt 感知器”設(shè)計了案例1 和案例2 的授課內(nèi)容。

案例1 包括以下3 個主要模塊：①感知器模型的基本結(jié)構(gòu)描述，圖2 展示了可視化該結(jié)構(gòu)的雙語幻燈片示例，學(xué)生需先復(fù)習(xí)線性代數(shù)課程中關(guān)于標(biāo)量、向量的基本概念，學(xué)習(xí)突觸權(quán)值、偏置、誘導(dǎo)局部場等雙語術(shù)語，最終理解感知器模型的前饋計算流程；②激發(fā)函數(shù)的類型，學(xué)生需學(xué)習(xí)多種激發(fā)函數(shù)的中、英文、數(shù)學(xué)描述，熟悉其輸入輸出特性，圖中展示了經(jīng)典的對數(shù)S 形激發(fā)函數(shù)；③課堂提問和隨堂練習(xí)，布置基于指定輸入數(shù)據(jù)，計算感知器輸出的習(xí)題，供學(xué)生完成。

案例2包含3個主要模塊：①二類線性可分和線性不可分問題，向?qū)W生展示感知器只能處理線性可分問題，同時學(xué)生須學(xué)習(xí)形如“訓(xùn)練（train）”“子空間（subspace）”“算法（algorithm）”等雙語術(shù)語；②詳述感知器收斂算法（Perceptron convergence algorithm）的基本步驟，幫助學(xué)生準(zhǔn)確理解該算法的證明過程和計算流程，熟練閱讀基于英文的偽代碼；③學(xué)習(xí)機(jī)器學(xué)習(xí)模型評估指標(biāo)，使學(xué)生掌握“精度（accuracy）”“靈敏度（sensitivity）”“特異度（specificity）”等術(shù)語和概念；④隨堂練習(xí)和研討，引導(dǎo)學(xué)生嘗試編寫能自適應(yīng)學(xué)習(xí)率的算法偽代碼，并相互交流。

2.2 上機(jī)實驗案例

基于神經(jīng)網(wǎng)絡(luò)參考書第四章節(jié)“多層感知器”設(shè)計實現(xiàn)案例3、4的內(nèi)容。

學(xué)生通過對案例1、2 的學(xué)習(xí)可掌握人工神經(jīng)元的基本結(jié)構(gòu)。在此基礎(chǔ)上，案例3 引入多層感知器，并向?qū)W生演示訓(xùn)練算法——誤差逆?zhèn)鞑ニ惴ā１窘虒W(xué)內(nèi)容依托MATLAB 平臺實現(xiàn)。學(xué)生需先掌握該算法的推導(dǎo)過程，其部分內(nèi)容見圖3。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程可看作最小化誤差信號e(n)，利用最小二乘思想求取瞬時能量誤差e(n)，繼而利用鏈?zhǔn)椒▌t計算靈敏度因子，從而獲得與調(diào)節(jié)突觸權(quán)重w(n) 相關(guān)的梯度方向。學(xué)生在此階段需掌握該數(shù)學(xué)推導(dǎo)流程中使用的術(shù)語。之后，幫助學(xué)生利用其結(jié)論編寫前饋多層感知器的訓(xùn)練程序，在此過程中教師將現(xiàn)場演示示例程序的實現(xiàn)流程，并為每行語句添加中英文注釋。課后，學(xué)生需遞交實驗報告和可閱讀的程序代碼。

圖2 感知器模型結(jié)構(gòu)幻燈片示例

圖3 誤差逆?zhèn)鞑ニ惴▽崿F(xiàn)過程幻燈片示例

案例4 中，學(xué)生將鳶尾花和MINST 數(shù)據(jù)應(yīng)用于案例3 的程序，嘗試基于單隱層前饋神經(jīng)網(wǎng)絡(luò)實現(xiàn)有監(jiān)督模式識別。圖4 展示了一個實驗結(jié)果示例，其中，學(xué)生需研究多層感知器隱層節(jié)點個數(shù)和輸入數(shù)據(jù)噪聲水平同時提高時，測試識別精度的變化趨勢?？梢姡S隱層節(jié)點增加，模型泛化能力下降，而噪聲水平并未顯著影響精度變化。最后，幫助學(xué)生分析實驗數(shù)據(jù)——多層感知器雖對噪聲有一定的“濾波”能力，但由于訓(xùn)練數(shù)據(jù)有限，過于復(fù)雜的模型結(jié)構(gòu)易導(dǎo)致過擬合問題。

3 教學(xué)實施與總體評估

依據(jù)提出的教學(xué)方法和教學(xué)案例，針對智能控制課程“神經(jīng)網(wǎng)絡(luò)”章節(jié)設(shè)計了相應(yīng)教學(xué)模塊，并將其應(yīng)用于上海理工大學(xué)2015 級智能科學(xué)與技術(shù)和測控技術(shù)與儀器專業(yè)的智能控制課程。為了初步試驗所實施教學(xué)方法的有效性，筆者僅在神經(jīng)網(wǎng)絡(luò)、模糊推理系統(tǒng)和學(xué)習(xí)控制章節(jié)采用了雙語教學(xué)方法。在教學(xué)實施過程中，大部分學(xué)生對理解雙語內(nèi)容并無明顯障礙，能較好地掌握大部分英文術(shù)語和重要概念描述，在討論環(huán)節(jié)表現(xiàn)出更高的參與度。表3 展示了兩個班級學(xué)生的期末考試成績，其中試卷難度無顯著性差異。筆者統(tǒng)計了所有選課的13 名2015 級學(xué)生（均為智能專業(yè)）和認(rèn)真出席課程的13 位2014 級學(xué)生（9位智能專業(yè)、4 位測控專業(yè)），并將成績由高至低排序。

圖4 案例4 實驗結(jié)果示例：iris 數(shù)據(jù)集測試精度隨輸入噪聲強(qiáng)度與隱層節(jié)點個數(shù)變化趨勢

表3 傳統(tǒng)授課方式和雙語授課方式成績對比

從表3 中可見，采用雙語授課方式的2015級學(xué)生得分更高。采用威爾科克森（Wilcoxon）符號秩檢驗發(fā)現(xiàn)，該成績提升顯著（p＜ 0.05）。另一方面，學(xué)生成績的標(biāo)準(zhǔn)差略微升高，其潛在原因在于當(dāng)前授課模式未能適應(yīng)個別學(xué)生的聽課習(xí)慣。因此，可在下一學(xué)年的授課環(huán)節(jié)略微降低雙語授課內(nèi)容比例，提高講授環(huán)節(jié)幻燈片的可讀性，優(yōu)化學(xué)生的認(rèn)知負(fù)荷，進(jìn)一步提升雙語教學(xué)效果。

4 結(jié) 語

該方法在實際教學(xué)實施中幫助學(xué)生掌握關(guān)鍵知識點，使學(xué)生取得了較高的期末考試成績。值得指出，少部分學(xué)生對英語授課內(nèi)容的接受度不高，導(dǎo)致其在雙語學(xué)習(xí)教學(xué)模式下的學(xué)習(xí)效能下降。因此，該方法仍需通過多個學(xué)期的教學(xué)實施，更仔細(xì)地改進(jìn)和優(yōu)化。在未來的工作中，可對學(xué)生的評教分?jǐn)?shù)和課堂問卷指標(biāo)統(tǒng)計分析，探究雙語內(nèi)容的最優(yōu)比例和搭配方式，進(jìn)一步挖掘該方法的潛力。