油氣人工智能課程實(shí)踐案例融合與效果評(píng)價(jià)

摘 要 人工智能時(shí)代下，各行業(yè)的交叉學(xué)科建設(shè)也在不斷探索中。針對(duì)“油氣人工智能”交叉學(xué)科的教學(xué)建設(shè)這一問題，文章研究探索了基于案例式的油氣人工智能教學(xué)模式。文章從油氣人工智能教學(xué)的選題模式、學(xué)習(xí)模式、課程實(shí)踐模式等方面進(jìn)行分析，通過具體的教學(xué)實(shí)施，開展了案例庫建立、案例融合教學(xué)實(shí)踐以及教學(xué)反饋評(píng)價(jià)等教學(xué)活動(dòng)，可以為油氣人工智能課程的建設(shè)提供啟發(fā)。

關(guān)鍵詞 交叉學(xué)科；油氣人工智能；案例融合；課程實(shí)踐；課程效果評(píng)估

中圖分類號(hào)：G424 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.16400/j.cnki.kjdk.2024.18.042

Practical Case Integration and Effect Evaluation of

Oil and Gas Artificial Intelligence Course

HU Xiaodong， LIN Botao， SONG Xianzhi

（College of Artificial Intelligence， China University of Petroleum， Beijing 102249）

Abstract Artificial intelligence has brought a new round of industrial change， and in the new era， the construction of artificial intelligence-related interdisciplinary disciplines is also constantly being explored. Aiming at the problem of teaching construction of the interdisciplinary subject of "Oil and gas artificial intelligence"， this paper explores the teaching mode based on case. The teaching mode is analyzed from the aspects of topic selection mode， learning mode and course practice mode of oil and gas artificial intelligence teaching. And through the specific teaching implementation， the teaching activities can provide inspiration for the course construction of oil and gas artificial intelligence.

Keywords cross disciplinary; oil and gas artificial intelligence; case integration; course practice; course effectiveness evaluation

人工智能的出現(xiàn)帶來了新一輪的科技革命，傳統(tǒng)行業(yè)領(lǐng)域與AI的融合也是必然的趨勢(shì)。為了適應(yīng)新時(shí)代下行業(yè)各界對(duì)人才發(fā)展的要求，人工智能的教育變革顯得尤為重要。國(guó)家對(duì)于人工智能方面的人才培養(yǎng)問題越來越關(guān)注[1]。高校要培養(yǎng)出適合社會(huì)發(fā)展的一流高水平創(chuàng)新人才，就需要順應(yīng)人工智能的教育變革潮流，積極融入新一輪科技改革，通過守正創(chuàng)新，加強(qiáng)新興學(xué)科建設(shè)，完善教學(xué)體系和培養(yǎng)體系。

在石油與天然氣領(lǐng)域，傳統(tǒng)油氣行業(yè)的數(shù)字化轉(zhuǎn)型迎來了一系列挑戰(zhàn)，而人工智能技術(shù)正是應(yīng)對(duì)挑戰(zhàn)的一大利器。本文在調(diào)研油氣與人工智能的交叉學(xué)科課程發(fā)展現(xiàn)狀的基礎(chǔ)上，設(shè)計(jì)了基于案例的人工智能和石油與天然氣交叉學(xué)科教學(xué)模式，并通過教學(xué)實(shí)施，初步完成了一個(gè)完整的油氣人工智能課程教學(xué)案例，并進(jìn)行相關(guān)效果評(píng)價(jià)。

1 中國(guó)石油大學(xué)油氣專業(yè)人工智能發(fā)展現(xiàn)狀

當(dāng)前時(shí)代，利用人工智能技術(shù)賦能油氣行業(yè)提質(zhì)、降本、增效已成為必然趨勢(shì)。各大油氣公司、IT企業(yè)、高校等紛紛跨界融合，開展油氣AI新業(yè)務(wù)。高校對(duì)于“人工智能+”油氣的人才培養(yǎng)體系建設(shè)仍需要進(jìn)一步的探索。2018年12月12日，中國(guó)石油大學(xué)（北京）立足油氣學(xué)科優(yōu)勢(shì)，在國(guó)內(nèi)外資源能源領(lǐng)域成立首個(gè)人工智能學(xué)院，率先開啟了油氣領(lǐng)域的人工智能人才培養(yǎng)模式探索。學(xué)院成立后，主辦了多次油氣人工智能高端會(huì)議，并與油氣領(lǐng)域頭部公司和高新技術(shù)企業(yè)簽署合作協(xié)議，共同建立油氣人工智能研究中心、教學(xué)研究實(shí)訓(xùn)基地，促進(jìn)產(chǎn)業(yè)、學(xué)術(shù)、研究和應(yīng)用的深度融合[2]。

人工智能學(xué)院生源來源廣，專業(yè)覆蓋面大，本科學(xué)生來源包括高考錄取、全校大一遴選等，研究生來源包括本碩博一體培養(yǎng)學(xué)生、研究生招生考試等。同時(shí)，油氣全領(lǐng)域+智能的培養(yǎng)模式，決定了教學(xué)過程中領(lǐng)域交叉、行業(yè)覆蓋面廣的特點(diǎn)。因此本碩博的課程教學(xué)均需要從選題、教學(xué)、實(shí)踐等方面為學(xué)生指定差異化的學(xué)習(xí)路線，進(jìn)行“因材施教”的教學(xué)培養(yǎng)方式。

傳統(tǒng)的教學(xué)模式可以總結(jié)為“三個(gè)中心”，即“以教材為中心，以教師為中心，以教室為中心”[3]。對(duì)于本碩博一體培養(yǎng)的學(xué)生，這種教學(xué)模式無法滿足培養(yǎng)研究型創(chuàng)新型人才方向多樣性的需求，不能充分發(fā)揮“產(chǎn)、學(xué)、研、用”融合的教學(xué)理念。以教師為中心會(huì)使得學(xué)生缺乏獨(dú)立思考能力和立體思維方法，以教材為中心也一定程度上導(dǎo)致學(xué)生自主學(xué)習(xí)能力的下降，而以教室為中心的方式，在當(dāng)前信息化智能化時(shí)代，具有一定的低效率問題，同時(shí)對(duì)于教學(xué)過程的生產(chǎn)和實(shí)踐環(huán)節(jié)也具有局限性。

針對(duì)以上問題，本文探索了基于案例式的油氣人工智能課程實(shí)踐教學(xué)模式和評(píng)價(jià)研究，針對(duì)三個(gè)中心，分別從課堂內(nèi)容的選題模式、課程教學(xué)的學(xué)習(xí)模式和實(shí)踐環(huán)節(jié)入手，提出了三個(gè)相應(yīng)的教學(xué)模式，并融合到相關(guān)的教學(xué)實(shí)施當(dāng)中。

2 基于案例式的油氣人工智能教學(xué)模式

當(dāng)前各學(xué)科與人工智能的交叉研究成果尚未形成權(quán)威可靠的教材，而交叉領(lǐng)域的研究課題具有很強(qiáng)的實(shí)踐性，目前已經(jīng)有了豐富的研究案例可供研究學(xué)習(xí)。所以基于油氣人工智能案例的課程教學(xué)活動(dòng)，相比分別基于人工智能教材和油氣課程教材的課程教學(xué)活動(dòng)，在課題選題上具有創(chuàng)新性的同時(shí)，還可以充分鍛煉學(xué)生發(fā)現(xiàn)和解決問題能力，幫助學(xué)生完成教學(xué)學(xué)習(xí)與科研學(xué)習(xí)的過渡，解決了科研與教學(xué)方法統(tǒng)一、成果相互轉(zhuǎn)化、問題延伸研究等問題[4]。

2.1 基于產(chǎn)學(xué)研用融合的豐富選題模式

對(duì)于油氣人工智能的教學(xué)，一方面目前尚未有比較權(quán)威可靠的教材，另一方面教材可能會(huì)限制學(xué)生的學(xué)習(xí)途徑和眼界，教師需要在教學(xué)中不斷將更新的前沿研究呈現(xiàn)給學(xué)生。所以應(yīng)對(duì)這一問題，通過建立一個(gè)涵蓋面廣、領(lǐng)域前沿的多樣選題模式，并結(jié)合案例式教學(xué)模式，可以更好地解決“以教材為中心”無法解決的問題。

學(xué)校擁有教學(xué)和科研經(jīng)驗(yàn)豐富的教授和教學(xué)團(tuán)隊(duì)，并且學(xué)院和國(guó)內(nèi)外多家油氣企業(yè)共建多個(gè)聯(lián)合研究中心，對(duì)于國(guó)內(nèi)外各公司及作業(yè)現(xiàn)場(chǎng)的典型案例有良好的把握，為選題模式中的案例選取、設(shè)計(jì)、教學(xué)成效評(píng)估等方面提供了可靠的基礎(chǔ)。通過這種校企聯(lián)合調(diào)研的方式，得到人工智能與油氣行業(yè)的教學(xué)實(shí)用案例庫，可以充分促進(jìn)產(chǎn)教融合。

學(xué)生在課程初期可以從案例庫中自主選擇自己對(duì)應(yīng)的課題研究，然后將這項(xiàng)研究貫穿整個(gè)課程學(xué)習(xí)的過程中。在整個(gè)教學(xué)過程中，逐漸形成一套課程教學(xué)案例設(shè)計(jì)和評(píng)分標(biāo)準(zhǔn)，并可以在之后的課程迭代中擴(kuò)充完善教學(xué)案例庫，建立起基于產(chǎn)學(xué)研用的豐富選題模式。

2.2 基于講授與歸納融合的多維學(xué)習(xí)模式

由于交叉學(xué)科領(lǐng)域的課題選擇具有多樣性，且任課老師可能并不是在所有領(lǐng)域都精通。所以在前一節(jié)所述的多樣豐富的選題模式下，就需要構(gòu)建一個(gè)教師講授和學(xué)生歸納融合的多維學(xué)習(xí)模式。

在這一模式中，教師會(huì)開展特定案例或課題的講解授課，學(xué)生則需要在充分理解課程內(nèi)容的同時(shí)，深入體會(huì)案例的研究方法，在總結(jié)歸納后，形成一套行之有效的方法論，并運(yùn)用到自己的課題研究之中。同時(shí)，教師可以安排學(xué)生分享和講解自己的學(xué)習(xí)歸納成果和課題研究狀況，然后通過師生的點(diǎn)評(píng)和反饋，完善方法論，修正學(xué)習(xí)科研的思路。在這種學(xué)習(xí)模式下，學(xué)生輪流扮演著不同的角色。作為聽課者，學(xué)會(huì)了知識(shí)學(xué)習(xí)和歸納總結(jié)的方法；作為講授者，培養(yǎng)了自己的邏輯思維能力及語言歸納能力；作為點(diǎn)評(píng)者，可以提高自身發(fā)現(xiàn)問題的能力；作為科研者，可以增強(qiáng)科研的快速學(xué)習(xí)能力和知識(shí)遷移運(yùn)用能力等，鍛煉創(chuàng)新思維。

這種融合了和歸納過程的多維學(xué)習(xí)模式，能更好地激發(fā)學(xué)生的深度思考能力，培養(yǎng)出科研的靈感和興趣。

2.3 基于課堂企業(yè)融合的交叉實(shí)踐模式

傳統(tǒng)的考試模式，已經(jīng)無法很好地支撐交叉學(xué)科的培養(yǎng)考核，尤其是存在大量數(shù)據(jù)和實(shí)驗(yàn)的油氣人工智能領(lǐng)域。這類課程通常需要學(xué)生開展具體實(shí)踐，并通過深切體會(huì)提升其深入思考的能力和實(shí)踐創(chuàng)造的能力。

在教育教學(xué)創(chuàng)新和實(shí)踐上，高校與科技公司、產(chǎn)業(yè)企業(yè)等開展討論合作，共同商議人工智能在油氣領(lǐng)域的教學(xué)融合與教學(xué)實(shí)施等問題，通過構(gòu)建先進(jìn)的教學(xué)實(shí)踐軟硬件平臺(tái)，共建優(yōu)秀教學(xué)實(shí)踐案例庫、實(shí)訓(xùn)基地等，輔助教學(xué)過程，為油氣人工智能課程群建設(shè)提供扎實(shí)的基礎(chǔ)。同時(shí)在學(xué)科具體建設(shè)上，高校要充分規(guī)劃好企業(yè)實(shí)踐的教學(xué)資源，利用好線上課堂會(huì)議和企業(yè)所提供的實(shí)習(xí)實(shí)踐平臺(tái)，合理安排課程內(nèi)容和實(shí)習(xí)實(shí)踐，達(dá)到課堂內(nèi)容和實(shí)習(xí)實(shí)踐相互補(bǔ)充，學(xué)校和企業(yè)共同培育研究型和創(chuàng)新型人才的目標(biāo)。

3 教學(xué)實(shí)施情況

3.1 案例庫設(shè)計(jì)

中國(guó)石油大學(xué)（北京）人工智能學(xué)院通過與企業(yè)聯(lián)合研究攻關(guān)、校企深入交流合作，制訂了一套包含課題與研究?jī)?nèi)容的案例庫，也為“基于產(chǎn)學(xué)研用融合的豐富選題模式”提供了基礎(chǔ)。同時(shí)校內(nèi)各學(xué)院各研究方向的導(dǎo)師、教授，以及學(xué)校研究院的骨干教師成員，也參與了案例設(shè)計(jì)和質(zhì)量把握，他們對(duì)于油氣領(lǐng)域的研究現(xiàn)狀、現(xiàn)場(chǎng)施工情境，以及本校的教育教學(xué)水平等有著深厚的理解，為案例庫的質(zhì)量提供了保障。

案例庫的課題包括故障診斷、參數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)、智能識(shí)別等多個(gè)方向，如：基于數(shù)據(jù)驅(qū)動(dòng)的機(jī)抽井工況診斷、油藏滲流物理和數(shù)據(jù)聯(lián)合驅(qū)動(dòng)的深度神經(jīng)網(wǎng)絡(luò)模型、井筒壓力智能分析計(jì)算模型研究、基于深度學(xué)習(xí)的鉆井參數(shù)優(yōu)化、基于深度學(xué)習(xí)的加油站場(chǎng)景智能視頻識(shí)別、基于深度學(xué)習(xí)的閥室天然氣泄漏監(jiān)測(cè)分析、基于掃描電鏡的頁巖油孔縫智能識(shí)別技術(shù)等。同時(shí)這些課題分別屬于不同部門，校內(nèi)如人工智能學(xué)院、石油工程學(xué)院、非常規(guī)油氣科學(xué)技術(shù)研究院，油氣企業(yè)部門如智慧油田油氣AIoT業(yè)務(wù)部、慧油服解決方案部，以及研究院的各技術(shù)部等。

3.2 案例融合實(shí)踐實(shí)施

本節(jié)以一個(gè)交叉學(xué)科的系統(tǒng)設(shè)計(jì)實(shí)踐類課程為例進(jìn)行分析總結(jié)，下文簡(jiǎn)稱“課程”。

課程采用案例式教學(xué)的方法進(jìn)行教學(xué)實(shí)踐。對(duì)于油氣人工智能案例的分析研究，可以從背景、現(xiàn)狀、技術(shù)路線、數(shù)據(jù)、模型、軟件、結(jié)果等方面進(jìn)行。通過提交作業(yè)報(bào)告、代碼、分析等，完成教學(xué)效果評(píng)價(jià)和課程考核。但對(duì)于不同案例的研究思路和論文結(jié)構(gòu)并不是一成不變的，要以解決問題和提升能力為導(dǎo)向進(jìn)行具體分析。

在課程教學(xué)時(shí)，教師分模塊和課時(shí)對(duì)相關(guān)案例進(jìn)行分析講解，并督促學(xué)生完成課時(shí)總結(jié)歸納。每一模塊的教學(xué)都會(huì)選取典型的學(xué)生成果進(jìn)行展示、講解，由其他同學(xué)和教師進(jìn)行點(diǎn)評(píng)。通過多個(gè)模塊的學(xué)習(xí)，爭(zhēng)取每個(gè)學(xué)生都有作為“講解者”來分享自己研究計(jì)劃的機(jī)會(huì)，提高學(xué)生的整體水平。

成績(jī)考核方面，分別按照模塊的課時(shí)作業(yè)打分作為平時(shí)成績(jī)，大作業(yè)從文獻(xiàn)調(diào)研、小論文、實(shí)踐報(bào)告、展示答辯等方面進(jìn)行評(píng)分，最后綜合平時(shí)成績(jī)和期末成績(jī)作為總成績(jī)。成績(jī)考核評(píng)分時(shí)，邀請(qǐng)能涵蓋課程所有選題方向的各領(lǐng)域?qū)＜液推髽I(yè)技術(shù)人員，分別從課題研究成果的前沿性、創(chuàng)新性、完成度、實(shí)踐報(bào)告等給出評(píng)分和持續(xù)改進(jìn)意見，保證期末評(píng)分的質(zhì)量。

3.3 教學(xué)反饋與評(píng)價(jià)

課程在進(jìn)行教學(xué)活動(dòng)時(shí)，要建立反饋和評(píng)價(jià)機(jī)制來及時(shí)完善課程的不足。教學(xué)反饋是在教學(xué)活動(dòng)中提供信息交流反饋，從而改進(jìn)“教”與“學(xué)”雙方的行為與認(rèn)知，不斷提升教學(xué)效果的過程[5]。教學(xué)反饋方法主要有三類，第一類是課上學(xué)生行為反應(yīng)，如是否能理解教師講述的內(nèi)容、內(nèi)容理解的難易程度等；第二類是問題答疑的途徑，包括微信群、QQ群、答疑課堂、課下沙龍等；第三類是在課程期末以調(diào)查問卷和座談會(huì)的形式了解學(xué)生的實(shí)際情況，讓學(xué)生完善對(duì)教師、課程的希望和建議等。

通過這些反饋途徑，既可以幫助教師在上課時(shí)及時(shí)修正授課路線，又可以讓學(xué)生在課后完善總結(jié)，推動(dòng)課程體系在不斷的迭代過程中逐漸完善，助力人才培養(yǎng)建設(shè)。

4 結(jié)語

本文結(jié)合油氣領(lǐng)域和石大油氣人工智能的教學(xué)發(fā)展現(xiàn)狀，探索了基于案例的油氣人工智能教學(xué)方法。通過學(xué)校、企業(yè)與研究院的深入合作，構(gòu)建了基于產(chǎn)學(xué)研用的選p8XvJTAxYJVmuEygcczARUaZ2KWxtzrdhfPPXdeLffE=題模式作為案例融合教學(xué)的基礎(chǔ)，助力案例式教學(xué)的實(shí)施。在學(xué)習(xí)模式上，學(xué)生可以擔(dān)任如聽課者、講授者、點(diǎn)評(píng)者、科研者等多個(gè)角色，教師擔(dān)任引路人的角色。在實(shí)踐環(huán)節(jié)中，教師充分規(guī)劃資源，利用好校企融合實(shí)習(xí)實(shí)踐平臺(tái)，達(dá)到課堂內(nèi)容和實(shí)習(xí)實(shí)踐相互補(bǔ)充的目標(biāo)。

通過教學(xué)實(shí)施，基于案例式的教學(xué)模式將選題、講授歸納學(xué)習(xí)、校企交叉實(shí)踐進(jìn)行有機(jī)結(jié)合，不僅打開了學(xué)生在人工智能與油氣行業(yè)領(lǐng)域的前沿視野，而且通過講授和歸納的多維學(xué)習(xí)方式提升了其深度思考能力和創(chuàng)新能力，使其具有應(yīng)用所學(xué)方法分析歸納總結(jié)研究方案、解決實(shí)際問題和延伸問題的科研能力，提升了學(xué)生的綜合素質(zhì)，可以為油氣類院校和交叉學(xué)科的教學(xué)建設(shè)提供啟示和參考。

參考文獻(xiàn)

[1] 中華人民共和國(guó)教育部.關(guān)于印發(fā)《人工智能領(lǐng)域研究生指導(dǎo)性培養(yǎng)方案（試行）》的通知[EB/OL].（2022-07-27）. http：//m.moe.gov. cn/s78/A22/tongzhi/202207/t20220729_649598.html.

[2] 人工智能學(xué)院慶祝建校70周年發(fā)展成就展[EB/OL].（2023-11-09）. https：//www.cup.edu.cn/cise/xyxw/b81a1c3a39c74e1bbed5659c0a2f3cf9.htm.

[3] 范江波，張學(xué)輝，張建兵.以混合式教學(xué)實(shí)現(xiàn)“以學(xué)生為中心”的探索[J].教育教學(xué)論壇，2017（42）：166-167.

[4] 何利民，呂宇玲，楊東海，等.能源轉(zhuǎn)型與人工智能時(shí)代油氣儲(chǔ)運(yùn)本科教育應(yīng)對(duì)策略[J].油氣儲(chǔ)運(yùn)，2022，41（6）：694-701.

[5] 林杰，邢俊.美國(guó)大學(xué)形成性教學(xué)反饋的方法[J].四川師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2016，43（1）：81-88.