模式識別人才兩種培養(yǎng)模式的比較與思考

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(zhǔn)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(zhǔn)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(zhǔn)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(biāo)，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