基于AI學習的無人機現職軍官培訓方法研究

楊森 趙薇 黨雪江 林志龍

摘? 要 鑒于目前無人機現職軍官培訓在教學方法、教學手段上仍沿襲傳統本科教學模式，培訓過程中存在統一化、單一化等問題，對無人機現職軍官能力需求進行分析，對基于AI學習的無人機現職軍官培訓方法進行探索研究，以2020級無人機裝備保障與運用專業短訓班學員為例，對培訓效果進行分析，以期改變現職軍官固有的培訓模式，力求達到因材施教的目的。

關鍵詞 AI學習;無人機;個性化學習;智測系統

中圖分類號：G642? ? 文獻標識碼：B

文章編號：1671-489X（2021）09-0056-03

1? 軍校任職教育現狀分析

近年來，隨著無人機技術的快速發展、無人機裝備的大量列裝和無人機作戰運用范圍與深度的不斷拓展，對無人機現職軍官專業技能、技術水平、心理素質等方面提出更高要求。該類人員需要對整個無人機系統結構、作戰環境、作戰對象、作戰模式運用、作戰效能等環節和對與其他有人裝備協同作戰方面均要有深刻的了解。目前，陸軍工程大學在現職軍官任職教育培訓機制上還存在一些與實戰能力培養要求不相符的問題，具體表現為：

1）教學對象在知識結構、專業技能、技術水平、心理素質等諸多方面存在很大的差異，學員的學習動力不足;

2）教員隊伍普遍存在任職經歷單一、實戰經驗不足、對部隊實際缺乏了解等問題，難以與學員進行高效溝通;

3）教學內容千篇一律，缺乏對學員個性化認知的思考，缺乏因材施教的設計;

4）教學效果評價形式單一，評價單向，不能動態地跟蹤學員的學習行為，無法科學地預判學員在未來任職崗位上的發展情況。

為提高無人機現職軍官培訓質量，破解培訓過程中存在的統一化、單一化等問題，本文結合AI智適應學習理念，從無人機現職軍官能力需求分析入手，通過對AI學習的系統結構模型和過程模型的研究，探索基于AI學習的無人機現職軍官培訓新機制，為培養能打仗、打勝仗的高素質、專業化無人機人才服務。

2? 無人機現職軍官能力需求分析

課題組根據向實戰化靠攏的要求，將學員的能力需求與實戰結合;通過大量走訪基層部隊進行調研，獲得豐富而翔實的第一手資料，真正了解到部隊用什么人，做什么事，備什么戰;組織校內部分無人機現職軍官學員進行問卷調查等，根據統計分析結果，總結無人機現職軍官的能力需求如下。

2.1? 掌握過硬的專業知識

無人機系統包括飛機系統、地面系統、數據鏈系統、任務載荷系統和綜合保障系統，涉及的專業知識種類多、內容深，作為現職軍官學員，需要根據不同的專業要求，高標準、嚴要求地學習，要具備良好的學習能力和優秀的知識結構。

2.2? 具備良好的心理素質

軍校學員是國防和軍隊建設的重要人才保障，是打贏未來戰爭的指揮者和決策者，應具備堅定不移的理想信念、寵辱不驚的心理素質、百折不撓的進取意識、樂觀向上的精神狀態，成為有靈魂、有本事、有血性、有品德的新一代革命軍人。

2.3? 掌握一定的作戰指揮能力

現代信息化聯合作戰參戰力量多元，組織指揮更加復雜，協同性要求嚴格。這就需要超前謀劃，訓練學員具備一定的作戰指揮素養，能處理各種緊急問題，統籌規劃多種任務，有大局優先意識。

2.4? 具備一定的無人機戰術運用能力

無人機是我軍武器裝備中最具智能化、無人化特征的武器裝備，是信息化條件下一體化聯合作戰不可或缺的重要組成要素。無人機專業學員只有緊緊圍繞所屬部隊無人機裝備的戰技性能和作戰能力，具備一定的無人機作戰運用能力、方法，才能充分發揮無人機作戰效能，對建設無人化作戰體系、探索智能化作戰模式、推動軍隊轉型發展產生積極影響。

3? 基于AI學習的無人機現職軍官培訓方法研究

AI學習是實現AI（人工智能）支持下學習者的自適應學習。自適應學習是根據學習者提供的輸入信息和學習行為數據進行學習資源、學習方式或者學習內容等方面的動態、個性化學習。當今自適應學習面臨的最大挑戰是如何精準診斷學習者的知識點掌握程度以及學習路徑的精準推薦，AI技術支持下的自適應學習及其模式為實現精準的個性化學習提供了有力支持。為滿足無人機現職軍官的培訓需求，提高無人機現職軍官的培訓效率，以AI自適應學習模式為指導，因材施教。該模式根據每名學員的情況，對他們進行追根溯源的探測，智能分析每個學員的知識漏洞，并根據每一個學員的學習偏好，實時地為其推送最容易學會的教學內容，形成個性化的學習路徑，從而實現精準定位、高效學習。基于AI學習的無人機現職軍官培訓體系框架如圖1所示。

第一步：能力需求分析

結合無人機現職軍官教學大綱和培訓方案，通過問卷調查、部隊調研等方式歸納總結適應信息化作戰要求的無人機現職軍官在知識儲備、實戰能力培養等方面的需求，建立無人機現職軍官崗位能力需求結構模型。

第二步：信息完善與學前智測

首先掌握學員的基本信息，如身份屬性、部隊崗位、發展需求、學習情況及受教育程度等;其次，在第一步建立的能力需求結構模型的基礎上，對每一名學員進行學前智測。智測系統中預設相關的知識點，學員在教員指導下完成相應知識點的測試，生成先行的測驗報告，報告需要能夠確定學員相關知識點的薄弱環節。

第三步：推送學習資料與展開學習

根據學前智測的數據分析，教員通過智測系統向學員推送指向薄弱知識點的相關學習資料和內容，包括理論基礎知識、實裝操作視頻、專業組訓方案、故障案例分析庫等。學員通過學習這些內容，實現針對薄弱知識點的學習，進而達到提高學習效率的目的。同時，智測系統在學習過程中還可根據學員對知識點的掌握情況進行知識點邏輯關系以及學習路徑的動態調整，并可為學員提供相應的知識點學習報告。

第四步：難度分層與靶向練習

在對學員薄弱知識點進行精準定位后，需根據知識點的難度層次及其先后邏輯順序將知識點進行難度分層處理，為學員搭建一個從易到難的知識點學習路徑，并根據學員對知識點的掌握情況，為每一名學員提供針對性的靶向練習，從而達到增強學習效果的目的。

第五步：學習分析與輔導

通過分析每一名學員在學習過程中所生成的學習報告，有針對性地對學員薄弱知識環節進行重點輔導，達到因材施教、個性化教學的目的。

4? 效果分析

課題組選擇2020級無人機裝備保障與運用專業短訓班學員進行系統測試。測試前、測試中和測試后通過座談交流、問卷調查、統計分析、研討總結、畢業聯考成績分析等渠道收集學員、教員、專家對智測系統的意見，歸納起來，主要涵蓋軟件設計、學習內容、學習效果、總體評價等四大類。表1～表3分別為各類調查結果匯總表。

4.1? 軟件設計滿意度測評與交流

進行軟件設計滿意度測評與交流時，課題組重點提出四方面問題：

1）該軟件界面是否簡潔清楚？

2）人機交互性如何？是否做到以用戶為中心？

3）軟件故障率和加載速度如何？

4）內容組織結構是否合理？是否有助于傳達界面信息？

課題組希望通過分析這些問題的回答來評估該軟件設計的效果。表1列出學員、教員和專家對軟件設計的滿意度統計情況。學員對軟件設計滿意度評價較高，認為界面清楚，定位準確，基本符合自學需要，運行加載速度快。教員和專家認為：以用戶為中心體現得不夠，運行時偶爾會出現故障，在程序設計上還需加強檢驗。課題組認為：該軟件設計時間較短，確實存在需要反復推敲完善的問題，在組織結構上還可以更加優化，這也是以后需要完善和改進的。

4.2? 推送學習內容滿意度測評與交流

進行推送學習內容滿意度測評與交流時，課題組重點提出三方面問題：

1）你認為目前該測試系統中“無人機裝備保障與運用”專業課程的測試模塊與教學內容是否一致？是否覆蓋學習知識點？

2）試題難度水平如何？是否與自己的水平相適應？

3）測試內容能否反映工作中亟待解決的問題？是否與實戰化內容適應？

課題組希望通過分析這些問題的回答評價該軟件學習內容的設計是否合理。表2列出學員、教員和專家對學習內容的滿意度統計情況。學員認為：該軟件包含的知識點豐富，題量大，難度水平較為合適，部分內容與自己的工作需要相一致，通過測試可以檢驗自己的學習情況，使用較為方便。教員和專家評價認為：該軟件將課程中的知識點進行了匯總整理，覆蓋全面，但題量過大，測試時間較長，應簡化提煉相關知識點，從實戰操作出發精選題目，部分試題和學員專業關聯度不大，可以考慮刪去;試題中與實戰相關的題目還應再豐富一些，可以設計一些采用虛擬操作的實踐題，讓學員在電腦前就可以完成部分實操項目。

4.3? 學習效果滿意度測評與交流

進行學習效果滿意度測評與交流時，課題組重點提出四方面問題供學員、教員和專家回答：

1）知識內容的呈現和推送是否符合自身學習興趣、能力和需求？

2）能否增強學習效果，檢驗學習進展，幫助反思學習中的問題？

3）能否根據自身學習風格推送學習活動、資源和任務，提高學習效率？

4）使用后考試成績是否提高？能否提高深度學習能力？

表3列出對學習效果的滿意度統計情況。學員認為：該測試系統相比傳統的教員講述授課，形式更加靈活，通過測試對自己的學習水平有初步判斷和了解，學習效率得到提高，省時省力;由于試題答案較為詳盡，可以通過自學掌握部分內容，鍛煉了學習能力。教員認為：該系統能在集中授課前讓學員先測試，根據不足查漏補缺，教員上課時能有針對性地講解，學員聽講也更加專注，減少部分課堂習題的時間，可以騰出更多精力準備一些案例教學和實踐教學，有助于提高教學效率。專家使用后認為：該系統在內容推送的選擇性上還不足，數據挖掘存在表面化現象，無法深入獲得具有高度教學價值的隱性數據，算法較為簡單;僅僅根據成績劃分學習風格并根據風格進行推送，容易讓學員囿于某種固定的學習類型。

4.4? 智測系統總體評價調研

進行智測系統總體評價調研時，課題組根據學員、教員和專家的意見，總結出該系統的優點和不足。

4.4.1? 該系統帶來人性化的人機交互，讓學習者更好地與計算機實現“對話”，實現學習資源的高效利用? 在基于AI的智測系統中，能通過前測完成信息篩選過程，呈現有用的信息和適合學習者的數據，大大提高了資源使用效率。系統采用非線性的知識呈現模式，有利于幫助學員建立完整的知識結構體系，從整體進行把握，將新舊知識點串起來，引導學習方向，促進知識拓展和遷移。

4.4.2? 該系統創新了軍校學員的學習模式，培養了其綜合能力? 學員在學習中遇到的問題可以通過系統獲得及時解答，提高了分析和解決問題的能力，實現知識與技能的雙重提升。計算機可以自動識別和糾錯，根據學員的測試結果生成詳細的學情報告，幫助學員及時掌握學習情況，提升學習質量。

4.4.3? 通過學員填寫的個人信息，比如學習需求、學習偏好，加上測試數據，教員就可以根據后臺統計數據構建學員學習模型，對其當前的知識水平進行估測，分析其學習行為和表現，未來可對學員進行分組教學，對需要幫助的學員及時進行教學干預，改進教學內容和方法? 這些信息將成為掌握該批次學員能力素質，發現其學習規律的重要素材，也是后續不斷升級完善該系統的重要數據，可以據此不斷更新學員模型，為服務學員的個性化學習打下堅實基礎。督導專家可以據此對教員和課程進行評估，提出對現行教學制度的改進，推動院校科學利用和分配教學資源，分析教育計劃和在線學習方法的有效性，為制定不斷發展的教育決策提供依據。

4.4.4? 該系統應用于教學中必將減輕教員的授課壓力，但要防止對教員功能的弱化和忽視? 雖然機器學習能實現智能化和自動化，但教員與學員之間的情感交流、學習輔導和教法設計是AI系統所缺乏的。同時，根據學員學習水平的智能化推送確實提高了學習效率，但也可能導致學員過度依賴系統建議，自我反思和自主學習的意識弱化，想象力、創造力、協作力降低。要強調該系統與教員相互協作而非取代，在應用中不斷提高學員參與度和積極性，達到優勢互補、共同參與促進的目的。■

參考文獻

[1]尹岳.定向直招技術士官培養模式創新研究[J].科學大眾（科學教育）.2016（1）：140.

[2]李海峰，王煒.人工智能支持下的智適應學習模式[J].中國電化教育，2018（12）：88-95，112.

[3]王麗萍，趙蔚，魏久鴻.自適應學習系統中基于Rasch的主題難度估計[J].現代教育技術，2017（6）：115-121.

[4]梁迎麗，劉陳.人工智能教育應用的現狀分析、典型特征與發展趨勢[J].中國電化教育，2018（3）：24-30.

[5]吳南中.自適應學習模型的構建及其實現策略[J].現代教育技術，2017（9）：12-18.

[6]唐羽，心理測試在飛行教學中的應用[J].創新教育，

2012（6）：183-184.