產教融合視角下Python程序設計教學改革探索

摘要：基于分層教學理論和建構主義學習理論，針對無人機應用技術專業與區域產業需求對接不足的狀況，以鄂爾多斯職業學院建筑工程系無人機專業為研究對象 ，提出“專業融合+平臺支撐+多元考核”的課程改革路徑。在專業融合上，整合建筑工程測量、大氣污染監測等跨專業任務，助力學生拓寬知識領域，強化綜合應用能力；依托學習通平臺構建“虛實結合”教學模式，為教學提供有力支撐，增進學習體驗；設計如景區巡檢、光伏板缺陷分析等分層實訓項目，依據分層教學理論滿足不同層次學生學習需求；建立“過程性+綜合性”考核體系，實現多元考核。實踐顯示，學生核心編程能力（算法設計、代碼調試） 平均得分提升35%，課程綜合成績平均分提升17.07%，參與校企項目率達70% ，為區域低空經濟發展輸送了復合型技術人才。

關鍵詞：產教融合；Python程序設計；考核評價；無人機應用技術；職業教育；實踐教學

中圖分類號：G712" " " 文獻標識碼：A

文章編號：1009-3044（2025）19-0162-04

開放科學（資源服務） 標識碼（OSID）

0 引言

鄂爾多斯地區作為能源重鎮，光伏產業、礦區測繪及景區管理對無人機智能化應用需求迫切。隨著區域經濟的快速發展，這些行業對于能夠熟練運用無人機技術并結合相關編程能力的復合型人才的需求日益增長。然而，傳統Python程序設計存在與建筑工程系專業資源聯動不足、實訓場景單一等問題。在傳統教學模式下，Python課程往往側重理論知識的傳授，與實際工程應用場景結合不夠緊密，導致學生雖然掌握了一定的編程語法，但在面對實際項目時卻缺乏解決問題的能力[1-2]。

基于分層教學理論[3]與建構主義學習理論[4]，本文結合本校無人機專業特色（隸屬建筑工程系） 及區域產業需求，提出以“專業交叉+科技項目反哺”為核心的課程改革方案，旨在解決編程教學與工程實踐脫節的問題，培養出更符合區域產業發展需求的高素質技術技能人才。分層教學理論強調根據學生的不同水平和學習能力進行有針對性的教學，使每個學生都能在原有基礎上得到充分發展；建構主義學習理論則注重學生在學習過程中的主動建構，通過真實情境下的實踐活動，讓學生更好地理解和掌握知識。將這兩種理論應用于課程改革，能夠有效提升教學效果，滿足學生多樣化的學習需求。

1 課程改革特色與地域資源整合

1.1 專業融合設計

依托建筑工程系優勢，將Python教學與以下任務深度結合。

1） 工程測量數據自動化處理：開發Python腳本解析無人機采集的建筑物三維點云數據，與建筑工程技術專業的BIM模型對接（如鄂爾多斯某礦區沉降監測項目） [5]。在該項目中，學生通過編寫Python程序，能夠快速準確地處理無人機采集到的大量點云數據，并將其與BIM模型進行整合，為礦區沉降監測提供了更加直觀和精確的數據支持。這不僅提升了學生的編程能力，還使他們深入了解了工程測量和 BIM 技術在實際項目中的應用，拓寬了專業視野。

2） 質量檢測任務拓展：融入大氣污染監測科技項目，編寫無人機氣象傳感器數據實時分析程序，生成PM2.5熱力圖[6]。學生通過參與這個項目，不僅提高了Python編程能力，還深入了解了大氣污染監測的相關知識和技術，為今后從事環保相關工作奠定了基礎。在實際操作中，學生需要運用 Python 的數據處理和可視化庫，對傳感器采集到的數據進行分析和處理，從而直觀地展示大氣污染的分布情況，這鍛煉了他們解決實際問題的能力。

3） 景區數字化管理：以烏蘭木倫景觀湖為案例，設計無人機航拍圖像拼接與游客流量分析算法，服務本地文旅產業[7]。通過這個項目，學生能夠將Python編程技術應用于景區管理中，為景區的數字化建設提供技術支持，同時也提升了自身的實踐能力和創新能力。例如，在圖像拼接過程中，學生需要運用圖像處理算法，將無人機拍攝的多張圖像拼接成一幅完整的景區地圖，這需要他們對 Python 的圖像處理庫有深入的理解和掌握。

1.2 教學平臺與實訓條件

1） 學習通平臺[8-9]深度應用。線上資源：發布微課視頻（如大疆SDK接口調用教程） 、代碼調試題庫（含建筑工程測量數據處理專項練習） 。豐富的線上資源為學生提供了多樣化的學習途徑，學生可依據自身情況自主安排學習進度與內容[10]。課堂互動：通過“搖一搖”“討論”隨機提問、代碼片段實時共享功能提升參與度，平臺數據計入課堂表現評分。通過學習通平臺的數據分析功能，實時追蹤學生的微課觀看時長、代碼調試正確率、互動答題頻次等行為數據，針對性調整教學資源推送策略，為不同學習進度的學生提供個性化指導建議。這種互動形式極大地激發了學生的學習積極性，同時便于教師及時了解學生的學習狀況，調整教學策略[11]。例如，在“搖一搖” 互動環節中，學生們會積極參與，期待被選中回答問題，這增強了他們的課堂參與感和學習動力。

2） 實訓設備聯動。利用大疆M300 RTK無人機、禪思H20T傳感器等設備，搭建“飛行控制—數據采集—算法開發”一體化實訓鏈，支持光伏巡檢、污染監測等綜合項目開發[12]。先進的實訓設備使學生能夠在真實的項目環境中鍛煉實踐操作能力，增強解決實際問題的能力。在光伏巡檢項目中，學生可以操控無人機進行實地飛行，采集光伏板的數據，然后運用所學的 Python 知識對數據進行分析和處理，判斷光伏板是否存在故障，這讓他們在實踐中真正掌握了無人機應用和編程技術的結合。

2 分層式教學內容設計

2.1 模塊化課程結構（表1）

模塊化課程設計參考了分層遞進的教學理念[13]，將基礎語法與綜合實踐逐步結合，確保學生能力螺旋式提升。

2.2 典型案例設計

案例：光伏板智能巡檢系統開發示例代碼

// 初始化YOLO模型

model = YOLO（'yolov5s.pt'）

// 模擬無人機飛行路徑點

flight_path = [若干路徑點坐標]

// 規劃巡檢路徑

函數 plan_flight_path（waypoints）

計算并選擇最短路徑

返回規劃路徑

結束函數

// 模擬拍攝圖像

函數 capture_images（path）

針對路徑每個點生成模擬圖像

返回圖像列表

結束函數

// 檢測熱斑缺陷

函數 detect_thermal_defects（images）

用模型檢測圖像

提取熱斑缺陷信息

返回缺陷列表

結束函數

// 生成檢測報告

函數 generate_report（defects）

統計缺陷總數

整理每幅圖像缺陷信息

返回報告內容

結束函數

// 主程序

planned_path = plan_flight_path（flight_path）

captured_images = capture_images（planned_path）

detected_defects=detect_thermal_defects（captured_ images）

inspection_report=generate_report（detected_defects）

輸出 inspection_report

代碼說明：

1） 初始化YOLO模型：使用預訓練的yolov5s.pt模型進行目標檢測，用于識別光伏板的熱斑缺陷。實際使用時，可能需要使用在光伏板熱斑數據集上訓練好的模型。

2） 規劃飛行路徑：plan_flight_path函數通過計算各路徑點之間的距離，采用簡單的貪心算法規劃出最短的巡檢路徑。

3） 圖像采集模擬：capture_images函數模擬無人機在飛行路徑上拍攝圖像，這里簡單生成黑色圖像作為模擬，實際應用中應從無人機相機獲取真實圖像。

4） 熱斑缺陷檢測：detect_thermal_defects函數使用YOLO模型對拍攝的圖像進行檢測，識別出熱斑缺陷并記錄邊界框和置信度。

5） 生成檢測報告：generate_report函數根據檢測到的缺陷信息生成檢測報告，包括缺陷總數以及每個圖像中的缺陷詳情。

光伏缺陷檢測算法借鑒了深度學習在圖像處理領域的應用經驗[14]，結合無人機采集數據的特點進行優化。上述算法在實際應用中的效果及各步驟的直觀呈現，如圖1所示，其中展示了無人機巡檢光伏板過程中的不同階段影像，包括巡檢路徑規劃、圖像采集示例以及缺陷檢測相關樣本圖等可視化資源。

3 考核評價體系創新

3.1 “過程性+綜合性”雙軌考核（表2）

過程性考核設計參考了多元評價理論[15]，注重學生動態成長與綜合能力培養。

3.2 技能認證銜接

“1+X”證書融入：將大疆UTC無人機操作員考評標準嵌入實訓任務，通過考核的學生可獲企業認證加分。這一舉措實現了學歷教育與職業技能培訓的有機融合，學生在學習過程中既能掌握專業知識，又能獲得行業認可的技能證書，大大提高了就業競爭力。

4 實施成效與區域服務

4.1 學生能力提升

為直觀展現課程改革對學生能力的積極影響，以鄂爾多斯職業學院無人機應用技術專業某班26名學生為例，對比2023年（改革前） 與2024年（改革后） 的成績分布（表3） 。

對比改革前后數據表明，學生的實踐能力顯著增強，與張香玉等[16]提出的Python課程改革效果趨勢一致。課程同步開展核心編程能力專項測評（綜合實訓任務） ，包含算法設計（占40%） 、代碼調試（占60%） 兩個模塊，采用標準化評分量表（滿分100分） 。測評結果顯示：改革前學生平均得分為62.3分，改革后提升至84.1分，漲幅達35.0%。該專項數據與表3中“平均分提升17.07%”形成互補，分別反映核心技能強化與綜合成績提升的雙重成效。其中，成績在80分及以上的學生占比從改革前的4%提升至改革后的46%。這充分表明，課程改革在提升學生專業知識和技能方面取得了顯著成效，學生在代碼開發、項目實踐等方面的能力得到了切實增強。

4.2 區域服務貢獻

隨著課程改革的推進，學生參與校企合作項目的比例大幅提高，達到了70%。這些學生憑借所學知識和技能，在區域內的光伏產業、礦區測繪、景區管理等領域發揮了重要作用。例如，在光伏產業中，學生參與開發的光伏板智能巡檢系統提高了巡檢效率和準確性，為企業節省了大量人力和時間成本；在礦區測繪項目中，學生運用無人機與BIM模型集成技術，為礦區的規劃和管理提供了高精度的數據支持；在景區管理方面，學生設計的游客流量分析算法幫助景區優化了運營管理，提升了游客體驗；在產學研成果方面，完成鄂爾多斯科技局橫向課題，獲得經費43萬元，這不僅體現了學校的科研實力，也為區域環境保護做出了貢獻；在校企合作方面，與鄂爾多斯市凱圖科技有限公司、鄂爾多斯市云領科技有限公司、鄂爾多斯市志勝數碼科技有限公司等十多家企業緊密合作，提升無人機應用技術人才的綜合就業能力。

5 結論與展望

本教學改革憑借“專業交叉賦能、平臺數據驅動、考核分層遞進”理念，實現編程教學與區域產業精準對接。通過整合跨專業任務、構建“虛實結合”教學模式和創新考核評價體系，培養學生綜合能力與創新精神，為區域低空經濟輸送復合型人才。未來擬引入生成式AI輔助教學設計[17]，進一步推動課程智能化升級，同時深化校企合作模式，持續優化教學內容。鄂爾多斯職業學院無人機應用技術專業以Python程序設計為突破口進行教學改革，成效顯著，達成學校、學生與區域產業多方共贏。未來將持續深化改革，探索創新，為區域經濟社會發展提供更有力的人才與技術支持。

參考文獻：

[1] 楊蕙，吳光林，田正林，等.Python程序設計教學中的問題與對策分析[J].產業與科技論壇，2024，23（17）：145-147.

[2] 龐亞杰.基于翻轉課堂的Python語言程序設計教學改革研究[J].知識文庫，2024，40（21）：183-186.

[3] BLOOM B S.Taxonomy of Educational Objectives： The Classification of Educational Goals， Handbook I： Cognitive Domain[M].New York：David McKay Company，1956.

[4] PIAGET J.The Construction of Reality in the Child[M].New York：Basic Books，1954.

[5] 薛勝超，王慶飛，鄭彥威.基于無人機三維建模技術的礦山實習教學優化[J].教育教學論壇，2021（46）：65-68.

[6] 張夢龍，龔勛陽，夏皓倫.Pandas和Matplotlib在數據分析與可視化中的應用[J].數字技術與應用，2024，42（10）：220-222.

[7] 郭晨灝，柳箐，姜澳，等.基于Python的全國旅游信息統計網站數據抓取研究[J].電腦與信息技術，2024，32（5）：71-74，90.

[8] 陳建，杜楠楠，曹毅，等.虛實結合的無人機控制實驗課程教學設計與實踐[J].實驗室研究與探索，2022，41（1）：175-180.

[9] 吉宸佳，曹爽，張杰，等.無人機航測虛擬仿真實驗系統開發與設計[J].地理空間信息，2022，20（9）：58-62.

[10] 孫晉非，周勇，張瑾，等.基于學習進階的Python程序設計課程教學設計與實踐[J].計算機教育，2025（2）：75-78.

[11] 王彥群，張著，謝渠，等.面向計算思維的“Python程序設計”線上線下混合式教學研究[J].無線互聯科技，2024，21（19）：79-82.

[12] DEEPAN L，DRASHTI P，JORIM M，et al.Preparing Students for Drone Careers Using Active Learning Instruction[J].IEEE ACCESS，2021（9）：126216-126230.

[13] 魯迪，李粟，劉生智，等.項目式教學在“Python語言程序設計”課程中的應用與實踐[J].科技風，2024，27：120-122.

[14] 趙葉純，王森洪，李萬益，等.人工智能賦能Python程序設計課程教學改革研究[J].信息與電腦（理論版），2024，36（21）：1-6.

[15] 雷麗暉，李鵬.基于強化學習的Python程序設計語言教學方法創新[J].計算機教育，2025（1）：110-115.

[16] 張香玉，李江濤，馬保建.Python程序設計課程的教學改革與探索[J].現代商貿工業，2025（3）：255-257.

[17] 陸軍.人工智能技術在高職院校課程教學中的應用研究：以Python程序設計課程為例[J].大學教育，2024（18）：89-92.

【通聯編輯：謝媛媛】