導(dǎo)語(yǔ)：如何才能寫好一篇生物信息學(xué)的基本概念，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

摘要：師范教育改革下高師院校課程的重新建設(shè)已成為重中之重。如何在改革的新背景下建構(gòu)合適的課程體系，成為高師院校要解決的問題。本文立足于師范教育改革背景下的需求，針對(duì)《生物信息學(xué)》課程的特點(diǎn)和教學(xué)中存在的問題進(jìn)行初步探討，就其在教學(xué)方法的更新、教學(xué)標(biāo)準(zhǔn)的編寫、考核方法的改進(jìn)等方面提出了一些思考，希望通過不斷的完善從而提高《生物信息學(xué)》課程的教學(xué)質(zhì)量。

關(guān)鍵詞：師范教育改革；生物學(xué)信息學(xué)；課程建設(shè)

中圖分類號(hào)：G642.0 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-9324（2017）21-0102-02

隨著教育的發(fā)展，教師體制也不斷發(fā)生改變，順應(yīng)發(fā)展的趨勢(shì)，教師資格證的改革開始不斷推進(jìn)與完善。2012年《國(guó)家中長(zhǎng)期教育改革和發(fā)展規(guī)劃綱要》精神和教育部部署啟動(dòng)全國(guó)中小學(xué)和幼兒園教師資格證改革試點(diǎn)工作，2013年《中小學(xué)教師資格考試暫行辦法》出臺(tái)并規(guī)定：試點(diǎn)啟動(dòng)后入學(xué)的師范專業(yè)學(xué)生申請(qǐng)中小學(xué)教師資格應(yīng)參加教師資格考試。2015年我國(guó)正式實(shí)施教師資格證國(guó)考制度，并實(shí)行五年一個(gè)周期的注冊(cè)制度。教師資格證制度的變革是對(duì)高師院校實(shí)施教學(xué)改革的促進(jìn)同時(shí)也是對(duì)師范生的挑戰(zhàn)。改革制度下更要求提高教師的綜合素質(zhì)和學(xué)生能力的培養(yǎng)，而《生物信息學(xué)》所具備的專業(yè)性與前沿性正是師范教育對(duì)學(xué)生著重培養(yǎng)的方向與目標(biāo)。

《生物信息學(xué)》是一門交叉學(xué)科，包含了對(duì)生物信息的獲取、加工、存儲(chǔ)、分配、分析、解釋等在內(nèi)的所有方面，運(yùn)用數(shù)學(xué)、計(jì)算機(jī)科學(xué)和生物學(xué)的各種工具闡明和理解大量數(shù)據(jù)所包含的生物學(xué)意義。隨著大規(guī)模的基因組測(cè)序工作的開展，生物學(xué)數(shù)據(jù)獲得了大量的積累，生物信息學(xué)悄然興起并得以蓬勃發(fā)展。生物信息學(xué)使學(xué)生了解學(xué)科前沿和新技術(shù)進(jìn)展，同時(shí)培養(yǎng)學(xué)生綜合運(yùn)用知識(shí)的能力。但目前多數(shù)院校只將其設(shè)為選修課程，重視程度很低，而且在教學(xué)內(nèi)容、方法等方面存在一些問題。由于師范教育改革對(duì)師范生要求不斷提高，課程的學(xué)法和內(nèi)容也要與時(shí)俱進(jìn)，怎樣建構(gòu)新的課程體系是高師院校需要解決的問題。

一、課程教學(xué)現(xiàn)狀

1.師資力量薄弱。生物信息學(xué)不僅對(duì)教師專業(yè)知識(shí)要求高，同時(shí)也需要有計(jì)算機(jī)理論基礎(chǔ)的教師來授課。但目前教授生物信息學(xué)課程的教師大多都為其他生物學(xué)課程的教師，這些教師往往缺乏專業(yè)的生物信息學(xué)分析軟件操作訓(xùn)練和計(jì)算機(jī)基礎(chǔ)，不能將各學(xué)科更好融合。

2.教學(xué)方法滯后。生物信息學(xué)是一門交叉學(xué)科，但教師在教學(xué)過程依舊采用傳統(tǒng)教學(xué)方法，計(jì)算機(jī)輔助教學(xué)不常見，這種授課方式不僅效果欠佳也沒有發(fā)揮此學(xué)科的優(yōu)勢(shì)。而且在教學(xué)過程中不注重培養(yǎng)學(xué)生對(duì)生物信息學(xué)的重要性的認(rèn)識(shí)，所以學(xué)生認(rèn)為該課程只是理論學(xué)科，認(rèn)識(shí)不到其對(duì)實(shí)踐操作能力的重要和生物數(shù)據(jù)分析的意義。

3.實(shí)踐教學(xué)不足。受傳統(tǒng)的教學(xué)觀念影響，教師在教學(xué)過程中只注重理論教學(xué)忽視實(shí)踐教學(xué)，導(dǎo)致學(xué)生所學(xué)的理論知識(shí)與實(shí)踐脫節(jié)。因?yàn)樯镄畔W(xué)對(duì)于網(wǎng)絡(luò)高度依賴，但由于受學(xué)時(shí)限制，課堂教學(xué)的內(nèi)容有限，實(shí)踐教學(xué)課時(shí)數(shù)較少，內(nèi)容也比較簡(jiǎn)單，缺乏完善的實(shí)踐教學(xué)過程，學(xué)生也缺乏實(shí)際動(dòng)手操作的能力。

4.考評(píng)方案簡(jiǎn)單。生物信息學(xué)的考核重點(diǎn)是學(xué)生對(duì)生物信息基本概念的理解，軟件操作的掌握程度及生物數(shù)據(jù)分析解釋的能力。但一些學(xué)校的考試形式還全部是理論知識(shí)，缺少實(shí)際操作能力的檢驗(yàn)，這種考評(píng)辦法的評(píng)價(jià)效能差，而且不能體現(xiàn)學(xué)科的特點(diǎn)。

二、課程體系建設(shè)優(yōu)化

1.提高教師素質(zhì)。教師是教學(xué)的核心資源，其知識(shí)水平和操作技能都會(huì)影響教學(xué)的效果。提高教師素質(zhì)首先要對(duì)任課教師開展《生物信息學(xué)課程教學(xué)改革和實(shí)踐》專題講座，其次鼓勵(lì)教師通過查閱相關(guān)文獻(xiàn)，了解課程的特點(diǎn)及發(fā)展，組織大家進(jìn)行討論，再次，也要積極組織教師參加科研活動(dòng)，提高科研新能力，在科研過程中進(jìn)一步了解本學(xué)科的前沿內(nèi)容。

2.編寫教學(xué)標(biāo)準(zhǔn)。如今的教師專業(yè)化不只是強(qiáng)調(diào)教師要有扎實(shí)的理論知識(shí)，更要有實(shí)踐能力。所以生物信息學(xué)的課程建設(shè)改革要組織新的教學(xué)內(nèi)容，合理安排理論學(xué)時(shí)特別是實(shí)驗(yàn)學(xué)時(shí)。課程標(biāo)準(zhǔn)對(duì)生物信息學(xué)的研究?jī)?nèi)容、現(xiàn)狀和發(fā)展前景做具體的介紹，主要對(duì)生物信息學(xué)的基本概念和基本方法進(jìn)行講解，重點(diǎn)是分析軟件的操作方法和生物學(xué)數(shù)據(jù)庫(kù)的使用方法的講解。

3.改進(jìn)教學(xué)方法。師范教育改革意味著對(duì)師范生各方面要求的逐漸提高，學(xué)生不能只被動(dòng)接受知識(shí)，所以教師在教學(xué)中要利用多媒體輔助進(jìn)行直觀教學(xué)，演示生物學(xué)數(shù)據(jù)庫(kù)的瀏覽與檢索，軟件的使用，基因序列的檢索、基因閱讀框架的找尋、序列比對(duì)、進(jìn)化樹的構(gòu)建等操作。教師也可以提供課件和DNASTAR、DNAMAN、MEGA、BIOEDIT等軟件安裝程序及使用手冊(cè)等擴(kuò)大學(xué)生的自學(xué)空間，使學(xué)生的被動(dòng)學(xué)習(xí)變?yōu)橹鲃?dòng)學(xué)習(xí)，也符合師范教育對(duì)學(xué)生創(chuàng)造能力、應(yīng)用能力的培養(yǎng)。

4.教學(xué)科研結(jié)合。生物信息學(xué)教學(xué)強(qiáng)調(diào)能力的培養(yǎng)，且學(xué)科的交叉性也能使學(xué)生將所學(xué)知識(shí)與之結(jié)合。教師可以鼓勵(lì)學(xué)生參與相關(guān)課題研究，學(xué)校也可以提供機(jī)會(huì)讓學(xué)生參與到創(chuàng)新創(chuàng)業(yè)性研究的科研項(xiàng)目中，這樣的學(xué)習(xí)方式可以激發(fā)學(xué)生對(duì)科研的興趣，鞏固課程中所學(xué)到的知識(shí)，使學(xué)生掌握生物信息學(xué)課程的實(shí)踐技能，也更好的體現(xiàn)對(duì)師范生創(chuàng)新能力培養(yǎng)。

5.優(yōu)化理論課結(jié)構(gòu)。師范教育提倡以學(xué)生為主體的授課方式，所以課堂可以采取不同的學(xué)習(xí)方式如小組合作或?qū)W生講述等以此豐富理論課的教學(xué)模式。教師可以提出問題由小組成員討論研究學(xué)習(xí)，課堂也可以以自講的方式進(jìn)行學(xué)習(xí)，學(xué)生通過查閱資料了解學(xué)科在臨床醫(yī)學(xué)、藥物產(chǎn)業(yè)等方面的應(yīng)用以及在后基因組時(shí)代的主要研究?jī)?nèi)容等，不僅掌握了前沿知識(shí)同時(shí)也鍛煉教師技能，對(duì)于師范教育培養(yǎng)有很好的促進(jìn)作用。

6.加強(qiáng)實(shí)驗(yàn)課建設(shè)。師范教育在強(qiáng)調(diào)師范生理論知識(shí)的同時(shí)更注重實(shí)際的操作能力，所以實(shí)驗(yàn)教學(xué)起著越來越重要的作用，在學(xué)習(xí)中通過生物數(shù)據(jù)庫(kù)的使用，可以提高學(xué)生處理生物信息的能力。生物學(xué)數(shù)據(jù)庫(kù)均可以通過網(wǎng)絡(luò)提供數(shù)據(jù)檢索服務(wù)，學(xué)生可以根據(jù)理論知識(shí)進(jìn)行相應(yīng)的實(shí)際操作。學(xué)院可以進(jìn)一步開放實(shí)驗(yàn)室，為學(xué)生創(chuàng)造動(dòng)手操作的自學(xué)實(shí)驗(yàn)環(huán)境。

7.改革考核方法?？荚囀菣z測(cè)教學(xué)效果的方法，也是促進(jìn)學(xué)生學(xué)習(xí)的有力手段。如何考核需要制定詳細(xì)的評(píng)價(jià)指標(biāo)體系。生物信息學(xué)的考核改革是在基礎(chǔ)考核之上增加了小組答辯和論文成績(jī)。小組答辯以生物信息學(xué)在疾病研究中的應(yīng)用為擬設(shè)計(jì)命題，培養(yǎng)學(xué)生協(xié)作收集整理相關(guān)文獻(xiàn)并展示其整合分析結(jié)果的能力。論文以蛋白質(zhì)生物信息學(xué)分析在藥物靶點(diǎn)挖掘和藥物設(shè)計(jì)中的應(yīng)用為題。最后根據(jù)論文結(jié)構(gòu)完整性和內(nèi)容獨(dú)創(chuàng)性、條理邏輯性和學(xué)術(shù)水平進(jìn)行評(píng)分。

三、課程體系構(gòu)建的進(jìn)一步設(shè)想

進(jìn)一步利用網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)慕課擴(kuò)展生物信息學(xué)的理論深度與新技術(shù)發(fā)展，學(xué)生可以進(jìn)一步接觸并利用云計(jì)算等技術(shù)對(duì)大數(shù)據(jù)進(jìn)行處理，或基于手機(jī)客戶端讓學(xué)生隨時(shí)可以查詢及學(xué)習(xí)，這樣的構(gòu)建既是生物信息學(xué)課程建設(shè)的發(fā)展，也是培養(yǎng)學(xué)生能力的體現(xiàn)。生物信息學(xué)課程建設(shè)改革對(duì)學(xué)生綜合運(yùn)用知識(shí)的能力起到了促進(jìn)作用，也加強(qiáng)了理論聯(lián)系實(shí)踐的操作能力。生物信息學(xué)能夠培養(yǎng)學(xué)生全面掌握生物學(xué)知識(shí)，對(duì)今后選擇生物學(xué)科領(lǐng)域的工作有推動(dòng)作用，也是師范生成為合格人民教師的理論基礎(chǔ)。

參考文獻(xiàn)：

[1]藍(lán)秋燕.教師資格證“國(guó)考”下師范類教學(xué)法課程變革的探討[J].高教論壇，2014，（3）.

[2]林玉生，汪磊，久梅.談教師資格證國(guó)考框架下的高師心理學(xué)教學(xué)改革[J].遼寧師專學(xué)報(bào)（社會(huì)科學(xué)版），2016，（3）.

[3]趙屹，谷瑞升，杜生明.生物信息學(xué)研究現(xiàn)狀及發(fā)展優(yōu)勢(shì)[J].醫(yī)學(xué)信息學(xué)雜志，2012，33（5）.

[4]于嘯，孫紅敏.計(jì)算機(jī)專業(yè)設(shè)置生物信息學(xué)課程的建設(shè)與實(shí)踐[J].計(jì)算機(jī)教育，2010，（14）.

[5]湯麗華.淺談大學(xué)本科生物信息學(xué)課程建設(shè)與教學(xué)[J].高校講壇，2010，（17）.

[6]陶嫦立.關(guān)于提高生物類專業(yè)《生物信息學(xué)》教學(xué)的一些建議[J].教育教學(xué)論壇，2016，（32）.

[7]石春海，肖建富，吳建國(guó).構(gòu)建優(yōu)質(zhì)教學(xué)體系 促進(jìn)《遺傳學(xué)》精品教育[J].遺傳學(xué)教學(xué)，2013，35（1）.

[8]王彬，韓贊平，張澤民，等.《遺傳學(xué)》課程建設(shè)的實(shí)踐與思考[J].洛陽(yáng)師范學(xué)院學(xué)報(bào)，2008，（5）.

[9]吳建盛，李政輝，張悅.強(qiáng)化創(chuàng)新型開放性實(shí)驗(yàn) 促進(jìn)生物信息學(xué)課程建設(shè)[J].信息通信，2013，（6）.

收稿日期：2016-11-21

篇2

關(guān)鍵詞：生物信息學(xué) 遺傳學(xué) 教學(xué)方法 教學(xué)內(nèi)容

遺傳學(xué)（Genetics）是研究自然界中生物的遺傳和變異規(guī)律的科學(xué)，是生命科學(xué)領(lǐng)域中最為重要和基礎(chǔ)的學(xué)科之一。它也是生物科學(xué)中一門最具活力，發(fā)展最迅速的理論科學(xué)，又是一門緊密聯(lián)系生產(chǎn)實(shí)際的基礎(chǔ)應(yīng)用科學(xué)，對(duì)探索生命起源和本質(zhì)，推動(dòng)整個(gè)生物科學(xué)的發(fā)展起著巨大的作用。因此，遺傳學(xué)作為生命科學(xué)相關(guān)專業(yè)的一門重要主干課程，在教學(xué)中起著舉足輕重的作用。

一、生物信息學(xué)專業(yè)開設(shè)遺傳學(xué)的必要性

20世紀(jì)80年代末，由分子生物學(xué)、計(jì)算機(jī)科學(xué)以及信息技術(shù)等學(xué)科的交叉和結(jié)合產(chǎn)生了生物信息學(xué)（Bioinformatics），它是基于分子生物學(xué)與多種學(xué)科交叉，以計(jì)算機(jī)為工具對(duì)生物相關(guān)信息進(jìn)行儲(chǔ)存、檢索和分析的科學(xué)，是當(dāng)今生命科學(xué)和自然科學(xué)的重大前沿領(lǐng)域之一。近20年，特別是隨著人類基因組計(jì)劃（human genome project，HGP）不斷拓進(jìn)，生物信息學(xué)作為跨越和融合生命科學(xué)與信息技術(shù)的新興學(xué)科已成為生命科學(xué)核心領(lǐng)域和最具活力的前沿領(lǐng)域之一。生物信息學(xué)專業(yè)應(yīng)運(yùn)而生。國(guó)內(nèi)單獨(dú)設(shè)立生物信息學(xué)本科專業(yè)的高校較少，且普遍較晚。

遺傳學(xué)與生物信息學(xué)兩個(gè)學(xué)科之間關(guān)系密切。有國(guó)內(nèi)學(xué)者利用美國(guó)《科學(xué)引文索引》（SCI）數(shù)據(jù)庫(kù)web of science，運(yùn)用文獻(xiàn)計(jì)量學(xué)方法對(duì)8種權(quán)威生物信息學(xué)期刊2001年至2010年于2011年1月15日之前上傳至wed of science的全部文獻(xiàn)進(jìn)行統(tǒng)計(jì)及分析。對(duì)施引文獻(xiàn)按跨學(xué)科強(qiáng)度排列的結(jié)果顯示，遺傳學(xué)及基因與生物信息學(xué)跨學(xué)科文章發(fā)表量居第二位，僅次于生物化學(xué)與分子生物學(xué)。這說明，生物信息學(xué)與遺傳學(xué)直接的跨學(xué)科研究較多，二者交叉學(xué)科的發(fā)展關(guān)系密切。因此，生物信息學(xué)專業(yè)開設(shè)《遺傳學(xué)》課程十分必要。

二、遺傳學(xué)教學(xué)中存在的問題

多年來，不同專業(yè)的《遺傳學(xué)》課程的教學(xué)過程中涌現(xiàn)出一些共性問題，這些問題在生物信息學(xué)本科專業(yè)的教學(xué)過程中也存在。一是，學(xué)科拓展深化與課時(shí)壓縮之間的矛盾。隨著遺傳學(xué)研究范疇的不斷拓展，新的學(xué)科分支相繼涌現(xiàn)，信息量逐步擴(kuò)增，待教授內(nèi)容逐漸增加且顯得零散。但隨著大學(xué)素質(zhì)教育改革的進(jìn)行，更多新的選修課、實(shí)驗(yàn)課被引入，遺傳學(xué)理論課時(shí)被壓縮，課時(shí)減少與內(nèi)容增多的矛盾日益突顯。二是，遺傳學(xué)與其他課程教學(xué)內(nèi)容設(shè)置與組織易重復(fù)。學(xué)科交叉為科研工作提供源源不斷的動(dòng)力，但在教學(xué)工作中學(xué)科滲透也造成教學(xué)內(nèi)容重疊，基礎(chǔ)和關(guān)緊技術(shù)重復(fù)教學(xué)的問題。例如，分子遺傳學(xué)是遺傳學(xué)重要組成部分，是目前遺傳學(xué)研究的重點(diǎn)和熱點(diǎn)，與生物信息學(xué)關(guān)系最為緊密，它包括的遺傳物質(zhì)的本質(zhì)，基因的調(diào)控，基因重組等內(nèi)容也在基因工程、分子生物學(xué)、細(xì)胞學(xué)等課程中作為講授重點(diǎn)。如何利用有限的理論課時(shí)，合理安排教學(xué)內(nèi)容，提高教學(xué)效率值得思考。

與此同時(shí)，生物信息學(xué)作為比較新的本科專業(yè)，開設(shè)各課程之間的銜接問題也比較突出。生物信息學(xué)專業(yè)的學(xué)生在大二開始全面生命科學(xué)和信息技術(shù)相關(guān)程學(xué)習(xí)。在理論知識(shí)在實(shí)際中如何應(yīng)用缺乏概念，學(xué)生達(dá)不到共鳴，這也是生物信息學(xué)專業(yè)低年級(jí)學(xué)生面臨的通病。遺傳學(xué)課程安排在大學(xué)二年級(jí)上學(xué)期講授，對(duì)于剛剛接觸專業(yè)課程的學(xué)生而言本來就陌生，而且信息技術(shù)和生命科學(xué)相關(guān)課程獨(dú)立講授，二者貌似是兩條平行線，怎樣相交碰撞出火花，對(duì)于學(xué)生來說很難結(jié)合，必須由任課老師在授課過程中充分引導(dǎo)。傳統(tǒng)的《遺傳學(xué)》課程教學(xué)注重以雜交分析為主的經(jīng)典遺傳學(xué)理論的講解，很大篇幅集中在三大定律（分離定律、自由組合定律以及連鎖和互換定律）的教授上。遺傳學(xué)課程教學(xué)重點(diǎn)集中在經(jīng)典遺傳學(xué)定律，經(jīng)典案例跟不上學(xué)科發(fā)展。這個(gè)問題已經(jīng)被一線教育工作者認(rèn)知。

綜上，由于學(xué)科本身發(fā)展迅速，涵蓋知識(shí)范圍越來越廣，課時(shí)壓縮等原因，容易讓學(xué)生在學(xué)習(xí)過程中對(duì)該課程產(chǎn)生“內(nèi)容太發(fā)散”“課時(shí)進(jìn)程快”“知識(shí)跨越大”等認(rèn)識(shí)，不利于課程的學(xué)習(xí)。由此可能造成，內(nèi)容廣泛且繁雜“抽象且深?yuàn)W”枯燥無(wú)味，容易讓學(xué)生覺得難或者枯燥。學(xué)生學(xué)習(xí)主動(dòng)性不高。因此，在教學(xué)實(shí)踐中，針對(duì)不同專業(yè)性質(zhì)和培養(yǎng)目標(biāo)存在的差異，不同專業(yè)《遺傳學(xué)》課程教學(xué)應(yīng)在知識(shí)體系、內(nèi)容側(cè)重點(diǎn)、教學(xué)方法等方面在各專業(yè)間有所區(qū)分。特別是生物信息學(xué)這種學(xué)科交叉性強(qiáng)的專業(yè)，如何實(shí)施該專業(yè)本科生遺傳學(xué)的教學(xué)，以達(dá)到即符合本科教學(xué)難易程度的要求，又被大多數(shù)同學(xué)接受，同時(shí)能符合生物信息學(xué)學(xué)科自身特點(diǎn)，需要在教學(xué)過程中逐步的探索與實(shí)踐。本文將結(jié)合資深授課教師經(jīng)驗(yàn)及筆者生物信息學(xué)本科專業(yè)《遺傳學(xué)》教學(xué)經(jīng)歷對(duì)這一問題進(jìn)行闡述。

三、教學(xué)過程中的探討與實(shí)踐

1.制定具有專業(yè)特色的教學(xué)內(nèi)容

（1）優(yōu)化教學(xué)內(nèi)容，關(guān)注專業(yè)需求

生物信息學(xué)專業(yè)的課程教學(xué)中，遺傳學(xué)相關(guān)知識(shí)是需要講授的重點(diǎn)。傳統(tǒng)遺傳學(xué)課程教學(xué)將重點(diǎn)內(nèi)容集中于經(jīng)典遺傳學(xué)定律及其相關(guān)知識(shí)的講授，其優(yōu)點(diǎn)在于能夠幫助學(xué)生打牢遺傳學(xué)知識(shí)基礎(chǔ)，缺點(diǎn)在于教學(xué)內(nèi)容過于單一，沒有包含遺傳學(xué)重要分支的最新知識(shí)，無(wú)法與當(dāng)前的研究熱點(diǎn)聯(lián)系起來，學(xué)生學(xué)習(xí)興趣不高。隨著國(guó)際遺傳學(xué)研究的深入，分子遺傳學(xué)和群體遺傳學(xué)得到長(zhǎng)足發(fā)展，極大地豐富了遺傳學(xué)的知識(shí)體系。為了緊跟國(guó)際研究前沿，國(guó)內(nèi)許多高校對(duì)遺傳學(xué)課程進(jìn)行了教學(xué)改革，在經(jīng)典遺傳學(xué)教學(xué)的基礎(chǔ)上，紛紛加入了分子和群體遺傳學(xué)的教學(xué)內(nèi)容，為后續(xù)開展更深入的專業(yè)研究和學(xué)習(xí)奠定了良好的知識(shí)基礎(chǔ)。為了幫助學(xué)生對(duì)遺傳學(xué)知識(shí)體系形成全面而系統(tǒng)的認(rèn)識(shí)，結(jié)合生物信息學(xué)專業(yè)特點(diǎn)，在教學(xué)設(shè)計(jì)時(shí)借鑒了以“遺傳信息”為主線的教學(xué)思想，教學(xué)內(nèi)容涵蓋了“經(jīng)典”“分子”和“群體”三類主體遺傳學(xué)內(nèi)容。在現(xiàn)實(shí)教學(xué)中，受遺傳學(xué)課時(shí)限制，對(duì)所有遺傳學(xué)知識(shí)點(diǎn)進(jìn)行了梳理和必要的刪減，既把握三種遺傳學(xué)知識(shí)的內(nèi)在聯(lián)系，做好各部分知識(shí)的教學(xué)銜接，同時(shí)注意區(qū)分三者的不同，突出教學(xué)重點(diǎn)，做到“主題鮮明，重點(diǎn)突出，點(diǎn)面結(jié)合，結(jié)構(gòu)清晰”，使學(xué)生在掌握經(jīng)典基礎(chǔ)理論知識(shí)的同時(shí)了解最新的遺傳學(xué)研究進(jìn)展。

（2）生物信息學(xué)專業(yè)遺傳學(xué)課程與其他課程的銜接

遺傳學(xué)是研究生物遺傳和變異的科學(xué)，以遺傳物質(zhì)結(jié)構(gòu)和功能為研究對(duì)象，是生命科學(xué)的主干。因此，與其他學(xué)科在內(nèi)容上有交叉或重疊無(wú)法避免。同中求異，突出遺傳學(xué)的特色，是教學(xué)中值得研究的問題。遺傳物質(zhì)的本質(zhì)、染色體畸變、基因突變、遺傳調(diào)控等章節(jié)與微生物學(xué)、細(xì)胞生物學(xué)、生物化學(xué)內(nèi)容重復(fù)較多，可以強(qiáng)調(diào)知識(shí)結(jié)構(gòu)的完整性，淡化這些內(nèi)容的分子結(jié)構(gòu)和生化過程的講解。例如，結(jié)合孟德爾定律和摩爾根定律案例，著重從染色體和基因角度切入，增強(qiáng)遺傳學(xué)色彩，同時(shí)對(duì)其他課程起到提綱挈領(lǐng)的作用。

（3）結(jié)合生物信息學(xué)，引入最新研究成果，體現(xiàn)前沿性

在處理好學(xué)科銜接之后，還需要關(guān)注的就是內(nèi)容與生物信息學(xué)的結(jié)合。學(xué)生在學(xué)習(xí)過程中，最想了解的莫過于，這門課程與我的專業(yè)有什么聯(lián)系？因此，在講授內(nèi)容中加入生物信息學(xué)手段解決遺傳學(xué)問題的新成果既體現(xiàn)前沿性，又能提高遺傳學(xué)課程的專業(yè)針對(duì)性。教師平時(shí)要多注意積累教學(xué)素材，對(duì)于現(xiàn)階段比較熱點(diǎn)且與生物信息學(xué)相關(guān)的、應(yīng)用性強(qiáng)的問題，要在課程基礎(chǔ)知識(shí)講授后，進(jìn)行一定拓展。例如，在講授基因定位和遺傳圖繪制時(shí)，引入用EST進(jìn)行基因定位及遺傳圖譜繪制等內(nèi)容；在講到遺傳家譜時(shí)，引入通過對(duì)患病群體或家系進(jìn)行外顯子組測(cè)序分析，對(duì)小家系孟德爾遺傳病的致病基因進(jìn)行鑒別和定位的例子。通過引入生物信息學(xué)教學(xué)例子，不僅可以使學(xué)生加深對(duì)遺傳學(xué)知識(shí)的理解，還可幫助學(xué)生了解生物信息學(xué)最新進(jìn)展，激發(fā)對(duì)后續(xù)生物信息學(xué)專業(yè)課程的學(xué)習(xí)興趣。

2.教學(xué)方法多樣化，提升學(xué)生學(xué)習(xí)興趣

遺傳學(xué)教學(xué)內(nèi)容繁雜、理論性強(qiáng)，不易理解。為了提高教學(xué)效果，在教學(xué)模式上必須變“以教師為主體”為“以學(xué)生為主體”，注重采用靈活多樣的教學(xué)方法和手段，開展多媒體教學(xué)、案例教學(xué)和研討教學(xué)等，將傳統(tǒng)抽象、枯燥的說教式教學(xué)轉(zhuǎn)變?yōu)榫唧w、生動(dòng)的參與式教學(xué)，增強(qiáng)教與學(xué)的雙向互動(dòng)。

（1）多媒體教學(xué)方式

計(jì)算機(jī)多媒體輔助教學(xué)改變了傳統(tǒng)的黑板加粉筆，以教師為中心灌輸式教學(xué)模式。多媒體通過實(shí)時(shí)可交互的多維動(dòng)畫及圖像展示，可以增強(qiáng)教學(xué)內(nèi)容的展示效果，提高課堂教學(xué)的信息量和容積率，提升學(xué)生學(xué)習(xí)興趣，加深對(duì)枯燥晦澀知識(shí)點(diǎn)的理解，提高教學(xué)效率。充分利用多媒體課件的超文本功能、交互功能、網(wǎng)絡(luò)功能的優(yōu)勢(shì)，比如Holliday模型是分子水平上關(guān)于遺傳重組機(jī)制的重要模型，很好解釋了基因轉(zhuǎn)變現(xiàn)象。在講到Holliday模型時(shí)，為了讓學(xué)生直觀了解單鏈交換重接及分支移動(dòng)后的Holliday交叉旋轉(zhuǎn)180度形成Holliday異構(gòu)體的過程，采用了動(dòng)畫、圖片、電子板書相結(jié)合的方式，很容易讓學(xué)生理解空間旋轉(zhuǎn)互換的過程，以及基因轉(zhuǎn)變產(chǎn)生的原因等較難理解的知識(shí)點(diǎn)，反響較好。此外，聲音、視頻、動(dòng)畫、圖片等便于學(xué)生拆解枯燥內(nèi)容。

（2）案例教學(xué)

案例教學(xué)是一種創(chuàng)新型的教學(xué)方式，主要通過開放課堂、增強(qiáng)互動(dòng)，培養(yǎng)學(xué)生運(yùn)用所學(xué)知識(shí)解決實(shí)際問題的能力。案例教學(xué)需要結(jié)合本課程的專業(yè)理論知識(shí)，著眼于達(dá)成課程教學(xué)目的，編寫和準(zhǔn)備基于一定事實(shí)且具有一定場(chǎng)景的教學(xué)案例，這些教學(xué)案例要能夠啟發(fā)學(xué)生的思考，促進(jìn)學(xué)生將從外部學(xué)習(xí)的知識(shí)吸收轉(zhuǎn)化內(nèi)在的專業(yè)素養(yǎng)和能力。在教學(xué)實(shí)踐中，教學(xué)案例是“教”與“學(xué)”互動(dòng)的橋梁和紐帶，使枯燥乏味的學(xué)習(xí)過程變得活潑有趣；“教”不是告訴學(xué)生怎么去做，而是啟發(fā)學(xué)生如何去思考，對(duì)學(xué)生針對(duì)案例問題提出的解決思路進(jìn)行引導(dǎo)和評(píng)價(jià)，鼓勵(lì)學(xué)生創(chuàng)新性思考，找到最優(yōu)的問題解決方法；“學(xué)”不是被動(dòng)的接受，而是主動(dòng)的思考和創(chuàng)造，通過與他人而不僅僅是老師進(jìn)行互動(dòng)和交流，加深對(duì)知識(shí)的理解，培養(yǎng)解決實(shí)際問題的能力。

案例教學(xué)的核心是精心設(shè)計(jì)教學(xué)案例，將知識(shí)內(nèi)化在符合實(shí)際又富于想象的故事情景中，使得學(xué)生通過身臨其境將抽象的理論知識(shí)具體化，學(xué)會(huì)如何用概念性和原理性知識(shí)在實(shí)際工作和研究中解決問題，進(jìn)而加深對(duì)特定原理和概念內(nèi)涵的理解。在教學(xué)實(shí)踐中，先以典型案例提高學(xué)生興趣，把抽象的東西具體化，讓學(xué)生變被動(dòng)接受為主動(dòng)思考，激發(fā)學(xué)生的求知欲。注重培養(yǎng)學(xué)生創(chuàng)造力和解決問題的能力。通過案例的分析，深化學(xué)生對(duì)基本原理、基本概念的理解。案例教學(xué)能很好地啟發(fā)學(xué)生進(jìn)行自主思考，對(duì)于理論性較強(qiáng)，比較枯燥的內(nèi)容，通過案例式教學(xué)能激發(fā)學(xué)生學(xué)習(xí)興趣。所舉案例應(yīng)具有針對(duì)性，要考慮案例產(chǎn)生的時(shí)間、背景和條件，要貼近生活，耳熟能詳，與時(shí)俱進(jìn)。在處理問題的同時(shí)，獲取知識(shí)。進(jìn)行案例教學(xué)過程中，要注重與學(xué)生的互動(dòng)。圍繞教學(xué)目的，選擇合適案例，進(jìn)行啟發(fā)式教學(xué)，調(diào)動(dòng)學(xué)生參與性。教師不能一味平鋪直敘的講案例，還要注意學(xué)生的參與度。只有學(xué)生和教師共同參與，才能達(dá)到預(yù)期教學(xué)效果。

（3）以學(xué)生為主體的教學(xué)

以往課程中，往往針對(duì)經(jīng)典類型習(xí)題進(jìn)行講解，參考“標(biāo)準(zhǔn)答案”。在實(shí)際教學(xué)中發(fā)現(xiàn)，這樣往往造成學(xué)生思想禁錮，學(xué)科交融性不夠。特別是對(duì)于生物信息學(xué)專業(yè)的學(xué)生來說，傳統(tǒng)習(xí)題課或者討論課，沒有實(shí)用效果。習(xí)題課及討論課應(yīng)注重實(shí)用性，關(guān)注遺傳學(xué)與生物信息學(xué)學(xué)科發(fā)展與融合，設(shè)置開放性答案，突出培養(yǎng)學(xué)生創(chuàng)新性的應(yīng)用能力。

課堂教學(xué)不僅要“授業(yè)”，更要“傳道”，即培養(yǎng)學(xué)生如何學(xué)習(xí)和如何思維。根據(jù)教學(xué)內(nèi)容和學(xué)生的認(rèn)知水平，研究、討論、交流式的教學(xué)模式的引入，有助于調(diào)動(dòng)學(xué)生積極性。采用專題自學(xué)，規(guī)定材料與學(xué)生自學(xué)有機(jī)的結(jié)合起來，開展研討，充分體現(xiàn)學(xué)生觀點(diǎn)。同時(shí)，教師只起到點(diǎn)評(píng)引導(dǎo)作用，能培養(yǎng)學(xué)生獲取信息、分析問題、創(chuàng)造性的解決問題的能力，有利于學(xué)生形成科研創(chuàng)新意識(shí)。教師如何正確引導(dǎo)是開展研討式教學(xué)的重點(diǎn)。首先，應(yīng)明確課程在相關(guān)領(lǐng)域中的作用和地位，了解課程的教學(xué)內(nèi)容，選擇課程中適合研討的內(nèi)容，并將研究與討論貫穿教學(xué)的全過程。在選擇題目時(shí)，要考慮專業(yè)相關(guān)程度及考慮不同學(xué)生層次的需求，考慮學(xué)生個(gè)體間的差異，難度適宜。

四、結(jié)語(yǔ)

生物信息學(xué)本科專業(yè)遺傳學(xué)的教學(xué)，以孟德爾定律為基礎(chǔ)，分析遺傳物質(zhì)的存在形式、傳遞、保存及變化，課程脈絡(luò)更加清晰，通過案例教學(xué)的等教學(xué)模式，激發(fā)興趣，并有利于與后續(xù)課程連接，在實(shí)踐教學(xué)中體現(xiàn)了比較好的教學(xué)效果。因?yàn)樯镄畔W(xué)專業(yè)的需求與傳統(tǒng)生物專業(yè)有差異，教學(xué)內(nèi)容側(cè)重點(diǎn)不同這給教師備課增加了難度。同時(shí)，在期末考核時(shí)，由于講授側(cè)重點(diǎn)不同，考試側(cè)重點(diǎn)也應(yīng)有所區(qū)別，在師資允許的前提下，引入小班教學(xué)，有利于教學(xué)側(cè)重點(diǎn)突出。后續(xù)課程如果設(shè)置分子遺傳學(xué)，將使知識(shí)體系更加完整。

參考文獻(xiàn)：

[1]李巨超，李楠.適應(yīng)應(yīng)用型人才培養(yǎng)模式的遺傳學(xué)教學(xué)改革與探索[J].中國(guó)科教創(chuàng)新導(dǎo)刊，2012，（2）：66.

[2]巴恩斯.遺傳學(xué)工作者的生物信息學(xué)[M].丁衛(wèi)，李慎濤，廖曉萍，譯.北京：科學(xué)出版社，2009.3.

[3]皮妍，林娟，侯嶸，等.國(guó)內(nèi)高校遺傳學(xué)教材發(fā)展研究[J].遺傳，2009，31（1）：109-112.

[4]武妍，胡德華.生物信息學(xué)跨學(xué)科研究[J].現(xiàn)代生物醫(yī)學(xué)進(jìn)展，2012，（12）：137-141.

篇3

《離散數(shù)學(xué)》是以一切離散量為研究對(duì)象的一門學(xué)科，包括數(shù)理邏輯、關(guān)系代數(shù)、罔論、集合論等多方面內(nèi)容。這門學(xué)科在計(jì)算機(jī)科學(xué)的發(fā)展和研究中起著重大的作用，比如在編譯原理、數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)庫(kù)系統(tǒng)、人工智能、計(jì)算機(jī)網(wǎng)絡(luò)等專業(yè)課中都大量涉及了離散數(shù)學(xué)中各個(gè)分支的基本概念、基本理論和基本方法。所以它還有一個(gè)專業(yè)的名字――組合數(shù)學(xué)。離散數(shù)學(xué)是掌握和研究計(jì)算機(jī)學(xué)科的必要理論基礎(chǔ)。

有時(shí)人們也把離散數(shù)學(xué)和圖論加在一起算成是離散數(shù)學(xué)。離散數(shù)學(xué)是計(jì)算機(jī)出現(xiàn)以后迅速發(fā)展起來的一門數(shù)學(xué)分支。計(jì)算機(jī)科學(xué)就是算法的科學(xué)，而計(jì)算機(jī)所處理的對(duì)象是離散的數(shù)據(jù)，所以離散對(duì)象的處理就成了計(jì)算機(jī)科學(xué)的核心，而研究離散對(duì)象的科學(xué)恰恰就是離散數(shù)學(xué)。離散數(shù)學(xué)的發(fā)展改變了傳統(tǒng)數(shù)學(xué)中分析和代數(shù)占統(tǒng)治地位的局面?，F(xiàn)代數(shù)學(xué)可以分為兩大類：一類是研究連續(xù)對(duì)象的，如分析、方程等，另一類就是研究離散對(duì)象的離散數(shù)學(xué)。離散數(shù)學(xué)不僅在基礎(chǔ)數(shù)學(xué)研究中具有極其重要的地位，在其它的學(xué)科中也有重要的應(yīng)用，如計(jì)算機(jī)科學(xué)、編碼和密碼學(xué)、物理、化學(xué)、生物等學(xué)科中均有重要應(yīng)用。微積分和近代數(shù)學(xué)的發(fā)展為近代的工業(yè)革命奠定了基礎(chǔ)。而離散數(shù)學(xué)的發(fā)展則奠定了本世紀(jì)的計(jì)算機(jī)革命的基礎(chǔ)。計(jì)算機(jī)之所以被稱為電腦，就是因?yàn)橛?jì)算機(jī)被人編寫了程序，而程序就是算法，在絕大多數(shù)情況下，計(jì)算機(jī)的算法是針對(duì)離散的對(duì)象，而不是在作數(shù)值計(jì)算。正是因?yàn)橛辛穗x散算法才使人感到計(jì)算機(jī)好像是有思維的。

離散數(shù)學(xué)不僅在軟件技術(shù)中有重要的應(yīng)用價(jià)值，在企業(yè)管理、交通規(guī)劃、戰(zhàn)爭(zhēng)指揮、金融分析等領(lǐng)域都有重要的應(yīng)用。在美國(guó)有一家用離散數(shù)學(xué)命名的公司，他們用離散數(shù)學(xué)的方法來提高企業(yè)管理的效益，這家公司辦得非常成功。此外，試驗(yàn)設(shè)計(jì)也是具有很大應(yīng)用價(jià)值的學(xué)科，它的數(shù)學(xué)原理就是組合設(shè)計(jì)。用組合設(shè)計(jì)的方法解決工業(yè)界中的試驗(yàn)設(shè)計(jì)問題，在美國(guó)已有專門的公司開發(fā)這方面的軟件。最近，德國(guó)一位著名離散數(shù)學(xué)家利用離散數(shù)學(xué)方法研究藥物結(jié)構(gòu)，為制藥公司節(jié)省了大量的費(fèi)用，引起了制藥業(yè)的關(guān)注。

在1997年11月的南開大學(xué)離散數(shù)學(xué)研究中心成立大會(huì)上，吳文俊院士指出，每個(gè)時(shí)代都有它特殊的要求，使得數(shù)學(xué)出現(xiàn)一個(gè)新的面貌，產(chǎn)生一些新的數(shù)學(xué)分支，離散數(shù)學(xué)這個(gè)新的分支也是在時(shí)代的要求下產(chǎn)生的。最近，吳文俊院士又指出，信息技術(shù)很可能會(huì)給數(shù)學(xué)本身帶來一場(chǎng)根本性的變革，而離散數(shù)學(xué)則將顯示出它的重要作用。楊樂院士也指出離散數(shù)學(xué)無(wú)論在應(yīng)用上和理論上都具有越來越重要的位置，它今后的發(fā)展是很有生命力、很有前途的，中國(guó)應(yīng)該倡導(dǎo)這個(gè)方面的研究工作。萬(wàn)哲先院士舉例說明了華羅庚、許寶祿、吳文俊等中國(guó)老一輩的數(shù)學(xué)家不僅重視離散數(shù)學(xué)，同時(shí)還對(duì)離散數(shù)學(xué)中的一些基本問題作了重大貢獻(xiàn)。迫于中國(guó)離散數(shù)學(xué)發(fā)展自身的需要，以及中國(guó)信息產(chǎn)業(yè)發(fā)展的需要，在中國(guó)發(fā)展離散數(shù)學(xué)已經(jīng)迫在眉睫，刻不容緩。

2.《離散數(shù)學(xué)》與計(jì)算機(jī)軟件

隨著計(jì)算機(jī)網(wǎng)絡(luò)的發(fā)展，計(jì)算機(jī)的使用已經(jīng)影響到了人們的工作、生活、學(xué)習(xí)、社會(huì)活動(dòng)以及商業(yè)活動(dòng)，而計(jì)算機(jī)的應(yīng)用根本上是通過軟件來實(shí)現(xiàn)的。我在美國(guó)聽到過一種說法，將來一個(gè)國(guó)家的經(jīng)濟(jì)實(shí)力可以直接從軟件產(chǎn)業(yè)反映出來。我國(guó)在軟件上的落后，要說出根本的原因可能并不是很簡(jiǎn)單的事，除了技術(shù)和科學(xué)上的原因外，可能還跟我們的文化、管理水平、教育水平、思想素質(zhì)等諸多因素有關(guān)。除去這些人文因素以外，一個(gè)最根本的原因就是我國(guó)的信息技術(shù)的數(shù)學(xué)基礎(chǔ)十分薄弱，這個(gè)問題不解決，我們就難成為軟件強(qiáng)國(guó)。然而解決這一問題決不是這么簡(jiǎn)單，信息技術(shù)的發(fā)展已經(jīng)涉及了很深的數(shù)學(xué)知識(shí)，而數(shù)學(xué)本身也已經(jīng)發(fā)展到了很深、很廣的程度，并不是單憑幾個(gè)聰明的頭腦去想想就行了，更重要的是需要集體的合作和力量，就像軟件的開發(fā)需要多方面的人員的合作。美國(guó)的軟件之所以能領(lǐng)先，其關(guān)鍵就在于在數(shù)學(xué)基礎(chǔ)上他們有很強(qiáng)的實(shí)力，有很多杰出的人才。一般人可能會(huì)認(rèn)為數(shù)學(xué)是一門純粹的基礎(chǔ)科學(xué)，1+1的解決可能不會(huì)有任何實(shí)際的意義。如果真是這樣，一門純粹學(xué)科的發(fā)展落后幾年，甚至十年，關(guān)系也不大。然而中國(guó)的軟件產(chǎn)業(yè)的發(fā)展已向數(shù)學(xué)基礎(chǔ)提出了急切的需求：網(wǎng)絡(luò)算法和分析、信息壓縮、網(wǎng)絡(luò)安全、編碼技術(shù)、系統(tǒng)軟件、并行算法、數(shù)學(xué)機(jī)械化和計(jì)算機(jī)推理，等等。此外，與實(shí)際應(yīng)用有關(guān)的還有許多許多需要數(shù)學(xué)基礎(chǔ)的算法，如運(yùn)籌規(guī)劃、金融工程、計(jì)算機(jī)輔助設(shè)計(jì)等。如果我們的軟件產(chǎn)業(yè)還是把眼光一直盯在應(yīng)用軟件和第二次開發(fā)，那么我們?cè)趹?yīng)用軟件這個(gè)領(lǐng)域也會(huì)讓國(guó)外的企業(yè)搶去很大的市場(chǎng)。如果我們現(xiàn)在在信息技術(shù)的數(shù)學(xué)基礎(chǔ)上大力支持和投入，那將是亡羊補(bǔ)牢，猶未為晚；只要我們能搶回信息技術(shù)的數(shù)學(xué)基地，那么我們還有可能在軟件產(chǎn)業(yè)的競(jìng)爭(zhēng)中扭轉(zhuǎn)局面，甚至反敗為勝。吳文俊院士開創(chuàng)和領(lǐng)導(dǎo)的數(shù)學(xué)機(jī)械化研究，為中國(guó)在信息技術(shù)領(lǐng)域占領(lǐng)了一個(gè)重要的陣地，有了雄厚的數(shù)學(xué)基礎(chǔ)，自然就有了軟件開發(fā)的競(jìng)爭(zhēng)力。這樣的陣地多幾個(gè)，我們的軟件產(chǎn)業(yè)就會(huì)產(chǎn)生新的局面。值得注意的是，印度有很好的統(tǒng)計(jì)和離散數(shù)學(xué)基礎(chǔ)，這可能也是印度的軟件產(chǎn)業(yè)近幾年有很大發(fā)展的原因。

3.離散數(shù)學(xué)在國(guó)外的狀況

縱觀全世界軟件產(chǎn)業(yè)的情況，易見一個(gè)奇特的現(xiàn)象：美國(guó)處于絕對(duì)的壟斷地位。造成這種現(xiàn)象的一個(gè)根本的原因就是計(jì)算機(jī)科學(xué)在美國(guó)的飛速發(fā)展。當(dāng)今計(jì)算機(jī)科學(xué)界的最權(quán)威人士很多都是研究離散數(shù)學(xué)出身的，美國(guó)最重要的計(jì)算機(jī)科學(xué)系（MIT，Princeton，Stanford，Harvard，Yale，...）都有第一流的離散數(shù)學(xué)家。計(jì)算機(jī)科學(xué)通過對(duì)軟件產(chǎn)業(yè)的促進(jìn)，帶來了巨大的效益，這已是不爭(zhēng)之事實(shí)。離散數(shù)學(xué)在國(guó)外早已成為十分重要的學(xué)科，甚至可以說是計(jì)算機(jī)科學(xué)的基礎(chǔ)。一些大公司，如IBM、AT&T都有全世界最強(qiáng)的組合研究中心。Microsoft的Bill Gates近來也在提倡和支持計(jì)算機(jī)科學(xué)的基礎(chǔ)研究。例如，Bell實(shí)驗(yàn)室的有關(guān)線性規(guī)劃算法的實(shí)現(xiàn)，以及有關(guān)計(jì)算機(jī)網(wǎng)絡(luò)的算法，由于有明顯的商業(yè)價(jià)值，顯然是不會(huì)對(duì)外公開的。美國(guó)已經(jīng)有一種趨勢(shì)，就是與新的算法有關(guān)的軟件是可以申請(qǐng)專利的。如果照這種趨勢(shì)發(fā)展，世界各國(guó)對(duì)離散數(shù)學(xué)和計(jì)算機(jī)算法的投入和競(jìng)爭(zhēng)必然日趨激烈。美國(guó)政府也成立了離散數(shù)學(xué)及理論計(jì)算機(jī)科學(xué)中心DIMACS（與Princeton大學(xué)、Rutgers大學(xué)、AT&T聯(lián)合創(chuàng)辦的，設(shè)在Rutgers大學(xué)），該中心已是離散數(shù)學(xué)理論計(jì)算機(jī)科學(xué)的重要研究陣地。美國(guó)國(guó)家數(shù)學(xué)科學(xué)研究所（Mathematical Sciences Research Institute，由陳省身先生創(chuàng)立）在1997年選擇了離散數(shù)學(xué)作為研究專題，組織了為期一年的研究活動(dòng)。日本的NEC公司還在美國(guó)的設(shè)立了研究中心，理論計(jì)算機(jī)科學(xué)和離散數(shù)學(xué)已是他們重要的研究課題，該中心主任R.Tarjan即是離散數(shù)學(xué)的權(quán)威。美國(guó)重要的國(guó)家實(shí)際室（Los Alamos國(guó)家實(shí)驗(yàn)室，以造出第一顆原子彈著稱于世）從曼哈頓計(jì)劃以來一直重視應(yīng)用數(shù)學(xué)的研究，包括離散數(shù)學(xué)的研究。有關(guān)離散數(shù)學(xué)的計(jì)算機(jī)模擬項(xiàng)目經(jīng)費(fèi)達(dá)三千萬(wàn)美元。不僅如此，該實(shí)驗(yàn)室最近還在積極充實(shí)離散數(shù)學(xué)方面的研究實(shí)力。美國(guó)另外一個(gè)重要的國(guó)家實(shí)驗(yàn)室Sandia國(guó)家實(shí)驗(yàn)室有一個(gè)專門研究離散數(shù)學(xué)和計(jì)算機(jī)科學(xué)的機(jī)構(gòu)，主要從事組合編碼理論和密碼學(xué)的研究，在美國(guó)政府以及國(guó)際學(xué)術(shù)界都具有很高的地位。由于生物學(xué)中的DNA的結(jié)構(gòu)和生物現(xiàn)象與離散數(shù)學(xué)有密切的聯(lián)系，各國(guó)對(duì)生物信息學(xué)的研究都很重視，這也是離散數(shù)學(xué)可以發(fā)揮作用的一個(gè)重要領(lǐng)域。前不久召開的北京香山會(huì)議就體現(xiàn)了國(guó)家對(duì)生物信息學(xué)的高度重視。據(jù)說IBM也將成立一個(gè)生物信息學(xué)研究中心。由于DNA就是離散數(shù)學(xué)中的一個(gè)序列結(jié)構(gòu)，美國(guó)科學(xué)院院士，近代離散數(shù)學(xué)的奠基人Rota教授預(yù)言，生物學(xué)中的組合問題將成為離散數(shù)學(xué)的一個(gè)前沿領(lǐng)域。

最近Thomson Science公司創(chuàng)刊的一份電子刊物《離散數(shù)學(xué)和理論計(jì)算機(jī)科學(xué)》即是一個(gè)很好的說明。它的內(nèi)容涉及離散數(shù)學(xué)和計(jì)算機(jī)科學(xué)的眾多方面。由于計(jì)算機(jī)軟件的促進(jìn)和需求，離散數(shù)學(xué)已成為一門既廣博又深?yuàn)W的學(xué)科，需要很深的數(shù)學(xué)基礎(chǔ)，逐漸成為了數(shù)學(xué)的主流分支。本世紀(jì)公認(rèn)的偉大數(shù)學(xué)家蓋爾芳德預(yù)言離散數(shù)學(xué)和幾何學(xué)將是下一世紀(jì)數(shù)學(xué)研究的前沿陣地。這一觀點(diǎn)不僅得到國(guó)際數(shù)學(xué)界的贊同，也得到了中國(guó)數(shù)學(xué)界的贊同和響應(yīng)。

加拿大在Montreal成立了試驗(yàn)數(shù)學(xué)研究中心，他們的思路可能和吳文俊院士的數(shù)學(xué)機(jī)械化研究中心的發(fā)展思路類似，使數(shù)學(xué)機(jī)械化、算法化，不僅使數(shù)學(xué)為計(jì)算機(jī)科學(xué)服務(wù)，同時(shí)也使計(jì)算機(jī)為數(shù)學(xué)研究服務(wù)。吳文俊院士指出，中國(guó)傳統(tǒng)數(shù)學(xué)中本身就有濃厚的算法思想。

今后的計(jì)算機(jī)要向更加智能化的方向發(fā)展，其出路仍然是數(shù)學(xué)的算法和數(shù)學(xué)的機(jī)械化。另外的一個(gè)有說服力的現(xiàn)象是，離散數(shù)學(xué)家總是可以在大學(xué)的計(jì)算機(jī)系或者在計(jì)算機(jī)公司找到很好的工作，一個(gè)優(yōu)秀的離散數(shù)學(xué)家自然就是一個(gè)優(yōu)秀的計(jì)算機(jī)科學(xué)家。

篇4

關(guān)鍵詞 圖像處理；圖像分析；實(shí)踐教學(xué)；教學(xué)改革

中圖分類號(hào)：G642.0 文獻(xiàn)標(biāo)識(shí)碼：B

文章編號(hào)：1671-489X（2014）02-0090-02

Practical Teaching Reform of Medical Images Processing and Analysis//Tang Min， Zhang Shibing， Shen Xiaoyan

Abstract Medical images processing and analysis is one of the major foundational courses for biomedical engineering. According to the characteristics of this course， several practical teaching reform measures of medical images processing and analysis are carried out， including experiments and course design and the second classes. The author’s rich practical experiences demonstrate that these teaching reform measures can foster the students’ abilities， inspire their interests and therefore improve the teaching effect greatly.

Key words image processing； image analysis； practical teaching； teaching reform

1 引言

生物醫(yī)學(xué)工程是一個(gè)由理、工、醫(yī)交叉融合的新興學(xué)科，是多門工程學(xué)科向生物醫(yī)學(xué)領(lǐng)域滲透的產(chǎn)物，包括生物信息學(xué)、醫(yī)學(xué)圖像處理、生物力學(xué)及生物材料、醫(yī)療器械等多個(gè)分支。其中，醫(yī)學(xué)圖像處理與分析是利用數(shù)學(xué)原理和方法，在計(jì)算機(jī)上針對(duì)不同醫(yī)學(xué)影像設(shè)備（如CT、MRI、B超、PET、SPECT、顯微鏡等）產(chǎn)生的圖像，按照實(shí)際需要進(jìn)行處理、加工和分析。隨著醫(yī)學(xué)成像技術(shù)的發(fā)展與進(jìn)步，圖像處理技術(shù)在醫(yī)學(xué)研究與臨床診斷中的應(yīng)用越來越廣泛，因此，醫(yī)學(xué)圖像處理與分析這門課程的地位和作用也日益重要。

該課程是以數(shù)字圖像處理為基礎(chǔ)，介紹圖像處理中的基本概念、理論和算法，特別針對(duì)醫(yī)學(xué)圖像處理研究中的基本問題以及解決這些問題的原理和實(shí)現(xiàn)方法，使學(xué)生能夠編程將圖像處理算法應(yīng)用于醫(yī)學(xué)圖像的處理和分析，是生物醫(yī)學(xué)工程及相關(guān)專業(yè)的核心主干課程之一。

醫(yī)學(xué)圖像處理與分析這一課程起點(diǎn)高、難度大、理論和實(shí)踐緊密結(jié)合，課程建設(shè)難度較大。雖然目前已有不少院校開展本課程的教學(xué)工作，但實(shí)際教學(xué)情況并不十分理想，主要表現(xiàn)在教材缺乏和實(shí)踐環(huán)節(jié)較少。在中國(guó)期刊網(wǎng)上，以題名包含“醫(yī)學(xué)圖像處理”或“生物圖像處理”以及題名中包含“教學(xué)”為檢索條件，只獲得文獻(xiàn)18篇，其中涉及該課程實(shí)踐教學(xué)的只有6篇，主要集中于虛擬實(shí)驗(yàn)室和實(shí)驗(yàn)教學(xué)系統(tǒng)的研發(fā)[1-6]上，可見在國(guó)內(nèi)關(guān)于該課程的教學(xué)研究尚不多見。

筆者結(jié)合教學(xué)實(shí)踐經(jīng)驗(yàn)，在理論教學(xué)改革的基礎(chǔ)上[7]，提出一些實(shí)踐教學(xué)環(huán)節(jié)的改革措施，以全面培養(yǎng)學(xué)生的學(xué)習(xí)技能，激發(fā)學(xué)習(xí)興趣，改善教學(xué)效果。

2 實(shí)驗(yàn)與課程設(shè)計(jì)的開展

以“科研為教學(xué)服務(wù)，教學(xué)促進(jìn)科研”為宗旨，采用MATLAB編程語(yǔ)言為實(shí)驗(yàn)教學(xué)平臺(tái)，以醫(yī)學(xué)圖像處理知識(shí)為主，同時(shí)綜合醫(yī)學(xué)成像系統(tǒng)、醫(yī)學(xué)電子學(xué)等相關(guān)課程的知識(shí)，編寫《醫(yī)學(xué)圖像處理與分析課程的實(shí)驗(yàn)與課程設(shè)計(jì)指導(dǎo)書》，設(shè)置驗(yàn)證型、綜合型和設(shè)計(jì)型三大類實(shí)驗(yàn)（參見表1）。其中，實(shí)驗(yàn)1～9為驗(yàn)證型實(shí)驗(yàn)，學(xué)生通過調(diào)用MATLAB中已有的圖像處理程序來完成實(shí)驗(yàn)，加深對(duì)理論教學(xué)重點(diǎn)和難點(diǎn)的理解；實(shí)驗(yàn)10～14是綜合型實(shí)驗(yàn)，學(xué)生針對(duì)醫(yī)學(xué)圖像的具體特點(diǎn)，綜合運(yùn)用多種算法達(dá)到圖像處理的目的；實(shí)驗(yàn)15～24是設(shè)計(jì)型實(shí)驗(yàn)，給定實(shí)驗(yàn)?zāi)康暮鸵螅瑢W(xué)生自行設(shè)計(jì)實(shí)驗(yàn)方案并編程實(shí)現(xiàn)，培養(yǎng)他們查閱資料、分析問題和解決問題的能力[6-8]。

3 第二課堂的實(shí)施

為培養(yǎng)學(xué)生的科研實(shí)踐能力，教師有意識(shí)地在課堂中簡(jiǎn)要介紹自己科研項(xiàng)目的基本情況，鼓勵(lì)和引導(dǎo)學(xué)生參加自己的科研項(xiàng)目研究。這不僅增強(qiáng)了他們對(duì)該課程的學(xué)習(xí)興趣和重視度，而且使他們親身經(jīng)歷并體驗(yàn)了醫(yī)學(xué)圖像處理和分析知識(shí)怎樣應(yīng)用于科研和臨床。

由于南通大學(xué)附屬醫(yī)院擁有門類齊全的現(xiàn)代化醫(yī)療儀器設(shè)備，因此鼓勵(lì)學(xué)生利用假期在醫(yī)院實(shí)習(xí)，特別是到影像科和檢驗(yàn)科實(shí)習(xí)，學(xué)習(xí)和掌握各種儀器的功能和圖像處理的場(chǎng)合，從而有助于他們將理論知識(shí)與實(shí)際問題相結(jié)合，提高實(shí)際工作的能力。

在教學(xué)過程中，適當(dāng)融入一些就業(yè)方向的指導(dǎo)，介紹醫(yī)學(xué)圖像處理在醫(yī)院和醫(yī)療器械公司的應(yīng)用狀況，同時(shí)簡(jiǎn)要介紹課程中沒有涉及但與工作密切相關(guān)的最新最熱門的醫(yī)學(xué)圖像處理知識(shí)，供學(xué)生課后自學(xué)和深入研究。這樣一方面增強(qiáng)了學(xué)生的自信，獲得了更好的教學(xué)效果；另一方面也拓寬了學(xué)生的視野，引導(dǎo)他們尋找自己發(fā)展的方向和目標(biāo)。

4 結(jié)論

本文結(jié)合筆者多年來的教學(xué)經(jīng)驗(yàn)，針對(duì)醫(yī)學(xué)圖像處理與分析課程的實(shí)踐教學(xué)環(huán)節(jié)提出一些改革措施，秉承“加強(qiáng)基礎(chǔ)、重視應(yīng)用、培養(yǎng)能力”的宗旨，以“內(nèi)容的基礎(chǔ)性、方法的先進(jìn)性、學(xué)科的交叉性”為原則，編寫《醫(yī)學(xué)圖像處理與分析課程的實(shí)驗(yàn)與課程設(shè)計(jì)指導(dǎo)書》，積極開展第二課堂，實(shí)現(xiàn)教學(xué)、實(shí)驗(yàn)、科研三管齊下，課內(nèi)、課外、理論、實(shí)踐同時(shí)并舉的教學(xué)格局，有效提升學(xué)生的綜合知識(shí)水平和實(shí)驗(yàn)技能，為后續(xù)課程學(xué)習(xí)、畢業(yè)設(shè)計(jì)開展及科學(xué)研究奠定堅(jiān)實(shí)基礎(chǔ)。

參考文獻(xiàn)

[1]趙潔.“醫(yī)學(xué)圖像處理”實(shí)驗(yàn)教學(xué)探索與虛擬實(shí)驗(yàn)室開發(fā)[J].西北醫(yī)學(xué)教育，2008（3）：489-490.

[2]鞏萍，胡俊峰，隋美蓉.《醫(yī)學(xué)圖像處理》實(shí)驗(yàn)教學(xué)系統(tǒng)的設(shè)計(jì)與開發(fā)[J].中國(guó)醫(yī)學(xué)教育技術(shù)，2011（1）：49-52.

[3]王春燕，曲典，吳瑞，等.醫(yī)學(xué)圖像處理教學(xué)實(shí)驗(yàn)系統(tǒng)的設(shè)計(jì)與開發(fā)[J].中國(guó)醫(yī)療設(shè)備，2009（11）：20-22.

[4]周蘇娟，蔣世忠，黃展鵬，等.醫(yī)學(xué)圖像處理遠(yuǎn)程虛擬實(shí)驗(yàn)教學(xué)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[J].中國(guó)醫(yī)學(xué)教育技術(shù)，2011（5）：

526-528.

[5]鄭旭媛，胡春紅，肖振國(guó).醫(yī)學(xué)圖像處理課程設(shè)計(jì)教學(xué)模式探索[J].科技創(chuàng)新導(dǎo)報(bào)，2011（31）：167.

[6]胡彥婷，陳建軍，木拉提哈米提.生物醫(yī)學(xué)工程專業(yè)醫(yī)學(xué)圖像處理課程教學(xué)探討[J].西北醫(yī)學(xué)教育，2012（3）：534-537.

篇5

關(guān)鍵詞：模式識(shí)別；教學(xué)內(nèi)容；授課方式；評(píng)價(jià)方式

模式識(shí)別是60年代迅速發(fā)展起來的一門學(xué)科，該技術(shù)用于自動(dòng)將物理對(duì)象或抽象的多維模式分類到已知或可能未知的類別。目前，市場(chǎng)已經(jīng)存在一些能進(jìn)行字符識(shí)別、手寫體識(shí)別、文檔分類、指紋分類、語(yǔ)音和說話人識(shí)別、白細(xì)胞分類以及其他軍事目標(biāo)識(shí)別的商業(yè)模式識(shí)別系統(tǒng)。低成本、高分辨率傳感器(如CCD攝像機(jī)、麥克風(fēng)和掃描儀)和互聯(lián)網(wǎng)上共享的數(shù)據(jù)為我們提供了關(guān)于文本、語(yǔ)音、圖像和視頻的巨大數(shù)字化資源庫(kù)，對(duì)這些資源進(jìn)行有效的歸檔和檢索，極大推動(dòng)了模式識(shí)別算法在新領(lǐng)域的應(yīng)用，例如文本、圖像和視頻檢索，生物信息學(xué)和面部識(shí)別等。

由于模式識(shí)別是一門理論與實(shí)踐緊密結(jié)合的學(xué)科，理論基礎(chǔ)涉及高等數(shù)學(xué)、線性代數(shù)、數(shù)理統(tǒng)計(jì)、小樣本統(tǒng)計(jì)學(xué)習(xí)理論、模糊數(shù)學(xué)等學(xué)科，因此該課程具有一定的抽象性和難度，學(xué)生不容易理解所學(xué)內(nèi)容。為了使學(xué)生從抽象中理解具體，更好地、自主地、創(chuàng)新地學(xué)習(xí)，教師要在知識(shí)的傳授過程中注重學(xué)習(xí)方法的傳授，故教學(xué)探索成為模式識(shí)別課程中重要的研討內(nèi)容之一。隨著社會(huì)的發(fā)展、國(guó)際交流的頻繁及網(wǎng)絡(luò)技術(shù)的完善，如何借鑒先進(jìn)的國(guó)外教學(xué)理念，更好地培養(yǎng)具有創(chuàng)新能力的學(xué)生，也成為教學(xué)探索的一個(gè)主要問題。

1國(guó)內(nèi)外教學(xué)比較

下面就從教學(xué)內(nèi)容、授課方式和學(xué)生評(píng)價(jià)方式三個(gè)方面來闡明國(guó)內(nèi)外模式識(shí)別教學(xué)。

1.1教學(xué)內(nèi)容

模式識(shí)別領(lǐng)域的國(guó)內(nèi)外研究者和學(xué)者已編著了大量?jī)?yōu)秀教材，由于篇幅關(guān)系，下面僅對(duì)部分教材進(jìn)行簡(jiǎn)要介紹。

Richard O. Duda等編寫的《Pattern Classification》清晰地闡明了模式識(shí)別的經(jīng)典方法和新方法[1]。Sergios Theodoridis編寫的《Pattern Recognition》全面闡述了模式識(shí)別的基礎(chǔ)理論、最新方法以及各種應(yīng)用[2]。Andrew R. Webb編寫的《Statistical Pattern Recognition》對(duì)統(tǒng)計(jì)模式識(shí)別的基本理論和技術(shù)作了全面且詳盡的介紹[3]。J.P.Marques de Sá編寫的《Pattern Recognition：concepts，methods，and applications》詳細(xì)介紹了有關(guān)模式識(shí)別的概念和方法，并附加多個(gè)領(lǐng)域的實(shí)際應(yīng)用案例[4]。M.Narasimha Murty等編寫的《Pattern Recognition：An Algorithmic Approach》講解了模式識(shí)別在算法中應(yīng)用的主要原則，并對(duì)模式識(shí)別的概念和最近取得的進(jìn)步進(jìn)行了詳細(xì)介紹[5]。Brian D.Pipley編寫的《Pattern recognition and neural networks》對(duì)模式識(shí)別和神經(jīng)網(wǎng)絡(luò)進(jìn)行了介紹，并給出了模式識(shí)別領(lǐng)域的許多實(shí)際例子[6]。Satoshi Watanab編寫的《Pattern recognition：human and mechanical》為模式識(shí)別提供了一個(gè)統(tǒng)一的標(biāo)準(zhǔn)，并介紹了該學(xué)科的廣闊前景[7]。Robert J.Schalkoff編寫的《Pattern Recognition：statistical，structural，and neural approaches》探究了模式識(shí)別的核心概念、方法和應(yīng)用[8]。Keinosuke Fukunaga編寫的《Introduction to statistical pattern recognition》，每章都含有大量習(xí)題[9]。

清華大學(xué)的邊肇祺教授等編寫的《模式識(shí)別》主要討論了統(tǒng)計(jì)模式識(shí)別理論和方法，還介紹了人臉識(shí)別、說話人語(yǔ)音識(shí)別及字符識(shí)別等應(yīng)用實(shí)例[10]。干曉蓉教授編寫的《模式識(shí)別》主要內(nèi)容包括貝葉斯決策理論、概率密度估計(jì)、線形判別函數(shù)、無(wú)監(jiān)督學(xué)習(xí)和聚類、特征選擇與提取、模糊模式識(shí)別、人工神經(jīng)網(wǎng)絡(luò)、線形代數(shù)、多維隨機(jī)變量[11]。王碧泉教授等編寫的《模式識(shí)別：理論、方法和應(yīng)用》介紹了特征選擇、聚類和判別等方面的常用模型和算法，模式識(shí)別在地震學(xué)、數(shù)字圖像處理和決策管理等領(lǐng)域中的應(yīng)用[12]。楊光正教授等編寫的《模式識(shí)別》介紹統(tǒng)計(jì)識(shí)別方法和句法方法的基本理論[13]。張學(xué)工教授編寫的《模式識(shí)別》系統(tǒng)地討論了模式識(shí)別的基本概念和代表性方法[14]。齊敏教授等編寫的《模式識(shí)別導(dǎo)論》按照統(tǒng)計(jì)模式識(shí)別、句法模式識(shí)別、模糊模式識(shí)別法和神經(jīng)網(wǎng)絡(luò)模式識(shí)別法四大理論體系來組織全書[15]。蔣先剛教授編寫的《數(shù)字圖像模式識(shí)別工程軟件設(shè)計(jì)》介紹圖像模式識(shí)別的基礎(chǔ)理論和程序?qū)崿F(xiàn)技術(shù)，從工程應(yīng)用的角度全面介紹了圖像模式識(shí)別應(yīng)用軟件設(shè)計(jì)的基本方法和實(shí)用技術(shù)[16]。孫即祥教授等編寫的《模式識(shí)別》系統(tǒng)地論述了各類經(jīng)典的模式識(shí)別的理論與方法，較全面地反映了本學(xué)科的新近科技成果[17]。

2.2授課方式

國(guó)外的授課方式往往注重內(nèi)容的學(xué)習(xí)、知識(shí)的掌握和學(xué)生獨(dú)立思考。課堂教學(xué)理念重參與性、積極性、創(chuàng)造性和靈活性。課堂相對(duì)活躍，講授和討論相輔相成，學(xué)生能積極地參與到課堂教學(xué)中，學(xué)生參與發(fā)問或發(fā)表個(gè)人意見，課堂上的參與往往是學(xué)期分?jǐn)?shù)的一部分，被認(rèn)為是評(píng)估學(xué)生所學(xué)習(xí)的知識(shí)的方法，并注重學(xué)生是否有能力與教師和同學(xué)進(jìn)行知性的對(duì)話。

國(guó)內(nèi)的課堂教學(xué)主要以教師講授為主，學(xué)生被動(dòng)接受，留給學(xué)生的自主空間較狹窄，課堂教學(xué)理念注重系統(tǒng)性、完整性、邏輯性、生動(dòng)性、計(jì)劃性。課堂相對(duì)平靜，討論較少，學(xué)生加入到課堂教學(xué)中的情況不多，學(xué)生參與發(fā)問或發(fā)表個(gè)人意見少。

2.3評(píng)價(jià)方式

國(guó)外對(duì)學(xué)生的培養(yǎng)重經(jīng)驗(yàn)、過程、體驗(yàn)和運(yùn)用。學(xué)生的學(xué)習(xí)過程只是其成長(zhǎng)的一部分，教師評(píng)價(jià)學(xué)生時(shí)十分注重多渠道收集學(xué)生在校、在家和參加社會(huì)活動(dòng)的情況，通過綜合分析，對(duì)學(xué)生進(jìn)行全方位的、細(xì)化的評(píng)價(jià)，其中不僅有教師對(duì)學(xué)生的評(píng)價(jià)，還包括學(xué)生的自評(píng)、學(xué)生之間的互評(píng)、家長(zhǎng)的評(píng)價(jià)和學(xué)生參加社會(huì)活動(dòng)獲得的評(píng)價(jià)。

國(guó)內(nèi)的教學(xué)目標(biāo)是追求知識(shí)、結(jié)果、記憶和會(huì)考試。由于教學(xué)中以教師為主，往往只注意知識(shí)的傳授，忽略了學(xué)生能力和全面素質(zhì)的培養(yǎng)。學(xué)生能牢固地掌握知識(shí)，但知識(shí)運(yùn)用能力差，主動(dòng)和創(chuàng)新能力欠缺。教師對(duì)學(xué)生的評(píng)價(jià)注重期中、期末考試，忽略了學(xué)生參加社會(huì)活動(dòng)的情況。

3教學(xué)探索

基于如下的研究結(jié)果：有效教學(xué)本質(zhì)上取決于教師建立能夠?qū)崿F(xiàn)預(yù)期教育成果的學(xué)習(xí)經(jīng)驗(yàn)的能力，而每個(gè)學(xué)生都參與教學(xué)活動(dòng)是實(shí)施有效教學(xué)的前提[18]，我們從教學(xué)內(nèi)容、授課方式、評(píng)價(jià)方式三個(gè)方面進(jìn)行模式識(shí)別課程的教學(xué)探索。

3.1教學(xué)內(nèi)容

教學(xué)內(nèi)容的安排應(yīng)與本科學(xué)生的學(xué)習(xí)特點(diǎn)和目前所掌握的知識(shí)程度相吻合，才能使學(xué)生牢固掌握知識(shí)。借鑒國(guó)內(nèi)外教學(xué)內(nèi)容情況，我們的模式識(shí)別課程的教學(xué)內(nèi)容共分9個(gè)章節(jié)，分別介紹模式識(shí)別綱要、貝葉斯決策理論、極大似然估計(jì)和貝葉斯參數(shù)估計(jì)、隱馬爾可夫模型、統(tǒng)計(jì)語(yǔ)言模型、支持向量機(jī)、最大熵模型、人工神經(jīng)網(wǎng)絡(luò)、決策樹。

第1章 通過提出問題“智能科學(xué)與技術(shù)專業(yè)的學(xué)生為什么要學(xué)習(xí)模式識(shí)別”和“應(yīng)當(dāng)怎樣學(xué)習(xí)模式識(shí)別課程”展開，具體介紹內(nèi)容包括模式、模式識(shí)別、有監(jiān)督的分類、無(wú)監(jiān)督的分類、模式識(shí)別的主要方法和模式識(shí)別系統(tǒng)。

第2章 “貝葉斯決策理論”介紹了在概率結(jié)構(gòu)都知道的理想情況下的模式分類問題。雖然這種情況在實(shí)際中很少出現(xiàn)，但它為我們提供了一個(gè)能夠與其他分類器進(jìn)行對(duì)比的評(píng)價(jià)依據(jù)，即“最優(yōu)貝葉斯分類器”，幫助我們預(yù)測(cè)推廣到新模式時(shí)的最小誤差率。

第3章 主要圍繞“極大似然估計(jì)和貝葉斯參數(shù)估計(jì)”來展開。在先驗(yàn)概率和類條件概率密度已知的情況下，我們可使用“貝葉斯決策理論”來設(shè)計(jì)最優(yōu)分類器。但是在實(shí)際應(yīng)用中，通常不能得到和問題相關(guān)的全部概率結(jié)構(gòu)知識(shí)，因此我們利用已有的信息，對(duì)問題中涉及的先驗(yàn)概率和條件概率函數(shù)進(jìn)行估計(jì)，并把估計(jì)結(jié)果當(dāng)做實(shí)際的先驗(yàn)概率和條件概率，再來設(shè)計(jì)分類器。

第4章 “隱馬爾可夫模型”在解決一些與時(shí)間序列相關(guān)的問題，即某一過程隨著時(shí)間的流逝而進(jìn)行，而且某個(gè)時(shí)刻發(fā)生的事件受到前一時(shí)刻發(fā)生事件的直接影響中得到了很好的應(yīng)用，隱馬爾可夫模型在語(yǔ)音識(shí)別領(lǐng)域的應(yīng)用是最成功的例子。

第5章 “統(tǒng)計(jì)語(yǔ)言模型”是用來計(jì)算句子概率的模型，在很多自然語(yǔ)言處理的任務(wù)，如機(jī)器翻譯、語(yǔ)音識(shí)別、印刷體或手寫體識(shí)別、拼寫糾錯(cuò)、漢字輸入中都有廣泛的應(yīng)用。在獨(dú)立假設(shè)的前提下，句子的概率公式可被簡(jiǎn)化，并被計(jì)算出來。

第6章 “支持向量機(jī)”的基本思想是尋找一個(gè)能夠?qū)維空間的樣本數(shù)據(jù)準(zhǔn)確地分為兩個(gè)類別的超平面。但是，由于樣本數(shù)據(jù)經(jīng)常是不可以被線性分割的，所以通過引入核函數(shù)，將樣本數(shù)據(jù)映射到一個(gè)可以線性分割這些數(shù)據(jù)的高維特征空間。而將數(shù)據(jù)映射到這樣的一個(gè)空間，通常會(huì)引起計(jì)算和過度適應(yīng)問題，但是支持向量機(jī)在高維空間中不需要直接處理，這就消除了前面提到的顧慮。并且支持向量機(jī)不像神經(jīng)元網(wǎng)絡(luò)等其他的學(xué)習(xí)算法，很難衡量其學(xué)習(xí)的性能，我們能夠清楚地計(jì)算出其在未知數(shù)據(jù)集上的VC維。

第7章 “最大熵模型”在對(duì)一個(gè)隨機(jī)事件的概率分布進(jìn)行預(yù)測(cè)時(shí)，滿足全部已知的條件，而對(duì)未知的情況不進(jìn)行任何主觀假設(shè)。因?yàn)樵谶@種情況下，概率分布最均勻，預(yù)測(cè)的風(fēng)險(xiǎn)最小，概率分布的信息熵最大，所以被稱為最大熵模型。

第8章 “人工神經(jīng)網(wǎng)絡(luò)”是在現(xiàn)代神經(jīng)科學(xué)研究的基礎(chǔ)上提出的，它并沒有完全真正反映大腦的功能，只是對(duì)生物神經(jīng)網(wǎng)絡(luò)進(jìn)行某種抽象、簡(jiǎn)化和模擬。人工神經(jīng)網(wǎng)絡(luò)中的信息處理是通過神經(jīng)元之間的相互作用來實(shí)現(xiàn)的，知識(shí)與信息的存儲(chǔ)表現(xiàn)為網(wǎng)絡(luò)元件互連分布式的物理聯(lián)系，各種神經(jīng)元連接權(quán)系數(shù)的動(dòng)態(tài)演化過程決定了人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和識(shí)別。

第9章 “決策樹”是一種廣泛應(yīng)用的歸納推理算法，它采用逼近離散值函數(shù)的方法，具有很好的健壯性，能根據(jù)訓(xùn)練數(shù)據(jù)學(xué)習(xí)出析取表達(dá)式。決策樹學(xué)習(xí)方法通過搜索一個(gè)完整表示的假設(shè)空間，從而避免了受限假設(shè)空間的不足。

3.2授課方式

遵循學(xué)生的認(rèn)知規(guī)律和和學(xué)習(xí)特點(diǎn)，結(jié)合作者從事的模式識(shí)別課程教學(xué)，我們對(duì)模式識(shí)別的授課方式給出了如下建議。

首先，教師將不再單純地講解，而是引導(dǎo)學(xué)生進(jìn)行學(xué)習(xí)和組織學(xué)生進(jìn)行課堂活動(dòng)，使學(xué)生由原來的單純聽講、被動(dòng)接受灌輸轉(zhuǎn)變?yōu)橹鲃?dòng)參與課堂教學(xué)，親自去發(fā)現(xiàn)結(jié)論和規(guī)律，使學(xué)生學(xué)會(huì)思考和善于思考，培養(yǎng)學(xué)生分析和解決問題的能力。通過教師和學(xué)生互相提問和共同討論，來發(fā)揮學(xué)生的主動(dòng)性，使兩者在教學(xué)過程中相互聯(lián)系和作用，教學(xué)過程成為雙方主動(dòng)介入的過程。由于模式識(shí)別具有一定的抽象性和難度，因此教師講解時(shí)要盡可能通過實(shí)例引出問題，讓學(xué)生親睹實(shí)例，增加感性認(rèn)識(shí)，通過圖像、動(dòng)畫和視頻的生動(dòng)畫面和聲音吸引學(xué)生的注意力，將抽象的理論形象化，使學(xué)生印象深刻而又便于理解。

其次，教師在傳授知識(shí)的同時(shí)也應(yīng)該力所能及地幫助學(xué)生解決在生活、學(xué)習(xí)過程中遇到的疑問，對(duì)他們提出的問題給予認(rèn)真、耐心的解答，幫助他們克服困難。教師在教學(xué)過程中留出一定的時(shí)間，以朋友的身份和學(xué)生交流，了解他們的想法，從中獲得一些好的意見和建議。

再次，在講解理論部分時(shí)，教師應(yīng)該理論聯(lián)系實(shí)際，注重學(xué)生實(shí)踐能力的培養(yǎng)。適當(dāng)引入一些實(shí)際生活的例子，幫助學(xué)生理解所學(xué)知識(shí)，如介紹最大熵模型，可使用“投資時(shí)不要把所有的雞蛋放在一個(gè)籃子里，這樣可以降低風(fēng)險(xiǎn)”的例子，使學(xué)生對(duì)模型的認(rèn)識(shí)不再抽象。簡(jiǎn)要告訴學(xué)生下次課的內(nèi)容，鼓勵(lì)學(xué)生課后查閱相關(guān)資料，并對(duì)遇到的問題進(jìn)行分析和解決，帶著問題參與下一次的課堂教學(xué)。針對(duì)每一章的授課內(nèi)容，教師應(yīng)精心設(shè)計(jì)和安排相關(guān)實(shí)驗(yàn)，加深和鞏固學(xué)生所掌握的知識(shí)。

3.3評(píng)價(jià)方式

模式識(shí)別是智能科學(xué)與技術(shù)專業(yè)的一門重要專業(yè)基礎(chǔ)選修課，對(duì)學(xué)生將來的學(xué)習(xí)、工作都起著非常重要的作用。該課程不僅僅是讓學(xué)生掌握知識(shí)，更重要的是培養(yǎng)學(xué)生的能力。因此，教師應(yīng)該積極鼓勵(lì)學(xué)生多參加社會(huì)實(shí)踐，評(píng)價(jià)時(shí)應(yīng)從多渠道和多方面收集學(xué)生在校和參加社會(huì)活動(dòng)的信息，通過綜合分析，對(duì)學(xué)生做出全方位的、細(xì)化和合理的評(píng)價(jià)，促進(jìn)學(xué)生全面素質(zhì)的培養(yǎng)，最終提高學(xué)生的創(chuàng)新能力。

4結(jié)語(yǔ)

模式識(shí)別是一門理論與實(shí)踐緊密結(jié)合的學(xué)科，教與學(xué)的方式值得我們研究和探索。在今后的教學(xué)工作中，我們要多從模式識(shí)別理論涉及的學(xué)科廣泛，而本科生目前還沒有完全掌握這些知識(shí)等特點(diǎn)出發(fā)，不斷改革、實(shí)踐和創(chuàng)新。同時(shí)，教師也要不斷提高自身素質(zhì)和業(yè)務(wù)水平，不斷提高課堂教學(xué)質(zhì)量，為國(guó)家培養(yǎng)更多合格的應(yīng)用型本科人才。

參考文獻(xiàn)：

[1] Richard O. Duda, Peter E. Hart, David G. Stork. Pattern Classification[M]. Ventura：Academic Internet Publish, 2006.

[2] Sergios Theodoridis. Pattern Recognition[M]. San Diego：Academic Press，2006.

[3] Andrew R. Webb. Statistical pattern recognition[M]. The Atrium：John Wiley and Sons, 2002.

[4] J. P. Marques de Sá. Pattern Recognition: concepts, methods and applications[M]. Berlin：Springer, 2001.

[5] M. Narasimha Murty, V. Susheela Devi.Pattern Recognition：An Algorithmic Approach[M]. Hyderabad: Springer，2001.

[6] Brian D. Ripley. Pattern recognition and neural networks[M]. Cambridge：Cambridge University Press,2008.

[7] Satoshi Watanabe. Pattern recognition：human and mechanical[M]. San Francisco：Wiley，1985.

[8] Robert J. Schalkoff. Pattern Recognition：statistical，structural，and neural approaches[M]. San Francisco：J.Wiley, 1992.

[9] Keinosuke Fukunaga. Introduction to statistical pattern recognition[M]. San Diego：Academic Press, 1990.

[10] 邊肇祺,張學(xué)工. 模式識(shí)別[M]. 2 版. 北京:清華大學(xué)出版社,2007.

[11] 干曉蓉. 模式識(shí)別[M]. 昆明:云南人民出版社,2006.

[12] 王碧泉,陳祖蔭. 模式識(shí)別:理論、方法和應(yīng)用[M]. 北京:地震出版社,1989.

[13] 楊光正, 吳岷, 張曉莉. 模式識(shí)別[M]. 合肥:中國(guó)科學(xué)技術(shù)大學(xué)出版社,2001.

[14] 張學(xué)工. 模式識(shí)別[M]. 3版. 北京:清華大學(xué)出版社,2010.

[15] 齊敏,李大健,郝重陽(yáng). 模式識(shí)別導(dǎo)論[M]. 北京:清華大學(xué)出版社,2009.

[16] 蔣先剛. 數(shù)字圖像模式識(shí)別工程軟件設(shè)計(jì)[M]. 北京:水利水電出版社,2008.

[17] 孫即祥, 姚偉, 滕書華. 模式識(shí)別[M]. 北京:國(guó)防工業(yè)出版社,2009:1-280.

[18] 華榮寶.“有效課堂教學(xué)”學(xué)習(xí)材料(一)[EB/OL]. (2008-02-29)[2011-03-10]. /Article/ShowArticle. asp?ArticleID=1545.

Pattern Recongnition Teaching Exploration

TAN Yongmei, WANG Xiaojie, ZHONG Yixin

(Department of Intelligence Science, Beijing University of Posts & Telecommunications, Beijing 100876, China)