AI赋能能力培养的学科交叉融合类新工科专业课程改革——以《飞机健康管理与预测》课程为例

蔡舒妤 王轩

中国民航大学

【摘要】面向新时代民航产业新质生产力数智化转型的人才需求，探讨了以《飞机健康管理与预测》课程为代表的学科交叉融合类新工科专业课程的AI赋能能力培养改革有效路径。针对此类课程存在的问题，如知识体系庞杂、案例教学欠缺、考评方式滞后等，从学科交叉教学模块设计、混合式教学方案设计、课内外工程实践案例设计和开放式课程比赛的考核方式改革等多方面，开展课程AI赋能能力培养的革新与探索，为学科交叉融合类新工科专业课程建设提供参考。

【关键词】AI赋能；能力培养；学科交叉融合类课程

作为天津市首批普通高校新工科重点建设专业，中国民航大学飞行器制造工程新工科专业紧密围绕新时代民航产业数智化转型的发展趋势与人才需求，将新科技与工程前沿纳入培养方案，构建以创新能力培养为核心的跨学科交叉融合的课程体系。该体系依据“应用能力—实践能力—创新能力”三层次递进设计，融通课程体系各个模块。通过通识课程模块、专业基础课程模块，筑牢基础知识理论、扎实基本技能的应用能力。通过项目式实践课程模块聚焦实际工程问题，借助进阶式科研项目训练，引导学生创造性构建跨学科交叉融合的工程解决方案，从而有效提升学生创新能力。而专业核心课程和专业特色课程则起到承上启下的关键作用。它们聚焦于工程实践能力和创新意识的培养，旨在：①拓宽学生的知识能力边界，从单一独立的学科领域拓展至跨学科交叉融合；②引导学生将解决的问题从理想化的理论问题转向基于实际凝练的工程案例；③推动其思维方式由分析应用向优化改进的创新意识转变，为构建系统化、进阶式的创新能力培养体系提供了至关重要的中间环节。本案例以《飞机健康管理与预测》专业特色课程为例，面向工程实践能力和创新意识的培养，结合专业课程的学科交叉融合特色进行AI赋能智慧课程改革实践。

一、问题剖析

由于飞机产品的集成性及制造过程的复杂性，飞行器制造工程新工科专业设置的专业核心课程和专业特色课程均具有显著的学科交叉融合特色，使得此类课程存在以下共性问题，以《飞机健康管理与预测》课程为例分析。

（一）课程知识体系庞杂，不利于高效跨学科知识能力拓展。

《飞机健康管理与预测》是一门跨学科交叉融合特色显著的专业特色课程，其内容涵盖了飞机状态监控、故障诊断、性能趋势预测、健康状态评估、维修决策支持等关键技术的相关理论方法。课程关键技术的理论方法均以高等数学、线性代数、概率与统计等数理学科知识为基础；同时，当前实际工程中使用的技术方法大量涉及计算机学科的机器学习、深度学习方法，课程内容呈现“数理基础+专业知识+智能方法”的跨学科交叉融合，使得知识体系过于庞大，在课时有限的情况下，广而泛的学习分散了学生学习的时间和精力，难以深入思考以整合不同学科的知识，难以形成系统性思维以建立不同学科之间的内在联系，使学生的学习仅是不同学科知识的堆积，难以有效内化实现跨学科知识的融合。

图1 课程相关学科知识图谱（部分）

（二）案例教学欠缺，不利于工程实践能力的培养。

《飞机健康管理与预测》旨在使学生深刻理解飞机健康管理的基本概念、系统掌握其关键技术的基本原理、技术方法及适用性的基础上，具备解决工程问题的专业能力和面向工程前沿的创新意识。

案例教学是培养学生工程实践能力的重要教学方式。

课程面向飞机健康管理各个关键技术的应用场景，引入案例教学，以期实现理论方法与工程实践应用紧密结合，培养学生解决工程问题的专业能力和面向工程前沿的创新意识。对于基于机器学习和深度学习的智能方法，其在数据驱动下对飞机系统建模、训练和预测的新方法论，使案例数据收集、工程案例设计、案例教学设备要求与传统案例教学有较大变化。

基于智能方法的飞机健康管理案例教学的开展，对案例数据的质和量均有较高的要求，案例收集数据样本分布与工程问题总体数据分布的差异，在很大程度上影响案例模型的训练预测结果，甚至使后续优化方法失效，从而影响工程案例的应用效果。

图2 案例数据分布差异示意图

基于智能方法的飞机健康管理工程案例设计复杂性增加。工程案例需根据飞机健康管理各个关键技术的应用场景和技术特点定制化设计。其中，智能方法涉及模型结构复杂，在设计工程案例时需要考虑更多的技术细节和实现步骤。如，模型结构的选择、特征工程设计、特征参数的优化等。

智能方法通常需要机器学习框架和深度学习库等工具软件来支持案例教学的实施。这些工具软件版本多样、兼容复杂，环境配置存在困难。此外，智能方法通常需要大量的计算资源来支持模型的训练和推理过程。案例教学设备可选用高性能计算机或云计算平台来满足计算需求。

（三）考评方式滞后，不利于创新意识转变。

传统的考评方式侧重于知识的记忆和应试能力，只关注最终的学习结果，以考试成绩作为主要的评价标准，忽视了学生在创新思维、实践能力等方面的表现，忽视了学生在学习过程中的表现和努力，无法全面评估学生的创新意识和能力。这与课程的创新教育目标脱节，无法有效地引导和激励学生创新实践，从而无法实现创新意识的培养和转变。

二、AI赋能课程改革措施

（一）基于学科交叉教学模块的线上线下混合式理论教学方案设计

1.学科交叉教学模块设计

针对课程知识体系庞杂的问题，梳理课程及相关交叉学科知识体系，以课程各知识点知识图谱为核心，构建包括“数理基础+专业知识+智能方法+典型应用”的教学模块，使教学内容聚焦课程核心专业知识及工程应用，以数理基础、智能方法等紧密相关的交叉学科知识为辅助，确保教学模块内的知识系统性和整体课程的知识连贯性。

图3 教学模块实例

2.线上线下混合式理论教学方案设计

结合AI开源平台，设计线上线下混合式的理论教学方案，将理论教学设计、学科交叉知识、科技前沿扩展与学生自主学习进行有机结合。

本课程的混合式理论教学由线上学习、线下课堂学习两部分组成，整体方案如图4所示。

图4 混合式理论课教学方式整体方案

1）线上学习。线上学习分成课前预习和课后回顾两部分。

（1）课前预习。课前教师采用AI开源平台向学生推送当前教学模块所需的数理基础学习内容，学生可根据先修课程掌握程度进行自主预习，并完成课前数理基础评测。

（2）课后回顾。学生可回看当前教学模块全部知识点总结并完成在线作业答题，评定自己的理论学习效果；同时提供教学模块对应的课内工程案例作为实践作业，帮助学生回顾专业知识的典型应用，并进一步优化改进，在调动学生学习主动性的同时，能够促进学生积极思考，提高其发现问题并解决问题的能力。

2）线下学习。理论课实体课堂分为教师讲解、案例学习及学生讨论3部分。

（1）教师讲解、案例学习。由教师讲授专业知识及智能方法，并结合课内工程案例演示教学，直观地认识智能方法的具体功能与典型应用，使抽象的理论内容变得更加直观易懂。通过AI开源平台学习解决问题的过程并展示可视化结果，使学生获得最直观的认识。最后从案例回归理论，分析应用过程及效果等，形成“理论讲授—案例学习—应用分析”的教学模式。

（2）学生讨论。每个教学模块预留10min讨论时间，学生可以将自己预习中无法解决的问题或者教师讲解中遇到的问题，放到讨论环节一起讨论。教师引导学生自主分析问题，尝试利用已有知识提出解决方案、讨论方法可行性等。

（二）基于工程案例的实践教学方案设计

1.课内工程案例

课程根据教学模块结合工程背景引入应用案例，设计层次化课内工程案例，让学生在案例中加深对理论知识的理解，同时能够熟练运用恰当的方法解决工程问题，达到学以致用的目的。

面向课程核心内容，设计飞机故障诊断及性能比较、飞机系统性能趋势预测分析、飞机系统剩余寿命预测分析等3类课内工程案例，提供决策树、神经网络、支持向量机、聚类分析、卷积神经网络、回归模型、循环神经网络、门控循环单元等8种典型智能方法的基本程序，支撑课内8学时的教学内容。

表1 课内工程案例列表

2.课外扩展性案例

面向工程前沿技术方法，结合理论知识点，设置课外扩展性案例。内容包括基于VGG、GoogleNet的故障诊断及分类；基于LSTM、CNN-LSTM的性能趋势预测；基于生成对抗网络的数据生成；基于fasterRCNN的性能异常检测等。

课外扩展性案例用以拓宽和加深课程内容，学生可根据自身专业背景、知识层次以及兴趣选做，目的在于个性化培养，挖掘学生个体的潜能。

每个工程案例均配套实践教学指导，内容包括实践目的、实践简介、实践步骤（数据描述、准备数据、分析数据、建模、测试模型、模型应用实践）等。每个工程案例均提供基本程序实现，便于学生操作验证、模仿应用，快速得到初步结果，以获得成就感，也可根据初步结果进一步优化改进，激发学生持续探究的兴趣。

基于工程案例的实践教学在AI开源平台开展。平台具备云计算能力，其充足算力和完善的环境配置，可有效支持工程案例教学的开展。

图5 基于AI开源平台的线上课程

（三）构建注重过程的多方位考核方式

1.开放式课程比赛设计

依托AI开源平台，面向飞机健康管理关键技术应用场景，设计开放式课程比赛，改革期末考核方式。

学生依据比赛任务及目标，应用所学知识方法，完成一个包括建模、优化、评估、应用的项目，提交项目结果及分析报告。教师可通过平台接口编写评价标准程序，对学生提交结果实时评分并排名，学生可在比赛截至时间内，持续优化模型以获得更高的排位。

图6 基于AI开源平台的开放式课程比赛评价标准程序

2021级学生课程比赛过程中平均优化9.2轮次。开放式课程比赛较好的激发了学生将所学知识与实践问题对接的综合创新应用潜力，有助于提升学生发现问题与解决问题的工程实践能力。

表4 2021级学生课程比赛成绩表

2.多方位考核方式

课程考核方式注重实践应用能力评价与学习过程评价相结合。课程将考核渗透到教学的各个实施环节，多方面立体考查学生。

课程综合成绩由过程性考核成绩与期末考核成绩两部分构成。过程性考核成绩占总成绩30%，期末考核成绩占70%。

过程性考核成绩由平时出勤成绩和作业考核成绩构成。平时出勤成绩由任课教师依据出勤情况、课堂表现等评定；作业考核成绩由任课教师依据作业考核的完成情况评定。

图7 多方位考核成绩比例示意图

期末考核成绩由开放式课程比赛成绩和分析报告成绩构成。开放式课程比赛成绩依据AI开源平台的最终项目排位进行评定；分析报告成绩依据“分析报告评分标准（如表5所示）”进行评定。

表5 分析报告评分标准

四、结语

本案例通过AI赋能能力培养的《飞机健康管理与预测》课程改革与实践，深入探讨了飞行器制造工程新工科专业在学科交叉融合类课程改革中的有效路径。通过AI赋能下的教学模块设计、线上线下混合式教学方案设计、层次化工程案例设计以及基于课程比赛的多方位考核方式改革，优化了学科交叉融合类课程知识体系，显著提升了学生的工程实践能力和创新意识，为满足新时代民航产业数智化转型对科技创新人才需求提供支持。

感谢以下项目为本研究提供支持：

（1）天津市普通高等学校本科教学质量与教学改革研究计划项目：飞行器制造工程新工科专业“智能+”综合能力培养体系建设研究与实践（B231005909）；

（2）天津市普通高等学校本科教学质量与教学改革研究计划重点项目：工程问题导向、知识图谱引领：面向新工科专业的跨学科基层教学组织建设研究与实践（A231005903）。