计算机学科的认识范例(3篇)
计算机学科的认识范文
关键词：交叉学科；跨学科；计算神经科学；人工智能；研究生培养
文章编号：1672-5913（2013）18-0001-05
中图分类号：G642
1背景
科学史上，许多重大的科学发现都产生在不同学科的碰撞和融合中。在自然科学领域，许多伟大的科学家都有着复杂的学科背景，20世纪1/3的诺贝尔获奖项目出现在交叉科学领域。计算机学科里很多大科学家也都有着交叉学科的背景，如计算机之父冯·诺伊曼其实是个数学家，在经济、量子力学及几乎所有数学领域都作出过重大贡献，他提出的计算机二进制表达正是得益于其敏锐的数学洞察力。清华大学计算机科学与技术系张钹院士多次在公开讲座中提到，经他统计，自1966年美国计算机协会（ACM）设立图灵奖以来一直到2012年，60个获奖者中2/3的人都有数学、物理、化学等理科专业背景，甚至还有政治等人文科学背景；相反，纯粹是计算机专业或相近专业如电子学、无线电学等背景出身的人并不多。由此可见，熟练掌握其他学科的知识对于在计算机领域作出重要贡献大有裨益。
高校培养交叉学科人才，一是要引导学生学习不同学科的课程，二是开设一些本身就是多学科交叉的课程。国内高校已经做了大量尝试，也收到了不错的效果。2013年，《计算机教育》杂志专门策划了跨学科教学专题，对国内跨学科教学的实践情况进行报道。很多高校的一线教学人员都报告了他们在交叉学科教育方面的构想或实践经验。
计算神经科学是一门新兴学科，对于促进脑科学、信息科学尤其是人工智能等领域的发展具有重要意义。2010年3月23-25日，中国科学院、浙江大学、上海交通大学的知名学者齐聚北京，举行第367次香山科学会议，主题为“神经信息学与计算神经科学的前沿问题”。与会专家探讨了计算神经科学的国内外发展情况，指出该学科在国内外都还发展不成熟，我们应抓住机遇建立一流的计算神经科学。要达到这个目标，除了加大科研资助和鼓励科研创新外，优质的课程教学必不可少。鉴于计算神经科学的多学科交叉特点，许多专业都可以尝试进行这方面的教学，包括医学、生物学、心理学、数学、物理、化学、计算机、电子，自动化等，笔者将论述计算神经科学与计算机科学的关系以及开设该课程所面临的机遇与挑战。
2计算神经科学的特点及其与计算机科学的关系
借助飞速发展的现代科技，人类已经能够上天入地，但是对于脑的认识却十分有限。诺贝尔奖得主克里克（Crick）说过：“对我们人来说，在科学研究中没有比研究自己的脑更重要的了。我们对整个世界的认识都有赖于它。”认识人脑的工作机理有两方面的意义，一是促进神经疾病诊疗技术的发展，二是提高人工智能的水平。
诚如艾萨克·阿西莫夫（IssacAsimov）所言，“人脑是我们所知道的最复杂的组织”。它有大约1011个神经元，而平均每个神经元要与103～104个神经元相连。虽然这些数字现在看来并非很大（能存储1T=1012Byte的硬盘在市场上已经很普遍），但问题是计算机硬件是我们事先按一定规则构建的系统，我们对于它每一部分的结构与功能都非常清楚，而人脑却是一个黑箱。想象一下让一台计算机穿越回唐朝，让那个时代的人们了解这台计算机的工作原理是一件多么不可想象的事情。
幸运的是随着科学技术的发展，实验手段正发生着翻天覆地的变革，我们面对的黑箱正在慢慢变灰。通过这些实验手段，我们可以观察到“箱子”的部分内部。然而，只看到大脑内部的一些的结构和它们之间的关系远远不够。唐朝人打开计算机主机盖，能看到主板、CPU、内存条甚至一些精细的电子元件，但这对于他们完全理解计算机的工作原理还差很远。他们需要综合各种技术手段得到计算机内部情况，从硬件问的相互连接关系推断出冯·诺伊曼设计的体系结构及发展变化，从软件的功能推断出算法逻辑，从二进制代码推断出可读代码。要得到这些结果，只有实验数据是不够的，还必须对数据进行整理分析，从蛛丝马迹中发现数据背后的规律和原则。人脑就好比一台唐朝人眼中的计算机。计算神经科学就是一门试图通过理论分析和建模计算的方式理解脑工作原理的学科。
计算神经科学领域的形成始于1988年，Seinowski、Koch和Churchland在Science杂志上发表了计算神经科学领域的“宣言”。从广义上讲，只要是通过建模、仿真等手段对神经科学的实验数据和实验现象进行定量分析的，都属于计算神经科学的范畴。近年来，由于实验技术的革新和脑科学研究的蓬勃发展，这方面的研究早已不局限于生物、医学、心理学等学科，很多其他学科的研究人员以各种方式参与到脑科学的研究中，包括数学、物理、计算机、电子、材料等，他们将该学科中的一些定量计算理论引入神经科学并据此研究脑科学的实验数据和现象。
国外许多著名高校都设有计算神经科学的研究中心或相应专业，包括MIT：CSAIL-ArtificialIntelligenceGroup；StanfordUniversity：CenterforMind，BrainandCompution；HarvardUniversity：Mind/Brain/BehaviorProgram；CMU/UniversityofPittsburg：CenterfortheNeuralBasisOfCognition：UniversityCollegeLondon：GatsbyComputationalNeuroscienceUnit；ColumbiaUniversity：BionetGroup。这其中大多数都有信息科学类院系的参与，如MIT的ArtificialIntelligenceGroup就是在计算机与人工智能实验室下的一个组，而StanfordUniversity的CenterforMind，BrainandComputation由计算机系、电子系、语言系、神经生物系、心理系以及神经科学研究所的教授组成。计算机领域的一些杰出学者也参与了计算神经科学的研究，包括MIT的DavidMarr和TomasoPoggio，CMU的TomMitchell，Caltech的PietroPerona，StanfordUniversit），的Fei-FeiLi等。这里还不包括大量的以计算机科学、电子工程等为教育背景但主要活跃在神经生理学、认知心理学等传统神经科学领域的学者。
一方面，计算机科学及其相近领域的研究人员对神经科学和认知心理学的贡献越来越大，已经成为脑科学研究中一支不可忽视的力量；另一方面，神经科学和认知心理学的研究进展对计算机科学的某些方面起到很大的推动作用。例如，近年来在机器学习领域非常热门的深度学习（DeepLearning），在很大程度上受到大脑感觉系统层次化结构的启发，见图1。其中，图1（a）为大脑视觉皮层各区域的位置及信息处理通道，图1（b）为深度学习的框架。
3面向计算机专业研究生开设计算神经科学课程的机遇和挑战
相对于医学、生物学、心理学等专业，面向计算机专业的研究生开设计算神经科学课程相对容易。这是因为通过本科阶段的培养，计算机专业研究生在理论证明、逻辑推断、数据分析等方面的基础更扎实，他们接受医学、生物、心理学等学科的知识相对容易；但反过来，让那些习惯了生理和心理实验的学生接受一些计算理论方面的知识则相对困难。而相对于数学、物理、化学等理科专业，计算机专业的研究生在模型实现方面有优势。这是因为现在很多计算神经科学的模型都涉及大规模计算，扎实的编程基础使得他们在处理这类问题上更加得心应手。这些是面向计算机专业研究生开设计算神经科学课程的机遇。然而我们面临的挑战更大，主要包括两个方面，论述如下。
3.1课程定位的挑战
通过调查一些国外著名大学开设的计算神经科学课程，我们可以发现大多数课程的立足点都是“理解脑”，以揭开大脑的秘密为目的，而且无论该课程是神经科学、心理学或相关院系开设的（如BaylorCollegeofMedicine神经科学系的课程TheoreticalNeuroscience-Learning，Perception，Cognition，MIT脑与认知科学系的课程InlroductiontoComputationalNeuroscience），还是交叉学科中心开设的（如UniversityCollegeLondonGatsbyComputationalNeuroscienceUnit的课程ComputationalPerceptionandSceneAnalysis），甚至是一些计算机类院系开设的（如CMU计算机系的课程ComputationalPerception），都是这样。
如果在国内高校面向计算机专业开设计算神经科学课程，将课程目标定位于“理解脑”，会存在一定的现实困难。国外著名高校非常注重基础研究和交叉学科研究，经过多年的发展，他们培养的研究生已经形成了学习其他学科知识的习惯，但国内研究生在选修课程方面则显得更加功利一些，只选修那些目前对自己有用的课程。对计算机专业的学生而言，修一门有关理解大脑工作机理的课程显得比较怪异，这与他们将来从事的IT工作似乎风马牛不相及；为此，我们一方面需要从课程体制、培养计划等方面引导学生重视基础学科和交叉学科的课程，另一方面还需要考虑在现阶段如何通过课程定位吸引计算机专业学生选修相关课程。
3.2师资力量的挑战
交叉学科课程的讲授对授课教师的专业素养提出了更高的要求，授课教师需要具有交叉学科的研究背景，这样才能把学科前沿看得更清楚，把问题讲得更透彻，但这通常不是一件容易的事，对于计算神经科学这一学科跨度非常大的交叉学科而言更是这样。国内这一学科目前还处于萌芽阶段，从事相关研究的学者相对较少，零散地分布在各自院校的不同院系，而且无论是在哪个院系，他们都是少数派。师资力量的不足已经成为制约计算神经科学在国内高校和科研院所发展的主要因素之一。
4应对挑战的措施
4.1准确进行课程定位
为了使学生更容易接受计算神经科学这一课程，我们首先需要给这一学科下一个恰当的定义。从狭义上讲，我们建议将计算神经科学定义为神经科学、认知心理学和人工智能的交叉学科，三者之间的关系如图2所示。人工智能是计算机学科的一个专业方向（这里的人工智能包含机器学习、数据挖掘等各种智能计算的理论与方法），是计算机科学与神经科学和认知心理学产生交叉的主要领域。相对于计算神经科学的广义定义，这一定义拉近了其与计算机专业学生的心理距离。
针对计算机专业的学生，该课程定位不能只是“理解脑”，还要强调“利用脑”，教师需要向学生强调：一方面人工智能为神经科学和认知心理学提供研究的工具，另一方面后两者的发展又反过来促进人工智能等信息领域的技术革新。学生理解了这一点，选修这一课程的积极性才会提高。计算神经科学在计算机专业内并不是一门孤立的课程，它其实要用到很多概率论、线性代数、机器学习、模式识别等领域的知识，与人工神经网络、人工智能、计算机视觉等学科有着紧密的联系。计算神经科学与清华大学计算机科学与技术系一些专业课程之间的关系如图3所示，其中箭头表示课程间的支持关系。
4.2有效提高师资力量
一方面，我们要鼓励教师进行计算神经科学这一交叉学科领域的研究，培养该领域的杰出学者或从国外全职引进一批这样的学者，这是解决师资力量不足的根本之道。如果在全职引进人才方面有困难，可以通过国家的各种引智计划引进一批短期工作的学者，让他们开设计算神经科学方面相关课程，以便有志于此方面教学科研的本地教师参与学习，最终实现课程的本土移植。
另一方面，我们也可尝试让多个专业的教师同时讲授这门课程。教师一起确定教学大纲，分工合作，各自讲授涉及自己专业的那一部分内容并适当向神经科学靠拢。这样做的优点是较容易找到合适的教师并且每名教师不用花太多精力学习其他领域的知识，缺点是内容会比较散，难以形成一个有机整体，更麻烦的是教师如果不专门从事计算神经科学的研究，那么对于某些知识点则难以讲透；因此这项措施只是权宜之计，一旦条件成熟，我们还是建议由从事计算神经科学研究的教师授课。
5教学内容的选择
由于计算神经科学是一门交叉学科，涉及的知识点较多并且分布在很多学科里，因此要求学生将这些学科的课程全部学完后再学这门课程，显然不现实也不必要。另外，将所有计算神经科学的知识点都在课堂上讲解一遍也不现实，这就涉及教学内容的选择问题。
5.1教学内容精而新
“精”强调对教学内容的筛选，有两个原则：一是重要的基础知识必须讲到，这些基础知识包括神经科学、数学、信息论、机器学习等领域的与计算神经科学密切相关的基础知识，这样培养出的学生才能举一反三；二是挑选有代表性的专题，如神经元模型、有监督学习、无监督学习等，把每个专题讲深入了，才能让学生体会到这一学科的常规研究思路和方法，培养学生将来从事相关研究工作的能力。
“新”强调教学内容的时效性。一个尴尬的事实是现在真正称得上计算神经科学的教材很少，笔者认为最经典的教材要数PeterDayan和LarryAbbott主编的TheoreticalNeuroscience，该教材由MIT出版社于2001年出版。这本教材内容很丰富，基本覆盖计算神经科学领域内所有的大方向，缺点是内容比较陈旧。计算神经科学近年来发展迅速，大量的经典工作都没有包含在该教材中。该教材若作为研究生课程教材显然不合适，因此教师必须总结近年来该领域的一些重要进展，如在顶级期刊（如Nature、Science等）上挑选一些重要研究成果并将这些内容归纳到自己的讲义中。
5.2教学内容向计算机科学倾斜
教师在教学过程中不仅要强调揭开脑的奥秘，还要强调这些奥秘对于计算机科学的意义和作用。一方面挑选一些能让计算机科学发挥重要作用和计算机专业学生体现优势的内容，如神经信号处理和人机接口，因为这些需要用到较多的模式识别技术；另一方面强调为我所用，挑选一些对计算机科学有用的内容，如稀疏编码、深度学习等在机器学习和模式识别领域受到广泛关注的话题。
6结语
计算神经科学是一门新兴的交叉学科，为了响应在国内建立一流计算神经科学的号召，对于科研和教学我们都不能忽视。目前国内有能力开设计算神经科学课程的学校还不多，即使有也只集中在医学、心理学等院系，其定位一般侧重于“理解脑”。长此以往，国内对于脑科学的研究将面临跛脚走路的尴尬境地，因为脑科学研究的另一任务——提高人工智能的水平将被忽略，因此在工科院系尤其是信息科学相关院系开设计算神经科学方面的课程非常有必要。研究型高校应抓住机遇，从政策上鼓励工科院系开设相关课程，这对于国内学术界从容应对脑科学革命这一挑战具有重要意义。
参考文献：
[1]孙群，张剑湖，李俊民，数学专业设置交叉学科课程的研究[J]，高等理科教育，2007（2）：29-31
[2]郑利平，安宁，路强，等，跨学科教学实践与构想[J]，计算机教育，2013（1）：3-5
[3]陶飞，程颖，杨金键，等，交叉学科研究模式的组织建设研究[J]，计算机教育，2013（1）：6-10
[4]罗嘉庆，周世杰，跨学科课程教学研究与案例[J]，计算机教育，2013（1）：11-13
计算机学科的认识范文
虽然“计算思维”这一概念早在2006年就已经提出了，但是到目前为止，人们对它的认识仍然非常局限。很多理论仍然认为计算机科学只是一门工具性学科，仅仅强调它的技能性，忽略了它的非工具性价值，即对于人的思维、认识及整体素质的有益性，而这往往对人的发展有更加深远的影响。由于认识上存在这样的局限性，导致在教学实践中出现了一些问题。笔者在高等院校从事计算机基础教学近十年，通过教学实践以及与其他院校同行的交流，给出笔者对目前高等院校计算机基础教育中存在问题的一些体会：
1局限于所谓“实用知识”传授的计算机基础教育教学理念科学教育应包括科学知识教育、科学方法教育、科学思维教育和科学精神教育等几方面[4]。目前的现状是科学教育的天平明显偏向于是知识教育，在一定程度上忽视了思维、方法的教育。具体到高等院校计算机基础教育也可以理解为“实用主义”，就是停留在教学生怎样将计算机作为专业的辅助工具使用，眼前够用就好。通俗的讲就是老师教什么，学生会什么；目前用到什么，就学什么。这样带有“功利”色彩教育理念显然无助于学生掌握计算技术中最重要的核心思想与方法。进而，学生也很难将计算机这个辅助工具真正运用到自己的医学实践中。现代社会，计算机技术飞速发展，仅获得所谓“实用知识”的受教育者，往往对新技术无所适从。在笔者的教学实践中，也深刻体会到，以获得细节知识为其学习内容的学生很难面对快速进步与变化的社会。
2学生水平存在差异由于地区差异，计算机知识的普及程度也各不相同，新生中既有中学阶段已经学过一些计算机知识的学生，又有以前从未接触过计算机的学生。农科院校的学生主要来自普通高中，尽管部分学生在初、高中阶段学习了“信息技术”课程，但也有一些地区（特别是农村贫困地区）的初、高中没有条件开设这门课程，或者即使开设了该课程，也可能由于各种原因，其教学效果不甚理想。这样就造成了入学时新生整体对计算机知识的掌握程度不尽相同，计算机知识及应用能力也相差很远[3]，加大了教学难度。
3教师“灌输式”的计算机教学与学生机械记忆的被动学习目前高等院校的计算机教育与中学没有太大的本质区别，即围绕教师的“讲”中心，学生的学习处于被动的从属地位。教师习惯于单纯的教给学生“怎么做”，学生几乎没有自主的空间考虑去思考“为什么这样做”。作为教育主导者的教师不能及时的更新自己的知识与理念，缺乏教师的推动，学生只是忙于机械记忆应付考试。在这样的教学思路的指引下，学生对于计算机类课程的学习更像是对记忆力的训练，而在最终检验课程学习效果的考试也沦为学生间记忆力的比赛。例如，教学实践中有的学生甚至可以将一个软件菜单的位置背下来，可是换了一个软件马上无从下手，更不用提将这种知识升华、内化为自己的一种思维模式。
二、将培养计算思维作为学生计算机教育的侧重点从而提高学生的综合素质
可以看到对于学生的计算机教育来说，“实用主义”工具论是很狭隘的，笔者认为，只有将培养学生的计算思维作为学生计算机基础教育的指导思想，才是真正能助力于培养高素质的人才。在具体的教学实践中，针对培养学生的计算思维，笔者有几点想法：
1改变教师的教学理念教师是教育的主导者，教师的教学理念在很大程度上影响学生的学习效果。陈国良院士认为：计算思维代表着人们的一种普遍的认识和一类普适的能力，不仅仅是计算机科学家，而是每一个人都应该热心地学习和运用它[2]。对于教师来说，应该将计算思维内化为自己的一种思维方式，计算机教师自不必说，哪怕对于其他专业课程教师，尤其是学科前沿与计算机相关联的课程，教师如果因循守旧，教出来的学生也必定是落伍的。在学习型社会和终身教育理念下，我国的普通高校有很好的继续教育制度，只需要充分发挥继续教育的作用，不流于形式，摒弃单纯的技能培训，将计算思维引入继续教育的课堂，首先更新教师的教育观念，使教师认识到计算思维是每个人的基本技能，在很多学科中都发挥着重要的作用，这样才有可能将这一理念传导给学生。
2合理交叉的课程结构设置合理的课程结构设置对于建构学生良好的知识体系有很重要的作用。首先在低年级开设计算机基础类课程，让学生对这门陌生的学科有所了解；之后通过计算机类通识课（例如网页制作等）加深学生的认识，培养学生的兴趣；最后在高年级开设计算机与学生所学专业的交叉类课程，引导学生利用计算机辅助解决专业性问题，使学生真正认识到计算机的有用性，用计算思维辅助指导专业实践。只有这样循序渐进、贯穿于整个大学教育期间的课程设置方式，才真正有可能培养、形成一种可以指导工作、学习、生活的计算思维方式。
3重视课堂计算机理论教学课堂理论教学不仅是学生获取科学知识与技能的主渠道，也是他们掌握科学方法、提高各种科学能力、形成科学观和科学品质、全面提高科学素养的主阵地。当然实践教学是非常重要的，但是要摒弃所谓的“狭义工具论”，遏制教学中不断的缩减课堂计算机理论教学比例的倾向。重新重视计算机理论教学，引导学生分析现象背后的原理。正如哲学中所说：只有掌握理论才可以更好的指导实践。例如对于某个具体软件的菜单介绍，不只是单纯告知鼠标如何点击，可以采用问题启发式教学方法，引导学生进行思考：为什么做这样的菜单设置？背后是何种思考方式？类似软件的菜单是否这样设置？其他软件菜单设置的规律？遇到新的软件该如何学习？等等。
4引导学生从计算思维角度解决某些专业问题教学中要教会学生主动分析问题和思考问题，形成科学的思维方式。引导学生从计算思维角度解决某些专业问题，无疑是培养学生计算思维的一种好的方式。教学中，可以采用目前流行的项目驱动式教学方法，更多的采用与专业结合的案例。需要注意的是，选择合适的案例是非常重要的，这要求教师在计算机知识和专业知识中找到恰到好处的交叉点。
计算机学科的认识范文篇3
论文摘要:为了解决农科高职院校非计算机专业的计算机教学中存在开设计算机课程偏少、不合理、缺乏连续性和层次性等的问题。通过多年从事计算机教学的研究和在校的实践,提出了针对农科高职非计算机专业计算机教学改革方法和对策,并提出了农科高职非计算机专业的计算机教育的分级、连续性和层次性教学模式。结果大大提高了学生的实际能力。
1引言
在告别传统农业向绿色农业、生态农业、现代农业发展过程中,在农业发展逐步实现产业化、市场化、标准化的进程中,越来越需要既懂农业技术又懂计算机技术的人才,以计算机技术为支撑的信息化浪潮正在全球兴起,现代的信息技术正在迅速地向农业领域渗透,对农业的发展起着愈来愈重要的作用。就我国整体范围看,农业的发展速度较缓慢,远低于工业的发展速度,农业的现代化、信息化水平与发达国家还存在着较大的差距。西方发达国家早在70年代就广泛开展计算机技术在农业上的应用,而我国计算机技术在农业上应用则远远落后于发达国家,因此,作为培养跨世纪农科人才的高职院校必须对农科大学生的计算机素质提出新的要求,同时采取切实可行的措施提高大学生的计算机知识和技能。
面对着日益发展的现代化农业信息技术和不断提高的社会要求,农科高职非计算机专业的计算机教学又出现了一些新的问题。
2目前的现状和存在问题
针对我校和其它兄弟院校的调查研究,农科高职非计算机专业计算机教学的现状和存在问题有以下几点:
1)重视不够。因为,这些学生是农科高职非计算机专业的学生,有些领导、老师认为懂一点计算机基础知识就行了,不需要更深的计算机方面知识。如会上网、聊天、打字排版就行了。在将来现代农业信息化的发展中,学这么点计算机方面的知识,在农业科研中怎么能充分利用好计算机这个工具,提高科研项目的速度和质量。对学生来说,意识不到计算机的作用,意识不到计算机是工作和学习的重要工具,计算机知识是解决未来工作中面临问题的钥匙,而是仅停留在文档处理、表格处理的认识水平,对编程等认为“高深莫测”,缺乏信心。
2)所学计算机课程较少。进入90年代,各高职院校基本开设了《计算机文化基础》课,其它有关计算机方面的课程基本没有开过,一般只学一个学期,最多60个学时,到目前为止,我校大多非计算机专业的计算机课程和学时还是这个情况,跟不上时代的发展,不能与时俱进。现在世界真正进入了信息时代,人类的社会经济生活等发生了新的巨大变化。在这个信息时代的社会中,作为一个农科高职院校的学生,学习这么一点计算机方面的基础知识,在现代化农业生产和科研中根本不够用,距现代化农业信息技术的发展和要求相差甚远。
3)计算机课程开设的不合理。大家都知道因材施教这个道理,在农科高职院校里,要根据不同的非计算机专业开设相关的计算机课程。
4)农科高职非计算机专业的学生计算机基础参差不齐。每年我校绝大部分学生来自于农村,有的学生是对口生,有的学生是普招生,他们的基础是不一样的。有的学生在高中阶段已学过计算机知识,有的学生没有学过计算机方面的知识。极少数学生学的计算机比较好,不少学生一无所知。
5)目前农科高职院校的非计算机专业的计算机教学缺乏连续性和层次性。在学校三年时间根据不同的专业应连续不断地开设不同的计算机课,分层次进行教学。
3提高农科高职非计算机专业计算机教学质量的对策
针对农科高职非计算机专业计算机教学的现状和存在的问题,提出以下教学改革设想和策略。
3.1领导、老师和学生要充分认识农科高职非计算机专业计算机教学的重要性
要达到好的教学和学习效果,需要校级领导的充分重视,表现在以下几个方面:(a)加大投入,筹集资金,改善计算机设备条件,淘汰使用多年的机器,及时补充新设备。(2)加强管理、资源共享,学校机房众多,由于涉及多个系部,因此难以统一协调管理,设备使用和人员工作整体效率低下。一方面是设备陈旧落后,无法满足教学需要,另一方面个别系部教学实习资源充足,设备无法发挥作用,有些系部甚至购买的计算机多年未投入使用。而计算机更新换代快,超过一定时间不用造成巨大浪费。通过制定协调的政策,开放全校机房,统一调配,可以优化管理全校资源,使利用有限的资金购买的新设备能发挥最大效益,提高使用效率,把设备的潜能充分挖掘出来。
要达到好的教学和学习效果,除领导的重视与大力支持外。教师必须认识到农科高职非计算机专业的学生并不是不需要掌握太多的计算机知识。教师要转变这些旧观念,就要走向社会,深入农业企业搞调查研究,参与农业企业的生产工作,我校一位教师就是深入企业生产第一线,深入调查研究,结果开发出了一个养猪管理方面的软件,这位教师并不是学计算机专业的。还有很多这样的例子,这足以证明了,随着现代农业信息化的大发展,愈来愈需要这方面的人才,既具有本专业方面的技术知识,又比较懂计算机技术知识的人。
要达到好的教学和学习效果,除领导和老师的重视与大力支持外。学生是学习的主体,要让学生充分认识到学习计算机知识的重要性。对在校学生来说,由于没有深入到专业研究,仅处于专业学习阶段,难以了解计算机在本专业学习和研究中所发挥的作用,仅停留在知道专业需要计算机理论和基本技能。知道相关内容很重要,但不知道如何用,需要学到什么程度。许多同学只重视一般的键盘操作,他们误认为打字速度快就是计算机操作熟练,而往往忽视计算机技术的学习和训练,把软件编程看作高深莫测。部分同学计算机基础较差,学习跟不上,对学好计算机缺乏信心。针对在校学生的这种情况,我们应该组织学生到现代化农业生产和科研企业去参观。组织这方面的专家到学校去做报告和讲座。
3.2增加开设课程门数和学时数
我们要到农业企业去调查研究,收集资料,获取大量的信息,重新修订专业教学计划,增加计算机方面的课程,加大计算机教学的学时数,以满足现代化农业发展的新要求。如猪生产与疾病防制专业的,增加开设“猪博士”管理软件的学习、“养猪场信息管理系统(专门针对于现代养猪场开发的)软件”的学习和“现代化养猪生产管理软件”等的学习。同时建议每个非计算机专业都要学习一下《信息检索》这一门课。信息检索具有三大重要意义:1)避免重复研究或走弯路;2)节省研究人员的时间;3)是获取新知识的捷径。同时,增加上机学时数,让学生多上机多实践,提高自己的动手能力。
3.3因学生基础不同,采取因材施教的方法
针对高职农业院校非计算机专业学生的计算机基础知识参差不齐现象,在教学内容的安排上和形式上应结合学生的具体情况做到因材施教,可以在学生入学后统考一下计算机方面的基础知识,根据统考成绩将学生分三个等级,对每个等级进行编班上课,根据不同等级的学生采用不同的教材、不同的授课方式、不同的考核方式,等级高的即基础好的班级要求教师在有限的学时内尽可能地增加信息量,扩大学生知识面,使基础较好的同学能学到更多的新知识。等级低的班级可以从最基本的计算机知识开始学习,学习进度慢一点。计算机基础课程分级教学模式,使计算机教学既符合农科高职非计算机专业的计算机教学现状及规律,又提高了学生学习的积极性和学习成绩。
3.4要保持计算机教学的连续性和层次性
连续性。计算机能力是大学生综合能力培养的一个重要方面。计算机技术、知识更新速度快,学校安排的有限的课时难以达到预定要求。此外由于课程设置及时间安排问题,学生普遍反映低年级开始上计算机课时,学生很难将计算机与自己的专业结合起来;高年级进入专业课时,有了将计算机与专业问题结合的机会和需要,但却发现计算机知识仅停留在表面和能够应付考试,与解决问题的要求相去甚远。
鉴于此,笔者认为,计算机教学应结合专业的课程进度保持连续性,积极研究教学安排与专业的结合,使计算机知识及应用教学融入整个专业教学课程。结合专业课程的进展,由浅入深,由基础到应用,在其他课程中注重计算机技术的应用,穿插计算机技术的使用,保证三年大学学习中计算机学习不断线,使学生认识到并能充分利用计算机这一工具。
层次性。原教育部副部长周远清曾提出“非计算机专业计算机基础教育要上三个层次”,对农科高职非计算机专业的计算机教学具有指导意义,计算机教学的连续性就是要根据“三个层次”教学基本要求组织和指导计算机基础教学。
第一层次为计算机文化基础。重点是使学生掌握计算机基本知识与基本操作技能,培养学生的计算机文化意识,具备计算机的一般通用认识基础。
第二层次为计算机技术基础。根据各个专业的不同需要安排教学内容,使学生掌握计算机软、硬件技术的基础知识、基本思想和基本方法;培养学生解决本专业与相关领域中一些问题的初步能力,具备用计算机处理问题的思维方式和利用软、硬件技术、网络技术等先进工具的基本技能。根据专业特点选择课程,例如我校的猪生产与疾病防制专业可选《养猪场信息管理系统》、《现代化养猪生产管理软件》、《Access数据库》等。