论文部分内容阅读
摘要：人工智能技术的快速发展，开启了各行业的信息化与智能化之门。然而，相比发达国家的高校教育，我国的人工智能教育还处在起步阶段，与实际工程需求相比还有很大差距，尤其是在工科发展和投入相对较小的农林院校。因此，本课题开展农林院校人工智能课程体系建设方面的研究，重点分析国内农林院校在人工智能课程体系建设方面存在的主要问题，并结合南京林业大学自动化专业给出了一种解决问题的实践途径，为农林院校建立健全人工智能课程体系提供新的思路，进而提高高校新工科人才的培养质量。
关键词：农林院校;人工智能;课程体系;特色教学;自动化专业
1 问题的提出
在信息爆炸、科学技术迅猛发展的新时代，人工智能技术已经广泛运用到各个领域，并通过物联网、大数据、云平台、区块链等新技术，加速了各行业的信息化和智能化发展。相比工业的快速发展，农林的信息化和智能化进程还比较慢，但我国出台了多项政策推进农林业信息化的发展，目前已取得了不错的进展[1]。
人工智能的快速发展和运用，得力于各大高校对相关人才的培养和技术的研究。近年来，国内各高校如清华大学、南京大学、东南大学等，先后成立了专门的人工智能学院。人工智能在工科类高校得到了较好的发展，已培养了数以万计的大学师生和科技人员，从事不同层次的人工智能相关研究与学习，人工智能或互联网行业也已成为广大电子信息类学生就业的首选。同时，人工智能作为一门交叉性前沿学科，其发展也促进了其他学科的发展[2]，综合运用到各行业，成为各行业创新的重要生长点，对我们生活的方方面面产生了重要的影响。
相比工科类或综合类高校，国内农林高校的人工智能專业发展相对较晚，目前还处于起步阶段。目前，国内农林高等院校在自动化、计算机科学等本科阶段以及相关专业的研究生阶段陆续开设人工智能方面课程（如人工智能导论、模式识别、机器学习等），同时不断加大该类课程的比重[3]。但是，在农林院校工科学科基础相对薄弱的情况下，具有高度综合性和交叉性的人工智能特色学科，其教学和科研活动大多散落在其他多个一级学科中[4]，缺乏统一有效的规划，这严重制约了相关学科的发展，难以培养农林类复合创新型技术人才，不利于促进农林业信息化和智能化的发展，因此需要进一步加强和完善农林院校的人工智能课程体系的建设[5]。
本文通过对国内多所农林高校的调研，分析了目前国内农林院校人工智能课程体系建设中普遍存在的问题，并结合农林院校中“双一流”大学——南京林业大学自动化专业的人工智能课程体系建设的多项举措，提出了一种解决问题的实践途径。
2 农林院校人工智能课程体系存在的现实问题
2019年，南京林业大学自动化系课题组成员分赴北京林业大学、东北林业大学、福建农林科技大学等国内多所农林高校实地走访，就农林院校人工智能课程体系和人才培养体系建设问题，与各高校工科学院、教务处等相关职能部门展开了较为深入的调研。调研发现，工程类专业建设在农林院校面临发展困境。因为农林院校的学校发展思路一般以农林学科为主，致使工程学科长期得不到应有的重视，相比综合院校，农林院校的工程学科基础普遍较薄弱。人工智能作为工程学科中新的学科，其课程体系在农林院校普遍存在如下四个问题。
2.1 专业学科师资短缺
由于农林院校工科投入相对较少，且相关工程项目申请缺乏条件优势，因此人才引进和师资建设难度较大，尤其是高水平领军人才缺失，进而导致工科科研能力不足，人工智能学科的科研产出与新技术、新经济融合不够，其工程应用优势难以发挥。
此外，人工智能学科的教师经常面临兼顾共性的同时又要突出农林特色的问题，对其与新工科、新农科建设结合方面的思考不够深入[6]。这主要是因为新进人才大多数是信息类人工智能学科的专业人才，掌握且可熟练运用人工智能技术，但缺乏农林方面的专业知识，且难以获得大量的相关数据，因此难以在农林院校中发挥人工智能技术的优势。
2.2 农林特色教材匮乏
目前出版的人工智能课程方面的教材主要分两类，一类针对信息计算机专业，重点介绍人工智能技术涉及的相关算法原理、网络架构等;另一类针对非计算机专业，具有较强的普适性和科普性，着重讲解人工智能技术的应用，通常以日常生活遇到的问题（如房价、购物、影视推荐等）为案例。对农林院校的本科生而言，前者内容过于深奥，后者其实验案例未和农林业相结合，缺乏农林业类特色，未充分利用农林院校现有的资源和特殊背景。因此，在未充分开设相关计算机类基础课程的情况下，农林院校工科类直接使用现有的教材，增加了农林院校学生学习的课业负担，也增加了院校在工科建设上投入的成本。
2.3 人工智能课程难度大
人工智能课程内容涉及很多高级、复杂的算法，需要具有一定的编程能力，掌握一定的算法理论和架构相关知识，对非计算机类专业学生来说难度过大[7]。例如，深度学习算法在人工智能领域广泛应用，且取得了不错的研究成果，但对于没有编程基础和系统算法学习的本科生而言，很难通过一两门课程掌握该类算法的设计和灵活运用。
此外，农林院校的主管部门通常重点发展农业或林业特色学科，部分通识课程向农林专业倾斜，导致部分工科院系难以深入开设交叉性强的人工智能课程。各农林院校之间以及工科院系与学校主管部门的思想难以统一，人工智能课程难以形成合理统一的体系架构。
2.4 特色实验环节少
在农林院校中，工程学科大多属弱势学科，人力和资金投入不足，实验设备和空间严重不足。同时，人工智能课程又属于新兴课程，其课程实验对应的实验室需要考虑计算能力、数据集、算法及框架[8]，而大多数农林院校还没有配置相应的实验设备，导致理论教学和实践教学联系不紧密，缺乏对科学研究和实践应用能力的培养。
此外，由于专业师资和特色教材的匮乏，人工智能课程在农林院校中还处于起步阶段，课程内容未与农林院校自身优势较好地融合，从而缺少与农林相关的创新特色实验环节。 3 农林院校人工智能课程体系建设的实践途径
针对上述农林院校中人工智能课程体系存在的四大主要问题，必须加强农林院校人工智能课程体系建设，突破发展困境，建设的突破口主要在于课程平台、课程设置、实验教学和创新实践这四个方面。下面以南京林业大学自动化专业人工智能课程体系建设为例，提出农林院校人工智能课程体系的建设途径。
3.1 “由普到精”的课程平台
南京林业大学自动化类包括自动化专业和测控技术与仪器专业，在机械电子工程学院下进行培养，修业四年。第一年实施通识教育，按照自动化大类培养，其中包含计算机基础课程，为后续人工智能课程提供预备知识。第一学年末按照“志愿优先，成绩排序”原则进行专业分流，后三年按照专业培养。学生分别进入自动化专业和测控技术与仪器专业，执行相应专业培养方案。自动化专业学生进入大三后，课程主要为专业教育和拓展教育，包括学科与专业基础课程、专业核心与专业特殊课程和集中实践教学环节，其中选修课又分模式识别方向和控制工程方向，有针对性地培养学生对自动化领域某些复杂工程问题的理解、分析和解决能力。
为了学生更好地掌握必要的理论知识，并锻炼其编程能力，南京林业大学开展了线上线下结合的教学方式。自动化专业的本科生除了通过线下课堂教学，在通识教育中掌握人工智能课程所需的基础知识，设计相关上机实验，培养一定的编程能力，还在专业教育中根据个人选择的专业方向，系统地学习人工智能相关课程，保证完成培养大纲规定的学分。同时，基于“雨课堂”“超星”等平台，开设了线上课程和慕课，学生可以针对自己的专业方向，尤其是模式识别方向的本科生，有选择地学习人工智能相关课程，且可以针对自己薄弱的知识点进行多次学习，充分发挥信息网络的优势。线上线下结合的教学形式，让学生在线下课堂掌握必要的基础知识，在线上课程复习和深入学习人工智能专业知识，进而弥补了农林院校工科学生相关知识缺少而导致直接学习人工智能课程难的问题。
3.2 “共性与特色”的课程设置
南京林业大学2020版最新自动化类本科人才培养方案的教学计划进程表，包含人工智能导论、模式识别基础、数字图像处理、Python程序设计、机器学习、农林信息化工程等专业核心与专业特殊课程，这些课程不仅包含传统的人工智能课程，而且增加了其在农林类领域应用的讲解。如机器学习课程中增加了“木材缺陷识别”“地板木质识别”等和林业生产加工有关的案例，打造具有林业特色的自动化类“人工智能”课程体系。
此外，相关任课教师与实验指导教师一起，结合科研项目、挑战杯、创青春竞赛，深入挖掘各课程之间的交叉与联系[9]，对单一性实验课程与设计性实验、综合性实验进行再设计，并编写相关农林特色人工智能教材和实验指导手册，从专业模块和课程群层次考虑综合知识的运用，构建跨课程实验教学体系。
3.3 “虚实结合”的实验教学
南京林業大学机械电子工程学院拥有现代林业技术装备国家虚拟仿真实验教学中心，注重虚实结合的教学理念，设计具有农林业特色的自动化虚拟仿真教学实验课程。通过虚拟现实技术和仿真手段，对农林业需要大场地、长周期、高危害的生产加工环节，进行原理和技术的直观呈现，提高人工智能方面专业授课的直观性和趣味性，实现课堂教学与实践教学的密切结合。“虚实结合”手段将生硬的理论知识与实例操作相结合，学生更加容易掌握和运用所学知识。
同时，在虚拟仿真教学实施的过程中，注重教与学的融合，建立及时的跟踪和反馈机制，做到及时发现问题、如实记录问题并解决问题，不断提高虚拟仿真教学的质量，提升其应用价值。
3.4 “以赛促学”的创新实践
一方面，通过校级、省级的大学生创新训练计划项目，培育和选拔优秀学生;另一方面，申请协同育人项目，联合企业打造科研实验教学基地，为培养学生的创新实践能力提供基础设施条件。近三年，南京林业大学自动化系成功申请产学合作协同育人项目五项，构建了产教融合、校企合作的良好生态。协同育人通过项目制，拉近学校与企业的距离，使学校了解社会需求，使企业将学校作为其培养人才的基地，达到双赢的结果[10]。在此基础上，鼓励学生参加各类电子信息类比赛，如“挑战杯”全国大学生课外学术科技作品竞赛、“蓝桥杯”全国软件和信息技术专业人才大赛、全国大学生电子设计竞赛、全国大学生机器人大赛等。通过各类比赛，培养学生的综合能力和创新能力，以及解决复杂工程问题的能力。围绕“中国制造2025”对高层次人才的需求，在智能机电系统与机械、电气、控制等知识体系的综合运用，系统考虑课程群之间的关联性，通过项目比赛等多种形式培养综合性农林类工科专业人才。
4 结语
在人工智能技术快速发展的当代，人工智能课程体系建设在农林院校主要存在师资短缺、教材无特色、课程难度大、特色实验环节少四大问题。针对这四大问题，本文以南京林业大学自动化专业的人工智能课程体系建设为例，从课程平台、课程设置、实验教学和创新实践四个方面，详细介绍了人工智能课程体系建设的实践途径。通过“分层培养、层层递进、逐步提高”夯实工程基础，建立专业特色鲜明、创新创业递进的实践教学体系，形成了桌面虚拟、仿真训练、虚实结合、校企联动的实践教学新模式，旨在为其他农林院校的工科建设提供新思路。
参考文献：
[1] 焦方源，焦小洋，李薇.农林区域特征信息智能采集与生态预警系统设计与实现[J].西华师范大学学报（自然科学版），2018，39（02）：217-222.
[2] 吴飞，杨洋，何钦铭.人工智能本科专业课程设置思考：厘清内涵、促进交叉、赋能应用[J].中国大学教学，2019（02）：14-19.
[3] 陈爱斌，蔡自兴，李建军.林业院校人工智能课程教学的思考[J].计算机教育， 2016（10）：80-82.
[4] 牛轶峰，张国忠，朱华勇.高等院校人工智能课程体系建设刍议[J].高等教育研究学报，2010，33（02）：52-53+63.
[5] 李洪修，吴思颖.人工智能背景下大学教学思维的审视与回归[J].高校教育管理，2020，14（02）：29-36.
[6] 胡伟.人工智能时代教师的角色困境及行动策略[J].现代大学教育，2019（05）：79-84.
[7] 陶泓杉，郄海霞.高校人工智能本科专业需要怎样的课程体系——基于卡耐基梅隆大学和南洋理工大学的比较分析[J/OL].重庆高教研究，http：//kns.cnki.net/kcms/detail/50.1028.G4.20201020.1134.002.html，2020-10-23.
[8] 吴湘宁，彭建怡，罗勋鹤，等.高校人工智能实验室的规划与建设[J].实验技术与管理，2020，37（10）：244-250.
[9] 刘君，王学伟，梁静.人工智能时代“教研赛训”工作室人才培养模式的实践[J].实验室研究与探索，2020，39（07）：258-263+269.
[10] 罗成翼，王琦.湖南省应用本科高校产教融合发展现状、问题及对策研究[J].当代教育论坛，2020
作者简介：朱婷婷（1989—），女，江苏盐城人，工学博士，副主任，讲师，系本文通讯作者，研究方向：模式识别与智能系统、林业信息化。
倪超（1979—），男，江苏江都人，工学博士，教授，副院长，博士生导师，研究方向：人工智能与林业信息化。
关键词：农林院校;人工智能;课程体系;特色教学;自动化专业
1 问题的提出
在信息爆炸、科学技术迅猛发展的新时代，人工智能技术已经广泛运用到各个领域，并通过物联网、大数据、云平台、区块链等新技术，加速了各行业的信息化和智能化发展。相比工业的快速发展，农林的信息化和智能化进程还比较慢，但我国出台了多项政策推进农林业信息化的发展，目前已取得了不错的进展[1]。
人工智能的快速发展和运用，得力于各大高校对相关人才的培养和技术的研究。近年来，国内各高校如清华大学、南京大学、东南大学等，先后成立了专门的人工智能学院。人工智能在工科类高校得到了较好的发展，已培养了数以万计的大学师生和科技人员，从事不同层次的人工智能相关研究与学习，人工智能或互联网行业也已成为广大电子信息类学生就业的首选。同时，人工智能作为一门交叉性前沿学科，其发展也促进了其他学科的发展[2]，综合运用到各行业，成为各行业创新的重要生长点，对我们生活的方方面面产生了重要的影响。
相比工科类或综合类高校，国内农林高校的人工智能專业发展相对较晚，目前还处于起步阶段。目前，国内农林高等院校在自动化、计算机科学等本科阶段以及相关专业的研究生阶段陆续开设人工智能方面课程（如人工智能导论、模式识别、机器学习等），同时不断加大该类课程的比重[3]。但是，在农林院校工科学科基础相对薄弱的情况下，具有高度综合性和交叉性的人工智能特色学科，其教学和科研活动大多散落在其他多个一级学科中[4]，缺乏统一有效的规划，这严重制约了相关学科的发展，难以培养农林类复合创新型技术人才，不利于促进农林业信息化和智能化的发展，因此需要进一步加强和完善农林院校的人工智能课程体系的建设[5]。
本文通过对国内多所农林高校的调研，分析了目前国内农林院校人工智能课程体系建设中普遍存在的问题，并结合农林院校中“双一流”大学——南京林业大学自动化专业的人工智能课程体系建设的多项举措，提出了一种解决问题的实践途径。
2 农林院校人工智能课程体系存在的现实问题
2019年，南京林业大学自动化系课题组成员分赴北京林业大学、东北林业大学、福建农林科技大学等国内多所农林高校实地走访，就农林院校人工智能课程体系和人才培养体系建设问题，与各高校工科学院、教务处等相关职能部门展开了较为深入的调研。调研发现，工程类专业建设在农林院校面临发展困境。因为农林院校的学校发展思路一般以农林学科为主，致使工程学科长期得不到应有的重视，相比综合院校，农林院校的工程学科基础普遍较薄弱。人工智能作为工程学科中新的学科，其课程体系在农林院校普遍存在如下四个问题。
2.1 专业学科师资短缺
由于农林院校工科投入相对较少，且相关工程项目申请缺乏条件优势，因此人才引进和师资建设难度较大，尤其是高水平领军人才缺失，进而导致工科科研能力不足，人工智能学科的科研产出与新技术、新经济融合不够，其工程应用优势难以发挥。
此外，人工智能学科的教师经常面临兼顾共性的同时又要突出农林特色的问题，对其与新工科、新农科建设结合方面的思考不够深入[6]。这主要是因为新进人才大多数是信息类人工智能学科的专业人才，掌握且可熟练运用人工智能技术，但缺乏农林方面的专业知识，且难以获得大量的相关数据，因此难以在农林院校中发挥人工智能技术的优势。
2.2 农林特色教材匮乏
目前出版的人工智能课程方面的教材主要分两类，一类针对信息计算机专业，重点介绍人工智能技术涉及的相关算法原理、网络架构等;另一类针对非计算机专业，具有较强的普适性和科普性，着重讲解人工智能技术的应用，通常以日常生活遇到的问题（如房价、购物、影视推荐等）为案例。对农林院校的本科生而言，前者内容过于深奥，后者其实验案例未和农林业相结合，缺乏农林业类特色，未充分利用农林院校现有的资源和特殊背景。因此，在未充分开设相关计算机类基础课程的情况下，农林院校工科类直接使用现有的教材，增加了农林院校学生学习的课业负担，也增加了院校在工科建设上投入的成本。
2.3 人工智能课程难度大
人工智能课程内容涉及很多高级、复杂的算法，需要具有一定的编程能力，掌握一定的算法理论和架构相关知识，对非计算机类专业学生来说难度过大[7]。例如，深度学习算法在人工智能领域广泛应用，且取得了不错的研究成果，但对于没有编程基础和系统算法学习的本科生而言，很难通过一两门课程掌握该类算法的设计和灵活运用。
此外，农林院校的主管部门通常重点发展农业或林业特色学科，部分通识课程向农林专业倾斜，导致部分工科院系难以深入开设交叉性强的人工智能课程。各农林院校之间以及工科院系与学校主管部门的思想难以统一，人工智能课程难以形成合理统一的体系架构。
2.4 特色实验环节少
在农林院校中，工程学科大多属弱势学科，人力和资金投入不足，实验设备和空间严重不足。同时，人工智能课程又属于新兴课程，其课程实验对应的实验室需要考虑计算能力、数据集、算法及框架[8]，而大多数农林院校还没有配置相应的实验设备，导致理论教学和实践教学联系不紧密，缺乏对科学研究和实践应用能力的培养。
此外，由于专业师资和特色教材的匮乏，人工智能课程在农林院校中还处于起步阶段，课程内容未与农林院校自身优势较好地融合，从而缺少与农林相关的创新特色实验环节。 3 农林院校人工智能课程体系建设的实践途径
针对上述农林院校中人工智能课程体系存在的四大主要问题，必须加强农林院校人工智能课程体系建设，突破发展困境，建设的突破口主要在于课程平台、课程设置、实验教学和创新实践这四个方面。下面以南京林业大学自动化专业人工智能课程体系建设为例，提出农林院校人工智能课程体系的建设途径。
3.1 “由普到精”的课程平台
南京林业大学自动化类包括自动化专业和测控技术与仪器专业，在机械电子工程学院下进行培养，修业四年。第一年实施通识教育，按照自动化大类培养，其中包含计算机基础课程，为后续人工智能课程提供预备知识。第一学年末按照“志愿优先，成绩排序”原则进行专业分流，后三年按照专业培养。学生分别进入自动化专业和测控技术与仪器专业，执行相应专业培养方案。自动化专业学生进入大三后，课程主要为专业教育和拓展教育，包括学科与专业基础课程、专业核心与专业特殊课程和集中实践教学环节，其中选修课又分模式识别方向和控制工程方向，有针对性地培养学生对自动化领域某些复杂工程问题的理解、分析和解决能力。
为了学生更好地掌握必要的理论知识，并锻炼其编程能力，南京林业大学开展了线上线下结合的教学方式。自动化专业的本科生除了通过线下课堂教学，在通识教育中掌握人工智能课程所需的基础知识，设计相关上机实验，培养一定的编程能力，还在专业教育中根据个人选择的专业方向，系统地学习人工智能相关课程，保证完成培养大纲规定的学分。同时，基于“雨课堂”“超星”等平台，开设了线上课程和慕课，学生可以针对自己的专业方向，尤其是模式识别方向的本科生，有选择地学习人工智能相关课程，且可以针对自己薄弱的知识点进行多次学习，充分发挥信息网络的优势。线上线下结合的教学形式，让学生在线下课堂掌握必要的基础知识，在线上课程复习和深入学习人工智能专业知识，进而弥补了农林院校工科学生相关知识缺少而导致直接学习人工智能课程难的问题。
3.2 “共性与特色”的课程设置
南京林业大学2020版最新自动化类本科人才培养方案的教学计划进程表，包含人工智能导论、模式识别基础、数字图像处理、Python程序设计、机器学习、农林信息化工程等专业核心与专业特殊课程，这些课程不仅包含传统的人工智能课程，而且增加了其在农林类领域应用的讲解。如机器学习课程中增加了“木材缺陷识别”“地板木质识别”等和林业生产加工有关的案例，打造具有林业特色的自动化类“人工智能”课程体系。
此外，相关任课教师与实验指导教师一起，结合科研项目、挑战杯、创青春竞赛，深入挖掘各课程之间的交叉与联系[9]，对单一性实验课程与设计性实验、综合性实验进行再设计，并编写相关农林特色人工智能教材和实验指导手册，从专业模块和课程群层次考虑综合知识的运用，构建跨课程实验教学体系。
3.3 “虚实结合”的实验教学
南京林業大学机械电子工程学院拥有现代林业技术装备国家虚拟仿真实验教学中心，注重虚实结合的教学理念，设计具有农林业特色的自动化虚拟仿真教学实验课程。通过虚拟现实技术和仿真手段，对农林业需要大场地、长周期、高危害的生产加工环节，进行原理和技术的直观呈现，提高人工智能方面专业授课的直观性和趣味性，实现课堂教学与实践教学的密切结合。“虚实结合”手段将生硬的理论知识与实例操作相结合，学生更加容易掌握和运用所学知识。
同时，在虚拟仿真教学实施的过程中，注重教与学的融合，建立及时的跟踪和反馈机制，做到及时发现问题、如实记录问题并解决问题，不断提高虚拟仿真教学的质量，提升其应用价值。
3.4 “以赛促学”的创新实践
一方面，通过校级、省级的大学生创新训练计划项目，培育和选拔优秀学生;另一方面，申请协同育人项目，联合企业打造科研实验教学基地，为培养学生的创新实践能力提供基础设施条件。近三年，南京林业大学自动化系成功申请产学合作协同育人项目五项，构建了产教融合、校企合作的良好生态。协同育人通过项目制，拉近学校与企业的距离，使学校了解社会需求，使企业将学校作为其培养人才的基地，达到双赢的结果[10]。在此基础上，鼓励学生参加各类电子信息类比赛，如“挑战杯”全国大学生课外学术科技作品竞赛、“蓝桥杯”全国软件和信息技术专业人才大赛、全国大学生电子设计竞赛、全国大学生机器人大赛等。通过各类比赛，培养学生的综合能力和创新能力，以及解决复杂工程问题的能力。围绕“中国制造2025”对高层次人才的需求，在智能机电系统与机械、电气、控制等知识体系的综合运用，系统考虑课程群之间的关联性，通过项目比赛等多种形式培养综合性农林类工科专业人才。
4 结语
在人工智能技术快速发展的当代，人工智能课程体系建设在农林院校主要存在师资短缺、教材无特色、课程难度大、特色实验环节少四大问题。针对这四大问题，本文以南京林业大学自动化专业的人工智能课程体系建设为例，从课程平台、课程设置、实验教学和创新实践四个方面，详细介绍了人工智能课程体系建设的实践途径。通过“分层培养、层层递进、逐步提高”夯实工程基础，建立专业特色鲜明、创新创业递进的实践教学体系，形成了桌面虚拟、仿真训练、虚实结合、校企联动的实践教学新模式，旨在为其他农林院校的工科建设提供新思路。
参考文献：
[1] 焦方源，焦小洋，李薇.农林区域特征信息智能采集与生态预警系统设计与实现[J].西华师范大学学报（自然科学版），2018，39（02）：217-222.
[2] 吴飞，杨洋，何钦铭.人工智能本科专业课程设置思考：厘清内涵、促进交叉、赋能应用[J].中国大学教学，2019（02）：14-19.
[3] 陈爱斌，蔡自兴，李建军.林业院校人工智能课程教学的思考[J].计算机教育， 2016（10）：80-82.
[4] 牛轶峰，张国忠，朱华勇.高等院校人工智能课程体系建设刍议[J].高等教育研究学报，2010，33（02）：52-53+63.
[5] 李洪修，吴思颖.人工智能背景下大学教学思维的审视与回归[J].高校教育管理，2020，14（02）：29-36.
[6] 胡伟.人工智能时代教师的角色困境及行动策略[J].现代大学教育，2019（05）：79-84.
[7] 陶泓杉，郄海霞.高校人工智能本科专业需要怎样的课程体系——基于卡耐基梅隆大学和南洋理工大学的比较分析[J/OL].重庆高教研究，http：//kns.cnki.net/kcms/detail/50.1028.G4.20201020.1134.002.html，2020-10-23.
[8] 吴湘宁，彭建怡，罗勋鹤，等.高校人工智能实验室的规划与建设[J].实验技术与管理，2020，37（10）：244-250.
[9] 刘君，王学伟，梁静.人工智能时代“教研赛训”工作室人才培养模式的实践[J].实验室研究与探索，2020，39（07）：258-263+269.
[10] 罗成翼，王琦.湖南省应用本科高校产教融合发展现状、问题及对策研究[J].当代教育论坛，2020
作者简介：朱婷婷（1989—），女，江苏盐城人，工学博士，副主任，讲师，系本文通讯作者，研究方向：模式识别与智能系统、林业信息化。
倪超（1979—），男，江苏江都人，工学博士，教授，副院长，博士生导师，研究方向：人工智能与林业信息化。