摘要：人工智能时代的到来，推动了测绘技术的创新和提升，传统测绘人才无法满足智能化测绘时代的岗位需求，测绘工程专业教育改革势在必行。在充分调研社会和行业需求的基础上，分析了测绘人才培养现状，探索了人工智能与测绘工程专业深度融合的模式，包括修订培养目标、设计课程体系和改革教学方法。研究结果可为进一步提升学生核心竞争力提供改革思路和途径，为测绘学科教育与人工智能交叉融合提供理论参考。
测绘学科是一个古老而常新的学科，从传统测绘、数字化测绘、信息化测绘再到如今的智能化测绘，依托每一次技术革命均获得了跨越式发展。随着测绘遥感技术的进步，空-天-地-海一体化数据采集框架提供了更加实时、准确、广泛的地理信息数据，具有多源、异构和体量大的特征，而人工智能技术的发展为测绘地理信息的快速获取和智能处理提供了机遇。测绘高新技术的发展离不开人工智能，其不仅助力智能化测绘设备的产生和发展，而且辅助实现空间大数据的自动化处理。大数据挖掘、云计算技术助推地理信息由数据向知识转化，人工智能与测绘技术的深度融合能更好服务于人类的生产和生活。
智能时代的到来，将促进测绘技术的创新和传统理念的变革，也必将推动测绘人才教育改革和创新发展。智能化测绘时代对学生的知识结构、学习能力和职业素养提出了更高的要求，其不仅要具备扎实的测绘技能，而且要能够运用人工智能的核心技术去解决测绘地理信息行业中复杂的工程问题，以满足社会对智能化测绘人才的需求。这就需要明晰现有测绘人才培养中的优势和不足，制订适应社会发展的人才培养目标，重构课程体系，优化课程内容，创新教学方法，将“测绘+人工智能”的理念落实到人才培养的每个环节，探索人工智能与测绘技术深度融合的途径和手段。
1研究现状
国内众多学者对测绘学科在人工智能背景下的转型升级、人才培养模式、课程设置、教学内容等方面进行了深入的探索和实践。宁津生在《测绘科学与技术转型升级发展战略研究》一文中指出，在人工智能时代，测绘学科与其他学科交叉融合发展已经成为大趋势，人才培养不仅要夯实专业基础教育，还要突出“人工智能”“数据挖掘”等课程的交叉融合。高井祥指出，智能化背景下，高等教育的教学内容和教学模式发生变化，注重智能采集装备基础原理的学习和编程能力的培养。目前，部分高校尝试将人工智能技术融入测绘地理信息类专业的课程体系中，如增设“测绘+人工智能”的选题，在遥感类课程中增加机器学习、深度学习内容，在地图学与地理信息系统类课程中增设大数据处理内容等。这些措施取得了一定的效果，但总体上呈现碎片化、相对独立的特点，缺乏系统性的设计。
综上，人工智能技术的发展促使测绘专业培养模式改革，需充分调研市场和行业需求，明确当代社会对测绘高端人才的能力需求，对培养目标、课程体系、教学内容和教学方法进行系统性设计，形成“测绘+人工智能”的培养模式。
2“测绘+人工智能”模式课程体系设计
“测绘+人工智能”模式课程体系设计旨在将高校人才培养课程体系视为一个整体，将智能化测绘人才的能力培养目标转变为课程目标，并在课程设置、课程内容组织、课程教学实践和课程评价中予以充分体现。
2.1制订适应智能化测绘需求的人才培养目标
明确的能力培养目标是课程体系改革的基础和依据，起着引导和纽带作用，也是课程体系改革能否取得成效的关键。制订培养目标时，必须充分考虑内外部需求和条件，通过有效调研及合理预测来实现，包括针对本校教师、教学管理者的内部调研，针对用人单位（尤其是信息化、智能化要求较高的单位）、校友、行业部门的调研，对调研数据进行分析并进行需求预测。将培养目标分解为衡量专业人才能力水平的毕业要求指标点，这些指标点要可落实、可评价，课程目标要与指标点相对应。以黑龙江科技大学测绘工程专业培养目标的制定为例，即以经济、社会和测绘行业对高端人才的需求为出发点，培养具有优秀人文素养、具备扎实理论基础和较强工程实践能力、掌握测绘前沿知识和技能、具有创新创业意识和国际视野的高级应用型工程技术人才。将总的培养目标分解为5个分目标，即职业素养、基本业务素质、综合业务素质、管理与沟通能力和终身学习能力与国际视野。专业对照工程教育认证通用标准制定了12项毕业要求，并将毕业要求分解为33个指标点，确定了支撑每个指标点的课程。同时，将毕业要求指标点落实到课程大纲中，并明确了课程目标和课程内容与指标点的对应支撑关系。
2.2人工智能背景下优化课程设置
课程设置是实现培养目标的基础，包括通识教育、通用基础、工程基础、专业基础类、专业类和工程实践与毕业设计。为适应社会需求，在课程体系中适当增加“大数据挖掘”“云计算”“神经网络”“机器学习”等人工智能核心课程，合理分配各课程模块的学分，形成“测绘+人工智能”课程体系。以专业能力需求为出发点，将课程划分为地理信息获取、地理信息综合处理和综合应用3个模块，注重人工智能知识与测绘技能的密切融合。根据测绘工程专业国家标准中的核心课程“10+X”的要求，黑龙江科技大学测绘工程专业核心课程设置包括“测绘学概论”“测绘学基础”“误差理论与测量平差基础”“地图制图学基础”“数字地形测量学”“大地测量学基础”“摄影测量学”“GNSS原理及应用”“遥感原理与应用”“地理信息系统原理”“工程测量学”“地下工程测量”“开采沉陷与综合治理”“地理信息系统二次开发”，通过核心课程的学习，使学生具备扎实的测绘理论基础和较强的工程实践能力。在工程基础模块中增加”数据结构”“计算机图形学及应用”，为学生掌握编程知识和大数据挖掘技术提供基础知识；在选修课模块中增加“Python程序设计与时空数据挖掘”“空间大数据与云计算”，为地理空间大数据获取的实时化、信息处理自动化提供方法和手段，使学生具备良好的数据处理能力和一定的编程基础；在综合应用模块设置了3S技术综合实习、测绘工程项目技术设计和毕业设计等，旨在培养学生采集地理信息大数据、快速处理和综合应用能力，适应智能化测绘的需求和挑战。
2.3课程目标与课程内容的系统性设计
合理的课程目标是实现智能化测绘时代专业培养目标的基础，将测绘技术与人工智能技术深度融合，既要夯实测绘学科理论基础，又要适应智能化测绘的需求，如在“遥感数字图像处理”课程中将“能利用算法模型对遥感图像进行智能解译”作为课程目标之一，将“能利用制图综合算子解决地图缩编问题”作为“地图制图学基础”课程目标之一。在确定课程目标时，将课程体系视为一个整体，综合考虑课程目标对毕业要求指标点的支撑作用，做到全覆盖。
优化课程内容是实现课程目标的关键，人工智能与不同领域交叉融合的方式存在差异，测绘专业在进行培养方案修订时，要结合市场调研，精选测绘学科所涉及的人工智能的核心知识和技术，然后将其分解后融入课程内容中。同时，受限于课程学时，教学内容往往偏重于基础理论和基本技能，新技术和前沿知识占比相对较少。因此，应以社会需求为出发点，不断更新教学内容，淘汰落后的知识和技术，合理分配基础理论与学科前沿的学时比例，做好课程群教学内容的整体设计，避免重复讲授。另外，在综合应用模块合理设计课程内容，培养学生利用测绘和人工智能知识解决复杂测绘问题的能力。在毕业设计环节，增加编程类、批量数据处理类、遥感影像自动识别等类型题目比例，如“基于深度卷积神经网络的公路路面裂缝自动化提取方法”“基于深度学习的多时相SAR影像建筑物识别的算法研究”“基于遥感云计算的矿区生态环境遥感评价”等，系统训练学生的创新能力和创新思维，使学生深入体会智能化测绘时代的特点和对测绘人才的能力需求。
2.4教学方法与课程质量评价方法的创新
创新教学方法是实现课程目标的助推器。智能化测绘涉及测绘、人工智能、地理、计算机等多学科，需多学科交叉融合，学生学习任务相对繁重。所以，应将智能化测绘所必需的人工智能技术划分为不同层次模块，即自主学习模块、教师讲授模块和团队合作模块，通过多种形式的学习实现课程目标。鼓励学生自学编程语言，如C#、C++和Python等；建议教师进行“案例式教学”，引入人工智能技术解决复杂测绘问题的案例，使学生深入理解人工智能服务测绘行业的途径和方法；同时，学生的学习能力存在个体差异，教师将整体教学改为分层次教学，让学生在自主学习和团队协作中提升自我能力。
课程教学是实现教学效果和教学目标最重要的环节，课程质量直接影响专业培养目标和毕业要求的达成。基于成果导向教育（OBE）理念，以课程大纲制定的课程目标、教学方法、考核方式等为依据，对课程教学结果是否达到预期的教学目标进行合理评价。通过评价，既可反映课程对毕业要求的支撑度，也能发现课程教学实施过程中存在的问题，并依此进行课程的持续改进。课程质量评价包括课程目标与毕业要求达成评价、教学环节评价、考核内容评价等。采用的评价方法主要包括标准化测试成绩分析法和过程性考核法。标准化测试成绩分析法主要是针对课程的期末考核，按照其对课程目标的支撑，根据学生所得分数计算该课程目标的达成度值，该方法侧重评价学生对工程知识、问题分析、设计/开发解决方案、研究等技术性指标的达成情况。过程性考核法主要通过课堂作业、课后作业、书面报告、阶段性测试、专题讨论等环节进行评价，各环节均制定明确的评分细则来评定相应指标点的达成情况。课程目标达成度评价的数据保证全覆盖，以便更好反映学生整体情况和个体差异，为课程的持续改进提供可靠依据。
2.5持续改进
通过持续改进提升教学效果，更好实现课程目标。一轮教学结束后，教师应及时总结与反思，针对教学内容、教学方法和考核方式等提出有针对性的改进措施。以“地图制图学基”为例，提出以下改进措施：①通过对学生学习状态和考试成绩的分析，发现学生解决复杂问题的能力较弱，因此，在教学中注重引导学生解决复杂问题的思路和方法，对作业和实验的内容进行有针对性的调整；②实践教学中发现部分学生过分依赖教师的示范和教学视频，自学能力和独立思考能力较弱，在今后的实践教学中，合理安排一部分自学内容，让学生学会使用优质的书籍和网络资源来完成实践教学，提升学生的自学能力和创新意识；③增加平时的考核比例，给学生更多思考和解决问题的空间，在试卷中适当控制题量，适当增加开放性题目；④对于本轮教学中多个课程目标未达成的学生，应与后续课程任课教师提前沟通，提前关注这部分学生，建议成立以任课教师为跟踪联系人的帮扶小组，实行定向帮助，找出存在的问题，力求使这部分学生在后续课程中能够达成预期目标。
3结论
人工智能技术带动测绘科学技术的发展，给测绘学科教育带来机遇和挑战，探索“测绘+人工智能”模式的培养目标、课程体系和教学方法的改革，有助于将人工智能技术融入测绘人才培养的各个环节中，进一步优化学生知识结构，提升学生适应智能化测绘的能力，增强学生毕业后的核心竞争力。
本文得到黑龙江省教育科学“十四五”规划2022年度重点课题“人工智能背景下测绘地理信息类专业课程体系改革”（编号：GJB1422117）；黑龙江科技大学教学研究项目（编号：JY21-03）资助。
作者：张红华，杜继亮，李树奎，赵威成，马福义，叶欣
单位：黑龙江科技大学
本文刊于《科技与创新》2024年6期
编辑：严丽琴 转载请注明
