以慕课和实验项目驱动的智能车辆课程混合式教学实践

熊光明，龚建伟，陈慧岩，郝浩倩

（北京理工大学 机械与车辆学院，北京 100081）

《中国制造 2025》[1]对智能车辆技术这一新兴领域给予了高度关注。本课程组对于如何培养具有创新精神、创业意识、创新创业能力的“智能车辆技术”人才问题进行了研究，并从2017年开始连续开展了三届教学实践[2-4]。通过明星培育项目、精品课程建设项目等，我们在培养学生创新性、批判性思维等方面进行了一些尝试。

2020年初，国家发改委等11部委联合发布《智能汽车创新发展战略》[5]，对进一步加快“智能车辆技术”人才培养提出了新的要求。本课程组在以往教学实践和一系列教改项目基础上，针对疫情期间线上教学的实际需要，结合精心打造且已在中国大学MOOC网站上线的“无人驾驶车辆”慕课[6]以及MATLAB自动驾驶工具箱[7]，提出了“3193模式”的智能车辆课程混合式教学框架，并开展了具体教学实践。

1 “3193模式”的混合式教学框架

2020年初新冠疫情发生后，智能车辆课程组及时研究了学校关于疫情期间线上教学的要求，第一时间在乐学平台建立了课程档案，并提出如图 1所示的“3193模式”的混合式教学框架。

其中的3个平台为慕课平台、乐学平台和QQ平台。2019年12月，课程组制作的“无人驾驶车辆”慕课在中国大学MOOC网站上线，包括各章节课件、评分标准、测验与作业、讨论区、考试等栏目。运用慕课方式，学习者可以自主选择学习内容、自我调节学习进度[8]。

图1 3193模式

乐学平台使用Moodle[9]的标准软件代码架设，由我校网络信息技术中心对其进行了修改和扩展。乐学系统与学校的选课管理系统是相关联的，能从管理系统中自动导入选课学生信息，极大地方便了教师对学生的管理。学生只要登录乐学平台，就会自动进入上学期末所选的课程名下，看到该课程在乐学平台建立的课程档案及相关通知。乐学平台的功能非常丰富，“3193模式”的框架中只用了其中一小部分，如建立档案、发布通知、接收作业、投票问卷等。QQ平台主要提供直播、发布通知、互动交流等功能。

“3193模式”中的1个工具箱，是指MATLAB自动驾驶工具箱。由于智能车辆课程涉及面广，知识点偏难，必须通过实际项目的锻炼和练习来理解和掌握基本理论与方法。目前，自动驾驶案例大多是用C语言实现的，门槛较高，学生往往需要花较多时间学习C语言，这反而弱化了对无人驾驶知识点的学习和理解。MATLAB上手快，学生不用花太多时间在学习MATLAB上，而是可以将更多时间用在学习无人驾驶技术上。图1中的9个案例都是从MATLAB自动驾驶工具箱中精选出来的，并构成了3个实验项目，通过项目驱动促进学生实践能力和创新意识的提高。

2 基于慕课的在线学习

2.1 基于ILOS设计教学策略

本课程注重理论联系实际，以预期学习结果[10]（intended learning outcomes，ILOS）为着力点，将“无人驾驶车辆”慕课知识点及需要达到的预期学习效果予以标准化，并以案例形式呈现。例如，对于多线激光雷达教学，为使学生易于理解，设计使用VREP进行仿真模拟教学。如图 2所示，用 VREP模拟了 64线激光雷达在遇到行人时的情形。可以看出，64线激光雷达在垂直方向上，有比较稠密的线束，对于过马路的行人，通过稠密的激光点云，行人的轮廓可以清晰地呈现出来。

通过三维仿真模拟教学，使学生先对知识点建立感性认识，再通过教师讲解及课后使用仿真软件进行实践操作，实现了理论与实践相结合，达到了熟练掌握该知识点的目的。

图2 多线激光雷达仿真场景

2.2 慕课在线学习

根据OBE理念，课题组研究制定了无人驾驶车辆课程教学大纲，对课程教学目标及教学效果评价进行了详细的分类描述[11]。由于无人驾驶车辆技术还在不断发展完善过程中，对于很多问题目前并没有确定的解决方案。因此，通过慕课设置了很多讨论题，启发大家思考。例如，设置了这样一道开放式讨论题：以C、M、A三款车为例，分析讨论它们属于L1—L5的哪一个自动驾驶级别。这个题目需要学生运用所学到的自动驾驶分级概念，考察的是学生分析问题、解决问题的能力。

在慕课网站讨论贴中，有的学生根据网上查到的上述三款车的介绍及所学的知识点进行了分析，得到的结论与网络上的观点比较接近。还有的学生在进行深入分析后，认为C属于L1.5、M和A属于L2，展现了不受网络观点限制、积极独立思考的可贵之处。

2.3 同伴互评

“无人驾驶车辆”慕课在考核方面，以实践练习题（实验题）为主，以客观题为辅，强调知识的运用，采用同伴互评方式。互评时，学生可以看到其他学生（同伴）作业的完成情况，可以对其打分，还可以对其写评语。此过程中，学生可以互相学习彼此的优点，也可以了解自己在同批学习者中的水平情况。

这种方式使得在线学习者不再孤单，尽管大家分散在全国各地，但不是一个人在“战斗”，自己的作业可以与同伴分享，来自同伴的肯定会使他们激发出更大的学习热情。此外，在互评中，由于角色的变换，有利于学生从评阅者角度更深刻地理解题目所涉及的知识点。

3 团队协作—项目驱动的翻转教学

本课程还采用了团队协作—项目驱动[12]的翻转模式。这种模式可以考察学生的自主学习、组内协作学习、团队探究学习以及团队协作解决问题的情况。

通过分析 MATLAB自动驾驶工具箱中的单项功能及综合应用程序包，从中挑选出与课程知识点结合较紧密的9个案例，涉及环境感知、路径规划、车辆控制、深度学习、自主泊车等方面内容。9个案例根据复杂程度，分成两组，第一组3个案例，对应项目1；第二组6个案例，对应项目2。所有选课学生分成12个组，分档抽取案例。项目1中的3个案例，每个都由4个组抽取，项目2中的6个案例，每个都由2个组抽取。学生除了要完成本小组抽取的项目外，还要对其他小组项目的完成情况进行评审。

以项目1中的案例2为例，第5、9、10、11四个小组抽到此案例，案例内容是基于自适应模型预测控制车辆避障。学生首先需要在慕课中认真学习模型预测控制[13]方法，然后需要小组协作，探究用这一方法来解决车辆避障的实际问题。基于慕课的学习主要依靠个体的能力，而团队协作—项目驱动的翻转模式则要依靠团队的力量，即在每个学生把慕课中的知识点学懂、悟透基础上，还需要团队协作，共同完成将知识点进行综合运用的实际任务。

这部分内容是在慕课基础上拓展出来的，使用了“3193模式”中提到的乐学平台和QQ平台。各小组在规定时间内把完成的项目材料提交至乐学系统，由教师组织学生对其他小组提交的项目材料进行评审，在给出书面评语的同时，在乐学系统中进行评比投票。所有未抽取案例 2的学生，都可以对 5、9、10、11组的4份项目材料进行评比投票。图3是4个小组的得票对比，其中11组获得的一份评语为：“对车辆控制原理进行了介绍，引出了模型预测控制；详细描述了如何在 MATLAB中建立自适应模型预测控制及所用的车辆模型；结合 MATLAB自动驾驶工具箱案例给出了基于自适应模型预测控制的障碍物躲避实例。内容完整，逻辑清晰。”

图3 对项目1中案例2的评比

通过这种互动，每个小组都能及时知道本组的项目完成质量，以及在同一案例不同组间所处的水平。尽管每个小组只做了一个案例，但由于进行了分享、讨论，每个小组都能够学习到其他小组的项目内容。

为了让学生把所完成的项目成果展示、讲解出来，设置了项目 3。各小组从之前完成的项目 1和项目 2中抽出一个案例，把案例完成情况录成视频，在规定时间内上传到QQ群。教师组织全体学生观看12个展示视频，并进行讨论和写出评审意见，再在乐学系统中进行投票。各小组得票如图4所示。

图4 对项目3的评比

在团队协作—项目驱动的翻转教学过程中，贯穿了反馈驱动的多轮翻转[14]。首先全体学生需要观看慕课视频，学习相关知识点，完成第一轮翻转。然后学生需要组队协作完成一个具体项目，并提交项目材料到乐学系统，再在教师组织下进行讨论和分析，这是第二轮翻转。在项目3中，每个小组需要对所完成的项目成果进行展示。在制作展示材料时，允许根据在分享活动中从其他小组学到的东西进行修改完善，从而形成适应学生技能训练、提高的学习流程。

4 课程评价

本课程综合评价包括慕课得分（占60%）和实验项目得分（占 40%）。慕课是针对个体的评价，实验项目则是以小组为单位的评价。第5、9、10、11小组学生慕课平均得分（百分制）分别是87、94、91、87。从图3可知，在项目1的案例评比中，得票（对应着得分档次）从高到低的顺序依次是第 11、9、10、5小组。从第11小组可以看出，只要小组成员加强协作，团结一致，即使前期的学习略有不足，也完全可以在小组协作共同完成实验项目的任务中胜出。

另一方面，通过团队协作-项目驱动的翻转模式提供的多轮翻转和及时反馈，小组间通过查漏补缺，学习其他小组的优点，能够及时进行改进。以第9小组为例，在项目1评价中排在第二位置，通过分享讨论，及时发现了自身的不足，及时作出改进调整，在项目 2的评价中成为了第一位，并在极具挑战的项目3中保持了第一的位置。

5 结语

针对疫情期间线上教学的要求，结合课程组精心打造的慕课以及 MATLAB自动驾驶工具箱和学校的乐学平台、QQ平台等，提出了“3193模式”的混合式教学框架。通过慕课的在线学习方式和团队协作-项目驱动的翻转模式实现了对学生课程学习的综合性评价和个性化评价。