首页 > 论文范文 > 教育综合论文 > 高等教育论文 > 学生学习论文 > 高校大学生主动学习教学模式探究

高校大学生主动学习教学模式探究

2020-12-31 114 上传者：管理员

摘要：针对“语音信号处理”课程面对的学时较少、课程难度大、传统教学方法课堂容量有限的问题，根据该课程的特点，本文从教学内容设计、教学模式、成绩评价等方面探索如何在有限学时内提高课堂容量和质量的方法。通过主动学习教学策略的贯彻，促使学生实现从被动学习到主动学习的转变。

关键词：
专业课
主动学习
教学内容
语音信号处理
高年级本科生
加入收藏

1、引言

“语音信号处理”是目前高校电子信息与计算机专业为高年级本科生普遍开设的专业课。由于该课程内容繁多，涉及了声学、语言学、信号处理、人工智能等多方面的技术，且与“数字信号处理”、“随机信号分析”等先修课程具有紧密的联系，要求学生具有较好的信号分析理论基础。然而，据调查大多高校对该课程安排的学时数有限，例如我校为该课程仅安排36学时的理论教学。因此，利用传统的教学模式（板书、多媒体课件展示等）在学时紧张的状况下覆盖的知识点非常有限，难以调动学生的主观能动性。此外，传统教学模式重理论，轻实践，导致学生难以理解抽象的语音建模等问题，与实际应用场景严重脱节。而主动学习模式能够激活学生的主观能动性和创造性思维，让学生真正参与到教学活动中并积极思考正在学习的知识。因此，如何在有限的学时内激发学生的兴趣和主观能动性，是提高语音信号处理课程深度和广度的一个亟待解决的关键问题。

2、传统课堂教学的问题

2.1教学模式单一

在“语音信号处理”课程的传统课堂教学中，教学方法通常比较单一，通过教师对于理论和公式的讲解、推导，附加一些MATLAB仿真演示等，学生在接收知识的过程中处于被动模式，学习效果通常只能是依葫芦画瓢，无法真正领悟语音信号处理方法的精髓，更谈不上独立思考和创新的能力。“源于书本，而又超越书本”是培养人才的根本途径，教师在授课时不能局限于课本内容按部就班，而应顺应时代的发展、社会的需求设计教学内容，为学生创造主动学习的环境和条件。

2.2实验环节缺乏

“语音信号处理”是理论性和实践性都很强的课程，然而由于学时紧张，很多学校为该课程设置的实验课时非常少，甚至没有为该课程分配实验学时，导致多数学生面对实验无从下手。此外，传统教学中的实验环节仅包含一些基础的验证性实验，强调对基础理论的理解。这些实验内容大多都能在互联网上找到相应的资料，因此学生提交的实验报告雷同情况很多，学生缺乏主动思考的积极性，实验教学失去了培养学生工程实践能力的作用。

2.3成绩评价体系不够合理

“语音信号处理”课程的成绩考核方法通常都是采用闭卷考试或者提交课程报告的方式，前者会出现学生掌握了相关的知识点却不会运用相关知识解决实际问题的状况，而后者往往出现严重的抄袭现象或者部分学生不参与的状况。这样的评估方法无法合理、公正地考察一个学生对于课程的掌握情况及应用能力。

3、基于主动学习的教学探索

3.1精选课程内容

“语音信号处理”课程涉及的内容繁多，在有限的学时内难以面面俱到。传统课程内容设计偏重于理论，而实践环节的引入能够反过来加深对理论的领悟。通过对教学资源的整合和对语音信号处理领域新发展趋势的把握，教师应对课程内容进行重新筛选和设置。我们尝试性地对课程内容方面做了调整，课程的体系结构如图1所示的模块构成。语音信号处理的基础理论主要涵盖语音生成模型、听觉系统特性、时频域分析、声学参数的估计等，这些基础理论涉及的理论比较枯燥，导致学生的学习热情不高。因此需要引入拓展应用环节，为学生阐述这些基础理论在实际场景中的应用。例如线性预测模型在语音编码、语音合成中的应用，由倒谱分析引出的梅尔倒谱系数特征在语音识别和说话人识别中的应用，频域分析方法在语音增强中的应用。此外，语音信号处理在人机交互中应用中涉及了很多模式识别和机器学习方法，然而在学生在修读该课程时并不具备相应的知识储备，因此在开展拓展应用之前应先为学生介绍相关的模式识别理论，例如矢量量化、隐马尔可夫模型、支持向量机、混合高斯模型等常用的语音建模和分类方法。再者，已有的语音信号处理教材内容较为陈旧，近年来以人机交互为主要目标的语音处理技术获得了许多新的进展，例如聊天机器人、针对特定说话人的语音转换、合成等。因此，有必要在课程中舍弃一部分陈旧的内容，增设基于机器学习的语音处理及应用内容，从而激发学生的学习兴趣和创造力。

图1语音信号处理课程教学内容模块

3.2教学模式的多元化

为了提高学生的主动学习能力，教学模式就不应局限于课堂。对于语音信号处理课程，教师可以选择一些经典和前沿的文献供学生课后阅读，并在课堂上组织讨论。语音信号处理教材由于篇幅的限制，通常都是以知识点罗列的方式呈现相关的技术，而没有讨论这些技术的来龙去脉以及潜在的缺陷。对于经典文献的阅读，能够帮助学生克服“知其然而不知所以然”的弊端，启发创造性的思维。例如“共振峰估计”这一经典问题实际上涉及了谱估计理论，并且有多种实现方法，然而不同的谱估计方法都无法避免虚假峰值的干扰。通过设计课后作业比较倒谱法、线性预测法和基于傅里叶分析的共振峰估计方法的优缺点。进一步地，可以引申共振峰参数的提取对于语音识别所起的作用，例如描绘中文的韵母、英文的元音等音素在共振峰参数空间上的不同分布，从而帮助学生找到语音信号的数学模型、参数空间和实际应用场景的关联。并在下一次课堂通过组织小组讨论的方式引导学生对这些方法进行讨论和比较，促进批判性思维的建立，也能够反过来促进学生对前期基础课程（例如数字信号处理、随机信号理论）的理解。这些有针对性的课后作业的设计和课堂的作业讲评环节，从另一方面弥补了实验学时缺乏的问题，也避免了理论和实践的脱节。

3.3合理的成绩评价体系

在学生的成绩评估方面，我们不再采用传统的闭卷考试的方式，而是尝试采用学生自由组队的方式（通常为2～3人一组）完成一个语音处理系统的设计并提交一份设计报告。为了比较公平地对学生成绩做出评价，避免个别学生的抄袭、敷衍现象，教师应设置多个不同的题目让学生根据自己的兴趣自由选择，实现个性化的教学。这种做法的另一好处是可以弥补课时紧张的不足，提升课堂的广度。学生通过课程汇报的方式，也能够从其他学生的设计中汲取到新的技术和应用。在课程汇报时，教师还应对每组学生的设计进行点评，指出其优点和不足之处。另一方面，这种评估体系也对教师提出了更高的要求。从题目的准备到设计的点评，都要求教师对语音信号的前沿发展、实际的工程领域应用以及学生的个体差异有充分的了解，因此实现了真正意义上的教学相长。此外，期末成绩的综合评定还包括平时成绩，主要来源于课后作业。课外作业主要包含经典文献阅读及MATLAB仿真，这些仿真作业的目的是为了帮助学生更好地理解和验证相关理论知识。我们尝试平时成绩和学期系统设计的比例为4:6，从而获得学生对于课程内容掌握程度及知识拓展能力的综合评价。

4、结语

本文探讨了以学生为主体的主动学习模式在语音信号处理课程教学中的应用，让学生真正体会到语音信号基础理论与实际应用场景的衔接。通过对课程内容的筛选、教学模式和成绩评价方法的设计，有效提高了课堂容量和质量，调动了学生主动学习的积极性。在项目设计任务的引导下，缩短理论与实际应用的距离，提升学生的理论水平和工程应用能力。

参考文献：

[1]范慧慧.以创新教学模式促进课堂中的“主动学习”[J].教学研究,2015,38(3):8-10.

[2]王青云,梁瑞宇,赵力,等.实时语音信号处理教学与实验方法研究[J].实验室研究与探索,2019,38(9):186-189.

[3]贾海蓉,张雪英,李鸿燕.“本硕博”贯通人才培养模式的系统思考——以语音信号处理系列课程的一体化改革为例[J].系统科学学报,2019,27(4):45-50.

林晓丹,陈婧.语音信号处理课程的主动学习教学模式探索[J].轻工科技,2021,37(01):163-164.

基金:福建省本科高校教育教学改革研究项目(FBJG20180038)