摘要：基于分層教學(xué)理論和建構(gòu)主義學(xué)習(xí)理論，針對無人機應(yīng)用技術(shù)專業(yè)與區(qū)域產(chǎn)業(yè)需求對接不足的狀況，以鄂爾多斯職業(yè)學(xué)院建筑工程系無人機專業(yè)為研究對象 ，提出“專業(yè)融合+平臺支撐+多元考核”的課程改革路徑。在專業(yè)融合上，整合建筑工程測量、大氣污染監(jiān)測等跨專業(yè)任務(wù)，助力學(xué)生拓寬知識領(lǐng)域，強化綜合應(yīng)用能力；依托學(xué)習(xí)通平臺構(gòu)建“虛實結(jié)合”教學(xué)模式，為教學(xué)提供有力支撐，增進學(xué)習(xí)體驗；設(shè)計如景區(qū)巡檢、光伏板缺陷分析等分層實訓(xùn)項目，依據(jù)分層教學(xué)理論滿足不同層次學(xué)生學(xué)習(xí)需求；建立“過程性+綜合性”考核體系，實現(xiàn)多元考核。實踐顯示，學(xué)生核心編程能力（算法設(shè)計、代碼調(diào)試） 平均得分提升35%，課程綜合成績平均分提升17.07%，參與校企項目率達70% ，為區(qū)域低空經(jīng)濟發(fā)展輸送了復(fù)合型技術(shù)人才。

關(guān)鍵詞：產(chǎn)教融合；Python程序設(shè)計；考核評價；無人機應(yīng)用技術(shù)；職業(yè)教育；實踐教學(xué)

中圖分類號：G712" " " 文獻標(biāo)識碼：A

文章編號：1009-3044（2025）19-0162-04

開放科學(xué)（資源服務(wù)） 標(biāo)識碼（OSID）

0 引言

鄂爾多斯地區(qū)作為能源重鎮(zhèn)，光伏產(chǎn)業(yè)、礦區(qū)測繪及景區(qū)管理對無人機智能化應(yīng)用需求迫切。隨著區(qū)域經(jīng)濟的快速發(fā)展，這些行業(yè)對于能夠熟練運用無人機技術(shù)并結(jié)合相關(guān)編程能力的復(fù)合型人才的需求日益增長。然而，傳統(tǒng)Python程序設(shè)計存在與建筑工程系專業(yè)資源聯(lián)動不足、實訓(xùn)場景單一等問題。在傳統(tǒng)教學(xué)模式下，Python課程往往側(cè)重理論知識的傳授，與實際工程應(yīng)用場景結(jié)合不夠緊密，導(dǎo)致學(xué)生雖然掌握了一定的編程語法，但在面對實際項目時卻缺乏解決問題的能力[1-2]。

基于分層教學(xué)理論[3]與建構(gòu)主義學(xué)習(xí)理論[4]，本文結(jié)合本校無人機專業(yè)特色（隸屬建筑工程系） 及區(qū)域產(chǎn)業(yè)需求，提出以“專業(yè)交叉+科技項目反哺”為核心的課程改革方案，旨在解決編程教學(xué)與工程實踐脫節(jié)的問題，培養(yǎng)出更符合區(qū)域產(chǎn)業(yè)發(fā)展需求的高素質(zhì)技術(shù)技能人才。分層教學(xué)理論強調(diào)根據(jù)學(xué)生的不同水平和學(xué)習(xí)能力進行有針對性的教學(xué)，使每個學(xué)生都能在原有基礎(chǔ)上得到充分發(fā)展；建構(gòu)主義學(xué)習(xí)理論則注重學(xué)生在學(xué)習(xí)過程中的主動建構(gòu)，通過真實情境下的實踐活動，讓學(xué)生更好地理解和掌握知識。將這兩種理論應(yīng)用于課程改革，能夠有效提升教學(xué)效果，滿足學(xué)生多樣化的學(xué)習(xí)需求。

1 課程改革特色與地域資源整合

1.1 專業(yè)融合設(shè)計

依托建筑工程系優(yōu)勢，將Python教學(xué)與以下任務(wù)深度結(jié)合。

1） 工程測量數(shù)據(jù)自動化處理：開發(fā)Python腳本解析無人機采集的建筑物三維點云數(shù)據(jù)，與建筑工程技術(shù)專業(yè)的BIM模型對接（如鄂爾多斯某礦區(qū)沉降監(jiān)測項目） [5]。在該項目中，學(xué)生通過編寫Python程序，能夠快速準(zhǔn)確地處理無人機采集到的大量點云數(shù)據(jù)，并將其與BIM模型進行整合，為礦區(qū)沉降監(jiān)測提供了更加直觀和精確的數(shù)據(jù)支持。這不僅提升了學(xué)生的編程能力，還使他們深入了解了工程測量和 BIM 技術(shù)在實際項目中的應(yīng)用，拓寬了專業(yè)視野。

2） 質(zhì)量檢測任務(wù)拓展：融入大氣污染監(jiān)測科技項目，編寫無人機氣象傳感器數(shù)據(jù)實時分析程序，生成PM2.5熱力圖[6]。學(xué)生通過參與這個項目，不僅提高了Python編程能力，還深入了解了大氣污染監(jiān)測的相關(guān)知識和技術(shù)，為今后從事環(huán)保相關(guān)工作奠定了基礎(chǔ)。在實際操作中，學(xué)生需要運用 Python 的數(shù)據(jù)處理和可視化庫，對傳感器采集到的數(shù)據(jù)進行分析和處理，從而直觀地展示大氣污染的分布情況，這鍛煉了他們解決實際問題的能力。

3） 景區(qū)數(shù)字化管理：以烏蘭木倫景觀湖為案例，設(shè)計無人機航拍圖像拼接與游客流量分析算法，服務(wù)本地文旅產(chǎn)業(yè)[7]。通過這個項目，學(xué)生能夠?qū)ython編程技術(shù)應(yīng)用于景區(qū)管理中，為景區(qū)的數(shù)字化建設(shè)提供技術(shù)支持，同時也提升了自身的實踐能力和創(chuàng)新能力。例如，在圖像拼接過程中，學(xué)生需要運用圖像處理算法，將無人機拍攝的多張圖像拼接成一幅完整的景區(qū)地圖，這需要他們對 Python 的圖像處理庫有深入的理解和掌握。

1.2 教學(xué)平臺與實訓(xùn)條件

1） 學(xué)習(xí)通平臺[8-9]深度應(yīng)用。線上資源：發(fā)布微課視頻（如大疆SDK接口調(diào)用教程） 、代碼調(diào)試題庫（含建筑工程測量數(shù)據(jù)處理專項練習(xí)） 。豐富的線上資源為學(xué)生提供了多樣化的學(xué)習(xí)途徑，學(xué)生可依據(jù)自身情況自主安排學(xué)習(xí)進度與內(nèi)容[10]。課堂互動：通過“搖一搖”“討論”隨機提問、代碼片段實時共享功能提升參與度，平臺數(shù)據(jù)計入課堂表現(xiàn)評分。通過學(xué)習(xí)通平臺的數(shù)據(jù)分析功能，實時追蹤學(xué)生的微課觀看時長、代碼調(diào)試正確率、互動答題頻次等行為數(shù)據(jù)，針對性調(diào)整教學(xué)資源推送策略，為不同學(xué)習(xí)進度的學(xué)生提供個性化指導(dǎo)建議。這種互動形式極大地激發(fā)了學(xué)生的學(xué)習(xí)積極性，同時便于教師及時了解學(xué)生的學(xué)習(xí)狀況，調(diào)整教學(xué)策略[11]。例如，在“搖一搖” 互動環(huán)節(jié)中，學(xué)生們會積極參與，期待被選中回答問題，這增強了他們的課堂參與感和學(xué)習(xí)動力。

2） 實訓(xùn)設(shè)備聯(lián)動。利用大疆M300 RTK無人機、禪思H20T傳感器等設(shè)備，搭建“飛行控制—數(shù)據(jù)采集—算法開發(fā)”一體化實訓(xùn)鏈，支持光伏巡檢、污染監(jiān)測等綜合項目開發(fā)[12]。先進的實訓(xùn)設(shè)備使學(xué)生能夠在真實的項目環(huán)境中鍛煉實踐操作能力，增強解決實際問題的能力。在光伏巡檢項目中，學(xué)生可以操控?zé)o人機進行實地飛行，采集光伏板的數(shù)據(jù)，然后運用所學(xué)的 Python 知識對數(shù)據(jù)進行分析和處理，判斷光伏板是否存在故障，這讓他們在實踐中真正掌握了無人機應(yīng)用和編程技術(shù)的結(jié)合。

2 分層式教學(xué)內(nèi)容設(shè)計

2.1 模塊化課程結(jié)構(gòu)（表1）

模塊化課程設(shè)計參考了分層遞進的教學(xué)理念[13]，將基礎(chǔ)語法與綜合實踐逐步結(jié)合，確保學(xué)生能力螺旋式提升。

2.2 典型案例設(shè)計

案例：光伏板智能巡檢系統(tǒng)開發(fā)示例代碼

// 初始化YOLO模型

model = YOLO（'yolov5s.pt'）

// 模擬無人機飛行路徑點

flight_path = [若干路徑點坐標(biāo)]

// 規(guī)劃巡檢路徑

函數(shù) plan_flight_path（waypoints）

計算并選擇最短路徑

返回規(guī)劃路徑

結(jié)束函數(shù)

// 模擬拍攝圖像

函數(shù) capture_images（path）

針對路徑每個點生成模擬圖像

返回圖像列表

結(jié)束函數(shù)

// 檢測熱斑缺陷

函數(shù) detect_thermal_defects（images）

用模型檢測圖像

提取熱斑缺陷信息

返回缺陷列表

結(jié)束函數(shù)

// 生成檢測報告

函數(shù) generate_report（defects）

統(tǒng)計缺陷總數(shù)

整理每幅圖像缺陷信息

返回報告內(nèi)容

結(jié)束函數(shù)

// 主程序

planned_path = plan_flight_path（flight_path）

captured_images = capture_images（planned_path）

detected_defects=detect_thermal_defects（captured_ images）

inspection_report=generate_report（detected_defects）

輸出 inspection_report

代碼說明：

1） 初始化YOLO模型：使用預(yù)訓(xùn)練的yolov5s.pt模型進行目標(biāo)檢測，用于識別光伏板的熱斑缺陷。實際使用時，可能需要使用在光伏板熱斑數(shù)據(jù)集上訓(xùn)練好的模型。

2） 規(guī)劃飛行路徑：plan_flight_path函數(shù)通過計算各路徑點之間的距離，采用簡單的貪心算法規(guī)劃出最短的巡檢路徑。

3） 圖像采集模擬：capture_images函數(shù)模擬無人機在飛行路徑上拍攝圖像，這里簡單生成黑色圖像作為模擬，實際應(yīng)用中應(yīng)從無人機相機獲取真實圖像。

4） 熱斑缺陷檢測：detect_thermal_defects函數(shù)使用YOLO模型對拍攝的圖像進行檢測，識別出熱斑缺陷并記錄邊界框和置信度。

5） 生成檢測報告：generate_report函數(shù)根據(jù)檢測到的缺陷信息生成檢測報告，包括缺陷總數(shù)以及每個圖像中的缺陷詳情。

光伏缺陷檢測算法借鑒了深度學(xué)習(xí)在圖像處理領(lǐng)域的應(yīng)用經(jīng)驗[14]，結(jié)合無人機采集數(shù)據(jù)的特點進行優(yōu)化。上述算法在實際應(yīng)用中的效果及各步驟的直觀呈現(xiàn)，如圖1所示，其中展示了無人機巡檢光伏板過程中的不同階段影像，包括巡檢路徑規(guī)劃、圖像采集示例以及缺陷檢測相關(guān)樣本圖等可視化資源。

3 考核評價體系創(chuàng)新

3.1 “過程性+綜合性”雙軌考核（表2）

過程性考核設(shè)計參考了多元評價理論[15]，注重學(xué)生動態(tài)成長與綜合能力培養(yǎng)。

3.2 技能認(rèn)證銜接

“1+X”證書融入：將大疆UTC無人機操作員考評標(biāo)準(zhǔn)嵌入實訓(xùn)任務(wù)，通過考核的學(xué)生可獲企業(yè)認(rèn)證加分。這一舉措實現(xiàn)了學(xué)歷教育與職業(yè)技能培訓(xùn)的有機融合，學(xué)生在學(xué)習(xí)過程中既能掌握專業(yè)知識，又能獲得行業(yè)認(rèn)可的技能證書，大大提高了就業(yè)競爭力。

4 實施成效與區(qū)域服務(wù)

4.1 學(xué)生能力提升

為直觀展現(xiàn)課程改革對學(xué)生能力的積極影響，以鄂爾多斯職業(yè)學(xué)院無人機應(yīng)用技術(shù)專業(yè)某班26名學(xué)生為例，對比2023年（改革前） 與2024年（改革后） 的成績分布（表3） 。

對比改革前后數(shù)據(jù)表明，學(xué)生的實踐能力顯著增強，與張香玉等[16]提出的Python課程改革效果趨勢一致。課程同步開展核心編程能力專項測評（綜合實訓(xùn)任務(wù)） ，包含算法設(shè)計（占40%） 、代碼調(diào)試（占60%） 兩個模塊，采用標(biāo)準(zhǔn)化評分量表（滿分100分） 。測評結(jié)果顯示：改革前學(xué)生平均得分為62.3分，改革后提升至84.1分，漲幅達35.0%。該專項數(shù)據(jù)與表3中“平均分提升17.07%”形成互補，分別反映核心技能強化與綜合成績提升的雙重成效。其中，成績在80分及以上的學(xué)生占比從改革前的4%提升至改革后的46%。這充分表明，課程改革在提升學(xué)生專業(yè)知識和技能方面取得了顯著成效，學(xué)生在代碼開發(fā)、項目實踐等方面的能力得到了切實增強。

4.2 區(qū)域服務(wù)貢獻

隨著課程改革的推進，學(xué)生參與校企合作項目的比例大幅提高，達到了70%。這些學(xué)生憑借所學(xué)知識和技能，在區(qū)域內(nèi)的光伏產(chǎn)業(yè)、礦區(qū)測繪、景區(qū)管理等領(lǐng)域發(fā)揮了重要作用。例如，在光伏產(chǎn)業(yè)中，學(xué)生參與開發(fā)的光伏板智能巡檢系統(tǒng)提高了巡檢效率和準(zhǔn)確性，為企業(yè)節(jié)省了大量人力和時間成本；在礦區(qū)測繪項目中，學(xué)生運用無人機與BIM模型集成技術(shù)，為礦區(qū)的規(guī)劃和管理提供了高精度的數(shù)據(jù)支持；在景區(qū)管理方面，學(xué)生設(shè)計的游客流量分析算法幫助景區(qū)優(yōu)化了運營管理，提升了游客體驗；在產(chǎn)學(xué)研成果方面，完成鄂爾多斯科技局橫向課題，獲得經(jīng)費43萬元，這不僅體現(xiàn)了學(xué)校的科研實力，也為區(qū)域環(huán)境保護做出了貢獻；在校企合作方面，與鄂爾多斯市凱圖科技有限公司、鄂爾多斯市云領(lǐng)科技有限公司、鄂爾多斯市志勝數(shù)碼科技有限公司等十多家企業(yè)緊密合作，提升無人機應(yīng)用技術(shù)人才的綜合就業(yè)能力。

5 結(jié)論與展望

本教學(xué)改革憑借“專業(yè)交叉賦能、平臺數(shù)據(jù)驅(qū)動、考核分層遞進”理念，實現(xiàn)編程教學(xué)與區(qū)域產(chǎn)業(yè)精準(zhǔn)對接。通過整合跨專業(yè)任務(wù)、構(gòu)建“虛實結(jié)合”教學(xué)模式和創(chuàng)新考核評價體系，培養(yǎng)學(xué)生綜合能力與創(chuàng)新精神，為區(qū)域低空經(jīng)濟輸送復(fù)合型人才。未來擬引入生成式AI輔助教學(xué)設(shè)計[17]，進一步推動課程智能化升級，同時深化校企合作模式，持續(xù)優(yōu)化教學(xué)內(nèi)容。鄂爾多斯職業(yè)學(xué)院無人機應(yīng)用技術(shù)專業(yè)以Python程序設(shè)計為突破口進行教學(xué)改革，成效顯著，達成學(xué)校、學(xué)生與區(qū)域產(chǎn)業(yè)多方共贏。未來將持續(xù)深化改革，探索創(chuàng)新，為區(qū)域經(jīng)濟社會發(fā)展提供更有力的人才與技術(shù)支持。

參考文獻：

[1] 楊蕙，吳光林，田正林，等.Python程序設(shè)計教學(xué)中的問題與對策分析[J].產(chǎn)業(yè)與科技論壇，2024，23（17）：145-147.

[2] 龐亞杰.基于翻轉(zhuǎn)課堂的Python語言程序設(shè)計教學(xué)改革研究[J].知識文庫，2024，40（21）：183-186.

[3] BLOOM B S.Taxonomy of Educational Objectives： The Classification of Educational Goals， Handbook I： Cognitive Domain[M].New York：David McKay Company，1956.

[4] PIAGET J.The Construction of Reality in the Child[M].New York：Basic Books，1954.

[5] 薛勝超，王慶飛，鄭彥威.基于無人機三維建模技術(shù)的礦山實習(xí)教學(xué)優(yōu)化[J].教育教學(xué)論壇，2021（46）：65-68.

[6] 張夢龍，龔勛陽，夏皓倫.Pandas和Matplotlib在數(shù)據(jù)分析與可視化中的應(yīng)用[J].數(shù)字技術(shù)與應(yīng)用，2024，42（10）：220-222.

[7] 郭晨灝，柳箐，姜澳，等.基于Python的全國旅游信息統(tǒng)計網(wǎng)站數(shù)據(jù)抓取研究[J].電腦與信息技術(shù)，2024，32（5）：71-74，90.

[8] 陳建，杜楠楠，曹毅，等.虛實結(jié)合的無人機控制實驗課程教學(xué)設(shè)計與實踐[J].實驗室研究與探索，2022，41（1）：175-180.

[9] 吉宸佳，曹爽，張杰，等.無人機航測虛擬仿真實驗系統(tǒng)開發(fā)與設(shè)計[J].地理空間信息，2022，20（9）：58-62.

[10] 孫晉非，周勇，張瑾，等.基于學(xué)習(xí)進階的Python程序設(shè)計課程教學(xué)設(shè)計與實踐[J].計算機教育，2025（2）：75-78.

[11] 王彥群，張著，謝渠，等.面向計算思維的“Python程序設(shè)計”線上線下混合式教學(xué)研究[J].無線互聯(lián)科技，2024，21（19）：79-82.

[12] DEEPAN L，DRASHTI P，JORIM M，et al.Preparing Students for Drone Careers Using Active Learning Instruction[J].IEEE ACCESS，2021（9）：126216-126230.

[13] 魯?shù)?，李粟，劉生智，?項目式教學(xué)在“Python語言程序設(shè)計”課程中的應(yīng)用與實踐[J].科技風(fēng)，2024，27：120-122.

[14] 趙葉純，王森洪，李萬益，等.人工智能賦能Python程序設(shè)計課程教學(xué)改革研究[J].信息與電腦（理論版），2024，36（21）：1-6.

[15] 雷麗暉，李鵬.基于強化學(xué)習(xí)的Python程序設(shè)計語言教學(xué)方法創(chuàng)新[J].計算機教育，2025（1）：110-115.

[16] 張香玉，李江濤，馬保建.Python程序設(shè)計課程的教學(xué)改革與探索[J].現(xiàn)代商貿(mào)工業(yè)，2025（3）：255-257.

[17] 陸軍.人工智能技術(shù)在高職院校課程教學(xué)中的應(yīng)用研究：以Python程序設(shè)計課程為例[J].大學(xué)教育，2024（18）：89-92.

【通聯(lián)編輯：謝媛媛】