序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了七篇人工智能在教育領域的價值范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

篇(1)

關鍵詞：人工智能；英語教育；積極影響；消極影響

人工智能概念是20世紀五六十年代正式提出的，隨著信息技術的不斷發展，人工智能已成為一門新的技術科學。時至今日，人工智能技術的發展經歷了人工智能起步期、專家系統推廣期和深度學習期等階段，而在應用領域也取得了重大突破，如Google的無人駕駛技術和運用深度學習算法的AlphaGo戰勝圍棋冠軍等。除此之外，人工智能已被日益廣泛地應用于經濟社會各個領域，在教育領域亦是如此。2018年教育部就印發了《高等學校人工智能創新行動計劃》，要求進一步提升高校人工智能領域科技創新、人才培養和服務國家需求的能力。因此，人工智能必將不斷被融合到教育領域，并為大學教育變革提供新方式。基于人工智能的機器學習、人機交互與知識圖譜等技術方法，可以為大學英語教師在課堂教學、備課與教學研究等多個方面提供支撐；可以為大學英語教學管理與治理提供決策支持；可以為大學生英語自主學習和教師備課提供智能推薦支撐。目前，學者們已對人工智能對英語教育的影響進行了相關的研究。如高華偉分析了外語作文智能評閱與形成性評價融合策略；劉洋針對人工智能技術與高校英語教學的相互關系，通過調查問卷和訪談等方式，分析了現有計算機輔助語言學習軟件和系統的不足，并提出了相應的解決策略；張艷璐對人工智能在給英語教學帶來機遇的基礎上，探究了人工智能在大學英語教學中的應用；趙生學分析了人工智能時代大學英語教學的變革與策略；嚴燕分析了人工智能時代英語教學促進學生深度學習的路徑。在人工智能時代，人工智能技術必將對大學英語教育領域各個方面產生重大影響，如大學英語人才培養目標、教學內容、教學計劃、教學策略、教學模式、成績評價體系與英語領域科研等方面。針對此，本文在現有研究的基礎上，重點從教師和學生兩個層面分析人工智能對大學英語教育的積極影響和消極影響，并提出相關建議，以期為大學英語教師教學與大學生英語學習提供參考。

一、人工智能的積極影響

人工智能技術在大學英語教育領域的應用，將對大學英語教學資源、教學模式與大學生二語習得等方面產生積極作用，主要體現為以下幾個方面。

（一）豐富了大學英語教與學資源人工智能技術的發展與應用為大學英語教與學提供了豐富的資源。如互聯網上含有豐富的英語視頻與圖片等資源；在線教育平臺也提供了大量的英語課程資源，如中國大學生慕課、雨課堂等，它們各具特色，可為教師與學生提供多樣化選擇。因此，人工智能技術一方面可為大學英語教師提供豐富的教學素材，同時還可根據大學生學習目標與學習習慣等為其英語學習提供豐富的課外資料。同時，很多網絡資源可下載或者回放，這樣可以使得大學生的英語學習不再受到時間與空間的限制。特別是對于教育資源缺乏的地區而言尤為重要，可以在很大程度上解決教育資源不平衡問題。其中，百度教育大腦的智能備課系統便是典型應用案例。其依托百度人工智能、大數據和云平臺的優勢，整合了豐富的優質資源。對于教師而言，此平臺可按照教學進度為教師提供經過篩選的教學素材，節省教師的備課時間，提高其工作效率。

（二）豐富了大學英語的教學方式傳統的大學英語授課往往以線下課堂教學方式為主，而人工智能技術的使用豐富了大學英語單一的教學方式。可利用網絡平臺，如雨課堂、慕課平臺等，開展大學英語線上教學模式或者線上線下混合教學模式。新的教學模式有利于教師在大學英語教學過程中采用不同的教學策略。使用新的教學模式和不同的教學策略可以提高大學生學習英語的興趣，進而有助于提高大學生英語習得的效率。

（三）提高了大學生英語習得的效率由于英語習得是一個復雜的心理過程，與大學生的情感因素、學習動機等密切相關。采用人工智能技術的大學英語線上教學方式，使得教師與學生之間不是面對面的交流互動，可以在一定程度上緩解學生焦慮、害怕等情緒，有利于學生的英語學習。動機是英語習得中重要的非智力因素，也是影響大學生英語習得效率的重要內在因素之一。學習動機與使用另一種語言的興趣密切相關。而人工智能技術采用豐富的英語學習資源以及英語教學方式的多樣化，這些有助于提高學生學習英語的興趣，進而增強學習英語的動力。

（四）形成了大學生英語習得分析數據庫人工智能技術是以大數據為依托，可以跟蹤和記錄大學生英語課堂學習和課后學習等各種信息數據，進而可形成大學生英語習得數據庫。基于大數據分析與人工智能技術方法，如數據挖掘、關聯性分析和回歸預測等，可以挖掘大學生英語學習背后的規律特征，了解到每個學生的具體情況。進而構建每個學生的英語學習畫像，如學生的線上學習狀態、課程作業完成情況、測試成績和學習方式等。可為教師形成可視化的學生個體和班級整體的學情分析報告。因此該數據庫有利于教師掌握每位學生的英語學習狀態，掌握學生個體差異，為調整教學方式、教學方法與策略提供支撐。同時，上述數據為大學英語教學與大學生英語習得的研究也提供了數據支撐。

二、人工智能的消極影響

人工智能在大學英語教育領域對教師與學生發揮著積極的作用，同時對他們也產生了一些消極的影響，主要體現為以下幾個方面：

（一）對教師的消極影響由于大學英語課堂教學存在一定的缺陷，往往需要改進此教學方式。而人工智能技術的應用，雖有助于大學英語教學改革，但還需要教師熟練掌握人工智能相關技術的使用，會給信息技術能力比較薄弱的教師造成壓力。借助人工智能平臺，大學英語教學不受時間、空間和學生人數等影響，勢必會減少大學英語教師的需求，造成大學英語教師面臨失業的壓力。進而影響大學英語教師的工作積極性，以及大學英語教學質量。

（二）對學生的消極影響根據語言資本理論與期望價值理論，大學生英語學習的期望價值主要是經濟期望價值。而大學生英語學習的期望價值與學習目的和行為密切相關。比如大學生英語學習經濟期望價值主要體現為學習英語對未來找工作很重要，可以增加經濟收入。而人工智能技術在語言領域的應用，勢必會影響大學生對英語學習的期望價值。如人工智能翻譯機的出現，使得各種語言之間翻譯非常容易。即使不懂英語，也可使用它進行英語交流。因此，人工智能技術在英語領域的應用，將降低大學生英語學習的期望值，進而影響他們英語學習的興趣與目的。

（三）對師生關系的消極影響基于人工智能技術的大學英語教學，將改變傳統的以教師為中心的模式，使得教師在教學過程中的中心地位得到弱化。學生通過人工智能技術，可以很好地收集到自己需要的各種英語學習資源，如在線課程、英語講座視頻和英語文本資料等，甚至可以通過自學的方式完成英語學習任務。但這些將弱化教師與學生之間的互動以及情感，從而隔閡了教師與學生之間的關系。

篇(2)

[關鍵詞]人工智能；公共管理；運用

中圖分類號：D631.43文獻標識碼：A

隨著科學技術的發展，人工智能、大數據等新一代信息技術已經成為了人們關注的焦點，它不但給人們的工作生活帶來快捷和便利，同時實現了良好的經濟社會效益。把人工智能運用到公共管理當中，可以創新管理理念和管理模式，提高公共管理和社會治理的效能。

一、公共管理概述

公共管理是指以政府為核心的公共部門，把科學管理理念、功能、組織及手段應用到公共事務。公共管理的特征：其一，公共管理主要把實現公共利益當作主要目標，促使社會整體朝著更加良好的方向發展；其二，積極履行社會公共責任是公共管理重要職能；其三，公共管理能夠結合實際發展需要，協調與控制各項公共事務，并不斷創新管理方式和手段。因此，公共管理者需要在法律基礎上主動實行公權力，科學合理地運用各項公共資源才能順利實現最終管理目標。目前，社會對公共管理者的專業能力及綜合素養要求越來越高，公眾在整個過程中賦予公共管理者較多的期望和責任。此外，公共管理也具備技術掌控職能、社會協調職能及預測職能等，這些都是新時代對公共管理者提出的新要求，公共管理者必須全面掌握各方面技能，了解并掌握公眾的實際需求與時代的發展趨勢，才能成為一名符合時展的高素養公共管理者。

二、人工智能對公共管理的主要影響

（一）人工智能對公共管理的促進作用

公共管理指通過使用管理理論、技術及方法等知識，系統化、專業化地管理公共事業，不斷優化公共資源分配，使公共事業為人民服務。傳統公共管理模式在公共管理信息收集及資源管理配置方面，需耗費大量人力、物力及財力，要想提升公共管理水平，就要加大成本投入。因此，傳統的管理模式已無法適應新時期公共事業管理需求。將人工智能運用到公共管理中，尤其在收集處理公共管理信息方面效果較為明顯。其一，智能化管理系統能夠全面提升收集信息的效率和質量；其二，人工智能管理模式更為精準有效。人工智能對于問題與數據分析更具針對性，分析結果更加科學合理，可以準確把握社會個體需求，做到管理精準化、個性化；其三，在公共管理中運用人工智能可以節約成本，并實現更加優化的管理目標，提升公共管理效益；其四，在公共管理中運用人工智能，使資源配置更加符合公眾需求，采用人工智能化、科學化資源配置模式，能夠使資源合理利用，發揮最大效能。

（二）人工智能給公共管理帶來的風險

人工智能作為新興信息技術，為公共管理事業帶來了較多機遇，推動了公共管理事業的進步和發展。然而人工智能也給公共管理事業帶來了相應的機遇和風險。人工智能給公共管理帶來的機遇在于人工智能與計算機網絡技術可以完整的保存海量數據，并挖掘與分析有價值的信息。網絡安全性使得人工智能技術存在諸多未知性，人工智能是否能夠確保信息資源安全，包括信息存儲、授權使用，行為軌跡等管理問題[1]。信息安全對公共管理十分重要，要確保信息安全才能使公共事業管理中資源配置更加科學合理，最終實現提升公共管理效率。通過以往的案例證明，人工智能技術的自我安全性還不足，因此，要想使人工智能在公共管理事業中得到普及，就必須盡快解決這一問題。

三、人工智能在公共關系管理當中的具體運用

當前，人工智能快速發展，能給人們的工作生活帶來巨大改變，幫助人們完成了許多高難度、高強度、復雜化的公共工作，推動智能社會發展。人工智能能夠代替人開展腦力勞動工作，可以改變許多工作模式。但是人工智能屬于輔助工具，人們要正確認識并科學合理地利用它，才能充分發揮它在公共管理中的真正價值。在人類社會不斷進步與發展過程中，公共管理者必須不斷學習、掌握先進技術，才能提升對人工智能的利用效率，把具有明確規則卻復雜、耗時耗力的工作交給人工智能。

（一）公共事業方面。有人認為人工智能在生活和工作中不常用到，然而其已經運用到了人們生活的方方面面。2016年共享單車方便了出行，各年齡段的人安裝了共享單車APP。共享單車具有明顯優勢，快捷便利、綠色環保，是人們出行的首選。共享單車利用人工智能平臺，來科學的預測騎行的行程、路況及停放等，從而有效整合了天氣、時間等各項變量工作，合理分析了其需求量和供給量，進一步提升了共享單車管理效率和效益。由此可見，人工智能已經越來越多地進入到了人們的日常生活當中，改變了人們的生活模式，使人們的生活朝著智能化方向發展。

（二）社會經濟方面

運用人工智能能夠把消費者具體需求反饋給企業，企業根據精準數據可以制定出更加優質的產品，提供高效服務[2]。當前電子支付是人們生活中重要的內容，人們出行不用帶大量現金，運用支付寶或微信就能夠進行支付。同樣在電商物流整個過程中，分揀機器人就屬于人工智能，其每天能夠完成大于20萬的工作量，很好地解決了困擾電商的物流問題，降低了人工成本，提高了工作效率。

（三）教育管理方面

人工智能運用包含教育管理，通過智能化學習系統和數據分析，教師能根據學生具體情況，如學習行為數據、知識點掌握等制定相應的個性化教育方案，提高了育人效果。從當前人工智能在教育領域運用情況看，在遠程教育中同樣獲得了良好效果。在運用人工智能后，學生獲得了個性化教育，創建了新的教學、內容研發和師資管理等形態。運用人工智能可以更準確、有針對性地協助教學，使日常教學效率得到大幅度提升。

四、人工智能在公共管理中的應用措施

（一）改變人才培養方式

人工智能技術的運用，還可以推動人才培養方式的變革和發展，能夠創建健全的新型教育方式。首先，加強編程教育普及，設置人工智能方面的課程，把人工智能和其他學習的教育結合起來，健全人才培養方式。其次，組織多元化、多層面的人工智能科普活動，使社會大眾能夠進一步認識和了解人工智能。最后，加大人工智能基礎設施方面的建設。

（二）重新構建組織形式

隨著人工智能的出現和廣泛運用，管理主體要結合自身特點，積極主動運用人工智能，不斷發展完善管理結構。

在日后的工作當中，管理主體要和普通員工、智能機器有效合作，全面發揮潛在優勢。另外，運用人工智能技術的時候，管理者要精心設計各種組織形式，才能確保信息傳遞真實、高效。

（三）創新工作模式

隨著社會發展和科技進步，公共管理者必須具備較強的學習能力和綜合素質才能滿足工作需求。在工作中可以通過人機互動工作模式，充分發揮人工智能在處理重復性、邏輯性等工作的優勢，和管理者的工作充分融合、優勢互補，將人工智能運用到公共管理中，創新工作模式，推動公共管理事業的發展。

篇(3)

據統計，2017年中國人工智能核心產業規模超過700億元，隨著各地人工智能建設的逐步啟動，預計到2020年，中國人工智能核心產業規模將超過1600億元，年復合增長率將達31.7%。

隨著人工智能技術的不斷成熟，人工智能創業的難度逐步降低，越來越多的創業公司加入人工智能的陣營。

2018年被稱為人工智能爆發的元年，人工智能技術應用所催生的商業價值逐步凸顯。人工智能逐步切入到社會生活的方方面面，帶來生產效率及生活品質的大幅提升。智能紅利時代開啟！資本、巨頭和創業公司紛紛涌入，將人工智能拉到了信息產業革命的風口。

如何把握產業動向，抓住風口機會？創業邦研究中心憑借在人工智能等前言科技領域持續研究、洞察的能力，在對國內人工智能創業公司進行系統調研的基礎上，推出《2018中國人工智能白皮書》，對人工智能的核心技術、主要應用領域、巨頭和創業公司的布局、未來發展態勢和投資機會進行了深度解析。

第一部分人工智能行業發展概述

1.人工智能概念及發展

人工智能（Artificial Intelligence， AI）又稱機器智能，是指由人制造出來的機器所表現出來的智能，即通過普通計算機程序的手段實現的類人智能技術。

自1956年達特茅斯會議提出“人工智能”的概念以來，“人工智能”經歷了寒冬與交替的起起伏伏60多年的發展歷程。2010年以后，深度學習的發展推動語音識別、圖像識別和自然語言處理等技術取得了驚人突破，前所未有的人工智能商業化和全球化浪潮席卷而來。

人工智能發展歷程

2.人工智能產業鏈圖譜

人工智能產業鏈可以分為基礎設施層、應用技術層和行業應用層。

A基礎層，主要有基礎數據提供商、半導體芯片供應商、傳感器供應商和云服務商。

B技術層，主要有語音識別、自然語言處理、計算機視覺、深度學習技術提供商。

C應用層，主要是把人工智能相關技術集成到自己的產品和服務中，然后切入特定場景。目前來看，自動駕駛、醫療、安防、金融、營銷等領域是業內人士普遍比較看好方向。

人工智能產業鏈

資料來源：創業邦研究中心

第二部分人工智能行業巨頭布局

巨頭積極尋找人工智能落地場景，B、C 端全面發力。

資料來源：券商報告、互聯網公開信息，創業邦研究中心整理

第三部分機器視覺技術解讀及行業分析

1.機器視覺技術概念

機器視覺是指通過用計算機或圖像處理器及相關設備來模擬人類視覺，以讓機器獲得相關的視覺信息并加以理解，它是將圖像轉換成數字信號進行分析處理的技術。

機器視覺的兩個組成部分

資料來源：互聯網公開信息，創業邦研究中心整理

2.發展關鍵要素：數據、算力和算法

數據、算力和算法是影響機器視覺行業發展的三要素。 人工智能正在像嬰兒一樣成長，機器不再只是通過特定的編程完成任務，而是通過不斷學習來掌握本領，這主要依賴高效的模型算法進行大量數據訓練，其背后需要具備高性能計算能力的軟硬件作為支撐。

深度學習出現后，機器視覺的主要識別方式發生重大轉變，自學習狀態成為視覺識別主流，即機器從海量數據里自行歸納特征，然后按照該特征規律使圖像識別的精準度也得到極大的提升，從70%+提升到95%。

3.商業模式分析

機器視覺包括軟件平臺開發和軟硬件一體解決方案服務。整體用戶更偏向于B端。軟件服務提供商作為技術算法的驅動者，其商業模式應以“技術層+場景應用”作為突破口。軟硬件一體化服務供應商作為生態構建者，適合以“全產業鏈生態+場景應用”作為突破口，加速商業化。

（1）軟件服務：技術算法驅動者—“技術層+場景應用”作為突破口

這種商業模式主要是提供以工程師為主的企業級軟件服務。有海量數據支撐，構建起功能和信息架構較為復雜的生態系統，推動最末端的消費者體驗。

此類商業模式成功關鍵因素：深耕算法和通用技術，建立技術優勢，同時以場景應用為入口，積累用戶軟件。視覺軟件服務按處理方式和存儲位置的不同可分為在線API、離線SDK、私有云等。

國內外基礎算法應用對比

資料來源：互聯網公開信息，創業邦研究中心整理

（2）軟硬件一體化：生態構建者—“全產業鏈生態+場景應用”作為突破口

軟硬一體化的商業模式是一種“終端+軟件+服務”全產業鏈體系。成功的因素是大量算力投入，海量優質數據積累，建立算法平臺、通用技術平臺和應用平臺，以場景為入口，積累用戶。亮點是打造終端、操作系統、應用和服務一體化的生態系統，各部分相輔相承，銳化企業競爭力，在產業鏈中擁有更多話語權。

4.投資方向

（1）前端智能化，低成本的視覺解決模塊或設備

從需求層面講，一些場景對實時響應是有很高要求的。提供某些前端就本身有一定計算能力的低成本的視覺模塊和設備將有很大市場需求。前置計算讓前端設備成為數據采集設備和數據處理單元的合體，一方面提升了處理速度，另一方面可以處理云端難以解決的問題。

機器視覺在消費領域落地的一個障礙是支持高性能運算的低功耗、低價位芯片選擇太少。從低功耗、高運算能力的芯片出發，結合先進的算法開發模塊和產品，這類企業將在機器視覺領域擁有核心競爭力。

（2）深度學習解決視覺算法場景的專用芯片

以AI芯片方式作為視覺處理芯片有相當大的市場空間。以手勢識別為例，傳統的識別方案大都基于顏色空間，如 RGB，HSV ，YCrBr，無法排除類膚色物體及黑色皮膚對識別精度的干擾。借助深度學習，如通過 R-CNN 訓練大量標注后的手勢圖像數據，得到的模型在處理帶有復雜背景及暗光環境下的手勢識別問題時，比傳統方案的效果好很多。

（3）新興服務領域的特殊應用

前沿技術帶來的新領域（如無人車、服務機器人、谷歌眼鏡等），對機器視覺提出了新要求。機器視覺可以讓機器人在多種場合實現應用。服務機器人與工業機器人最大的區別就是多維空間的應用。目前國內的機器視覺，涉及三維空間、多維空間，其技術基本上處在初始階段，未來存在較大市場增長空間。

（4）數據是爭奪要點，應用場景是著力關鍵

機器視覺的研究雖然始于學術界，但作為商業應用，能解決實際問題才是核心的競爭力。當一家公司先天能夠獲得大量連續不斷的優質場景數據，又有挖掘該數據價值的先進技術時，商業模式和數據模式上就能形成協同效應。創業公司要么通過自有平臺獲取數據，要么選擇與擁有數據源的公司進行合作，同時選擇一個商業落地的方向，實現快速的數據循環。

第四部分智能語言技術解讀及行業分析

1.語音識別技術

（1）語音識別技術已趨成熟，全球應用持續升溫

語音識別技術已趨成熟，全球應用持續升溫。語音識別技術經歷了長達60年的發展，近年來機器學習和深度神經網絡的引入，使得語音識別的準確率提升到足以在實際場景中應用。深度神經網絡逐步找到模型結構和調參算法來替代或結合高斯混合算法和HMM算法，在識別率上取得突破。根據Google Trends統計，自2008年iPhone及谷歌語音搜索推出以來語音搜索增長超35倍。百度人工智能專家吳恩達預測，2020年語音及圖像搜索占比有望達到50%。Echo熱銷超過400萬，帶動智能音箱熱潮。

（2）語音識別進入巨頭崛起時代，開放平臺擴大生態圈成主流

語音識別即將進入大規模產業化時代。隨著亞馬遜Echo的大賣，語音交互技術催生的新商機，吸引大大小小的公司構建自己主導的語音生態產業鏈。各大公司紛紛開放各自的智能語音平臺和語音能力，欲吸引更多玩家進入他們的生態系統。

（3）語音識別技術發展瓶頸與趨勢

低噪聲語料下的高識別率在現實環境使用中會明顯下降到70-80%，遠場識別、復雜噪聲環境和特異性口音的識別是下一個階段需要解決的問題。

麥克風陣列類前端技術不僅是通過降噪和聲源定位帶來識別率的提高，帶環境音的語料的搜集、標注可用于模型的訓練，有助于打造更新一代的語音識別引擎技術。語音巨頭已經在布局。

在IOT包括車載領域，云端識別并非通行的最優方案，把識別引擎結合場景進行裁剪后往芯片端遷徙是工程化發展的方向。

2.自然語言處理（NLP）發展現狀

（1）多技術融合應用促進NLP技術及應用的發展

深度學習、算力和大數據的爆發極大促進了自然語言處理技術的發展。深度學習在某些語言問題上正在取得很大的突破，比如翻譯和寫作。2014年開始LSTM、Word2Vec以及Attention Model等技術研究的進展，使DL有了路徑在語義理解領域取得突破，并且已經有了明顯的進展。對話、翻譯、寫作新技術成果里都開始逐漸混合入DL的框架。2014-2015年，硅谷在語義理解領域的投資熱度劇增。

深度學習能最大程度發揮對大數據和算力資源的利用，語義理解的發展還需要深度學習、搜索算法、知識圖譜、記憶網絡等知識的協同應用，應用場景越明確（如客服/助理），邏輯推理要求越淺（如翻譯），知識圖譜領域越成熟（如數據飽和度和標準性較強的行業），技術上實現可能性相對較低。在各種技術融合應用發展的情況下，具備獲取一定優質數據資源能力并可結合行業Domain knowledge構建出技術、產品、用戶反饋閉環的企業會有更好的發展機會。

（2）NLP主要應用場景

問答系統。問答系統能用準確、簡潔的自然語言回答用戶用自然語言提出的問題。基本工作原理是在線做匹配和排序。比如 IBM 的 Watson，典型的辦法是把問答用FAQ索引起來，與搜索引擎相似。對每一個新問題進行檢索，再將回答按匹配度進行排序，把最有可能的答案排在前面，往往就取第一個作為答案返回給用戶。

圖像檢索。同樣也是基于深度學習技術，跨模態地把文本和圖片聯系起來。

機器翻譯。機器翻譯的歷史被認為與自然語言處理的歷史是一樣的。最近，深度學習被成功地運用到機器翻譯里，使得機器翻譯的準確率大幅度提升。

對話系統。對話系統的回復是完全開放的，要求機器能準確地理解問題，并且基于自身的知識系統和對于對話目標的理解，去生成一個回復。

（3）創業公司的機遇

1)機器翻譯方面：經過多年的探索，機器翻譯的水平已經得到大幅度提升，在很多垂直領域已經能夠在相當大程度上替代一部分人工，機器翻譯技術的商業化應用已經開始進入大規模爆發的前夜。

2)應用于垂直領域的自然語言處理技術

避開巨頭們對語音交互入口的競爭，以某一細分行業為切入點，深耕垂直領域，對創業公司也是一個不錯的選擇。

第五部分人工智能在金融行業的應用分析

人工智能產業鏈包含基礎層、技術層、應用層三個層面。基礎層的大數據、云計算等細分技術被應用到金融征信、保險、理財管理、支付等金融細分領域；技術層的機器學習、神經網絡與知識圖譜應用于金融領域的征信與反欺詐、智能投顧、智能量化交易，計算機視覺與生物識別應用于金融領域的身份識別，語音識別及自然語言處理應用于金融領域的智能客服、智能投研；應用層的認知智能應用于金融領域的智能風控。

人工智能在金融行業的典型應用情況

資料來源：創業邦研究中心

第六部分人工智能在醫療行業的應用分析

1.人工智能在醫療行業的應用圖譜

人工智能在醫療行業的應用潛力巨大，目前在健康管理、輔助診療、虛擬助理、醫學影像、智能化器械、藥物挖掘和醫院管理等領域均有企業在布局，其中醫學影像、藥物挖掘、健康管理，輔助診療、虛擬助理的應用發展速度較快。

圖 人工智能在醫療行業的應用圖譜

資料來源：創業邦研究中心

2.人工智能在醫療行業的具體應用場景

醫學影像。人工智能應用于醫學影像，通過深度學習，實現機器對醫學影像的分析判斷，是協助醫生完成診斷、治療工作的一種輔助工具，幫助更快的獲取影像信息，進行定性定量分析，提升醫生看圖/讀圖的效率，協助發現隱藏病灶。 人工智能通過影像分類、目標檢測、圖像分割、圖像檢索等方式，完成病灶識別與標注，三維重建，靶區自動勾畫與自適應放療等功能，應用在疾病的篩查、診斷和治療階段。目前較為火熱的應用有肺部篩查、糖網篩查、腫瘤診斷和治療等。

藥物挖掘。人工智能在藥物研發上的應用可總結為臨床前和臨床后兩個階段。臨床前階段：將深度學習技術應用于藥物臨床前研究，在計算機上模擬藥物篩選的過程，包括靶點選擇、藥效和晶型分析等，預測化合物的活性、穩定性和副作用，快速 、準確地挖掘和篩選合適的化合物或生物，提高篩選效率，優化構效關系。臨床后階段：針對臨床試驗的不同階段，利用人工智能技術對患者病歷進行分析，迅速篩選符合條件的被試者，監測管理臨床試驗過程中的患者服藥依從性和數據收集過程，提高臨床試驗的準確性。

虛擬助理。醫療虛擬助理是基于醫療領域的知識系統，通過人工智能技術實現人機交互，從而在就醫過程中，承擔診前問詢、診中記錄等工作，成為醫務人員的合作伙伴，使醫生有更多時間可以與患者互動。醫療虛擬助理根據參與就醫過程的功能不同，主要有智能導診分診，智能問診，用藥咨詢和語音電子病歷等方向。

第七部分智能駕駛行業分析

1.智能駕駛行業產業鏈

智能駕駛行業的中心業務是以Google、百度為代表的智能駕駛操縱解決方案提供商和以特斯拉、蔚來為代表的成車廠商。該類廠商，上接上游軟硬件提供商，下接公司和消費者，在整個業務鏈中扮演至關重要的一環。

產業鏈上游廠商多為細分技術提供商，如深度學習、人機交互、圖像識別和新材料、新制造新能源等。

智能駕駛產業鏈圖譜

資料來源：創業邦研究中心

2.智能駕駛市場分析

伴隨著 ADAS 技術的不斷更新，推斷全球 L1-L5 智能駕駛市場的滲透率會在接下來 5年內處于高速滲透期，然 后伴隨半無人駕駛的普及進入穩速增長期。在未來的 2025 年無人駕駛放量階段后，依賴全產業鏈的配合而進入市場成熟期。預測到2030年，全球 L4/5 級別的自動駕駛車輛滲透率將達到 15%，單車應用成本的顯著提升之 外，從 L1-L4 級別的智能駕駛功能全面滲透為汽車產業帶來全面的市場機會。

按照 IHS Automotive 保守估計，全球 L4/L5 自動駕駛汽車產量在 2025 年將接近 60 萬輛，并在 2025- 2035 年間獲得高速發展，年復合增長率將達到43%，并在2035年達到2100萬輛。另有接近 7600 萬輛的汽車具備部分自動駕駛功能，同時會帶動產業鏈衍生市場的大規模催化擴張。

根據獨立市場調研機構 Strategy Engineers 的預測，L4 高度自動駕駛等級下，自動駕駛零部件成本約在 3100 美元/車，其中硬件占比 45%，軟件占比 30%，系統整合占比 14%，車聯網部分占比 11%。按照全球 1 億輛量 產規模計算，理想假設所有車輛全部達到 L4 高度自動駕駛水平，那么全球自動駕駛零部件市場規模在 2020 年 將達到 3100 億美元。

第八部分中國人工智能企業畫像分析

隨著人工智能技術的不斷成熟，人工智能創業的難度逐步降低。創新的大門吸引眾多創業企業進入。為了觀察行業風向，助力創新企業發展，創業邦研究中心對國內200多家人工智能創業公司進行了系統調研，從發展能力、創新能力、融資能力等多維度指標，評選出“2018中國人工智能創新成長企業50強”。

地域分布

全國88%的人工智能企業聚集在北京、上海、廣東和江蘇。其中，北京人工智能企業最多，占比高達39.66%;其次是上海，人工智能企業占比達21.55%;位列第三的是廣東，人工智能企業占達15.52%。北京以領先全國其他地區的政策環境、人才儲備、產業基礎、資本支持等，成為人工智能創業首要陣地;華東地區的上海、江蘇、浙江均有良好的經濟基礎和科技實力，人工智能應用實力雄厚，也聚集了一批人工智能垂直產業園;廣東互聯網產業發達，企業對數據需求強烈，依靠大數據產業鏈推動人工智能產業發展。

行業分布

從行業大類分布來看，行業應用層的企業占比最大，為56.03%;其次是應用技術層的企業，占比達31.04%;基礎技術層的企業占比最小，僅為12.93%。隨著人工智能技術的發展，人工智能與場景深度融合，應用領域不斷擴展，行業應用公司比重不斷提升。在基礎層技術方面，國際IT巨頭占據行業領先地位， 國內與國際差距明顯，中小初創企業很難進入。

從行業應用來看，智能金融企業占比最大，為16.92%;其次是機器人企業，占比達15.38%;位列第三的是智能駕駛和智能教育，占比均為12.31%。金融行業的強數據導向為人工智能的落地提供了產業基礎，智慧金融被列入國家發展規劃中，龐大的金融市場為人工智能落地帶來了發展前景。機器人作為人工智能產業落地輸出， 目前市場需求較大，商業機器人占據較大份額。中國智能駕駛市場在資本推動下進入者較多，企業積極推動應用落地，百度、北汽等大型企業嘗試商業化落地智能駕駛汽車。人工智能推動教育個性化落地，相關初創企業涉入教育藍海，推動智慧教育的發展。

收入情況

收入分布在500-10000萬之間的企業最多，占比達49.14%;500萬以下的企業位居其次，占比達 26.72%;位列第三的是10000-100000萬之間的企業，占比為17.24%。

最新估值

企業最新估值均在億元級別，且分布較為均衡。三成企業估值超過15億元，還有企業估值達到百億級別，如優必

選科技、達闥科技和商湯科技等，將來或將躋身人工智能獨角獸企業。(備注：分析樣本量剔除一半未披露企業)

第九部分典型企業案例分析

1.Atman

企業概述

Atman由來自微軟的人工智能科學家和產業經驗豐富的產品團隊創辦，提供專業領域機器翻譯、機器寫作、知識圖譜、大數據智能采集挖掘等語言智能產品，致力于成為醫學、新聞、法律等專業領域語言智能專家，為專業領域用戶賦能，推動專業領域用戶進入人工智能時代，助力專業領域文字智能水平實現跨越式提升。Atman已為強生、新華社參考消息、北大法寶、君合律師事務所等世界領先藥企、新聞媒體、法律服務機構開發機器翻譯、機器寫作、知識圖譜、大數據智能采集挖掘等語言智能產品。

目前Atman在北京和蘇州兩地運營，能快速響應全國各地客戶需求。

企業團隊

創始人&CEO：馬磊

清華大學計算機系畢業，曾先后在微軟研究院和工程院擔任研究員和架構師，機器學習專家、多次創業者、曾主導多項人工智能重大項目，和申請國際專利共計15+項。

Atman公司核心團隊由來自微軟、百度、法電等領域高端人才和資深技術人才組成，公司員工40人，其中碩士以上學歷占比60%，技術開發人員占比70%，一半以上來自微軟亞洲研究院和工程院。

核心技術與產品

技術方面，擅長機器學習（深度學習、強化學習、群體智能）在復雜問題的應用，和國際專利15項，Atman神經網絡機器翻譯系統于2016年9月首秀，早于谷歌的GNMT，專業領域翻譯效果在公測標準和行業客戶測試中均持續領先。核心產品為垂直領域機器翻譯、機器寫作、知識圖譜抽取構建、大數據智能挖掘等語言智能產品。

Atman的機器翻譯產品可自動翻譯編輯專業文獻、報告、音視頻和網頁，支持私有部署和云端混合部署，提供包括數據隱私安全以及自學習的端到端解決方案。

機器寫作可對海量數據進行快速搜索、過濾、聚類，根據行業需求自動生成專業文檔，適用于所有專業寫作場景，可大幅減少專業報告寫作過程中的繁復工作，大幅提升專業領域寫作效率。

知識圖譜可實現海量數據的語義檢索、長鏈推理、意圖識別、因果分析，形成一個全局知識庫。大數據智能采集挖掘系統為專業領域用戶提供智能數據源管理、海量專業數據獲取和非結構化數據自動解析并結合知識圖譜提供auto-screening、知識重構、專業決策輔助，幫助用戶建立強大的以專業大數據為基礎的業務輔助能力。

2.黑芝麻

企業概述

黑芝麻智能科技有限公司是一家視覺感知核心技術與應用軟件開發企業，2016年分別在美國硅谷和上海成立研發中心，主攻領域為嵌入式圖像、計算機視覺，公司核心業務是提供基于圖像處理、計算圖像以及人工智能的嵌入式視覺感知平臺，為ADAS及自動駕駛提供完整的視覺感知方案。

目前公司和博世、滴滴、蔚來、上汽、上汽大通、EVCARD、中科創達、車聯天下和云樂新能源等展開深入合作，提供基于視覺的感知方案；除此之外，公司還在消費電子、智能家居等領域布局為智能終端提供視覺解決方案。目前公司已經完成A+輪融資。

企業團隊

團隊核心成員來自于OmniVision、博世、安霸、英偉達和高通等知名企業，平均擁有超過15年以上的產業經驗，畢業于清華、交大、中科大和浙大等知名高校。

創始人&CEO：單記章此前在硅谷一家全球頂尖的圖像傳感器公司工作近20年，離職前擔任該公司的技術副總裁一職，工作內容覆蓋了圖像傳感器研發和設計、圖像處理算法研發和圖像處理芯片設計。

核心技術和產品

在汽車領域，黑芝麻可提供車內監控方案（DMS），自動泊車方案（AVP），ADAS/自動駕駛感知平臺方案。黑芝麻智能科技提供的解決方案包括算法和芯片兩個核心部分：黑芝麻感知算法從基礎的控光技術，到面向AI的圖像處理技術出發來提高成像質量，以及應用深度神經網絡訓練，結合視頻處理和壓縮技術，形成從傳感器端到應用端的處理過程；黑芝麻芯片平臺采用獨有的神經網絡架構，包括獨有的圖像處理，視頻壓縮和計算機視覺模塊，與黑芝麻視覺算法結合，采用16nm制程，設計功耗2.5w，每秒浮點計算達20T。

3.乂學教育

企業概述

乂學教育，成立于2014年，是一家網絡教育培訓機構，采用人工智能和大數據技術，為學生提供量身定制學習解決方案和個性化學習內容。核心團隊來自美國Knewton、Realizeit、ALEKS等人工智能教育公司，銷售團隊有全國40億toC銷售額的經驗。

企業自主研發了針對中國K12領域的學生智適應學習產品，其核心部分是以高級算法為核心的智適應學習引擎“松鼠AI”，該產品擁有完整自主知識產權，能夠模擬真實特級教師教學。企業發表的學術論文得到了全球國際學術會議AIED、CSEDU、UMAP認可，并在紐約設計了人工智能教育實驗室，與斯坦福國際研究院（SRI）在硅谷成立了人工智能聯合實驗室。

主要產品

學生智適應學習是以學生為中心的智能化、個性化教育，在教、學、評、測、練等教學過程中應用人工智能技術，在模擬優秀教師的基礎之上，達到超越真人教學的目的。該產品性價比高，以人工智能+真人教師的模式，做到因材施教，有效解決傳統教育課時費用高，名師資源少，學習效率低等問題。

智適應學習人工智能系統

智適應學習人工智能系統模擬特級教師，采用圖論、概率圖模型，機器學習完成知識點拆分和個人學習畫像，采用神經網絡、邏輯斯蒂回歸和遺傳算法為學生實時動態推薦最佳學習路徑，實現個性化教育。

業務模式

線上與線下，2B和2C相結合。以松鼠AI智適應系統教學為主，真人教師輔助，學生通過互聯網在線上學習課程。開創教育新零售模式，授權線下合作學校，已在全國100多個城市開設500多家學校。

4.云從科技

企業概述

云從科技成立于2015年4月，是一家孵化于中國科學院重慶研究院的高科技企業，專注于計算機視覺與人工智 能。云從科技是人工智能行業國家隊，是中科院戰略先導項目人臉識別團隊唯一代表，唯一一家同時受邀制定人 臉識別國家標準、行業標準的企業。2018年，云從科技成為祖國“一帶一路”戰略實行路上的人工智能先鋒，與 非洲南部第二大經濟體津巴布韋政府完成簽約。

云從科技奠定了行業領導地位： 國家肯定，國家發改委2017、2018年人工智能重大工程承建單位；頂層設計，唯一同時制定國標、部標和行標的人工智能企業；模式創新，三大平臺解決方案，科學家平臺、核心技術平臺和行業應用平臺。

企業核心團隊

創始人

周曦博士，師從四院院士、計算機視覺之父—ThomasS.Huan黃煦濤教授，專注于人工智能識別領域的計算機視覺 研究。入選中科院“百人計劃”，曾任中國科學院重慶研究院信息所副所長、智能多媒體技術研究中心主任。

周曦博士帶領團隊曾在計算機視覺識別、圖像識別、音頻檢測等國際挑戰賽中7次奪冠;在國際頂級會議、雜志 上發表60余篇文章，被引用上千次。

核心技術團隊

云從科技依托美國UIUC和硅谷兩個前沿實驗室，中科院、上海交大兩個聯合實驗室上海、廣州、重慶、成都四 個研發中心組成的三級研發架構。目前研發團隊已經超過300人，80%以上擁有碩士學歷。

技術優勢

全方位多維智能學習模塊適應不同場景要求；模塊化設計為在工業視覺、醫學影像、自動駕駛AR等領域擴展打下良好基礎。

云從科技具有高技術壁壘：世界智能識別挑戰賽成績斐然，在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微軟全球圖像識別挑戰賽上共計奪得7次世界冠軍;在銀行、公安等行業智能識別技術 PK實戰中，85次獲得第一；2018年，云從科技入選MIT全球十大突破性技術代表企業。

在跨鏡追蹤(ReID)技術上取得重大突破。Market-1501，DukeMTMC-reID，CUHK03三個數據同時集體刷 新世界記錄， Market-1501上的首位命中率達到96.6%，首次達到商用水平。

正式在國內“3D結構光人臉識別技術”，可全面應用于手機、電腦、機具、設備、家電。相較以往的2D人 臉識別及以紅外活體檢測技術，3D結構光人臉識別技術擁有不需要用戶進行任何動作配合完成活體驗證的功能， 分析時間壓縮到了毫秒級以及不受環境光線強弱的影響等諸多優點，受到國際巨頭公司的關注。

行業應用

目前國內有能力自建系統的銀行約為148家。截止2018年3月15日，已經完成招標的銀行約為121家，其中云從科 技中標了88家總行平臺，市場占有率約為72.7%;在安防領域推動中科院與公安部全面合作，通過公安部重大課題研發火眼人臉大數據平臺等智能化系統，在民航領域，已經與中科院重慶院合作覆蓋80%的樞紐機場。

5.Yi+

企業概述

北京陌上花科技是領先的計算機視覺引擎服務商，為企業提供視覺內容智能化和商業化解決方案。致力于“發現視覺信息的價值”。

旗下品牌Yi+是世界一流的人工智能計算機視覺引擎，衣+是時尚商品搜索引擎。公司在圖像視頻中對場景、通用物體、商品、人臉的檢測、識別、搜索及推薦均達到領先水平。

目前公司和阿里巴巴、愛奇藝、優酷土豆、中國有線、CIBN、中信國安、海信、華為、360等數十家頂級機構/產品深度合作，通過提供邊看邊買引擎、圖像視頻內容分析引擎、人臉識別引擎等基于視覺識別技術的數據結構化產品服務于海量用戶，同時幫助政府機構、廣電系統、內容媒體、零售商、電商、視聽設備等行業實現智能分析、智能互動與場景營銷。目前公司已經獲得B輪融資。

企業團隊

團隊成員來自于斯坦福、耶魯、帝國理工、新加坡國大、南洋理工、清華、北大、中科院等名校及谷歌、微軟、IBM、英特爾、阿里巴巴、騰訊、百度、華為等名企。

創始人&CEO：張默

北京大學軟件工程碩士， 南洋理工大學創業創新碩士。連續創業者， 曾任華為算法工程師、微軟WindowsMobile工程師、 IBM SmarterCity 架構師，北方區合作伙伴經理，主機Linux中國區負責人，中國區開源聯盟負責人，年銷售額數億。 2013年創業于美國硅谷和新加坡，2014年6月在中國設立北京陌上花科技有限公司。

核心技術與產品

技術方面，在國際頂級計算機視覺競賽ImageNet中，成績曾超過谷歌、斯坦福等，2015-2016年2年獲得十項世界第一。2018年3月，人臉識別準確率位列LFW榜首。Yi+通過遵循無限制，標記的外部數據協議。 Yi+的系統由人臉檢測，人臉對齊和人臉描述符提取組成。使用多重損失和訓練數據集訓練CNN模型，其中包含來自多個來源的約10M個圖像，其中包含150，000個人（訓練數據集與LFW沒有交集）。在測試時， Yi+使用原始的LFW圖像并應用簡單的L2norm。圖像對之間的相似性用歐氏距離來測量，最終取得優異成績。

公司的核心產品主要包括視覺搜索引擎，圖像視頻分析引擎以及人臉識別和分析引擎：

行業解決方案

針對營銷、安防、相機和電視的不同特點，推出相應解決方案。

營銷+AI。場景化廣告方案中，大屏AI助理信息流推薦、神字幕、物體/人臉AR動態貼圖、video-out、場景化角標與廣告濾鏡等形式的廣告內容推薦，適用于快消、汽車、電商、IT、金融、旅游服務等多個行業。

智慧城市+AI。使用計算及視覺助力智慧城市，在智慧安防、智慧交通、智慧園區等方面提供解決方案。在智慧安防實時識別上，實時處理直播攝像頭信息，算法反應敏捷，相應迅速。建立智慧園區方案模型，考慮擴展性&靈活性、數據管理、松散耦合性、安全性、實時整合性以及功能性和非功能性需求等技術方案要素，從業務和技術兩方面整合解決方案實現步驟。

電視+AI。電視+AI的解決方案賦予智能電視多樣播放能力和營銷能力。

相機+AI。相機更具交互能力。用戶通過搜索關鍵字標簽同步展示圖片，打通相冊和購物一站式體驗。準確識別人物屬性特征，動態適應表情變化，可以在視頻以及圖像中對人臉實時檢測，基于深度學習技術，進行人臉相似度檢測，實現面部關鍵點定位、妝容圖像渲染，試用與粉底、唇彩以及眼影等多種虛擬試裝方式。實時檢測攝像頭中出現的物品、場景和人臉等，添加AR效果，SDK支持本地檢測、識別、追蹤，平均檢測幀率可達到25fps。

新零售+AI。Yi+新零售解決方案是基于公司自主研發的人臉識別、商品識別和其他圖像識別算法技術為核心，建立一整套基于人臉、商品的智能零售門店管理方案。Yi+新零售解決方案主要包含數據采集、算法模型說明和部署方案三部分，其中數據采集包括人臉數據采集、商品數據采集；算法模型說明包括識別算法訓練、商品識別、識別輸出；部署方案包括本地部署、云端部署、本地部署與云端部署結合。

6.擎創科技

企業簡介

擎創科技成立于2016年，專注于將人工智能和機器學習賦予傳統IT運維／企業運營管理，為企業客戶提供智能運維大數據分析解決方案，從而取代和改善對高技能運維人員嚴重依賴的現狀。2017年，擎創科技已實現全年2000萬營收，迅速成為國內AIOps領域的領跑者和中流砥柱。2018年初，擎創科技完成了數千萬人民幣的A輪融資，由火山石投資領投，晨暉創投、元璟資本及新加坡STTelemedia跟投。

核心團隊

擎創團隊的核心成員主要由BMC、微軟等美國企業服務上市公司的運維老兵，與新浪、餓了么等知名互聯網公司的大數據、算法專家組成，核心團隊成員至少擁有10年以上的行業經驗。其中CEO楊辰是國內最頂級的B端銷售，曾帶領團隊獲得10倍的業績增長；CTO葛曉波擁有長達15年的企業級軟件開發和運維經驗；而產品總監屈中泠則來自甲方，創業前為浦發硅谷銀行企業架構師，深知甲方對企業運維產品的需求。這個曾經深耕于運維企業服務市場的團隊，如今在智能運維企業服務賽道繼續領跑，讓擎創科技成為最懂企業的客戶，最值得企業客戶信賴的軟件廠商。

主要產品

“夏洛克AIOps” 作為擎創自主研發的大數據智能運維主打產品，自2016年上線以來，已從1.0版本升級至1.9版本，可應用在金融、大型制造業、鐵路民航、能源電力等涉及國家發展和民生問題的多種行業。在2017全球運維大會上，夏洛克AIOps獲得由中國信息通信研究院與高效運維社區聯合頒發的“年度最具影響力AIOps產品”獎。

“夏洛克AIOps”充分利用自研算法輔助客戶實現IT運維價值，結合客戶的現有情況，規劃從傳統ITOM至AIOps智能運維的一站式路徑，助其運營落地，由此打破數據孤島，建立統一的大數據智能分析平臺，實現以人工智能為核心，驅動傳統IT運維監、管、控三個層面，并將相關運維數據及業務數據實時展現。

“夏洛克AIOps”擁有多項自研算法，猶如運維界的福爾摩斯，能迅速發現并定位運維問題的根因，實現秒級排障，最大程度避免企業產生重大損失。更有價值的是，“夏洛克AIOps”還能通過長期的數據積累和機器學習，運用新型深度神經網絡算法對企業的業務數據進行預測，幫助企業提前規劃IT資源，高效預防各類黑天鵝事件的發生。

商業模式

目前，擎創科技已與多家金融和制造行業標桿客戶形成穩定的合作關系，包括浦發銀行、浦發硅谷銀行、國家開發銀行、上海鐵路局、銀聯、海爾、浙江能源等。針對不同客戶，采用個性化的商業模式進行服務，目前主要有私有模式和SaaS模式兩種，都具有較強的可復制性。

核心優勢

篇(4)

1高校法學專業教育的現狀

當代高校法學專業教育成績斐然，其不僅為中國的法治建設奠定了豐富的理論基礎，而且也為未來的法學專業教育指明了發展方向。但是隨著新時代的到來，法學教育的背景以及定位也在發生變化，此時，高校的法學專業教育在教育目標、方法、體制以及模式方面也顯現出諸多問題。

1．1法學教育目標片面

法學教育目標不僅直接決定了高校法學教育的方向，甚至也影響著法律人才類型的培養。但就目前來看，教育界對法學教育目標的認識較為混亂。有學者主張法律人作為治國之才，承擔著服務社會與管理社會的責任，其屬于社會的精英人才。為了更好發揮法律人管理及服務社會的能力，法學教育目標應以培養法律精英人才為首位。也有學者主張法學作為應用性學科，法學教育應以培養法學應用人才為根本目標，核心在于注重法學理論知識的運用。還有的學者認為法學專業應以培養通識人才為主，在當前創新型國家背景下，培養法學通識人才有利于形成創新思維，使法學人更容易應對社會變化不斷出現的新情況以及新問題。學界對法學教育目標認識不一致最終導致高校在實際法學教育過程中目標的不統一。有的高校僅重視法學精英人才的培養，而忽略了法學應用人才培養，導致學生處理實際法律糾紛的能力多有欠缺。而有的高校僅重視培養法學應用人才，而忽略了傳統的法學理論知識，也導致學生的專業素養不高，甚至缺乏法律職業道德素養，給相關法律職業帶來負面影響。

1．2法學教育方法落后

在高校進行法學教育過程中，教學方法的運用也至關重要。科學、合理的教學方法不僅能使學生牢固掌握法學理論知識，還有利于提升法學專業的教學質量。但從當前高校法學教育方法來看，仍然較為落后。一方面，由于高校法學教育目標較為片面，導致在教學方法上，也未能很好兼顧理論教學與實踐教學，最終使學生產生理論和實踐脫節現象。有的高校教師僅進行課堂式的法學教學，通過在課堂上分析法律條文的內涵與外延來要求學生掌握相應的法學理論知識，并未給學生提供運用法律知識處理實際問題的機會;而有的高校教師則一味重視案例教學，并未教授相應的法學理論知識，導致學生僅掌握了個別案件，對案件背后所折射的法學理論則一知半解。另一方面，隨著人工智能以及大數據技術在各學科領域的運用，其也為法學教育方法的革新帶來了契機。但實踐中，高校教師大多數仍是以傳統的課堂教學為主，未能很好運用現代化的教學工具。最終，法學教育方法的落后不僅不利于提升學生學習法律知識的積極性，使法學教學難以達到應有的效果。而且也不利于培養學生的法律邏輯能力、思維能力以及實際解決問題的能力。

1．3法學教育體制不一

就我國當前的法學教育體制而言，從法學教育層次來看，既有專科，也有本科，同時還有碩士及博士，不同層次教育所掌握的法學知識明顯存在差異。從法學教育機構來看，既有普通公辦高校，也有私立學校還有職業院校以及其他相關培訓機構。從法學教育內容來看，既有普通高校的法學基礎理論知識教學，也有培訓機構的法律職業資格教學，還有公權機關對相關人員的法律執業能力的培訓。雖然從歷史層面上來看，現有的法學教育體制在一定程度上為改革開放之初國家法治建設輸送了大量的法律人才，但是隨著國家治理體系以及治理能力現代化水平的持續深入，實踐中法學教育層次繁多、渠道龐雜、內容多樣等的特點無不彰顯著當前法學教育體制的混亂，不僅同國家要求構建法律職業共同體的愿景相違背，也嚴重影響了法學教育工作的開展，給法學教育的整體形象帶來了負面影響。

1．4法學教育模式單一

法學作為理論與應用相結合的學科，法學教育也可以分為專業型、職業型以及專業與職業兼顧型模式。但我國高校在教學模式的選擇方面長期堅持專業型的教學模式。主要原因在于一方面，我國傳統的課堂教學是教師主導型，教師在課堂上通常是對法學各學科的基本理論以及法律條文進行講解，使學生能夠具備基本的法學素養，并系統掌握法學的基礎理論。在此過程中極少涉及實踐案例，使得法學教育呈現專業性特征。另一方面，我國的法律職業資格考試也進一步加強了專業型的法學教育模式。法律職業資格考試在很大程度上作為法律職業的準入門檻，對于法學生以及法學院校而言，其重要性不言而喻，所以，學生個人為了通過資格考試，往往會花費大量時間在法律專業知識的學習上，從而也使得學校在法學教學模式上更傾向于選擇法律職業資格考試所要求的專業型教育模式，最終也導致了法學教育模式的單一。

2高校法學專業教育面臨的機遇

審視當代高校法學專業教育的現狀，雖然可以看出仍然存在諸多問題，但隨著依法治國理念的深入推進、社會經濟穩中向好的發展、人工智能技術的廣泛應用以及高端法學人才培養模式的逐漸健全也為高校法學專業教育的優化帶來了諸多機遇。

2．1依法治國理念為高校法學專業教育帶來思想優勢

依法治國，建設社會主義法治國家作為我國社會主義現代化建設重要的戰略目標，其核心要義是依據憲法及法律來治理國家。隨著時代進步，依法治國理念也被不斷深入推進，并成為國家長治久安的重要保障。在全面依法治國戰略的引領下，社會各界都形成“尊法、學法、守法、用法、護法”的法治理念，社會公民的法律素養整體上有很大提升。而高校作為社會的重要組成部分，依法治國理念的深入推進也為高校的法學專業教育帶來了諸多機遇。

2．2社會經濟增長為高校法學專業教育帶來經濟優勢

經濟同教育的關系具有辯證統一性，一方面，教育可以為經濟帶來智力型勞動人才以及相應的技術創新。另一方面，經濟又影響著教育發展、教育規模、教育結構甚至教育內容。如果國家的經濟實力強大，基于教育對經濟的能動作用，勢必會投入諸多經濟資源來為教育發展奠定物質基礎。隨著我國的社會經濟的穩步發展，綜合國力也得到了顯著提升。而在科教興國作為實現中華民族偉大復興的重大方略的重要影響下，我國對教育的投入逐年提高，教育經費占國內生產總值的比例也在不斷上升。從而為高校的法學教育工作的優化奠定了物質基礎。

2．3人工智能發展為高校法學專業教育帶來技術優勢

隨著人工智能技術在社會各領域的廣泛應用，其也為高校的法學專業教育帶來了諸多技術優勢。例如，一方面，法學專業更加注重理論和實踐相結合的教育模式，面對實踐中高校教師僅重視理論型教學的弊端，便可以利用法律人工智能技術來加以完善，其能夠提供一種交互式的VR模擬場所，使學生可以置身于虛擬法律系統中全程模擬法官、檢察官或者律師辦公流程或者對案件進行重現，該種技術不僅有利于學生深入了解案件的基本情況，還有利于學生學習到相應的法律實務技能，從而使其能夠在課堂上所學到的法學理論與法學實踐相結合。另一方面，人工智能技術還為高校法學專業的課堂教育提供了新的方式。慕課借助人工智能技術后，具備極強的互動性、智能性以及自主性的優勢，更新了傳統的法學教育模式。在慕課教學中，學生可以根據自身情況來選擇所要學習的課程，擺脫了傳統法學教學課堂的概括性教學，從而能夠很大程度上調動學生學習的自主性。并且慕課也能夠實現差異性學習，每個學生對于知識的掌握并不是同步的，在慕課平臺，學生可以自主選擇學習時間、學習地點以及學習內容，使學生的學習潛能最大程度被激發。

2．4高端法學人才為高校法學專業教育帶來智力優勢

法學教育作為培養法律人才的關鍵環節，不僅影響著法學生的思維養成以及職業選擇，甚至也對國家的法治建設具有重要影響。高校在進行法學教育過程中，一方面需要有思想、經濟、以及技術的支持，另一方面也需要高端法學人才的參與。教育本質上來說是師生共同完成的一項活動，如果法學教師的理論水平不高、實踐經驗有限，其在教學過程中將很難對學生以啟迪，嚴重影響了學生的對于知識的掌握。因此，法學理論知識儲備以及司法實踐經驗豐富的法學教師對于法學專業教育而言必不可少。就目前來看，隨著我國高端法學人才培養模式的逐漸健全，具備深厚的法學理論知識、司法實踐經驗豐富、綜合素質較強的法學人才被培養出來，當該類人才作為教師隊伍投入到法學教育中時，高校法學專業的教育能夠在很大程度上得到優化。

3高校法學專業教育的優化路徑

對高校法學專業教育加以優化，從微觀層面來看，有利于法學生對于法學知識的理解與掌握，從而改善并提高法學教學的現狀及質量;從宏觀層面來看，能更好為國家法治建設輸送高技能的法律人才。在優化路徑的選擇上，應首先準確把握高校法學教育目標;其次，轉變法學教育方法;再次，應打破高校同司法實務部門的體制壁壘，最后，需要積極探索“人工智能+法學”的教育模式。

3．1準確把握高校法學教育目標

法學作為一門實踐性極強的學科，決定了高校的法學教育絕不是純粹的象牙塔式的文字理論教學，法學教育目標的制定應以滿足社會實際需求為準則。而在社會層面，不僅需要具有豐富理論知識的法學家來對社會現象問題進行研究、論證;也需要具有豐富實踐經驗的律師以及其他法律實踐工作者來為社會提供法律服務;還需要具有較高的法律職業素養以及辨法析理能力的法官、檢察官來對案件進行定分止爭，進而達到維護法律的權威以及社會正義的目標。所以，高校法學教育目標的制定決不能過于單一化，而應該具有綜合性。法學教育除了需要培養學生的基礎法學理論之外，也需要注重對學生法律實踐的引導，還需要注重提升學生法律職業素養，以不斷適應社會發展對法學教育所提出的新要求。

3．2積極轉變高校法學教育方法

傳統的高校法學教育主要以課堂式講授教學為主，雖然有利于學生掌握系統的法學理論知識，但卻不利于學生實務經驗的提高，導致學生進入社會后由于缺乏相應的實務經驗而難以找到自身的職業定位，最終對法學生的就業率產生影響。所以，高校的法學教育應加以改進，從傳統上以法學理論為主的教學方法轉變為將理論與實務兩者并重的教學方法。尤其面對當下重理論而輕實務的教學背景，法學教育除了課堂式的講授教學方法之外，還可以通過加入相關案例教學，通過對典型案例的分析來引導學生進入案例情景，然后對案例背后所蘊含的深層法學理論知識以及解決實際法律問題的技巧進行講解，不僅能以小見大，使學生能夠更加深刻地理解抽象的法學理論，而且也能使學生親自體驗獲取知識的過程，激發其求知欲，有利于培養學生創造性思維能力以及批判精神。除此之外，實踐中高校還可以進一步推進模擬法庭活動，正所謂“實踐出真知”，在模擬法庭中，由學生自己扮演和案件相關的訴訟參與人，并按照案件事實以及法庭程序來真實還原法院審判的全過程，不僅能夠增加學習法律知識的趣味性，還有利于使學生對相關案件的發生、預防、處理以及涉及到的法律法規有更為深刻的認識和理解。最后，為了使學生能夠學以致用，還可以開展診所式的法律教育，法律診所不同于傳統的法學教育，其更加注重對學生自主學習能力、法律思維能力以及靈活運用法律解決問題能力的培養。在法律診所教育中，學生能夠親自參與到案件爭議的解決過程中，不僅能使其更深層次理解法律的內涵與要義，還有利于培養其法學實踐能力。

3．3打破高校同實務部門的體制壁壘

當前的法學院校和實務部門之間具有明顯的體制壁壘，法學院校作為高等學府，掌握著大量的法學基礎理論知識，但是實務經驗相對來說較為欠缺。而對于諸如法院、律所、政府機構等實務部門而言，其掌握了大量卷宗材料以及實務經驗，但可能在法學理論基礎方面較為薄弱。因此，應破除高校同實務部門之間的體制壁壘，充分發揮法律實務工作者在高校法學教育中的積極作用。具體可以在高校的法學教育過程中積極引入律師、法官、檢察官以及其他法律實務人員擔任高校教師，實現理論型教師與實務型教師的雙線并行式教學模式。在該種并行式模式下，不僅可以使學生學習系統法學基礎理論，還可以在實務型教師的引導下，使學生能夠將法學基礎理論同具體案件的知識點相融合。例如中國政法大學除了傳統的法學基礎理論以及實務課程體系之外，還開設了庭審同步直播、庭審錄像觀摩以及案卷閱覽等諸多模式的實踐教學活動，學生通過觀看庭審直播、錄像或者翻閱相關案卷材料來掌握司法實務中的相關問題，最終實現法學理論與實踐經驗的同步發展。

3．4探索“人工智能+法學”的教育模式

隨著人工智能技術的迅速發展，其不僅推動了法律服務與行業活動的智能化，也給高校的法學專業教育模式也帶來了諸多影響，為了培養出更多適應智能化要求的法治人才，法學教育應做出積極的回應與變革。大學慕課便是很好的嘗試，不僅能很好解決傳統法學課堂概括性教學的弊端，使學生能夠實現個性化以及差異化學習，而且還能實現優勢教育資源的共享，使學生能突破時間、地域以及師資力量的限制，學習潛能也可以在最大程度上被激發。此外，高校還應該引導教師轉變傳統的教學觀念，高校教師作為推動教育創新發展的中堅力量，面對智能化變革的背景，不僅應積極探索智能化的教學方案，將智能化技術運用到法學基礎教學中，還應該引導學生在法學學習過程中掌握各種智能技術，著重培養其法律思維能力、推理能力以及解決問題的能力，使其能適應人工智能時代對法治人才新的需求。

篇(5)

論文關鍵詞：知識管理；教育技術；知識價值鏈

知識管理伴隨著知識經濟時代的發展逐漸凸現出來，它關于知識及與知識相關的資源和過程的管理方法與管理技術可以為教育技術實現理論的創新與應用的拓展提供一種新的思路。

一．知識管理與教育技術概述

20世紀90年代初，知識管理的概念首次出現在管理學領域。知識管理是對組織知識的生產、分配、交流、整合、內化、評價、改造的全過程管理，其目的在于實現知識共享，增加組織的知識總量，提高組織的創新能力和核心競爭力。

從宏觀角度來看，知識管理關注整體，是對一個組織系統所擁有的全部知識及相關資源的管理，任何一個管理過程都應考慮組織整體效益的實現。組織還應有與外部環境交換知識的通道，從而保證知識來源的豐富性。組織成員通過共同努力，更新組織的知識，提高組織的知識總量。知識管理的目標定位是實現知識共享與知識創新，提升組織的競爭力。

知識管理的另一個重要理念就是顯隱知識的轉換。在這一轉換過程中，個人首先通過摹仿習得他人的隱性知識；接著將這一部分隱性知識經過思考表達出來后，外化成為顯性知識；顯性知識再與先前的顯性知識組合，成為一個新的整體，在組織內共享；最后組織中的成員將其內化為個人所擁有的隱性知識。在實際的轉換中，這是一個循環往復的過程。即隱性知識社會化為隱性知識、隱性知識外化為顯性知識、顯性知識與顯性知識重新組合、顯性知識內化為隱性知識，這四個轉換環節是知識轉化理論的核心內容，并由此形成一個循環上升的知識增值系統。

從微觀角度來說，知識管理的實質就是對知識價值鏈的管理，清除影響知識價值鏈形成的阻礙因素，加快價值鏈的形成速度，使組織的知識在運動中不斷增值。通過對知識管理定義與管理過程的分析，知識價值鏈可以具體化為如圖1所示的K9知識鏈。

在具體的實際操作過程中，知識管理又可以劃分為不同的環節，即知識生成管理、知識應用管理、知識交流管理，由此又形成諸多知識管理工具。網絡技術、人工能技術等信息技術手段在知識管理中發揮著重要的作用，較常見的專家系統、數據倉庫等都在知識管理中得到了應用。

教育技術是通過創造、使用、管理適當的技術性的過程和資源，以促進學習和改善績效的研究與符合道德規范的實踐。教育技術在發展中注重創造新的資源和過程，重視技術手段的運用，突出以人為本的思想，既關注學習者的學習過程也關注學習者的學習成果。同時，教育技術一直是抱著一種開放的態度來促成自身的發展。信息技術的每一次飛躍發展都能帶動教育技術的進步，其他學科的理論創新也能引發教育技術的關注。知識管理對教育技術的發展意義也正是如此。教育技術關注較多的仍然是可以傳播和表達的顯性知識，未能對價值更大的隱性知識進行有效地開發與利用，也未建立健全的管理機制。而知識管理的一個重要觀念就是隱性知識比顯．陛知識更能創造價值。從這點出發，教育技術可吸收和借鑒知識管理關于隱性知識的管理理念。

二、教育技術借鑒知識管理理念的可能性分析

如前所述，知識管理與教育技術雖然分屬于不同的學科范疇，兩者卻存在著諸多相同或相似的方面，這就為教育技術借鑒知識管理的理念提供了可能。

1．知識管理與教育技術都具有整體觀

知識管理與教育技術所需實現的都是組織的整體效益。知識管理關注的是提高組織的知識總量與核心競爭力，組織的知識儲存量直接影響到組織的后續發展潛力。教育技術服務于整個教育系統，注重提高系統的績效，并且一直致力于去尋找能夠完成這一使命的方式方法。系統科學、信息科學等在教育技術領域中能夠得到廣泛的應用即可說明這點。歸結起來，兩者有著共同的目標，即提高個人和組織的知識和學習，進而提升個人素質，組織智慧。

2．知識管理和教育技術都具有相同的知識觀

知識管理通過對知識的一系列開發過程，實現和完善自身的管理理念，達成管理目標。教育技術則從關注信息轉變為關注知識，通過對知識進行整體研究，實現教育組織中知識的發現與再創造。而兩者最終都需創設知識共享和知識創新的平臺，增進組織成員的相互交流，同時需建立有效的保障機制，促使知識流動系統的形成。

3．知識管理和教育技術都倡導人本主義的思想

以人為本的思想既存在于知識管理中，也存在于教育技術領域。知識管理認為只有組織中的人才能創造知識、更新知識、利用知識，因此對知識的管理最終須體現在對人的管理上。教育技術也一直強調人本主義思想，即不僅要關心學習者學習目標的實現，還要積極倡導為教育者提供一個再學習的平臺。

4．知識管理與教育技術在技術手段上的相同點

兩者在技術層面也有著共同之處，即兩者都運用了計算機網絡、人工智能等技術。由這兩種技術還衍生出來許多新型的交流和學習方式，如Blog、網絡社區、電子郵件系統、知識資源庫等。知識管理和教育技術可以相互借鑒彼此在應用這些技術手段時的經驗和成果。教育技術的一個重要任務就是構建學習平臺，營造學習環境，促進學習者學習，提高教育組織的績效。管理知識的過程實際上直接影響到學習者學習效率的提高以及教育功能的實現，吸收知識管理的理念，也是教育技術為完成這一任務而進行的一次努力。

三、利用知識管理，創新教育技術

知識管理中的知識分類思想、知識轉化理論、知識價值鏈的形成等理念，均可以引入到教育技術中來。通過借鑒這些理念，教育技術可以為學習者營造更為有利的學習環境。學習者或者教育者都可以通過各種途徑，如面對面交流、網絡社區等直接或間接共享到他人的經驗、技能等，從而最終提升學習者的學習效率、教師的工作能力，進而提升整個教育系統的組織智慧。

1．知識分類思想對教育技術的意義

知識管理將知識分為隱性知識和顯勝知識，而且更關注隱性知識。教育技術在多年的發展中一直致力于將顯性知識通過各種途徑傳播給學習者，并為學習者所熟知和掌握。學習者對更加重要的隱性知識的學習則處于一種未知的狀態。在面對面的傳統教學過程中，學習者或多或少能夠通過一些親身體驗的方式學習到隱性知識。但是在非面對面的教學過程中，這種隱性知識的學習就被完全忽略知識分類思想提醒教育技術相關人員應該更加關注開發和利用隱性知識。

2．知識轉化理論對教育技術的啟示

教育技術必須關注隱性知識對學習者的作用，在實際開發過程中創設一種能讓學習者感覺到這種知識的存在，并且學習和使用這種知識的環境。知識轉化理論詳細闡述了隱性知識和顯性知識相互轉化的過程，并且強調隱性知識只有被轉化成顯性知識才能被認識，而顯性知識在被學習者學習并內化為隱性知識后才能達到提升個人素質的目的。教育技術已經能夠成功地將顯性知識利用信息技術轉化成各種產品，然后傳遞給學習者，學習者也能夠利用這些產品來促進自身的學習。但是教育技術還未能創造出一種有效的機制去利用隱性知識。教育技術通過借鑒知識轉化理論，思考利用隱性知識的途徑，創設能促進隱性知識轉化成能被學習者利用的顯性知識的環境教育技術還應該具備合并顯性知識和顯眭知識的能力，以及鼓勵學習者與教育者將自身的知識拿出來共享。

3．教育技術對k9知識價值鏈的借鑒

K9知識價值鏈的對象是知識，如前所述包含有九個過程。教育技術在AECT94定義中則劃分為五個范疇——設譏開發、利用、管理和評價，其對象界定為學習資源和學習過程。相比之下，K9知識價值鏈更具有操作性，同時還揭示出知識在傳遞過程會不斷地增值。教育技術可按照K9知識鏈的劃分方法，將實際開發知識的過程細分為獲取、開發、利用、管理、更新和評價知識。此外，教育技術還應該要創造出具有增容性的學習環境——能支持知識的螺旋上升，提高知識的總量和價值。

4．知識管理環節的劃分對教育技術的啟迪

知識管理通過總結k9知識價值鏈，得出知識管理包含四個過程：知識生成管理、知識積累管理、知識應用管理和知識交流管理。從這點出發，教育技術在運用知識管理的理念時，首先必須解決的是明確教育知識的來源：應該包括已經被認識到的可以拿來學習的知識、還掌握在少數教師、專家、學習者頭腦中不能被傳播的知識以及新創造的但還未納入到教育領域中的知識。其次，應該運用一定的鼓勵機制和技術手段識別、提取和組織這些知識，使之有序化、系統化。當擁有了大量的知識之后，教育技術可以利用教育資源庫、專家系統等手段將這些知識積累起來，并進行管理。學習者和教育者可以通過教育資源庫獲取大量的知識，同時又可以將自身獨有的知識拿出來供所有人使用。知識通過交流和共享獲得增值，這也為產生新產品和新技術提供了前提條件。

5．教育技術在技術層面上吸收知識管理的成熟經驗

知識管理運用了諸多先進的技術手段。教育技術可以吸收這些技術在知識管理中應用的成熟經驗，來促進自身技術能力的提高。教育技術和知識管理一樣都很重視計算機網絡技術——利用網絡可以整合組織內部和外部的信息、創設組織成員的交流平臺，還能利用其中的群件技術為學習者和教育者提供知識共享的基礎通訊設備。知識管理應用的另一核心技術就是人工智能。教育技術已經在實踐過程中嘗試使用人工智能，如專家系統、機器學習等，但還處于起步階段。教育技術可以嘗試從知識管理的角度更加深入地了解和使用人工智能。

知識管理為發現、分析和管理教育信息資源提供了一條綜合的途徑。教育技術可以吸收和借鑒知識管理的很多東西。何克抗教授在其主編的((教育技術學》一書中，甚至將知識管理視為教育技術管理的重要組成部分。很多教育技術相關人員已經開始試著去研究在自己所從事的行業中應用知識管理的途徑。

四、知識管理在教育技術中的應用現狀

1．校園知識管理系統的研究

建構校園知識管理系統是知識社會對于教育技術提出的要求。教育技術通過構建校園知識管理系統為學生提供適當的知識源和知識環境，培養學生的創新能力。在學校建立信息管理系統和校園網工程后，為信息的獲取提供了前所未有的便捷途徑，但由此也引發了贏息垃圾、信息冗余和信息無序化等新問題。教育技術利用技術手段建立校園知識管理系統，可以有效地對校園中存在的信息如學生信息、教學信息、教育資源、頭腦中的知識、知識行為、知識資產等進行開發、利用和管理，促進校園內知識的共享，同時也可以利用教育者和學習者的集體智慧完成創新知識的目標。

2．遠程教育中的知識管理研究

隨著互聯網技術的發展，遠程教育也迎來了新的發展機遇，借助互聯網進行在線學習、在線培訓已經成為遠程教育的新特征。然而，在遠程教育領域，存在著一對亟待解決的矛盾：一方面網絡信息膨脹，另一方面學習者迫切需要精煉的知識。教育技術可以通過借鑒知識管理的理念來解決這一問題。

首先是知識管理可以為遠程教育的核心——教育資源庫的建設提供可以借鑒的理念和技術。資源庫建設的目的是要達到教育資源配置的最佳化、教與學效果的最優化。從知識管理的角度來看，其實質就是一個知識流的過程，即知識如何以最佳方式和最好的效果從教育者傳播到學習者的過程。另外，深度標引技術、知識挖掘技術、知識關聯技術等知識管理技術也可以應用于資源庫建設。

其次，遠程教育的另一核心要素就是卜學習者和教育者。兩者均可借助個人知識管理來提高個人的知識總量，完成學習和工作的目標。個人知識管理的實質在于幫助個人在短時間內處理大量的信息，快速有效地獲取所需知識，準確地表達知識，提升工作效率，提高個人的競爭力。在遠程教育中，學習者和教育者是分離的，但是通過個人知識管理工具，可以讓任何學習者的學習過程和學習心得都能在自我思考的基礎上外化為一個學習組織可以分享的知識，教育者也可以針對這些情況做出最為恰當的指導。

五、結論

知識管理對教育技術的發展究竟有多大的推動作用，到目前為止，是無法得出結論的。但是可以肯定地說，知識管理能夠促進教育技術理論的創新和實踐的深入。從這個角度出發，可以預測教育技術今后將關注的焦點：關注整個教育系統。傳統學校教育、現代遠程教育等教育形式都應納入到教育系統這個整體中來。教育技術應該從整體出發，探討系統利用教育知識的方式。任何一種教育形式都應該能夠使用公共的教育知識庫，并在此基礎上實現教育系統的效益最優化。

實現對知識最大程度的開發。教育技術需同時關注隱性知識和顯性知識的開發，通過創造學習環境，完成知識從獲取到評價的一系列過程，實現知識共享與創新，幫助教育者和學習者提升自身素質以適應社會的發展。

篇(6)

關鍵詞：智能控制；雙語教學；教學實踐

作者簡介：陳志楚（1976-），男，湖北仙桃人，湖北汽車工業學院電信學院，講師。（湖北　十堰　442001）

中圖分類號：G642.0?????文獻標識碼：A?????文章編號：1007-0079（2012）34-0077-02

隨著全球經濟一體化以及信息處理手段網絡化的發展，世界各國高等教育正在經歷深刻的變化。中國高等教育的發展也正在經歷教育方式國際化和人才培養綜合化。而社會對于掌握專項技術同時又可以熟練使用英語進行國際交往和合作的高級復合型人才的需求也使得當前高等院校中的雙語教學方興未艾。

當前隨著我國入世和國際貿易交流的發展，全方位發展的高素質工科人才不僅需要面對大量的工程問題，同時也會遇到使用國際通用語言——英語的問題。能夠閱讀和查找最新說明書和工程資料，與同行溝通交流和解決問題，這些都是高校教育的目標。采用雙語教學，引進外文教材，使用英語、漢語來講授專業內容，讓學生可以接觸到較先進的內容和理念的同時，增強使用英語閱讀交流專業知識的能力；同時可以促進教師的教學方式和學校相關課程設置的發展，是“一舉多得”的教學改革。

智能控制作為高校機械工程及自動化專業的一門專業課程，是在人工智能及自動控制等多學科基礎上發展起來的新興交叉學科，是控制理論發展的高級階段。對于控制理論及控制工程等領域的本科生來說，需要通過該課程掌握智能控制的基本理論并逐步學會智能控制的應用。通過這些內容的學習，使學生了解智能控制的基本結構、各類主要智能控制方法的基本知識，掌握模糊控制與神經控制的基本理論、算法和基本設計方法，并為今后智能控制系統的設計、運行打下一定基礎。

湖北汽車工業學院堅持特色興校、教育創新，注重個性發展，著重培養學生的創新精神和實踐能力。在本科教育上緊緊圍繞培養創新型應用人才為目標，堅持走產學研道路，積極推進本科教改，全面推進教學改革，提高教學與教研的整體水平，不斷提高人才培養質量。湖北汽車工業學院自動控制教研組在省級精品課程“電工電子技術”的基礎上，以“智能控制”課程作為教學試點，開展了雙語教學的一系列教學實踐。

雙語教學是使用外語進行的非語言專業類課程教學。雙語教學在高校中廣泛開展的同時也遇到了相當多的問題。在課堂中由于雙語的引入，引起了思維方式的轉變，學生的學習內容和教師的備課工作量都大為增加；學生英語水平參差不齊和教師的英語能力有限造成課堂專業課信息量減少，缺乏師生互動，教學效果受到限時。筆者一直任教控制類課程專業課程教學，并從事過英語教學多年，在開展“智能控制”課程雙語教學教學實踐活動中總結了一些經驗。

一、教材的選用

雙語教材的選用是關系到雙語教學質量的大事。在選擇教材時，應以實用、適用和學生的承受能力為主要參照。引進的原版教材一定要是優質的，同時也應是內容比較新的。各個學校和各個院系可以根據自己的需要進行優選。原版教材注重啟發學生思考和動手實踐，善于由淺入深地敘述和展示理論、原理，并非常注意實驗和技術應用。但是原版教材也存在課程體系和大綱與國內不符，同時內容過淺的問題。而國內教材從內容、知識結構和難度上都較符合學生的認知水平和規律，知識體系清楚完整，敘述嚴謹，擅于概念和理論推導。所以在教材的選擇上，不應完全排斥中文教材，教師應在吃透教學內容的前提下充分發揮兩者的長處，組合使用。而學生也可以在使用一兩本主教材的基礎上，同時閱讀多本參考教材，以幫助理解，激發求知欲。

考慮到多數高等學校第五或第六學期開設智能控制課程，其前序課程有“自動控制”、“現代控制”和“過程控制”作為基礎，所以其內容和前面課程有較強的連貫性。因此，為開展“智能控制”雙語教學，筆者將在前面部分回顧控制理論的主要內容作為引入智能控制方法的基礎，并向學生推薦課下閱讀控制理論的經典教材，比如Dorf的《Modern control System》（國內有影印版）等。“智能控制”課程本身內容非常龐雜，涉及領域也很廣，故教材也是風格迥異。模糊控制方面的教材有Kevin M. Passino etc.的《Fuzzy Control》等，神經網絡控制方面的教材有Kevin Gurney的《An Introduction to Neural Networks》等，但符合國內“智能控制”大綱的教材非常少，而且國內改編和自編教材基本沒有。考慮到課程本身的特點，筆者采用了“原版教材和中文教材結合，主要教材和參考教材結合”的方式。筆者在課程中外文教材主要采用Alexander M. Meystel和James S. Albus等的《Intelligent Systems：Architecture，Design，Control》。該書是智能控制領域的著名教材，它回顧了整個學科的發展，同時從理論和技術兩個方面全面講述了智能控制系統的構造、設計和實用。國內出版社有影印版出版，并同時有原文和中文翻譯兩個版本方便學生閱讀。易繼鍇的《智能控制技術》作為主要中文參考教材。該書對于各個知識點的講述比較清晰透徹。除此之外，在課程教學過程的不同階段，鼓勵學生通過圖書館或者網絡自由選用、閱讀更多的外文教材和中文參考教材。

二、教學內容的選擇

不論是否采用雙語教學，課程最后的教學效果是關鍵。由于雙語教學在語言理解上花費了學生和老師大量的精力，這樣在教學內容的選擇上就更顯得尤為重要。應在內容上選擇符合大綱、重點難點為主的知識，并在這些知識點上增加教學投入時間。“智能控制”是一門國內開展較晚的課程，由于其涵蓋模糊系統、神經網絡、優化算法和專家系統等諸多智能算法和應用控制方法，所以教學上不可能做到面面俱到，只能是擇優而取。參照國外很多著名大學（諸如麻省理工學院、加州理工大學等）的教學課程安排，基本上沒有專門的“智能控制”課程，而是各個系會針對學生所學專業需要開展相應的課程，例如“針對模式識別的神經網絡算法”或者“機器學習中的模糊控制”等等。依據湖北汽車工業學院和自動化專業的具體情況，“智能控制”主要是對各類控制算法的原理和應用領域進行介紹，讓學生對其有總體的了解和認識，使其能在實踐中運用。基于此目的，筆者主要講授的內容為緒論（智能控制的發展歷史）、模糊控制理論基礎、模糊控制系統、神經網絡模型、神經網絡控制論和集成智能控制系統。

由于課程學時較少，每個知識點的學時有限。這樣，每種智能控制方法以介紹講述為主，但不作詳細的分析和過多的數學推導。比如在講述模糊控制的模糊推導系統時，推理方法有蘊含積、蘊含最小和Mamdoni方法等各種推理方法，在講授時以應用最多的Mamdoni方法為主介紹原理，其他方法只需了解。為使得學生能夠理論聯系實際，特為本課程增加實驗環節，并專門開設“智能控制”實驗，安排實驗學時及老師等資源配置，以保證實驗效果。學生需要利用Matlab或者C及其他編程語言分別針對倒立擺和水箱水位控制等多個控制對象使用神經元控制、模糊控制、專家控制等不同的智能控制手段進行仿真分析，以驗證課堂內容。比如針對水箱水位控制學習，采用學生分組，每個小組通過討論確認選擇不同算法，可采用神經元控制、模糊控制、模糊控制和專家控制結合等各類方法。最后測試結果，分析原因。通過這樣的實踐活動可以提高學生對書本內容的直觀理解，增加學習熱情。

三、教學方法的改進

“智能控制”課程涉及到控制論、人工智能和運籌學等諸多交叉學科，而其中每個學科的內容都十分龐雜。一味介紹講述容易使學生像聽“科普課”，興趣很大但實際意義不大，無法指導實踐；而針對某個知識點講述過深過難，本身學時不夠，會造成學生的畏難情緒且無法讓學生形成對課程的整體理解。雙語教學既有很多優點，但要教好也存在學生不易理解等諸多難題。為此，筆者和課題組老師針對這些問題展開了一系列教學改革和探索。

1.教學課件使用英語制作，主要使用英語講述

雙語教學要提高學生英語的閱讀、溝通和交流能力，教師首先要使用英語教材和英語課件，并使用英語來“教授”課程。但是考慮到英語并非母語，可在重要專業術語初次出現時旁邊加注漢語。并在介紹和描述概念時主要使用英語，但不應盲目排斥使用漢語。在需要師生互動的時候，如果學生反映理解有困難，可以使用漢語舉例子或者使用比喻、講故事等方法以幫助學生理解。

2.多使用課堂多媒體演示

智能控制效果單獨通過講述智能控制方法會讓學生覺得枯燥，而利用多媒體來對某個控制算法進行軟件仿真和演示就可以直接形成“感觀”意識，從而加深學生對于課程內容的印象。例如針對智能洗衣機的模糊控制，可以使用Matlab結合Simulink和Labview等軟件對分別進行使用不同形狀隸屬度和不同模糊推理方法的仿真，最后控制的效果可以通過仿真展現在學生面前，激勵學生自己通過實驗得到真實結果來對比并展開討論。

3.增加實驗教學環節

本課程之前由于學時的限制，僅限于理論教學。為增強教學效果，特增加神經元控制和模糊控制等多個實驗，并在實驗驗收階段增加小組答辯等環節，以增加學生的實踐技能和分析研究問題的能力。

四、課程考核的改進

雙語教學不同于普通英語教學、專業英語教學，它以掌握專業知識和技術為主要目的。但是雙語教學課程既然以培養學生的全面素質為目的，那么在最終成績的考核體系上就需要綜合各類因素，盡可能全面公平公正地給予學生評價。傳統的“智能控制”課程考核方法僅限于試卷考試，主要是概念論述和公式推導演算，無法全面評價學生的能力水平。試卷中無法涵蓋學生對于專業基礎知識的掌握情況，也無法提供學生在學習探究以及采用雙語教學后英語應用能力的測試結論。

本課程現已轉變為試卷考試、試驗考查和獨立報告等多方面結合的課程考核方法。除去卷面考試分數外，學生可以通過以下途徑獲得加分：閱讀相關外文文獻并作出閱讀報告或完成英語口述演示；學生通過獨立或小組實驗并根據實驗結果作出實驗分析報告且完成答辯。這些教學改革意在全面考查學生的理解和實踐能力，鼓勵學生分析研究和創新。學生不僅要掌握智能控制的控制思想和方法方面的知識，還要能使用英語閱讀和表達，并通過試驗和獨立研究實現自己的控制理念。

五、結束語

筆者通過對“智能控制”進行雙語教學提高了學生對于該課程的學習興趣，并取得了較好的教學效果。多數同學認可教學改革的效果。課程考查通過率達到82%，其中約21.2%的同學通過英語綜述和閱讀報告獲得加分，約1/3的同學通過實驗和課程報告獲得加分。而隨后的問卷調查顯示，31.7%的同學在課程結束后對智能控制產生興趣，51.3%的同學認同在學習后英語水平有提高，并對后期通過大學英語四、六級考試有幫助。

從長遠看，在專業課程中開展雙語教學是一個大趨勢，但是如何使雙語教學發揮優勢、避免一些可能的問題還需要解決大量細致的問題，在師資培養、教學方法創新和雙語教學效果評估方法方面不斷思考、研究和探索。

參考文獻：

[1]吳平.五年來的雙語教學綜述[J].中國大學教學，2007，（1）.

[2]莫勇波.關于大學雙語教學有效性探索[J].廣西教育學院學報，2008，

（5）：48-51.

[3]Richard C.Dorf，Robert H.Bishop.Intelligent Control System（12th Edition）[M].Prentice Hall，2010.

[4]Alexander M.Meystel，James S.Albus.Intelligent Systems：Architecture，Design，Control（First Edition）[M].Wiley-Interscience，2001.

[5]TimonthyJ.Ross.Fuzzy logic with Engineering Applications（Third Edition）[M].Wiley，2010.

[6]Laurene V.Fausett.Fundamentals of Neural Networks：Architectures，Algorithms And Applications（First Edition）[M].Prentice Hall，1993.

[7]Kevin M.Passino，Stephen Yurkovich. Fuzzy Control（First Edition）[M].Addison Wesley Publishing Company，1997.

[8]Kevin Gurney.An Introduction to Neural Networks[M].CRC Press，1997.

[9]易繼鍇，侯媛彬.智能控制技術[M].第二版.北京：北京工業大學出版社，2007.

[10]劉金琨.智能控制[M].第二版.北京：電子工業出版社，2009.

篇(7)

三維技術教育主要是指3D服裝設計的教學研究，是立足于二維的基礎上針對服裝造型、結構、面料特征、顏色及圖案等要素的空間設計。相對傳統教育模式，改變了服裝設計教學模式，不再是單一的理解服裝造型和結構。而是通過三維技術激發學生的空間造型能力和解剖能力。現在的服裝產品從服裝產品本身的屬性發生了巨大的改變；造型元素多元化、系列品種多樣化、制衣制造模塊化等的革新，改變教育模式增強三維服裝技術利于服裝專業人才的培養。

關鍵詞：

二維技術 三維技術 教學改革

中圖分類號：G423

文獻標識碼：A

文章編號：1003-0069（2015）06-0099-02

一 二維服裝技術在教學中的應用

二維服裝技術是指服裝造型結構等的平面設計；在教學中的應用手段包括手工設計和計算機輔助設計，二維服裝技術在我國服飾文化史中由來已久。無論是古代的袍服還是現代的西式服裝均在二維服裝技術的背景下產生，直至上個世紀80年代逐步將計算機應用到服裝生產和教學領域，才使得二維服裝CAD技術教育得到空前發展。服裝CAD技術其本身的屬性是借助計算機強大的計算功能進行設計服裝，二維服裝CAD技術是基于二維軟件的應用。計算機服裝設計和手工服裝設計均為設計手段的變換，其目標相同。計算機輔助設計效率高于手工設計，特別是在服裝結構設計方面尤為突出。手工設計主要用于服裝制造；即人機結合式的制造，在服裝立體制衣的時代還未到來時手工作業仍是主要制衣模式。

我國服裝CAD技術教育是從無到有、從一般軟件教育到專業軟件教育的發展過程。服裝CAD技術的優點是精確度高，速度快。擺脫了手工制圖、排版、推放等工程技術誤差大的缺點。目前，服裝CAD技術教育主要包括；款式設計、面料設計、結構設計、放碼設計、排料設計五大系統。基本涵蓋了服裝產品制造的所有環節；服裝款式、結構、面料、放碼、排版等要素都能在計算機軟件下得以最大的發揮。譬如；計算機的復制粘貼、剪切、編輯、掃描讀圖等功能提高了服裝產品開發的速度。

二 二維服裝技術在教學中存在的問題

（1）服裝教材與CAD軟件的教學問題

我國大多數服裝院校在服裝和CAD技術教育方面存在兩個主要矛盾問題；一是服裝專業教材不規范，二是服裝用軟件魚龍混雜。譬如；服裝制圖這門課的教材，這門課要解決的主要問題是服裝樣板制作。所涉及到的專業知識有人體、制圖規格、制圖方法、工業樣板的制作等知識點。這門課程的教學形成了各自為政的院校派教育模式，以老師為主導的差異化專業教育模式。特別是在制圖方法上沒有統一的格局，如比例法、定數法、原型法、胸胸度法等方法參與教學。往往使學生難以掌握，不知應用那種方法最為科學。導致教而全學不精的教學局面，從未考慮企業用人才和行業用人才，對人才培養的目標大而不準確。

雖說二維服裝技術從客觀上解決了服裝設計效率的問題，但是在教學中需要學生掌握多方面的專業軟件，無疑增大了學生的學習負擔和課時量。同時，又有許多學生基于多種軟件的學習反而削弱了服裝設計的創新能力，脫離了本專業人才培養目標的實質要求。不符合服裝設計專業人才培養的基本規律，CAD技術只不過是一個工具，一種完成設計的手段和方法。不能混淆設計為何和工具為何的主導思想，工具是借助其本身的環境進行服裝創作，設計是思想的核心，服裝設計就是以服裝產品開發為教學出發點進行創造。引導學生積極地展開構思和創造活動，設計本身就是對教育水平的檢驗，也是對個人能力的檢驗。服裝設計和CAD技術兩者存在既矛盾又統一的內在聯系，基于創新的思想服裝設計與CAD技術是矛盾的，因為設計是先確立了造型思想而不是先確立CAD技術；如果基于設計的后期制作則服裝設計與CAD技術又是統一的。現在服裝CAD技術的開發證明了服裝設計的后期制作，正如前面所談到的五大模塊。所以說，增強學生創新能力觀念的教育遠遠高于CAD技術的教育。

（2）創造性思維和程序性思維在教學中的問題

什么是創造性思維？何為程序性思維？在服裝教學中必須搞清楚這兩種思維的主導位置。創造性思維是指重新組織已有的知識經驗，提出新的方案和程序，并創造出新的思維成果的思維方式。創造性思維是思維的高級形態，是多種思維方式的綜合體現。而程序性思維是指用現成的規律和程序直接去解決問題。兩者間有共同的關鍵詞，就是程序。創造性思維是對思維系統的重新建立，具有某種未知領域的思維混合。這種混合可能是有效的，也可能是無效的，但畢竟是一種創造。注重奇特和違背常規的基本規律，而程序性思維是清晰的，是以現有的方法和規律去解決問題。在思維的整合上并不積極，多采用一種慣性思維去解決問題。只有在問題解決不通的情況下會重新整理思維，抉擇新的思維系統。從教學實踐來看多數技術類課程的教育屬于后者，注重了學生程序性思維的培養忽視創新思維。服裝技術在教學中的問題就是不知如何進行創新性思維培養的問題，在教學中不乏有一些教師口頭上不斷講要創新而實質就沒有行之有效的教學創新改革，仍然老腿走老路。

創造性思維的培養應符合其本質，服裝創造性思維教育應遵循創造思維的一般規律。譬如，激發學生的創造熱情、培養學生的造型意念、強化學生的發散性思維和形象思維，并在教學中采用形式多樣的教學手段激發學生的設計思想。這是人才創新教育的基本規律，在這里服裝創造性思維的核心是造型和技術手段的創造，它和服裝美的創造有所區別。服裝造型是創造新型的服裝產品，而服裝技術創造就是采用何種新型的技術手段解決服裝造型的解剖問題使之成為合格的服裝樣板，兩者的共同特征是創造性思想。不同的是針對的問題不同，造型創造多是以形象思維的創造，而技術創造則是以形象為對象的技術方法創造。也可以說是技術程序思維的重新編排，就是程序性思維的創造。

二維設計的特點是以平面視覺為對象的圖形圖像設計，如平面款式圖設計就是二維的，服裝制圖是二維的。二維設計的思想核心就是圖形內外輪廓的改變。外輪廓是指服裝款式和結構外形設計，內輪廓是指款式和結構以內的部件設計。款式設計具有創造的豐富含義，結構設計具有數字形象化的創造，因為服裝造型學就是以服裝為對象培養學生的創造水平。同時，服裝款式還包括了面料、色彩及圖案的設計。所以說服裝款式設計是創造思維的深化，是整體設計的第一要素。服裝結構設計是款式設計的延伸和發展，是款式的解剖術，具有遵循和約束性。那么，工藝設計應屬于服裝成衣制作環節，是對設計的檢驗和修正。款式設計和結構設計均為二維設計范疇，只有工藝設計屬于立體設計。所以，現代的二維服裝CAD技術五大系統均為二維設計范疇。從這一論斷不難發現二維服裝設計的缺點缺少空間創造能力，因為學生在創造過程中無法判斷立體形態，而導致設計的作品和后期成衣作品出現的誤差，致使設計失敗及創新力度削弱的現象。

三 三維服裝技術教學研究

（1）三維服裝技術在教學中的現狀

三維服裝技術是指以服裝為設計對象的立體設計，也稱之為三維角度設計。是在二維服裝技術發展的基礎上發展起來，三維服裝技術包括人工智能化三維設計和手工三維設計。人工智能化三維設計是指計算機模擬設計，通常采用計算機輔助設計。手工三維設計是指服裝借助人體或者人臺進行現場操作的空間設計，兩者共同點都是采用多種維度進行創作。不同點是直接和間接，計算機輔助設計是間接的。

我國服裝三維技術起步晚發展較慢，從教育的角度來看，應用三維軟件進行設計服裝的教學機構并不多見。究其原因是教育觀念的問題，有的教師認為服裝設計沒必要進行三維設計。二維設計能滿足服裝產品的開發和制造，應用三維設計是多余的，這種思想落伍不科學。豈不知三維設計具有增強學生思維空間能力的設計，譬如二維的設計學生只能模糊地判斷服裝成型后的大概樣子，而不能準確判斷。三維就能很清楚地看見或者判斷服裝內外層次結構和造型程度。從三維軟件的發展來看，我國很是落后。至今采用外來的三維軟件進行設計，沒有自己的專業軟件。另外三維教育觀念跟不上，教育體制不健全，教師隊伍技術落后。造成三維服裝設計難成體系，影響高級人才的培養。

（2）三維服裝技術在教學中的探析

由于二維服裝設計存在一定的偏差，彌補二維設計的不足依靠三維服裝設計是當今服裝設計專業學生培養的主要方向和任務。也是保證服裝產品順利開發的重要手段，三維服裝技術在教學中的探討主要是針對服裝的造型、結構、面料等立體造型和內部結構及面料的物理性能。三維服裝技術教育創新是提升學生設計水平和擴大設計思維空間能力的最好路徑，輕視不得。從設計心理學的角度分析是解決三維旋轉識別的問題…，讓學生通過不同造型體面識別整體結構和內部關系，能很好地進行創造和分解。本文章所講的三維技術是指一切空間的造型術，如服裝立體裁剪就屬于三維造型術。同時，利用紙型、雕塑、編織等一切手段進行空間造型均屬于三維設計的范疇。

三維服裝技術的科學價值主要表現在學生的認知論中，是多元化的設計。如應用坯布在人臺上的動態樣衣立裁提高了學生對造型的判斷能力，采用三維技術解決服裝結構設計中各種部件對接問題，以及最終的造型效果是否清楚是該技術的主要特征。這就是二維裁剪中學生所想象不到的，通過三維立裁清晰了設計思維，穩定了造型和結構之間的對接關系和線性形態。同時針對二維設計的不足做了進一步的補充，雖說學生通過三維立裁掌握了樣板結構特征和造型要求。但是通過教學實踐發現學生對于立裁掌握水平不高，仍然存在教學難度。究其原因是學生對造型復雜性難以掌握，需要抽象思維的參與。所以，三維立體設計能激發學生的創造性思維，提高想象力，但針對一些造型復雜的樣衣在操作上仍然存在學習難度。解決此問題的方式應從造型和解剖術出發，提升學生抽象思維，強化學生的解剖能力。能在立裁之前就能對服裝造型從思想上有一個較為準確的技術分解，該技術分解是對服裝造型和樣板之間建立了思維通道，大腦虛擬儲存的樣板利于進行立體裁剪。

另外，借助計算機技術進行模擬立裁，也可以解決該問題。從目前的三維技術教育應用來看，服裝三維技術已是教育的發展方向，但應用面不夠廣闊，原因是服裝三維技術教育體系尚未成熟。加之三維服裝專業軟件又是外來品。沒有本土軟件，導致服裝計算機教育大多數停留在二維基礎上。正因如此強化服裝三維技術教育是當務之急，最好利用現有的通用軟件進行模擬教學。可以改變以往不足的教學現象，如3D之類的軟件可以用在教學中。最好形成統一的教學格局，排除以往各自為政的教學模式。便于學生、教師、企業、行業、國際之間專業技術交流和溝通。3D技術教育是服裝專業教學的主要工作，是長期的一項科學項目，是高級人才的基點。同時不斷地進行教學改革和創新，教學改革應始終堅持本專業的專業特色，抓好平面設計和立體設計并舉，理論與實驗教學并舉，以服裝產品開發為教學內容的特色體系，同時與企業和市場接軌。不斷提升學生的設計、開發、藝術和技術、創造力等方面的能力。

最后，服裝三維技術改革包括教育體系創新和知識教育創新；三維服裝技術教育改革首先是教育理念的革新。作為教育機構建立三維教育體系，加強教育觀念、構建師資、完善硬軟件建設、強調創新思想是發展服裝三維技術教育的保障。三維服裝技術教育改革的主要任務是教會學生應用三維技術手段進行創造服裝產品，發展能實現人體、造型、樣板、假縫、試衣、調整等各個環節的無縫對接技術是三維技術教育的主要內容。這樣服裝設計才能真正走向個性化發展的時代，走向三維生產指日可待。