11. 校企合作的工程能力素养课程改革.pdf 
11. 校企合作的工程能力素养课程改革.pdf
校企合作的工程能力素养课程改革 软件学院 徐迎晓 1.项目的背景 工程能力素养是一种综合素质，它不仅包括培养学生的工程技术能力，还包括培养人文 心理、前沿视野及创新创业在内的全方位的综合素养。这方面的研究与实践是个薄弱环节。 以往的校企合作实践多以企业开展技术讲座为主，本研究重点研究如何培养技术能力之外的 综合素质，以及如何评估这些综合素质。 在培养方式方面，项目一方面通过技术之外的企业讲座为学生补充工程素养，另一方 面结合 IBM 设计思维，设定选题，组织学生基于设计思维讨论解决方案，在此过程中，不仅 可以锻炼学生的专业技能以及培养学生的综合素质能力，如团队协作能力、分析问题和解决 问题的能力等，还可以观察学生的学习行为，对其综合能力进行评估，同时完成思政元素的 融入。 在评估方法方面，以往对学生工程能力的评价考核主要是以学生的考试成绩为核心，结 合考勤、课堂展示和实验项目的完成情况，再乘以各项考核任务的分值比重，最后加权平均 得出学生绩点。这种评价方式固然客观公正，但也存在形式单一、数据利用效率低下、评价 范围不够全面等一系列问题。对学生的能力评价不光要考虑学生的客观成绩和技术水平，还 要涵盖工程技术人员所需要的社会实践和其他工程素养。因此，需要在传统学生评价体系的 基础上，从新的视角提出一种完备、科学的工程类学生评价方法，以便对这些能力合理地分 类分级，并权衡各种能力的重要性。此外，对工程能力的评价不光注重结果，更注重过程。 因此对于各个具体的工程能力指标，需要搜集学生的各种过程性数据，并采用科学手段进行 分析，实现从定性评价到定量评价。 2.项目的具体实施方法与过程。 2.1 邀请企业嘉宾，开展各种主题课程讲座 2019 年以来本课程部分讲座信息： 讲座题目：AI 与数字人 嘉宾：范美华 曾在谷歌担任工程师，在阿里巴巴、盛大担任产品经理。现在在百度担任产品架构师。 在互联网和广告行业，有非常丰富的经验 讲座题目：伴随 Kirin 芯片发展的个人成长 嘉宾：邵聃 个人介绍：华为主任工程师，2010 年入职华为，加入当时的基础业务部（Kirin 解决方 案部前身），从事 modem 基带芯片解决方案开发，亲历了 Balong、Kirin 的成长过程，同时 见证了华为终端公司的发展历程，目前在从事自研 NPU 的研发工作。 讲座题目：享受 IT 的人生 简介：我的快乐源于我内心对 IT 技术的喜爱，所以我可以从一无所知的新手变成职业 选手，可以数十年如一日的学习浸淫其中。这里有不为外人道的美，若事事雕琢，那些 1 或 0 也可成精品。走过再回头，人生最满意之事，就是喜爱之事是我的工作，工作内容亦是 我喜爱之事。比之工作与喜好差距极大的人生，我觉得自己是幸运的——因为我的人生，一 直是在一种享受的状态…… 嘉宾：张晞 SAP 高级架构专家 讲座题目：软件工程师的自我修养 简介：结合个人的经验和体会，简单介绍下软件工程师在业界的职业发展路径，不同成 长阶段的目标和侧重点。同时聊一下本科及读研期间的一些心得和教训。 嘉宾：杨玉庆 现任微软亚洲研究院创新工程组资深研究工程师。在复旦大学微电子学系获得学士 （2006）和博士学位（2011），曾在 IBM，Broadcom，阿里巴巴等大型科技公司及初创科技 企业担任主任研究工程师，高级技术专家等职，研究领域包括高速 Serdes 系统及架构设计， 人工智能（芯片）系统及软件设计等。 讲座题目：职业经验分享 嘉宾：Weijue Lu, 摩根士丹利 Vice President 讲座题目：人工智能产业应用 嘉宾：万泽春 现任 Google 中国教育合作部项目经理，负责 Google 支持教育部产学育人合作中的课程 与教改项目、师资培育与学生创新特训营项目以及奖教金项目。曾担任 IBM 中国大学合作部 项目经理 10 年，负责服务器和云相关的大学合作项目。在校企教育合作领域具有丰富的经 验和诸多合作成果 讲座题目：未来 5-10 年的互联网新机遇 嘉宾：范美华 现任百度 ACG 智能营销部产品架构师，曾在 Google、阿里、盛大等公司担任工程师、 产品经理等职务 讲座题目：个人成长与职业发展经验分享 嘉宾：冯超 蚂蚁集团技术战略总监，曾任阿里云战略部总监，阿里云市场洞察、客户体验、服务产 品、产品运营、分析师关系负责人，阿里云 MVP 创始人。负责蚂蚁技术战略规划、蚂蚁全球 技术影响力；负责阿里云整体战略包含产品技术发展策略、行业数字化转型、生态战略。致 力于云计算、AI、IoT 和边缘计算等前沿性产品技术研究，商业模式规划、实施与推广，带 领团队为各行业的数字化转型提供最快速高效和低成本的行业性解决方案与用户体验。 曾长期就职于微软（美国），负责国际化大型网站（MSN、MSDN、TechNet、Forum、Connect、 ASP.net、etc.）与数据库的全栈开发、性能、及架构设计，并获有专利（US8626909B2 ）。 2014 年回国加入阿里云，为了属于中国的真正云计算产业做出贡献。 讲座题目：⾃我认知与价值实现 嘉宾：张海龙 CODING 创始人 & CEO，复旦大学软件工程学士，卡内基梅隆大学计算机硕士，曾任 Oracle 高级软件工程师。2010 年回国创业，拥有十多年的技术背景，在技术开发领域连续 多次创业。目前所创办的 CODING 公司是国内开发者领域极具影响力的一站式云端软件开发 服务平台，前后获得 IDG、光速安振、腾讯云的共 2500 万美元投资。 讲座题目：在 SAP 做顾问：一边改变世界，一边改变自己 嘉宾：刘元玮 SAP 客户成功部门服务经理，架构师 讲座题目：在项目中成长 嘉宾：张桢宇，陈世宜 张桢宇。18 年夏天从复旦硕士研究生毕业。在 18 年暑期毕业之后我就加入了摩根士丹 利。目前我们大组主要负责场内股票及衍生品的交易系统开发，而我们小组主要负责面向摩 根士丹利内部交易员的交易系统开发。在过去两年中，我参与负责了韩国市场及台湾地区市 场的交易系统的后端开发。 陈世宜。2016 年研究生毕业于复旦大学软件学院计算机系统与软件专业。15 年暑假， 参加了摩根士丹利暑期实习生的项目，16 年入职摩根士丹利。所在部门目前主要从事股票 掉期交易的系统开发。入职以来主要参与了针对全球股票市场中，掉期交易周期中的企业行 为的处理以及后续监控系统的后端开发工作。 讲座题目：信创产业及职业发展规划 嘉宾：熊小东 中国系统教研经理，达梦数据库认证讲师，5 年项目研发经验,5 年教育培训经验。曾参 与设计研发《玖富商城》、《维维食品智能物联网系统》、《宁夏回族自治区重要产品追溯 系统》、《天津肉类蔬菜流通追溯信息网》、《佰信网》等大中型项目 讲座题目：量子计算 嘉宾：陈宇翔 IBM 杰出工程师、IBM 大中华区金融行业首席架构师 讲座题目：游戏开发领域，有意思的技术大求真 嘉宾：邓杰 网易游戏雷火事业群技术副总经理 讲座题目：使用 IBM Cloud Pak for Data 开启并打通人工智能的任督二脉 嘉宾：杜可 IBM AI 软件工程师，IBM 中国系统实验室（西安），大数据与 AI 平台 Spectrum Conductor 的开发工程师。从 2016 年起研究与实践 IBM Watson 2.2 基于企业设计思维的分组讨论 与 IBM 合作开展基于设计思维的课程改革，通过课堂活动和学习、讲座、自主学习 IBM 设计思维在线课程等多种形式进行工程能力素养培养。 课程改革以设计思维（design thinking）为中心，从多个核心讨论点如形成历史、具 体案例、思维习惯、观察-反思-创造循环、同理心与人文关怀、头脑风暴等角度出发讲授。 课上给出一道题目：设计一座桥，和设计一座能给用户带来愉悦体验的桥，通过这个题目来 体味设计思维运用的实例。 然后将学生分组，以改善接种新冠疫苗体验为主题安排 6 次讨论： 1. 各个小组按照分组来坐座位便于讨论和小组合作。课上分发了便利贴，并提出了一 个具体场景给供参考：接种新冠疫苗。要求是在这个特定的场景下，自己规定人设，利用“同 理心映射”的方法，将这个人可能的所思、所做、所想、所说罗列出来，写到便利贴上然后 贴到一张大白纸上。除此之外，教师本次课程之后还要求所有同学注册 IBM 相关的账号，来 方便观看课件。 2. 已经写好的小便利贴进行分类整理，按照两个维度，即：时间维度（分为打疫苗前、 接种时、留观时、打完立场等过程）和行为性质（所思、所做、所想、所说），将对应的便 利贴贴到规划好的位置。并利用“现状场景映射”，分析在各个阶段中个人最大的痛点是什 么。 3. 教师在 eLearning 上布置了一个小练习，同学们用了大概十分钟完成。本次讨论要 求对自己提出的问题（痛点）给出一些解决方案，并就这些解决方案的可行性、创意性给出 评价，即“优先级整合”。先提一些比较可行的解决办法，然后再打破思维局限，提出一些 天马行空的方案。最后需要将便利贴按照解决方案进行整理。 4. 要求以自己组设想的场景为背景，将所思、所想、所做、所说和解决方案融入进去， 重新构建用户体验，并以图画的形式展示出来，即“故事串联”。 5. 要求继续规划自己的解决方案，利用“设计爬山法”来寻找展示的亮点；同时将需 要准备的东西准备好，以迎接课程最后的小组展示。先选定故事，然后经由各位组员合作， 对故事中的亮点进行发掘、整理，然后将它们陈列出来，各位组员共同完成对各个方面最具 特色内容的投票。 6. 主题是用户反馈与原型制作。课上讲解了团队协作和沟通创新的方法之后，第一批 小组进行展示。 7. 各小组进行展示。各小组展示的内容很具有创意性，主题也丰富多样，而且与同学 们的爱好紧密结合。部分小组采用了情景剧的形式进行展示。 项目同时将其与思政教育结合起来，形成校企结合的培养框架： 2.3 工程能力素养评价指标研究 首先从评价指标出发，以模糊层次分析法为基础，结合文献法、问卷调查法和专家意见 构建一个比较完备的评价方法。在现有的评价算法基础上，选取以 CDIO 大纲为主要参考标 准，经过一系列的问卷调查，最终形成符合工程类学科特点、涵盖工程技术能力、体现学生 综合素质的工程能力评价指标体系。 CDIO 工程模式是目前国内比较主流且实践经验比较丰富的工程教育模式，第一次全面 描述了现代工程师需要的知识、能力和态度的培养要求。并遵循科学性、实用性、全面性、 定量和定性相结合等原则，提炼出三层指标体系。本研究通过问卷调查，得出如下意见： 1. 个人能力与道德部分概念不统一 2. 人际交往与团队协作应该具体化 3. 外语能力相对于工程能力不是很重要，比较赘余 4. 对于社会和企业的理解过于形而上，超出对学生的要求范围 5. 核心工程知识和高级工程在实际评价中界限模糊，不容易区分建议合并 6. 态度与思维属于比较主观的指标，可以单独成为一类指标 7. 第四类指标过于抽象 8. 技术与学科知识内涵有交叉也有区别之处 最终对指标进行合并或拆分，形成如下图所示的指标体系： 评价标准分为定性和定量两个方面。在定性标准方面，评价的主要依据是老师平时在课 堂上对学生表现的观察。对于一些课堂上难以体现的思想素质，可以通过访谈、问卷的形式 来了解学生的真实状态。而在定量标准方面，主要是借助传统的课堂考核方法所获得的数据 （包括测试，作业，考试成绩，实验，project 的评分，以及团队互评分等）对学生的学习 情况进行了解。 基于层次分析法确定指标的权重。通过问卷调查得到指标之间的相对重要性，再根据结 果，建构各父子指标之间的判断矩阵。进而进行层次单排序并选择算数平均法计算各个矩阵 的权重向量，处理结果如下（保留四位小数） A-B 判断矩阵权重向量：W=（0.1667,0.25,0.0833,0.0833,0.4167）； B1-C 判断矩阵权重向量：w1=（0.25,0.75）； B2-C 判断矩阵权重向量：w2=（0.2，0.1，0.3,0.1,0.3）； B3-C 判断矩阵权重向量：w3=（0.25,0.25,0.5）； B4-C 判断矩阵权重向量：w4=（0.4,0.2,0.2，0.2）。 B5-C 判断矩阵权重向量：w5=（0.1818，0.4545,0.3636） 然后进行层次总排序 w0=（0.1667*w1,0,25*w2,0.0833*w3, 0.0833*w4, 0.4167*w5） =(0.0417,0.125,0.05,0.025,0.075,0.025,0.075,0.0208,0.0208,0.0417,0.0333,0.0166, 0.0166,0.0167,0.0757,0.1894,0.1515)。 利用 matlab 软件检验数据的一致性，各判断矩阵均通过一致性检验,证明了权重向量的 结果有效性。 在此基础之上，结合模糊综合评价方法实现综合评价与分析。首先确定评价元素集合、 评语集、隶属矩阵、权重向量，再利用上述变量计算得到模糊综合结果向量，最终对模糊综 合结果向量进行分析得到想要的结果。 2.4 基于团队课堂项目的团队合作能力评估 针对其中团队合作能力指标，研究基于过程性数据的评价方法。本研究选取学生的团队 合作能力指标的评估值进行具体研究。从团队的课堂项目中提取客观、定量的团队活动数据。 然后运用层次分析法为这些数据分配权重，再对加权后的数据集应用模糊 C 均值算法，将收 集到的数据样本标注为教师预先指定的若干个类别。最后运用 tSNE 算法降维，对降维后的 数据做可视化分析，用于评估学生团队合作能力。 选择以下指标作为评估学生在团队协作项目中的能力的参考： （1）阶段性指标：每个阶段的会议次数、每个阶段的会议时长、个人花费在编写可交 付代码和花费在非代码的成果上的时间、团队共同调试代码的次数以及团队共同调试代码的 时长。 （2）开发工具指标：代码的提交次数，提交代码的行数 （3）教师的评价指标：根据项目成员的述职报告，结合团队展示的评分以及团队成员 的互评，对每个项目成员打分。 为了统一每一项参数，将这些参数控制在相近的数量级内。对于与个人相关的数据，将 其个人数据除以团队中所有个人数据之和。例如把个人代码提交次数转化为个人代码提交次 数在团队总提交次数中的占比、把个人可交付成果所花的时间，转化成个人可交付成果花费 时间在团队中的占比。对于团队的数据，将其团队数据除以班级里所有团队的数据之和。例 如把团队共同调试的代码时长，转化成团队共同调试的代码时长在班级所有团队中的占比。 而组内互评分和教师根据述职打分的平均值，将作为主观个人评分；组间评分和教师给团队 作业打分，作为主观团队评分。打分的范围在[0,1]之内。 运用层次分析法确定权重。 首先选择 100 个样本，经过运算得到中间层的三个元素的权值依次是： [0.3459503459503459 0.1102971102971103 0.5437525437525438] 之后得到中间三层与最底层权重向量的计算结果： [0.27527 0.06934 0.45244 0.11692 0.05480 0.03119] [0.35874 0.4204 0.01231 0.13212 0.0568 0.02648] [0.04523 0.0216 0.21546 0.14616 0.0856 0.48919] 最终得到底层六个元素的权值: [0.159392 0.082102 0.275036 0.134496 0.071768 0.279709] 权值向量加权后，使用模糊 C 均值算法对其进行分类。首先由教师确定评价学生能力的 等级数量 k，然后利用模糊 C 均值算法将数据样本划分为教师指定的 k 类。在实验过程中， 需设置模糊 C 均值算法的参数 b=2 和迭代的次数，然后初始化一个隶属度以开始迭代。刚开 始迭代时根据初始化的隶属度来计算聚类中心 m，之后根据聚类中心 m 和隶属度μ计算目标 函数 J，再根据目标函数 J 的值对聚类中心 m 和隶属度μ进行更新。后续再利用更新后的值 计算新一轮的目标函数值，然后按照这个运算流程一直进行下去直到算法收敛或达到最大的 迭代次数。最终数据将被分成预设的 k 类。 2.5 基于主成分聚类分析的能力评估 选取反映学生团队协作能力的 6 项因素，分别为学习周期（X1） 、使用学习资料总频率 （X2）、发起讨论个数（X3）、回复讨论次数（X4）、收到的点赞数（X5）、任务完成度（X6）， 构成 85×6 的原始数据矩阵，通过主成分聚类分析的方法对学生的团队协作能力进行综合评 价。 首先对原始数据进行预处理，将使用学习资料总频率和学习周期这两个变量合并为访 问学习资料频率这一个变量。此外，由于不同数据的量级不一，为了使结果更加准确，还需 要对数据进行标准化。处理后的部分结果如表所示。 表 1 数据预处理和标准化后的结果（部分） Z 发起讨论个数 Z 回复讨论次数 3.28593 3.02933 2.25417 Z 收到的点赞数 Z 任务完成度 Z 访问学习资料频率 3.19874 .25992 1.20384 2.38676 2.12566 .25992 -.00485 2.07210 1.65658 1.38791 .25992 1.37598 1.76864 1.97786 2.46100 .25992 -.65428 1.70794 2.09469 1.05257 .25992 .19931 1.58656 .75115 .34836 .25992 .06246 1.58656 2.64963 2.12566 .25992 -1.32524 1.58656 .98481 1.05257 .25992 .67341 1.46518 1.39371 1.45498 .25992 .65051 对标准化后的数据进行主成分分析，其中得到的 KMO3为 0.772，说明可以做主成分分 析；Bartlett 球形检定显著性 sig=0.000，说明该例变量可以为主成分分析提供合理基础。分 析结果中的特征值和贡献率见表 1，其中前两个成分特征值均大于 1，且累计贡献率为 79.971%，因此选取前两个因子作为主成分。 表 2 解释的总方差 初始特征值 成分 原始 重新 标度 提取平方和载入 a 合计 方差的% 累积% 合计 方差的% 累积% 1 2.954 59.077 59.077 2.954 59.077 59.077 2 1.045 20.894 79.971 1.045 20.894 79.971 3 0.828 16.568 96.539 4 0.101 2.014 98.553 5 0.072 1.447 100.000 1 2.954 59.077 59.077 2.954 59.077 59.077 2 1.045 20.894 79.971 1.045 20.894 79.971 3 0.828 16.568 96.539 4 0.101 2.014 98.553 5 0.072 1.447 100.000 根据生成的因子得分系数矩阵（FAC1_2, FAC2_2） ，计算主成分得分矩阵（F1, F2）和 综合得分 F。计算结果如表 3 所示 表 3 主成分得分与综合得分计算结果（部分） FAC1_2 FAC2_2 F1 F2 F 1.62245 .62190 3.19 .69 2.59 .69289 .58551 1.36 .65 1.19 .38549 .21760 .76 .24 .63 .06177 -.27217 .12 -.30 .02 -.01352 .86410 -.03 .95 .21 .3454 1.27628 .68 1.41 .85 .04726 1.31373 .09 1.45 .42 .87271 -.18144 1.71 -.20 1.26 根据主成分得分结果进行系统聚类分析，本例中将学生分为 3 类，并按照各类的综合 主成分的平均值进行类间排序，结果见表 4。 表 4 各聚类分类以及排名情况 聚类结果（序号） 1,2,15,3,4,21,7,13,5,9,12,8,17,14,10,18, 20,11,16,6,19,22,28 所属类 别 综合得分均值 类间 排名 1 1.741 74 1 2 -0.519 1 2 3 -2.492 5 3 30,26,38,33,27,24,25,35,23,29,43,41,45, 31,36,59,32,42,74,49,37,50,39,40,65,83, 84,57,68,48,44,34,47,64,51,61,54,73,72,46, 67,71,78,60,58,75,52,53,70,63,56,79,76, 66,55,69,77,80 62,81,82,85 根据上表的排名结果，已经可以对 85 名学生的团队协作能力做出一个较为综合的评估。 （1） 序号为 1,2,15,3,4,21,7,13,5,9,12,8,17,14,10,18,20,11,16,6,19,22,28 的学生团队协 作能力评估结果为优秀。 （2） 序号为 30,26,38,33,27,24,25,35,23,29,43,41,45,31,36,59,32,42,74,49,37, 50,39,40,65,83,84,57,68,48,44,34,47,64,51,61,54,73,72,46,67,71,78,60,58,75,52,53, 70,63,56,79,76,66,55,69,77,80 的学生团队协作能力评估结果为良好。 （3） 序号为 62,81,82,85 的学生团队协作能力评估结果为较差。 最后，给出分别按照主成分聚类分析结果、第一成分得分、综合得分的排名结果。 本研究同时以推理能力为例，吸收国内外在基于游戏的评估方面的研究成果，阐述基于 游戏的过程性数据评估方法。首先设计机器人点灯的游戏，再对测试者游戏时的行为数据进 行采集和分析，最终通过随机森林算法对数据进行建模，从而达到评估测试对象的推理能力 和数学能力的目的。 2.6 基于严肃游戏的能力评估 基于游戏的评估（ Game-Based Assessment,下文简称 GBA） 是指在测试者玩过某一款 严肃游戏之后，对游戏中的数据进行分析，从而得到对该测试者能力的评价。 GBA 适合那些难以用传统方法衡量的评价指标，并为工程能力指标中基于过程数据的评 估提供了新的研究思路。 本研究以推理能力和数学能力为目标，设计了一款“机器人点灯” 的小游戏。在这款 游戏中，玩家需要对自己目前的状况以及之后的步骤进行推测和判断，并根据地图展开想象， 决定自己点亮灯的顺序。进而可以根据游戏记录的后台数据评估推理能力和数学能力。 实验有效被试者为 174 名, 其中女生 75 名, 男生 99 名。收集最近三次的数学测试 成绩计算得平均值 71.3，标准差 17.6。再通过瑞文标准推理测验获得的推理能力数据，一 共六十道题目总分六十分，计算得平均分 47.3 ，标准差 7.9。在数据预处理的过程中，将 原始数据转化为标称型数据。并在之后利用算法模型通过输入标称型数据对学生的推理能力 和数学能力进行评估。 分析游戏后台数据，一共选取六个特征：每个关卡是否通关、第一步的用时、冗余步数、 被点亮的灯的比例、受测者的犹豫时间、与最佳路径重合的比例以及相差的步数。 特征统计结果如下： 经计算前四项特征和测试者的数学能力以及瑞文标准测试结果显著相关，相关系数在 0.17 到 0.38。 以上结果初步证明了本次试验中特征的选取是正确的。 使用 70%的数据作为训练集，剩下的 30%作为验证集。对于训练集，使用 k 折交叉验证 （k 取 4）进行训练。将全部数据分成 4 个不相交的子集，每个子集都拥有四分之一的训练 集数据量。接着重复以下操作 4 次：依次选择每一个子集作为验证集，剩余的作为训练集进 行训练。 利用训练集得出所要的模型之后，将测试集输入训练好的算法模型从而得出测试 集上的预测分数。按照 k 折交叉验证的方式训练可以充分利用所有数据。在训练 4 次，测 试 4 次后，得到 4 个测试分数，然后对所有测试分数取平均值，获得测试集上数据的最终 得分。 下图分析了在实验中，重要性比较高的几个特征： 从上图不难看出 ln(第一步时间/平均时间)是最重要的特征，其次犹豫步数比例、ln(第 一步时间/总时间)、最少步数差和犹豫时间波动也是比较重要的特征，这也进一步说明了之 前所选取特征的有效性。并且在该游戏中第一步的时间以及犹豫时间的波动这两个特征恰好 能够体现出测试者的推理能力以及数学能力。 上表所示为模型在测试集上的结果。由表中数据可知，模型在测试集上达到了较高的查 准率、查全率以及 F1-score。这证明了利用机器学习算法和玩家在游戏中产生的游戏记录 数据，能够有效地训练出模型来评估玩家的推理能力和数学能力。 3.项目的主要成效与价值 3.1 三篇教学论文及一个获奖 两篇标注 复旦大学教学研究与改革实践项目（2019S016）资助，其中一篇获 CIE2021 第五届中国 IT 教育博鳌论坛征文一等优秀论文 徐迎晓,罗天越,李妍.评估学生团队协作能力的 PBL 在线学习平台[J].计算机教 育,2022(02):41-45+50 徐 迎 晓 , 姜 秀 艳 . 设 计 游 戏 与 玩 游 戏 相 结 合 的 计 算 思 维 培 养 方 法 [J]. 软 件 导 刊,2022,21(01):15-19. 徐迎晓，应凌涛. 团队合作项目中评估学生能力的方案研究. 计算机技术与教育 学报. 2021,9(02):86-89 3.2 所有学生获得了类似如下的 IBM 企业设计思维徽章及结业证书 数字徽章 结业证书 3.3 部分小组基于设计思维的讨论成果 3.4 部分学生的感想 16302010016 雷玮杰 16302010032 阮雯强 16302010036 杨范 17302010009 陆逸凡 17302010025_李翀 《上海市中学生英才计划》复旦大学计算机学员——郝婉云 17302010081_罗蓉 18302010028 王天 18302010008 沈云飞 19307110084 赵方博 19307110250 郭仲天 19307110280 张峻安 20302010050 刘志伟 20307130173 罗宇霄 4.项目研究或实践工作中的困难、问题和建议；下一步进行 研究与实践的思路 本项目工作量较大，先后投入了三届研究生和三届本科生开展研究，对企业 导师资源要求较高，对学生助教的要求也较高，进一步工作包括： 1. 梳理课程内容，更好地在企业导师资源、企业在线资源、学校资 源几方面进行配合。 2. 将项目各部分研究成果进行整合，进一步形成更完整的体系。 3. 设计更多的分组讨论选题，建设课程案例 4. 在学生评价方面，结合最新的线上讨论工具进行定量评价。