BOPPPS模型在《信号分析与处理》课堂教学的应用

计算机工程与科学

BOPPPS模型在《信号分析与处理》课堂教学的应用

王之元，周云，彭学锋，杨文婧，陈微，唐玉华，陈娟

（国防科学技术大学计算机学院高性能计算国家重点实验室，湖南长沙 410073）

收稿日期:2015-08-09 修回日期:2015-10-27 出版日期:2016-11-26 发布日期:2016-12-26
基金资助:
国防科学技术大学“十二五”重点建设项目（434513322532，434513322412）;国防科学技术大学2015年本科教育教学研究课题项目(U2015013)

Application of BOPPPS model in the classroom

teaching of signal analysis and processing

WANG Zhiyuan,ZHOU Yun,PENG Xuefeng,YANG Wenjing,CHEN Wei,TANG Yuhua,CHEN Juan

(State Key Laboratory of High Performance Computing,College of Computer,

National University of Defense Technology,Changsha 410073,China)

Received:2015-08-09 Revised:2015-10-27 Online:2016-11-26 Published:2016-12-26

摘要/Abstract

摘要：

BOPPPS是根据教育学人的认知理论提出的一种用于教学过程设计的模型。针对《信号分析与处理导论》课程的特点与存在的问题，将BOPPPS模型应用到该课程中，并以其中的“时频压缩特性”为案例进行BOPPPS模型的课堂设计，充分应用灵活多样、贴近学生的教学手段，激发学习兴趣，鼓励学生积极参与教学过程，使学生能够深刻地领会和掌握所学知识。

关键词: BOPPPS模型, 课程设计, 学习目标, 主动学习, 评价

Abstract:

The BOPPPS is a model for designing classroom teaching based on education cognitive theory. We introduce the BOPPPS model into the classroom teaching of Signal Analysis and Processing. According to the curriculum characteristics and the existing problems, the BOPPPS model is applied, where a minilesson of “timefrequency compression” is proposed as a design example. The minilesson teaching results show that students can better understand and master knowledge points by using flexible and reallife related teaching skills, which significantly inspires students' learning interests and participatory learning.

Key words: BOPPPS model, curriculum design;learning objective;autonomic learning;assessment

王之元，周云，彭学锋，杨文婧，陈微，唐玉华，陈娟. BOPPPS模型在《信号分析与处理》课堂教学的应用[J]. 计算机工程与科学.

WANG Zhiyuan,ZHOU Yun,PENG Xuefeng,YANG Wenjing,CHEN Wei,TANG Yuhua,CHEN Juan.

Application of BOPPPS model in the classroom

teaching of signal analysis and processing

[J]. Computer Engineering & Science.

参考文献

［1］Wu Jing,Wang Zhan,Huangfu Kan.Education reform in signal analysis and processing course［J］. Journal of Higher Education Research,2001, 24(2):4243.（in Chinese）

［2］Zhao Guangyu, Qi Donglian. Education reform and think for signal analysis and processing course［C］∥2007 National Conference of Automation Education Federation:379382.（in Chinese）

［3］Liu Yue, Chen Yuexin, Xue Yuan. Research of the PBL teaching model for FCST［J］ Computer Engineering & Science, 2006, 28(z1):8991.（in Chinese）

［4］Luo Yu, Fu Shaojing, Li Tun. BOPPPS model in classroom teaching reform［J］. Computer Education,2015, 3(6):1618.（in Chinese）

［5］Caffarella R S. Planning programs for adult learners:A prac

tical guide for educators,trainers and staff developers［M］.

San Francisco,CA:JosseyBass,2002.

［6］Allan J. Learning outcomes in higher education［J］. Studies in Higher Education,1996,21(1):93108.

［7］Mager R F. Preparing objectives for programmed instruction［M］. Belmont,CA:Fearon Publishers,1961.

［8］Kniola D J. Accountability through assessment of administrative organizations in higher education［J］. European Journal of Higher Education,
2013,3(1):89101.

［9］Felder R M,Brent R. Active learning:An introduction［J］. ASQ Higher Education Brief,2009,2(4):1.

附中文参考文献：

［1］吴京,王展,皇甫堪. “信号分析与处理”课程的教学改革［J］. 高等教育研究学报,2001,24(2):4243.

［2］赵光宙,齐冬莲. “信号分析与处理”课程教学改革与思考［C］∥2007年中国自动化教育学术年会,2007:379382.

［3］刘越,陈跃新,薛源. 计算机基础课程的PBL教学模式研究［J］. 计算机工程与科学,2006,28(z1):8991.

［4］罗宇,付绍静,李暾. 从BOPPPS教学模型看课堂教学改革［J］. 计算机教育,2015,3(6):1618.

[1]	李彤彤, 王诗蕊, 张耀方, 王佰玲, 王子博, 刘红日, . 面向工控系统漏洞的多维属性评估[J]. 计算机工程与科学, 2023, 45(02): 261-268.
[2]	王杨, 隆海燕, 贾曦然, . 基于人眼色彩差异化感知的图像质量评价研究[J]. 计算机工程与科学, 2023, 45(02): 295-303.
[3]	李一, 李阳, 苗壮, 王家宝, 张睿. 一种扩展VIFB的红外与可见光图像融合基准[J]. 计算机工程与科学, 2022, 44(06): 1072-1082.
[4]	张丽霞, 曾广平, 宣兆成. 多源图像融合方法的研究综述[J]. 计算机工程与科学, 2022, 44(02): 321-334.
[5]	秦颖. 机器生成语言的质量评价方法综述[J]. 计算机工程与科学, 2022, 44(01): 138-148.
[6]	赵月, 王来花, 齐苏敏, 王伟胜, 刘晨. 基于全局和局部特征的无参考夜间图像质量评价[J]. 计算机工程与科学, 2021, 43(07): 1283-1290.
[7]	赵俊生, 王鑫宇, 尹玉洁, 张林. 基于蒙古语新闻领域本体的分布式检索方法[J]. 计算机工程与科学, 2021, 43(03): 560-570.
[8]	禹建丽，卢皎，陈洪根. 基于犹豫模糊集的软件质量评价模型[J]. 计算机工程与科学, 2020, 42(05): 813-819.
[9]	彭定洪1,2，陈文妮1,2，曾洪鑫3，武金福4. 多源信息云服务质量的犹豫模糊优劣IPA评价方法[J]. 计算机工程与科学, 2020, 42(05): 910-922.
[10]	胡亚红1,王一洲2,毛家发1. 基于PageRank和基准测试的异构集群节点性能评价算法研究[J]. 计算机工程与科学, 2020, 42(03): 391-396.
[11]	王杨1,2，向秀梅1,2，卢嘉1,2，郁振鑫1,2. 基于双目融合的无参考立体图像质量评价[J]. 计算机工程与科学, 2020, 42(03): 510-516.
[12]	巨亚荣，崔浩，宁亚辉，王伟嘉. 基于BOPPPS模型的《大学计算机基础》课堂教学设计[J]. 计算机工程与科学, 2019, 41(增刊S1): 134-138.
[13]	赵海冰，邢翠芳，吕洁. 对分课堂在《大学计算机基础》课程教学中的探索和实践[J]. 计算机工程与科学, 2019, 41(增刊S1): 193-195.
[14]	翟俊海1,2，齐家兴1,2,沈矗1,2,宋丹丹1,2,王谟瀚1,2,田石1,2. 基于MapReduce和Spark的大数据主动学习比较研究[J]. 计算机工程与科学, 2019, 41(10): 1715-1722.
[15]	张毅，张珉浩. 基于机器学习的能力评价与匹配研究[J]. 计算机工程与科学, 2019, 41(02): 363-369.