نهج التعلم المكثف STEM

هناك العديد من الدورات التدريبية الممتازة في عالم التعليم الهندسي، ولكن غالبًا ما تعاني المناهج الدراسية المبنية حولها من عيب واحد خطير - وهو الافتقار إلى الترابط الجيد بين المواضيع المختلفة. قد يعترض قائل: كيف يمكن أن يكون هذا؟

عند تشكيل برنامج تدريبي، تتم الإشارة إلى المتطلبات الأساسية والترتيب الواضح الذي يجب دراسة التخصصات فيه لكل دورة. على سبيل المثال، من أجل بناء وبرمجة روبوت متنقل بدائي، تحتاج إلى معرفة القليل من الآليات لإنشاء هيكله المادي؛ أساسيات الكهرباء على مستوى قوانين أوم/كيرشوف، تمثيل الإشارات الرقمية والتناظرية؛ العمليات باستخدام المتجهات والمصفوفات من أجل وصف أنظمة الإحداثيات وحركات الروبوت في الفضاء؛ أساسيات البرمجة على مستوى عرض البيانات والخوارزميات البسيطة وهياكل نقل التحكم وغيرها. لوصف السلوك.

هل كل هذا مشمول في المقررات الجامعية؟ بالطبع. ومع ذلك، مع قوانين أوم/كيرشوف نحصل على الديناميكا الحرارية ونظرية المجال؛ بالإضافة إلى العمليات مع المصفوفات والمتجهات، يجب التعامل مع نماذج الأردن؛ في البرمجة، ادرس تعدد الأشكال - وهي موضوعات ليست ضرورية دائمًا لحل مشكلة عملية بسيطة.

التعليم الجامعي واسع النطاق - يذهب الطالب إلى جبهة واسعة وغالبًا ما لا يرى المعنى والأهمية العملية للمعرفة التي يتلقاها. قررنا تحويل نموذج التعليم الجامعي في العلوم والتكنولوجيا والهندسة والرياضيات (من كلمات العلوم والتكنولوجيا والهندسة والرياضيات) وإنشاء برنامج يعتمد على تماسك المعرفة، مما يسمح بزيادة الاكتمال في المستقبل، أي أنه يعني إتقان مكثف للموضوعات.

يمكن مقارنة تعلم مجال موضوع جديد باستكشاف منطقة محلية. وهنا يوجد خياران: إما أن يكون لدينا خريطة مفصلة للغاية تحتوي على كم هائل من التفاصيل التي تحتاج إلى دراسة (وهذا يستغرق الكثير من الوقت) من أجل فهم أماكن المعالم الرئيسية وكيفية ارتباطها ببعضها البعض ; أو يمكنك استخدام خطة بدائية، والتي تشير فقط إلى النقاط الرئيسية ومواقعها النسبية - مثل هذه الخريطة كافية لبدء التحرك على الفور في الاتجاه الصحيح، وتوضيح التفاصيل أثناء تقدمك.

لقد اختبرنا نهج التعلم المكثف للعلوم والتكنولوجيا والهندسة والرياضيات (STEM) في مدرسة شتوية، والتي عقدناها مع طلاب معهد ماساتشوستس للتكنولوجيا (MIT) بدعم من أبحاث جيت براينز.

تحضير المواد


كان الجزء الأول من البرنامج المدرسي عبارة عن أسبوع من الفصول الدراسية في المجالات الرئيسية، والتي شملت الجبر والدوائر الكهربائية وهندسة الكمبيوتر وبرمجة بايثون ومقدمة لنظام التشغيل الآلي (ROS).

لم يتم اختيار الاتجاهات بالصدفة: حيث كان من المفترض أن يساعدوا الطلاب على رؤية العلاقة بين الأشياء التي تبدو مختلفة للوهلة الأولى - الرياضيات والإلكترونيات والبرمجة.

وبطبيعة الحال، لم يكن الهدف الرئيسي هو إلقاء الكثير من المحاضرات، ولكن إعطاء الطلاب الفرصة لتطبيق المعرفة المكتسبة حديثا بأنفسهم في الممارسة العملية.

في قسم الجبر، تمكن الطلاب من ممارسة عمليات المصفوفات وحل أنظمة المعادلات، والتي كانت مفيدة في دراسة الدوائر الكهربائية. وبعد التعرف على بنية الترانزستور والعناصر المنطقية المبنية على أساسه، تمكن الطلاب من رؤية استخدامها في جهاز معالج، وبعد تعلم أساسيات لغة بايثون، كتابة برنامج لروبوت حقيقي فيه.

نهج التعلم المكثف STEM

دوكيت تاون


كان أحد أهداف المدرسة هو تقليل العمل باستخدام أجهزة المحاكاة قدر الإمكان. ولذلك، تم إعداد مجموعة كبيرة من الدوائر الإلكترونية، والتي كان على الطلاب تجميعها على اللوح من مكونات حقيقية واختبارها عملياً، وتم اختيار Duckietown كقاعدة للمشاريع.

Duckietown هو مشروع مفتوح المصدر يتضمن روبوتات صغيرة مستقلة تسمى Duckiebots وشبكات الطرق التي تسافر عبرها. Duckiebot عبارة عن منصة ذات عجلات مجهزة بحاسوب Raspberry Pi الصغير وكاميرا واحدة.

وبناءً عليه، قمنا بإعداد مجموعة من المهام الممكنة، مثل بناء خريطة الطريق، والبحث عن الأشياء والتوقف بجانبها، وعدد من المهام الأخرى. يمكن للطلاب أيضًا اقتراح مشكلتهم الخاصة وليس فقط كتابة برنامج لحلها، ولكن أيضًا تشغيلها على الفور على روبوت حقيقي.

تعليم


وخلال المحاضرة، قام المعلمون بعرض المادة باستخدام العروض التقديمية المعدة مسبقًا. تم تسجيل بعض الفصول بالفيديو حتى يتمكن الطلاب من مشاهدتها في المنزل. أثناء المحاضرات، استخدم الطلاب المواد الموجودة على أجهزة الكمبيوتر الخاصة بهم، وطرحوا الأسئلة، وحلوا المشكلات معًا وبشكل مستقل، وأحيانًا على السبورة. وبناء على نتائج العمل، تم حساب تصنيف كل طالب على حدة في مواضيع مختلفة.

نهج التعلم المكثف STEM

دعونا نفكر في سير الدروس في كل موضوع بمزيد من التفصيل. المادة الأولى كانت الجبر الخطي. أمضى الطلاب يومًا واحدًا في دراسة المتجهات والمصفوفات وأنظمة المعادلات الخطية وما إلى ذلك. تم تنظيم المهام العملية بشكل تفاعلي: تم حل المشكلات المقترحة بشكل فردي، وقام المعلم والطلاب الآخرون بتقديم التعليقات والنصائح.

نهج التعلم المكثف STEM

الموضوع الثاني الكهرباء والدوائر البسيطة. تعلم الطلاب أساسيات الديناميكا الكهربائية: الجهد والتيار والمقاومة وقانون أوم وقوانين كيرشوف. تم تنفيذ المهام العملية جزئيًا في جهاز المحاكاة أو إكمالها على اللوحة، ولكن تم قضاء المزيد من الوقت في بناء دوائر حقيقية مثل الدوائر المنطقية والدوائر المتذبذبة وما إلى ذلك.

نهج التعلم المكثف STEM

الموضوع التالي هو هندسة الكمبيوتر - بمعنى ما، جسر يربط بين الفيزياء والبرمجة. درس الطلاب الأساس الأساسي الذي تعتبر أهميته نظرية أكثر منها عملية. ومن خلال الممارسة، قام الطلاب بتصميم دوائر حسابية ومنطقية بشكل مستقل في جهاز المحاكاة وحصلوا على نقاط مقابل المهام المكتملة.

اليوم الرابع هو اليوم الأول للبرمجة. تم اختيار لغة Python 2 كلغة برمجة لأنها اللغة المستخدمة في برمجة ROS. تم تنظيم هذا اليوم على النحو التالي: قام المعلمون بعرض المادة، وأعطوا أمثلة على حل المشكلات، بينما استمع لهم الطلاب، وهم جالسون أمام أجهزة الكمبيوتر الخاصة بهم، وكرروا ما كتبه المعلم على السبورة أو الشريحة. ثم قام الطلاب بحل مسائل مماثلة بأنفسهم، ثم قام المعلمون بتقييم الحلول لاحقًا.

تم تخصيص اليوم الخامس لـ ROS: تعلم الشباب عن برمجة الروبوتات. طوال اليوم الدراسي، جلس الطلاب أمام أجهزة الكمبيوتر الخاصة بهم، وقاموا بتشغيل كود البرنامج الذي تحدث عنه المعلم. لقد كانوا قادرين على تشغيل وحدات ROS الأساسية بأنفسهم وتم تعريفهم أيضًا بمشروع Duckietown. وفي نهاية هذا اليوم، كان الطلاب على استعداد لبدء جزء المشروع من المدرسة - حل المشكلات العملية.

نهج التعلم المكثف STEM

وصف المشاريع المختارة

طُلب من الطلاب تشكيل فرق من ثلاثة أشخاص واختيار موضوع المشروع. ونتيجة لذلك، تم اعتماد المشاريع التالية:

1. معايرة الألوان. يحتاج Duckiebot إلى معايرة الكاميرا عند تغير ظروف الإضاءة، لذلك تكون هناك مهمة معايرة تلقائية. المشكلة هي أن نطاقات الألوان حساسة جدًا للضوء. قام المشاركون بتطبيق أداة من شأنها تسليط الضوء على الألوان المطلوبة في الإطار (الأحمر والأبيض والأصفر) وإنشاء نطاقات لكل لون بتنسيق HSV.

2. تاكسي البط. وتقوم فكرة هذا المشروع على أن يتمكن Duckiebot من التوقف بالقرب من جسم ما، والتقاطه واتباع مسار معين. تم اختيار بطة صفراء زاهية ككائن.

نهج التعلم المكثف STEM

3. بناء الرسم البياني للطريق. هناك مهمة لبناء رسم بياني للطرق والتقاطعات. الهدف من هذا المشروع هو بناء رسم بياني للطريق دون تقديم بيانات بيئية مسبقة إلى Duckiebot، والاعتماد فقط على بيانات الكاميرا.

4. سيارة دورية. تم اختراع هذا المشروع من قبل الطلاب أنفسهم. واقترحوا تعليم أحد أفراد عائلة Duckiebot، وهو "دورية"، لمطاردة شخص آخر، وهو "منتهك". ولهذا الغرض تم استخدام آلية التعرف على الهدف باستخدام علامة ArUco. وبمجرد الانتهاء من التعرف، يتم إرسال إشارة إلى "الدخيل" لإكمال العمل.

نهج التعلم المكثف STEM

معایرة الألوان

كان الهدف من مشروع معايرة الألوان هو ضبط نطاق ألوان العلامات التي يمكن التعرف عليها وفقًا لظروف الإضاءة الجديدة. وبدون هذه التعديلات، أصبح التعرف على خطوط التوقف وفواصل الحارات وحدود الطريق غير صحيح. اقترح المشاركون حلاً يعتمد على أنماط الألوان الترميزية المعالجة مسبقًا: الأحمر والأصفر والأبيض.

يحتوي كل لون من هذه الألوان على نطاق محدد مسبقًا من قيم HSV أو RGB. باستخدام هذا النطاق، يتم العثور على جميع مناطق الإطار التي تحتوي على الألوان المناسبة، ويتم اختيار أكبرها. يتم اعتبار هذه المنطقة بمثابة اللون الذي يجب تذكره. يتم بعد ذلك استخدام الصيغ الإحصائية مثل حساب المتوسط ​​والانحراف المعياري لتقدير نطاق الألوان الجديد.

يتم تسجيل هذا النطاق في ملفات تكوين كاميرا Duckiebot ويمكن استخدامه لاحقًا. تم تطبيق الطريقة الموضحة على الألوان الثلاثة جميعها، مما أدى في النهاية إلى تشكيل نطاقات لكل لون من ألوان العلامات.

وأظهرت الاختبارات التعرف على خطوط العلامات بشكل شبه مثالي، إلا في الحالات التي استخدمت فيها مواد وضع العلامات شريطًا لامعًا يعكس مصادر الضوء بقوة بحيث تظهر العلامات باللون الأبيض من زاوية رؤية الكاميرا، بغض النظر عن لونها الأصلي.

نهج التعلم المكثف STEM

تاكسي البط

وتضمن مشروع تاكسي البط بناء خوارزمية للبحث عن راكب البط في المدينة، ومن ثم نقله إلى النقطة المطلوبة. قسم المشاركون هذه المشكلة إلى قسمين: الكشف والحركة على طول الرسم البياني.

أجرى الطلاب اكتشاف البط من خلال افتراض أن البطة هي أي منطقة في الإطار يمكن التعرف عليها على أنها صفراء، مع وجود مثلث أحمر (منقار) عليها. بمجرد اكتشاف هذه المنطقة في الإطار التالي، يجب أن يقترب الروبوت منها ثم يتوقف لبضع ثوان، لمحاكاة هبوط الراكب.

بعد ذلك، بعد تخزين الرسم البياني للطريق لمدينة duckietown بأكملها وموقع الروبوت في الذاكرة مسبقًا، وكذلك تلقي الوجهة كمدخلات، يقوم المشاركون ببناء مسار من نقطة المغادرة إلى نقطة الوصول، باستخدام خوارزمية Dijkstra للعثور على المسارات في الرسم البياني . يتم تقديم الإخراج كمجموعة من الأوامر - تدور عند كل من التقاطعات التالية.

نهج التعلم المكثف STEM

الرسم البياني للطرق

كان الهدف من هذا المشروع هو بناء رسم بياني - شبكة من الطرق في Duckietown. العقد في الرسم البياني الناتج هي التقاطعات، والأقواس هي الطرق. للقيام بذلك، يجب على Duckiebot استكشاف المدينة وتحليل مسارها.

أثناء العمل في المشروع، تم النظر في فكرة إنشاء رسم بياني مرجح، ولكن تم تجاهله بعد ذلك، حيث يتم تحديد تكلفة الحافة من خلال المسافة (زمن السفر) بين التقاطعات. تبين أن تنفيذ هذه الفكرة يتطلب عمالة كثيفة للغاية، ولم يكن هناك وقت كاف لها داخل المدرسة.

عندما يصل Duckiebot إلى التقاطع التالي، فإنه يختار الطريق المؤدي إلى خارج التقاطع الذي لم يسلكه بعد. عند اجتياز جميع الطرق عند جميع التقاطعات، تظل القائمة التي تم إنشاؤها بمناطق التقاطع المجاورة في ذاكرة الروبوت، والتي يتم تحويلها إلى صورة باستخدام مكتبة Graphviz.

لم تكن الخوارزمية التي اقترحها المشاركون مناسبة لمدينة Duckietown العشوائية، ولكنها عملت بشكل جيد لمدينة صغيرة مكونة من أربعة تقاطعات مستخدمة داخل المدرسة. كانت الفكرة هي إضافة علامة ArUco إلى كل تقاطع يحتوي على معرف التقاطع لتتبع الترتيب الذي تم به قيادة التقاطعات.
يظهر في الشكل مخطط الخوارزمية التي طورها المشاركون.

نهج التعلم المكثف STEM

سيارة الدورية

الهدف من هذا المشروع هو البحث عن الروبوت المخالف ومتابعته واحتجازه في مدينة Duckietown. يجب أن يتحرك روبوت الدورية على طول الحلقة الخارجية لطريق المدينة، بحثًا عن روبوت دخيل معروف. بعد اكتشاف دخيل، يجب على روبوت الدورية متابعة الدخيل وإجباره على التوقف.

بدأ العمل بالبحث عن فكرة اكتشاف الروبوت في الإطار والتعرف على الدخيل فيه. واقترح الفريق تجهيز كل روبوت في المدينة بعلامة فريدة على ظهره - تمامًا كما تحمل السيارات الحقيقية أرقام تسجيل حكومية. تم اختيار علامات ArUco لهذا الغرض. لقد تم استخدامها سابقًا في duckietown حيث يسهل العمل بها وتسمح لك بتحديد اتجاه العلامة في الفضاء والمسافة إليها.

بعد ذلك، كان من الضروري التأكد من أن روبوت الدورية يتحرك بشكل صارم في الدائرة الخارجية دون التوقف عند التقاطعات. افتراضيًا، يتحرك Duckiebot في حارة ويتوقف عند خط التوقف. ثم، بمساعدة إشارات الطريق، يحدد تكوين التقاطع ويختار اتجاه مرور التقاطع. في كل مرحلة من المراحل الموصوفة، تكون إحدى حالات آلة الحالة المحدودة للروبوت هي المسؤولة. من أجل التخلص من التوقفات عند التقاطع، قام الفريق بتغيير آلة الحالة بحيث يتحول الروبوت على الفور إلى حالة القيادة مباشرة عبر التقاطع عند الاقتراب من خط التوقف.

وكانت الخطوة التالية هي حل مشكلة إيقاف الروبوت الدخيل. افترض الفريق أن روبوت الدورية يمكن أن يكون لديه وصول SSH إلى كل روبوت في المدينة، أي أن يكون لديه بعض المعلومات حول بيانات التفويض والمعرف الذي يمتلكه كل روبوت. وهكذا، بعد اكتشاف الدخيل، بدأ روبوت الدورية في الاتصال عبر SSH بالروبوت الدخيل وأغلق نظامه.

وبعد التأكد من اكتمال أمر إيقاف التشغيل، توقف روبوت الدورية أيضًا.
يمكن تمثيل خوارزمية تشغيل روبوت الدورية على النحو التالي:

نهج التعلم المكثف STEM

العمل على المشاريع

تم تنظيم العمل بتنسيق مشابه لـ Scrum: كل صباح كان الطلاب يخططون لمهام اليوم الحالي، وفي المساء يقدمون تقريرًا عن العمل المنجز.

في اليومين الأول والأخير، قام الطلاب بإعداد عروض تقديمية تصف المهمة وكيفية حلها. لمساعدة الطلاب على اتباع خططهم المختارة، كان المعلمون من روسيا وأمريكا حاضرين باستمرار في الغرف التي تم فيها العمل في المشاريع، للإجابة على الأسئلة. تم التواصل في المقام الأول باللغة الإنجليزية.

النتائج وإظهارها

واستمر العمل على المشاريع لمدة أسبوع، وبعد ذلك قدم الطلاب نتائجهم. وقام الجميع بإعداد عروض تقديمية تحدثوا فيها عما تعلموه في هذه المدرسة، وما هي أهم الدروس التي تعلموها، وما أعجبهم وما لم يعجبهم. وبعد ذلك قدم كل فريق مشروعه. أكملت جميع الفرق مهامها.

أكمل فريق تنفيذ معايرة الألوان المشروع بشكل أسرع من الآخرين، لذلك كان لديهم أيضًا الوقت لإعداد الوثائق لبرنامجهم. وقد حاول الفريق الذي يعمل على الرسم البياني للطريق، حتى في اليوم الأخير قبل العرض التوضيحي للمشروع، تحسين خوارزمياتهم وتصحيحها.

نهج التعلم المكثف STEM

اختتام

بعد الانتهاء من المدرسة، طلبنا من الطلاب تقييم الأنشطة السابقة والإجابة على أسئلة حول مدى تلبية المدرسة لتوقعاتهم، وما هي المهارات التي اكتسبوها، وما إلى ذلك. وأشار جميع الطلاب إلى أنهم تعلموا العمل ضمن فريق وتوزيع المهام وتخطيط وقتهم.

كما طُلب من الطلاب تقييم مدى فائدة وصعوبة الدورات التي أخذوها. وهنا تم تشكيل مجموعتين من التقييمات: بالنسبة لبعض الدورات لم تمثل صعوبة كبيرة، قام البعض الآخر بتقييمها على أنها صعبة للغاية.

وهذا يعني أن المدرسة اتخذت الموقف الصحيح من خلال البقاء في متناول المبتدئين في مجال معين، ولكن أيضًا توفير المواد للتكرار والدمج من قبل الطلاب ذوي الخبرة. تجدر الإشارة إلى أن دورة البرمجة (بايثون) لاحظها الجميع تقريبًا على أنها غير معقدة ولكنها مفيدة. وفقا للطلاب، كانت الدورة الأكثر صعوبة هي "هندسة الكمبيوتر".

عندما سئل الطلاب عن نقاط القوة والضعف في المدرسة، أجاب العديد منهم أنهم أحبوا أسلوب التدريس المختار، والذي يقدم فيه المعلمون مساعدة سريعة وشخصية ويجيبون على الأسئلة.

وأشار الطلاب أيضًا إلى أنهم أحبوا العمل بأسلوب التخطيط اليومي لمهامهم وتحديد المواعيد النهائية الخاصة بهم. كعيوب، لاحظ الطلاب نقص المعرفة المقدمة، والتي كانت مطلوبة عند العمل مع الروبوت: عند الاتصال، وفهم أساسيات ومبادئ تشغيله.

وأشار جميع الطلاب تقريباً إلى أن المدرسة فاقت توقعاتهم، وهذا يدل على الاتجاه الصحيح لتنظيم المدرسة. وبالتالي، يجب الحفاظ على المبادئ العامة عند تنظيم المدرسة القادمة، مع مراعاة، وإذا أمكن، إزالة أوجه القصور التي لاحظها الطلاب والمعلمون، وربما تغيير قائمة الدورات أو توقيت تدريسها.

مؤلفو المقال: الفريق مختبر خوارزميات الروبوت المحمول в أبحاث جيت براينز.

ملحوظة: مدونة شركتنا لها اسم جديد. الآن سيتم تخصيصه للمشاريع التعليمية لـ JetBrains.

المصدر: www.habr.com

إضافة تعليق