摘要：作者采用线上线下混合式教学，将Python课程的内容与医学生今后工作实际需要相结合，采用三种模块方式开展教学，旨在提高医学生自主学习信息技术能力及计算思维能力，为将来工作中的实际应用打下基础。
关键词：医学；
高等院校；
Python；
教学改革
中图分类号：G434 文献标识码：A 论文编号：1674-2117（2023）14-0099-04
引言
当前，在信息技术飞速发展以及人工智能技术的推动下，Python在医学领域得到了广泛应用。2022版《大学计算机基础课程教学基本要求》提出，学生除了在高校学习计算机应用基础知识及常用的技能外，还应掌握一门计算机程序设计语言，并且能够熟练应用。因此，笔者所在的医学院校开设程序设计语言课程的定位是通过编程语言的教学，让学生能够掌握科研数据背后的医学意义。
Python在医学领域的应用
当前，Python在医学领域应用广泛，其语法比较简单，易于理解，且拥有一个庞大的社区和开源库项目，使用者可以很容易地找到需要的代码和文档及各种库资源。在医学领域中，利用这些相关的库资源可以处理各种形式的医学数据，如病人数据、生物数据、医疗图像等，提取特定的信息和特征，帮助医生或研究人员做出更好的决策和预测。
1.医学文本分析
医学文本分析是指利用文本分析技术对医学文本进行分析和处理，挖掘文本中的有用信息和特征。Python库中的NLTK和Gensim，是用于处理文本数据的常用工具。这些工具可以用于医学文本的情感分析、实体识别、主题模型等应用，进而为医学研究提供更多的信息和见解。
2.数据分析和处理
医学数据分析和处理是指对医学领域中各类数据进行采集、处理和分析，以便深入研究各种疾病，评估治疗手段和效果，提高诊断准确性等。医学数据包含各种类型，如医学成像数据、实验室数据、生理参数数据、临床文献数据等，这些数据需要进行分析和处理才能获得有价值的信息。Python拥有很多数据分析和处理库，如Numpy、Matplotlib等。
3.机器学习和人工智能
机器学习和人工智能技术可以处理和分析大量的医学数据，在医学影像领域，可以帮助医生迅速有效地检测和诊断肿瘤、心脏病等疾病；
在疾病预测方面，机器学习技术可以分析大量的医学数据，建立疾病预测模型，对疾病的发展趋势进行预测，并指导医生进行个体化诊治；
在创新药物研发方面，人工智能技术可以大幅提高研发效率，缩短药物研发周期，并开发出更精准的个体化治疗方案。Python作为一个重要的机器学习和人工智能工具，拥有很多强大的库和工具，如TensorFlow等，可以用于医学图像分析、疾病预测、基因组分析等领域，为医生和研究人员提供更准确的诊断和治疗方案。
4.医学影像处理
医学影像处理是医学图像识别和分析领域的一个重要方向。Python提供了很多有用的工具和库，如OpenCV、Pillow等。这些工具可以用于医学图像的预处理、分割、检测和分类等操作，辅助医生和研究人员做出更精准和可靠的决策。
“Python程序设计”课程教学设计
1.课程教学设计总体思路
“Python程序设计”课程教学采用线上线下混合教学模式，将程序设计语言与医学生的专业紧密结合，以此提高学生的学习兴趣，并使原本枯燥的语法教学变得生动有趣，进一步培养学生的计算思维，提升信息技术的综合应用能力。
前期，学生掌握程序设计的基本的数据类型和语法知识，在打下牢固的编程基础后，再学习第三方库安装及使用方法，并通過各类经典案例的学习，运用Python编程技能，对医学数据进行分析和管理，提高竞争力，从而达到在程序开发过程中熟练调用通用的数据分析挖掘模块，促进自身专业能力提升的目的。
2.课程教学内容采用模块化
在“Python程序设计”课程教学实践中，模块化教学是课程教学改革的重要组成部分，笔者充分考虑到医学各专业学生的特点，以及今后在Python中的应用方向，将课程教学划分为基础知识、进阶和高级应用三个模块。
基础知识模块面向所有专业的学生。本模块线下理论教学20学时，实验教学16学时，学生线上自主学习20学时。主要内容包括Python语言介绍及安装，如何使用Python的创作工具，如IDLE、PyCharm等；
基础语法，Python输入输出，注释、变量、数据类型、运算符等；
程序设计的三种结构：顺序结构、分支结构、循环结构；
Python函数及函数参数；
字符串处理与格式文件的基本操作。
进阶模块也是面向所有专业的学生，主要是能够掌握复杂数据类型的应用，并对高级的语言特性和一些经典的编程算法进行深入学习，为高级应用模块的学习打下基础。本模块线下理论教学16学时，实验教学16学时，学生线上自主学习24学时。主要包括列表、元组、字典、集合；
函数编程、面向对象编程；
异常处理、模块、包；
常用库Turtle 绘画库以及CSV文件读写等。
高级应用模块根据学生的专业领域知识和信息技术能力的不同，采取分层次的教学内容设计。Python是一款免费的编程语言，其在人工智能、图像处理、数据挖掘和数据可视化等方面拥有各种库，学生能够快速利用这些丰富的扩展库来处理和分析医学数据，并完成与医学相关的各种工作。本模块线下理论教学12学时，实验教学16学时，学生线上自主学习20学时。主要内容包括以下几部分：首先，将最常用的词Jieba和Datetime库的应用作为所有专业必须掌握的内容，主要是让学生掌握第三方库的安装及使用。其次，针对不同专业领域采用不同教学内容，以便能更好地贴近学生专业知识领域，让学生能够应用Python解决专业领域问题。第三方库及适用专业对照表如下页表所示。
另外，如果学生基础好、学习能力强，可以学习文件读写、网页爬取等内容，通过这些内容学会利用现成语料库或从网上爬取文本数据进行关键词分析和提取，从海量文本数据中挖掘出有价值的主题词或热点词语，从而指导其本职工作的开展。在开设了高等数学课程的专业，教授学生学习与数据分析与运算相关的Numpy库、Matplotlib库、Pandas库等，从而进行复杂的数据加工处理和可视化绘图，了解数据处理方面的相关知识，如网上药品商城药品营销分析、医疗健康数据分析、水污染数据分析等。而针对学生分析能力基础较弱的护理学专业，教学内容则只包括Jieba库、词云方面的内容。
以上是Python程序设计教学设计的一个基本框架，其中高级应用模块各种库主要让不同专业的学生对其领域内的各种库进行应用。具体的内容和深度可以根据不同的目标学生、教学时间、教学资源等进行调整和优化。例如，在教学Matplotlib库时，可以将其与处理图像的Pillow库和处理数学计算的Numpy库结合使用作为线上教学内容，在教学过程中注重实践和项目实战，加深学生对Python编程的理解和运用能力。
3.典型案例设计
将程序语言和医学生的专业紧密结合起来，以任务为驱动，可以培养学生的实际应用能力、创新思维和综合分析能力。利用这种教学方法，设计与学生专业紧密相关的编程任务，可让医学生对编程语言产生兴趣，学习起来更轻松。例如，可以让临床医学专业的学生使用Python编写一个病人问诊系统，要求系统能够自动检测病人输入的症状，并给出针对性较强的医疗建议。在实现这个任务的过程中，学生需要了解医学知识，以便能够更好地设计症状检测方案和医疗建议。下页图所示的是针对临床医学专业学生教学使用的典型案例的程序。
在这个病人问诊系统中，首先创建了一个疾病库，其中包括了若干疾病及其对应的症状。在病人问诊过程中，通过提问，逐步获取病人的症状，并根据疾病库中的数据进行匹配，找到可能对应的疾病，最后提供一个基于症状的诊断建议。通过这种任务驱动的教学方式，可以让医学生更好地理解编程语言与医学专业之间的联系，提高学生对计算思维的认识，以及对语言语法的掌握程度，同时增强创新思维和综合分析能力。
教学资源与评价方式
1.教学资源
“Python程序设计”课程教学资源包括教材、网站、课件、代码库和社区等。教师在教材方面，可选用一些高质量的Python教材；
在网站和社区方面，可以站内链接的方式与一些具有较高权威性的Python网站和社区，如Python官方网站、知乎等进行对接；
在代码库方面，可以选用一些开源的Python代码库，如NumPy、Pandas、Matplotlib等；
在课件方面，可以采用一些互动性较高的课件，如PPT互动课件等。对于医学生，教师可以根据其专业需求，着重介绍Python的数据分析和可视化、科学计算和数值计算等方面的知识点，帮助其掌握相应的技能，提高其在医学领域的实际应用能力。
2.评价方式
Python程序设计课程的考核要采用多元化的评价方式，重点考核学生独立思考和创新能力，注重学生的问题解决能力和实践能力。
在学生的期末总成绩中，平时上课表现占10%，混合式教学平台学习情况占25%，小组项目作品完成情况占25%，期末考试成绩占40%。其中，平时上课表现包括出勤率、课上回答问题情况。混合式教学平台学习情况是指学生完成教师在混合式教学网站上发布的作业、课后讨论、在线测试等的情况。小组项目作品是小组完成的项目任务，对小组项目作品完成情况的评价属于过程性考核。教师将学习知识点以项目方式发布给学生学习小组，然后根据作品完成情况进行三种形式的评价：一是作品评价；
二是比赛评价；
三是项目评价。通过这三种评价方式，让学生在项目作业中相互协作和相互评价。
“Python程序设计”课程通过采用线上线下混合式教学，将教学内容通过模块化的方式进行教学改革研究，提高了Python程序设计课程的教学效果和学生兴趣。
参考文献：
[1]袁野.Python程序设计课程的混合式教学设计与实践[J].电脑知识与技术，2020（26）：114-116.
[2]周旭，李艷丽，魏唯，等.面向医学专业的“Python程序设计”课程教学方法研究[J].教育教学论坛，2020（44）：
248-251.
[3]肖胜刚，袁方，安海宁.Python课程助力计算思维和创新能力培养[J].计算机教育，2017（09）：11-14.
[4]罗晓玲，张晶晶，郑斯文，等.Python语言程序设计教学模式改革研究[J].电脑知识与技术，2020（07）：138-139.
[5]胡晓燕.“MOOC+翻转课堂”的多元化教学模式研究与实践—以《Python语言程序设计》课程为例[J].信息与电脑：理论版，2019（18）：233-235.
作者简介：蔡洪涛（1975—），男，辽宁沈阳人，教授，硕士，研究方向为计算机课程教学。
基金项目：辽宁省普通高等教育本科教学改革研究2021年度立项课题“以医疗大数据应用为导向的计算机应用基础课程改革研究与实践”（编号：2021-566）；
沈阳医学院线上线下混合式一流本科课程建设项目：计算机应用基础课程。