发布日期:
数智赋能背景下人工智能通识课程建设与实践
文章字数：2935
■冷秀娟 邢军 王晓莉 邵倩倩
在教育数字化战略推动下，人工智能通识教育成为高校培养复合型人才的重要抓手。本文以《人工智能概论》课程为研究对象，针对当前国内高校AI通识课程“体系同质化、适配性不足、技术融合浅”等问题，结合理工类、管文类专业学生的知识基础差异，构建分类分层的课程模块体系，创新“师—生—机”三元交互智慧教学模式。通过优化课程内容结构、搭建个性化学习平台，提升学生AI素养与跨学科应用能力，为高校人工智能通识教育的落地提供实践参考，助力教育数字化与“人工智能+”国家战略的衔接。
一、引言
（一）政策与时代驱动
随着“数字中国”战略推进与教育数字化行动深化，人工智能成为重塑教育生态的核心技术。2024年政府工作报告首次提出“人工智能+”行动，明确要求将AI技术融入教育教学全过程；教育部提出“打造人工智能通识课程体系”，强调通过通识教育培养学生的数字素养与智能思维。在此背景下，传统“一刀切”式的通识课程已无法满足不同专业学生的学习需求，亟需构建适配性强、技术融合深的新型课程体系。
（二）国内外研究现状
国际层面，人工智能通识教育已形成成熟实践：斯坦福大学开设《人工智能—激进主义—艺术》课程，以跨学科视角融合技术原理与艺术创作，引导学生反思AI的社会伦理影响；剑桥大学、帝国理工学院等通过“技术+应用”双轨教学，为学生职业发展奠定基础，相关研究已覆盖课程评估、学情分析等多维度，形成完善理论框架。
国内实践中，南京大学（2024年）面向全体新生开设AI通识核心课，浙江大学发布《大学生人工智能素养红皮书》并成立教育创新联盟，复旦大学计划推出100门AI领域课程。但现有研究多聚焦传统通识教育的理念革新，针对AI通识课程的“专业适配性设计”“智能技术深度融合”等专项探索较少，课程内容与专业需求脱节、教学模式缺乏创新等问题仍较突出。
（三）研究意义
从实践层面看，本研究通过定制化课程设计，可解决理工类学生“重原理轻应用”、管文类学生“重应用轻原理”的失衡问题；从理论层面看，构建的“分类分层课程体系+三元交互教学模式”，可填补国内AI通识教育专项研究的空白，为跨学科教育理论提供新视角；从战略层面看，研究成果可直接服务于“人工智能+”人才培养需求，为数字中国建设输送具备跨学科能力的复合型人才。
二、《人工智能概论》通识课程体系构建
基于“分类适配、模块递进”原则，结合理工类、管文类专业学生的知识特征与学习目标，设计总学时32学时的课程体系，通过超星平台搭建知识图谱，实现“基础—原理—应用—实践”的阶梯式学习。
（一）分类化课程内容设计
针对不同专业学生的需求差异，课程内容采用“核心统一+模块差异化”设计：
《人工智能概论》通识课程模块设计表
（二）课程体系建设逻辑
以“引导认知—激发兴趣—聚焦重点—解析原理”为核心思路，通过知识图谱梳理知识点关联（如“机器学习”与“推荐算法”“数据预处理”的逻辑衔接），挂载课件、视频教程、案例库等资源，形成“可追溯、可拓展”的知识网络。同时，根据学生学习进度动态调整内容难度，如理工类学生可自主拓展“深度学习进阶”资源，管文类学生可补充“AI商业案例库”，实现个性化学习路径。
三、智慧教学模式创新
依托AI技术搭建“教—学—评”一体化平台，构建“师—生—机”三元交互模式，打破传统教学的时空限制，提升教学效率与学习体验。
（一）智能技术赋能教学实施
1.知识图谱驱动内容优化
通过知识图谱可视化课程知识点结构，标注“基础概念—核心原理—应用案例”的层级关系，帮助学生建立系统的知识框架；引入学科大模型，实时响应学生对知识点的疑问（如“解释神经网络与人类大脑的差异”），补充教师教学盲区。
2.AI助教支撑全程学习
开发专属AI助教，实现三大功能：一是学习衔接，同步线上线下学习进度，提醒学生完成预习任务（如课前观看“AI伦理案例”视频）；二是实时答疑，提供24小时1对1服务，针对管文类学生侧重“应用场景解读”，针对理工类学生侧重“原理细节解析”；三是学情监测，向教师推送学生薄弱环节（如“80%管文类学生对‘算法推荐逻辑’理解不足”），辅助教师调整教学策略。
3.个性化资源推荐
基于学生的学习行为数据（如观看视频时长、作业正确率）与专业方向，构建学生画像：对数理基础薄弱的管文类学生，优先推荐“AI工具操作指南”；对编程能力强的理工类学生，推荐“算法优化实践案例”，实现“千人千策”的资源匹配。
（二）多元化考核评价体系
突破传统“期末一张卷”的考核模式，采用“过程+结果”“理论+实践”双维度评价：
1.过程性考核（占比50%）
包括线上知识点测验（如“AI伦理规范选择题”）、线下小组案例分析（如“设计AI在本专业的应用方案”）、实践任务完成度（如理工类学生的“模型搭建报告”、管文类学生的“商业案例调研报告”），多渠道采集学习数据。
2.期末考核（占比50%）
采用“差异化命题”：理工类侧重“算法原理应用”（如“用简单算法解决实际问题”），管文类侧重“AI应用方案设计”（如“为某企业设计AI营销方案”），避免考核内容与专业需求脱节。
3.多主体评价
引入“学生互评+AI辅助评阅”：小组任务由成员互评贡献度，客观题由AI自动评阅并生成错题解析，主观题由教师结合AI提供的“学情分析报告”综合评分，确保评价公平性与精准性。
四、研究创新点
(一）分类分层的课程设计
突破传统通识课程“同质化”局限，针对理工类、管文类学生设计差异化内容模块，实现“原理与应用”的平衡，解决课程内容与专业需求脱节的问题。
（二）“师—生—机”三元交互模式
区别于传统“师—生”二元教学，引入AI助教作为核心交互节点，实现“教师引导方向、AI辅助细节、学生主动探索”的协同，提升教学的个性化与智能化水平。
（三）个性化学习路径构建
基于知识图谱与学生画像，动态调整学习资源与进度，避免“统一进度”导致的学习效率低下，让不同基础、不同专业的学生都能获得适配的学习体验。
五、结束语
本研究以《人工智能概论》为载体，探索数智赋能下高校人工智能通识教育的落地路径。通过构建分类分层课程体系、创新三元交互教学模式，有效解决了AI通识教育“适配性不足、技术融合浅”的问题，为学生AI素养与跨学科能力的提升提供了实践方案。
后续研究可进一步拓展课程覆盖范围，将分类逻辑延伸至艺体类专业，完善“AI+艺术创作”“AI+体育分析”等特色模块；同时深化AI技术的应用，如引入数字人教师辅助教学、利用大数据开展学情预测，持续优化教学效果。未来，研究成果可推广至更多高校，为教育数字化背景下的通识教育改革提供可复制、可借鉴的实践经验。
（作者单位：青岛黄海学院）
参考文献
[1]王静，齐惠颖，王路漫等.本科生人工智能通识课程的设计和教学实践[J].中华医学教育杂志，2024，44（2）：89-92.
[2]陶红.AI技术在个性化教育中的应用与效果研究[J].教育进展，2024，14（8）：101-110.
[3]李白杨、孙榕.基于“知识-技能”导航的人工智能素养通识教育课程构建[J].农业图书情报学报，2024，36（08）.
[4]郝兴伟，周元峰，任立英.面向非人工智能专业的人工智能教育探索与实践[J].中国大学教学，2024（09）：38-43.
[5] Ye Z，Li J. Artificial Intelligence Throughthe Lens of Metaphor: Analyzing the EU AIA [J]. In-ternational Journal of Digital Law and Governance，2024，1（2）：361-381.
[6] Etienne Plesiat，Robert J. H. Dunn，MarkusG.Donat，等.Artificialintelligencereveals pastcli-mate extremes by reconstructing historical records [J].
Nature Communications，2024，15（1）：9191-9191.
课题指南编号：M2023054
课题类别：山东省教学改革项目
课题名称：“四文化”融合育人理念下的计算机专业课程思政教学研究与实践
在教育数字化战略推动下，人工智能通识教育成为高校培养复合型人才的重要抓手。本文以《人工智能概论》课程为研究对象，针对当前国内高校AI通识课程“体系同质化、适配性不足、技术融合浅”等问题，结合理工类、管文类专业学生的知识基础差异，构建分类分层的课程模块体系，创新“师—生—机”三元交互智慧教学模式。通过优化课程内容结构、搭建个性化学习平台，提升学生AI素养与跨学科应用能力，为高校人工智能通识教育的落地提供实践参考，助力教育数字化与“人工智能+”国家战略的衔接。
一、引言
（一）政策与时代驱动
随着“数字中国”战略推进与教育数字化行动深化，人工智能成为重塑教育生态的核心技术。2024年政府工作报告首次提出“人工智能+”行动，明确要求将AI技术融入教育教学全过程；教育部提出“打造人工智能通识课程体系”，强调通过通识教育培养学生的数字素养与智能思维。在此背景下，传统“一刀切”式的通识课程已无法满足不同专业学生的学习需求，亟需构建适配性强、技术融合深的新型课程体系。
（二）国内外研究现状
国际层面，人工智能通识教育已形成成熟实践：斯坦福大学开设《人工智能—激进主义—艺术》课程，以跨学科视角融合技术原理与艺术创作，引导学生反思AI的社会伦理影响；剑桥大学、帝国理工学院等通过“技术+应用”双轨教学，为学生职业发展奠定基础，相关研究已覆盖课程评估、学情分析等多维度，形成完善理论框架。
国内实践中，南京大学（2024年）面向全体新生开设AI通识核心课，浙江大学发布《大学生人工智能素养红皮书》并成立教育创新联盟，复旦大学计划推出100门AI领域课程。但现有研究多聚焦传统通识教育的理念革新，针对AI通识课程的“专业适配性设计”“智能技术深度融合”等专项探索较少，课程内容与专业需求脱节、教学模式缺乏创新等问题仍较突出。
（三）研究意义
从实践层面看，本研究通过定制化课程设计，可解决理工类学生“重原理轻应用”、管文类学生“重应用轻原理”的失衡问题；从理论层面看，构建的“分类分层课程体系+三元交互教学模式”，可填补国内AI通识教育专项研究的空白，为跨学科教育理论提供新视角；从战略层面看，研究成果可直接服务于“人工智能+”人才培养需求，为数字中国建设输送具备跨学科能力的复合型人才。
二、《人工智能概论》通识课程体系构建
基于“分类适配、模块递进”原则，结合理工类、管文类专业学生的知识特征与学习目标，设计总学时32学时的课程体系，通过超星平台搭建知识图谱，实现“基础—原理—应用—实践”的阶梯式学习。
（一）分类化课程内容设计
针对不同专业学生的需求差异，课程内容采用“核心统一+模块差异化”设计：
《人工智能概论》通识课程模块设计表
（二）课程体系建设逻辑
以“引导认知—激发兴趣—聚焦重点—解析原理”为核心思路，通过知识图谱梳理知识点关联（如“机器学习”与“推荐算法”“数据预处理”的逻辑衔接），挂载课件、视频教程、案例库等资源，形成“可追溯、可拓展”的知识网络。同时，根据学生学习进度动态调整内容难度，如理工类学生可自主拓展“深度学习进阶”资源，管文类学生可补充“AI商业案例库”，实现个性化学习路径。
三、智慧教学模式创新
依托AI技术搭建“教—学—评”一体化平台，构建“师—生—机”三元交互模式，打破传统教学的时空限制，提升教学效率与学习体验。
（一）智能技术赋能教学实施
1.知识图谱驱动内容优化
通过知识图谱可视化课程知识点结构，标注“基础概念—核心原理—应用案例”的层级关系，帮助学生建立系统的知识框架；引入学科大模型，实时响应学生对知识点的疑问（如“解释神经网络与人类大脑的差异”），补充教师教学盲区。
2.AI助教支撑全程学习
开发专属AI助教，实现三大功能：一是学习衔接，同步线上线下学习进度，提醒学生完成预习任务（如课前观看“AI伦理案例”视频）；二是实时答疑，提供24小时1对1服务，针对管文类学生侧重“应用场景解读”，针对理工类学生侧重“原理细节解析”；三是学情监测，向教师推送学生薄弱环节（如“80%管文类学生对‘算法推荐逻辑’理解不足”），辅助教师调整教学策略。
3.个性化资源推荐
基于学生的学习行为数据（如观看视频时长、作业正确率）与专业方向，构建学生画像：对数理基础薄弱的管文类学生，优先推荐“AI工具操作指南”；对编程能力强的理工类学生，推荐“算法优化实践案例”，实现“千人千策”的资源匹配。
（二）多元化考核评价体系
突破传统“期末一张卷”的考核模式，采用“过程+结果”“理论+实践”双维度评价：
1.过程性考核（占比50%）
包括线上知识点测验（如“AI伦理规范选择题”）、线下小组案例分析（如“设计AI在本专业的应用方案”）、实践任务完成度（如理工类学生的“模型搭建报告”、管文类学生的“商业案例调研报告”），多渠道采集学习数据。
2.期末考核（占比50%）
采用“差异化命题”：理工类侧重“算法原理应用”（如“用简单算法解决实际问题”），管文类侧重“AI应用方案设计”（如“为某企业设计AI营销方案”），避免考核内容与专业需求脱节。
3.多主体评价
引入“学生互评+AI辅助评阅”：小组任务由成员互评贡献度，客观题由AI自动评阅并生成错题解析，主观题由教师结合AI提供的“学情分析报告”综合评分，确保评价公平性与精准性。
四、研究创新点
(一）分类分层的课程设计
突破传统通识课程“同质化”局限，针对理工类、管文类学生设计差异化内容模块，实现“原理与应用”的平衡，解决课程内容与专业需求脱节的问题。
（二）“师—生—机”三元交互模式
区别于传统“师—生”二元教学，引入AI助教作为核心交互节点，实现“教师引导方向、AI辅助细节、学生主动探索”的协同，提升教学的个性化与智能化水平。
（三）个性化学习路径构建
基于知识图谱与学生画像，动态调整学习资源与进度，避免“统一进度”导致的学习效率低下，让不同基础、不同专业的学生都能获得适配的学习体验。
五、结束语
本研究以《人工智能概论》为载体，探索数智赋能下高校人工智能通识教育的落地路径。通过构建分类分层课程体系、创新三元交互教学模式，有效解决了AI通识教育“适配性不足、技术融合浅”的问题，为学生AI素养与跨学科能力的提升提供了实践方案。
后续研究可进一步拓展课程覆盖范围，将分类逻辑延伸至艺体类专业，完善“AI+艺术创作”“AI+体育分析”等特色模块；同时深化AI技术的应用，如引入数字人教师辅助教学、利用大数据开展学情预测，持续优化教学效果。未来，研究成果可推广至更多高校，为教育数字化背景下的通识教育改革提供可复制、可借鉴的实践经验。
（作者单位：青岛黄海学院）
参考文献
[1]王静，齐惠颖，王路漫等.本科生人工智能通识课程的设计和教学实践[J].中华医学教育杂志，2024，44（2）：89-92.
[2]陶红.AI技术在个性化教育中的应用与效果研究[J].教育进展，2024，14（8）：101-110.
[3]李白杨、孙榕.基于“知识-技能”导航的人工智能素养通识教育课程构建[J].农业图书情报学报，2024，36（08）.
[4]郝兴伟，周元峰，任立英.面向非人工智能专业的人工智能教育探索与实践[J].中国大学教学，2024（09）：38-43.
[5] Ye Z，Li J. Artificial Intelligence Throughthe Lens of Metaphor: Analyzing the EU AIA [J]. In-ternational Journal of Digital Law and Governance，2024，1（2）：361-381.
[6] Etienne Plesiat，Robert J. H. Dunn，MarkusG.Donat，等.Artificialintelligencereveals pastcli-mate extremes by reconstructing historical records [J].
Nature Communications，2024，15（1）：9191-9191.
课题指南编号：M2023054
课题类别：山东省教学改革项目
课题名称：“四文化”融合育人理念下的计算机专业课程思政教学研究与实践