高校如何建设人工智能通识课程

关注“在线学习”

获取更多资讯！

随着人工智能时代的到来，人工智能素养正逐渐成为全球各行业从业者的基本能力。高校作为人才培养的核心阵地，承担着为社会输送具备人工智能素养的复合型人才的重要使命。

2025年4月，教育部等九部门联合印发的《关于加快推进教育数字化的意见》明确提出，建设“通用+特色”高校人工智能通识课程。人工智能通识课的核心目标并非培养人工智能专业人才，而是面向各专业学生，普及人工智能基础知识，培养其与人工智能协同工作的能力，使其成为“懂人工智能”的跨领域人才。

1

分类分层构建课程体系

开设人工智能通识课程时，各类高校需依据学校类型与发展定位，实施差异化课程建设策略。研究型大学可侧重人工智能思维与创新能力的塑造，应用型高校宜强调人工智能技术在真实场景中的落地与应用，职业院校则应聚焦人工智能工具的使用与操作技能培养。明确的培养定位是保障通识课程实施效果的重要前提。

在课程体系设计方面，可借鉴国内外高校成功经验，采用模块化架构，涵盖“基础通识—学科融合—产业应用”三大板块。基础通识板块面向全校学生，系统介绍人工智能的基本概念、发展历程、技术原理与社会影响；学科融合板块则应结合不同专业特点，设计具有专业针对性的人工智能应用教学单元；产业应用板块可围绕地方主导产业和新兴领域，引入相关人工智能实践案例。南京大学的“1+X+Y”课程体系、复旦大学的“AI-BEST”框架以及北京市属高校推行的“一校一品”模式，均为模块化课程设计的典型代表。这些模式层次清晰、模块分明，兼顾知识广度与深度，适配不同专业背景学生的学习路径。

在纵向层面，课程内容应遵循“基础理论—综合素养—前沿拓展—实践实训”四阶递进结构，系统构建学生的认知框架与方法体系。基础理论帮助学生建立系统认知，综合素养强调人工智能思维与方法的培养，前沿拓展关注人工智能跨学科融合的最新进展，实践实训则通过案例与项目强化应用能力。这一结构兼顾系统性与灵活性，适应不同基础学生的学习需求。

鉴于人工智能技术更新迅速，课程体系应具备动态优化机制：一方面，定期更新前沿拓展模块，补充新技术与应用案例；另一方面，依据学生反馈与产业变革持续调整内容结构，保障课程的先进性与实用性。北京邮电大学人工智能通识课程团队开发了系统的教材、课件与视频资源，并开展多轮试讲与反馈调研，持续优化内容设计与教学安排。

2

设计多维融合的课程内容

人工智能通识课程不仅应传递知识，更应注重培养学生的智能素养。课程内容应打破学科壁垒，融通多领域知识，引导学生提出问题、解决问题，并培养创新意识与技术伦理观念。

课程内容设计上，首先需要避免过度技术化，要实现技术认知与人文思考的有机统一。除介绍机器学习、深度学习等关键技术外，还应嵌入人工智能伦理教育，系统探讨隐私保护、算法公平、人机协作等社会性议题。可参考联合国教科文组织所倡导的“以人为本的智能社会公民素养”理念，作为内容设计的重要依据。

其次，课程内容应突出学科交叉特色，通过“人工智能+专业”典型案例，展现人工智能在医学、人文、工程等不同领域的融合应用。例如，面向医学专业学生介绍人工智能辅助诊断技术，面向人文学科学生展示自然语言处理与文化遗产数字化保护应用……同时，应紧密结合区域经济与产业特点，嵌入本土化案例。南方科技大学“人工智能与应用”课程，整合了机器人、数字经济、传染病预测等深圳本土产业内容；深圳大学相关课程，引入DeepSeek（深度求索）相关案例，涵盖生成模型、自然语言处理、计算机视觉等应用实践。此类案例贴近现实，增强代入感，也体现了高校服务地方发展的责任担当。

最后，在知识构成上，课程内容应涵盖人工智能基础（如核心概念与典型算法）、编程工具及常见人工智能平台的使用方法，注重理论实践一体化教学。难度上应以工具应用和案例实操为主，通过“人工智能工具使用”与“应用案例”等模块激发学生的兴趣与参与感。

3

构建以学生为中心的教学模式

传统讲授模式不利于学生开展探究和实践，特别是面对生成式人工智能的飞速发展，人工智能通识课程更需要尽快改变教学模式，通过综合运用多种教学方法，构建以学生为中心、多元互动的教学模式，提升学生的学习主动性和实践能力。

教学策略上，学校可采用“通俗理论讲授+案例直观演示+实践操作训练+真实项目驱动”的多元教学方法组合。理论部分应通俗易懂，案例需贴近实际，如通过解析自动驾驶系统呈现人工智能决策流程；实践环节可依托低代码平台，帮助学生体验模型训练与部署全过程；项目驱动则鼓励学生以小组形式解决现实问题。

具体教学上，为实现人工智能通识课程“教学做合一”，学校需要积极探索利用数字化技术开展实践式教学。学生除了通过慕课等线上平台自主学习基础理论外，学校还可以通过搭建云端实训平台，支持远程实验与开发，涵盖智能体构建、RAG应用、工作流设计等任务，为学生提升人工智能实操技能提供途径。

此外，学生人工智能素养与实操能力存在个体差异，因此，线下实验和项目实践中，学校还可以引入智能助教系统，及时为学生个性化学习提供精准反馈与指导，辅助学生在实践中一步步解决问题，从而提升实操能力；同时，学校要重视“以赛促学”的效果，通过组织创新竞赛或引入典型赛事案例，激励学生在真实情境中应用知识、锻炼能力。

课程的落地，需要系统化、多层次的保障机制，就当前高校开设人工智能通识课程，需要重点推进师资建设、资源支持与动态评价三方面工作。师资方面，应开展面向全体教师的人工智能通识培训，加强对任课教师的专项能力提升，并推动跨学科教学团队建设，利用虚拟教研平台促进协同备课。资源方面，应建设集成化教学支持平台，融合实验开发、教学管理与资源共享等功能，配套建设案例库、数据集等开放资源，形成贯穿课前、课中、课后的全流程支撑体系。评价方面，应建立多元动态评估机制，整合学生反馈、同行评议、专家评审及行业企业评价，借助大数据实现教学过程智能监测，形成“评估—反馈—优化”闭环，推动课程持续改进与质量提升。

（作者赵建华系西北师范大学兼职教授，詹涵舒系西北师范大学博士研究生）

来源丨中国教育报

声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与我们联系，我们将及时更正、删除，谢谢。