为高等教育装上AI“强引擎”

科技日报记者 周思同

AI知识中心、AI辅导员、基于大模型的创新实践平台……在近日教育部公布的第三批“人工智能+高等教育”典型应用场景案例遴选结果名单上，一项项成果亮点频出。

从课堂教学的全面革新，到学生培养的精准化升级，这场技术与教育的“联姻”，正在重塑教育教学模式，推动高等教育向更立体、更精准、更高效的方向迈进。

破解传统教学痛点

以小麦育种领域知名学者、中国科学院院士蔡旭为原型的数字人，与老师们共同授课，为学生们传道授业、答疑解惑；利用AI技术生成的动画视频，能帮助学生了解一粒种子从发芽、长苗、结果到收获的完整过程……中国农业大学开发的“神农百晓”大模型是此次公布的典型案例之一。它凭借突出的交互性和趣味性，让课本知识变成缤纷多彩的“农学世界”，吸引着学生们沉浸其中。

“AI技术与高等教育的融合，突破了传统的教学模式。”中国农业大学信息与电气工程学院副教授王耀君表示，如今，学生上课积极性不高已成为大学课堂的普遍问题。其核心原因在于课堂内容不够生动、对学生吸引力不足，教师难以清晰呈现复杂教学场景。

图为第85届中国教育装备展示会上展出的AI数字教师。中新社记者 佟郁 摄

在这一背景下，“神农百晓”大模型的加入，不仅让原本枯燥的理论知识变得更立体、更鲜活，还丰富了学生的实践渠道，让学生能够高效地将理论应用于实践，切实提升解决实际问题的能力。对于以农学为代表、建立在大量实践基础上的传统学科而言，这一点至关重要。

AI技术的应用成果并非局限于课堂中。在教室之外，它同样为学生的长期培养注入了新活力。此次公布的另一个典型案例——由西安电子科技大学开发的“西电智评”系统，就是其中的代表。

西安电子科技大学本科生院党委书记兼党委学生工作部部长林波介绍，教育评价是学生培养流程中不可或缺的环节。然而，在传统育人模式下，评价信息沉淀转化不足、评价指标结构设置单一、系统牵引效果表现不明显等痛点长期困扰着教育教学人员，个性化、精准化、多元化的学生评价模式是高校师生共同的诉求，“西电智评”系统应运而生。

在“西电智评”平台上，“学生画像”“能力证书”“综合测评”等功能可随时呈现学生的日常行为特点与学习状态，并进一步为学生提供诊断、激励、预测、调节等个性化成长服务。同时，“西电智评”依托生成式人工智能大模型，打造“AI成长助手”智能体，围绕学生的行为习惯与兴趣偏好，为学生“私人订制”成长方案，真正实现教学过程中的“因需而供”。

“以‘西电智评’为代表的AI技术应用，有效推动了学生评价从‘考核鉴定’向‘成长助力’转变，促使学生培养从‘知识图谱’向‘能力图谱’转型，实现评价范式从‘关于学生’到‘为了学生’的变革。”林波说。

完善协同发展机制

“高等教育的核心目标在于培养能融入社会生产、为社会创造价值的新一代大学生，这一特性决定了它必须主动对接前沿科技、紧跟社会发展趋势。”王耀君表示，从早期的粉笔板书，到后来的幻灯片、3D投影，再到如今的AI技术应用，高等教育始终紧跟科技发展步伐。当前各类“AI+教育”案例与典型场景的涌现，正是这一趋势的具体体现。

在新技术浪潮的冲击下，传统学科的知识体系与实践内容都发生了显著变化。王耀君认为，面对这一变化，高校应积极采用数字化、智能化的方式呈现教学内容，达成实践与课堂的双重升级，同时也使学生所学知识更贴合产业的实际需求。

尽管AI在高等教育领域的应用成果显著，但不可否认的是，当前AI技术与高等教育的融合仍面临许多挑战，教育工作者的理念转变就是亟待解决的问题之一。

王耀君表示，部分教师已形成固定的教学模式，面对AI技术可能会产生抵触情绪；部分年轻教师虽愿意尝试AI技术，但仍需系统学习AI知识、将教学需求与AI技术精准对接。

他提出，面向未来，应当做好案例科普工作，通过打造具体的应用案例，让教师直观看到AI的应用成果，转变他们的思想观念。同时，要加强对青年教师的培训，帮助他们快速掌握AI工具的使用方法，让更多教师具备将AI与教学结合的能力。

林波认为，技术的限制和协同机制的不健全，同样是“AI+高等教育”融合发展面临的重要难题。

“比如，AI存在数据隐私与授权风险。当把学生的日常行为数据用于预警和分析时，一旦涉及隐私与合规问题，目前的授权与保护机制仍待完善。再比如，由于AI的‘幻觉’特性，它可能产生错误的逻辑、虚构的事实甚至违反伦理道德的内容。”林波表示，此外，跨部门协同机制不足也是当前影响“AI+高等教育”融合发展的因素之一。教育信息化、教育数字化建设的推进，需要全校上下形成共识，以配套的制度和流程来保障。如果组织管理上各自为战，就不利于实现体系化的深度融合。

林波提出，应当从三方面入手，促进AI技术与高等教育融合。首先，应不断完善数据治理与隐私保护机制。制定数据采集和使用规范，规范学生数据的采集范围、采集方法；实施数据安全管理和数据风险防范，规范数据分类分级管控，明确数据使用流程并开展监督。其次，要科学建立人机协同的价值观过滤机制。例如，在运用AI智能体、智能评价系统、各类教育教学平台时，应设置“价值观校验”环节，各类数据需经过意识形态安全筛查，为人工智能划定不可触碰的底线。最后，应加强制度建设与队伍建设。制定配套政策，自上而下推动教育数字化战略落地，形成“制度管人，流程管事”的信息化工作模式，将“AI+”从管理工具转变为全方位育人生态。

来源：科技日报