人工智能赋能职业教育教学新生态的探索与实践

关注“在线学习”

获取更多资讯！

本文基于政策导向与实践案例，重点分析了数据支撑、科技赋能、标准引领三维驱动机制，探讨人工智能赋能职业教育教学新生态的构建路径。

文/史强 孙鑫飞

2025年1月，教育部、财政部决定实施中国特色高水平高职学校和专业建设计划（2025—2029年）（以下简称“新双高政策”），在主要目标中明确提出“集中力量建设60所左右高水平高职学校和160个左右高水平专业群”。然而，由于“五业联动”(产业、行业、企业、职业、专业)机制缺失，当前职业教育仍面临与产业需求衔接不畅的突出问题，具体表现为教学与产业脱节、人才培养滞后及人工智能应用乱象三大挑战。

在专业设置方面，专业更新周期长，与产业技术迭代不同步，而新双高政策要求建立动态调整机制，对接区域发展需要。在课程内容方面，课程重理论轻实践，与典型工作任务脱节，而新双高政策要求推进课程内容与岗位能力匹配。在教学方式方面，现在以传统讲授为主，数字化手段应用浅层，而新双高政策要求推进教学模式的数字化、智能化转型。在评价机制方面，当前重视知识考核，轻视能力评估，而新双高政策要求构建综合能力评价体系。

数据支撑：驱动人才培养的动态调整机制

在新双高政策指引下，数据已成为职业教育精准对接产业需求的核心要素。通过系统化采集、分析和应用产业需求数据与教学过程数据，职业院校可以构建数据驱动的人才培养动态调整机制。

一是数据驱动的专业调整机制。为破解专业设置与产业需求之间的结构性矛盾，职业院校需要建立动态专业调整机制。实践中，这一机制的实施可分为三个层次。

宏观层面：监测区域产业结构变化与新兴职业分布，为专业群布局提供战略导向。山东理工职业学院利用AI实时分析产业岗位需求变化和技能缺口，建立了敏捷的课程标准动态调整机制。这种机制使学校能够快速响应区域经济产业发展需求，及时优化专业结构。

中观层面：分析产业链上中下游的技术技能需求变化，为专业内涵建设提供依据。广东科学技术职业学院借助知行大模型，与多家企业深入调研分析多行业技术技能岗位的能力要求，细化学校各专业学生的知识能力图谱。通过系统梳理岗位能力要求，为课程体系优化提供了科学依据。

微观层面：跟踪具体岗位的能力要求演变，为课程内容更新提供输入。青岛职业技术学院联合企业共同开发大模型，内置课程知识库，支持实时同步补充课程知识，使课程内容与行业技术发展保持同步。

二是人才岗位匹配平台的建设与实践。基于海量数据训练的人才岗位匹配平台已成为连接产业需求与教育供给的关键基础设施。平台建设的核心价值在于三个方面。

透明化培养过程：让企业能看到育人培养全过程，落实校企双主体育人。广州职业技术大学通过珠宝首饰与管理AI知识库，为学生提供个性化学习支持，使每位学生都如同有了专属导师。这种透明化的培养过程增强了企业与学校的互动合作。

专业化动态调整：突出专业办学特色，为专业动态调整、响应产业变革需求提供数据支撑。山东理工职业学院在新能源光伏工程技术专业群中植入光伏组件智能设计模块，将工业视觉检测、预测性维护等AI应用融入智能制造专业群核心课程，实现了课程内容的动态更新与场景再造。

科学化组群评估：通过整合岗位、教学、招生、就业等多元业务系统数据，实现数据驱动的专业优化，为专业群评估提供科学依据。山东外国语职业技术大学通过整合教学、招生、就业、学工等多元业务系统数据，实现了数据驱动的专业优化，为专业群评估提供了科学依据。

三是数据验证的评价体系。在新双高政策背景下，职业教育评价体系正在经历从“结果评价”向过程性评价与增值评价转变。

过程评价：通过学生学习行为数据、教学交互数据等，实时监测教学过程的成效与问题。顺德职业技术大学评价系统对学生在实训项目中的错误位置和修改建议，都能给出个性化指导，实现了教学过程的实时反馈与调整。

增值评价：追踪学生从入学到毕业的能力成长曲线，评估教育对学生发展的贡献值。青岛职业技术学院与互联网企业合作开发了人工智能素养课程助教和智能课程评价系统，实现了对学生学习过程的全方位跟踪与评估。

综合评价：融合学业数据、产业反馈数据、雇主评价数据等多源信息，形成对人才培养质量的全面判断。武汉职业技术大学在考核评价体系中偏重创新思维能力，不再局限于用传统方式评价问题解决，而是更加注重处理问题过程的思路以及开放型思维的能力。

科技赋能：构建智能教学新生态

人工智能技术正在深刻重塑职业教育的教学形态与方法体系。在新双高政策指引下，构建“师—机—生”协同的智能教学新生态，需要建设可用、可信、可控的专属教育智能体。

一是可信可控的专属智能体构建。面对AI应用乱象与风险，职业院校需要建设具有学校自身特色的个性化人工智能。

可用：人工智能要能链接、学习、控制专业群的各个应用。广州职业技术大学牵头开发的基于AI知识库做底层支撑的“珠宝首饰与管理专业教学资源库”，对接DeepSeek、超星汇雅教学大模型等国产基础大模型，聚合专业教学资源、行业企业数据等语料，成为学生爬坡过坎的“秘密武器”。这种专用智能体能够真正满足职业教育的特定需求。

可信：人工智能学习的材料必须是经过校本审核过的公有和私有AI知识库。广东农工商职业技术学院研发的交互式、多模态、智能化的《绿色食品、农产品加工技术》教材，通过“预设+生成”的设计方式，确保了教学内容的科学性和准确性。这需要构建稳固的伦理安全技术防护体系，包括数据安全、算法透明、系统可靠等技术措施。

可控：专业群的人工智能可以根据政策调整和发展需要随时进行调整。天津商务职业学院广告学院在“城市标本”“节气灵兽”等课程与项目结合的过程中“炼”出自己的小模型，应用于自身教学。这种垂直领域的小模型实现了对特定教育场景的智能化解决能力的精准控制。

二是AI赋能的教学实践场景。科技赋能职业教育的核心在于将人工智能融入专业教学全过程。

AI实训：使用人工智能手段攻克手术技能教学中的高风险与评估难问题。南京大学医学院附属鼓楼医院通过引入AI手术批阅系统，实现了对学员操作的精准量化评估与个性化指导。

智能学伴系统：依托垂直领域大模型，提供个性化学习支持。济南幼儿师范高等专科学校基于0—12岁儿童发展AI知识库构建的平台，精准服务学前教育专业，是“人工智能+高等教育”以质应对生源挑战的典型实践。

能力图谱构建：构建通过系统梳理各专业核心知识模块与岗位必备技能点，为专业建设提供覆盖全链条的能力指引，精准对接区域产业发展，服务于地方经济需求。许昌职业技术学院机电一体化技术专业群图谱的构建与应用，有效衔接了课程教学与岗位需求，是这一模式价值的充分体现。

精准教学干预：形成“AI导学、AI助学、AI助训、AI拓学”的教学程序，实现规模化教育下的个性化教学。湖南汽车工程职业大学构建的“新能源汽车电驱动系统装调与质检”课程通过AI干预让学员掌握全流程管理技能，满足新能源汽车行业需求，成为电驱动系统领域的专业人才。

指向未来：共创职业教育新生态

未来区域协作模式将进一步扩展为东西部职业教育协作网络。共建共享平台的关键技术基础是低代码甚至无代码的工具引擎，使教育机构能够快速响应变化需求。

未来职业教育师资队伍将呈现多元化角色分工：掌握AI辅助教学工具的常规教师，精通AI技术应用的数字教师，以及来自企业的产业导师。未来的职业教育教学新生态将实现职业院校、普通高校、企业、社区、国际教育资源的深度联动，形成未来学习中心。这一生态的核心特征包括多元主体协同、资源高效流动、终身学习支持。

人工智能赋能职业教育教学新生态的构建，是一项系统性的创新工程。它以新双高政策为指引，通过数据支撑实现人才培养与产业需求的精准对接，通过科技赋能创建智能互动的教学环境。

在这一过程中，标准引领发挥着不可或缺的质量保障作用：建立统一的数据治理与接口规范，打破信息孤岛，促进数据有序共享；构建完善的技术应用与伦理规范体系，筑牢数据安全与算法透明防线，培养师生的伦理意识；深化产教融合标准建设，通过共同发展规划、联合人才培养、协同科技攻关和共享资源机制，确保职业教育与产业需求紧密对接。唯有恪守教育本位与伦理准则，在数据、科技与标准三维驱动下，才能培养出更多适应未来产业发展的技术技能型人才，为中国特色现代职业教育体系建设提供坚实支撑。

（史强，超星集团常务副总裁、超星职业教育研究院院长，中国职业技术教育学会教育数字化工作委员会副主任；孙鑫飞，超星职业教育研究院产品总监。）

来源丨《在线学习》杂志 2025年11月刊（总第120期）