對“人工智能+高等教育”三位一體的系統性思考

李運福 楊方琦 王斐 馮東

摘要：高等教育與經濟社會發展是以人才供給為紐帶的一個整體。在以人工智能為核心技術的第四次工業革命的沖擊下，產業智能化轉型升級推動了就業結構新格局的形成，進而對高等教育人才培養改革提出新的挑戰。面對新挑戰，高等學校應發揮在線課程優勢，增強高校開放性，支持大學生人力資本的全面、持續開發；對已有智能就業系統升級，強化數據循環，以需求牽引供給，增強供需匹配精準度；落實參與式監測評估，注重核心利益相關者參與，推動高校人才培養質量自我評估改革，促進高校人才供需匹配度持續改進。

關鍵詞：人工智能；高等教育；人力資本；終身學習

中圖分類號：G434 文獻標識碼：A

本文系陜西省教育廳科研計劃項目“高校在線教育質量保障體系研究”（項目編號：19JK0204）、陜西省社科基金項目“網絡環境對大學生人生信仰的影響效應與機制”（項目編號：2016P015）研究成果。

一、引言

就業是根本性民生工程。高質量就業是建設高質量高等教育體系的重要要求，高校人才培養與經濟社會發展需求精準匹配既是高質量就業的主要特征，也是高質量高等教育體系社會價值的集中體現。以人工智能技術為核心的第四次工業革命，對經濟產業結構調整產生了重大影響，引發了高校人才培養改革的連鎖反應。現階段，國內學者對“人工智能+高等教育”“人工智能+就業”“人工智能+傳統產業”開展了廣泛而深度的研究，并積累的豐富的研究成果。然而，高等教育與經濟社會發展是以人才供給為紐帶的一個整體，已有研究中從人才培養、高質量就業、產業結構變革“三位一體”的系統性研究較為少見。鑒于此，以系統科學理論為指導，充分發揮人工智能優勢，思考產業智能化升級對就業結構的影響及其對高等教育人才培養帶來的新挑戰，對提升高等教育對經濟社會發展的引導和服務能力就顯得更為必要和緊迫。

二、文獻梳理與分析

人才培養是高等教育的基本任務，其培養質量是評估高等教育服務和引領經濟社會發展能力的關鍵指標。面對以人工智能為核心的新興技術推動的數字經濟的深度變革與快速發展對高等教育人才培養提出的各種挑戰，如何推動高等教育人才培養改革，引起了國內學者的普遍關注和深度思考。

（一）基礎層面：以人才培養觀、人才培養改革路徑研究為主要內容

人才培養觀直接決定了高等教育改革和發展方向，對高等教育人才培養改革路徑的制定起著重要的理論指導作用。余小波認為人工智能時代的高等教育亟需樹立一種更積極的人才培養觀，即重視學生獨立思考與主動學習能力、想象力和批判性思維的培養，在夯實專業教育的基礎上要強化通識教育，拓展學生成長空間[1]。岳瑞鳳構建了“智能+”時代，以數據為中心、多元數字在場的數字人交互共生新范式，形成正向循環的三層學習者成長飛輪，使學習者能夠實時永續、按需學習[2]。面對虛擬現實技術、智能化學習技術及混合式教學模式、智慧校園等在高等教育中的應用，李廣平等認為更新人才培養理念、提升教學主體人工智能相關素養、優化資源配置及強化校際協同是人工智能時代人才培養的變革路徑[3]。鄭潔紅等認為新一代人工智能變革大學教育的可能方向包括重構高校新型師生關系、改變大學學習形式、重組教師科研模式、創新現代大學管理[4]。任增元認為，人工智能對高校人才培養規格提出了新要求，在能力結構層面更加強調人工智能技術的掌握，在知識結構層面更加強調學科融合和建立包容的復合知識體系，在素質結構層面更加凸顯了創新能力的核心地位[5]。

（二）投入層面：以教師角色定位與發展、人工智能學院與學科建設研究為主要內容

高素質專業化創新型教師隊伍是建設高質量高等教育體系、提升人才培養質量的首要資源。人工智能與高等教育的深度融合，逐漸塑造了精準化、數字化、智能化的教學情境。面對教學情境的轉變，田宏杰等提出要構建以學科教學能力、技術應用能力和教學學術能力為核心的智能教學能力體系和靈活、多元、開放、智慧的個性化教育生態體系[6]。張曦琳提出智能時代高校教師面臨著職業身份危機、知識身份危機和情感身份危機，并提出了高校教師身份重塑的實踐路徑，即高校教師應成為成熟型的技術使用者、研究型的知識共享者和有溫度的情感互動者[7]。陳鵬等認為，“立人機之德”“立未來之人”“立師生之業”是人工智能時代高校教師的核心價值[8]。張優良等認為，為迎接人機協同推動教育發展的新時代，教師要樹立合作意識，同時強化轉型意識，發揮在學生成長過程中的獨特作用[9]。此外，人工智能的發展推動了高校組織結構和學科專業的調整。近年來，面對經濟社會發展、國家戰略、高校改革等“三重”需求，有條件的高校有效整合校內資源，陸續成立人工智能學院，推動人工智能學科建設和人工智能專業人才培養[10]。由于人工智能學院建設尚處于起步發展階段，存在著學科專業建設薄弱、人才培養模式創新不足、科技創新領域有待開拓、社會服務體系有待健全等主要問題，推動了各高校和學者對人工智能學科建設與發展、人工智能專業人才培養的積極探索與實踐[11]。

（三）過程層面：以學科建設、教學模式、教育評價研究為主要內容

李斑斑等認為，中國高等教育應繼續深入關注人工智能對大學學科建設和發展的影響，推動形成面向人工智能的人才培養與學科發展良性互動機制，引導大學學科組織轉型發展[12]。任志鋒認為，人工智能對破解高校立德樹人難題，實現“三全”育人具有重大的積極意義，并提出了人工智能賦能高校立德樹人的實踐進路[13]。田少煦充分分析了智能媒體環境下數字創意專業群教學面臨的挑戰，并對數字創意專業群的基礎課程改革進行了實踐性探索[14]。郭宏偉提出了基于智能教育的高校在線課程知識圖譜構建路徑[15]。西安交通大學在本科教育改革中充分發揮信息技術優勢，構建了學教學質量實時監測大數據平臺、課堂教學質量評價模型和精準督導機制，推動了人工智能、物聯網等現代信息技術和教育教學管理評價服務的深度融合，提升了高校教學管理服務的精細化、規范化和個性化[16]。秦靜怡等提出了智慧型高等教育評價體系的構建路徑，即基于區塊鏈實現決策導向以過程為主，基于物聯網實現評價主體的多維全方位參與，基于大數據和云計算實現評價指標多元聯動，基于人工智能技術實現評價重心下移學生本位、增值結果動態可視[17]。譚海萍等提出通過動態、系統、全面的數據網絡，將抽象、復雜的素養數據化，從而監測和評估學生核心素養的發展變化情況[18]。此外，如何在學習監控的基礎上利用智能技術進行調節，如何根據學生的個體需求、能力結構和情感傾向等設計個性化的學習路徑是基于人工智能自適應學習正面臨的新問題[19]。

（四）產出層面：以“供需匹配”視角下高校人才培養結構調整研究為主要內容

人工智能引發的社會分工體系重組及勞動形態變革驅動高等教育結構優化[20]。賴德勝等提出為適應工業4.0的到來，高等教育不僅要培養學生科學技能，更要注重人文精神，保證教育公平，促進終身學習和建立新型教育生態[21]。田賢鵬等認為人工智能時代的學科專業人才培養結構優化，需完善學科專業動態調整機制，擴大人才培養的靈活性和自主性；因應經濟產業結構變革趨勢，強化人力資源市場的需求預測；面向人工智能發展的新要求，促進不同類型高校內涵式發展；提供個性化人才培養方案，破解學科專業結構化思維的邊界束縛[22]。

通過上述分析，可以發現如何通過變革人才培養結構，回應人工智能時代經濟產業轉型升級的新需求，是新時代高等教育供給側結構性改革正面臨的重大現實問題。從人工智能對經濟社會發展的作用關系（如下頁圖1所示）來看，人才供給是高等教育領域與經濟社會領域之間信息交換的核心要素。現實中，人工智能技術對經濟社會領域產生影響的深度、廣度均要遠遠高于對高等教育的影響，且高等教育領域應對人工智能技術變革的反映速度和效果彰顯度相對較為滯后。在人工智能時代，人才培養規格應由以往過于注重低階認知能力培養的基礎上，更加凸顯高階認知能力、非認知能力培養的時代價值和必要性、緊迫性。因受傳統思維的影響，高等教育在人才培養中支撐作用的發揮僅局限于學歷教育階段，階段性、閉環性特征較為明顯，高校的開放性及其在學生人力資本持續開發中的作用發揮尚未引起足夠關注。投入和過程層面的相關研究，技術理性相對強于主體性，即對未來高等教育的想象力要強于高等教育的建構力[23]，其根源在于缺乏高等教育與經濟社會發展相互聯系的系統性思維的指導，進而導致人工智能推動高等教育變革的研究中缺少“未來人才”的目標導向。產出層面的相關研究凸顯了人工智能引發的經濟社會發展新需求對高等教育人才培養改革的影響，但對基于人工智能的高等教育改革研究的深度仍有待推進。總之，如何發揮人工智能技術進一步推動高等教育的開放度，切實發揮高等教育在人才供給及人力資本持續開發方面對經濟社會發展的引領作用和持續服務能力是“人工智能+高等教育”中仍需深度研究的現實問題。

三、產業智能化升級催生就業結構新格局

當下，人工智能是推動我國科技跨越發展、產業優化升級、生產力整體躍升的重要驅動力量。2020年，人工智能更是與SG基站、大數據中心、工業互聯網等一起被列入新基建范圍，為智能經濟的發展和產業數字化轉型提供底層支撐。人工智能推動產業智能化、數字化轉型升級的同時，也推動了結業結構新格局的形成。就業結構是勞動力在國民經濟各產業部門、地區和領域的分布、構成及聯系，主要由就業者的年齡、性別、知識技能水平等內在條件與經濟社會發展及其提供的就業機會與就業場所等外在條件有機結合而形成的一種就業形態，包括就業的職業結構、產業結構、區域結構、年齡結構及就業形式等內容。歷次工業革命的發生都是通過變革技術體系、產業結構以及生產方式引發就業結構的調整[24]。

第一，低技能勞動力將逐漸被取代，中高技能人才面臨的被取代風險逐漸增高。技術進步有技能偏向，低技能勞動最先被自動化取代。與前三次工業革命相比，以人工智能技術為核心的第四次工業革命更偏向于是一種“技能型技術變革”，即技術創新更青睞于高技能勞動力而不是低技能勞動力。隨著人工智能領域深度學習研究的不斷深入，智能機器的自主決策和行動能力逐漸增強，進而引發高智能化、高自主化的機器對低技能勞動力的擠出效應逐漸向中高技能勞動力延伸，對各級技能勞動力人力資本的再開發提出了更高的挑戰。此外，各職業被人工智能替代的概率同勞動者教育水平、收入水平之間都存在著明顯的負相關關系。那些對學歷要求較低、收入相對較少的職業遭受到的沖擊將更為嚴重，面臨更高的失業風險[25]，進而引發不充分、不公平就業。

第二，產業智能化轉型程度越高，就業人口占比越高。根據《新一代人工智能白皮書（2020）》（產業智能化升級）報告顯示，我國農業、工業、服務業智能化升級總指數得分分別為29.7、54.8、61.6。也就意味著，在后續發展中第一、第二產業智能化轉型會不斷加劇。隨著“人工智能+農業”的深度推進，農業生產的特點逐漸由勞動密集型向技術密集型轉變，導致勞動就業比重進一步下降。在工業4.0階段，工業機器人、智能化制造等進一步推廣應用，導致傳統制造業就業持續衰減。隨著產業邊界的逐漸模糊，產業融合是產業智能化轉型的最新發展，就催生了新型服務體系的產生和對應勞動力需求的增加。此外，根據《中國統計年鑒》的數據統計，2015至2019年，第一、第二產業就業人口占就業總人口數的比例逐年下降，分別從29.3%下降到27.4%、28.3%下降到25.1%，第三產業就業人口占就業總人口的比例逐年上升，從42.4%上升到47.5%。綜合分析后可以發現，各產業就業人數占比與智能化升級總指數呈正相關，各產業就業人口流動對人力資本再開發提出了新的要求。

第三，與東部地區相比，中西部地區高校畢業生更充分更高質量就業形勢相對更為嚴峻。在產業智能化轉型升級的背景下，遭受就業沖擊的人口比例和區域經濟發展狀況、產業結構有著十分明顯的關系。在經濟發展水平較低、產業結構相對落后的地區，就業結構中更容易被人工智能替代的崗位占比更高，而在經濟發展水平較高，產業結構相對優化的地區，就業結構中更容易被人工智能替代的崗位占比相對較低[26]。趙璐的研究發現，2003—2016年我國第一產業空間離散化發展，空間聚集度減小，第二產業正在加快由沿海向內陸地區空間集中化聚集發展，空間聚集度增大且高于第三產業；第三產業正加快在沿海地區空間集中化聚集發展，空間聚集度不斷增大[27]。也就意味著，隨著我國產業結構區域布局的調整，與東部地區相比，中西部地區受到就業沖擊的人口比例會更高，高校畢業生更充分、更高質量就業面臨的形勢更為嚴峻。

第四，人工智能替代效應難以全面形成，勞動力需求增大。求人倍率是勞動力需求與勞動力供給的比值，是監測勞動力供給情況的重要指標，該值小于1則表明勞動力供給過剩，反之則表明勞動力供給不足。在中國經濟發展新常態背景下，求人倍率逐漸增高，勞動力市場供給不足與結構性供給矛盾并存，使人工智能的就業替代效應難以產生擠出作用，也無法形成全面的就業替代效應。此外，在國家戰略的驅動下，中國逐漸成為吸納人工智能投融資最多的國家。根據《2020—2025年中國人工智能行業市場前瞻與投資戰略規劃分析報告》，2014—2017年，中國人工智能市場總規模年均增長率超過40%，預計2023年中國人工智能產業規模將增長至380億元。隨著產業智能化升級，人工智能技術催生的新就業崗位數量將呈現井噴式增長。再加之新興產業規模的擴大，引發了勞動力需求的迅速膨脹，人工智能創造的崗位數量將持續增長[28]。

第五，非正規就業逐漸成為就業的主流形式。非正規就業指的是不具有正式雇傭關系或者沒有進入政府監管體系的就業類型[29]。人工智能技術的應用催生了勞動形態的多元化發展，并且多以非正規就業的形式呈現，且具有極強的社會慣性，如零工經濟以及平臺經濟下的靈活就業、基于互聯網的新型創業等。這些新型用工形態不僅體現了智能技術推動下的用工靈活性要求，還進一步造成了傳統用工關系的解體，再次增加非正規就業規模。

四、就業結構調整對高校人才培養提出新要求

產業結構智能化升級催生的就業結構調整，對高校人才培養提出了新的挑戰，主要體現在以下幾方面。

（一）完善終身教育體系，提升教育公平

高技能人才是促進產業智能化轉型升級、推動高質量發展的重要支撐。習近平總書記指出，“工業強國都是技師技工的大國，我們要有很強的技術工人隊伍”。產業結構智能化轉型升級加大了低技能勞動群體的失業風險，加劇了結構性失業的發生。如何持續提升現有技能型勞動力職業勝任力，尤其是低技能勞動群體，是構建終身教育體系所面臨的新的挑戰。歐洲歷來重視技能型人才培養。面對歐盟勞動力技能短缺，歐盟2016年正式提出“歐洲新技能議程，為歐盟成員國勞動力技能的提升提供了參考框架。面對綠色經濟、智能化社會對工作環境的變革以及人口結構的變化，歐盟于2020年“歐洲新技能議程”進行了調整和更新，旨在支持歐盟公民在社會轉型中及時掌握適切的技能。與2016版相比，2020版“歐洲新技能議程”更加凸顯了治理理念、終身教育理念以及教育公平理念，在內容上擴大了技能目標范圍、目標更具體化以及促進終身學習的工具更加豐富[30]。與歐盟相比，我國對人工智能時代勞動力技能的提升缺乏宏觀指導，基于學分銀行建設的終身教育體系有待進一步完善，低技能勞動群體技能提升尚未引起足夠重視，以及大數據、人工智能技術對創新型高技能人才發展的支撐作用尚未充分發揮。

（二）注重學生高階認知能力和非認知能力培育

數字經濟社會發展引發了高校人才培養規格的轉變。通過對相關文獻、新聞報道等進行梳理、分析，人工智能時代學生應具備的主要能力構成的代表性觀點如表1所示。

廣義上的能力應包括認知能力和非認知能力兩部分，兩者共同構成青少年進入勞動力市場的核心勝任力[40]。現階段，國內學者在微觀層面對人工智能時代學生能力構成的觀點存在一定差異，但是一致認為，高階認知技能和非認知能力是當下高等教育人才培養的重要導向。高階認知能力主要包括分析能力、評價能力和創造能力，如數據素養、技術素養、深度分析技能、自主學習技能等，核心在于學生高階思維能力的培育，如批判性思維、系統性思維、創新型思維、計算思維等。面對以教育為核心的傳統人力資本理論的不足，美國經濟學家郝克曼（James Heckman）在借鑒最新經驗研究成果的基礎上，提出了以能力為核心的新人力資本理論，將能力分為認知能力、非認知能力兩類[41]，非認知能力資本的經濟價值引起了國外學者的普遍關注，是人工智能時代學生核心素養的重要指向。但是，受傳統人力資本理論及勞動力市場信號理論的影響，國內學者在大學生就業質量影響因素研究中，將人力資本片面的理解為認知能力資本，嚴重制約了人力資本理論的解釋力。近年來，人格特征心理學的發展推動了勞動經濟學領域非認知能力經濟價值研究，以自尊、控制點、大五人格等為主要代表，國內學者則更多注重學生人文素養或精神的培育。

（三）以產業結構變遷為導向動態調整學科區域布局

研究生教育與國家創新驅動發展戰略密切相關。碩士生教育對國家創新能力的提升作用可在較短時間周期內即表現出來，尤其是專業碩士生教育形成的人力資本可以快速高效投入到特定行業中，并通過技術創新、產業創新等子系統對國家創新能力產生影響。相對而言，博士生教育是高等教育中最為強調創新能力的層次，形成的人力資本也是最具有創新能力的，但其對國家創新能力的顯著積極影響可能需要較長的時間周期才能表現出來[42]。因此，面對我國產業結構布局的變遷，如何在適度擴大碩士研究生（尤其是專業碩士）教育規模的同時，穩步擴大研究生規模、學歷結構的區域協調是研究生教育改革面臨的重大挑戰。

目前，我國共有16914個研究生學位授權點。其中，博士學術學位授權點3802個，占總數的22.48%；博士專業學位授權點278個，占總數的1.64%；博士學術學位授權點是博士專業學位授權點的13.68倍；碩士學術學位授權點6838個，占總數的40.43%；碩士專業學位授權點5996個，占總數的35.45%%；碩士學術學位授權點是碩士專業學位授權點的1.14倍；博士學術學位授權點與碩士學術學位授權點的比值為1：1.8；博士專業學位授權點與碩士專業學位授權點的比值為1：21.5。此外，從區域布局來看，東部地區各級各類學位點及授權單位的數量幾乎是中部、西部之和，占據全國總量的50%左右，學位授權點布局存在嚴重的區域結構失衡。

此外，各級各類學位授權點數量比值在不同區域間也存在較大差異，中西部地區學術型與專業型學位授權點比值偏高，專業型研究生布局有待進一步加強。首先，全國碩士學術學位與碩士專業學位授權點規模的比值為1.14；從區域層面來看，東部最低，為1.09，其次依次是中部、西部和東北地區，分別是1.13、1.18、1.28。其次，全國博士學術學位與博士專業學位授權點規模的比值為13.68；從區域層面來看，東北最低，為11.88，其次依次是西部、東部和中部，分別是13.44、13.76、14.96。再次，全國研究生學術學位與研究生專業學位授權點規模的比值為1.70；從區域層面來看，東北最高，為1.76，東部、西部、中部分別為1.74、1.65、1.61。第四，全國碩士學術學位與博士學術學位授權點規模比值為1.80。從區域層面來看，東部最低，為1.46，中部、西部、東北地區分別為2.10、2.21、2.22。最后，全國碩士專業學位與博士專業學位授權點規模比值為21.57；從區域層面來看，東部最低，為18.48，東北、西部、中部分別為20.66、25.07、27.74。

（四）持續提高高等教育承載能力

人口平均受教育年限與個人勞動生產率、工資提高以及國家經濟增長之間存在聯系，是反映人力資源質量的代表性指標。人均受教育水平的提高一定程度上會減弱人口年齡結構老化對經濟增長的負面影響[43]。截止目前，我國勞動年齡人口平均受教育年限為10.7年，50.9%的新增勞動力接受過高等教育、平均受教育年限為13.7年[44]。隨著中國人口生育率斷崖式下跌、人口老齡化加速，提升勞動力受教育年限是提升人力資源質量，適應和推動數字經濟變革發展的急迫任務。

據教育事業統計，2020年全國高等教育毛入學率54.4%。《國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》明確提出“推進高等教育分類管理和高等學校綜合改革，構建更加多元的高等教育體系，高等教育毛入學率提高到60%”。在以提高質量、優化結構為核心的高等教育內涵式發展新階段，通過學校擴建，達到擴大招生規模的“外延式”發展道路已難以適應新時代高等教育內涵式發展新要求。在研究生教育層次，研究生專業學位授權單位數量不足，專業研究生規模擴張壓力較大。2009—2019年，我國碩士研究生報名規模、招生規模逐年增大，但錄取比例卻呈現總體下降的趨勢，供給與需求結構失衡。這在一定程度上意味著碩士研究生錄取規模的增長幅度小于碩士研究生報告規模的增長幅度，研究生培養能力與研究生教育需求之間結構失衡問題越來越嚴重。如何在內涵式發展新階段，通過提高高等教育毛入學率、擴大研究生招生規模，提升勞動力受教育年限是數字經濟對高等教育招生模式帶來的新挑戰。

（五）為大學生非正規就業創造良好支撐環境

經濟新常態下，非正規就業比例逐漸上升是一種必然趨勢，以靈活就業為主要表現方式。目前，我國靈活就業的人數高達3.4億人，約占城鎮就業人數的60%左右[45]，逐漸成為穩就業的一種重要途徑，尤其是滿足了基于互聯網的新經濟產業對勞動力的需求。《國務院辦公廳關于支持多渠道靈活就業的意見》（國辦發[2020]27號）的發布為靈活就業的健康發展提供了根本性政策保障。然而，現階段，靈活就業人員除面臨社會保障不足、社會認可度低等現實問題外，現有職業技能培訓體系難以支撐靈活就業的發展。現階段，企業單位考慮到靈活就業人員流動性較強，對其人力資本進行投資開發的意愿明顯不強。然而，現行的高等教育人才培養體系主要聚焦于傳統行業的技能培養，培養內容、培養方式與基于互聯網的靈活就業崗位勝任需求不匹配，難以支撐靈活就業的發展。自主創業是靈活就業主要形式。但是，現階段高校創業教育的覆蓋面還不夠廣泛，大學生接受各類創業教育的次數還不夠多，創業教育普及率偏低，大學生創業意向、創業自我效能感普遍偏低[46]。總之，現有高等教育難以支撐大學生非正規就業的發展，高校人才培養與新經濟形態下大學生就業發展存在脫節。

（六）健全面向學生發展的高校教師發展質量監測體系

教師是教育改革和發展的第一資源，高質量教師隊伍是建設高質量高等教育體系的基礎和前提，是解決產業智能化轉型升級對高校人才培養提出新要求的首要任務。然而，高校教師發展卻陷于“被動的發展”“強制的發展”“跟從的發展”境地，高校教師發展主體性缺失。“十三五”期間，各省（自治區、直轄市）高度重視高校教師隊伍建設和發展工作，多措并舉加強高校教師發展，但高校教師發展質量評估卻相對滯后。近年來，高校教師發展相關評估指標體系的構建引起了越來越多學者的關注，相關成果推動了高校教師發展質量評價。如陸國棟等提出了包括教師團隊、教改項目、教材項目、教學論文、教學成果獎、教師培訓基地以及教師教學競賽的“6+1”普通本科院校教師教學發展指數[47]。從年度報告層面來看，全國普通高校本科教育教學質量年度報告中主要聚焦于師德師風建設、教師隊伍結構、教學發展機構建設、教師培訓情況、教授為本科生授課情況、學生評教情況等層面，對高校教師隊伍建設和發展狀況進行描述。各類智庫及研究團隊發布的教師發展報告主要聚焦中小學教師，對高校教師的關注較為缺失。這就表明，高校教師發展質量評估越來越受到國內學者的關注，但國內相關評價指標體系更多的是基于教師本體職能的視角，缺少對學生反應的關注和對教師“貢獻”的評價，不利于從引導教師“教書育人”的視角促進教師高質量發展。

與國內相比，國外在開展教師發展評估具體實踐中表現出的兩個典型特征是借助信息技術和關注學生反應。Weng，SS提出了基于數據挖掘的高校教師可持續發展教育勝任力提升策略研究[48]。Moe，Zun Hlaing認為學生反饋是教師評價的有效工具，采用基于大數據技的情感分析技術從教學技能、管理技能和交流技能三個層面對教師的能力進行了精準評價[49]。Lynch將教師發展、教師對學生評價的情緒反應、學生對教師教學評價間的作用關系進行了綜合研究[50]。通過比較可以發現，健全關注學生發展的高校教師發展質量監測體系是新時代高校教師發展的重要任務，也是鞏固人才培養中心地位的重要途徑。

五、人工智能為高等教育變革提供新舉措

以人工智能為核心技術的第四次工業革命，推動了產業結構的轉型升級，對高等教育人才培養提出新要求的同時，也為高等教育改革提供了新舉措。本研究以系統理論為基礎，以高校人才供給與經濟社會發展需求精準匹配為導向，發揮人工智能優勢，促進人才供給與需求數據有效循環，構建了高等教育與經濟社會發展“供需匹配”雙邊變革模型，如圖2所示。該模型的特征及功能主要表現在以下三個方面。

（一）發揮在線課程優勢，增強高校開放性，支持大學生人力資本的持續開發

根據盧卡斯模型，人力資本積累或增值是經濟得以持續增長的決定性因素和產業發展的真正源泉，與人力資本存量呈正比，且人力資本增值越快，經濟產出越快；人力資本增值越大，經濟產出越大。人力資本增值就是通過對人力資本的積累、投資和擴充，促使人力資本的價值得以提升的過程。現階段，高等教育重在對大學生人力資本基本存量的儲備，即首崗勝任力的培養，且過于側重認知能力資本開發，對大學生畢業后人力資本增值的關注、投入相對不足。在“互聯網+”時代，終身學習體系已從原來的學歷教育具有絕對的優勢，轉變成正規教育、非正規教育、非正式教育都均衡有序生長的多種群生態體系[51]，常規學歷教育已不再適應人工智能時代勞動力資本持續開發的要求。“高等教育需要新的模式、新的定位，不再是只以培養本科生和研究生為兩大教育目標。大學教育應該擴寬其教育面，成為終身學習的引擎”[52]。面對產業結構調整引發就業結構變化給高校人才培養帶來的挑戰，高校應主動發揮學科優勢，加強與用人單位合作，深入地與雇主、學習者商討具體的學習目標、學習方法以及學習內容，開發系列模塊化微專業在線開放課程，彌補大學畢業生人力資本基本存量與用人單位崗位需求匹配度不足的短板，促進人力資本積累，同時促進低技能勞動力技能素養提升。此外，發揮人工智能技術優勢，強化在線學位課程質量監控，進一步加大在線學位課程建設規模，最大限度緩解勞動力學歷提升需求與高校現有承載力之間的矛盾。與東部地區相比，中西部地區應加大碩士研究生專業學位在線課程建設，以適應第二、三產業向中西部布局和發展對人力資本的需求。

（二）升級已有智能就業平臺，強化數據循環，以需求牽引供給，增強供需匹配精準度

現階段，各高校充分發揮大數據、人工智能優勢，紛紛建立的大學生智能就業指導系統，但系統的主要功能是動態收集用人單位崗位需求信息、幫助大學生開展職業興趣測評等，在產出環節促進人崗匹配[53]，對人才培養過程變革的支撐力度仍然不足。其主要原因有以下三點：一是尚未對動態收集的用人單位崗位勝任要求的信息進行深度分析，形成各行業大學畢業生首崗勝任力框架；二是缺乏對不同“工齡”畢業生發展性反饋信息的收集，進而導致大學生發展潛在資本的培養缺乏有力支撐，人才培養方案滯后性明顯；三是主要聚焦對傳統正規就業信息的采集和宣傳，非正規就業崗位需求信息尚未引起足夠重視。鑒于此，各高校應在已有智能就業系統的基礎上，發揮區塊鏈的技術優勢，強化對用人單位多類核心利益相關者發展性反饋信息、關注非正規就業崗位人才需求信息的收集和深度分析，形成大學畢業生能力資本框架，以此為牽引推動校內學科專業布局調整、學科交叉與融合、教師發展方案研制、課程體系改革和人才培養模式改革，實現高校人才供給與經濟社會發展需求的精準匹配。

（三）落實參與式監測評估，推動高校自我評估改革，促進供需匹配度持續改進

監測與評估的有效銜接是監測評估區別于其他評估方式的顯著特征，注重項目推進過程中不同階段的進展狀況，實現了過程監測與結果評估的相統一。近年來，大數據、人工智能、數據挖掘等先進信息技術在高等教育領域的普遍應用以及各級各類監測系統或數據平臺的建設和完善為高等教育過程性數據的動態、精準收集與深度分析提供了前所未有的支撐，高等教育領域引入和應用監測評估的基礎性支撐環境逐漸形成。將監測評估引入高等教育領域是教育評估理論革新發展、評估范式轉變的體現，更是推進高校教育治理能力和治理體系現代化的客觀要求。與監測評估相比，參與式監測評估是一種強調以吸納利益相關者參與為核心，以行動為導向，反省式的、尋求能力建設的監測評估方法。根據Arnstein提出的“公眾參與階梯理論”，參與的類型分為非參與、象征性參與和真正參與三個檔次，其中非參與的表現形式主要為“操縱”和“控制”，象征性參與的表現形式主要為“告知”“咨詢”與“安撫”，真正參與的表現形式主要為“合作”“授權”與“公民控制”[54]。因此，從參與類型的角度來看，與現有的高校自我評估相比，核心利益相關者，尤其是企事業單位、高校教師和學生由非參與、象征性參與轉變為真正參與，推動高校自我評估由行政主導型向聯合主導型轉變。從參與內容來看，主要包括各利益相關者協同商定監測評估內容與指標體系、參與收集與分析監測評估過程數據、集體反思監測評估結果與研制整改方案、共同推進監測評估項目的持續改進等。這樣既能增強各利益相關者的組織歸屬感和主人翁意識，同時也能夠下沉責任主體，充分發揮教學組織在高校自我評估中的作用，強化各利益相關者的責任意識，激發各利益相關者積極主動參與學校自我評估，推動高校質量文化的塑造，實現高校師生由行政約束的被動式參與自我評估轉變為文化自覺的主動參與評估，進一步促進高校人才供給與經濟社會發展需求匹配度的持續改進。

六、結語

人工智能是第四次工業革命的核心技術，與大數據、區塊鏈、物聯網等技術深度融合，是各種賦能技術的集合體，對經濟社會發展、人們的生活與學習方式產生了革命性影響。本研究在分析了產業智能化升級對就業結構的影響、就業結構調整對高校人才培養帶來的挑戰的基礎上，系統科學理論為指導，注重發揮人工智能優勢，對促進大學生人力資本全面、持續開發及高校人才供需匹配提出了對策，以期對推動人工智能時代高等教育人才培養改革具有一定的啟示和借鑒意義。然而，高等教育改革是一項復雜而系統的工程，與已有研究相比，本研究在核心觀點上的明顯特點集中體現在以下幾方面：注重發揮在線（學位）課程的優勢，擴大高等教育的開放性，在注重高校對大學生人力資本基本存量開發的同時，更加強調其對大學生人力資本增值的投入，這是新時代構建高等教育新格局的必然要求；突出強調對已有智能就業平臺的升級，注重對用人單位管理者、不同工齡的畢業生等多主體發展性反饋信息的收集和深度分析，以行業為主線，構建各行業大學生人力資本框架，進而實現以需求牽引供給側的全面改革，也是當下以成果導向或能力導向的改革理念的集中體現；在已有“五位一體”評估制度的基礎上，引入了參與式監測評估的理念，推動現階段高校自我評估的改革，保障高校人才供給與需求匹配精準度的持續改進。

參考文獻：

[1][37] 余小波，張歡歡.人工智能時代的高等教育人才培養觀探析[J].大學教育科學，2019，（1）：75-81.

[2] 岳瑞鳳.“智能+”時代高等教育新范式探究[J].高校教育管理，2021，（1）：87-96.

[3] 李廣平，陳武元.人工智能背景下我國高校人才培養變革的有效思路[J].中國高等教育，2020，（11）：54-56.

[4] 鄭潔紅，彭建升.新一代人工智能變革大學教育的方向與限度[J].中國高校科技，2018，（12）：45-47.

[5][38] 任增元，劉軍男.人工智能時代高校人才培養變革的思考[J].大學教育科學，2019，（4）：114-121.

[6] 田宏杰，龔奧.智能教育時代高校教師教學能力體系研究[J].蘇州大學學報（教育科學版），2020，8（4）：73-82.

[7] 張曦琳.智能時代高校教師的身份危機及其重塑[J].現代教育技術，2020，30（11）：5-11.

[8] 陳鵬.共教、共學、共創：人工智能時代高校教師角色的嬗變與堅守[J].高教探索，2020，（6）：112-119.

[9] 張優良，尚俊杰.人工智能時代的教師角色再造[J].清華大學教育研究，2019，40（4）：39-45.

[10] 方兵，胡仁東.我國高校人工智能學院建設：動因、價值及哲學審思[J].中國遠程教育，2020，（4）：19-25.

[11] 方兵，胡仁東.我國高校人工智能學院：現狀、問題及發展方向[J].現代遠距離教育，2019，（3）：90-96.

[12] 李斑斑，劉進.人工智能如何促進學科變革[J].中國高校科技，2019，（9）：90-93.

[13] 任志鋒.以人工智能賦能高等學校立德樹人[J].社會科學戰線，2020，（4）：274-280.

[14] 田少煦.智能媒體環境下數字創意專業群教學面臨的挑戰[J].傳媒，2021，（5）：12-15.

[15] 郭宏偉.基于智能教育的高校在線課程知識圖譜構建研究——以中國醫學史為例[J].中國電化教育，2021，（2）：123-130.

[16] 鄭慶華.人工智能促進智慧教育，提升人才培養質量[J].高等工程教育研究，2019，（4）：128-132.

[17] 秦靜怡，李華.智慧型高等教育評價體系創新研究[J].中國高校科技，2019，（S1）：30-32.

[18] 譚海萍，李子建等.大數據時代高等教育學生學習與核心素養：展望與挑戰[J].江西師范大學學報（哲學社會科學版），2019，（4）：15-20.[19] 劉德建.人工智能賦能高校人才培養變革的研究綜述[J].電化教育研究，2019，（11）：106-113.

[20][31] 趙淵.人工智能時代的高等教育抉擇：方向、策略與路徑[J].社會科學戰線，2019，（10）：234-241.

[21][39] 賴德勝，黃金玲.第四次工業革命與教育變革——基于勞動分工的視角[J].國外社會科學，2020，（6）：117-126.

[22] 田賢鵬，田良臣.人工智能時代的高校學科專業人才培養結構變革——基于市場供需結構視角[J].湖南師范大學教育科學學報，2020，（4）：63-70.

[23] 鮑俊逸.未來的高等教育與高等教育的未來——基于技術理性與主體性的雙重視角[J].江蘇高教，2021，（2）：20-27.

[24] 杜傳忠，許冰.第四次工業革命對就業結構的影響及中國的對策[J].社會科學戰線，2018，（2）：68-74.[25][26] 陳永偉，許多.人工智能的就業影響[J].比較，2018，（2）：135-160.[27] 趙璐.中國產業空間格局演化與空間轉型發展態勢[J].地理科學，2021，（3）：387-396.

[28] 高春明，于瀟等.人工智能對中國未來勞動力就業的影響——基于勞動力供給視角的分析[J].社會科學戰線，2020，（10）：249-254.

[29] Maloney，W.F.Dose Informality Imply Segmentation in Urban Labor Markets Evidence from Sectoral Transition in Mexico [J].World Bank Economic Review，1999，（1）：275-302.

[30] 趙成杰，鄭旭東等.智能時代歐洲技能型人才的培養與啟示[J].中國職業技術教育，2021，（9）：47-52.

[32][52] [美]約瑟夫·E.奧恩.李海燕，王秦輝譯.教育的未來：人工智能時代的教育變革[M].北京：機械工業出版社，2021.

[33] 環球網.麻省理工學院：新工程人才應具備12種思維和能力[EB/OL]. https：//baijiahao.baidu.com/s id=1659673674038580517&wfr=spider&for= pc，2020-02-27.

[34] 馬曄風，陳煜波等.人工智能時代人才培養的著力點及政策建議[J].信息化建設，2020，（1）：50-51.

[35][36] 教育部.人工智能時代需培養學生怎樣能力[EB/OL].http：// www.moe.gov.cn/jyb_xwfb/moe_2082/zl_2018n/2018_zl36/201805/ t20180518_336435.html，2018-05-18.

[40] 中國教育新聞網.非認知能力激發成長正能量[EB/OL].https：// baijiahao.baidu.com/s id=1671065149040733293&wfr=spider&for= pc，2020-07-02.

[41] 李曉曼，于佳欣等.生命周期視角下新人力資本理論的最新進展：測量、形成及作用[J].勞動經濟研究，2019，（6）：110-131.

[42] 李鋒亮，王瑜琪.研究生教育規模對國家創新能力的影響——與本專科教育規模的比較分析[J].中國高教研究，2021，（3）：75-81.

[43] 崔吉芳.2020—2035年我國人力資源總量增長潛力及各級教育的貢獻——基于教育人口預測模型的實證分析[J].教育研究，2019，（8）：127-138.

[44] 未眼觀察.教育部：新增勞動力平均受教育年限達到13.7年[EB/OL]. https：//baijiahao.baidu.com/s id=1684875873510784765&wfr=spider&for=pc，2020-12-01.

[45] 招商銀行APP.新經濟催生靈活就業，從業者超3億，社保如何完善 [EB/OL].https：//baijiahao.baidu.com/s id=1697093773882667426&wfr=spider&for=pc，2021-04-15.

[46] 潘炳超，陸根書.高校創業教育與大學生創業意向和創業自我效能的關系研究[J].復旦教育論壇，2020，（5）：47-54.

[47] 陸國棟，王小梅等.我國普通本科院校教師教學發展指數：設計、實踐與啟示[J].中國高教研究，2019，（7）：6-11.

[48] Weng S S，Liu Y，et al.A Novel Improvement Strategy of Competency for Education for Sustainable Development （ESD） of University Teachers Based on Data Mining [J].Sustainability，2020，12（21）：1-15.

[49] Thi Thi Zin，Jerry Chun-Wei Lin.Big Data Analysis and Deep Learning Application [A].Moe Z H，San T，.Evaluation for Teachers Ability and Forecasting Students Career Based on Big Data [C]. Berlin：Springer，2019.20-27.

[50] Lynch M W.Teachers experiences of student feedback： A view from a department of social work in Sweden [J].Aotearoa New Zealand Social Work，2019，31（2）：57.

[51] 沈欣憶，史楓等.“互聯網+”時代基于生態觀的終身學習體系變革[J].中國電化教育，2021，（7）：30-35.

[53] 劉洪超，滕鑫鑫等.基于大數據的高校智能就業平臺建設與應用[J].現代教育技術，2020，30（2）：111-117.

[54] 王曉軍，孫拖煥.參與式監測評估理論與實踐[M].北京：中國林業出版社，2007.

作者簡介：

李運福：助理研究員，博士，研究方向為教育信息化理論與實踐、教師信息化領導力發展。

楊方琦：副教授，博士，研究方向為教育信息化理論與實踐。

王斐：工程師，碩士，研究方向為網絡與遠程教育。

馮東：教授，博士，研究方向為高等教育管理、教育政策與教育法學。

Systematic Thinking on the Trinity of “Artificial Intelligence + Higher Education”

Li Yunfu1， Yang Fangqi2， Wang Fei3， Feng Dong4（1.West China Higher Education Evaluation Center， Xian Jiaotong University， Xian 710049， Shaanxi； 2.School of Education， Weinan Normal University， Weinan 714099， Shaanxi； 3.College of Continuing Education， Northwest

University， Xian 710127， Shaanxi； 4.School of Education， Xian International Studies University， Xian 710128， Shaanxi）

Abstract： Higher education and economic and social development are linked by talent supply. Under the impact of the fourth industrial revolution with artificial intelligence as the core technology， the transformation and upgrading of industrial intelligence has promoted the formation of a new pattern of employment structure， thus posing new challenges to the reform of talent training in higher education. Facing the new challenges， universities should give full play to the advantages of online courses， enhance the openness of universities， and support the comprehensive and sustainable development of students human capital. Upgrade the existing intelligent employment system， strengthen the data cycle， traction supply by demand， and enhance the accuracy of supply and demand matching. Implement participatory monitoring and evaluation， focus on the participation of core stakeholders， promote the reform of self-evaluation of talent training in universities， and promote the continuous improvement of the matching degree between supply and demand of talent in universities.

Keywords： Artificial Intelligence； higher education； human capital； lifelong learning

責任編輯：李雅瑄