AI時代信管專業的機遇與挑戰

摘要：隨著人工智能技術的崛起，信息管理與信息系統學科憑借其與信息技術的深厚基礎，正步入一個亟待變革的新時代。文章通過設計量表問卷調查，廣泛收集了該專業各年級學生的數據。在數據分析階段，嚴格遵循科學方法，首先驗證了問卷的信效度，隨后依據不同維度基于熵權法設置了合理的權重，并運用了多因素方差分析，以全面剖析影響專業發展的關鍵因素。研究發現，AI時代為信息管理與信息系統專業的參與者帶來了前所未有的機遇，也伴隨著諸多挑戰，但學生們普遍展現出積極擁抱變革的態度。他們對專業知識的認知水平顯著提高，對社企所需的人才技能有了更加精準的認知，尤其在學習AI知識方面表現出強烈的渴望。文章結論不僅揭示了AI技術對信息管理與信息系統專業的深遠影響，也為該專業未來的發展方向與教育改革策略提供了有力的數據支持。

關鍵詞：AI；信管專業；量表分析；方差分析

中圖分類號：G642.0" 文獻標志碼：A

0 引言

人工智能（AI）是當代信息技術發展的前沿，對高等教育和學科建設產生了深遠影響。從新文科建設角度看，與人工智能融合是信息管理與信息系統實現數字化轉型發展的一條優質路徑。一方面，信息管理與信息系統專業（以下簡稱“信管專業”）與人工智能課程體系設計有著智能交叉融合的需求。數智時代，人文社科領域的數字資源觀向著“大與智”的方向發展，信息管理與信息系統學科理應在人文社科數據資源治理中承擔相應責任［1］，而信息管理與信息系統學者普遍將人工智能的方法應用于自身前沿研究領域，例如將機器學習、神經網絡等技術應用于智能問答系統、移動圖書館的建立和發展。另一方面，信息管理與信息系統學科具有與信息技術交叉融合的基礎。信息管理與信息系統自誕生之初就具備文理交叉的特質［2］，信息科技的發展為其提供了科學和物質基礎，從紙質信息到數字信息的轉換以及信息智能化表示都與信息技術變革相關。總之，強調與人工智能的融合可以為信息管理與信息系統的發展帶來更多機遇［3］。本文基于高校教育致力于為社會培養高素質人才的核心理念，從學生視角出發，深入探究了信管專業中融合AI技術理論學習的必要性與學生需求。通過系統的調查分析，本文得出關于該專業融合AI技術學習的重要結論，旨在為教育實踐的優化提供參考依據。

2 相關理論介紹

2.1 熵權法

2.1.1 基本原理

信息是系統有序程度的一個度量，熵是系統無序程度的一個度量；根據信息熵的定義，對于某項指標，可以用熵值來判斷某個指標的離散程度，其信息熵值越小，指標的離散程度越大，該指標對綜合評價的影響（即權重）就越大，如果某項指標的值全部相等，則該指標在綜合評價中不起作用。因此，可利用信息熵這個工具，計算出各個指標的權重，為多指標綜合評價提供依據。

2.1.2 實現步驟

（1）數據標準化。

首先將各個變量進行去量綱化處理。假設給定了m個變量：

X1，X2，……，Xm

其中，X1={x11，x12，……，x1n}

為了確保標準化數據為正數，引入隨機誤差項ε=0.0001：

Xi，min=min（Xi1，Xi2，……，Xjm）-ε

Xi，max=max（Xi1，Xi2，……，Xjm）+ε

假設對各指標數據標準化后的值為Y1，Y2，……，Ym，則

（2）求各樣本在各變量下的比值。

設有m個二級指標，且已取得n組數據，在同一指標下，計算出各樣本取值占全部值的比重：

（3）求各樣本的信息熵。

根據信息論中信息熵的定義，一組數據的信息熵為：

（4）求各樣本的權重。

根據信息論中信息熵的定義，一組數據的信息熵為E1，E2，……，Em，計算信息冗余度：

Dj=1-Ej

然后計算指標權值：

（5）計算各樣本的綜合評分。

2.2 方差分析

2.1.1 基本原理

方差分析（ANOVA）又稱“變異數分析”或“F檢驗”，是由羅納德·費雪爵士發明的，用于兩個及兩個以上樣本均數差別的顯著性檢驗。方差分析作為一種常用的統計方法，能夠分析不同因素對數據變異的影響，并確定哪些因素對數據的變異具有顯著影響。

2.1.2 實現步驟

（1）建立檢驗假設。

H0：多個樣本總體均值相等；

H1：多個樣本總體均值不相等或不全等。

（2）計算檢驗統計量F值。

（3）確定P值并作出推斷結果。

3 數據分析

本次研究采用量表分析法，對在校大一到大四信管專業的參與者進行了需求狀況調研。量表均采用李克特五級量表形式，每個題項均按照“非常不同意”至“非常同意”，即 1—5 進行賦分。共發放了400份問卷，實際回收350份，去除無效問卷14份，有效問卷共336份，占比84%。

調查問卷整體由4個維度組成：第一維度是參與者的基本信息調查；第二維度是參與者對AI和信管專業的基本認知；第三維度是參與者認為AI與信管專業融合方式；第四維度是AI對信管專業所帶來的機遇與挑戰。

3.1 量表可靠性

3.1.1 信效度檢驗

數據來源于問卷數據，故需要對問卷進行信效度檢驗，以確保數據的可靠性。信度檢驗針對定量數據進行分析，故僅針對量表題項進行分析，本文采用克隆巴赫系數進行檢驗。問卷包含4個維度，但只有后3個維度為量表題項，分維度進行信度分析結果整理，如表1所示。

從表1可以看出，3個維度的α系數值均高于0.7，最小是基本認知維度的信度系數為0.721，即說明本次數據的信度質量水平較好，研究數據真實可靠。

從表2可知，KMO值為0.916gt;0.6，并且P值小于0.05通過巴特球形檢驗，累積方差解釋率值為74.01%，說明3個維度可以提取出大部分題項信息。因而綜合說明研究數據具有良好的結構效度水平。

3.1.2 基本信息調查分析

本數據主要由大一到大四信管專業參與者構成，大一占比22.32%，大二參與者占比為36.90%，大三參與者占比為25.60%，大四參與者占比為15.18%。大四多數參與者在外實習，故導致占比較低，數據整體分布均勻，如表3所示。

3.2 維度分析

3.2.1 指標權重設置

問卷主要問題及選項，如表4所示。信管專業的參與者對信管專業的了解程度相較于對AI的了解程度更高一點。所設置的問題里面除了AI的了解程度以外，其余各選項的均分都大于3，即參與者對信管專業引入AI普遍持有積極的態度，并且對AI所帶來的挑戰也充滿了期待。

熵權法數據標準化采用的是Min-Max標準化，為了確保標準化數據為正數，引入隨機誤差項ε=0.0001，熵值計算結果及各選項權重，如表5所示。

3.2.2 基本認知的影響因素

分析性別及年級對基本認知的影響，本文采用多因素方差分析進行檢驗，檢驗結果如表6所示。

由表6可知，在顯著性水平為0.05的條件下，性別所對應的F統計量的值為6343.226，相伴概率值為0.708大于0.05，即性別對參與者的基本認知沒顯著影響；年級所對應的F統計量的值為4.056，相伴概率值為0.008小于0.05，即年級對參與者的基本認知有顯著影響；性別與年級的交互作用所對應的F統計量的值為0.602，相伴概率值為0.614大于0.05，即性別與年級的交互作用對參與者的基本認知無顯著影響。綜上可得，基本認知的影響因素主要與年級有關，其主要原因是參與者隨著年級的增加，知識面也隨之拓展。

3.2.3 融合方式的影響因素

分析性別及年級對融合方式的影響，本文采用多因素方差分析進行檢驗。檢驗結果，如表7所示。

由表7可知，在顯著性水平為0.05的條件下，性別所對應的F統計量的值為0.271，相伴概率值為0.603，大于0.05，即性別對參與者的基本認知沒顯著影響；年級所對應的F統計量的值為1.469，相伴概率值為0.223，大于0.05，即年級對參與者的基本認知有顯著影響；性別與年級的交互作用所對應的F統計量的值為0.665，相伴概率值為0.574，大于0.05，即性別與年級的交互作用對參與者的基本認知無顯著影響。綜上可得，各年級和不同性別的參與者對融合態度的認知基本一致，從表4可知，融合方式所對應的選項得分均是大于3分，即信管專業的參與者對學科與AI融合發展的整體認可度是非常高的。

3.2.4 機遇與挑戰的影響因素

分析性別及年級對機遇與挑戰的影響，本文采用多因素方差分析進行檢驗。檢驗結果，如表8所示。

由表8可知，在顯著性水平為0.05的條件下，性別所對應的F統計量的值為0.211，相伴概率值為0.646，大于0.05，即性別對參與者的基本認知沒顯著影響；年級所對應的F統計量的值為2.742，相伴概率值為0.043，小于0.05，即年級對參與者的基本認知有顯著影響；性別與年級的交互作用所對應的F統計量的值為0.376，相伴概率值為0.771，大于0.05，即性別與年級的交互作用對參與者的基本認知無顯著影響。綜上可得，機遇與挑戰的影響因素主要是與年級有關，其主要原因是參與者隨著年級的增加，社會閱歷隨之加深，特別是大三大四的參與者即將進入崗位實習，了解了企業所需技術能力。

3.3 未來發展態度

本文設置了一個開放式填空題，填寫AI時代對信管專業的未來發展前景持什么樣的態度，如圖1所示。AI時代大部分參與者對AI時代信管專業的未來發展前景持樂觀、支持或積極態度。他們認為信管專業與AI技術的結合將為專業帶來新的發展機遇。

4 結論與建議

4.1 結論

為更直觀地分析各選項各維度的影響，本文采用熵權法進行加權，確定各維度內選項的得分，并通過多因素方差分析判斷什么原因導致的維度差異，最終得出以下結論。

（1）除了對AI的了解程度低于3分以外其余變量均高于3分，說明參與者對AI目前還處于探索階段，整體的了解度不是很高，而其余變量高于3分，說明AI時代對信管專業參與者是機遇亦是挑戰，整體處于一個積極的態度。

（2）通過對基本認知、融合方式、機遇與挑戰3個維度進行的多因素方差分析得到，基本認知、機遇與挑戰對不同年級的參與者存在顯著性的影響，主要是因為隨著參與者學習的深入，整體認知水平以及對社企所需要的人才技能有了更清楚的認知。

（3）根據詞云圖（見圖1）可以得到，參與者對信管專業是否引進AI相關知識理論，整體呈現出支持的態度，也側面反映出了參與者對學習AI知識的需求較強。

4.2 建議

信管專業作為連接信息技術與管理科學的橋梁，旨在培養學生在信息檢索、處理、分析及利用等方面的綜合能力。在這一背景下，將AI技術理論融入信息資源管理專業教育，不僅是對傳統教學內容的豐富與拓展，更是對學生未來職業發展的前瞻性布局。本文正是基于這樣的理論背景，從學生角度出發，通過問卷調查、方差分析等多種研究方法，深入分析了學生對信管專業中融入AI技術理論學習的看法與需求。研究涵蓋了AI技術的基本概念、應用領域、對信息資源管理行業的潛在影響等多個維度，力求全面而深入地揭示兩者融合的必要性與可行性。最終，本文根據調查結果，提出了關于如何有效促進信息資源管理專業與AI技術融合的教學改革建議，以期為提升教育質量、培養符合時代需求的復合型人才提供理論支持與實踐指導，主要建議如下。

（1）加強AI相關課程的設置和教學質量，確保參與者能夠掌握AI技術的核心知識和技能。

（2）注重理論與實踐相結合的教學模式，提升參與者的實踐能力和解決問題的能力。

（3）加強與企業的合作，建立實習實訓基地，為參與者提供更多的實踐機會和就業渠道。

（4）建立跨學科的教學和研究團隊，促進不同學科之間的交叉融合和創新發展。

通過實施以上建議，有望進一步提升信管專業在AI時代的競爭力和影響力，培養出更多具有創新精神和實踐能力的高素質人才。

參考文獻

［1］孫建軍，李陽.數智時代人文社科數據資源開發利用的躍遷：從觀念到行動［J］.中國圖書館學報，2024（1）：45-57.

［2］馬費成，李志元.新文科背景下我國圖書情報學科的發展前景［J］.中國圖書館學報，2020（6）：4-15.

［3］潘禹辰，呼瑋，楊建梁，等.新文科下的信息資源管理專業人工智能課程體系設計［J］.圖書情報知識，2023（6）：42-51，67.

［4］劉霞，張驍骉，邵毅，等.藥理學實驗教學熱點與發展趨勢可視化分析［J］.基礎醫學教育，2024（3）：230-235.

［5］張悅，王燕萍.應用型高校英語專業教學改革研究［J］.教育理論與實踐，2024（12）：58-61.

［6］鐘珍，楊波.應用轉型背景下高校體育教學改革策略探索：評《高校體育教學的影響因素分析與改革探索》［J］.中國教育學刊，2024（3）：I0011.

［7］項賢國，王聰.新文科背景下應用型高校法學類專業課堂教學創新改革研究：以商法課程為例［J］.對外經貿，2024（2）：107-111.

［8］王娜，張燦燦.新文科背景下需求驅動的信管類課程教學模式探索：以數據可視化課程為例［J］.情報探索，2023（4）：56-62.

［9］李萬星，王琳.我國信息資源管理一級學科發展歷程探析：名實源流［J］.情報理論與實踐，2024（4）：59-66.

［10］熊春雨，劉先紅.基于招聘數據的信管專業人才需求分析及培養啟示［J］.江蘇科技信息，2024（2）：20-24.

Opportunities and challenges for the Information Management Major in the AI era：

a research from the student perspective

Abstract： With the rise of artificial intelligence technology， the discipline of Information Management and Information Systems （IMIS） is entering a new era in urgent need of transformation， leveraging its solid foundation in information technology. This study conducted a survey using a scale questionnaire to extensively collect data from students across different grades in the major. During the data analysis phase， strict scientific methods were adhered to， first validating the reliability and validity of the questionnaire. Subsequently， reasonable weights were assigned based on different dimensions using the entropy weight method， and multi-factor variance analysis was employed to comprehensively analyze the key factors influencing the professional development. The research findings reveal that the AI era has brought unprecedented opportunities as well as numerous challenges to the participants in the IMIS major， yet students generally demonstrate a positive attitude towards embracing these changes. Their level of cognitive understanding of professional knowledge has significantly improved， and they have developed a more precise understanding of the talent skills demanded by society and enterprises， particularly expressing a strong desire to learn AI knowledge. The conclusions of this study not only uncover the profound impact of AI technology on the IMIS major but also provide robust data support for the future development directions and educational reform strategies of the major.

Key words： AI; Information Management and Information Systems （IMIS） Major; scale analysis; variance analysis