大語言模型對高職軟件技術專業教育的挑戰與機遇

關鍵詞：大語言模型技術；高職教育； 軟件技術；機遇；挑戰

中圖分類號：G642 文獻標識碼：A

文章編號：1009-3044（2025）03-0105-03 開放科學（資源服務） 標識碼（OSID） ：

0引言

大語言模型（Large Language Models， LLMs） 作為深度學習技術在自然語言處理（NLP）領域的卓越成果，憑借其龐大的參數規模和對人類語言的深刻理解與生成能力，正在重塑語言技術的邊界\"。2022年11月，OpenAI實驗室推出的ChatGPT（全稱”Chat Genera-tive Pre-trained Transformer“）是大語言模型技術發展的一個標志性里程碑，ChatGPT一經問世便以其驚艷的表現吸引了全球過億用戶的關注，短短兩個月內創下消費級應用增長速度紀錄，昭示著大語言模型時代的真正到來。根據工信部數據統計，2023年全年我國語言大模型市場規模實現較快提升，應用場景不斷豐富，增長率突破100%，2023我國大語言模型市場規模為147億元。目前，大語言模型在金融、醫療、教育、工業、游戲、法律等多個行業得到了廣泛的應用。初步預測，到2027年，我國大語言模型市場規模將達到600億元，到2029年將達到1186億元，年復合增速在40%以上。大語言模型其卓越的知識處理和持續的學習進化能力，展現出人工智能無限的可能性，同時也對高等職業教育帶來了深刻的啟發與挑戰。軟件技術作為現代信息化社會各行各業運行和發展的重要支撐，其專業人才的社會需求量大且逐年持續增長，高職院校的軟件技術專業主要培養具有扎實的計算機軟件專業知識和實踐技能，能夠在軟件技術開發領域從事各種崗位的技術技能型人才\"。在Chat-GPT等大語言模型引領的新時代背景下，其顛覆性的知識處理能力對現有高職軟件技術專業人才培養模式產生了明顯的沖擊。本文旨在探討大語言模型為高職院校軟件技術專業教育帶來的潛在挑戰與變革契機，通過梳理自然語言處理的發展歷程，深入剖析大語言模型的核心技術和特性，從挑戰與機遇兩個角度全面分析大語言模型對高職院校軟件技術專業教育的具體影響，期望通過深化對ChatGPT等大語言模型內在機制的理解，探索其在高職教育中的有效應用路徑，推動教育模式的轉型升級，進而助力我國高職教育事業在新時代背景下的高質量發展。

1大語言模型技術的演進歷程

大語言模型技術的演進歷程主要包括四個階段，每個階段都伴隨著關鍵技術的突破、模型架構的革新以及應用場景的拓寬。

1.1起步階段：語言模型技術的前期發展基礎

語言模型技術的起步階段涵蓋了從統計語言模型的創立到早期神經網絡在語言處理領域的初步應用。特別是在20世紀90年代末及21世紀初，隨著計算能力的提升和神經網絡研究的復興，語言模型開始結合深度學習技術，尤其是循環神經網絡（RNNs） 的應用，實現了對語言序列更深層次的理解與建模。盡管此時的神經網絡模型在規模和復雜性上仍受到限制，但這標志著語言模型從單純的統計學方法邁向了深度學習時代。

1.2發展階段：大語言模型技術的發展與崛起

隨著計算能力的不斷增強和深度學習技術的快速發展，大語言模型技術邁入了一個全新的發展階段。此階段以2017年美國谷歌公司（Google）的研究團隊發布全新的神經網絡架構Transformer作為開端，并迅速應用到整個人工智能領域，成為自然語言處理及其相關研究領域的主要方法。這一階段的崛起，標志著語言模型從早期的簡單統計模型和淺層神經網絡模型向深層、大規模模型轉變，實現了對自然語言更為精準和全面的理解與生成能力。2018年，Google提出的BERT（Bidirectional Encoder Representa-tions from Transformers）模型開啟了大規模預訓練模型的時代”。BERT實現了雙向的深度語言表示學習，并通過大規模無監督預訓練和下游任務微調的方式，極大提升了自然語言處理任務的性能。隨后，GPT（Gen-erative Pre-trained" Transformer）系列模型的發布，特別是GPT-2和GPT-3的相繼問世，更是通過數十億乃至上千億級別的參數規模，展示了大語言模型在文本生成、問答系統、對話交互等領域的強大能力。

1.3進化階段：超大語言模型技術的躍升與革新

隨著計算硬件的進步和數據科學理論的深化，超大語言模型技術進入了快速演進的階段，這一時期的特點在于模型規模的指數級增長以及由此帶來的功能性和智能表現的突破性進展。此階段即是以2020 年OpenAI發布的GPT-3（1750億參數） 為開端，其遠勝于“GPT-2”（15億參數） ，開啟了超大規模預訓練語言模型的新時代，在知識理解、語言生成、上下文學習等方面展現出驚人能力[6]。模型的龐大規模能夠在更廣泛的語境中捕捉語言的微妙變化，進而模擬出更加接近人類水平的語言理解和生成能力。隨著超大語言模型的性能不斷提升，它們被廣泛應用于各種社會化場景，如個性化教育、協同創作、虛擬助手、智能決策支持等。同時，圍繞大模型的生態系統也逐步完善，形成了包含數據平臺、訓練框架、API服務、開發者社區在內的完整產業鏈條，有力地推動了人工智能在各行各業的深入應用與創新。

1.4成熟階段：ChatGPT引領通用大語言模型的發展

OpenAI于2022年底推出的ChatGPT標志著大語言模型邁入了一個全新的成熟階段。ChatGPT作為一款基于Transformer架構的大型預訓練語言模型，以其強大的上下文理解能力和高度自然的人機交互體驗，在全球范圍內引發了廣泛關注和熱議。該模型在經過大量的互聯網文本訓練后，展現出卓越的對話生成能力、代碼編寫能力、問題解答能力和創造性思維展現能力，使其在眾多應用場景下可以勝任如同真人般的智能對話伙伴角色。ChatGPT實現了在無需明確指令的情況下，根據上下文自動識別需求并生成相應的高質量響應。這種通用性使其在教育、咨詢、創意寫作、客戶服務等多個行業得到廣泛應用，并啟發了更多相關領域的技術創新和產品升級。

2 大語言模型驅動下高職院校軟件技術專業發展的現實挑戰

一直以來人工智能這一概念讓人有一種“似乎很近，卻又很遠”的感覺。然而ChatGPT的橫空出世，卻讓人們深切地感覺人工智能時代真的到來了。Chat? GPT以其強大的知識處理能力，并且不斷學習進步，向人們展示其無限的可能。正是這種無限的可能給各行各業帶來驚喜的同時也帶來了一定的“震驚”。高等教育領域的這種“震驚”主要源于ChatGPT在知識處理能力上已經超出了人們對于此類技術的認知和想象。如ChatGPT可在數秒間完成一篇論文的創作，且不會被傳統的反抄襲軟件識別出來；可以在“美國高考”SAT中獲得1100左右的分數，超過全美考分中位數；可以通過美國谷歌公司L3級軟件工程師（年薪18萬美金） 的入職考試。這種超強的學習能力在最初進入教育領域，展現在師生面前的是不僅僅是一種“技術的引領”更多的是一種“解脫的誘惑”，因為ChatGPT強大的學習能力，可以幫助師生從目前繁重的學習工作任務中解脫出來，OpenAI的創始人之一馬斯克（Elon Musk） 曾在社交媒體上稱贊ChatGPT：“這是全新的世界，和家庭作業說再見吧！”。據福布斯網站的數據統計調查，美國有89%的學生使用過或正在使用ChatGPT做作業。這種顛覆傳統教育方式的“入侵式”行為，立刻引起了教育領域的警覺，對應的防御機制也立刻啟動。在美國，紐約市教育部在2023年1 月宣布禁止學生在學校的設備和網絡上使用Chat? GPT，以防止學生作弊的行為[7]。在歐洲，巴黎政治學院率先行動，禁止各校區全體學生及教職工利用ChatGPT完成教學任務。在澳大利亞，新南威爾士州、昆士蘭州、西澳洲和塔斯馬尼亞州等多個州已宣布禁止在校內使用ChatGPT。

高職軟件技術專業以培養學生軟件應用開發能力為其主要的教育主線，而以ChatGPT為代表的大語言模型的出現，使得軟件技術專業發展面臨著一系列亟待解決的挑戰：

2.1降低傳統教學評判手段可靠性

以ChatGPT為代表的大語言模型的強知識體系和學習能力，對高校教育最直接的影響就是打破了傳統教學手段的可靠性[8]。在傳統教學過程中，學生利用作業、報告、論文，實踐等活動鞏固知識，提升專業技能。教師通過這些手段可以了解學生學習情況，把控教學效果，但大語言模型的出現打破了一直以來維持的平衡，學生可以逃避思考，借助各類大語言模型應用快速地完成作業，軟件技術專業的專業核心課程一般是培養學生項目開發及代碼編寫的能力，原本學生完成一道編程題目需要查詢大量的資料，然后花費數小時完成，而使用大語言模型應用可能僅需要十幾秒鐘即可完成，并且由大語言模型應用生成的答案是模擬人的思維方式，教師無法分辨出這種作弊行為。這樣的教學反饋結果是不真實的，教師如果繼續以這種反饋結果作為教學設計或教學管理的依據，那實際的教學效果必然會大打折扣。

2.2阻礙提升學生綜合素養能力

高等職業教育領域作為應用型人才培養的重要基地，承擔著為國家輸送高素質應用型人才的重任。但如果高校師生對于以ChatGPT為代表的大語言模型的過度依賴可能導致學生在解決問題時缺乏獨立思考。習慣于從AI獲得快速答案，而不是通過深入分析和批判性思維來解決問題，這種趨勢可能會削弱學生分析問題、批判性思考和創造性解決問題的能力。另外，過度依賴AI工具可能導致學生在現實生活中的人際交往和溝通能力下降。面對面的交流、團隊合作和解決沖突的能力對于個人的全面發展至關重要。在高職軟件技術人才培養體系中，知識的培養只是其中的一部分，更多的應該注重學生的綜合素養能力的培養。創新思維能力、分析解決能力、批判性思維，團隊協作能力等能力是高素質人才的基石，大語言模型的出現會使得部分同學因為過度依賴，失去了鍛煉培養這些能力的機會，無法真正成為社會所需要的高素質人才。

2.3不利于塑造正確的人生觀價值觀

人才培養不僅是知識的傳授，更是價值觀和道德觀的塑造。高職院校人才培養的核心目標為：立德樹人，培養全面發展的社會主義建設者和接班人。因此，教育工作不僅僅是知識傳授的過程，更是價值觀塑造、品格培養的過程。大語言模型可以生成看似合理的文本，但學生和教師可能會面臨誤導或錯誤的信息，特別是當模型基于不準確或有偏見的數據進行訓練時，并不保證所生成的信息總是準確和可信的。這對于過度依賴大語言模型提供信息的學生可能受到錯誤信息的引導，背離了原本正確的人生觀及價值觀。另外，如果學生過分依賴ChatGPT來完成學術作業，可能導致學術不端行為，如抄襲和剽竊。這不僅違背了教育的根本原則，也不利于學生誠實、負責任品格的培養。

3大語言模型驅動下高職院校軟件技術專業發展的時代機遇與策略

在大語言模型帶來的挑戰的同時，如合理利用新技術，高職院校軟件技術專業發展也將面臨著前所未有的時代機遇。

3.1教學內容更新與課程體系重構

在大語言模型技術引領的AI技術變革為高職院校軟件技術專業的教學內容更新與課程體系提供了重構機遇，主要體現在：1）教學內容的前瞻性布局。為適應技術發展和社會需求的變化，同時提升學生的競爭力和就業能力，高職軟件技術專業的課程應更新課程的教學內容，在原有軟件技術專業基礎課程上，引入大語言模型等相關技術內容，幫助學生更快地掌握專業知識和技術能力。在“編程類”課程中，可增加使用大語言模型進行代碼生成與調試的內容，幫助學生更快掌握編程技巧及自主糾錯能力；在“項目技術文檔”課程內容中，利用大語言模型生成技術文檔框架，學生可根據實際項目情況進行完善優化，有助于提升學生的技術文檔撰寫能力，深度了解軟件項目開發流程；2）課程體系重構。高職軟件技術專業傳統的課程體系結構是選擇一個技術體系，從專業基礎課，到專業核心課和專業拓展課逐步遞進。但在大語言模型的環境的影響下，原本需要大量練習的專業基礎課程的內容由于大語言模型的介入，學生可借助各類工具自動生成結果，逃避傳統的“熟能生巧”的練習。如果沿用傳統課程體系結構很容易造成學生基礎能力不牢，上層拓展課程難以繼續的現象。因此，在大語言模型賦能的新時代，課程體系的重構應考慮大語言模型的智能作用，打破傳統的技術線性體系，改為項目模塊體系，在項目模塊體系中，大語言模型可作為學習輔助工具，幫助學生解決基礎問題，學生的學習更側重借助智能工具提升職業素養和創新拓展能力。大語言模型等AI技術的融入為學生能力的提升提供了更廣闊的空間；3）課程評價與考核機制的創新。在教學內容更新與課程體系重構過程中，還需要改革課程評價與考核機制。鼓勵項目驅動、案例分析、創新實踐等形式的考核方式，讓學生在完成課程學習的同時，完成實際的項目，實現從理論知識到實踐操作的雙重提升。此外，可引入企業導師、行業專家共同參與課程評價，確保課程內容的實用性和前沿性。

3.2實踐教學與產教融合新模式

隨著大語言模型技術日益成為AI領域的重要驅動力，高職院校軟件技術專業在教學實踐中積極倡導并實施實踐教學與產教深度融合的新模式，以更好地應對技術革新所帶來的挑戰，并為社會輸送具有實戰能力的高素質人才。這一新模式主要體現：1） 實訓項目與真實業務場景融合。在軟件技術專業實踐教學中，積極推動校企合作，將大語言模型的實際應用案例融入教學過程，設立基于大語言模型的真實項目實訓，如智能助手開發、語義解析系統的構建、文檔自動生成系統的設計等，讓學生在解決真實世界問題的過程中深化對大語言模型技術的理解和應用能力。在實訓過程中，明確實訓具體目標與預期成果，選擇合適的大語言模型作為技術基礎，并根據項目特點進行技術選型。在此基礎上，通過小組分工協作，組織學生進行需求分析、技術培訓、數據準備等工作，確保學生能夠掌握必要的理論知識和實踐經驗。項目實施過程中，注重培養模型訓練與優化能力，關注用戶體驗設計。項目完成后，通過功能測試、性能評估及用戶反饋收集等方式進行全面評估，以確保實訓成果的質量。此外，加強校企合作，引入企業資源和技術支持，有助于提高實訓項目的實際價值和社會影響力；2） 師資隊伍的雙師制建設。推行教師與企業專家協同授課的“雙師制”，邀請業界精英擔任兼職教師或指導老師，共同參與課程設計、教學實施與效果評估，確保教學內容緊貼產業前沿，增強學生對大語言模型技術應用的認知和實戰經驗；3） 評價體系的多元化與實操化。改革傳統的課程評價與考核方式，強調對學生綜合實踐能力的評價，包括但不限于大語言模型項目的策劃與執行、團隊協作、技術創新及實際問題解決能力。通過舉辦項目路演、作品展示、企業評價等方式，實現評價指標的多元化與實操化，促使學生在學習過程中主動對接產業需求，全面提升其在未來職場的競爭實力。

3.3新興就業崗位與市場需求對接

高職院校軟件技術專業面臨著對接新興就業崗位與市場需求的重大機遇。為確保畢業生能夠迅速適應并勝任此類新興職位，本專業在人才培養方面可以采取以下策略：1） 識別與追蹤新興就業崗位。持續跟蹤并分析出國內外大語言模型相關領域中適合高職院校學生的新興就業崗位，主要涉及：大模型應用開發、AI模型調優工程師、數據標注與預處理等，深入研究這些崗位的工作職責、技能要求和發展前景，及時調整教學內容和培養方案；2） 制定適應新職業崗位技能需求的人才培養方案。傳統人才培養方案的設計依據為行業的職業技能要求，因此軟件技術專業人才培養一般為專業技術培養為主，創新能力培養為輔。而在大模型的推動下，一些基礎編程任務，如代碼生成、測試，甚至是部分功能模塊的開發都可以自動完成，這使得軟件工程師可以將更多精力放在創造性工作上，如系統設計、算法優化、用戶體驗提升以及解決復雜問題。因此，崗位職責將更加側重高階的邏輯設計和創新思維。高職人才培養也應順勢而變，借助大語言模型的知識處理能力，培養學生具備快速學習新技術、新工具的能力，提升學生的創新拓展能力；3） 搭建校企合作就業橋梁。與行業內頭部企業和創新型企業建立長期合作關系，引導學生積極參與企業實習實訓，提前了解和適應實際工作環境，掌握大語言模型技術在各行業場景的應用情況，進一步提高其職業素養和崗位適應能力。

4結束語

在未來發展中，大語言模型技術將繼續突破，實現更深層次的理解與創造，同時降低訓練成本并提高運行效率。模型將具備更強的交互性和個性化定制能力，成為推動科技進步的關鍵力量。大語言模型技術的不斷發展將繼續影響高職軟件技術專業的教育模式，如輔助學生的個性化學習，拓展學生的跨學科應用能力等。面對挑戰與機遇并存的大語言模型新時代，高職院校軟件技術專業教育必須迎難而上，積極應對。打破傳統教育框架，打造靈活且實時更新的課程體系，強化實踐教學與產學研相結合，培育具備大語言模型技術應用能力的復合型人才。因此，建議高職院校采取多管齊下的策略，包括及時更新教學內容，重構課程體系、深化校企合作、引進優質教育資源、優化評價體系等措施，以期在大語言模型時代推動軟件技術專業教育實現高質量轉型與創新發展，培養出既能適應瞬息萬變的軟件行業需求，又能勇攀技術高峰的高素質優秀的職業技能型人才。