職業本科人工智能專業人才培養模式探究

摘要：隨著科技的進步，人工智能已成為推動經濟社會高質量發展的關鍵因素，是產業結構調整和轉型升級的重要動力，同時也是培育和發展新質生產力的重要引擎。構建適應時代需求的“人工智能+”高層次技術技能人才培養模式，是當前職業本科教育領域亟待解決的問題。文章分析了職業本科人工智能人才培養現狀及存在問題，并從職業和崗位需求、培養目標等方面探討了構建“人工智能+”創新應用型人才培養模式的策略，以期為職業本科人工智能專業建設提供參考。?

關鍵詞：職業本科；人工智能+；交叉融合；人才培養模式；技能考核 ；新質生產力

中圖分類號：G642" " " 文獻標識碼：A

文章編號：1009-3044（2025）07-0165-04

開放科學（資源服務） 標識碼（OSID）

0 引言

隨著我國產業結構調整和轉型升級，社會各行各業對高層次應用型人才需求量不斷增加。《國家職業教育改革實施方案》（國發〔2019〕4號） 在“完善高層次應用型人才培養體系”部分提出“開展本科層次職業教育試點”[1]，教育部分別于2019年5月和2019年12月批準了首批15所（均民辦） 、第二批6所（僅南京工業職業技術大學1所公辦） 本科層次職業教育試點學校，標志著職業教育進入本科層次發展的新階段[2]。

2024年1月31日，習近平總書記在二十屆中央政治局第十一次集體學習時指出“新質生產力是創新起主導作用，擺脫傳統經濟增長方式、生產力發展路徑，具有高科技、高效能、高質量特征，符合新發展理念的先進生產力質態”，而人工智能在賦能新質生產力發展中起到了重要的引擎作用[3]。而職業教育是與經濟社會發展聯系最為緊密的教育類型，是培養高素質技術技能人才的主陣地，在發展新質生產力的戰略中發揮著不可替代的作用[4-5]。由此可見，加快培育和發展職業本科人工智能創新應用型人才已成為推動發展新質生產力的重要途徑。

隨著人工智能技術在各個領域的廣泛應用和快速發展，對人工智能應用創新人才的需求將持續增長。職業本科教育，作為高等教育體系中的重要組成部分，肩負著人工智能高層次應用創新型人才培養的重任，在“人工智能+”行動中發揮著不可替代的作用。

目前，在職業本科人工智能工程技術專業建設中，存在著人才培養目標不明確，培養方案和課程體系與普通本科區分度不大，產教融合不夠深入，缺乏應用場景，實訓實踐課與職業崗位脫節，多元評價體系及技能考核不完善，師資力量相對薄弱等問題。本文對照職業標準及崗位要求，分析了職業本科人工智能人才培養目標，從“人工智能+”課程體系設計方法，加強實訓實踐及技能考核，完善多元評價體系，組建高水平“雙師”師資隊伍等方面，探索了“人工智能+”創新應用型人才培養模式，以期為職業本科人工智能工程技術專業建設提供參考。

1 高校人工智能專業簡介

1.1 人工智能簡介

人工智能（Artificial Intelligence，簡稱AI） 是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。

1.2 高校人工智能專業

2019年教育部審核通過了首批35所普通高等學校“人工智能”專業建設資格。2019年《普通高等學校高等職業教育（專科） 專業目錄》增補“人工智能技術服務”（專業代碼610217） 專業，2020年新增“人工智能技術應用”（專業代碼510209） 專業。

2021年3月發布的《職業教育專業目錄（2021年） 》包括中等職業教育、高等職業教育專科和高等職業教育本科專業目錄。其中，高等職業教育專科專業目錄中人工智能專科專業僅包含“人工智能技術應用”（專業代碼510209） ，高等職業教育本科專業目錄中新增人工智能本科專業“人工智能工程技術”（專業代碼310209） 。

1.3 不同類型高校人工智能專業培養目標的差異

1.3.1 普通學術型本科（例如“雙一流”普通高校）

側重培養具有深厚理論基礎和創新能力的研究型人才，能夠在人工智能領域進行前沿研究和理論探索。深入學習人工智能的核心理論，如人工智能原理、機器學習、深度學習、自然語言處理等。鼓勵學生參與科研項目，進行算法設計、模型優化等高級研究活動。

課程設置強調數學、計算機科學等基礎學科的教學。

1.3.2 普通應用型本科（例如非“雙一流”普通高校）

側重培養具備扎實理論基礎和一定創新能力的應用型人才。強調培養學生的綜合素質，包括批判性思維、團隊協作能力、溝通能力等，以適應未來復雜多變的工作環境。

課程設置中理論課程占比較大，雖然也包含實驗和項目環節，但更注重于理論驗證和初步應用探索。

1.3.3 職業本科層次

培養目標更貼近市場需求，通過產教融合，科教融匯，側重培養具備扎實理論基礎和較強實踐能力，能夠把人工智能先進技術賦能轉換為生產力的高層次技術技能人才。注重培養學生的工匠精神和職業素養等，以增強職業適應性。

課程設置在保留一定數學和計算機基礎課程的基礎上，強化實踐實訓教學環節，注重實踐技能的培養，如編程實踐、人工智能應用開發實踐、項目實訓、企業實習等，提升學生的動手能力和解決問題的能力。開設一系列與人工智能應用緊密相關的行業課程，如計算機視覺、智能機器人技術、自然語言處理等，以增強學生的就業競爭力。

1.3.4 職業專科層次

側重培養掌握人工智能基礎知識和基本技能的技能型人才，能夠從事人工智能領域的初級技術工作。強調對人工智能工具、平臺和軟件的使用能力，如Python應用開發、深度學習應用開發等。實踐教學占據較大比重，通過案例分析、模擬操作等方式提升學生的實戰能力。

課程設置以應用為導向，開設一系列實用性強、易于上手的課程。

綜上所述，不同類型高校人工智能專業的培養目標和課程設置存在差異，而職業本科人工智能專業則以其職業導向、產教融合、實踐技能等特色和優勢在人才培養方面發揮著重要作用。

2 職業本科人工智能工程技術專業定位

2.1 職業本科院校開設人工智能工程技術專業的必要性探討

人工智能已成為推動新質生產力發展的關鍵力量，在新形勢下，不管是普通本科高校還是職業本科高校都要進行人工智能相關教育。至于是在傳統專業基礎上通過開設幾門人工智能相關課程，實現“+人工智能”，還是單獨開設人工智能工程技術專業，通過交叉融合，培養“人工智能+”專業人工智能人才，要根據學校的綜合實力和專業布局及傳統專業轉型升級需要而定。建議具備一定辦學實力的職業本科院校開設人工智能工程技術專業，并以此為契機，推動學校傳統專業的轉型升級。

2.2 職業本科人工智能工程技術專業的三大功能

職業本科人工智能工程技術專業，總體來說有三大功能：一是面向人工智能產業鏈的特定環節或崗位，依托學校特色和辦學實力，構建“人工智能+” （例如+工業檢測、制造、交通等應用場景） 的人才培養模式，培養人工智能高層次應用型人才，例如數據分析師、計算機視覺應用開發工程師、自然語言處理應用開發工程師等。二是為部分傳統專業（例如，制造類、交通類、設計類、商貿類等） 改造升級賦能（例如，智能制造、智能交通等） ，定制“傳統專業+智能”的提升方案，并反向促進人工智能工程技術專業的辦學水平。三是在新質生產力及“人工智能+”行動的大背景下，為在全校范圍內開設人工智能通識課提供案例素材、前沿技術及師資保障。

2.3 職業本科人工智能專業人才培養面臨的挑戰和機遇

隨著人工智能技術的快速發展和廣泛應用，各行各業對人工智能應用開發人才的需求急劇增加，這為職業本科教育提供了廣闊的就業市場和發展空間。可依托校企合作，通過跨專業課程設置和教學模式創新，培養“人工智能+”創新應用型人才。

目前，職業本科教育體系結構還不夠完善，校企合作、產教融合還不夠深入，課程及實踐實訓內容滯后于人工智能技術的快速更新。由于條件限制和資源不足，部分職業本科教育的實踐教學環節可能無法滿足學生的需求，技能考核體系還不夠完善。具有豐富實踐經驗和行業背景的專業教師更是稀缺，這在一定程度上限制了人才培養的質量和效果。

3 職業本科人工智能工程技術專業建設存在的問題及對策

3.1 人才培養目標

3.1.1 存在問題

部分職業本科院校在制定“人工智能工程技術”專業人才培養方案時，傾向于簡單地沿用專科“人工智能技術服務”或“人工智能技術應用”專業的課程體系，只是延長了培養年限、增加了課程難度和數量，沒有充分體現職業本科的特點，也沒有充分對接職業標準和企業崗位需求。

3.1.2 解決方案

依據國家職業標準和企業崗位要求，制定“人工智能工程技術”專業人才培養目標及培養方案。

1） 國家職業標準。依據《國家職業技術技能標準》中“人工智能工程技術人員”（人工智能算法選型及調優、人工智能算法實現及應用） 、“人工智能訓練師”（智能訓練、智能系統設計、2024年該職業新增“人工智能數字人訓練師”工種） 、“生成式人工智能系統應用員”（2024年新增職業） 等職業，分析并對標其職業的中、高等級工作崗位的專業能力要求及相關知識要求，分析結構如表1所示。

2） 企業崗位要求。在制定人才培養方案時，不僅要分析國家職業標準，更要對標企業招聘本科層次人工智能相關崗位要求，把崗位要求分解成若干典型工作任務，分析各典型工作任務對應的工作內容，并梳理各典型工作任務對應的專業能力和相關知識要求。據此制定人才培養目標、課程體系和課程內容，并定期根據企業崗位及要求的變化更新調整。

目前，數據分析工程師、計算機視覺開發工程師、自然語言處理開發工程師、人工智能測試工程師、大模型應用開發工程師等崗位人才需求量較大，各學校可根據自身辦學實力和特色，瞄準相應崗位培養專業人才。崗位和典型工作任務分析法如表2所示。

3.2 課程體系建設

3.2.1 存在問題

部分職業本科院校在構建人工智能工程技術專業課程體系時，存在照搬普通本科模式的現象，缺乏對職業教育特點和人才培養目標的深入思考，課程設置與企業實際需求脫節。

3.2.2 解決方案

加強應用人工智能技術解決實際問題能力的培養，課程體系構建應對接教育鏈與產業鏈，?通過產教融合、?校企合作，?致力于提升學生的整體素質和技能掌握程度。?這與普通本科教育在能力培養上的側重點有所不同，?普通本科更重視學科能力或學術能力的培養[6]。

基于OBE（Outcome-Based Education） 成果導向的課程體系設計理念[7-8]，深入分析職業標準和人工智能相關招聘崗位的要求，得到較小顆粒度的知識點和技能點，相關知識點和技能點整合成稍大顆粒度的知識塊和技能塊，相關知識塊和技能塊構建成模塊化課程，相關模塊化課程構建成課程群，相關課程群構建成課程體系。

職業素養及課程思政要根據職業教育特點及企業崗位要求進行整體設計，并綜合考慮學生的專業特點、學習階段及課程特點，有計劃、有方法、有步驟地融入課程和教學過程中。

3.2.3 優化課程體系

1） 課程群。人工智能工程技術專業課程體系大致可包含四大課程群：一是編程基礎及算法課程群，主要包括Python程序設計、數據結構與算法等課程；二是機器學習及數據挖掘課程群，主要包括機器學習技術與應用、數據分析與挖掘等課程；三是深度學習課程群，主要包括深度學習技術與應用、計算機視覺技術與應用、自然語言處理技術與應用、大模型技術與應用等課程；四是前沿技術課程群，主要包括最新的計算機視覺/自然語言處理大模型及多模態大模型技術與應用等相關課程。

2） 學程安排。建議大學一年級夯實編程基礎，完成編程及數據結構與算法等課程學習，即第1、2學期分別開設Python程序設計、數據結構與算法等課程；盡早安排專業啟蒙及專業核心課程學習，即第2、3、4學期分別開設人工智能技術導論、機器學習技術與應用、深度學習技術與應用等課程；從第5學期開始，開設與各專業方向相關的方向課程。

3） 專業方向。為了更加聚焦培養專業技術人才，根據專業實力及辦學特色，可設置2至3個專業方向，如機器學習與數據挖掘、計算機視覺和自然語言處理等專業方向，可在第5學期根據學生興趣和特長供其選擇。

3.3 實踐課程

3.3.1 存在問題

目前，職業院校各專業都安排了實訓課，但還存在著一些不足，如實訓項目和企業生產脫節嚴重，崗位適配度較低；實訓項目的知識、技能目標不明確，?從而影響實訓效果；項目開發流程不規范[9]；教師在實訓過程中的作用發揮不夠，僅在實訓結束時組織學生答辯，在實訓過程中對學生缺乏引導和過程性考核；考核驗收標準較低，甚至學生做出簡單系統能運行就可以，缺少對系統性能指標的考核要求，導致知識理解不深入、關鍵技術掌握不牢固。

3.3.2 解決方案

根據陶行知先生關于職業教育“畢一課，即生一利”的課程理念，“機器學習技術與應用”“深度學習技術與應用”等專業核心課程，以及“計算機視覺技術與應用”“自然語言處理技術與應用”等專業方向課程對應的實訓課程，其課程目標、知識要求、技能要求均要結合并對標企業招聘“機器學習開發工程師”“計算機視覺開發工程師”等崗位要求，提升實訓項目的崗位匹配度。

項目來源可以是企業真實項目或校企合作研發項目或教師橫向課題或由職業技能大賽賽題改編，其復雜度及難度應與崗位要求相匹配。實訓遵循崗位工作流程，?確保規格嚴格，加強對算法選型及各算法性能指標對比分析、強化調優及部署能力。應建立科學有效的實訓成果評價體系，增加過程性評價，?對學生的實訓表現和作品性能指標進行綜合評估。

通過項目實踐，分析項目的典型工作任務，執行規范的崗位工作流程，加深對理論知識的理解和應用，?培養學生的實踐能力和創新思維，?提升學生解決實際問題的能力，?加強團隊協作和溝通能力，增強學生的就業競爭力。

3.4 技能考核?

技能考核是職業教育中不可或缺的重要環節，不僅是衡量學生專業技能水平的客觀標準，也是檢驗職業本科高層次技術技能人才培養質量和成效的重要體現，為人才培養方案的持續改進提供重要依據。

3.4.1 存在問題

目前，職業院校技能考核往往僅靠一場考試（理論題+簡單上機題） 來檢驗學生畢業條件中應掌握的技能要求；考核題目基本由學校教師編寫，缺少職業元素，試題內容和難度與職業崗位要求脫節[10]，存在“走過場”的情況；同等技能水平認定免考機制不完善；考核結果應用導向性不明顯；缺少題庫，或題庫缺少持續改進與更新；技能考核與教學過程是兩張皮。

3.4.2 解決方案

建議技能考核由編程能力、機器學習應用開發能力、深度學習應用開發能力等三項技能考核組成；題庫建設，各項技能考核的試題及題庫應由企業一線開發工程師和教師聯合開發，考試內容及難度應對標職業崗位（知識、技能要求） 或與職業技能大賽考題相匹配，開發、開放試題庫并定期維護更新；免考條件，若學生參加職業技能大賽并獲獎或獲得相應職業資格證書或參與教師項目并通過認定，可獲得某項技能考核的免考資格；等級效用，每項技能考核結果區分等級，并提供1～2次補考機會，補考試題難度不降低。考核結果可作為學生評獎、評優的重要參考；持續改進，教師在教學過程中，?通過收集和分析學生的技能考核數據，?可以有效地評估教學效果，?進而反思、調整課程內容和教學方法，?以提高教學質量。

3.5 師資隊伍建設

3.5.1 存在問題

師資是專業建設的保障，職業院校教師的知識、技術更新速度往往跟不上人工智能快速發展的步伐。這導致教師在教學過程中難以把握學術及產業前沿的技術動態，影響教學質量。

近幾年，各校人工智能工程技術專業引進大量高水平青年博士教師，青年博士教師具有深厚的專業知識、較強的科研能力、前瞻的學術視野和較大的創新發展潛力，在開展原始創新和理論創新、解決關鍵核心技術難題方面有明顯優勢，能夠對專業發展起到引領作用[11]。但由于其缺乏企業實踐經歷，對職業教育及技能型人才成長規律缺乏了解，教育教學經驗不足。

3.5.2 解決方案

通過鼓勵青年博士教師短期到企業生產研發一線鍛煉，或長期參與校企共研項目開發的方式共同培養雙師型教師。加強青年博士教師師德師風及教書育人情懷的培養，加強職業教育及企業實踐能力的培養，加強技術技能及教育教學能力的培養。幫助青年博士教師從學生身份到教師身份的轉變，從學科教育到職業教育的轉變，從基礎研究到“立地式”應用研究的轉變。引導青年博士教師把學術前沿理論研究轉化為產業“卡脖子”問題解決方案，把產業先進技術和生產項目轉化為教育教學資源。

通過上述措施，?可以有效提升職業本科人工智能工程技術專業師資隊伍的整體素質，?為培養人工智能高層次應用創新型人才提供堅實的師資保障。?

4 結論

人工智能技術更新迭代較快，給專業建設帶來了極大挑戰，高校應緊盯產業鏈，根據學校特色，在賦能校內傳統專業改造升級的過程中，同時也為“人工智能+”專業人才培養提供應用場景。筑牢校企合作平臺，根據OBE理念不斷優化課程體系。采用項目化教學及情景教學模式，提升教學質量，加強實踐教學，強化技能考核及導向作用，加強雙師型師資隊伍建設，推動產教融合走深走實。并定期對技能考核結果及就業情況進行深入分析，找出與培養目標及企業崗位要求之間的差距，反向傳播該差距，并及時更新、調整、優化人才培養的各個環節，努力構造一個動態的、良性循環的人工智能專業人才培養體系。

參考文獻：

[1] 李曉明.產業轉型升級與高職本科教育發展：以地方應用型本科轉型高職本科為選擇[J].教育發展研究，2012，32（3）：18-23.

[2] 張更慶，孫曉范.本科層次職業教育“人工智能+”人才培養探索[J].當代職業教育，2020（3）：60-68.

[3] 易舒冉.以人工智能賦能新質生產力發展[N].人民日報，2024-08-08（018）.

[4] 胡澎，雷宏振，許世杰.職業教育賦能新質生產力：價值旨歸與困阻紓解[J].中國職業技術教育，2024（21）：39-50.

[5] 潘海生，楊影.加快發展新質生產力背景下職業教育的角色使命與責任擔當[J].中國職業技術教育，2024（10）：27-33.

[6] 別敦榮，邵劍耀.職業教育、高等教育、繼續教育協同創新發展特性與實現路徑[J].大學教育科學，2024，15（2）：4-13.

[7] 李媛，雷弘麟，徐望.基于OBE理念的課程體系設計：以通信工程高端技術技能型本科專業為例[J].信息系統工程，2021（3）：158-160.

[8] 張志偉，許海峰，朱廣良，等.基于OBE理念的人工智能專業課程體系建設探究[J].山西大同大學學報（自然科學版），2023，39（6）：31-36.

[9] 劉一均，馮黎兵，臺鳳霞，等.高職院校實訓教學中存在的主要問題及對策[J].教育教學論壇，2020（53）：357-359.

[10] 李曉菲.高職院校學生職業技能考核評價改革探討[J].濮陽職業技術學院學報，2023，36（4）：51-54.

[11] 徐博，高學浩.地方高校新進博士青年教師人才隊伍建設現狀分析及對策研究[J].智庫時代，2020（12）：236-237.

【通聯編輯：王 力】