高職院校經濟管理專業教學數智化轉型探究：框架、實施與評估

摘 要：高職院校經濟管理專業教學數智化轉型是建設金融強國的現實要求。其中，課程與資源體系整體框架的搭建、數智模塊的實施和科學層次的評估，是保障高職院校經濟管理專業教學數智化轉型成果落地的關鍵，三者應協同運作、互為補充，推進高職院校經濟管理專業教學數智化轉型的向好向深發展。在高職院校經濟管理專業教學數智化轉型過程中，高職院校既需本著低耦合、高內聚的原則建立層級化、數智化模塊課程，打造教育系統新生態，又需推進學習資源標準化、學習服務個性化、教師培訓全面化改進，并加強對實施效果的監測評估，以實現更優更快的教學突破。

關鍵詞：高職院校；經濟管理；數智化

中圖分類號：G64 文獻標識碼：A 文章編號：0450-9889（2025）03-0144-04

建設金融強國離不開一個結構合理的金融市場體系［1］。數智化依托大數據和人工智能技術，能夠為金融市場提供精準的風險定價和動態的風險管理，實現金融市場的高度自動化和智能化運作，有效提升金融系統的韌性和國際競爭力。數智化轉型是基于數字化和智能化科學技術，對企業的業務模型乃至商業模式進行重構，從而幫助企業完成從業務到管理的革新。對高職院校經濟管理專業而言，在數智化轉型背景下，教學是為了培養兼具現代金融知識和實務技能、具備較強應用能力及大視野的基層人才。高職院校經濟管理專業教學的數智化轉型，本質在于利用數據驅動和智能技術，徹底革新傳統教學模式和管理方法，培養學生的數字化思維和實踐能力，使之適應數字智能經濟時代的需求。高職院校經濟管理專業教學實踐性強、與行業對接密切，在數智化轉型背景下，高職院校既需本著低耦合、高內聚的原則建立層級化、數智化模塊課程，打造教育系統新生態，又需推進學習資源標準化、學習服務個性化、教師培訓全面化，并加強對實施效果的監測評估，以實現更優更快的教學突破。

一、高職院校經濟管理專業教學數智化轉型的理論框架

高職院校經濟管理專業教學的數智化轉型，本質上是對傳統教育體系與現代信息技術之間深刻矛盾的破解，是借助數據驅動和智能化手段，重塑教育與產業之間關系的一場深刻變革。在數智化的引領下，教育不再是單向度的知識灌輸，而是動態的、全方位的智慧賦能。

（一）高職院校經濟管理專業教學數智化轉型的課程設計原則

數智化轉型即為利用先進的數字化工具和人工智能技術，重新構建教學模式、學習方式、教育管理和資源分配，推進互惠共生、互利共創［2］。與傳統學術型教育不同，高職院校經濟管理專業以“服務區域經濟發展和產業升級”為教育核心理念和人才培養目標，將產業界的最新發展動態、技術變革和管理實踐納入課程內容中。課程設計按照低耦合、高內聚的原則，加入數據分析、數字營銷、人工智能在管理中的應用等內容，打造模塊化課程，以更快適應數智經濟時代所需的技能要求。

整體來看，高職院校經濟管理專業教學數智化轉型應遵循三大原則。一是堅持以學習者為主體的原則。要借助數智化技術對學習者的學習行為、知識技能掌握情況或學習偏好進行精準記錄與分析。二是系統化與生態化的數智教育環境構建原則。既對智慧黑板、智能講臺等硬件設施作智能化升級，又注重學習管理系統、在線評估平臺、虛擬實驗室等軟件系統的無縫集成。三是數據隱私保護與倫理合規的數智化教育保障原則。應建立完善的隱私保護機制，防止數據泄露和濫用，同時在使用人工智能技術時要遵循倫理規范，避免出現算法偏見和決策失誤等問題。

（二）高職院校經濟管理專業教學數智化轉型的關鍵構成要素

在經濟管理專業的數智化轉型過程中，關鍵構成要素必須深刻嵌入學科特性和專業需求，以確保轉型的有效性和可持續性。一是數據驅動決策要素。這是最為基礎和核心的組成部分。這個要素不僅包括傳統的財務報表和市場研究數據，還要擴展到包含社交媒體分析、客戶行為數據以及宏觀經濟指標等非結構化數據源，讓學生在實驗室中體驗實際的市場動態和競爭方式，以提升他們的數據敏感性和決策能力。二是智能化技術融合要素。經濟管理學科教育須緊密對接產業實際需求。經濟管理專業需要引入諸如人工智能（AI）、區塊鏈、物聯網（IoT）和大數據等先進技術，以提升經濟管理學科教育和研究的深度和廣度。三是數字素養提升要素。經濟管理學科教育需要重新定義“數智素養”［3］，既包括對各種數字工具和技術的操作能力，又包括對數字化商業環境的深刻理解和適應能力。在此過程中，學生應掌握使用數據可視化工具進行市場趨勢分析的技法，通過社交媒體數據來預測消費者行為。四是組織文化變革要素。數智化轉型涉及深刻的文化和管理變革。學?？梢栽O置創新實驗室或創業孵化器，確保教育資源的最優配置和使用，讓學生和教師共同探索和開發數字經濟應用的新方向。

（三）高職院校經濟管理專業教學數智化轉型的協同機制

經濟管理學科本質上是一個實踐性極強的領域，需要理論與實踐的緊密結合，而數智化轉型恰好為這一結合提供了新的范式。協同機制的核心在于消除傳統教育供給與需求之間的割裂，實現資源、信息和能力的精準對接。整個協同機制需要教育機構運用大數據分析、人工智能等技術，實時調整課程設置和教學內容，以貼合行業發展趨勢和市場需求；而企業通過參與教育數據的開放與共享，反饋行業動態和技能需求，直接影響教學目標的設定與教育資源的分配。政府在這一體系中，起到政策導向和監管指導的作用，確保教育目標與經濟發展戰略的一致性。學生則通過個性化的數智學習平臺，在虛擬仿真實驗室中進行實操練習，并借助數據分析工具更好地理解經濟管理工作中的復雜問題和決策邏輯。

二、高職院校經濟管理專業教學數智化轉型的具體實施

高職院校經濟管理專業教學數智化轉型核心在于將先進的數據分析工具和智能技術深度融合于教育場景，全方面滲透大數據、人工智能、云計算等技術，重構教學內容和學習方式，實現更具針對性的教學干預與支持。

（一）具體實施步驟

1.數據結構化與學習資源標準化

高職院校經濟管理專業教學數智化轉型，需建構“三層遞進式”數智技術課程體系。經濟管理類專業的數智技術課程體系劃分為通識教育模塊、協作共建模塊以及項目實踐模塊等層級。通識模塊課程層級主要涵蓋大數據與人工智能基礎技術的核心知識，專注于商務大數據的全流程處理技術，涵蓋了從數據采集到數據分析的各個環節，旨在為經濟管理類專業的學生提供廣泛的知識基礎，以可視化手段幫助學生全面理解大數據技術在經濟管理工作中的應用；共建模塊課程是由多學科教師共同參與構建。參與共建模塊課程建設的專業包括經濟學、工商管理、金融學和會計學等，著重教授運用大數據與人工智能方法來分析經濟學問題的技法［4］。

2.算法模型訓練與個性化學習推送

高職院校經濟管理工作教學數智化轉型的算法模型訓練，應直接服務于經濟管理學科教育的核心需求。一是訓練預測模型。預測模型是用于推斷未來趨勢的關鍵工具。這類訓練應重點放在精確構建和使用模型，進行市場需求預測、銷售預測和經濟指標預測。因此，在數智化轉型引領下，學生應掌握線性回歸用于銷售量的預測，學會評估模型的預測誤差，并進行模型優化和參數調優，以預測經濟趨勢。二是優化算法模型。這部分培訓的核心在于確保資源的最大化利用。三是訓練風險模型。學生需要理解這些模型的數學基礎，學習借助數據分析來識別和量化不同類型的風險。比如，應對模型在不同經濟條件下的適應性問題，確保學生能夠根據實際經濟環境調整模型的參數和假設，從而更好地適應未來數字化經濟環境的需求。數智化推送個性化學習資源的背后，是對認知模式和教育需求的深刻轉型。傳統經濟管理學科教育通常以統一的教學大綱和模式為主，忽視了個體學生在認知、興趣和未來職業規劃上的差異。然而，數智化的核心優勢在于其對學習者行為數據的實時捕捉和分析能力，可以深入分析學生在不同經濟管理主題上的認知負荷和理解路徑。同時，長期來看，個性化學習體驗的優化必須與社會經濟環境的變化緊密聯系，才能真正提升學生在經濟管理領域的競爭力。

3.教師素養培訓與技能升級

數智化轉型背景下，高職院校經濟管理專業教師要有新思想、新技能、新管理方略。由此，應對教師進行四個方面的培訓。一是培訓高階數據分析與實證研究能力。教師需掌握Python和R等編程語言，還需深入理解機器學習算法、深度學習模型在經濟預測和管理決策中的應用，能夠獨立解讀并構建復雜的數據模型。二是訓練并擴充教師的數字化教學工具使用效度。教師應熟練操作Moodle等學習管理系統，能自主開發和定制教學插件，并基于學生行為數據進行精準的學習路徑規劃和個性化教學內容推送。三是培訓教師跨領域整合與創新的能力。教師應能將經濟管理學科與前沿科技相結合，創建基于真實商業環境的數智模擬和教學案例。四是培訓教師數字倫理素養和治理能力。教師應具備數據隱私保護、信息安全及倫理規范等方面的能力與職業道德。

（二）實例展示

現以管理學課程“決策制定”一節為例進行數智化教學設計。本節課的教學目標及重難點：運用高級數據分析工具解構復雜決策情境，理解不同決策模型的應用邏輯及其在不同情境中的適用性，并制定不同決策模型的最優路徑。數智化背景下，教學過程應劃分為以下幾部分。一是整合數據資源以深化教學材料。教師可基于數智化系統，選取多個真實企業的財務報表數據，涵蓋市場情報、消費者行為數據、社交媒體反饋、經濟指標預測等信息，建立完備的商業決策生態系統，再采取Python的高級數據分析庫（如Pandas、SciPy和Matplotlib）對這些數據進行建模，引導學生逐步完成數據導入、清洗、預處理、建模、可視化等一系列分析過程，確保學生不僅“會用工具”，更“懂得方法”。二是模擬經濟管理工作深度決策。教師可設計一個高度仿真的商業環境，涵蓋經濟周期變化、突發事件（如供應鏈中斷）、市場競爭動態等多重不確定因素，整個模擬過程要求學生在極短時間內處理大量數據并作出實時決策。三是數據分析迭代優化及評價反饋。學生需使用回歸分析和時間序列預測模型，對市場需求做出預測，再使用敏感性分析評估不同決策選項的潛在風險和收益。同時，要借助數智化系統來監測每個學生在數據分析任務中的代碼運行時間、錯誤調試過程、模型選擇和參數調整等具體操作步驟，生成學生的學習行為畫像，幫助教師精準識別學習障礙和薄弱環節。這種深度的數據驅動教學模式，為學生未來的職業發展打下了堅實的基礎，極大提升了學生的理論知識水平和實際操作能力。

三、高職院校經濟管理專業教學數智化轉型的全面評估

對高職院校經濟管理專業教學數智化轉型進行全面評估，實質上是對教育改革效果進行系統性驗證和深度反思的過程。數智化轉型要始終契合教育發展的實際需求與突破點，以全面提升高職院校經濟管理學科教育的競爭力與創新力。

（一）課程教學評估

1.構建數智化轉型績效評估模型

高職院校經濟管理專業教學數智化轉型績效評估應從“評價框架”和“指標體系”兩個方面入手。一方面，評價框架應基于教學投入、過程、產出和影響四個層面進行構建，形成閉環反饋機制。教學投入層面側重于教師的數智化能力建設和技術基礎設施投入；過程層面則關注數字化工具在教學設計和實施中的應用情況，如教學資源的數字化程度、在線教學平臺的使用頻率和效果等；產出層面包括學生的技能掌握度、實踐應用能力及創新意識等學習成果數據分析；影響層面需評估數智化轉型對校企合作實效、畢業生就業率、數字經濟競爭力等整體教育生態系統的長期影響。另一方面，教學轉型指標既要“定性”也要“定量”。定性指標通過深度訪談和問卷調查，捕捉教師對數智化教學方法的適應度、學生對數字化學習環境的滿意度等主觀感受；定量指標則涉及學生成績提升幅度、課程在線參與度、師生互動頻率、數據分析軟件使用頻率等。此外，模型需能識別教學過程中的痛點，為個性化學習路徑優化和教學方法改進提供數據支持，確保高職院校經濟管理專業教學在數智化浪潮中不斷迭代優化，實現更高的教學質量和學習效果。

2.構建數智轉型量化評估反饋機制

教學結束后，應注重三個方面的反饋。一是反饋受教者的數智技能與實際行業需求間的匹配度。從數據清洗到建模分析的全流程操作中，要反饋學生對Python、Tableau、SQL等軟件的使用效度，考察學生在真實案例或模擬商業環境中，能否通過數據分析、財務模型構建等手段，提出合理的商業決策建議，檢驗他們將課堂知識轉化為實踐能力的有效性。二是反饋師生跨職能跨媒介的協作能力。反饋機制需關注信息傳遞的有效性，考察師生在多媒介平臺上的溝通頻率、信息準確性和時效性，評估在不同場景下的媒介適應能力，指出其在溝通過程中信息滯后、誤解或信息丟失等存在問題。三是反饋數智化轉型對教學資源配置效率。借助學習管理系統、虛擬實驗平臺、在線圖書館等數智化工具的使用數據，反饋各類資源的訪問量、使用時長、用戶滿意度等指標，生成詳細的資源使用報告，以淘汰低效資源、增加高效資源的使用頻率，以衡量每種資源的投入產出比。

（二）未來方向評估

高職院校經濟管理專業教學數智化轉型是當前教育領域的一個重要趨勢，面臨著新的挑戰及戰略方向。一是有待創建“嵌入式”產業鏈數智模擬與實時決策系統。當前很多高職院校無法獲取足夠真實的行業數據，模擬系統難以真正反映產業鏈的全貌。“嵌入式”產業鏈數智模擬系統旨在深度融合大數據、物聯網以及實時分析技術，模擬從生產到消費的真實經濟產業鏈全過程，推動學生在實踐中解決真實的經濟管理工作問題。二是要設立專門化金融科技實驗室。當前為破解經濟管理專業教學與實訓的“小而散”問題，國內高等教育體系正對實驗室進行優化革新［5］。然而，金融科技的高風險性也意味著學生在參與實際操作時，可能會面臨不可預見的市場風險，且金融科技的前沿技術更新速度快，部分經濟管理實驗室難以保持與行業前沿的實時同步。金融科技實驗室能顯著解決這一問題。該實驗室可以引入區塊鏈、智能合約、量化交易、大數據風控等前沿技術，模擬真實的金融市場運作，或編寫智能合約進行自動化交易，或者利用大數據分析工具進行市場預測與風險管理。三是創建“區域經濟與智能治理”模塊。部分高職院校經濟管理專業難以突破區域經濟數據的收集與整合難題，難以負擔智能決策系統的建設維護成本，需借助此模塊來充分完成地理信息布局、智能決策方案的模擬與建構。

高職院校教育體系的數智化轉型既有自我發展與揚棄的“變”，亦有以人為本、立德樹人的“不變”遵循［6］。高職院校經濟管理專業需借助大數據分析和智能決策模型，深入揭示市場動態和消費者行為，提升資源配置效率與競爭優勢。課程與資源體系整體框架搭建、數智模塊實施和科學層次評估，是保障高職院校經濟管理專業教學數智化轉型成果落地的關鍵，共同構成了衡量這一變革成功與否的核心標尺，三者應協同運作、互為補充，以推進高職院校經濟管理專業教學數智化轉型的向好向深發展。

參考文獻

［1］王洪章.建設金融強國需培育壯大耐心資本［N］.新京報，2024：08.

［2］賀書霞，孫超，冀濤.數智化賦能職業教育產教融合探索［J］.教育與職業，2024（3）：23-28.

［3］邱奕菲.智能化時代高校教師數智素養的培育研究［J］.齊齊哈爾大學學報（哲學社會科學版），2023（12）：139-142.

［4］王維國，徐健，蓋印.經濟管理類專業課程體系數智化升級與教學方法創新［J］.中國大學教學，2022（3）：31-36.

［5］李秀芳，秦海英，吳曉晨，等.高校經濟管理類實驗室建設模式初探：基于南開大學經濟學實驗教學中心建設經驗的探析［J］.實驗技術與管理，2007（7）：1-6.

［6］張志華，孫嘉寶，季凱.“變”與“不變”：高等教育數智化轉型的趨向、風險與路徑［J］.高校教育管理，2022，16（6）：23-31，58.

（責編 藍能波）

作者簡介：張春艷，1986年生，廣西巴馬人，講師，電子商務師，研究方向為企業管理、工商管理、電子商務。