新工科視角下“工智融合”型高技能人才培養路徑探索

【關鍵詞】 新工科；工智融合；高技能人才；智能制造；跨學科教育【中圖分類號】G645 【文章編號】 1003—8418（2025）07—0091—06【文獻標識碼】 A 【DO】 10.13236/j.cnki.jshe.2025.07.012

全球科技革命推動產業深度變革，智能制造、人工智能與工業互聯網迅猛發展，“新工科\"教育改革已成為提升國家核心競爭力的重要戰略。美國通過《制造業戰略計劃2024》提出以先進制造技術和工程教育重塑產業生態[1]；德國“工業4.0”戰略則明確要求構建適應智能制造需求的新型工程教育體系[2]。作為世界第二大經濟體，我國在《教育強國建設規劃綱要（2024—2035年）》中強調深化新工科建設，全面構建產教融合的職業教育體系，建設學習型社會，以教育數字化開辟發展新賽道、塑造發展新優勢[3]。當前，高職院校在新興產業人才培養中仍存在課程體系滯后、實踐條件不足、校企合作單一、人才供需錯配等問題，亟待構建融合工程與智能技術的復合型人才培養體系[4]。“工智融合\"型高技能人才培養理念由此提出，旨在突破傳統學科界限，以先進制造、智能感知、數據驅動決策和智能運維為核心領域，構建課程體系重構、實踐教學升級與校企深度協同的復合人才培養模式[5]。這不僅關系到教育體系優化，更直接影響制造業升級和新興產業發展，成為當前高職院校人才培養的戰略選擇與實踐難題。

一、新工科視角下“工智融合\"型高技能人才培養的邏輯價值

（一）“新工科”職業教育的內涵及其時代價值

全球新一輪產業革命背景下，“新工科”成為推動國家核心競爭力提升的重要戰略。我國提出的“新工科\"教育改革，是主動應對第四次工業革命、以跨學科融合和創新驅動的工程教育體系，培養適應未來產業需求的復合型技術人才[6]。“新工科\"的內涵不僅是傳統工科教育的延伸，更強調以智能制造、人工智能、大數據等新技術為依托，進行深層次、多學科的協同創新，從而促進技術進步和產業升級[7][8]。當前，工程教育正向全球化、跨學科、應用導向的方向發展，美國工程與技術認證委員會（ABET）跨學科工程教育框架與德國“雙元制”模式都體現出“理論一實踐”緊密結合的趨勢[9]。在國內，“新工科”建設歷經從“復旦共識\"到“天大行動”再到“北京指南”，逐步完善并形成了政府引導、高校響應、企業需求驅動的協同育人模式，體現出清晰的邏輯價值：以教育創新驅動產業變革、以跨學科融合適應技術革命、以高端人才培養支撐國家競爭力的提升。推動高職院校必須進一步深化改革，構建適應產業新生態的復合型人才培養模式。

（二）高職院校“新工科”人才培養面臨的現實挑戰

盡管我國高職院校已開始積極探索“新工科”背景下的職業教育改革，但實踐中仍面臨諸多挑戰。一是專業建設與產業需求對接不足，人才培養定位不清晰，導致畢業生難以有效匹配企業實際需求[10][11]。二是課程體系設計滯后，難以及時反映產業發展的技術進步與崗位技能變化，課程內容仍以單學科為主，未形成有效的跨學科融合[12]。三是校企合作深度不足，合作形式相對單一，企業參與教學設計、實踐指導的程度有限，難以真正實現協同育人的系統化發展[13]。這些問題限制了高職院校在新時代下培養高質量“新工科”人才的效能，亟待通過跨學科融合、校企深度協同等途徑加以破解。

（三）“工智融合”型高技能人才培養理念的提 出及理論基礎

面對新一輪技術革命和產業變革，“工智融合”型高技能人才培養理念應運而生。該理念打破傳統工程與智能技術之間的學科邊界，以先進制造、智能感知、數據決策、智能運維為核心能力培養領域[14][15]。“工智融合\"型人才培養基于三個重要理論支撐：教育理論層面，建構主義學習理論強調學生通過主動建構知識，實現多學科知識融合，提升解決復雜問題的能力[16]。工程實踐層面，借鑒CDIO（Conceive—Design—Implement—Operate）工程教育模式（構思—設計一實施一運作），強調以實際工程項目為載體，培養學生解決實際問題的綜合能力[17]。技術邏輯層面，引入人機協同理論，強調人類與人工智能系統之間的協同合作，通過技術互動與協作實現復雜任務的高效完成[18]。多維理論融合不僅重構了高技能人才的知識結構，更回應了產業對復合型、跨學科創新人才的現實需求，體現了面向未來產業生態的戰略前瞻性與應用邏輯價值。

（四）“工智融合”型高技能人才培養的核心特 征與培養目標

一是跨學科知識融合能力。適應新時代產業需求的高技能人才不僅需要掌握傳統工程知識，還應熟練掌握人工智能、大數據、智能制造等領域知識，實現跨學科知識的有效融合與遷移應用，以應對復雜的實際生產問題[19]

二是創新思維與系統性問題解決能力。“工智融合\"型高技能人才需具備以整體性、系統性的視角分析問題、解決問題的能力，能夠在工程與智能技術交叉應用的背景下，提出技術創新方案，并推動流程優化與系統升級[20]

三是人機協同能力。隨著智能制造的快速發展，人與智能系統的協作成為產業實踐的重要特征，“工智融合\"型高技能人才培養需突出培養學生的人機協同與決策能力，提升其在實際生產環境中對智能系統的高效操控與優化管理能力。

“工智融合\"型高技能人才培養體現出清晰的邏輯價值，即以學科深度融合回應新興產業發展需求，通過模式創新提升人才培養效能，并構建高職教育與產業需求之間的高效協同機制，這已成為高職教育改革轉型的重要路徑。

二、新工科視角下“工智融合\"型高技能人才培養的主要問題

（一）課程體系：傳統架構束縛與新興需求錯配

當前，高職院校的課程體系仍受到傳統單一學科架構的束縛，課程更新緩慢，內容陳舊，與智能制造、人工智能、物聯網等產業的前沿需求存在較大錯位。具體表現為：一是課程設計仍以單學科、靜態知識傳授為主，缺乏多學科交叉融合，未能及時融入智能技術、大數據分析等產業前沿內容。二是課程更新周期過長，多數學校采用每“五年一修訂”的模式，難以快速適應行業的技術更迭。三是課程體系在學歷教育與職業能力之間銜接松散，“崗課賽證”一體化多停留在形式層面，造成學生實踐技能不足，職業適應能力較差。這些問題導致高職院校畢業生難以迅速融入產業實踐，嚴重影響了高技能人才培養的有效性。

（二）實踐教學：硬件軟件短板與人才培養脫節

高職院校實踐教學嚴重制約了“工智融合\"型高技能人才的有效培養。首先是實踐教學硬件設備嚴重不足，現有設備老化陳舊，難以承擔復雜的智能制造、自動化控制、大數據分析等高端技術訓練。其次是實踐教學軟件條件不足，實訓內容滯后于產業需求，學生缺乏智能生產場景的實操機會。此外，傳統單學科實驗模式固化，難以培養學生的系統思維和跨學科創新能力。同時，實訓效果評價缺乏精準性與及時性，無法準確衡量學生實踐能力發展水平，也難以提供個性化的能力提升路徑。這種實踐教學環境與智能化產業需求的嚴重脫節，制約了高職學生綜合能力和產業適應能力的提升。

（三）校企協同：淺層合作模式與深度融合障礙

目前高職院校與企業之間的合作模式多停留在短期實習、簡單產學對接等淺層次合作上，尚未形成長期穩定的校企深度融合機制。具體問題表現為：一是校企合作缺乏系統化設計，企業在課程開發、人才培養目標制定及教學實踐指導方面參與度低，企業被動配合為主，教學內容與產業實際需求偏差較大。二是企業專家參與高職院校教學過程不足，高校教師也缺乏深入企業一線進行技術實踐的機會，導致教學內容無法有效對接產業前沿。三是缺乏智能化的產業需求與人才供給精準匹配平臺，校企雙方信息交流不暢，學生就業質量難以提升。這種校企協同障礙，限制了人才培養的產業適應性和應用實效性。

（四）師資隊伍：數字智能短板與教學能力瓶

當前，高職院校教師隊伍普遍存在數字化、智能化轉型不足的問題，這成為制約高技能人才培養的關鍵瓶頸。一方面，多數教師數據驅動教學設計能力薄弱，缺乏對人工智能、大數據分析、工業互聯網等新技術的深入理解，導致教學內容陳舊，與產業實踐脫節；另一方面，教師缺乏工程一線的實踐經驗，“雙師型\"教師比例低，尤其在智能化、自動化前沿領域，教師實際應用能力不足，跨學科教學整合能力不強。這些問題導致教師難以滿足新時代產業對復合型人才培養的要求，嚴重影響了高職院校培養“工智融合\"型高技能人才的質量。

高職院校在“工智融合\"型高技能人才培養過程中面臨課程體系滯后、實踐教學脫節、校企合作淺層、師資能力短板等深層次問題，使得當前的高職教育難以有效回應產業快速變革的迫切需求，亟待從根本上進行改革與突破。

三、新工科視角下“工智融合\"型高技能人才培養的創新路徑

（一）多元融合的課程體系再造：產業導向的智能工科課程建設實踐

高職教育面臨產業結構智能化轉型升級對復合型高技能人才需求日益迫切的挑戰，而傳統課程體系存在知識單一、學科壁壘突出、動態更新不足的問題，亟須從產業需求出發，以跨學科融合理念為基礎，開展智能工科課程體系的深度再造。

首先，構建了“工程基礎一智能技術一行業應用\"的三維融合課程架構，實現跨學科技術的深度整合與協同創新培養。具體而言，“工程基礎\"模塊著眼于機械工程、電氣自動化和工業互聯網的交叉融合，構筑學生扎實的跨學科工程知識基礎；“智能技術\"模塊重點聚焦人工智能、大數據分析、物聯網、數字孿生等前沿技術，通過系統化的理論講授與實踐訓練，著力提升學生在數字化創新與智能應用方面的核心能力；“行業應用”模塊則結合區域產業發展特色，圍繞智能制造、智慧醫療、智能食品加工等重點行業領域，以項目化教學與真實企業任務為載體，培養學生產業場景下的技術應用與創新能力。例如，某高職院校與區域龍頭智能食品企業緊密合作，共同創新開發了“智能食品生產線運行管理\"課程。校企雙方組建跨界教研團隊，協同開發基于真實企業生產線的教學資源包，包括標準化作業規程（SOP）、食品安全控制體系、質量管理規范和生產效率提升指標等內容；創新引入VR虛擬仿真和數字孿生技術，搭建虛實融合的沉浸式生產線仿真實訓環境，使學生能夠在高度仿真的企業生產情景下進行實操訓練。此外，還設立企業生產線現場實訓基地，實施“雙導師制”，由企業工程師和校內教師聯合指導學生完成真實生產任務項目。通過以上創新舉措，實現教學過程與企業崗位需求深度融合，切實縮短了學生就業適應期，真正做到了人才培養與產業需求的“零距離\"對接。

其次，以大數據技術構建課程體系的動態優化機制，確保課程內容與產業需求實時精準匹配。傳統課程修訂周期長、響應滯后，難以適應產業技術快速迭代的現實需求。通過建立智能化課程管理平臺，實現對行業技能需求變化的實時監測和大數據分析，以數據驅動教學內容的精準化調整例如，某院校開發了智能制造崗位技能需求數據庫，每季度分析并更新教學內容，使課程體系始終保持對產業一線需求的高度敏感性與適配性。

再次，深化實施“崗課賽證”一體化模式，強化學歷教育與職業技能培養的銜接融合。高校應聯合企業將職業資格標準、行業競賽內容與企業崗位實際需求充分融人課程教學設計，通過競賽、資格認證強化學生技能的實時檢驗，實現能力培養與產業需求的有效對接。

（二）數字孿生技術賦能的實踐教學變革：構建精準化智能實踐教學體系

實踐教學是高職人才培養的關鍵環節，傳統實踐教學受限于場地、設備陳舊、訓練內容滯后，難以適應產業高技能人才培養需求。數字孿生技術的興起為高職實踐教學的智能化轉型提供了重要支撐。

首先，建設虛實結合的數字孿生智能實訓平臺，突破傳統實訓教學的空間與資源限制。學校要融合數字孿生技術，將真實產業的生產環境、設備運行狀態和工藝流程進行數字化精準映射，打造動態交互的虛擬生產實踐場景，使學生能夠沉浸式地開展生產調度、流程優化與設備故障診斷等高階技能訓練。例如，某高職院校在食品智能化加工專業創新構建了“多場景交互式食品智能生產數字孿生系統”，與企業真實生產線同步聯動，建立了涵蓋原料處理、智能配料、加工包裝、質量追溯等關鍵工序的全過程數字孿生虛擬生產線。該系統通過引入實時數據采集和反饋機制，實現虛擬環境與實際生產過程的高精度實時同步。此外，平臺還集成了人工智能算法與大數據分析技術，能夠智能生成不同工況下的虛擬仿真訓練任務，使學生在交互式虛擬場景中開展自主探索與問題解決式學習，深人理解生產過程中的關鍵控制節點、質量管理與智能決策方法，從而顯著提升其智能化生產實操技能和復雜問題解決的綜合決策能力。

其次，實施跨學科項目驅動型實踐教學模式，增強學生跨領域知識整合能力與創新實踐能力。學校應聯合企業共同設計跨學科實踐項目，組織學生跨專業協作完成，全面提升學生在真實情境下的綜合解決復雜工程問題的能力。例如，某院校開展了跨學科“智能醫療設備優化設計”項目，由自動化、生物醫藥、信息技術等多個專業學生協同完成，提高了學生跨專業的整合創新能力。

此外，引人人工智能輔助的智能化實踐教學評價體系，以實時、精準的數據分析推動教學效果優化。通過AI技術實時監測學生實踐過程的操作數據，自動分析學生的行為表現與技能發展情況，提出個性化教學建議。例如，某校開發的AI智能評價系統實現了實時動態反饋和個性化輔導，有效促進了實踐教學精準度的提高。

（三）產業鏈視域下校企協同育人模式創新：從“合作”走向“共生”

當前校企合作多以淺層次、階段性合作為主，難以滿足產業鏈全程育人的要求。新工科背景下，應深化校企協同，構建企業與學校深度融合、共生發展的協同育人機制。

首先，建立以產業教育聯合體為載體的校企合作模式，推動企業深度嵌人課程開發與實施全過程。企業主導制訂課程標準，參與教學全過程，將企業先進技術與標準轉化為教學資源，實現學生所學與企業所需的無縫對接。例如，某院校與智能制造龍頭企業合作建立產業聯合體，共同開發實施了“智能產線運維管理”課程，企業專家深度參與教學過程，人才培養針對性大幅提升。

其次，探索“雙導師 + 工學交替\"的協同育人新模式，打造常態化校企師資交流平臺。高校教師與企業導師聯合指導學生學習與實訓，教師定期深入企業參與生產實踐，企業專家定期進入高校課堂講授最新技術，使教學內容始終保持與產業實踐的高度契合。例如，某高職院校智能食品加工專業通過企業導師定期入校、高校教師深入企業技術研發，實現了教育內容的實時產業對接。

再次，搭建AI驅動的智能化人才供需匹配平臺，通過大數據技術精準分析學生技能畫像與企業崗位需求，優化畢業生就業質量，實現高職院校人才培養與產業需求的精準對接。

（四）面向未來的師資隊伍數字化轉型路徑：培養智能教育引領型教師群體

教師隊伍是人才培養質量的關鍵保障。為適應新工科背景下智能化教育轉型需求，高職院校應加速教師隊伍數字化轉型，構建智能教育引領型師資隊伍。

首先，構建以數據驅動為核心的教師智能教學能力培訓體系，提升教師對人工智能、大數據分析、數字孿生技術的應用能力；其次，建立教師企業實踐常態化機制，提升教師產業實踐能力與前沿技術掌握能力；再次，實施AI輔助教學系統建設，通過數據實時分析學生學習狀況，輔助教師開展個性化教學設計與精準化教學評價，推動教師隊伍建設向智能化、數據化方向轉型升級。

四、結語

本文從“新工科”視角出發，圍繞“工智融合”

型高技能人才培養路徑進行了深入探索。研究認為，推動“工智融合\"型高技能人才培養，是回應國家戰略、產業需求、社會發展與教育改革的重要途徑。在國家層面，應基于“新工科\"理念，全面優化高職院校的課程體系，通過跨學科融合培養適應數字化與智能化產業轉型的復合型人才，確保人才培養與國家經濟高質量發展的戰略目標高度契合。在社會層面，強調實踐教學的創新與變革，充分利用數字孿生技術，構建沉浸式智能實訓平臺，切實增強學生的技術創新與實際問題解決能力，助力高技能人才更好地服務于社會發展。在產業層面，深化校企合作模式，建立以產業教育聯合體為載體的共生型合作機制，推動企業深度參與課程設計、教學實施與技術研發，精準對接產業需求，提升企業技術競爭優勢與市場適應能力。在教育層面，加速師資隊伍數字化轉型，構建數據驅動的智能化師資培養體系，增強教師跨學科、智能化教學能力，推動教學方法與手段持續創新，保障人才培養模式的長遠發展與持續創新。綜上所述，新工科視角下“工智融合”型高技能人才培養路徑的有效實施，不僅是實現高職教育轉型升級的必然要求，更是推動產業技術創新的重要戰略舉措。

【參考文獻】

[1]United States Department of Commerce. ManufacturingUSA：A National Network for Manufacturing InnovationStrategyPlan 2024[R].Washington，DC：US GovernmentPrinting Office，2024.

[2]German Federal Ministry for Economic Affairs and Energy.Industrie 4.O：Smart Manufacturing for the Future[R].Ber-lin：Federal Government of Germany，2019.

[3]中共中央國務院印發《教育強國建設規劃綱要（2024—2035年）》[EB/OL].[2025-02-10].https：//www.gov.cn/gong-bao/2025/issue_11846/202502/content_7002799.html.

[4]姚圣卓，王傳濤，金濤濤.新工科人才培養視域下高校創新創業教育實踐平臺建設研究[J].教育與職業，2022（10）：70一75.

[5]王悅曉，郝天聰.生成式人工智能賦能職業教育變革：挑戰與現實路徑[J].教育與職業，2025（04）：14-20.

[6]王樹國.新技術革命背景下中國高等教育變革路徑探尋[J].人民論壇·學術前沿，2023（18）：14—21.

[7]李明慧，曾紹瑋.基于“新經濟\"發展的高職“新工科\"建設路徑研究[J].實驗技術與管理，2020，37（09）： 236-241+247

[8]黃彬，姚宇華.新工科現代產業學院：邏輯與路徑J」.高等工程教育研究，2019（06）：37-43.

[9]Mouloud Aoudia. Appropriateness of the International Ac-creditationFrameworksofEngineeringEducationtotheAca-demic EngineeringProgramsin Saudi Arabia：A ComparativeStudy[J]. International Journal of Advanced and Applied Sci-ences，2022，9（03）：123-132.

[10]賀晶晶，姜慧.湖南高職院校工科人才培養分析——新工科背景下7個發展的導向[J」.中國高校科技，2021（09）：62一66.

[11趙容晨，邱宇宇.新工科視域下高職院校“三螺旋”人才培養模式構建研究[J].貴州師范大學學報（自然科學版），2024，42（06）：121—128.

[12韓曉冬，姬君，王麗穎.信息化技術在高職新工科專業教學設計中的應用路徑探索［J].印刷與數字媒體技術研究，2023（04）： 67-73+167 ：

[13]黃兆軍.高職院校新工科專業建設的困境、目標與途徑以珠海城市職業技術學院為例[J]．職教論壇，2021，37（05）：142—148.

[14]龐嵐，呂軍，周建偉.新工科建設背景下的地質類專業跨學科人才培養模式探析[J].高等工程教育研究，2020（01）：62一66.

[15]李賽培，張天雪.以技進道：指向人機協同的技能型拔尖創新人才培養探索[J].教育與職業，2025（02）：5-12.

[16]Dinelti Fitria. Implementation of Constructivism LearningTheory in Science.International Journal of Humanities Edu-cation and Social Sciences[J].doi：10.55227/ijhess.vli3.71.

[17]Kristina Edstrom，Johan Malmqvist，Janne Roslof.ScholarlyDevelopment of Engineering Education—the CDIO approach[J].European Journal of Engineering Education，2O20，45（01）：1-3.

[18]Orit Shaer，Angelora Cooper. Integrating Generative Artifi-cialIntelligence toa Project-Based TangibleInteractionCourse[J]. IEEE Pervasive Computing，2024，23（01） ： 63-69.

[19]Maja Bacovic，Zivko Andrijasevic，Bojan Pejovic.STEMEd-ucation and Growth in Europe[J]. Journal of the KnowledgeEconomy.doi：10.1007/s13132—021—00817—7.

[20]孫剛成，楊晨美子.系統思維視域下的新工科人才核心能力培養［J].系統科學學報，2024，32（02）：108－113.

基金項目：江蘇省高等教育教學改革研究重中之重課題“新質生產力發展視域下高職院校新工科專業‘工智融合'實施路徑研究”（2023JSJG039）；第二屆黃炎培職業教育思想研究規劃課題“基于黃炎培職業教育思想的‘生態型’就業指導體系構建研究”（ZJS2024ZN040）；教育部職業院校中國特色學徒制教學指導委員會“中高本銜接現場工程師人才培養模式的研究與實踐”（2023kt019）.

Exploration of the Path for Cultivating \"Engineering-Intelligence Integration\" High- Skilled Talent from the Perspective of \"New Engineering Education\"

Xue Yu，Zhai Weiwei，Tian Min

Abstract： Under the context of New Engineering Education，cultivating \"Engineering-Inteligence Integrated\" talent has become a focal point in vocational education reform. This paper examines the development of interdisciplinary，high一skilled talent in vocational colleges，highlighting key challenges such as outdated curricula，lagging practical teaching methods，superficial industry-college collaboration，and insufficient digital transformation among faculty.It proposes reconstructing a multi一integrated curriculum system driven by industrial demands，developing precise practical teaching models enabled by digital twin technologies，advancing industry一colege collaboration from cooperation to symbiosis，and enhancing the digital and intelligent capabities of teaching staff. These measures aim to precisely align talent cultivation with industrial development， thus supporting industrial transformation and upgrading.

Key words： new engineering education;engineering-inteligence integration; high一skilled talent; intelligent manufacturing; interdisciplinary education

（責任編輯 肖地生）