人工智能在高職財經專業(yè)教學中的應用研究

0 引言

AI（ArtificialIntelligence，人工智能）技術的深度賦能與教育場景的創(chuàng)新融合，通過構建個性化學習系統(tǒng)、智能教育決策支持平臺及虛實融合的教學環(huán)境，正成為推動教育現代化的重要力量。高職財經專業(yè)作為培養(yǎng)應用型財經人才的重要陣地，亟須借助AI技術實現教學模式的創(chuàng)新與升級。2023年國家出臺《關于加快推進教育數字化轉型升級的意見》《職業(yè)教育產教融合賦能提升行動實施方案（2023—2025年）》等政策，明確要求深化人工智能、大數據等新技術在教育中的應用，推動智能化教學工具的普及，優(yōu)化人才培育效能，為高職教育數字化轉型提供了政策指引，也為AI技術在高職財經專業(yè)教學中的應用創(chuàng)造了良好環(huán)境。

然而，當前高職財經專業(yè)教學中關于AI技術的應用仍面臨諸多挑戰(zhàn)。一是技術與實際教學場景融合不足，難以充分發(fā)揮技術優(yōu)勢；二是現有教學模式對學生缺乏個性化指導，智能化教學資源不足；三是教師對AI技術的應用能力參差不齊。這些問題嚴重制約了高職財經專業(yè)教學的數字化轉型進程。

針對上述問題，本文構建了“三階段漸進式”混合教學模式，并通過引入DeepSeek，破解學生的“代碼恐懼癥”。以大數據財務應用課程為載體，為職業(yè)教育數字化轉型提供了可復制的理論框架和實踐方案，并將學生從語法細節(jié)中解放出來、專注于業(yè)務邏輯分析，提升崗位適應能力，為培養(yǎng)“財務 + 技術”復合型人才、實現教育鏈與產業(yè)鏈的有機銜接提供了創(chuàng)新路徑。

1人工智能在教育領域的應用現狀

隨著AI技術的發(fā)展，其在教育領域的應用從理論探索逐步走向實踐，但也面臨諸多挑戰(zhàn)。基于認知負荷理論[]，人類接收和處理信息的能力有限，當信息呈現方式不當與任務設計復雜時，會導致外在認知負荷過高，學習困難，學生容易產生畏縮與排斥心理。而AI技術的使用，為降低外在認知負荷提供了新途徑。

在教學層面，早期研究主要集中于教育目標的適應性調整。徐經長2提出會計教育需從單純知識傳授轉向價值觀塑造與能力培養(yǎng)，強調職業(yè)判斷與價值管理能力，為智能時代專業(yè)教育目標轉型提供思路。周守亮和唐大鵬[3指出智能化時代財務崗位應從核算向戰(zhàn)略財務、業(yè)財融合躍遷，會計教育需構建“管理 + 會計 + 大數據”知識體系，增加智能會計、數據挖掘等課程，減少傳統(tǒng)財務會計比重，凸顯復合型人才培養(yǎng)導向。李豐團和賀瑩潔[4]明確了“大數據 + 會計”培養(yǎng)目標，主張將大數據技術與會計理論融合，取消手工記賬等過時課程，強化學生數據處理與分析能力。王小紅和徐煥章[5]提出“四位一體”培養(yǎng)目標，構建跨學科課程體系，推動傳統(tǒng)會計核心課與大數據創(chuàng)新課融合。

教學模式與師資建設方面，馬靖杰等提出“財經 + 大數據 + 會計”跨界培養(yǎng)模式，通過校企合作引人企業(yè)案例，利用財務機器人模擬實務操作。徐志英以計算機應用技術專業(yè)為例，介紹智能教學系統(tǒng)通過智能備課、人機交互實現個性化導學。郭蕾蕾[8]提出“師一機一生”三元協(xié)同模式，教師設計教學活動，AI輔助生成個性化資源并實時反饋學情。楊思琪委員建議推廣“雙師型AI課堂”，促進優(yōu)質資源跨區(qū)域共享。師資方面，李豐團和賀瑩潔[4]指出高校教師多局限于單一領域，需通過進修、引進技術人才打造跨學科師資隊伍。陳淑維[°分析教師面臨技術運用失范等問題，提出構建“ AI+ 教師”研修制度，提升教師智能教育素養(yǎng)。

學習維度上，人工智能為個性化學習提供支撐。郭蕾蕾[8]、朱莎等[1]研究顯示，生成式AI如 Deep-Seek、訊飛星火能創(chuàng)設沉浸式場景（如模擬編程、實時答疑），提升學生信息意識、計算思維與數字化學習能力。資源整合方面，楊思琪委員建議利用AI整合國家級智慧教育平臺與慕課資源，天津多所高校實踐顯示，智能知識庫（如梯度化習題庫、AI助教系統(tǒng)）有效提升學習效率[12]。評估方式上，王小紅和徐煥章[5提出“四大課堂協(xié)同”多維度評估學生能力，郭蕾蕾[8指出AI可記錄學習過程數據，推動評價從結果導向轉向過程導向。利用AI記錄和分析學習行為數據，教師能夠更精準地掌握學生的學習情況，優(yōu)化教學安排，避免因教學安排不當增加學生的外在認知負荷。

盡管人工智能應用廣泛，但技術局限仍然顯著。理論與實際教學場景融合不足，李豐團等[4]指出高校僅將技術用于信息化建設，《會計信息系統(tǒng)》等課程內容過時，未與實務深度融合。王濱[13提到高職教學中AI多用于基礎功能，缺乏財務決策等復雜場景模擬，技術優(yōu)勢未充分發(fā)揮。現有教學模式難以滿足個性化需求，朱莎等[11]發(fā)現生成式AI在信息社會責任培養(yǎng)上效果有限，學生數字倫理認知仍依賴教師引導；郭蕾蕾[8]指出DeepSeek 等模型存在“幻覺問題”，生成內容可能包含錯誤信息，且算法偏見可能導致價值觀偏離，需人工審核干預。教師技術應用能力參差不齊是另一瓶頸，陳淑維[\"指出部分教師對AI工具存在“抵觸”或“過度依賴”，王曉軍和趙文平[14通過量表分析發(fā)現教師在數字化安全與責任等維度能力較弱，制約技術推廣。

現有研究表明，人工智能雖推動教育向個性化、智能化轉型，但需在技術與教學深度融合、教師能力提升及倫理風險防控等方面持續(xù)突破，方能充分釋放其教育價值。

針對上述問題，本文基于建構主義學習理論，以大數據財務應用課程為實踐載體，引人DeepSeek輔助DAX（DataAnalysisExpressions，數據分析表達式）語言教學，構建“三階段漸進式”混合教學模式，消除學生的“代碼恐懼癥”，促進AI技術與教學深度融合，提升教師的教學能力和學生的學習效率，為“財務 + 技術”復合型人才培養(yǎng)及教育鏈與產業(yè)鏈有機銜接開辟新路徑。

2實踐案例：人工智能輔助DAX語言教學

2.1 案例背景

大數據財務應用是大數據與財務管理專業(yè)的核心課程，也是新專業(yè)自錄中體現新技術與新業(yè)態(tài)發(fā)展的代表性課程。課程共48課時，其中理論教學12課時，實踐教學36課時。課程面向大三財經專業(yè)學生開設，這些學生主修基礎會計、財務管理等傳統(tǒng)財務課程，普遍缺乏代碼編寫基礎技能。該課程通過教學編寫DAX語言，來實現數據的靈活計算和高效分析，然而這對于沒有任何代碼基礎的財經專業(yè)學生來說是一件非常困難的事情。

在課程學習中，學生要實現數據的精準核算與深度分析，就必須要掌握DAX語言代碼編寫，但由于學生前期沒有任何編程語言基礎，實際操作時錯誤率高，在學習DAX語言時極易產生畏難情緒和抵觸心理，嚴重阻礙了學生對課程知識的掌握以及專業(yè)技能的提升，亟須通過創(chuàng)新教學方法與技術手段加以解決，以推動教與學的雙重升級，提升教學成效與學生學習體驗。

DeepSeek等大語言模型能夠依據精準的描述性指令，自動生成特定的代碼片段，這一特性能巧妙化解財經專業(yè)學生在學習大數據財務應用課程中遭遇的代碼困境，將原本晦澀難懂的代碼編寫“黑箱化”處理，學生無需深入探究代碼底層邏輯，即可靈活運用代碼實現數據處理目標，真正實現人工智能的co-pilot（副駕駛）。

2.2 教學實施

案例：計算某企業(yè)2024年第一季度期間費用借方合計金額，用于后續(xù)分析。

2.2.1傳統(tǒng)教學方式

教師講解DAX語言的基礎語法，演示代碼的編寫過程，然后指導學生進行代碼編寫。具體流程見圖1。

圖1傳統(tǒng)教學方法流程

財經專業(yè)學生由于缺乏編程基礎技能，在代碼編寫過程中經常出現語法錯誤，使得教學進度緩慢、學生積極性受挫，此教學案例采用傳統(tǒng)教學方法需要用大約40分鐘。此外，由于傳統(tǒng)教學資源不足、教學案例滯后，學生在課堂所學知識難以應用到實際數據分析中，導致他們在面對復雜問題時無從下手。教師雖然可以進行針對輔導，幫助學生解決代碼編寫過程中所遇到的問題，但由于時間和精力有限，無法兼顧所有學生，部分學生可能會因此失去學習興趣和信心。因此，傳統(tǒng)教學方法存在教學效率低、學生畏難情緒高等問題。

2.2.2人工智能輔助教學

運用DeepSeek輔助教學不需要花費大量時間講解DAX 語言的基礎語法，而是引導學生如何借助 Deep-Seek，將數據分析需求通過自然語言轉換得到DAX語言，然后復制生成的代碼放入PowerBI軟件，進行財務數據分析。具體流程見圖2。

圖2人工智能輔助教學流程

如根據某一企業(yè)2024年度會計分錄匯總表，計算該企業(yè)2024年第一季度的期間費用借方合計金額，用于后續(xù)分析。

第一步：需求描述。

這是一個條件匯總的數據分析，首先要明確計算金額列合計，條件有3個： ① 時間限制在2024年第一季度，即2024年1月1日至2024年3月31日； ② 科目限制為期間費用，包含財務費用、管理費用和銷售費用； ③ 方向限制為借方。分析需求以后，開始編輯自然語言讓DeepSeek進行代碼生成，整理需求發(fā)送指令“幫我生成DAX語言代碼，需求如下：根據會計分錄匯總表，計算該企業(yè)2024年1月1日到3月31日期間財務費用、管理費用和銷售費用的借方合計金額”。

將本案例的自然語言指令整理形成通用的提示詞“幫我生成DAX語言代碼，需求如下：根據XX表，計算企業(yè)XXXX年XX月XX日到XX月XX日期間XXXX（科目）的借方/貸方XX（指標）合計。”可用于同類型需求分析。

第二步：DeepSeek生成代碼。

//計算2024 年Q1期間費用借方合計Q1_Expenses_Total Σ=Σ

VARStartDate Σ=Σ DATE（2024，1，1） //起始日期

VAREndDate Σ=Σ DATE（2024，3，31） //結束日期

RETURN

CALCULATE（SUM（會計分錄匯總表［金額]），//篩選條件FILTER（會計分錄匯總表，會計分錄匯總表［日期］ gt;= StartDateamp;amp;會計分錄匯總表［日期］ lt;= EndDateamp;amp;會計分錄匯總表［方向] Σ=Σ \"借方\"amp;amp;（會計分錄匯總表［科目名稱］ Σ=Σ \"財務費用\"」|會計分錄匯總表'［科目名稱] Σ=Σ \"管理費用\"||會計分錄匯總表[科目名稱] Σ=Σ \"銷售費用\"）第三步：結果驗證。

DeepSeek根據自然語言生成的代碼完整的體現了需求，將代碼帶入PowerBI運行，驗證代碼的準確性。將運行結果以卡片圖展示，見圖3。

對比教師編寫的代碼運行結果，見圖4。

圖3DeepSeek生成的DAX語言運行結果（截圖）

從運行結果可以看出，DeepSeek根據自然語言生成的代碼，能夠清晰準確地反映用戶的需求，生成的結果和教師編寫的代碼運行結果一致。利用AI工具完成以上3步只需要10分鐘。可見，借助AI工具可以快速完成代碼的編寫，解決高職財經專業(yè)學生的代碼編寫困難，可以讓學生把更多的精力放在數據分析和業(yè)務邏輯理解上，而非糾結于語法細節(jié)。

第四步：邏輯追問。

學生根據DeepSeek生成的代碼追問每個代碼塊的含義和作用，教師結合DeepSeek生成的代碼說明（如表1）通過分層解析引導學生理解，這一步教學僅需10分鐘。

表1代碼說明

注：數據來源于DeepSeek。

（1）變量定義部分。用VAR定義日期，提高代碼可讀性，方便后續(xù)隨時調整起止時間。

（2）CALCULATE函數。

CALCULATE是DAX語言中最重要的函數，可以疊加篩選條件，進行多條件求和，而SUM函數無法進行多條件求和。

（3）FILTER多層邏輯。

FILTER函數適用于各類條件篩選，“』”“amp;amp;”都是邏輯運算符，分別表示“或”和“且”的關系。讓學生嘗試將“”改用IN運算符運行，可進行多樣化搭配。

通過這種追問式學習，學生不僅獲得了可運行的代碼，而且能理解業(yè)務需求到技術實現的轉化邏輯，培養(yǎng)學生對人工智能生成結果的批判性驗證能力，掌握代碼優(yōu)化思維，如變量復用、條件簡化等。

2.3 應用效果

人工智能輔助DAX語言教學的實施，顯著提升了教學效果，具體體現在學生和教師兩個層面。

2.3.1 學生層面

1.實操錯誤率顯著下降

通過DeepSeek等AI工具生成代碼，學生能夠快速獲得準確且符合需求的DAX代碼，避免了因語法錯誤和邏輯問題導致的反復調試。教學實踐數據顯示，采用傳統(tǒng)教學方法，學生編寫代碼報錯人數約占總人數的 60% ，而借助AI編寫代碼，錯誤率下降到10% 左右，學生的實操錯誤率下降 50% ，學習效率大幅提升。

2.學習興趣與信心增強

AI工具的即時反饋和精準生成能力，使學生能夠快速完成數據分析任務，體驗到學習的成就感。教學班級調查顯示， 60% 的學生認為人工智能系統(tǒng)的反饋“比教師更及時”，這極大地增強了他們的學習興趣和信心。

3.專注業(yè)務邏輯與數據分析

學生無需深入探究代碼的底層邏輯，原本要花費一半以上的時間在代碼學習上，而借助AI以后極大的節(jié)省了學習代碼的時間，而是將更多精力集中在理解業(yè)務邏輯和數據分析的核心問題上，提升了學習的深度和實用性。

2.3.2 教師層面

1.教學效率提升

傳統(tǒng)教學過程中教師需要約40分鐘講解基礎語法、演示代碼編寫和指導學生編寫代碼，而使用AI輔助教學后僅需20分鐘，教學效率提升了 50% 。AI工具能夠自動生成代碼并提供詳細說明，教師無需耗費大量時間講解基礎語法和調試學生代碼，能夠將更多精力投人到高階教學設計和創(chuàng)新中。

2.教學資源升級

教師利用AI工具可以建立豐富多樣且實時更新的教學資源庫，有效彌補傳統(tǒng)教學資源的不足，讓教學內容更具多樣性與針對性。

3.個性化教學支持

AI工具能夠幫助教師實時掌握學生的學習情況，依據每個學生的學習行為數據，制定個性化教學方案。

綜上，AI輔助教學能夠讓學生快速運用DAX語言進行財務數據分析，既降低了學習門檻，又讓教師從大量的重復性工作中解放出來，顯著提升了教學效率。這種教學模式為高職財經專業(yè)教學的數字化轉型提供了實踐路徑，也為職業(yè)教育的高質量發(fā)展注人了新動能。然而，AI輔助教學在實際應用中，存在技術穩(wěn)定性差、學生過度依賴、教師技術素養(yǎng)不足等問題。

3AI輔助教學存在的問題與優(yōu)化策略

在DAX語言教學里，AI輔助教學成效顯著，但同時也暴露出一些關鍵問題，需要構建系統(tǒng)性解決方案加以完善。具體而言：

3.1 技術應用瓶頸

研究發(fā)現，在AI輔助DAX語言教學過程中，復雜業(yè)務邏輯的代碼生成會出現準確率不足的問題，主要表現為多層嵌套函數錯誤或財務特殊場景處理失敗。針對此類技術瓶頸，首先建立“財務業(yè)務一代碼模板”映射庫，開發(fā)包含300多個常見業(yè)務場景的財務專用模板庫，覆蓋應收賬款分析、成本核算等典型任務；其次構建雙階段審核機制，第一階段由人工智能進行初審，自動標注低置信度代碼并提示風險點，第二階段由教師進行終審，重點審查高瀕易錯點，特別是涉及USERELATIONSHIP的跨表查詢、使用EARLIER的遞歸計算以及財務科目余額方向調整等關鍵邏輯，確保生成代碼的業(yè)務準確性和技術規(guī)范性。

3.2 教學實施挑戰(zhàn)

教學實踐表明，學生過度依賴AI工具會導致基礎概念模糊，對代碼的識別和修正能力明顯降低。為解決這一問題，本文設計了科學的分階段訓練方案（見表2），通過漸進式教學策略平衡技術工具使用與基礎能力培養(yǎng)。在入門階段，采用AI全輔助模式（ 100% 代碼生成），讓學生專注于理解業(yè)務需求與代碼的映射關系；進階階段轉為師生協(xié)同模式（提供 50% 框架代碼），要求學生補充關鍵計算邏輯，重點培養(yǎng)時間智能函數等核心技能；最終在綜合階段僅提供需求描述，引導學生獨立完成從業(yè)務分析到代碼實現的全過程，系統(tǒng)培養(yǎng)完整的數據分析思維。通過這種階梯式教學設計，既發(fā)揮了AI工具的效率優(yōu)勢，又確保了學生基礎能力的扎實掌握。

表2分階段訓練方案

3.3教師AI教學能力不足

調研發(fā)現，現階段高職教師對AI技術的運用能力普遍不足，多數仍局限于傳統(tǒng)教學方法。針對教師運用AI教學能力不足的問題，本文提出校企深度合作解決方案。首先共建“雙師培訓基地”，由企業(yè)技術專家為教師提供AI工具深度使用培訓，通過考核的教師獲得“AI教學導師”資格，進而帶領教研組開發(fā)針對性教學案例；其次建立資源互換機制，學校提供典型場景的教學需求清單，企業(yè)則提供真實脫敏數據集及云端GPU算力支持。這種合作模式實現了“產學研用”深度融合，使學生在真實業(yè)務場景中掌握AI工具應用能力，通過完成企業(yè)實際項目積累工作經驗。最終達成“畢業(yè)即上崗、上崗即勝任”的人才培養(yǎng)目標，既提升了學生的就業(yè)競爭力，又為企業(yè)輸送了懂技術、會分析的復合型財經人才，真正實現了教育鏈與產業(yè)鏈的無縫對接。

4結語

本文基于建構主義學習理論，通過實際教學情況證實，人工智能技術在高職財經專業(yè)DAX語言教學中具有顯著的應用價值。根據教學實驗數據顯示，人工智能輔助教學使學習效率顯著提升（ plt;0.05） ，學生代碼錯誤率下降 50% ，同時 60% 的學生反饋AI工具有效降低了學習焦慮感。這些數據充分證明，人工智能輔助教學不僅大幅提升了教學效率和代碼準確性，更通過技術賦能改善了學生的學習體驗。

本文拓展了AI在教育領域應用的理論范疇，基于認知負荷理論闡述AI降低外在認知負荷的作用機制，為“財務 + 技術”跨學科教學提供了理論參照，為職業(yè)教育數字化轉型提供了可復制的理論框架。

在教學模式創(chuàng)新方面，本文提出了“三階段漸進式”混合教學模式，構建了一套完整的教學實施路徑。該模式首先以AI全輔助（ 100% 代碼生成）作為入門階段，讓學生在零基礎情況下快速體驗業(yè)務需求到技術實現的完整流程，建立學習信心；隨后進入師生協(xié)同階段（ 50% 人工修正），教師引導學生對AI生成的半成品代碼進行調試優(yōu)化，在實踐過程中深入理解語法規(guī)則和業(yè)務邏輯；最終過渡到獨立實踐階段（僅使用AI驗證），學生獨立完成代碼編寫，僅借助AI工具進行結果核驗，從而真正掌握自主分析能力。這種階梯式的教學設計既充分發(fā)揮了AI工具的效率優(yōu)勢，又確保了學生基礎能力的扎實培養(yǎng)，實現了技術賦能與傳統(tǒng)教學的深度融合。

本文為培養(yǎng)“財務 + 技術”復合型人才提供了新路徑，但仍存在一定局限性：一是樣本代表性不足，研究樣本來源于本校財經專業(yè)，樣本規(guī)模較小且缺乏跨院校對比；二是研究周期短，研究數據僅來源于一個學期的課程教學，尚未形成持續(xù)追蹤數據。

未來研究可擴大樣本范圍，開展多校對比實驗，并延長跟蹤周期，進一步探索AI技術與職業(yè)教育深度融合的長效機制。

參考文獻

[1]SWELLER J.Cognitive load during problem solving：effects onlearning [J].Cognitive Science，1988（12）：257-285.

[2］徐經長．新時代我國大學會計學教學應處理好的幾個關系[J].中國大學教學，2018（5）：19-23.

［3］周守亮，唐大鵬．智能化時代會計教育的轉型與發(fā)展［J].會計研究，2019（12）：92-94.

[4］李豐團，賀瑩潔．大數據時代財會專業(yè)人才培養(yǎng)模式的改革[J]．中國管理信息化，2021，24（15）：50-53.

[5］王小紅，徐煥章．大數據時代下會計人才培養(yǎng)模式研究[J].會計之友，2021（16）：119-125.

[6］馬靖杰，陳園，李燕．大數據時代數智化財會人才的培養(yǎng)[J]．山西財經大學學報，2023，45（S2）：237-239.

[7］徐志英．人工智能教學系統(tǒng)在高職院校教學中的應用：以計算機應用技術專業(yè)為例［J]．遼寧高職學報，2023，25（5）：38-41.

[8］郭蕾蕾．生成式人工智能驅動教育變革：機制、風險及應對：以DeepSeek為例［J]．重慶高教研究，2025，13（3）：38-47.

[9］楊思琪．推動人工智能賦能教育高質量發(fā)展［N]．新華每日電訊，2025-03-10（13）.

［10］陳淑維．人工智能時代高職教師教學發(fā)展的現實挑戰(zhàn)與路向選擇[J].職業(yè)技術教育，2024，45（35）：56-60.

[11］朱莎，李嘉源，況秀林，等．生成式人工智能何以賦能學生數字素養(yǎng)培育：基于信息科技課程的實證研究[J]．中國電化教育，2025（2）：75-83.

[12］張雯婧．以DeepSeek為引擎打造“智慧教育”新范式[N]．天津日報，2025-03-03（1）.

[13］王濱．人工智能技術在大數據與會計專業(yè)教學中的應用[J]．科技經濟市場，2023（12）：134-136.

[14］王曉軍，趙文平．數字化轉型背景下職業(yè)院校教師數字素養(yǎng)結構維度與量表開發(fā)［J]．中國職業(yè)技術教育，2024（17）： 34-45.

收稿日期：2025-05-06

作者簡介：

陳亞娟，女，1995年生，碩士研究生，助教，主要研究方向：大數據分析。

舒文存，男，1971年生，碩士研究生，教授，主要研究方向：成本財務管理理論與實踐。