數智技術賦能AI人才培養模式變革的內在邏輯和實踐探索

摘要：數智技術的飛速發展正引領社會邁入數智化時代，這不僅加速了人工智能（AI） 技術的迭代，也對AI人才的能力結構提出了新要求。高職院校作為AI人才培養的關鍵陣地，亟須明晰AI領域的技術變革趨勢與特征，深刻揭示數智技術賦能AI人才培養模式變革的內在機理。文章在闡釋其內在邏輯的基礎上，從智慧教育平臺構建、教育資源創新、學習動能轉換、核心能力發展、沉浸式學習體驗強化及增值性評價體系保障6個維度，探索了數智技術賦能高職AI人才培養模式變革的實踐路徑，以期為高職院校培養高素質AI人才提供參考。

關鍵詞：數智技術；AI人才培養模式；高職院校；內在邏輯；實踐路徑

中圖分類號：G642" " " 文獻標識碼：A

文章編號：1009-3044（2025）28-0172-05

開放科學（資源服務） 標識碼（OSID）

0 引言

當前，在數字化轉型縱深推進的背景下，以人工智能（Artificial Intelligence，AI） 為核心的數智技術正以空前的速度滲透并重塑社會經濟的各個領域，成為引領科技革命和產業變革的關鍵性技術[1]。此趨勢在驅動AI技術自身迭代創新的同時，也對AI人才培養帶來了深刻影響與嚴峻挑戰。高職院校作為AI人才的培養主陣地，如何主動適應數智技術發展態勢，構建與之深度融合的AI人才培養新模式，成為高職院校AI人才培養的首要任務[2]。要實現這一任務，高職教育領域須準確把握數智時代AI技術的演進特征，深刻洞悉數智技術賦能人才培養模式變革的內在邏輯，進而才能有效探索培養高素質AI技術技能人才的實踐路徑。

1 數智時代未來AI領域的發展趨勢與特征

數智技術是以數字化和智能化為核心特征，依托人工智能（AI） 、物聯網、云計算及大數據等新一代信息技術的深度融合與廣泛應用，旨在推動產業創新，提高生產效率[3]。其中，AI作為數智技術中“智”的核心，通過機器學習、深度學習、自然語言處理等一系列智能算法模擬人類的智能行為，實現自主學習、決策和推理等功能，并在各行各業展現出廣闊的應用前景。隨著AI應用的不斷深入，其所依賴的算法和模型也在不斷迭代優化，特別是以生成式人工智能（Generative AI） 為代表的新進展，正強力驅動AI領域的深刻變革與能級躍升。

1.1 技術迭代：大模型應用持續擴大

模型是AI的核心組件，使AI能夠理解數據、洞察模式，并據此進行預測與決策。歷經多輪技術演進，以海量數據和卓越算法為支撐的大規模預訓練模型（簡稱“大模型”） 應運而生，并成為驅動AI技術跨越式發展的新引擎。大模型是指具有巨大參數量的深度學習模型，這些模型通過模擬人腦的神經元結構，對輸入數據進行多層抽象和處理，從而實現對復雜任務的學習和預測。依托大模型，AI能更有效地捕捉數據的全局特征，學習深層次、復雜化的模式與關聯，從而展現出卓越的泛化能力。這種能力使AI在應對未知或新興領域挑戰時，能迅速適應并提出有效的解決方案。大模型的出現，使得AI在自然語言處理、計算機視覺、語音識別等領域取得了重大突破。

1.2 應用拓展：多模態融合加速發展

多模態融合是指將來自不同模態的信息進行整合、分析和處理，以獲得更全面、更準確的表示和理解。不同模態的數據（如文本、圖像、語音等） 承載著各異的特征與表達范式，其融合旨在博采眾長，克服單一模態信息表征的局限性。多模態融合技術顯著提升了AI的通用性與適應性，使其能高效處理并整合來自語音、圖像、文本等多種來源的信息。未來，多模態融合技術將在教育、醫療、智能交通、工業制造等更多領域得到應用，這些領域有望深度利用多模態融合技術優勢，加速其智能化轉型與創新發展。

1.3 產業融合：智能體應用備受期待

智能體作為一種新興的AI應用范式，能夠理解自然語言指令、與環境動態交互，并展現出初步的自主規劃與執行能力。伴隨智能體由單點執行向系統協同演進，其逐漸顯現出類似人類復雜認知功能的“涌現”特性，如獨立完成方案策劃、數據洞察、輔助決策等復雜任務。這種涌現性賦予了AI在產業應用中更廣闊的想象空間與發展潛力。眾多企業已開始嘗試運用智能體深度融入其運營體系，以期實現全局化、智能化的管理與效能提升。這預示著未來職場將加速向人機高效協同的智慧工作空間演變，具備跨領域學習能力和AI應用技能將成為構筑個體職場核心競爭力的關鍵要素。

2 數智技術賦能AI人才培養變革的內在邏輯

數智技術在驅動AI領域深刻變革的同時，亦對AI人才培養提出了加速提質的要求，以期與產業發展同頻共振。因此，高職院校亟須系統梳理并深刻理解數智技術賦能AI人才培養模式變革的內在邏輯作用，進而通過科學重構人才培養體系，實現高素質AI人才的有效供給。

2.1 邏輯起點：數智時代對AI人才能力結構提出新要求

AI人才是指在AI領域具備扎實專業知識、嫻熟應用技能與相關實踐經驗的復合型人才。他們活躍于核心技術攻關、創新應用拓展及產業生態管理等關鍵環節，其核心使命在于驅動AI技術與多元產業的深度融合及創新應用。數智時代對AI人才能力結構的新要求可以歸納為創變素養、復合思維和技術技能三大維度，如圖1所示，具體細化為以下6個方面。

1） 數字創新能力和實踐智慧。數字創新能力指個體運用數字資源進行創造性活動，敏銳追蹤領域前沿，并以獨到見解與方法解決問題、指導實踐的能力。實踐智慧則強調個體在復雜情境下靈活應變、因地制宜地制定并實施有效解決方案，以達成預期目標的綜合素質。

2） 跨界學習能力和開拓精神。“跨界”是AI人才核心競爭力的關鍵體現。具備跨界學習素養的個體，能以開放思維敏銳捕捉新興發展機遇，在技術迭代的不確定性與風險挑戰面前，勇于打破知識壁壘，展現開拓創新精神，從而催生突破性成果。

3） 成長心態和自主學習能力。成長心態是人們通過不懈的學習努力追求卓越的心源動力[4]，擁有成長心態者，能主動激發學習意識，積極優化并重塑自身認知結構，形成適應技術變革的心智模式，從而發展出面向未來的強大自主學習能力。

4） 數字合作與問題解決能力。AI人才需具備卓越的數字協作素養，能在數字化環境中有效開展“人機”及“人際”協作，與智能系統、團隊成員等高效溝通、協同作戰，并憑借開闊的認知視野與綜合駕馭能力，共同攻克制約技術進步與產業應用的核心難題。

5） 人機協同和AI滲透技能。AI人才不僅是技術創新的引領者，亦是技術應用的推動者與實踐者。他們需深刻理解人機智能的分工協作機理，熟練掌握將AI技術融入特定業務場景的核心技能，準確識別AI對生產流程的潛在影響并制定應對策略，進而驅動行業整體的智能化轉型。

6） 數字倫理和社會責任。AI人才在AI系統的設計、開發與應用過程中，不僅要關注技術效能的提升，更要堅守數字倫理底線、勇擔社會責任。他們應在遵循法律法規與道德準則的前提下，運用AI技術進行負責任的創新與決策，堅決防范和抵制濫用AI技術侵害個人隱私、實施欺詐或惡意攻擊等失范行為。

2.2 邏輯推演：傳統AI人才培養模式與數智技術的脫節

數智技術的應用改變了傳統產業單一封閉式的發展模式，逐步形成了產業邊界融合和共生的發展格局[5]。在此背景下，培養能主動適應此變革、具備全方位、多領域知識融合與應用能力的AI人才，其重要性與緊迫性日益凸顯。然而，當前部分高職院校仍沿襲以單一學科內在邏輯為基礎構建學生認知體系的傳統培養模式，這已難以滿足數智時代對AI人才的實際需求，導致人才供需結構性矛盾持續加劇。究其根源，主要體現在以下4個層面：

1） 學科邊界限制導致綜合能力不足。在數智時代，AI呈現出多樣化、變化快、涉域廣的特點，需要跨學科的綜合能力支撐[6]。因此，AI人才培養必須積極引入前沿技術與新興應用，并構建靈活、交叉的跨學科課程體系作為支撐。然而，當前部分高職院校在AI人才培養中仍固守傳統的學科與專業壁壘，過于側重構建相對封閉的單一知識體系，致使培養出的學生在知識復合度與交叉應用能力方面存在短板，難以適應AI產業的真實需求。

2） 課程容量限制導致創新意識不足。高職院校課程內容雖包含理論教學與實踐環節，但傳統課堂教學往往過度強調理論知識的“精耕細作”，相對忽視了實踐技能的系統培養，易導致學生理論與實踐脫節，學用一致性不足。此外，固化的學科知識體系亦制約了課程內容的動態更新與靈活調整能力，難以快速吸納并融入AI領域涌現的新技術、新工藝。學生接觸真實產業環境的機會有限，對AI前沿應用的感知力與洞察力培養不足，進而影響其創新意識與創新能力的有效提升。

3） 教學方式限制導致自主意識薄弱。數智時代對AI從業者的跨界學習與復雜問題解決能力提出了更高標準。這要求高職院校必須精準把握新時代學生的學習特征，通過革新教學方法、創設真實項目情境等手段，有效激發學生求知欲，強化其自主學習意識與問題解決能力。但從實踐層面觀察，部分高職院校的教學方式仍未完全擺脫以知識單向傳遞為主的“灌輸式”模式。教學過程中，對真實問題情境的營造重視不夠，部分教師仍傾向于提供固化思維框架，以此引導甚至限制學生的思考路徑與學習探索。

4） 教學資源限制導致實踐能力不強。產教融合共建生態、共享資源是數智時代AI人才創新實踐能力培養的重要手段[7]。然而，由于部分產教合作中存在相關方權責界定模糊、內生參與動力匱乏等現實問題，導致產教融合常面臨“協議簽署易，合作落地難”的困境。這使得教學資源建設易與產業實際需求脫節，“產”“教”雙方的高效協同育人優勢難以充分發揮，最終影響學生在真實生產環境中實踐應用能力的有效提升。

2.3 邏輯旨歸：構建與數智技術同頻的AI人才培養模式

在數智時代，AI人才的培養應該與數智技術發展保持同頻同步，高職院校在構建人才培養模式時，要突破傳統人才培養中“重知識輕實踐”“重專業輕通識”等理念束縛，應積極吸納并深度融合智能體、大數據、區塊鏈等前沿數智技術，系統創新AI人才培養范式，對教育主體角色、教學互動方式、知識呈現形態、學習實踐場景、教學資源供給以及學習成效評價等核心要素進行系統性重塑與優化，確保AI人才培養體系能敏銳響應并主動引領數智技術的發展浪潮，其實踐框架如圖2所示。

1） 重構教育主體，厘清人機協同的三元關系。伴隨數智技術在教育生態中的深度滲透，以數字人、智能助教為代表的數智角色正與傳統教師、學生共同構成“師—機—生”三元協同的新型教育主體關系。在此三元結構中，數智技術扮演著“智慧助學”與“精準助教”的雙重角色，其應用有助于拓展學習時空邊界、豐富教育資源供給、優化實踐教學模式，并為學生個體化成長評估提供了創新視角與技術支撐。然而，在構建人機協同育人新范式時，須警惕教師指導與監督角色可能被“邊緣化”的風險，以及學生因過度技術依賴而產生學習主體性“失能”的潛在問題，這些都可能催生新的學習挑戰。因此，核心在于引導學生明晰并承擔學習主體責任，科學界定學生、教師與數智技術在教與學過程中的角色定位、職責分工與協同機制，從而保障學生在數智化學習環境中保持積極主動且健康的學習狀態。

2） 迭代教學資源，凸顯多元精準的資源供給。優質、多元且精準的教學資源是AI人才培養的基石。當前，數智技術驅動AI知識體系加速迭代，而部分高職院校受限于傳統資源建設模式與時空約束，其教學資源更新常顯滯后。盡管網絡提供了便捷的資源獲取途徑，但其信息往往呈現高度離散化與低系統化特征，這反而可能加劇優質教學資源有效供給的挑戰。針對此困境，可引入知識圖譜構建、智能數據挖掘等數智技術，通過優化資源組織、智能檢索與個性化推送機制，為學生提供更為智能、精準、體系化的教學資源服務。

3） 重塑教學方式，構建知識創生的教學范式。數智時代，知識的獲取和記憶已不再是學習目標，高水平認知加工和深層次意義建構則成為新的著力點[8]。學習者不僅應借助數智技術高效獲取信息、輔助知識建構，更要積極運用數智技術賦能知識創新與復雜問題解決，從而實現從“知識獲取與理解”向“知識應用與創生”的躍遷。因此，高職院校須推動教學方式的系統性變革，逐步擺脫固化的、標準化的教學流程，將個性化與差異化教學置于優先地位。應高度關注并促進學生的生成性學習，鼓勵學生在已有認知基礎上，通過具身參與和情境化實踐，實現對抽象概念的深度表征與內化理解，并將實踐智慧外化為可遷移的新知識，以此拓展認知邊界，提升創新素養。

4） 豐富教學內容，打造一核多境的知識形態。鑒于AI知識體系的快速膨脹與加速迭代，學生在校期間所學知識就可能面臨迅速“老化”的風險。因此，教學內容必須保持高度的動態性與前瞻性，及時融入AI領域的前沿技術與新興應用，以確保其與AI職場實際需求精準對接。然而，教學內容的盲目“增量”與過度“求新”，亦可能加劇學生的學習負荷，甚至引發“知識焦慮”與“學習迷航”等問題。故此，AI相關課程體系的構建應突出“強基固本”，確保學生牢固掌握AI學科的基礎理論與核心方法。在此基礎上，通過創設多樣化的真實應用情境來承載和應用相對“穩定”的核心知識，引導學生在穩固的認知結構上，逐步習得并整合新知識、新技能，從而實現個人知識體系的持續迭代與優化升級。

5） 重構教學場景，設計虛實融合的教學樣態。為促進產教場景的深度貫通與理實一體化教學過程的有效融通，可積極運用數字孿生、虛擬現實（VR） 、增強現實（AR） 等數智技術，構建高度仿真的動態模型以模擬真實物理環境（如智能制造生產線） ，使學生能夠身臨其境地獲得沉浸式“在場”學習體驗。一方面，由數智技術賦能的這種高保真、交互式學習場景，能為學生提供豐富的、綜合性的情境角色扮演與任務挑戰體驗，從而有效激發其開展以知識創生為導向的探究性學習與實踐活動。另一方面，借助數智技術的可視化與交互能力，許多抽象的理論知識與復雜的操作流程得以直觀呈現，顯著提升了學習過程的形象性與可理解性，有力支撐了學生對核心知識的深度學習與關鍵技能的精準實操。

6） 升級教學評價，打造面向成長的評價方式。數智時代背景下，AI人才培養的評價體系構建應突出全面性、過程性與增值性三大核心原則，其關鍵在于實現從傳統的、基于單一靜態場景的終結性測試，向基于多模態數據的、動態連續的過程性追蹤與綜合評估的深刻轉變。教育系統應充分發掘并運用數智技術的潛力，構建基于大數據的、可視化的智能反饋評價系統。該系統能夠全過程、連續性地采集并實時呈現學生的學習行為數據與能力發展軌跡，進行多維度、精細化的學習狀態分析與診斷，并據此提供個性化的學習建議與智能化的決策支持，從而精準賦能每一位學生的個性化成長與全面發展。

3 數智技術賦能高職AI人才培養變革的實踐探索

高職院校應主動擁抱數智技術為AI領域帶來的深刻變革，遵循AI人才培養模式創新的內在規律，以智慧教育平臺構建為戰略起點，以優質教學資源建設為堅實基礎，以學習者內生動能轉換為重要引導，以學生核心能力發展為根本目標，以沉浸式學習體驗強化為關鍵環節，以科學增值評價體系為有力保障，系統構建高素質AI人才培養新范式，積極探索數智時代AI人才培養模式變革的有效實踐路徑。

3.1 以平臺建設為起點：打造具身認知的人機協同智慧教育平臺

開展智慧教育平臺建設，是高職院校創新型高技能人才培養的重要支撐[9]。數智技術賦能AI人才培養的實踐，應始于智慧教育平臺的頂層設計與系統構建。通過平臺將教學活動所需的各類工具、多元化資源以及虛實融合場景等要素進行高效集成，為AI教學創新提供一體化支撐。平臺建設涵蓋基礎架構與功能實現兩大層面。基礎架構層面，須明確平臺使用規范，搭建穩定運行環境，并強化技術支持與服務保障，營造健康的平臺應用生態。功能實現層面，則致力于有效聯動產業資源，匯聚海量優質教育內容，構建富有吸引力的數智學習環境，從而創造一個既映射現實又超越現實的多維學習場域。智慧教育平臺通過深度人機協同，構建了高度契合數智時代教學需求的創新學習環境。在虛擬現實（VR） 、增強現實（AR） 等技術營造的沉浸式場景中，學生通過高仿真模擬與交互式實踐操作，獲得深刻的具身“在場”認知體驗。這不僅有助于深化其對理論知識的記憶與理解，更能強化其對AI技術的實際操作感知與應用體悟，從而有力促進學生從“知識掌握”向“智慧生成”的轉化，加速其核心職業能力的全面形成。

3.2 以資源建設為基礎：建設多智能體支持的教育資源生成中心

教育資源生成中心作為智慧教育平臺的核心組件，不僅是承載與傳遞知識的橋梁，更是數智技術賦能AI人才培養的堅實內容基礎。在數智時代，該中心應積極運用大模型算法、多模態內容分析等前沿技術，實現高質量、個性化教育資源的智能生成與動態更新，并提供智能化輔助服務，以支持學生高效獲取、有效利用與自主管理學習內容。中心建設須注意以下幾點：首先，須著力提升優質資源供給效能，具體包括深化校企合作，共建共享產業級優質資源；優化資源管理與審核機制，確保資源質量與時效性；推動教育資源供給模式從“人工匯聚”向“智能生成與動態演化”轉變。其次，應強化基于學習者認知規律的資源組織與呈現。聚焦學生核心素養的培育與發展，依據其認知特征、知識基礎及學習風格等，建構多樣化的認知腳手架與多形式的內容展現，為學生提供多元化的認知切入點，以滿足個性化學習路徑的需求。最后，要構建多智能體協同支持服務體系。關注學習支持服務從傳統人際互動向高效人機協作的模式升級。圍繞學生學習全過程，部署智能導師、智能助教、智能學伴等功能各異的AI智能體。這些智能體在其專長領域分工協作，為學生提供個性化導學、疑難解答、協作學習等支持，幫助學生持續進行自我認知監控與調適，保障學習任務的高效完成與學習目標的順利達成。

3.3 以動能轉換為引導：構建面向專業素養提升的深度學習模式

技術賦能的核心要義在于技術與資源適配下個體自我效能感的增長[10]。數智技術賦能AI人才培養，應將激發并維持學生的自主學習內生動力作為關鍵引導，通過創設虛實融合、富有挑戰性的教學環境，促進其專業素養的深度內化與持續提升。深度學習作為一種高認知投入的自主性學習方式，成為落實職業素養的重要途徑[11]。深度學習的有效開展高度依賴于智能化的教學環境支撐。須為學生精心設計并適時提供個性化的學習支架，助力其成功跨越認知負荷的“最近發展區”，進而實現學習能力與專業素養的螺旋式上升與全面進階。因此，高職院校可依托智慧教育平臺，積極開展深度學習教學實踐。運用物聯網、大數據分析、學習行為可視化等數智技術，構建服務于專業素養培育的典型應用場景（如虛擬仿真實訓、項目式學習社區等） 。平臺應能從情感投入、行為參與、認知發展等多個維度，精細化采集學生的學習過程數據，并基于數據分析及時提供形成性教學診斷與個性化學習優化建議，從而引導學生進行有效的自我反思與持續改進，最終實現專業素養的顯著提升。

3.4 以能力發展為目標：利用知識圖譜推進教學內容跨學科重構

數智技術關注的不僅是教育方法的改革創新，更重要的是學習者的能力形成[12]。因此，教學內容的選擇與組織，更加強調跨學科知識的深度整合、前沿技術的敏捷更新以及面向未來的新知識創造。這無疑對教學內容在知識精準識別、高效融匯及有效創生等環節提出了嚴峻挑戰。針對這一問題，可以利用知識圖譜技術助力教學內容的構建。知識圖譜是一種圖形化的知識表示方法，可以在大規模學科文本和資料中自動提取學科知識點，并通過可視化方式呈現知識點間的關聯性，幫助學生更加準確地識別和理解學科領域的知識結構[13]。因此，高職院校在進行教學資源與課程體系建設時，應堅持以核心職業能力培養為軸心，以產業真實崗位需求為根本導向。通過采用基于典型工作過程的模塊化內容組織方式，設計精煉且實用的項目化學習任務，并積極運用知識圖譜技術，智能整合并關聯來自不同學科領域的必備知識要素，最終構建起一個與學生職業能力發展階段動態同步、結構優化的教學內容新體系。

3.5 以強化體驗為核心：構建虛實融合產學研創新實踐教育場景

數智時代，學習體驗已成為教育運作的核心[14]。高職院校可積極運用虛擬現實（VR） 、數字孿生、多智能體協同等前沿數智技術，與真實的產業制造或服務系統進行深度對接與數字映射，精心打造虛實融合、高度仿真的產學研一體化創新實踐教育場景。在此場景中，鼓勵并引導學生開展沉浸式、情境植入式及知識創生式的深度學習與探索活動，從而全面強化其學習參與感與實踐獲得感。虛實融合產學研實踐教育場景的建設須關注兩個關鍵點：其一，場景構建需依賴穩定可靠的數智基礎設施，包括但不限于高精度智能傳感器、實時數據采集與分析平臺、自動化控制系統以及專業的仿真與交互軟件。這些軟硬件系統不僅是場景搭建的基礎，更能從多個維度捕捉學生的學習行為數據，實時反饋其學習狀態，并提供智能化的決策建議與個性化指導，以滿足差異化學習需求；其二，核心在于為學生搭建促進人機協同能力發展的進階式學習支架。初期，通過精心設計的引導任務與明確的操作規程，指導學生如何有效運用數智設備進行環境感知、數據分析、問題診斷與創新創造，重點是幫助學生掌握人機高效協同的基本方法論與實用技巧。隨后，教師應逐步“撤離”直接干預，鼓勵學生獨立或以團隊形式，與數智系統深度協作，自主應對更為復雜、開放的真實世界問題。

3.6 以增值評價為保障：建立基于數據驅動的增值評價循證范式

數智技術的賦能，不應僅僅局限于其在AI人才培養過程中技術層面的創新應用，更需深度關注并科學度量其對人才培養質量與個體成長的“凈增值效應”。而增值評價作為一種關注教育成效的方法，旨在通過記錄和評估學生在教育過程中的成長軌跡，識別學生的成長增量，成為衡量AI人才培養“凈效應”的有效方法[15]。近年來，受數智技術發展的影響，循證成為各類評價改革的主要理念。循證強調“基于證據的實踐”，是將整個育人周期中的質性材料與量化數據進行規整與融通，通過證據驅動的方式對教學投入、教學過程、育人成效等實踐環節進行動態追蹤與精準評估的系統化過程[16]。以數據驅動為內核的循證范式，為實施科學、有效的增值評價提供了前所未有的技術支撐與方法論創新，有助于顯著提升評價過程的效率、客觀性與診斷精度。因此，高職院校應大力推進基于數據驅動的增值評價循證范式的構建與深度應用。積極運用多源傳感技術、智能數據分析算法等數智手段，全面整合并深度挖掘師生在教與學全過程中產生的海量、多模態數據。通過復雜數據間的智能關聯分析與關鍵特征提取，為每位學生生成動態的、個性化的成長畫像與發展性反饋策略，從而為AI人才的精準培育與持續成長提供科學的診斷依據和靶向的改進建議。

4 結論

數智技術賦能下的AI人才培養模式變革，其本質不僅是技術手段的迭代升級，更是教育理念的深刻轉型與育人范式的系統重構。高職院校在探索構建適應數智時代的AI人才培養新路徑時，必須敏銳洞察并主動適應前沿技術發展趨勢、未來職業能力演化方向以及教育教學內在規律，勇于突破傳統人才培養模式的思維定式與路徑依賴。應充分發揮數智技術在優化教學過程、創新培養方法、提升育人實效等方面的核心賦能作用，最終實現培養具備創新精神、實踐能力與可持續發展潛力的復合型、高素質AI技術技能人才的戰略目標。

參考文獻：

[1] 方增泉，劉澤峰，祁雪晶，等.數智時代人工智能素養研究的新趨勢：2024年人工智能素養研究綜述[J].教育傳媒研究，2025（1）：18-25.

[2] 呂遂峰.高職院校人工智能學院創建動力、路徑及特征[J].中國職業技術教育，2021（11）：65-71.

[3] 王竹立.建構新教育學體系，發展新質教育：從數智時代新知識觀入手[J].開放教育研究，2024，30（3）：15-23，36.

[4] 沈書生.學習新生態：構建信息化學習力[J].蘇州大學學報（教育科學版），2020，8（1）：1-8.

[5] 黃崴，李嬌.人工智能時代技術技能型人才培養的價值轉向與路徑重塑[J].教育與職業，2023（12）：35-42.

[6] 戴瑞婷，李樂民.面向產教融合的高校人工智能人才培養模式探索[J].高等工程教育研究，2024（3）：19-25.

[7] 徐國慶.我國技術教育體系構建的邏輯基礎與實踐框架[J].高等教育研究，2023，44（10）：36-43.

[8] 余勝泉，湯筱玙.智能時代的人才培養模式改革與創新[J].開放教育研究，2024，30（3）：45-52.

[9] 逯長春，唐雯雯.新質生產力視域下高職技術創新服務平臺建設的邏輯機理與實踐路徑[J].中國職業技術教育，2024（31）：12-20.

[10] 許志中，武小龍，劉祖云.都市近郊鄉村數字賦能的過程機理及實踐邏輯：基于南京市浦口區試點的個案考察[J].電子政務，2023（5）：2-15.

[11] 崔友興.基于核心素養培育的深度學習[J].課程 教材 教法，2019，39（2）：66-71.

[12] 汪淋淋，王永貴.制造企業的定制化戰略類型識別與選擇研究：基于數字化賦能視角[J].西安交通大學學報（社會科學版），2023，43（2）：41-49.

[13] 張勇，楊進才.基于學科知識圖譜的高校教學模式研究[J].計算機教育，2021（6）：141-144.

[14] 蘭國帥，杜水蓮，肖琪，等.人工智能賦能教育4.0：挑戰、潛能與案例：《塑造未來學習：人工智能在教育4.0中的作用》的要點與思考[J].開放教育研究，2024，30（4）：37-45.

[15] 李潔，麥影.高職院校學生增值評價的循證范式與建構策略[J].晉城職業技術學院學報，2025，18（1）：16-20.

[16] 牟智佳，劉珊珊，陳明選.循證教學評價：數智化時代下高校教師教學評價的新取向[J].中國電化教育，2021（9）：104-111.

【通聯編輯：王力】