职业本科人工智能专业人才培养模式探究

摘要：随着科技的进步，人工智能已成为推动经济社会高质量发展的关键因素，是产业结构调整和转型升级的重要动力，同时也是培育和发展新质生产力的重要引擎。构建适应时代需求的“人工智能+”高层次技术技能人才培养模式，是当前职业本科教育领域亟待解决的问题。文章分析了职业本科人工智能人才培养现状及存在问题，并从职业和岗位需求、培养目标等方面探讨了构建“人工智能+”创新应用型人才培养模式的策略，以期为职业本科人工智能专业建设提供参考。‌

关键词：职业本科；人工智能+；交叉融合；人才培养模式；技能考核 ；新质生产力

中图分类号：G642      文献标识码：A

文章编号：1009-3044（2025）07-0165-04

开放科学（资源服务） 标识码（OSID）

0 引言

随着我国产业结构调整和转型升级，社会各行各业对高层次应用型人才需求量不断增加。《国家职业教育改革实施方案》（国发〔2019〕4号） 在“完善高层次应用型人才培养体系”部分提出“开展本科层次职业教育试点”[1]，教育部分别于2019年5月和2019年12月批准了首批15所（均民办） 、第二批6所（仅南京工业职业技术大学1所公办） 本科层次职业教育试点学校，标志着职业教育进入本科层次发展的新阶段[2]。

2024年1月31日，习近平总书记在二十届中央政治局第十一次集体学习时指出“新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新发展理念的先进生产力质态”，而人工智能在赋能新质生产力发展中起到了重要的引擎作用[3]。而职业教育是与经济社会发展联系最为紧密的教育类型，是培养高素质技术技能人才的主阵地，在发展新质生产力的战略中发挥着不可替代的作用[4-5]。由此可见，加快培育和发展职业本科人工智能创新应用型人才已成为推动发展新质生产力的重要途径。

随着人工智能技术在各个领域的广泛应用和快速发展，对人工智能应用创新人才的需求将持续增长。职业本科教育，作为高等教育体系中的重要组成部分，肩负着人工智能高层次应用创新型人才培养的重任，在“人工智能+”行动中发挥着不可替代的作用。

目前，在职业本科人工智能工程技术专业建设中，存在着人才培养目标不明确，培养方案和课程体系与普通本科区分度不大，产教融合不够深入，缺乏应用场景，实训实践课与职业岗位脱节，多元评价体系及技能考核不完善，师资力量相对薄弱等问题。本文对照职业标准及岗位要求，分析了职业本科人工智能人才培养目标，从“人工智能+”课程体系设计方法，加强实训实践及技能考核，完善多元评价体系，组建高水平“双师”师资队伍等方面，探索了“人工智能+”创新应用型人才培养模式，以期为职业本科人工智能工程技术专业建设提供参考。

1 高校人工智能专业简介

1.1 人工智能简介

人工智能（Artificial Intelligence，简称AI） 是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

1.2 高校人工智能专业

2019年教育部审核通过了首批35所普通高等学校“人工智能”专业建设资格。2019年《普通高等学校高等职业教育（专科） 专业目录》增补“人工智能技术服务”（专业代码610217） 专业，2020年新增“人工智能技术应用”（专业代码510209） 专业。

2021年3月发布的《职业教育专业目录（2021年） 》包括中等职业教育、高等职业教育专科和高等职业教育本科专业目录。其中，高等职业教育专科专业目录中人工智能专科专业仅包含“人工智能技术应用”（专业代码510209） ，高等职业教育本科专业目录中新增人工智能本科专业“人工智能工程技术”（专业代码310209） 。

1.3 不同类型高校人工智能专业培养目标的差异

1.3.1 普通学术型本科（例如“双一流”普通高校）

侧重培养具有深厚理论基础和创新能力的研究型人才，能够在人工智能领域进行前沿研究和理论探索。深入学习人工智能的核心理论，如人工智能原理、机器学习、深度学习、自然语言处理等。鼓励学生参与科研项目，进行算法设计、模型优化等高级研究活动。

课程设置强调数学、计算机科学等基础学科的教学。

1.3.2 普通应用型本科（例如非“双一流”普通高校）

侧重培养具备扎实理论基础和一定创新能力的应用型人才。强调培养学生的综合素质，包括批判性思维、团队协作能力、沟通能力等，以适应未来复杂多变的工作环境。

课程设置中理论课程占比较大，虽然也包含实验和项目环节，但更注重于理论验证和初步应用探索。

1.3.3 职业本科层次

培养目标更贴近市场需求，通过产教融合，科教融汇，侧重培养具备扎实理论基础和较强实践能力，能够把人工智能先进技术赋能转换为生产力的高层次技术技能人才。注重培养学生的工匠精神和职业素养等，以增强职业适应性。

课程设置在保留一定数学和计算机基础课程的基础上，强化实践实训教学环节，注重实践技能的培养，如编程实践、人工智能应用开发实践、项目实训、企业实习等，提升学生的动手能力和解决问题的能力。开设一系列与人工智能应用紧密相关的行业课程，如计算机视觉、智能机器人技术、自然语言处理等，以增强学生的就业竞争力。

1.3.4 职业专科层次

侧重培养掌握人工智能基础知识和基本技能的技能型人才，能够从事人工智能领域的初级技术工作。强调对人工智能工具、平台和软件的使用能力，如Python应用开发、深度学习应用开发等。实践教学占据较大比重，通过案例分析、模拟操作等方式提升学生的实战能力。

课程设置以应用为导向，开设一系列实用性强、易于上手的课程。

综上所述，不同类型高校人工智能专业的培养目标和课程设置存在差异，而职业本科人工智能专业则以其职业导向、产教融合、实践技能等特色和优势在人才培养方面发挥着重要作用。

2 职业本科人工智能工程技术专业定位

2.1 职业本科院校开设人工智能工程技术专业的必要性探讨

人工智能已成为推动新质生产力发展的关键力量，在新形势下，不管是普通本科高校还是职业本科高校都要进行人工智能相关教育。至于是在传统专业基础上通过开设几门人工智能相关课程，实现“+人工智能”，还是单独开设人工智能工程技术专业，通过交叉融合，培养“人工智能+”专业人工智能人才，要根据学校的综合实力和专业布局及传统专业转型升级需要而定。建议具备一定办学实力的职业本科院校开设人工智能工程技术专业，并以此为契机，推动学校传统专业的转型升级。

2.2 职业本科人工智能工程技术专业的三大功能

职业本科人工智能工程技术专业，总体来说有三大功能：一是面向人工智能产业链的特定环节或岗位，依托学校特色和办学实力，构建“人工智能+” （例如+工业检测、制造、交通等应用场景） 的人才培养模式，培养人工智能高层次应用型人才，例如数据分析师、计算机视觉应用开发工程师、自然语言处理应用开发工程师等。二是为部分传统专业（例如，制造类、交通类、设计类、商贸类等） 改造升级赋能（例如，智能制造、智能交通等） ，定制“传统专业+智能”的提升方案，并反向促进人工智能工程技术专业的办学水平。三是在新质生产力及“人工智能+”行动的大背景下，为在全校范围内开设人工智能通识课提供案例素材、前沿技术及师资保障。

2.3 职业本科人工智能专业人才培养面临的挑战和机遇

随着人工智能技术的快速发展和广泛应用，各行各业对人工智能应用开发人才的需求急剧增加，这为职业本科教育提供了广阔的就业市场和发展空间。可依托校企合作，通过跨专业课程设置和教学模式创新，培养“人工智能+”创新应用型人才。

目前，职业本科教育体系结构还不够完善，校企合作、产教融合还不够深入，课程及实践实训内容滞后于人工智能技术的快速更新。由于条件限制和资源不足，部分职业本科教育的实践教学环节可能无法满足学生的需求，技能考核体系还不够完善。具有丰富实践经验和行业背景的专业教师更是稀缺，这在一定程度上限制了人才培养的质量和效果。

3 职业本科人工智能工程技术专业建设存在的问题及对策

3.1 人才培养目标

3.1.1 存在问题

部分职业本科院校在制定“人工智能工程技术”专业人才培养方案时，倾向于简单地沿用专科“人工智能技术服务”或“人工智能技术应用”专业的课程体系，只是延长了培养年限、增加了课程难度和数量，没有充分体现职业本科的特点，也没有充分对接职业标准和企业岗位需求。

3.1.2 解决方案

依据国家职业标准和企业岗位要求，制定“人工智能工程技术”专业人才培养目标及培养方案。

1） 国家职业标准。依据《国家职业技术技能标准》中“人工智能工程技术人员”（人工智能算法选型及调优、人工智能算法实现及应用） 、“人工智能训练师”（智能训练、智能系统设计、2024年该职业新增“人工智能数字人训练师”工种） 、“生成式人工智能系统应用员”（2024年新增职业） 等职业，分析并对标其职业的中、高等级工作岗位的专业能力要求及相关知识要求，分析结构如表1所示。

2） 企业岗位要求。在制定人才培养方案时，不仅要分析国家职业标准，更要对标企业招聘本科层次人工智能相关岗位要求，把岗位要求分解成若干典型工作任务，分析各典型工作任务对应的工作内容，并梳理各典型工作任务对应的专业能力和相关知识要求。据此制定人才培养目标、课程体系和课程内容，并定期根据企业岗位及要求的变化更新调整。

目前，数据分析工程师、计算机视觉开发工程师、自然语言处理开发工程师、人工智能测试工程师、大模型应用开发工程师等岗位人才需求量较大，各学校可根据自身办学实力和特色，瞄准相应岗位培养专业人才。岗位和典型工作任务分析法如表2所示。

3.2 课程体系建设

3.2.1 存在问题

部分职业本科院校在构建人工智能工程技术专业课程体系时，存在照搬普通本科模式的现象，缺乏对职业教育特点和人才培养目标的深入思考，课程设置与企业实际需求脱节。

3.2.2 解决方案

加强应用人工智能技术解决实际问题能力的培养，课程体系构建应对接教育链与产业链，‌通过产教融合、‌校企合作，‌致力于提升学生的整体素质和技能掌握程度。‌这与普通本科教育在能力培养上的侧重点有所不同，‌普通本科更重视学科能力或学术能力的培养[6]。

基于OBE（Outcome-Based Education） 成果导向的课程体系设计理念[7-8]，深入分析职业标准和人工智能相关招聘岗位的要求，得到较小颗粒度的知识点和技能点，相关知识点和技能点整合成稍大颗粒度的知识块和技能块，相关知识块和技能块构建成模块化课程，相关模块化课程构建成课程群，相关课程群构建成课程体系。

职业素养及课程思政要根据职业教育特点及企业岗位要求进行整体设计，并综合考虑学生的专业特点、学习阶段及课程特点，有计划、有方法、有步骤地融入课程和教学过程中。

3.2.3 优化课程体系

1） 课程群。人工智能工程技术专业课程体系大致可包含四大课程群：一是编程基础及算法课程群，主要包括Python程序设计、数据结构与算法等课程；二是机器学习及数据挖掘课程群，主要包括机器学习技术与应用、数据分析与挖掘等课程；三是深度学习课程群，主要包括深度学习技术与应用、计算机视觉技术与应用、自然语言处理技术与应用、大模型技术与应用等课程；四是前沿技术课程群，主要包括最新的计算机视觉/自然语言处理大模型及多模态大模型技术与应用等相关课程。