高校AI通识课如何设计才能满足不同学生需求

全国大学生机器人大赛ROBOTAC赛事在山东烟台举办，来自全国71所高校的183支代表队同场竞技。孙文潭摄/光明图片

江苏大学举办的计算机文化节上，智能机器人、循迹小车、混合现实、飞行模拟等现代科技集中亮相。杨雨摄/光明图片

【AI与教育】

下午两点，某高校阶梯教室。老师在讲台上讲解“机器学习的基本原理”，PPT一页页翻过。前排几位学生紧盯着屏幕，神情困惑；中间区域，有学生正用手机观看篮球赛直播；后排靠窗的位置，一位男生已趴着睡了十几分钟。

“这门课最‘智能’的地方，可能就是大家都用AI工具应付作业了。”坐在后排的小张合上笔记本电脑，低声说道。他选修这门人工智能通识课已半个学期，“老师从人工智能的历史讲起，图灵测试、专家系统、深度学习……每个概念都提到了，但都讲得不深不透。一个学期下来，感觉就是为了凑学分。”

类似的吐槽并非孤例。在年轻人聚集的社交平台上，“高校AI通识课质量不高”、“人工智能公共课太水”成为热议话题。有人抱怨内容过于浅显，“网上都能搜到”；有人觉得门槛太高，“文科生学AI就像听天书”；还有人干脆选择“躺平”，“反正开卷考试，抄抄课件就能过”。

当前，人工智能技术正深度重塑各行各业。国内众多高校已将人工智能通识课纳入人才培养方案，面向全体学生开放。教育部等五部门近期联合印发的《“人工智能+教育”行动计划》更是明确提出：“在高等教育阶段，推动人工智能成为高校公共基础课程，按学科专业分类编写教材，促进全体学生掌握人工智能基础知识与核心素养。”

这门被寄予厚望的“时代必修课”，为何在部分高校却沦为“水课”？问题的答案，或许就隐藏在课堂教学的细节之中。

“课程开设轰轰烈烈，教学过程马马虎虎，学生学习稀里糊涂”

近两年，人工智能通识课程正以极快的速度涌入全国高校的课表。

据统计，全国超过80%的高等院校已开设相关课程。北京市已有459门AI通识课进入高校教学体系；广西壮族自治区实现了AI课程对本科高校的全覆盖，近10万名大一新生参与学习；浙江、上海、四川等地也纷纷将人工智能通识课列为必修或限选课程。

然而，面对知识背景差异巨大的学生群体，许多课程未能做到因材施教，教学尴尬由此产生。

广东某高校中文系学生小林在第一堂AI通识课上就感到“云里雾里”。“老师开场就讲神经网络、反向传播算法，满屏幕都是数学公式和程序代码。我完全没有相关基础，根本跟不上节奏。”三周后，她从教室前排移到了最后排。期末考试采用开卷形式，她带着一叠打印好的课件资料入场。直到交卷离开，她依然说不清“机器学习”与“深度学习”的本质区别。

与小林的困惑相似，安徽某高校学生在论坛上发帖吐槽：“数理基础还没打好，就被灌输一堆算法模型概念，最后交一份自己都解释不清的作业报告。”帖子下方有跟评写道：“分数高低全看报告页数多少，这到底是在培养AI素养，还是在训练凑字数的能力？”

有人“听不懂”，也有人“吃不饱”。上海某高校学生小陈选修AI通识课，本是冲着学习大模型实战应用去的，结果整个学期课程都围绕人工智能发展史展开。“这些背景知识我早就自学过了。”失望之下，他索性在课堂上用自己的电脑浏览起技术博客。

学生的失望情绪，授课教师也心知肚明。北京某高校一位教师坦言，他的课堂“一开始座无虚席，到第三节课就只剩一半学生了”。“我本人也非人工智能科班出身，不太把握得住学生的兴趣点。众口难调，但学校又有开课要求，只能边学边教。坦白说，能把基本概念讲清楚就已经很不容易了。”

“课程开设轰轰烈烈，教学过程马马虎虎，学生学习稀里糊涂。”这条在某高校校园论坛上关于AI通识课的犀利点评，获得了极高的关注与共鸣。

本应是“金课”，为何变“水课”？

课堂教学效果不尽如人意，问题根源究竟何在？

“许多教师在用专业课的思维模式来上通识课。”杭州师范大学研究生院副院长杨俊锋分析指出，当前AI通识课存在两种极端倾向：要么过度深入专业原理，将课程讲成“简化版专业课”，让非专业学生望而生畏；要么过度简化，沦为基础工具操作教学，内容浅显直白、缺乏深度，完全忽视了人工智能思维、批判性意识、人机协同能力等核心素养的培养目标。

北京大学教育学院教授尚俊杰在教学中观察到了这种“工具化”教学模式带来的后果：很多学生会使用豆包、会调用Kimi，却说不清“生成式AI的工作原理是什么”、“如何判断AI生成内容的可信度”。他认为，“这典型地表现为会操作但不会思考，把学生训练成了高级操作员，而非具备独立判断力的智能技术使用者。”

除了课程定位模糊，复合型师资短缺也是关键瓶颈。

此前，中国计算机学会在长春举办的一场专题论坛上，40余位专家学者共同梳理出AI通识课师资建设面临的两大核心困境：一是课程对教师的AI理论储备、跨学科视野及通识教学能力要求极高，但目前缺乏清晰的师资能力模型，也缺少可操作的选拔与培养标准，导致优质师资严重不足；二是AI技术迭代迅猛，教师需要持续更新教学内容，而现有的高校评价机制普遍“重科研、轻教学”，对于该课程的教学投入缺乏有效的激励措施，形成“高投入、低回报”的失衡局面，严重影响了教师的积极性。

“能把这门课开出来就已经很不容易了，哪里还顾得上精益求精？”一位高校教师的感慨，道出了许多同行的无奈。

此外，考核标准宽松、方式单一，进一步加剧了课程的“含水量”。“一篇小论文决定最终成绩”、“全程开卷考试”——此类考核方式在不少高校的AI通识课中已成为常态。尚俊杰教授指出，学生用AI生成论文提交，教师难以鉴别真伪，评分难免流于形式。在他看来，考核的导向作用非常直接：你考核什么，学生就学习什么。如果只考记忆和操作，学生就去背诵概念、练习技巧；如果考核思维和素养，学生才会真正投入深度思考与学习。

从“传授知识”转向“培育思维”

多位受访专家强调，从“通识课”、“选修课”到“公共基础课”，这一称谓的变化，内涵深远。

杨俊锋指出，最新政策导向释放出明确信号，标志着AI教育正从“可选择的兴趣拓展”向“必备的素养奠基”进行战略跨越。这是教育理念、制度设计和资源投入的全面升级，旨在为大学生在智能时代的生存、发展与创新奠定坚实的能力基础。

在此背景下，尚俊杰进一步明确了课程质量提升的核心方向：必须实现从“教知识”到“育思维”的根本转变，着力培养学生理解智能技术、与AI高效协作、并保持批判性审视的综合素养。“如何提出高质量问题、如何辨别信息真伪、如何在人机协作中保持人的主体性与价值判断，这些恰恰是AI无法替代、也无法直接传授给学生的。帮助学生构建人机协同的认知框架，使他们既能驾驭AI提升效率，又能在关键决策中做出机器无法替代的价值判断。”尚俊杰认为，这才是AI通识课从“水课”蜕变为“金课”的核心要义。

理念的转变，最终需要落实在一堂堂生动、务实且真正有用的课堂上。

在有限的课时内，面向全体学生的AI通识课究竟应该讲什么？

尚俊杰提出了“三看”筛选原则：一看有用性，是否与学生未来的职业发展密切相关；二看持久性，是否属于底层逻辑和思维方式，具有长期价值；三看不可替代性，是否是AI本身无法教会人的，如批判性思维、伦理判断、创新意识等。基于这一原则，他建议优先聚焦三类知识：AI的核心理念与基本运行逻辑、AI应用的伦理风险与防范措施、人机协同的思维模式与核心能力。

明确了“讲什么”之后，面对知识背景迥异的学生，又该“怎么讲”？

杨俊锋建议，应以项目制学习为主线重塑教学模式，“加强案例教学，例如分析‘人脸识别门禁系统’，让学生以‘分析者’身份理解其技术原理与伦理争议；强化体验式学习，通过对比AI与人类完成同一任务的差异，直观感受AI的能力与局限；同时，积极利用开源智慧学习工具，引导学生实践有效的人机协同。”

清华大学裘莹老师的教学实践提供了可资借鉴的范本。她牵头组建了校企协同教学团队，将企业一线AI落地应用的真实经验带入课堂。“AI的真正价值在于打破学科壁垒，促进不同专业背景的人跨界协作，解决真实世界的问题。”她强调，AI通识课需要构建清晰的教学逻辑链条，并给予学生充足的动手实践机会，坚决避免“只听不练”，“如果只是零散地邀请企业专家做讲座，很容易陷入‘拼盘式’教学的误区。”

“关键在于让学生真切地感受到：这门课与我的专业、未来的学习以及真实世界息息相关。”北京建筑大学测绘与城市空间信息学院副教授郭贤将自己的教学心得总结为三点：一是做减法，避免内容重复，开课前与专业任课教师充分沟通，明确分工，避免学生在AI通识课和专业课上学到两遍相似内容；二是低门槛，先建立直观认知再讲解原理，不急于抛出复杂模型，而是利用卫星影像、无人机航拍等直观案例引入，让学生先理解“AI有什么用”，再逐步引出核心方法；三是考核创新，因势利导，不简单禁止学生使用生成式AI，而是要求学生在提交论文的同时，必须附上所使用的提示词（Prompt）和过程反思，既鼓励合理利用工具，又训练其提出问题、判断答案、修正内容的能力。

在考核方式上，专家们建议，应从单一的“结果判定”转向多元的“过程见证”。

尚俊杰提出，可采用“过程性评价+项目作品+答辩展示+反思性评价”的多样化组合。“项目作品是核心，要求学生完成一个‘AI+X’的真实项目，即运用AI解决自己专业领域或感兴趣的具体问题；答辩展示环节让学生向同伴和教师展示项目成果，并阐述在人机协作过程中的决策逻辑；反思性评价则要求学生记录学习过程中的真实困惑与认知演变。”

他进一步强调：“AI通识课的提质增效，不仅仅是一门课程的教学改革，更是整个校园文化对智能时代来临的积极回应与态度重塑。当学校以清晰的政策引导AI教育，当教师主动拥抱技术、深入理解AI，这门‘公共基础课’才能真正开好、开出成效。”